【摘要】：據(jù)統(tǒng)計(jì),風(fēng)電機(jī)組中齒輪箱的故障約占總體的4%,但其造成的停機(jī)時(shí)間最長,由此造成的運(yùn)維成本以及“棄風(fēng)”造成的發(fā)電損失最大,嚴(yán)重影響發(fā)電效率和風(fēng)電的經(jīng)濟(jì)效益。隨著風(fēng)能廣泛地開發(fā)利用以及科技的進(jìn)步,風(fēng)電裝備朝大型化、智能化方向發(fā)展,行星齒輪箱作為兆瓦級(jí)大型風(fēng)電機(jī)組傳動(dòng)系統(tǒng)核心部件,其一旦突發(fā)故障將造成重大的經(jīng)濟(jì)損失和人員傷亡。對(duì)此,利用風(fēng)電機(jī)組傳動(dòng)系統(tǒng)狀態(tài)監(jiān)測系統(tǒng)(Condition Monitoring System,CMS)獲取的數(shù)據(jù)來開展行星齒輪箱運(yùn)行狀態(tài)的辨識(shí)方法研究,對(duì)保障風(fēng)電機(jī)組的安全可靠運(yùn)行具有重要的理論意義和實(shí)際工程應(yīng)用價(jià)值。本文以兆瓦級(jí)風(fēng)電機(jī)組行星齒輪箱的運(yùn)行狀態(tài)數(shù)據(jù)為研究對(duì)象,基于時(shí)頻統(tǒng)計(jì)特征、改進(jìn)多尺度排列熵、流形算法以及深度學(xué)習(xí)的理論與方法,圍繞智能診斷領(lǐng)域的多樣本特征提取與降維、深度置信網(wǎng)絡(luò)識(shí)別模型的結(jié)構(gòu)參數(shù)選取兩方面開展深入研究,來提升狀態(tài)辨識(shí)的精度和效率,主要內(nèi)容包括以下3個(gè)方面:(1)行星齒輪箱振動(dòng)信號(hào)的多樣本特征提取與降維。針對(duì)基于小樣本特征對(duì)高維時(shí)間序列表征存在片面的問題,提出一種多域聯(lián)合特征提取與流行降維的特征提取方法。設(shè)備的運(yùn)行狀態(tài)信息分布于各域中,若行星齒輪箱或其某部件有缺陷時(shí),其被測信號(hào)的振動(dòng)特性亦隨之變化。對(duì)此,構(gòu)建了涵蓋時(shí)域特征、頻域特征和時(shí)-頻域特征的多樣本特征集來表征行星齒輪箱的運(yùn)行狀況。原始特征集不可避免地包含不一致甚至虛假的特征,且上述特征間的相互耦合引發(fā)較差的狀態(tài)辨識(shí)結(jié)果;故基于局部切空間排列算法對(duì)多樣本特征進(jìn)行精簡、優(yōu)化,以期提高辨識(shí)模型的性能,且可減輕決策層的計(jì)算負(fù)擔(dān)。(2)深度置信神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)參數(shù)選取。與淺層神經(jīng)網(wǎng)絡(luò)狀態(tài)辨識(shí)模型相比,深度置信神經(jīng)網(wǎng)絡(luò)基于多層結(jié)構(gòu)增加了模型的非線性擬合能力,克服了淺層神經(jīng)網(wǎng)絡(luò)面對(duì)高維數(shù)據(jù)時(shí)學(xué)習(xí)能力不足的問題,然而深度置信神經(jīng)網(wǎng)絡(luò)模型的辨識(shí)能力取決于其網(wǎng)絡(luò)結(jié)構(gòu)體系,即層間的節(jié)點(diǎn)數(shù);粒子群算法因其結(jié)構(gòu)、調(diào)整參數(shù)常被用于各種模型的參數(shù)優(yōu)化,鑒于其易陷入局部最優(yōu)解而導(dǎo)致結(jié)果失真的問題,提出利用改進(jìn)粒子群算法來優(yōu)化深度置信神經(jīng)網(wǎng)絡(luò)模型的層間節(jié)點(diǎn)數(shù),以此提高其辨識(shí)精度。試驗(yàn)結(jié)果表明:被優(yōu)化的深度置信神經(jīng)網(wǎng)絡(luò)模型辨識(shí)精度和效率均有提升。(3)試驗(yàn)和現(xiàn)場案例。使用內(nèi)蒙古自治區(qū)機(jī)電系統(tǒng)智能診斷與控制重點(diǎn)實(shí)驗(yàn)室DDS實(shí)驗(yàn)臺(tái)行星齒輪箱不同齒輪多種狀態(tài)下的振動(dòng)信號(hào),構(gòu)建多樣本特征向量集和深度置信神經(jīng)網(wǎng)絡(luò)辨識(shí)模型。與傳統(tǒng)識(shí)別模型的辨識(shí)結(jié)果、未處理的多樣本特征集的辨識(shí)結(jié)果、深度置信神經(jīng)網(wǎng)絡(luò)直接處理原始信號(hào)時(shí)的辨識(shí)結(jié)果相比,驗(yàn)證所提方法的有效性。在此基礎(chǔ)上,將該方法應(yīng)用于內(nèi)蒙古某風(fēng)電場2MW風(fēng)電機(jī)組CMS采集的行星齒輪箱振動(dòng)信號(hào)的狀態(tài)辨識(shí),為解決工程實(shí)際中的行星齒輪箱狀態(tài)識(shí)別提供了一種可行的方案。
【圖文】：

圖 2.1 VMD 分解流程度排列熵熵（Multiscale Permutation Entropy，MPE）具有較高平穩(wěn)序列的復(fù)雜度分析，但在熵值推測過程中穩(wěn)定性proved Multiscale Permutation Entropy，IMPE)[56]則可性和動(dòng)力學(xué)突變時(shí)更具優(yōu)勢，其實(shí)現(xiàn)算法如下。度為 N 的時(shí)間序列 x i , i 1,2, ,N ，在不同尺度據(jù)分成段，每一段有τ個(gè)數(shù)據(jù)點(diǎn)，平均后作為一個(gè)數(shù)其計(jì)算公式為： 1 1jτ j τX iτ, L

求集合 Q 中各 IMFi的多尺度排列熵值藉此構(gòu)建特征向量集 T，具體流程如圖2.2 所示。圖 2.2 信號(hào)分解及其特征向量構(gòu)建峭度對(duì)瞬態(tài)沖擊信號(hào)十分敏感，Dwyer[60]通過計(jì)算信號(hào)中每個(gè)頻率對(duì)應(yīng)的峭度值來獲得瞬態(tài)的頻帶實(shí)現(xiàn)了信號(hào)中瞬態(tài)特征的檢測，繼而提出了譜峭度思想。為提高譜峭度算法的計(jì)算效率，，2006 年 Antoni[61]提出了基于 FIR 帶通濾波器的快速譜峭度算法，即對(duì)被分析信號(hào) x(t)在全頻帶范圍內(nèi) 1/3 和二叉樹結(jié)構(gòu)設(shè)計(jì)的帶通濾波器來對(duì)其處理，結(jié)果如圖 2.3 所示，其中 32x t 表示第 2 層第 3 個(gè)濾波器的結(jié)果。運(yùn)算過程中信號(hào) x(t)被分解到預(yù)設(shè)的層數(shù)后（圖 2.3 中 n=3），對(duì)每一層的濾波結(jié)果，按照式（2.18）求解所有頻率段的峭度值，然后將其匯總得到“快速譜峭度圖”，最后從中找出 x(t)的最大峭度值 Kmax所對(duì)應(yīng)的中心頻率 fω和帶寬 Bw的區(qū)間
【學(xué)位授予單位】：內(nèi)蒙古科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH132.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李雪波;;4號(hào)高爐水冷傳動(dòng)齒輪箱離線調(diào)試及安裝[J];梅山科技;2011年03期

2 唐貴基;劉夢凡;王棟;;基于ADAMS的750KW風(fēng)電齒輪箱的動(dòng)力學(xué)仿真[J];云南電力技術(shù);2019年05期

3 張昕冉;高陽;袁小華;許傲然;;對(duì)風(fēng)機(jī)機(jī)艙內(nèi)部齒輪箱散熱的初步探討[J];電子世界;2019年23期

4 陳瑞興;仇文凡;關(guān)云輝;;兩級(jí)傳動(dòng)齒輪箱漏油分析與優(yōu)化[J];清洗世界;2018年11期

5 吳亞軍;李吉祥;;高速齒輪箱密封[J];機(jī)械管理開發(fā);2016年12期

6 張揚(yáng);;諾德推出新規(guī)格模塊化工業(yè)齒輪箱[J];中國設(shè)備工程;2017年10期

7 劉菊芬;周鐵山;祝春桐;彭軒;;風(fēng)電齒輪箱行星齒輪軸承拆卸工裝的設(shè)計(jì)[J];機(jī)械制造;2017年06期

8 ;杭州前進(jìn)齒輪箱集團(tuán)股份有限公司[J];軍民兩用技術(shù)與產(chǎn)品;2017年07期

9 林達(dá)文;彭立群;王進(jìn);;風(fēng)機(jī)齒輪箱彈性支撐試驗(yàn)臺(tái)的研制及應(yīng)用[J];特種橡膠制品;2017年04期

10 朱小晶;;軌道交通牽引齒輪箱試驗(yàn)技術(shù)研究[J];機(jī)械工程師;2017年11期

相關(guān)會(huì)議論文 前10條

1 趙立超;陳長征;;基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)齒輪箱振動(dòng)信號(hào)的分析與應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

2 王奉濤;李海峰;張亮;宋魯濤;;高速齒輪箱性能檢測系統(tǒng)的研制[A];2010中國儀器儀表與測控技術(shù)大會(huì)論文集[C];2010年

3 滕偉;武鑫;高青風(fēng);柳亦兵;;風(fēng)電齒輪箱振動(dòng)信號(hào)的倒頻譜分析[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

4 張帥;張慶運(yùn);;風(fēng)電機(jī)組齒輪箱油溫高原因探討及解決方案研究[A];第六屆中國風(fēng)電后市場交流合作大會(huì)論文集[C];2019年

5 許軍;芮立鑫;王福東;;風(fēng)電齒輪箱的應(yīng)用及維護(hù)[A];第三屆中國風(fēng)電后市場專題研討會(huì)論文集[C];2016年

6 劉靜;周鳳星;;一種同步齒輪箱初始故障的在線監(jiān)測與診斷裝置的研究[A];全國冶金自動(dòng)化信息網(wǎng)2009年會(huì)論文集[C];2009年

7 華青松;白景利;陳鳳艷;;功率分流型風(fēng)電齒輪箱的優(yōu)化設(shè)計(jì)[A];中國農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2012年度論文集（上）[C];2012年

8 何俊;楊世錫;甘春標(biāo);;受外部載荷激勵(lì)的風(fēng)機(jī)齒輪箱動(dòng)力學(xué)建模及故障特征提取[A];中國力學(xué)大會(huì)——2013論文摘要集[C];2013年

9 趙鏡涵;;懸掛齒輪箱潤滑故障的分析與處理[A];第六屆摩擦學(xué)工礦企業(yè)潤滑技術(shù)工業(yè)應(yīng)用學(xué)術(shù)年會(huì)論文集[C];1998年

10 周平;;列車驅(qū)動(dòng)齒輪箱密封系統(tǒng)分析[A];推進(jìn)鐵路新跨越加快經(jīng)濟(jì)大發(fā)展——中國科協(xié)2004年學(xué)術(shù)年會(huì)鐵道分會(huì)場論文集[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 記者 林佳萍;前進(jìn)齒輪箱：小配件撬動(dòng)農(nóng)機(jī)變革[N];紹興日?qǐng)?bào);2019年

2 本報(bào)記者 張子瑞;風(fēng)電齒輪箱冠軍控股方再“易主”[N];中國能源報(bào);2018年

3 本報(bào)記者 蔣云龍;這個(gè)齒輪箱不一般[N];人民日?qǐng)?bào);2017年

4 張一一;羅羅宣布UltraFan動(dòng)力齒輪箱創(chuàng)世界最大功率紀(jì)錄[N];中國航空?qǐng)?bào);2017年

5 記者 矯陽;中國高鐵齒輪箱技術(shù)接受高寒考核[N];科技日?qǐng)?bào);2014年

6 記者 楊建光;中國高鐵齒輪箱技術(shù)獲重大突破[N];人民鐵道;2014年

7 本報(bào)記者 栗清振;風(fēng)機(jī)主齒輪箱設(shè)計(jì)帶來潤滑挑戰(zhàn)[N];中國電力報(bào);2015年

8 周瀟瀟;杭齒輕量化齒輪箱研發(fā)上軌道[N];中國船舶報(bào);2014年

9 金小萍;杭齒新型齒輪箱首度打入海監(jiān)船配套市場[N];中國船舶報(bào);2012年

10 成吉昌 蔡云龍;江蘇泰隆核電齒輪箱實(shí)現(xiàn)國產(chǎn)化“零”的突破[N];工人日?qǐng)?bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 王晉鵬;船舶齒輪箱振動(dòng)噪聲預(yù)估及低噪聲結(jié)構(gòu)設(shè)計(jì)方法研究[D];西北工業(yè)大學(xué);2018年

2 武鑫;基于數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電機(jī)組關(guān)鍵部件監(jiān)測預(yù)警技術(shù)研究[D];燕山大學(xué);2019年

3 魏禹;基于熵值的齒輪箱故障特征提取與早期故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 張冕;行星齒輪箱關(guān)鍵零部件故障診斷[D];電子科技大學(xué);2019年

5 竇春紅;風(fēng)電齒輪箱運(yùn)行狀態(tài)監(jiān)測與故障診斷[D];北京交通大學(xué);2019年

6 江國乾;基于排序模式分析與深度學(xué)習(xí)的風(fēng)電設(shè)備故障診斷方法研究[D];燕山大學(xué);2017年

7 王利明;齒輪箱齒輪故障振動(dòng)信號(hào)變尺度解調(diào)與振動(dòng)特征提取算法研究[D];重慶大學(xué);2018年

8 賀妍;基于群智能算法融合的行星齒輪箱損傷狀態(tài)識(shí)別診斷及維護(hù)[D];中北大學(xué);2019年

9 寧少慧;基于嵌入式傳感器的齒輪箱早期故障診斷研究[D];太原理工大學(xué);2017年

10 吳路路;電子齒輪箱高速高精度控制及誤差補(bǔ)償算法研究[D];合肥工業(yè)大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 劉志強(qiáng);基于光纖傳感的齒輪箱異常狀態(tài)檢測方法研究[D];重慶郵電大學(xué);2019年

2 林爾未;基于神經(jīng)網(wǎng)絡(luò)風(fēng)電機(jī)組齒輪箱故障診斷研究[D];廣東工業(yè)大學(xué);2019年

3 尹恒;基于多樣本特征融合與深度置信網(wǎng)絡(luò)的行星齒輪箱狀態(tài)辨識(shí)方法研究[D];內(nèi)蒙古科技大學(xué);2019年

4 韓博躍;基于小波變換和盲源分離的齒輪箱故障診斷研究[D];石家莊鐵道大學(xué);2019年

5 陳特;含故障風(fēng)電齒輪箱動(dòng)力學(xué)特性理論分析與實(shí)驗(yàn)研究[D];浙江理工大學(xué);2019年

6 鄭贏豪;基于虛擬傳感的齒輪箱狀態(tài)預(yù)警及趨勢預(yù)測方法研究[D];中國石油大學(xué)(北京);2018年

7 馬智博;高爐上料傳動(dòng)系統(tǒng)齒輪箱軸承故障診斷研究[D];遼寧科技大學(xué);2019年

8 周曉慶;基于FCE和DUCG的齒輪箱運(yùn)行狀態(tài)評(píng)價(jià)與故障診斷[D];江西理工大學(xué);2019年

9 徐陽;基于VMD和小波的風(fēng)電機(jī)組齒輪箱的故障診斷[D];華北電力大學(xué);2019年

10 李偉明;大型風(fēng)機(jī)齒輪箱在線監(jiān)測與故障診斷應(yīng)用研究[D];華南理工大學(xué);2019年

本文編號(hào)：2673637