隨著石油、煤炭等資源的持續(xù)性短缺,風(fēng)能由于其豐富性、可持續(xù)性、無污染等多重優(yōu)勢受到了重視,風(fēng)機(jī)單機(jī)裝機(jī)容量的逐步提高和風(fēng)機(jī)發(fā)電的惡劣環(huán)境對風(fēng)機(jī)可持續(xù)性發(fā)電和維修提出更高的要求,故本文針對風(fēng)機(jī)齒輪箱中滾動軸承和齒輪的故障監(jiān)測方法進(jìn)行了探討,主要工作包括:(1)梳理近年世界風(fēng)電發(fā)展趨勢,分析瑞典等國的風(fēng)電監(jiān)測數(shù)據(jù),與國內(nèi)某風(fēng)電場連續(xù)兩年搜集到的故障數(shù)據(jù)進(jìn)行對比,分析出風(fēng)機(jī)各部件故障比率,從中發(fā)現(xiàn)零件故障規(guī)律,得到齒輪箱在線故障監(jiān)測的意義。筆者同時歸納風(fēng)電機(jī)組齒輪箱故障監(jiān)測常用方法,分析各自方法的優(yōu)缺點,展望各種方法發(fā)展趨勢。(2)簡單介紹齒輪箱的結(jié)構(gòu)和其在發(fā)電中發(fā)揮的作用,對齒輪箱中的齒輪和滾動軸承的故障分析了原因和振動機(jī)理,并給出各種故障形式所對應(yīng)的振動頻率計算公式,為后續(xù)的滾動軸承和齒輪的故障診斷給出理論依據(jù)。(3)針對風(fēng)機(jī)軸承早期故障特征微弱,不易被及時發(fā)現(xiàn)的問題,筆者利用變分模態(tài)分解方法和雙譜分析方法處理滾動軸承早期故障信號,可以從信噪比較低的原始信號中分析出明顯的故障特征分量,同時,為了進(jìn)一步突出信號的故障特征頻率,筆者利用Teager能量算子的特點結(jié)合變分模態(tài)分解提出方法,對張家口某風(fēng)電場現(xiàn)場數(shù)據(jù)進(jìn)行故障分析,仿真和實驗結(jié)果均證明了兩種方法的有效性。(4)針對齒輪產(chǎn)生的振動包含一定的高頻噪聲、集合經(jīng)驗?zāi)B(tài)函數(shù)參數(shù)需要人工干預(yù)的問題,筆者提出一種融合集合經(jīng)驗?zāi)B(tài)分析和主元分析的風(fēng)機(jī)齒輪信號降噪及性能退化評估方法,將齒輪失效前一段信號等分為幾段,對每一段信號進(jìn)行集合經(jīng)驗?zāi)B(tài)分解,用主元分析比較個信號分量在整個齒輪壽命周期中的變化趨勢,選取最能反映齒輪性能退化的部分分量進(jìn)行信號重構(gòu)以實現(xiàn)降噪,再用主元分析對重構(gòu)信號進(jìn)行處理,用連續(xù)平方預(yù)測誤差反映信號在整個壽命周期中的變化趨勢,從而實現(xiàn)齒輪箱故障在線監(jiān)測。
【學(xué)位單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TH132.41;TM315
【部分圖文】：

圖 1-1 2016 年-2020 年世界風(fēng)電市場發(fā)展情況預(yù)測的先進(jìn)性和地理位置的優(yōu)越性等多方面因素使得歐洲和美洲成為了風(fēng)電發(fā)展最其是歐洲的瑞典德國等國家，自 1990 年代起便大力發(fā)展風(fēng)電，風(fēng)電市場一直穩(wěn)亞洲各國對風(fēng)電及清潔能源重視程度日益加強(qiáng)，亞洲風(fēng)電也呈現(xiàn)良好發(fā)展態(tài)勢，發(fā)展主要力量已經(jīng)轉(zhuǎn)移到以中國為首的亞洲地區(qū)，如圖 1-2 所示， 2007-2015

圖 1-4 Elfork 公司統(tǒng)計各子系統(tǒng)故障次數(shù)所占比例內(nèi)的風(fēng)電目前由于剛剛經(jīng)歷了野蠻生長期，一直在對機(jī)組實時監(jiān)測的工作進(jìn)行的風(fēng)電，所以只取到了來自張家口某風(fēng)電公司,共 3 個風(fēng)電場合計 123 臺風(fēng)機(jī) 2014 年整年年前 10 個月的運(yùn)行記錄。雖然兩年的監(jiān)測數(shù)據(jù)較為短暫,但大部分?jǐn)?shù)據(jù)在機(jī)組運(yùn)行了后開始統(tǒng)計,這些故障數(shù)據(jù)也能反映出一些問題。表 1-2 為 2014 和 2015 年故障運(yùn)行

風(fēng)機(jī)齒輪斷齒圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王皓;周峰;;基于小波包和BP神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)齒輪箱故障診斷[J];噪聲與振動控制;2015年02期

2 游子躍;王寧;李明明;李亞強(qiáng);王皓;;基于EEMD和BP神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)齒輪箱故障診斷方法[J];東北電力大學(xué)學(xué)報;2015年01期

3 趙洪山;郭偉;鄧嵩;王少游;張興科;;基于確定性隨機(jī)子空間方法的風(fēng)機(jī)齒輪箱故障預(yù)警[J];可再生能源;2014年05期

4 唐貴基;王曉龍;;基于EEMD降噪和1.5維能量譜的滾動軸承故障診斷研究[J];振動與沖擊;2014年01期

5 楊慶;陳桂明;何慶飛;劉鯖潔;;局部切空間排列算法用于軸承早期故障診斷[J];振動.測試與診斷;2012年05期

6 程軍圣;楊怡;楊宇;;基于LMD的譜峭度方法在齒輪故障診斷中的應(yīng)用[J];振動與沖擊;2012年18期

7 許雪貴;徐文琴;;齒輪箱故障的振動機(jī)理與故障特征研究[J];機(jī)械制造與自動化;2012年04期

8 陳仁祥;湯寶平;呂中亮;;基于相關(guān)系數(shù)的EEMD轉(zhuǎn)子振動信號降噪方法[J];振動.測試與診斷;2012年04期

9 趙洪山;胡慶春;李志為;;基于統(tǒng)計過程控制的風(fēng)機(jī)齒輪箱故障預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2012年13期

10 楊濤;任永;劉霞;黃樹紅;高偉;;風(fēng)力機(jī)葉輪質(zhì)量不平衡故障建模及仿真研究[J];機(jī)械工程學(xué)報;2012年06期

相關(guān)博士學(xué)位論文 前1條

1 任達(dá)千;基于局域均值分解的旋轉(zhuǎn)機(jī)械故障特征提取方法及系統(tǒng)研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前7條

1 宮秀芳;風(fēng)力發(fā)電機(jī)組齒輪故障模擬實驗及仿真研究[D];哈爾濱理工大學(xué);2015年

2 劉霞;風(fēng)力機(jī)傳動系統(tǒng)故障診斷研究[D];華中科技大學(xué);2013年

3 薛金亮;基于振動噪聲信息融合的齒輪箱齒輪故障診斷研究[D];青島理工大學(xué);2012年

4 郝國文;大型風(fēng)電機(jī)組傳動系統(tǒng)故障診斷信息分析方法研究與應(yīng)用[D];燕山大學(xué);2011年

5 楊明明;大型風(fēng)電機(jī)組故障模式統(tǒng)計分析及故障診斷[D];華北電力大學(xué)（北京）;2009年

6 佘勃強(qiáng);風(fēng)力發(fā)電增速裝置的研究[D];西安理工大學(xué);2008年

7 劉強(qiáng);人工神經(jīng)網(wǎng)絡(luò)及其在汽輪發(fā)電機(jī)組振動故障預(yù)測中的應(yīng)用[D];浙江大學(xué);2005年

本文編號：2822586