風(fēng)能作為清潔能源中的典型代表已經(jīng)引起了人們的廣泛關(guān)注。而風(fēng)電機(jī)組構(gòu)造復(fù)雜且工作環(huán)境惡劣,當(dāng)故障發(fā)生時維修成本較高。滾動軸承作為風(fēng)電機(jī)組傳動鏈中的重要部件,對整個設(shè)備安全可靠運行起著支撐作用,當(dāng)滾動軸承出現(xiàn)故障時很多情況下是多種故障同時發(fā)生,復(fù)合故障發(fā)生時故障特征變得更加復(fù)雜。因此,為了降低風(fēng)電機(jī)組的運維成本,提高風(fēng)電產(chǎn)業(yè)的經(jīng)濟(jì)效益,對風(fēng)電機(jī)組滾動軸承開展復(fù)合故障診斷研究具有重大意義,而且是一個亟需攻克的難題。本文以滾動軸承復(fù)合故障為研究對象,利用解卷積的方法實現(xiàn)對原始沖擊信號的恢復(fù),主要研究內(nèi)容如下:（1）針對滾動軸承復(fù)合故障特征比較復(fù)雜,使得復(fù)合故障特征難以提取的問題,提出一種基于改進(jìn)的最大相關(guān)峭度解卷積（Maximum Correlate Kurtosis Deconvolution,MCKD）和teager能量算子結(jié)合的滾動軸承復(fù)合故障診斷方法。該方法以故障平臺實驗數(shù)據(jù)為研究對象,通過粒子群尋優(yōu)算法（PSO）對不同故障類型下MCKD的影響參數(shù)（L和M）進(jìn)行優(yōu)化,利用優(yōu)化后MCKD算法對復(fù)合故障信號進(jìn)行處理,然后對分離出的信號做teager能量頻譜分析。該方法可有效診斷出單一故障以... 

【文章來源】：內(nèi)蒙古工業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

001-2017全球年新增裝機(jī)總量圖

圖 1-2 2006-2017 年我國新增及累計裝機(jī)容量直方圖Fig. 1-2 New and Cumulative Installed capacity histogram in China in 2006-2017豐富的風(fēng)能資源往往是在環(huán)境惡劣的偏遠(yuǎn)地區(qū)以及沿海區(qū)域，大部分風(fēng)電場的選址經(jīng)常位于此地，由于風(fēng)電場中的風(fēng)電機(jī)組分布區(qū)域廣、受到環(huán)境及其天氣的干擾比較明顯，而且工作狀態(tài)不斷的進(jìn)行調(diào)整，當(dāng)故障發(fā)生時很大程度上增加了維修難度，給風(fēng)電行業(yè)帶來了較大的經(jīng)濟(jì)損失。一般情況下，陸地上運行壽命達(dá)到 20 年的風(fēng)機(jī)總維修費用可達(dá)到總收入的 10%，而海上風(fēng)電場由于其工作環(huán)境更加復(fù)雜多變，使得風(fēng)機(jī)的維護(hù)費用是陸地上的兩倍之多。因此，為了降低風(fēng)機(jī)的運維成本，提高其工作的安全可靠性，延長風(fēng)機(jī)的工作年限，對風(fēng)電機(jī)組進(jìn)行故障診斷及其狀態(tài)監(jiān)測有著非常深遠(yuǎn)的意義和重要的工程應(yīng)用價值[4-6]。通過有關(guān)數(shù)據(jù)表明，滾動軸承作為風(fēng)電機(jī)組傳動鏈中不可或缺的一部分，對整個設(shè)備的安全可靠運行起到重要支撐作用，而當(dāng)風(fēng)電機(jī)組故障發(fā)生時，滾動

基本結(jié)構(gòu)及軸承的特點的基本結(jié)構(gòu)及傳動鏈特征功能就是利用風(fēng)能轉(zhuǎn)化為機(jī)械能，然后在轉(zhuǎn)是通過風(fēng)機(jī)的葉片和轉(zhuǎn)子直接連接，利用主，和發(fā)電機(jī)定子作切割磁感線效應(yīng)，產(chǎn)生電轉(zhuǎn)化，然后在進(jìn)行電流的逆變轉(zhuǎn)換成交流電由三部分構(gòu)成包括機(jī)艙、塔架和葉片，機(jī)艙、發(fā)電機(jī)及其它核心部件，風(fēng)電機(jī)組主軸系電機(jī)組的輪轂和葉片，如圖 2-1 所示為風(fēng)電機(jī)主軸系統(tǒng)發(fā)電機(jī)內(nèi)圈轉(zhuǎn)子

【參考文獻(xiàn)】：
期刊論文
[1]基于LMD與MCKD的滾動軸承早期故障診斷方法[J]. 李煌,孟恩隆,王靈梅,段震清.  噪聲與振動控制. 2018(04)
[2]基于MOMEDA和包絡(luò)譜的齒輪微弱故障特征提取[J]. 武超,孫虎兒,梁曉華.  機(jī)械傳動. 2018(03)
[3]基于最大相關(guān)峭度解卷積和變分模態(tài)分解的風(fēng)電機(jī)組軸承故障診斷方法[J]. 趙洪山,李浪.  太陽能學(xué)報. 2018(02)
[4]基于MCKD和VMD的滾動軸承微弱故障特征提取[J]. 夏均忠,趙磊,白云川,于明奇,汪治安.  振動與沖擊. 2017(20)
[5]基于EEMD-KECA的風(fēng)電機(jī)組滾動軸承故障診斷[J]. 齊詠生,張二寧,高勝利,王林,高學(xué)金.  太陽能學(xué)報. 2017(07)
[6]基于最小熵解卷積和Teager能量算子直升機(jī)滾動軸承復(fù)合故障診斷研究[J]. 陳海周,王家序,湯寶平,李俊陽.  振動與沖擊. 2017(09)
[7]風(fēng)電機(jī)組可靠性研究現(xiàn)狀與發(fā)展趨勢[J]. 李垚,朱才朝,陶友傳,宋朝省,譚建軍.  中國機(jī)械工程. 2017(09)
[8]基于MCKD-EMD的風(fēng)電機(jī)組軸承早期故障診斷方法[J]. 趙洪山,李浪.  電力自動化設(shè)備. 2017(02)
[9]基于LMD和MED的滾動軸承故障特征提取方法[J]. 周士帥,竇東陽,薛斌.  農(nóng)業(yè)工程學(xué)報. 2016(23)
[10]基于支持向量機(jī)的風(fēng)電機(jī)組主軸軸承故障診斷[J]. 黃元維.  儀器儀表用戶. 2016(11)



本文編號：2899977