發(fā)布時(shí)間：2022-01-03 19:11

　　風(fēng)力機(jī)軸承故障信號(hào)通常含有多種組分,如噪聲、諧波、沖擊、調(diào)制等,影響著軸承的故障特征提取效果。壓縮感知理論能夠利用信號(hào)的稀疏性,通過(guò)控制稀疏度來(lái)實(shí)現(xiàn)信號(hào)的不完全重構(gòu),從而降低噪聲及無(wú)關(guān)信息的影響�；诖�,本文提出了一種基于壓縮感知的故障特征提取方法,并針對(duì)其產(chǎn)生的問(wèn)題對(duì)算法結(jié)構(gòu)進(jìn)行了優(yōu)化,最后將該優(yōu)化算法擴(kuò)展到了多通道領(lǐng)域。圍繞所提出的方法及其在風(fēng)力機(jī)故障診斷中的應(yīng)用研究,本論文的主要研究?jī)?nèi)容及取得的成果如下:（1）首先研究了壓縮感知的基礎(chǔ)理論,并將其與包絡(luò)解調(diào)技術(shù)結(jié)合,提出了基于壓縮感知的故障特征提取方法。該方法通過(guò)對(duì)原信號(hào)的包絡(luò)信號(hào)以稀疏度K=2進(jìn)行不完全重構(gòu),來(lái)直接提取故障特征信息。最后將該方法應(yīng)用于仿真信號(hào)和實(shí)測(cè)的風(fēng)力機(jī)軸承信號(hào)的故障診斷,驗(yàn)證了所提方法的有效性。（2）針對(duì)上述方法受濾波頻率設(shè)置影響較大的問(wèn)題,提出了結(jié)構(gòu)優(yōu)化的子空間追蹤（Structurally Optimized Subspace Pursuit,SOSP）算法。該算法通過(guò)引用自適應(yīng)過(guò)完備字典,加強(qiáng)了對(duì)信號(hào)主要信息的稀疏表示。同時(shí),用相關(guān)分析代替內(nèi)積運(yùn)算實(shí)現(xiàn)結(jié)構(gòu)優(yōu)化,提高了算法的重構(gòu)精度。綜合以上優(yōu)勢(shì),所提優(yōu)... 

【文章來(lái)源】：武漢科技大學(xué)湖北省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

直驅(qū)式風(fēng)力發(fā)電機(jī)機(jī)組結(jié)構(gòu)

1.2 風(fēng)力機(jī)主軸軸承振動(dòng)機(jī)理本文所研究的風(fēng)力機(jī)是直驅(qū)永磁風(fēng)力發(fā)電機(jī)，以金風(fēng) 1.5MW 風(fēng)力機(jī)為例，其采用多級(jí)外轉(zhuǎn)子永磁同步發(fā)電機(jī)，葉輪直接同發(fā)電機(jī)轉(zhuǎn)子連接。額定功率為1580KW、額定轉(zhuǎn)速 17.3RPM、轉(zhuǎn)速范圍 9-17.3RPM、極數(shù)為 88 極、額定電壓為690V，繞組的絕緣等級(jí)為 F 級(jí)，防護(hù)等級(jí)為 IP23，發(fā)電機(jī)重量為 43.8t。發(fā)電機(jī)主軸軸承有前軸承和后軸承之分，前軸承是雙列圓錐滾子軸承；后軸承是單列圓柱滾子軸承，如圖 1.2 所示。前軸承具有調(diào)心功能，可承受徑向和軸向載荷；后軸承只承受徑向載荷。

法在風(fēng)力機(jī)軸承故障診斷中的應(yīng)用了驗(yàn)證本文所提方法的可行性，對(duì)采集到的新疆金風(fēng)科技股份有限承故障數(shù)據(jù)進(jìn)行分析。該數(shù)據(jù)來(lái)源于金風(fēng) 1.5MW 直驅(qū)永磁風(fēng)力發(fā)轉(zhuǎn)速為 17.3RPM，主要部件及傳感器測(cè)點(diǎn)布置如圖 2.6 所示，其水平方向、1V 為主軸承垂直方向、1A 為主軸承軸向方向。

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合NSST和快速非局部均值濾波的刀具圖像去噪[J]. 龍?jiān)屏?吳一全,周楊.  信號(hào)處理. 2017(11)
[2]混合維納濾波與改進(jìn)型TV的圖像去噪模型[J]. 黃金,周先春,吳婷,伍子鍇.  電子測(cè)量與儀器學(xué)報(bào). 2017(10)
[3]利用小波閾值法提高地震勘探信號(hào)的信噪比[J]. 王堯葵,于翔,王珩,趙峰華,張啟升.  地學(xué)前緣. 2017(03)
[4]皮爾遜相關(guān)系數(shù)應(yīng)用于醫(yī)學(xué)信號(hào)相關(guān)度測(cè)量[J]. 彭海.  電子世界. 2017(07)
[5]基于壓縮信息特征提取的滾動(dòng)軸承故障診斷方法[J]. 孟宗,李晶,龍海峰,潘作舟.  中國(guó)機(jī)械工程. 2017(07)
[6]風(fēng)電“十三五” 風(fēng)電發(fā)展面臨三大挑戰(zhàn)[J].   青�？萍�. 2016(05)
[7]1.5MW直驅(qū)式風(fēng)力發(fā)電機(jī)組建模與仿真[J]. 崔銳,李曉江,石敏,王冰.  能源與節(jié)能. 2016(09)
[8]基于過(guò)完備字典稀疏表示的多通道腦電信號(hào)壓縮感知聯(lián)合重構(gòu)[J]. 吳建寧,徐海東,王玨.  電子與信息學(xué)報(bào). 2016(07)
[9]風(fēng)力發(fā)電現(xiàn)狀與發(fā)展趨勢(shì)[J]. 劉波,賀志佳,金昊.  東北電力大學(xué)學(xué)報(bào). 2016(02)
[10]基于包絡(luò)譜稀疏度和最大相關(guān)峭度解卷積的滾動(dòng)軸承早期故障診斷方法[J]. 唐貴基,王曉龍.  中國(guó)機(jī)械工程. 2015(11)

博士論文
[1]遙感影像稀疏表示中的字典學(xué)習(xí)算法及其應(yīng)用[D]. 李濤.華中科技大學(xué) 2015
[2]EMD算法研究及其在信號(hào)去噪中的應(yīng)用[D]. 王婷.哈爾濱工程大學(xué) 2010
[3]振動(dòng)信號(hào)的包絡(luò)解調(diào)分析方法研究及應(yīng)用[D]. 張家凡.武漢理工大學(xué) 2008

碩士論文
[1]滾動(dòng)軸承故障機(jī)理及智能化檢測(cè)技術(shù)研究[D]. 何翔.西南交通大學(xué) 2017
[2]兆瓦級(jí)直驅(qū)風(fēng)力發(fā)電機(jī)主軸軸承故障診斷方法研究[D]. 祁少陽(yáng).太原理工大學(xué) 2016
[3]基于貝葉斯理論的壓縮感知重構(gòu)方法研究[D]. 陳楚楚.西安電子科技大學(xué) 2014
[4]基于多通道壓縮感知的源信號(hào)分離方法及應(yīng)用研究[D]. 殷聰如.哈爾濱工業(yè)大學(xué) 2014
[5]機(jī)械振動(dòng)信號(hào)的稀疏分解理論研究[D]. 鄭曉慧.蘭州理工大學(xué) 2014
[6]壓縮感知重構(gòu)算法與應(yīng)用研究[D]. 王兆山.華南理工大學(xué) 2014
[7]基于稀疏分解的信號(hào)去噪方法研究[D]. 史麗麗.哈爾濱工業(yè)大學(xué) 2013
[8]基于稀疏表示理論的圖像去噪方法研究[D]. 鄭毅賢.上海交通大學(xué) 2013



本文編號(hào)：3566821