本文關鍵詞：風機葉片損傷特征分析

  更多相關文章： 風機葉片 特征 小波 獨立成分分析 損傷識別

【摘要】：風機葉片是風機的重要組成部分,是風能轉換為電能的中介媒介。在風機系統(tǒng)正常運行期間,復雜的外部環(huán)境會對風力發(fā)電系統(tǒng)結構構成巨大的威脅,其中風的作用是主要的威脅因素之一。當風的級數過大或者風機葉片運行處于長期疲勞狀態(tài),會導致風機葉片折斷并可能撞擊風機塔身,進而可能會產生連鎖破壞效應。因此本文主要研究了風機葉片損傷狀態(tài)識別問題,提出了一種基于小波分析和獨立成分分析對風機葉片健康監(jiān)測的方法,具體內容如下:(1)PZT(Piezoelectric Ceramic Transducer)壓電薄膜作為傳感器的敏感元件,具有體積小、質量輕、壓電性能好、聲阻抗低、頻響寬等特點,在振動測量中具有著廣泛的應用。為提高采集風機葉片振動數據的準確性,本文將PZT傳感器作為風機葉片健康監(jiān)測系統(tǒng)的感知元件,介紹了其基本的工作原理;并通過改變激勵頻率來測試其性能,實驗結果顯示靈敏度達到了本文實驗的要求;(2)本文提出了利用小波分析理論去除噪聲和干擾的方法。詳細介紹了小波理論、多分辯率分析以及小波閾值去噪的基本原理,并提出了一種新型閾值去噪方法。通過獲取葉片自由振動仿真數據,并在仿真數據中混入噪聲信號,對比傳統(tǒng)閾值去噪與新型閾值去噪效果,可以發(fā)現監(jiān)測數據的信噪比明顯提高,為有效地觀測和分析風機葉片振動狀態(tài)提供了一定的理論依據;(3)為了更有效地提取風機葉片損傷特征信號,本文主要利用獨立成分分析理論提取監(jiān)測系統(tǒng)采集信號的獨立成分。介紹了獨立成分分析理論的基本算法與實現步驟,并通過采集健康風機葉片的振動信號進行仿真,篩選可以明顯體現風機葉片振動信號周期特征的成分,驗證了理論的有效性;(4)利用小波分析和獨立成分分析理論對數據信號進行處理,可以觀測到風機葉片在振動過程中出現的奇異點波動;通過采集實驗數據樣本的振動頻率,分析不同振動頻率時,節(jié)點在整個葉片上的分布情況,可以預判葉片損傷的大體位置;(5)分別提取風機葉片正常、表面復合材料脫落、表面裂紋以及葉尖斷裂四種工況信號的獨立分量信號,在檢測樣本時,計算其與風機葉片四種不同工況信號提取獨立分量的相關系數。為了獲得更好地特征分布情況,可把求出相關系數絕對值的和作為該樣本的整體特征,然后使用分類器進行識別,就可以簡單有效地診斷風機葉片損傷的類型。通過本文提出的方法可以有效地解決風機葉片損傷識別問題,對指導風機葉片地安全運營具有重要意義。
【關鍵詞】：風機葉片 特征 小波 獨立成分分析 損傷識別
【學位授予單位】：上海電機學院
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM315
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-21
• 1.1 研究背景及工程意義11-14
• 1.2 風機葉片損傷識別領域國內外研究現狀14-20
• 1.2.1 振動模態(tài)分析在損傷識別方法中的研究14-15
• 1.2.2 無損檢測技術在損傷識別方法中的應用15-19
• 1.2.3 智能結構在損傷識別方法中的應用19-20
• 1.3 本文的主要研究內容20
• 1.4 本章小結20-21
• 第二章 基于PZT風機葉片振動信號采集系統(tǒng)21-32
• 2.1 壓電陶瓷傳感器21-24
• 2.1.1 壓電材料及PZT21
• 2.1.2 壓電效應與壓電方程21-22
• 2.1.3 PZT傳感器的性能測試22-24
• 2.2 基于PZT的風機葉片振動監(jiān)測系統(tǒng)24-30
• 2.2.1 PZT傳感器的等效電路24-26
• 2.2.2 風機葉片振動實驗26-30
• 2.2.3 實驗結果分析30
• 2.3 風機葉片健康監(jiān)測系統(tǒng)的組成及功能30-31
• 2.4 本章小結31-32
• 第三章 小波分析在風機葉片振動信號去噪中的應用32-43
• 3.1 小波變換理論32-35
• 3.1.1 連續(xù)小波變換32-33
• 3.1.2 二帶小波變換33-34
• 3.1.3 離散小波變換34
• 3.1.4 多分辨率分析34-35
• 3.2 小波閾值去噪原理與方法35-39
• 3.2.1 小波去噪的基本原理35
• 3.2.2 小波閾值去噪閾值選取方法35-37
• 3.2.3 小波閾值去噪閾值函數的選取37
• 3.2.4 傳統(tǒng)小波閾值去噪方法的局限性37-38
• 3.2.5 改進的小波閾值去噪方法38-39
• 3.3 仿真結果以及比較分析39-42
• 3.3.1 仿真結果39-41
• 3.3.2 輸出信噪比(SNR)和最小均方誤差(MSE)41-42
• 3.4 本章小結42-43
• 第四章 基于獨立成分分析風機葉片振動信號特征提取43-49
• 4.1 ICA基本模型43-44
• 4.2 FASTICA的基本算法44-47
• 4.2.1 FASTICA預處理44-45
• 4.2.2 FASTICA的獨立性判據45-46
• 4.2.3 FASTICA算法原理及實現步驟46-47
• 4.3 仿真實驗及結果分析47-48
• 4.4 本章小結48-49
• 第五章 ICA和小波分析在風機葉片損傷特征分析上的應用49-64
• 5.1 風機葉片振動信號奇異點檢測49-54
• 5.2 風機葉片振動數據處理與模態(tài)損傷識別54-58
• 5.3 風機葉片損傷特征提取與類型識別58-63
• 5.4 本章小結63-64
• 第六章 總結與展望64-66
• 6.1 總結64
• 6.2 展望64-66
• 參考文獻66-70
• 致謝70-71
• 攻讀碩士學位期間取得的研究成果71

【參考文獻】

中國期刊全文數據庫 前10條

1 陳雪峰;李繼猛;程航;李兵;何正嘉;;風力發(fā)電機狀態(tài)監(jiān)測和故障診斷技術的研究與進展[J];機械工程學報;2011年09期

2 魏顯菲;;我國風力發(fā)電開發(fā)現狀及展望[J];商業(yè)經濟;2010年24期

3 賈繼紅;趙蓉;徐柳;;復合材料參數在超聲檢測中的影響[J];現代制造工程;2010年02期

4 張祥林;張祥春;謝凱文;湯寶平;;碳纖維/樹脂基復合材料薄板的超聲波檢測[J];中國測試;2009年05期

5 李樂剛;劉松平;劉菲菲;白金鵬;孟秋杰;;大型復合材料構件超聲快速檢測[J];航空制造技術;2009年S1期

6 陳揚;張?zhí)珜?郭澎;王湘暉;王倩;常勝江;;基于主成分分析的復雜光譜定量分析方法的研究[J];光學學報;2009年05期

7 鐘家強;王潤生;;基于獨立成分分析的多時相遙感圖像變化檢測[J];電子與信息學報;2006年06期

8 李惠;周文松;歐進萍;楊永順;;大型橋梁結構智能健康監(jiān)測系統(tǒng)集成技術研究[J];土木工程學報;2006年02期

9 彭志科,何永勇,褚福磊;小波尺度譜在振動信號分析中的應用研究[J];機械工程學報;2002年03期

10 馮大政,保錚,張賢達;信號盲分離問題多階段分解算法[J];自然科學進展;2002年03期

中國碩士學位論文全文數據庫 前7條

1 龐震;基于小波包分析的滾動軸承故障診斷[D];內蒙古科技大學;2014年

2 帥潔妮;風機葉片材料聲發(fā)射信號的降噪和盲源分離研究[D];南京航空航天大學;2013年

3 石禮;基于PVDF傳感器的風機葉片健康監(jiān)測方法研究[D];昆明理工大學;2013年

4 杜文超;基于聲發(fā)射技術的大型風力機葉片材料的損傷研究[D];南京航空航天大學;2012年

5 趙新光;基于聲發(fā)射和小波分析的大型風力機葉片材料損傷識別研究[D];沈陽工業(yè)大學;2009年

6 吳健;基于FPGA的PCI數據采集卡的研究與開發(fā)[D];中南大學;2008年

7 吳遜;基于獨立成分分析的特征提取方法研究[D];廈門大學;2007年

，

本文編號：1012382