本文選題：風(fēng)力發(fā)電機(jī)組　切入點(diǎn)：齒輪箱　出處：《新疆大學(xué)》2017年碩士論文

【摘要】：齒輪箱是風(fēng)力發(fā)電機(jī)組的重要組成部件,也是故障發(fā)生率最高的部件,它的運(yùn)行狀態(tài)直接影響著風(fēng)力發(fā)電機(jī)組的整體性能。因此開展風(fēng)力發(fā)電機(jī)組齒輪箱的故障診斷對(duì)提高風(fēng)能利用率和降低設(shè)備的維護(hù)成本等方面具有重要的現(xiàn)實(shí)意義。本文以雙饋型異步風(fēng)力發(fā)電機(jī)組齒輪箱為研究對(duì)象進(jìn)行故障診斷研究。首先簡述了風(fēng)力發(fā)電機(jī)主要的內(nèi)部構(gòu)造以及能量轉(zhuǎn)換過程,重點(diǎn)分析了齒輪箱中齒輪與軸承的故障類型及其振動(dòng)原理。其次,選用小波包變換對(duì)故障振動(dòng)信號(hào)進(jìn)行信號(hào)消噪、小波包分解與重構(gòu),并與能量譜分析法相結(jié)合提取振動(dòng)信號(hào)故障特征,組成故障特征向量。最后,將獲得的特征向量分成訓(xùn)練集與學(xué)習(xí)集作為支持向量機(jī)的輸入,進(jìn)行故障識(shí)別。本文針對(duì)支持向量機(jī)的參數(shù)選擇仍依賴于經(jīng)驗(yàn)選取的情況,提出粒子群算法和遺傳算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu)。采用凱斯西儲(chǔ)大學(xué)試驗(yàn)臺(tái)和實(shí)際風(fēng)電場的軸承振動(dòng)數(shù)據(jù),對(duì)小波包和標(biāo)準(zhǔn)支持向量機(jī)以及參數(shù)尋優(yōu)后的支持向量機(jī)相結(jié)合的故障診斷方法,進(jìn)行仿真驗(yàn)證和實(shí)例分析,并做對(duì)比分析。仿真結(jié)果表明該方法能有效的提取故障特征,準(zhǔn)確的進(jìn)行故障識(shí)別,并在明顯提高故障分類準(zhǔn)確率的同時(shí)節(jié)省分類時(shí)間。因此該方法具有一定的實(shí)用性、推廣性和準(zhǔn)確性。
[Abstract]:Gearbox is an important component of wind turbine and also the component with the highest fault rate. Its running state directly affects the overall performance of wind turbine.Therefore, the fault diagnosis of wind turbine gearbox has important practical significance in improving the utilization rate of wind energy and reducing the maintenance cost of the equipment.In this paper, the fault diagnosis of doubly fed asynchronous wind turbine gearbox is studied.Firstly, the main internal structure and energy conversion process of wind turbine are briefly introduced, and the fault types and vibration principle of gear and bearing in gearbox are analyzed emphatically.Secondly, wavelet packet transform is used for signal de-noising, wavelet packet decomposition and reconstruction, and combining with energy spectrum analysis to extract the fault feature of vibration signal to form fault feature vector.Finally, the obtained feature vectors are divided into training set and learning set as input of support vector machine for fault identification.In this paper, particle swarm optimization (PSO) and genetic algorithm (GA) are proposed to optimize the parameters of SVM.By using the bearing vibration data of the test bench of case Western Reserve University and the actual wind farm, the fault diagnosis method combining wavelet packet with standard support vector machine and support vector machine after parameter optimization is simulated and analyzed.And make a comparative analysis.The simulation results show that this method can extract fault features effectively and accurately identify faults, and can obviously improve the accuracy of fault classification and save classification time.Therefore, this method has some practicability, generalization and accuracy.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM315

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦波;劉永亮;王建國;李文卿;;基于小波包與奇異值分解的GA-SVM滾動(dòng)軸承故障診斷方法研究[J];機(jī)械設(shè)計(jì)與制造;2016年06期

2 鄭紅;周雷;楊浩;;基于小波包分析與多核學(xué)習(xí)的滾動(dòng)軸承故障診斷[J];航空動(dòng)力學(xué)報(bào);2015年12期

3 趙洪山;郭偉;邵玲;張興科;;基于子空間方法的風(fēng)機(jī)齒輪箱故障預(yù)測(cè)算法[J];電力自動(dòng)化設(shè)備;2015年03期

4 許小剛;王松嶺;劉錦廉;;基于小波包能量分析及改進(jìn)支持向量機(jī)的風(fēng)機(jī)機(jī)械故障診斷[J];動(dòng)力工程學(xué)報(bào);2013年08期

5 馮晨;田濤;;風(fēng)力發(fā)電機(jī)組旋轉(zhuǎn)機(jī)械的故障診斷技術(shù)研究[J];電子制作;2013年14期

6 陳長征;趙新光;周勃;谷泉;;風(fēng)電機(jī)組葉片裂紋故障特征提取方法[J];中國電機(jī)工程學(xué)報(bào);2013年02期

7 王國彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);2013年01期

8 焦斌;徐志翔;;基于綜合優(yōu)化方法的風(fēng)力發(fā)電機(jī)故障診斷[J];控制工程;2012年04期

9 沈虹;;UPQC并聯(lián)側(cè)PSO-Fuzzy檢測(cè)算法研究[J];電力電子技術(shù);2011年03期

10 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

相關(guān)博士學(xué)位論文 前7條

1 孫鮮明;復(fù)雜工況下風(fēng)力發(fā)電機(jī)組關(guān)鍵部件故障分析與診斷研究[D];沈陽工業(yè)大學(xué);2014年

2 郭艷平;面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動(dòng)軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

3 曲弋;MW級(jí)風(fēng)力發(fā)電機(jī)組關(guān)鍵部件振動(dòng)分析與故障診斷方法研究[D];沈陽工業(yè)大學(xué);2012年

4 劉文藝;風(fēng)電機(jī)組振動(dòng)監(jiān)測(cè)與故障診斷研究[D];重慶大學(xué);2010年

5 胡家兵;雙饋異步風(fēng)力發(fā)電機(jī)系統(tǒng)電網(wǎng)故障穿越（不間斷）運(yùn)行研究[D];浙江大學(xué);2009年

6 安金龍;支持向量機(jī)若干問題的研究[D];天津大學(xué);2004年

7 朱革;齒輪噪聲解調(diào)分析新方法及其音質(zhì)主觀評(píng)價(jià)體系的研究[D];重慶大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 彭龍;風(fēng)力發(fā)電機(jī)齒輪箱狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的研究[D];上海電機(jī)學(xué)院;2016年

2 沈陽陽;基于振動(dòng)信號(hào)分析的風(fēng)力發(fā)電機(jī)軸承故障診斷[D];新疆大學(xué);2015年

3 武花榮;風(fēng)力發(fā)電機(jī)組故障診斷技術(shù)研究[D];北京郵電大學(xué);2015年

4 童國煒;風(fēng)力發(fā)電機(jī)狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的研究與實(shí)現(xiàn)[D];華北電力大學(xué);2015年

5 高志偉;風(fēng)力發(fā)電機(jī)齒輪箱狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的研發(fā)與實(shí)現(xiàn)[D];上海電機(jī)學(xué)院;2015年

6 李清川;基于小波包和最小二乘支持向量機(jī)的異步電機(jī)故障診斷[D];中國礦業(yè)大學(xué);2014年

7 潘海洋;多變量預(yù)測(cè)模型在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究[D];湖南大學(xué);2014年

8 郝云鎖;基于SAPSO和改進(jìn)SVM的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷系統(tǒng)研究[D];華東理工大學(xué);2014年

9 曹亭;火炮狀態(tài)診斷與應(yīng)急處理方法研究[D];南京理工大學(xué);2013年

10 肖玉飛;基于小波包熵與支持向量機(jī)的模擬電路故障診斷[D];湖南科技大學(xué);2012年

，

本文編號(hào)：1721093