本文關(guān)鍵詞：風(fēng)電齒輪箱故障特征分析與診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著風(fēng)力發(fā)電技術(shù)日趨成熟,市場逐步擴大,風(fēng)力發(fā)電已成為各國重點開發(fā)的能源之一。據(jù)統(tǒng)計,風(fēng)力發(fā)電機組中齒輪箱傳動裝置故障率發(fā)生較高,對齒輪箱故障診斷方法研究的重要性及緊迫性越來越顯著。本文以風(fēng)力發(fā)電機組中的齒輪箱振動信號分析與故障診斷方法為研究重點,以提高風(fēng)電機組的可靠性為目的,主要對齒輪箱的重要組成部分齒輪、軸承進行研究。文章主要做了三個方面的工作:(1)研究了大型風(fēng)電機組齒輪箱故障形成機理,傳感器采集的齒輪箱振動數(shù)據(jù)中往往包含了大量的噪聲信息,對故障識別和狀態(tài)評估等帶來了較大的影響。本文針對常規(guī)小波閾值去噪采用了一種改進的方法,提高了信噪比、降低了均方差并通過MATLAB仿真分析與齒輪箱齒輪、軸承故障診斷實例分析,驗證了改進后的方法取得了較好的效果。(2)研究了大型風(fēng)電機組齒輪箱的故障診斷方法,以振動信號為分析對象,采用了一種基于小波包(WPA)的振動信號能量分析法。通過計算各節(jié)點能量值并獲取與各故障對應(yīng)關(guān)系,對能量值變化明顯的節(jié)點系數(shù)進行重構(gòu),對重構(gòu)系數(shù)進行包絡(luò)頻譜分析,實驗結(jié)果表明可較好的確定故障所在位置及故障類型。本文在此基礎(chǔ)上引入了能量矩參數(shù),考慮了能量隨時間參數(shù)變化的分布,并結(jié)合時域、頻域信號提取與故障相關(guān)的特征參數(shù),共同構(gòu)建特征向量為后續(xù)診斷分析做準(zhǔn)備。最后通過風(fēng)力機實驗臺齒輪箱模擬故障實驗,驗證了該方法的有效性。(3)采用粒子群優(yōu)化算法(PSO)對支持向量機(SVM)的核參數(shù)進行優(yōu)化,構(gòu)成WPA-PSO-SVM診斷模型,對各工況進行智能模式識別。一般SVM算法的核函數(shù)采用單一核函數(shù),泛化性和學(xué)習(xí)性過于單一,分類準(zhǔn)確率不是很高。本文結(jié)合RBF核函數(shù)和多項式核函數(shù)各自優(yōu)點,構(gòu)建了線性組合的混合核函數(shù),通過權(quán)重的調(diào)節(jié)來平衡算法的泛化性和學(xué)習(xí)性。最后通過風(fēng)力機實驗臺齒輪箱模擬故障實驗,在不同轉(zhuǎn)速情況下驗證了該方法的有效性。
【關(guān)鍵詞】：齒輪箱 小波去噪 包絡(luò)頻譜 能量矩 模式識別 混合核函數(shù)
【學(xué)位授予單位】：上海電機學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM315
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-20
• 1.1 選題的背景及意義11-13
• 1.2 國內(nèi)外研究的現(xiàn)狀13-16
• 1.2.1 國內(nèi)齒輪箱在線監(jiān)測與故障診斷技術(shù)研究現(xiàn)狀13-15
• 1.2.2 國外齒輪箱在線監(jiān)測與故障診斷技術(shù)研究現(xiàn)狀15-16
• 1.3 研究對象常見失效形式及失效原因16-18
• 1.3.1 齒輪的主要失效形式及失效原因16-17
• 1.3.2 滾動軸承的主要失效形式及失效原因17-18
• 1.4 論文研究內(nèi)容18-20
• 第二章 風(fēng)力發(fā)電機組齒輪箱故障振動機理及信號分析方法20-35
• 2.1 齒輪、軸承的故障特征分析20-23
• 2.1.1 齒輪的基本參數(shù)、故障特征頻率及頻譜特征20-21
• 2.1.2 滾動軸承的基本參數(shù)、故障特征頻率及頻譜特征21-23
• 2.2 振動信號調(diào)制現(xiàn)象23-25
• 2.3 基于振動信號的故障診斷方法25-28
• 2.3.1 時域特征分析25-27
• 2.3.2 頻域特征分析27-28
• 2.4 時頻分析方法28-34
• 2.4.1 小波變換理論29-31
• 2.4.2 小波包理論31-34
• 2.5 本章小結(jié)34-35
• 第三章 風(fēng)力發(fā)電齒輪箱振動信號去噪及特征提取分析35-53
• 3.1 齒輪箱實驗平臺搭建35-39
• 3.2 小波閾值降噪39-41
• 3.2.1 閾值選取規(guī)則40-41
• 3.2.2 閾值函數(shù)41
• 3.3 改進的閾值選取規(guī)則和閾值函數(shù)41-46
• 3.3.1 仿真分析42-44
• 3.3.2 試驗驗證44-46
• 3.4 基于小波變換的包絡(luò)頻譜分析46-52
• 3.5 本章小結(jié)52-53
• 第四章 基于小波包的風(fēng)力發(fā)電齒輪箱故障診斷方法研究53-62
• 4.1 基于小波包頻帶能量分析法的故障特征提取53-54
• 4.1.1 小波包特征提取理論53-54
• 4.1.2 小波包特征提取步驟54
• 4.2 支持向量機理論54-57
• 4.2.1 最優(yōu)超平面55-56
• 4.2.2 核函數(shù)56-57
• 4.3 能量矩參數(shù)引入57-60
• 4.3.1 仿真實驗驗證58-59
• 4.3.2 試驗驗證59-60
• 4.4 本章小結(jié)60-62
• 第五章 改進的SVM在風(fēng)力發(fā)電齒輪箱故障診斷中的應(yīng)用62-70
• 5.1 概述62
• 5.2 混合核函數(shù)62-63
• 5.3 SVM相關(guān)參數(shù)的選擇方法63-64
• 5.3.1 交叉驗證的方法63-64
• 5.3.2 基于粒子群優(yōu)化SVM相關(guān)參數(shù)選擇方法64
• 5.4 基于混合核函數(shù)的PSO-SVM64-69
• 5.4.1 基于UCI數(shù)據(jù)集的PSO-SVM（混合核函數(shù)）算法驗證66-67
• 5.4.2 基于混合核函數(shù)的齒輪箱故障診斷實例分析67-69
• 5.5 本章小結(jié)69-70
• 第六章 結(jié)論與展望70-72
• 6.1 總結(jié)70-71
• 6.2 展望71-72
• 參考文獻72-77
• 致謝77-78
• 攻讀碩士學(xué)位期間取得的研究成果78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫福霞;齒輪箱故障的狀態(tài)監(jiān)測分析[J];中國設(shè)備管理;2000年05期

2 杜秋杰;正確運用分析方法確定齒輪箱故障[J];新技術(shù)新工藝;2002年10期

3 姚竹亭,潘宏俠;齒輪箱故障信息增強技術(shù)研究[J];儀器儀表學(xué)報;2004年S1期

4 陸人定;;齒輪箱故障時域和頻域綜合診斷技術(shù)[J];機電工程技術(shù);2007年06期

5 湯和;汪元輝;張策;應(yīng)懷樵;;定量診斷齒輪箱故障方法的探討[J];齒輪;1987年05期

6 張新華;齒輪箱故障的實時監(jiān)測的原理和系統(tǒng)設(shè)計[J];機床與液壓;2001年06期

7 蒙宣伊;龍辛;;風(fēng)機齒輪箱故障原因淺析[J];電力技術(shù);2010年08期

8 于良峰;趙登利;吳樹梁;;風(fēng)電機組齒輪箱故障分析及改進措施[J];風(fēng)能;2012年10期

9 G.H.Mills;劉志堅;;隨機監(jiān)測磨屑預(yù)報齒輪箱故障[J];煤礦機電;1992年02期

10 肖洪波;劉松松;;風(fēng)電齒輪箱故障診斷實例分析[J];機械工程師;2014年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 姚竹亭;潘宏俠;;齒輪箱故障信息增強技術(shù)研究[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

2 李淑智;劉彈;徐光華;;基于CHMM動態(tài)模型的齒輪箱故障檢測和診斷方法研究[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

3 楊炯明;范得功;周雁冰;柳亦兵;;基于Fisher準(zhǔn)則的風(fēng)電齒輪箱故障識別[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張澎濤;齒輪箱故障振動信號去噪及特征提取算法研究[D];東北林業(yè)大學(xué);2014年

2 劉志亮;基于數(shù)據(jù)驅(qū)動的行星齒輪箱故障診斷方法研究[D];電子科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張欣欣;風(fēng)力發(fā)電機齒輪箱故障預(yù)警方法研究[D];燕山大學(xué);2015年

2 劉劍鋒;基于時頻—解調(diào)分析的行星齒輪箱故障診斷方法研究[D];電子科技大學(xué);2015年

3 任爽;基于振動特征分析的風(fēng)電齒輪箱故障診斷技術(shù)研究[D];河北工業(yè)大學(xué);2015年

4 高志飛;風(fēng)電齒輪箱故障特征分析與診斷方法研究[D];上海電機學(xué)院;2016年

5 馬玉峰;風(fēng)電機組齒輪箱故障趨勢預(yù)測方法研究[D];華北電力大學(xué);2013年

6 王斐斐;基于狀態(tài)監(jiān)測信息的風(fēng)電機組齒輪箱故障預(yù)測研究[D];華北電力大學(xué);2012年

7 王艷芳;齒輪箱故障特征提取技術(shù)研究[D];中北大學(xué);2007年

8 彭志凌;基于信息融合的齒輪箱故障診斷技術(shù)研究[D];中北大學(xué);2006年

9 張斌;基于EMD和支持向量機的齒輪箱故障診斷方法研究[D];太原理工大學(xué);2009年

10 張強;基于EMD的齒輪箱故障特征提取方法研究[D];大連理工大學(xué);2013年

  本文關(guān)鍵詞：風(fēng)電齒輪箱故障特征分析與診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：255155