本文關鍵詞：基于DSP和TQWT稀疏分解的風電齒輪箱故障診斷系統(tǒng)，，由筆耕文化傳播整理發(fā)布。

【摘要】：風力發(fā)電技術已經成為當今社會所研究能源的熱點之一。而風力發(fā)電機組所處環(huán)境惡劣,機械部件復雜,風電機組出現(xiàn)故障的頻率增高,嚴重影響了風電機廠的整體運行,也增加了人員檢修成本。在此基礎上,設計開發(fā)一套智能的風電齒輪箱故障診斷系統(tǒng)來診斷風電機組出現(xiàn)的故障就很有必要。本文中介紹研究了風電機組中的齒輪箱的故障產生機理及類型,并以此部位的傳動裝置為主要研究對象,針對故障類型信號和特征信號,開發(fā)設計出基于DSP和TQWT的信號稀疏分解的風電齒輪箱故障診斷系統(tǒng),對風機齒輪箱信號進行采集,并在系統(tǒng)中對信號進行處理分析,將原始信號和診斷結果分別存儲在SD卡中,且在PC機終端顯示故障特征信息,便于操作人員對風電機組進行監(jiān)測和故障檢修。該系統(tǒng)選擇德州儀器的DSP—TMS320F28335為主控芯片來搭建硬件平臺,硬件部分包括信號采集調理模塊裝置、芯片外設電路以及設計開發(fā)的電源模塊裝置。軟件部分包括兩部分:一是利用MATLAB軟件編寫算法程序代碼,并設計仿真信號,驗證TQWT信號共振稀疏分解算法的可行性;二是在CCS軟件中用C語言設計數(shù)據(jù)的采集、存儲以及通信程序代碼,并將MATLAB中的TQWT信號共振稀疏分解算法程序成功轉換為嵌入式代碼,使DSP可識別使用,然后利用SVM支持向量機對故障信號進行分類識別判斷。最終將系統(tǒng)整體應用于齒輪箱故障診斷,驗證了系統(tǒng)對故障進行診斷的可靠性和有效性。
【關鍵詞】：風電齒輪箱 DSP TQWT SVM 故障診斷
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM315
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-18
• 1.1 研究背景和意義10-11
• 1.2 國內外研究現(xiàn)狀11-16
• 1.2.1 風電齒輪箱故障診斷的研究現(xiàn)狀12-13
• 1.2.2 嵌入式故障診斷系統(tǒng)的研究現(xiàn)狀13-15
• 1.2.3 稀疏分解方法在故障診斷中應用的研究現(xiàn)狀15-16
• 1.3 本論文的主要研究內容16-18
• 2 風電行星齒輪箱故障診斷基礎及診斷方法18-30
• 2.1 風電發(fā)電機組行星齒輪箱基本結構18-19
• 2.2 風電行星齒輪箱故障機理及故障類型19-24
• 2.2.1 齒輪箱的故障機理19-21
• 2.2.2 風電齒輪箱的故障類型21-24
• 2.3 風電齒輪箱故障特征信號24-25
• 2.3.1 齒輪的故障特征信號24-25
• 2.3.2 滾動軸承的故障特征信號25
• 2.4 風電行星齒輪箱故障診斷方法25-29
• 2.4.1 時域分析方法25-26
• 2.4.2 頻域分析方法26-27
• 2.4.3 時頻分析方法27-29
• 2.5 本章小結29-30
• 3 基于TQWT的信號共振稀疏分解的基礎及應用30-51
• 3.1 信號稀疏分解30-36
• 3.1.1 信號共振屬性30-31
• 3.1.2 自動調Q的小波變換31-34
• 3.1.3 高低共振分量分解34-36
• 3.2 基于TWQT的共振稀疏算法仿真36-40
• 3.3 齒輪箱故障診斷實例40-50
• 3.4 本章小結50-51
• 4 故障診斷系統(tǒng)的硬件設計51-62
• 4.1 DSP芯片選型51-52
• 4.2 硬件系統(tǒng)平臺總體設計方案52-53
• 4.3 前端采集調理硬件裝置53-56
• 4.3.1 采集信號裝置53-54
• 4.3.2 調理信號裝置54-56
• 4.4 DSP故障診斷模塊設計研究56-59
• 4.4.1 A/D轉換模塊56
• 4.4.2 SD卡存儲模塊56-57
• 4.4.3 外擴存儲模塊57-58
• 4.4.4 JTAG電路模塊58-59
• 4.5 電源管理模塊59-61
• 4.5.1 DSP的電源管理模塊59-60
• 4.5.2 系統(tǒng)的電源模塊60-61
• 4.6 本章小結61-62
• 5 故障診斷系統(tǒng)的軟件設計62-73
• 5.1 系統(tǒng)軟件開發(fā)環(huán)境簡介62-64
• 5.1.1 MATLAB軟件62-63
• 5.1.2 CCS軟件63-64
• 5.1.3 Libsvm軟件包64
• 5.2 系統(tǒng)軟件設計方案64-72
• 5.2.1 A/D模塊采集程序65-66
• 5.2.2 嵌入DSP芯片的代碼生成66-71
• 5.2.3 SVM支持向量機分類識別程序71-72
• 5.3 本章小結72-73
• 6 故障診斷系統(tǒng)的實際應用驗證73-80
• 6.1 故障診斷系統(tǒng)總體驗證73-79
• 6.2 本章小結79-80
• 7 結論與展望80-82
• 7.1 結論80-81
• 7.2 展望81-82
• 參考文獻82-88
• 攻讀碩士學位期間發(fā)表的學術論文及所取得的研究成果88-89
• 致謝89-91

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 項巍巍;蔡改改;樊薇;黃偉國;朱忠奎;;基于雙調Q小波變換的瞬態(tài)成分提取及軸承故障診斷應用研究[J];振動與沖擊;2015年10期

2 姜旭剛;潘宏俠;劉濤濤;;基于DSP-TMS320F28335的齒輪箱故障診斷系統(tǒng)研究與應用[J];機械傳動;2014年02期

3 羅承先;;世界風力發(fā)電現(xiàn)狀與前景預測[J];中外能源;2012年03期

4 呂躍剛;關曉慧;劉俊承;;風力發(fā)電機組狀態(tài)監(jiān)測系統(tǒng)研究[J];自動化與儀表;2012年01期

5 楊杰;鄭海起;關貞珍;王彥剛;;基于形態(tài)成分分析的軸承復合故障診斷[J];軸承;2011年08期

6 朱兵;潘宏俠;;基于TMS320F28335的通用故障診斷平臺[J];電子測試;2010年03期

7 魯力;張波;;嵌入式TCP/IP協(xié)議的高速電網(wǎng)絡數(shù)據(jù)采集系統(tǒng)[J];儀器儀表學報;2009年02期

8 王瑞闖;林富洪;;風力發(fā)電機在線監(jiān)測與診斷系統(tǒng)研究[J];華東電力;2009年01期

9 劉昌偉;邵左文;王軍東;;基于DSP的嵌入式溫度記錄儀的設計[J];國外電子元器件;2008年12期

10 唐新安;謝志明;王哲;吳金強;;風力發(fā)電機組齒輪箱振動測試與分析[J];設備管理與維修;2006年11期

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 劉春林;基于DSP的風電增速箱故障診斷系統(tǒng)的研究[D];中北大學;2015年

2 何強;基于DSP的嵌入式齒輪箱故障診斷系統(tǒng)[D];中北大學;2013年

3 孫云嵩;基于信號共振稀疏分解的齒輪故障診斷方法研究[D];湖南大學;2013年

4 李虎;大型風電機組振動狀態(tài)監(jiān)測系統(tǒng)開發(fā)[D];華北電力大學（北京）;2009年

5 何泳;DSP在現(xiàn)代機械故障診斷技術中的應用研究[D];大連理工大學;2004年

  本文關鍵詞：基于DSP和TQWT稀疏分解的風電齒輪箱故障診斷系統(tǒng)，由筆耕文化傳播整理發(fā)布。

本文編號：262221