【摘要】：風電齒輪箱是風電機組的重要組成部分,價格昂貴,出現(xiàn)故障會導致風電機組長時間停機,造成嚴重的經(jīng)濟損失。因此,加強對風電齒輪箱狀態(tài)監(jiān)測與故障診斷技術(shù)的研究,對于保證風電機組的正常運行,提高風電場的經(jīng)濟效益和社會效益具有重要的意義。本文在總結(jié)現(xiàn)有的設(shè)備狀態(tài)監(jiān)測與故障診斷理論和方法的基礎(chǔ)上,針對齒輪箱的故障特征提取問題,提出了如下所述的解決方案,解決了現(xiàn)有方法存在的一些問題,提高了齒輪箱的狀態(tài)監(jiān)測與故障診斷效果。(1)提出了基于奇異譜分解的滾動軸承微弱故障特征增強方法。該方法能夠自動確定嵌入維數(shù),為重建的序列自動選擇主分量,通過附加的纏繞操作增強原始數(shù)據(jù)的振蕩信息,減小模態(tài)混疊。仿真實驗證明了該方法的有效性。將該方法用于滾動軸承故障診斷,并與包絡(luò)分析及基于經(jīng)驗模式分解(Empirical Mode Decomposition,EMD)的方法和基于總體經(jīng)驗模式分解(Ensemble Empirical Mode Decomposition,EEMD)的方法進行了對比,結(jié)果表明該方法在增強滾動軸承微弱故障特征方面具有優(yōu)勢。(2)提出了基于數(shù)據(jù)非線性和確定性測度的設(shè)備故障特征提取方法。提出了一種量化數(shù)據(jù)非線性和確定性的方法,然后利用數(shù)據(jù)的非線性和確定性刻畫設(shè)備的運行狀態(tài)。仿真實驗證明該方法對噪聲具有較好的魯棒性。將該方法用于齒輪箱故障診斷,并與近似熵、樣本熵、排列熵和延遲向量方差方法進行了對比,結(jié)果表明該方法在復雜數(shù)據(jù)特征提取方面具有優(yōu)勢。(3)提出了基于自適應多尺度符號動力學熵(Adaptive Multiscale Symbol-Dynamics Entropy,AMSDE)的設(shè)備狀態(tài)監(jiān)測方法。將多尺度分析方法引入到統(tǒng)計語義分析中,定義了 AMSDE。AMSDE能夠?qū)⒃夹盘栟D(zhuǎn)換為一個熵向量,利用該熵向量來刻畫設(shè)備的運行狀態(tài)。將該方法用于齒輪箱和滾動軸承狀態(tài)識別,結(jié)果表明該方法能夠揭示數(shù)據(jù)的時間結(jié)構(gòu)和空間結(jié)構(gòu),在設(shè)備狀態(tài)監(jiān)測方面與傳統(tǒng)的時域統(tǒng)計參數(shù)及非線性參數(shù)相比具有優(yōu)勢。(4)提出了基于自適應變帶寬代價函數(shù)的瞬時頻率估計方法。該方法能夠自適應確定目標脊線的搜索區(qū)間,能夠解決一步代價函數(shù)方法存在的不能自適應確定脊點搜索區(qū)間的問題。首先采用數(shù)值實驗驗證了該方法的有效性。接著,將該方法用于估計風電齒輪箱的瞬時頻率,并將其與一步代價函數(shù)方法及其它傳統(tǒng)方法進行了比較,結(jié)果表明該方法在機器瞬時頻率估計中具有良好的性能,與上述其它方法相比具有優(yōu)勢。(5)提出了基于傅里葉分解方法(Fourier Decomposition Method,FDM)的風電齒輪箱故障特征提取方法。首先比較了 EMD和FDM的濾波性能,證明了 FDM在低頻和高頻都具有良好的頻率分辨率,然后利用仿真數(shù)據(jù)證明了 FDM在分離頻率相近的信號分量方面能夠突破EMD和EEMD方法的性能限制。將該方法用于風電齒輪箱故障診斷,并與基于EMD的方法和基于EEMD的方法進行了比較,結(jié)果表明該方法在故障特征提取中具有良好的性能,與上述其它方法相比具有優(yōu)勢。
【圖文】：

邐２齒輪箱振動機理邐逡逑Ｍｘ邋＋邋Ｃｘ邋＋邋ｋ（ｔ）［ｘ－Ｅ邋（？）］邋＝邋（Ｔ２－ｉＴｘ）邋ｊｒ２邐（２－１）逡逑其中，代表齒輪在哨合線上的相對位移，代表當量逡逑質(zhì)量，ｃ代表齒輪嚙合阻尼，々（Ｘ）代表齒輪嚙合剛度，７＾ｎｒ２分別代表作用午主逡逑動齒輪和從動齒輪上的扭矩，ｒ２代表從動齒輪的節(jié)圓半徑，／代表齒輪副傳動比，逡逑￡０；）代表由齒輪彈性變形、誤差及故障所造成的兩個齒輪之間的相對位移。在潤逡逑滑良好的情況下，可以忽略齒面摩擦力的影響，這時齒輪嚙合動力學方程可以簡逡逑化為逡逑Ｍｘ邋＋邋Ｃｘ邋＋邋ｋ（ｔ）ｘ邋＝邋ｆｘ邋（ｔ）邋＋邋ｆ２邋（ｆ）逡逑／，（（）邋＝邋（２－２）逡逑ｆ２（ｔ）邋＝邋ｋ（ｔ）Ｅ２（ｔ）逡逑其中，ｇ代表齒輪在載荷下的平均彈性變形，，五代表齒輪誤差及故障所造成的逡逑兩個齒輪之間的相對位移，代表與齒輪正常振動有關(guān)的激振力，稱為正常激逡逑

圖３－２仿真信號的４個真實分量逡逑Ｆｉｇ．邋３－２邋Ｆｏｕｒ邋ｒｅａｌｉｓｔｉｃ邋ｃｏｍｐｏｎｅｎｔｓ邋ｏｆ邋ｔｈｅ邋ｓｉｍｕｌａｔｅｄ邋ｓｉｇｎａｌ逡逑４１逡逑
【學位授予單位】：北京交通大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TM614

【參考文獻】

相關(guān)期刊論文 前5條

1 秦嗣峰;馮志鵬;LIANG Ming;;Vold-Kalman濾波和高階能量分離在時變工況行星齒輪箱故障診斷中的應用研究[J];振動工程學報;2015年05期

2 李狀;馬志勇;胡亮;柳亦兵;;基于模糊核聚類和引力搜索的風電齒輪箱故障診斷[J];中國機械工程;2015年19期

3 陳小旺;馮志鵬;LIANG Ming;;基于迭代廣義同步壓縮變換的時變工況行星齒輪箱故障診斷[J];機械工程學報;2015年01期

4 雷亞國;孔德同;李乃鵬;林京;;自適應總體平均經(jīng)驗模式分解及其在行星齒輪箱故障檢測中的應用[J];機械工程學報;2014年03期

5 馮志鵬;褚福磊;;行星齒輪箱故障診斷的頻率解調(diào)分析方法[J];中國電機工程學報;2013年11期

相關(guān)碩士學位論文 前5條

1 封新建;風力發(fā)電機組齒輪箱振動監(jiān)測與故障診斷方法研究[D];東北電力大學;2017年

2 朱俊;基于改進集成學習算法的風機齒輪箱故障診斷與狀態(tài)監(jiān)測研究[D];上海電機學院;2017年

3 彭龍;風力發(fā)電機齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究[D];上海電機學院;2016年

4 房志超;基于振動與定子電流的風力發(fā)電機齒輪箱故障診斷研究[D];燕山大學;2016年

5 張帥;風電齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)研究[D];浙江大學;2014年

本文編號：2623415