本文關(guān)鍵詞：風(fēng)力發(fā)電機(jī)齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著人口的增長、能源的緊缺,風(fēng)電作為一種取之不盡用之不竭的清潔能源必將迅速發(fā)展,甚至最終取代傳統(tǒng)能源的地位。伴隨著風(fēng)電迅速的發(fā)展,風(fēng)力發(fā)電機(jī)的維護(hù)工作也越來越重要。特別是風(fēng)力發(fā)電機(jī)的關(guān)鍵部分比如齒輪箱,一旦出現(xiàn)故障將會造成大量的經(jīng)濟(jì)損失。功能良好的風(fēng)力發(fā)電機(jī)組齒輪箱狀態(tài)監(jiān)測和故障診斷系統(tǒng)能夠保證風(fēng)電機(jī)組穩(wěn)定運(yùn)行,降低故障發(fā)生率。本文主要是針對風(fēng)力發(fā)電機(jī)齒輪箱的狀態(tài)監(jiān)測和故障診斷問題的研究。由于風(fēng)力發(fā)電機(jī)結(jié)構(gòu)復(fù)雜且極易發(fā)生故障,同時齒輪箱又是風(fēng)力發(fā)電機(jī)故障高發(fā)部件,因此本文就以下幾點(diǎn)進(jìn)行了研究與分析:首先,本文深入研究了風(fēng)力發(fā)電機(jī)齒輪箱常見故障以及常用的故障診斷方法。其次,本文在風(fēng)力發(fā)電機(jī)組齒輪箱故障模擬實(shí)驗(yàn)平臺的基礎(chǔ)上做了大量的齒輪箱故障實(shí)驗(yàn),用小波消噪和小波包分解方法對實(shí)驗(yàn)所得數(shù)據(jù)進(jìn)行前期處理,并且分析了風(fēng)力發(fā)電機(jī)齒輪箱的時域故障特征和頻域故障特征。然后,本文提出了一種改進(jìn)的K最近鄰域(KNN)智能故障診斷算法,用在風(fēng)力發(fā)電機(jī)齒輪箱故障診斷中,并取得了良好的效果。最后,本文還提出了一種合理的針對風(fēng)力發(fā)電機(jī)組齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的構(gòu)架方案,并且借助了學(xué)校實(shí)驗(yàn)室小型風(fēng)力發(fā)電機(jī)組模擬實(shí)驗(yàn)裝置與齒輪箱故障診斷模擬實(shí)驗(yàn)裝置仔細(xì)的介紹了整個系統(tǒng)的每個單元的實(shí)現(xiàn)方案以及每個單元的功能。
【關(guān)鍵詞】：風(fēng)力發(fā)電機(jī) 齒輪箱 故障診斷 K最近鄰域算法 狀態(tài)監(jiān)測
【學(xué)位授予單位】：上海電機(jī)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5-6
• ABSTRACT6-11
• 第一章 緒論11-21
• 1.1 選題背景及意義11-13
• 1.2 課題研究目的與意義13-15
• 1.3 風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測與故障診斷的國內(nèi)外研究現(xiàn)狀15-19
• 1.3.1 國內(nèi)研究現(xiàn)狀15-16
• 1.3.2 國外研究現(xiàn)狀16-17
• 1.3.3 風(fēng)力發(fā)電機(jī)常用故障診斷方法17-18
• 1.3.4 風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷傳統(tǒng)方法18-19
• 1.4 課題研究的主要內(nèi)容及章節(jié)安排19-21
• 第二章 風(fēng)力發(fā)電機(jī)組齒輪箱常見故障類型及特征21-30
• 2.1 引言21
• 2.2 風(fēng)力發(fā)電機(jī)的結(jié)構(gòu)原理21-22
• 2.3 風(fēng)力發(fā)電機(jī)組齒輪箱結(jié)構(gòu)原理、常見故障及特征22-29
• 2.3.1 風(fēng)力發(fā)電機(jī)組齒輪箱結(jié)構(gòu)24-25
• 2.3.2 風(fēng)力發(fā)電機(jī)組齒輪箱主要故障及特征25-29
• 2.4 本章小結(jié)29-30
• 第三章 風(fēng)力發(fā)電機(jī)組齒輪箱振動信號的特征提取30-49
• 3.1 引言30
• 3.2 風(fēng)力發(fā)電機(jī)組實(shí)驗(yàn)平臺30-34
• 3.2.1 小型風(fēng)電機(jī)組模擬裝置30-31
• 3.2.2 風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷實(shí)驗(yàn)裝置31-32
• 3.2.3 風(fēng)力發(fā)電機(jī)組齒輪箱部分實(shí)驗(yàn)數(shù)據(jù)32-34
• 3.3 小波分析原理及降噪34-39
• 3.3.1 小波變換原理34-35
• 3.3.2 小波包原理與降噪35-39
• 3.4 齒輪箱故障診斷特征量提取39-45
• 3.4.1 時域特征量39-42
• 3.4.2 頻域特征量42-45
• 3.5 特征量組合以及數(shù)據(jù)歸一化45-48
• 3.6 本章小結(jié)48-49
• 第四章 基于改進(jìn)KNN的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷49-60
• 4.1 引言49
• 4.2 K-最近鄰算法理論49-51
• 4.3 改進(jìn)的KNN算法51-52
• 4.3.1 傳統(tǒng)KNN算法的不足51
• 4.3.2 改進(jìn)的KNN算法51-52
• 4.4 風(fēng)力發(fā)電齒輪箱故障診斷實(shí)例分析52-59
• 4.4.1 風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷數(shù)據(jù)獲取53-55
• 4.4.2 基于優(yōu)化KNN的齒輪箱故障識別55-59
• 4.5 本章小結(jié)59-60
• 第五章 風(fēng)力發(fā)電機(jī)組齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)60-74
• 5.1 引言60
• 5.2 系統(tǒng)整體架構(gòu)的設(shè)計60-61
• 5.3 數(shù)據(jù)采集單元61-65
• 5.3.1 傳感器的選擇與安裝61-63
• 5.3.2 數(shù)據(jù)采集處理63-65
• 5.4 狀態(tài)監(jiān)測單元65-69
• 5.5 故障診斷單元69-71
• 5.5.1 數(shù)據(jù)處理70
• 5.5.2 改進(jìn)的KNN智能診斷算法在故障診斷系統(tǒng)中的應(yīng)用70-71
• 5.6 通信模塊71-73
• 5.7 本章小結(jié)73-74
• 第六章 總結(jié)與展望74-76
• 6.1 總結(jié)74
• 6.2 展望74-76
• 參考文獻(xiàn)76-81
• 致謝81-82
• 攻讀碩士學(xué)位期間取得的研究成果82

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱曉;;風(fēng)能發(fā)電的現(xiàn)狀和發(fā)展[J];科技致富向?qū)?2014年23期

2 章浙濤;朱建軍;匡翠林;周璀;;小波包多閾值去噪法及其在形變分析中的應(yīng)用[J];測繪學(xué)報;2014年01期

3 胡智;段禮祥;張來斌;;優(yōu)化KNNC算法在滾動軸承故障模式識別中應(yīng)用[J];振動與沖擊;2013年22期

4 張睿;黃晉英;張永梅;;ICA算法及其在齒輪箱故障診斷中的應(yīng)用[J];礦山機(jī)械;2013年05期

5 楊雨時;邵洪波;;粗糙集理論在機(jī)械故障診斷中的應(yīng)用[J];計算機(jī)光盤軟件與應(yīng)用;2013年08期

6 楊維新;唐伶俐;汪超亮;李子揚(yáng);;基于遺傳小波神經(jīng)網(wǎng)絡(luò)的光電穩(wěn)定平臺系統(tǒng)辨識[J];儀器儀表學(xué)報;2013年03期

7 黨選舉;徐小平;于曉明;姜輝;;永磁同步直線電機(jī)的小波神經(jīng)網(wǎng)絡(luò)控制[J];電機(jī)與控制學(xué)報;2013年01期

8 何耀耀;許啟發(fā);楊善林;余本功;;基于RBF神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的電力負(fù)荷概率密度預(yù)測方法[J];中國電機(jī)工程學(xué)報;2013年01期

9 奉國和;吳敬學(xué);;KNN分類算法改進(jìn)研究進(jìn)展[J];圖書情報工作;2012年21期

10 蔡賀;張睿;;k最近鄰域分類算法分析與研究[J];甘肅科技;2012年18期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉文藝;風(fēng)電機(jī)組振動監(jiān)測與故障診斷研究[D];重慶大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 葛春曉;基于案例推理的變壓器故障診斷專家系統(tǒng)的研究[D];吉林大學(xué);2014年

2 黃娟娟;基于KNN的文本分類特征選擇與分類算法的研究與改進(jìn)[D];廈門大學(xué);2014年

3 張新疆;基于LabVIEW的風(fēng)機(jī)齒輪箱離線故障診斷系統(tǒng)研究[D];電子科技大學(xué);2013年

4 王歡歡;風(fēng)力發(fā)電機(jī)旋轉(zhuǎn)機(jī)械故障診斷虛擬儀器系統(tǒng)研究[D];湖南大學(xué);2012年

5 麻東東;風(fēng)力發(fā)電機(jī)組遠(yuǎn)程狀態(tài)監(jiān)測與故障診斷系統(tǒng)的開發(fā)[D];華北電力大學(xué);2012年

6 管森森;基于振動信號分析的齒輪箱故障診斷系統(tǒng)開發(fā)[D];華北電力大學(xué);2011年

7 劉天舒;BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2011年

8 卜凡軍;KNN算法的改進(jìn)及其在文本分類中的應(yīng)用[D];江南大學(xué);2009年

9 馬清峰;基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[D];中北大學(xué);2006年

  本文關(guān)鍵詞：風(fēng)力發(fā)電機(jī)齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。

本文編號：263235