當(dāng)前風(fēng)電產(chǎn)業(yè)迅速發(fā)展,風(fēng)電機(jī)組的狀態(tài)監(jiān)測(cè)與故障診斷對(duì)于降低維護(hù)成本、減少損失、提高系統(tǒng)可靠性等都具有重要意義。軸承是風(fēng)電機(jī)組中故障最為頻繁的部件之一,因此準(zhǔn)確有效的軸承故障診斷方法有助于保障風(fēng)電機(jī)組安全穩(wěn)定運(yùn)行。傳統(tǒng)的診斷方法往往需要依靠人工經(jīng)驗(yàn)和專家知識(shí)進(jìn)行故障特征提取,增加了故障診斷的復(fù)雜性和困難性,不利于實(shí)現(xiàn)風(fēng)電機(jī)組的自動(dòng)化故障檢測(cè)和智能運(yùn)維。因此,為了同時(shí)實(shí)現(xiàn)故障特征學(xué)習(xí)和故障分類,本文研究了基于卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法。本文提出了一個(gè)基于振動(dòng)信號(hào)檢測(cè)、信號(hào)變換、卷積神經(jīng)網(wǎng)絡(luò)識(shí)別分類的軸承故障智能診斷流程,并設(shè)計(jì)了一個(gè)具有三個(gè)卷積-池化層對(duì)和兩層全連接層的深度卷積神經(jīng)網(wǎng)絡(luò)模型。首先利用仿真數(shù)據(jù)驗(yàn)證了所提方法的有效性,然后利用凱斯西儲(chǔ)大學(xué)公共軸承數(shù)據(jù)集,在相同的模型結(jié)構(gòu)下研究了振動(dòng)信號(hào)經(jīng)過振動(dòng)灰度圖、短時(shí)傅里葉變換和連續(xù)小波變換這三種不同信號(hào)變換方式進(jìn)行模型訓(xùn)練,對(duì)于模型故障診斷準(zhǔn)確率的影響。同時(shí)還比較了基于深度卷積神經(jīng)網(wǎng)絡(luò)方法與基于時(shí)域統(tǒng)計(jì)特征和淺層機(jī)器學(xué)習(xí)方法在相同數(shù)據(jù)集上的診斷效果,證明了本文方法的優(yōu)越性。此外還對(duì)對(duì)噪聲干擾下的微弱故障診斷以及復(fù)合故障診斷進(jìn)行了研究。... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

009-2018年中國風(fēng)電累計(jì)裝機(jī)容量走勢(shì)

浙江大學(xué)碩士學(xué)位論文第1章緒論12故障診斷模型對(duì)噪聲干擾的穩(wěn)健性，通過模型優(yōu)化、代價(jià)函數(shù)改進(jìn)和訓(xùn)練樣本干擾提高了模型對(duì)低信噪比故障信號(hào)的檢測(cè)識(shí)別能力。第五章則是對(duì)復(fù)合故障的診斷進(jìn)行了一定程度的嘗試和探索。第六章簡(jiǎn)要總結(jié)了全文的研究工作內(nèi)容，并對(duì)未來工作方向進(jìn)行了展望。總體論文結(jié)構(gòu)如圖1.3所示。圖1.2論文內(nèi)容結(jié)構(gòu)安排

浙江大學(xué)碩士學(xué)位論文第2章軸承故障與卷積神經(jīng)網(wǎng)絡(luò)理論14圖2.1風(fēng)電機(jī)組主要軸承部件2.1.2軸承失效原因本文研究的是滾動(dòng)軸承，典型的滾動(dòng)軸承主要由內(nèi)圈（InnerRace）、外圈（OuterRace）、滾動(dòng)體（RollingElement）以及保持架（Cage）構(gòu)成，其中滾動(dòng)體分為球形、圓柱形、錐柱形等，是軸承的核心元件。內(nèi)圈通常與軸徑配合并與軸一起旋轉(zhuǎn)。外圈通常與軸承座孔或機(jī)械部件殼體配合，起支承作用。但是在某些應(yīng)用場(chǎng)合，也有外圈旋轉(zhuǎn)，內(nèi)圈固定，或者內(nèi)、外圈都旋轉(zhuǎn)的。滾動(dòng)體就是在內(nèi)外圈之間的滾道中進(jìn)行滾動(dòng)。保持架用于保持滾動(dòng)體等距均勻隔開，有利于改善載荷分配和引導(dǎo)滾動(dòng)體在正確的軌道上運(yùn)動(dòng)[72]。圖2.2展示了滾動(dòng)軸承的基本結(jié)構(gòu)示意圖。由于滾動(dòng)體與內(nèi)外圈之間的滾動(dòng)摩擦，這三個(gè)元件最容易發(fā)生損壞失效，因此軸承故障往往發(fā)生在內(nèi)圈、外圈和滾動(dòng)體上。引起軸承故障失效的原因有很多，除去制造和安裝過程中的偏差等因素，惡劣的工作環(huán)境和復(fù)雜多變的運(yùn)行工況都會(huì)引起軸承不同形式和不同程度的損傷。同時(shí)由于軸承有自身的使用壽命限制，長期工作本身也會(huì)導(dǎo)致軸承的退化。常見的軸承元件失效形式主要有以下幾種[72][73][74]：（1）疲勞由于滾動(dòng)體和內(nèi)外圈表面相互滾動(dòng)摩擦，同時(shí)在運(yùn)行時(shí)會(huì)受到載荷的反復(fù)作用，接觸面在長時(shí)間的擠壓和摩擦作用下會(huì)疲勞產(chǎn)生裂紋，導(dǎo)致金屬表層產(chǎn)生片狀或點(diǎn)狀剝落。如果軸承出現(xiàn)疲勞失效后不采取措施解決，持續(xù)運(yùn)轉(zhuǎn)工作，損壞將逐步增大。疲勞剝落是軸承故障的重要原因。

【參考文獻(xiàn)】：
期刊論文
[1]世界能源發(fā)展趨勢(shì)與中國能源未來發(fā)展方向[J]. 張所續(xù),馬伯永.  中國國土資源經(jīng)濟(jì). 2019(10)
[2]小波降噪及Hilbert變換在電機(jī)軸承故障診斷中的應(yīng)用[J]. 丁鋒,秦峰偉.  電機(jī)與控制學(xué)報(bào). 2017(06)
[3]復(fù)合故障診斷技術(shù)綜述[J]. 張可,周東華,柴毅.  控制理論與應(yīng)用. 2015(09)
[4]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J]. 雷亞國,賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[5]風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷相關(guān)技術(shù)研究[J]. 張文秀,武新芳.  電機(jī)與控制應(yīng)用. 2014(02)
[6]基于時(shí)域多普勒校正和EEMD的列車軸承道旁聲音監(jiān)測(cè)故障診斷方法研究[J]. 劉方,沈長青,何清波,胡飛,張翱,孔凡讓.  振動(dòng)與沖擊. 2013(24)
[7]優(yōu)化KNNC算法在滾動(dòng)軸承故障模式識(shí)別中應(yīng)用[J]. 胡智,段禮祥,張來斌.  振動(dòng)與沖擊. 2013(22)
[8]基于經(jīng)驗(yàn)?zāi)B(tài)分解和散度指標(biāo)的風(fēng)力發(fā)電機(jī)滾動(dòng)軸承故障診斷方法[J]. 郭艷平,顏文俊,包哲靜,楊強(qiáng).  電力系統(tǒng)保護(hù)與控制. 2012(17)
[9]局部均值分解在齒輪故障診斷中的應(yīng)用研究[J]. 何田,林意洲,郜普剛,申永軍.  振動(dòng)與沖擊. 2011(06)
[10]風(fēng)力發(fā)電機(jī)用軸承簡(jiǎn)述[J]. 陳龍,杜宏武,武建柯,王玲.  軸承. 2008(12)

博士論文
[1]基于變分模態(tài)分解與優(yōu)化多核支持向量機(jī)的旋轉(zhuǎn)機(jī)械早期故障診斷方法研究[D]. 呂中亮.重慶大學(xué) 2016

碩士論文
[1]風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷的技術(shù)研究[D]. 馬金斗.蘭州理工大學(xué) 2019
[2]風(fēng)力發(fā)電機(jī)組齒輪箱振動(dòng)監(jiān)測(cè)與故障診斷方法研究[D]. 封新建.東北電力大學(xué) 2017
[3]結(jié)合異常檢測(cè)算法的軸承故障檢測(cè)研究[D]. 林超.浙江大學(xué) 2017
[4]風(fēng)機(jī)齒輪箱多故障診斷問題研究[D]. 胡純直.浙江大學(xué) 2017
[5]滾動(dòng)軸承故障程度和工況不敏感智能診斷方法研究[D]. 張磊.華東交通大學(xué) 2016
[6]旋轉(zhuǎn)機(jī)械強(qiáng)噪聲中微弱故障特征提取的研究[D]. 谷偉明.燕山大學(xué) 2016



本文編號(hào)：2911849