本文關(guān)鍵詞：風(fēng)電機組關(guān)鍵機械部件故障診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著石油、煤炭等礦物資源日趨枯竭,全球范圍內(nèi)生態(tài)環(huán)境日益惡化,人們已經(jīng)清醒地認(rèn)識到風(fēng)能這一可再生能源的重要性,風(fēng)電行業(yè)受到廣泛的重視。由于風(fēng)能的不確定性和風(fēng)電機組本身的影響,風(fēng)電機組的維護(hù)成本較高,這里主要的維護(hù)來自于風(fēng)電機組傳動系統(tǒng)關(guān)鍵機械部件,齒輪箱齒輪和軸承容易出現(xiàn)損壞。所以把風(fēng)電機組齒輪箱齒輪和軸承等關(guān)鍵部件為研究對象,開展相關(guān)的故障診斷方法研究。首先,研究了風(fēng)電機組齒輪箱齒輪和軸承等關(guān)鍵部件的振動機理。對主流風(fēng)電機組的常見類型和各類型主要的傳動系統(tǒng)部件進(jìn)行了分析,再對齒輪箱齒輪和軸承等關(guān)鍵部件典型故障和故障特征進(jìn)行研究。并對常用的信號處理方法時域、頻域和時頻域進(jìn)行了分析論述,為后續(xù)工作提供理論依據(jù)。其次,研究了風(fēng)電機組齒輪箱齒輪和軸承等關(guān)鍵部件的故障特征選取和提取法。針對風(fēng)電機組傳動系統(tǒng)關(guān)鍵部件發(fā)生故障時,振動的信號體現(xiàn)為非高斯、非平穩(wěn)、非線性,信號特征參數(shù)不易選取問題,提出基于本征模態(tài)函數(shù)(IMF)-核函數(shù)主元(KPC)分析法選取法。先對信號進(jìn)行軟閾值Sym8小波降噪,再對信號進(jìn)行經(jīng)驗?zāi)B(tài)(EMD)分解計算構(gòu)建本征模態(tài)函數(shù)(IMF)特征參數(shù)陣。針對非線性狀態(tài)特征的高維性,通過核函數(shù)主元分析法進(jìn)行降維的方式,構(gòu)建特征矢量陣。再次,提出并研究了一種改進(jìn)的k最近鄰分類器(IkNN)的故障識別方法。針對傳統(tǒng)K最近鄰分類器K值難以確定、處理大樣本數(shù)據(jù)很困難;以及現(xiàn)有k最近鄰分類器在選擇鄰居時采用歐式距離,歐式距離對每個特征參量都是同等對待,使得特征矢量直接的相似度計算不夠準(zhǔn)確,不能有效反映主要特征參量和分類精度有待提高的問題,提出了改進(jìn)的k最近鄰分類器(IkNN)的故障診斷方法,通過構(gòu)建診斷分類模型,實現(xiàn)對風(fēng)電機組關(guān)鍵機械部件故障診斷。最后,設(shè)計故障診斷實驗方案并驗證故障診斷分類模型的有效性。利用風(fēng)電機組傳動系統(tǒng)故障模擬實驗平臺,完成了對齒輪箱齒輪和軸承等關(guān)鍵機械部件故障實驗。采集了齒輪和軸承共計8類故障數(shù)據(jù)(包括正常工作),通過對信號進(jìn)行降噪處理,驗證軟閾值Sym8小波的有效性。并用本征模態(tài)函數(shù)-核函數(shù)主元分析法提取故障特征,將Ik NN和SVM、ELM、kNN、FuzzykNN在分類精度方面進(jìn)行對比取得較好效果,驗證診斷分類模型的有效性。
【關(guān)鍵詞】：風(fēng)電 故障診斷 本征模態(tài)函數(shù) 核函數(shù)主元分析 改進(jìn)的k最近鄰分類器
【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
• ABSTRACT7-12
• 第一章 緒論12-21
• 1.1 課題研究背景及意義12-14
• 1.2 風(fēng)機關(guān)鍵部件故障診斷國內(nèi)外研究現(xiàn)狀14-18
• 1.3 研究現(xiàn)狀分析與總結(jié)18
• 1.4 研究內(nèi)容及章節(jié)安排18-21
• 1.4.1 論文研究內(nèi)容18-19
• 1.4.2 論文章節(jié)安排19-21
• 第二章 風(fēng)電機組關(guān)鍵機械部件結(jié)構(gòu)及典型故障概述21-32
• 2.1 引言21
• 2.2 風(fēng)力發(fā)電機組的結(jié)構(gòu)及原理21-26
• 2.2.1 風(fēng)力發(fā)電機的總體構(gòu)成及原理21-23
• 2.2.2 風(fēng)力發(fā)電機的原理23
• 2.2.3 齒輪箱升速型風(fēng)力發(fā)電機基本結(jié)構(gòu)簡介23-25
• 2.2.4 齒輪箱升速型風(fēng)力發(fā)電機齒輪箱結(jié)構(gòu)25-26
• 2.3 風(fēng)電機組關(guān)鍵機械部件的典型故障26-28
• 2.3.1 齒輪常見故障分析26-27
• 2.3.2 軸承常見故障分析27-28
• 2.4 風(fēng)電機組關(guān)鍵機械部件的故障信號特征28-31
• 2.4.1 齒輪的故障信號特征28-30
• 2.4.2 軸承的故障信號特征30-31
• 2.5 本章小結(jié)31-32
• 第三章 風(fēng)電機組關(guān)鍵機械部件故障信號處理方法分析32-41
• 3.1 引言32
• 3.2 振動信號的處理32-38
• 3.2.1 時域分析32-33
• 3.2.2 頻域分析33-36
• 3.2.3 時頻域分析36-38
• 3.3 軟閾值Sym8小波降噪處理38-40
• 3.4 本章小結(jié)40-41
• 第四章 風(fēng)電機組齒輪箱故障診斷方法研究41-53
• 4.1 引言41
• 4.2 本征模態(tài)函數(shù)分量特征參數(shù)選取41-43
• 4.3 核函數(shù)主元分析特征參數(shù)的提取43-46
• 4.3.1 KPC原理及分析推導(dǎo)43-45
• 4.3.2 非線性核主元個數(shù)的確定45-46
• 4.4 改進(jìn)的K最近鄰分類器故障分類方法研究46-50
• 4.4.1 k最近鄰分類47-48
• 4.4.2 改進(jìn)的k最近鄰分類48-50
• 4.5 基于KPC-IkNN的風(fēng)電機組關(guān)鍵機械部件故障診斷方法50-52
• 4.5.1 建立KPC-IkNN的風(fēng)電機組關(guān)鍵機械部件故障診斷模型50-51
• 4.5.2 風(fēng)電機組關(guān)鍵機械部件故障診斷步驟51-52
• 4.6 本章小結(jié)52-53
• 第五章 風(fēng)電機組齒輪箱故障診斷實驗分析53-74
• 5.1 引言53
• 5.2 風(fēng)電機組齒輪箱故障試驗臺53-60
• 5.2.1 試驗臺參數(shù)配置53-55
• 5.2.2 齒輪和軸承故障實驗方案55-57
• 5.2.3 齒輪和軸承故障實驗過程57-60
• 5.3 故障信號降噪處理60-61
• 5.4 故障特征參數(shù)選取61-67
• 5.4.1 故障信號時域、頻域特征參數(shù)選取61-62
• 5.4.2 故障信號IMF分量特征參數(shù)選取62-67
• 5.5 基于KPC-IkNN故障診斷分析67-73
• 5.5.1 建立核函數(shù)主元模型67-68
• 5.5.2 建立IkNN診斷分類模型68-73
• 5.6 本章小結(jié)73-74
• 第六章 總結(jié)與展望74-76
• 6.1 總結(jié)74-75
• 6.2 展望75-76
• 參考文獻(xiàn)76-82
• 致謝82-83
• 攻讀碩士學(xué)位期間取得的研究成果83

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 朱松青;史金飛;;狀態(tài)監(jiān)測與故障診斷中的主元分析法[J];機床與液壓;2007年01期

2 余蓓蓓,余娟;基于主元分析法的特征臉法在人臉識別中的應(yīng)用[J];黑龍江水專學(xué)報;2005年02期

3 胡云鵬;陳煥新;周誠;楊小雙;徐榮吉;;基于主元分析法的冷水機組傳感器故障檢測效率分析[J];化工學(xué)報;2012年S2期

4 楊強;;基于結(jié)構(gòu)模型和主元分析法的行為識別[J];蘇州科技學(xué)院學(xué)報(工程技術(shù)版);2009年03期

5 張鵬軍;薄玉成;王惠源;李強;;基于小波和PCA的火炮輸彈系統(tǒng)故障診斷研究[J];計算機工程與設(shè)計;2012年12期

6 曹立學(xué);;主元分析法在MIMO系統(tǒng)中的故障檢測與診斷研究[J];機械工程與自動化;2013年05期

7 王京茹,李平康,鄭宏偉;主元分析法在火電廠過程控制中的應(yīng)用[J];儀器儀表學(xué)報;2004年S1期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王京茹;李平康;鄭宏偉;;主元分析法在火電廠過程控制中的應(yīng)用[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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 陳蘭;工業(yè)鍋爐運行優(yōu)化方法的研究[D];大連海事大學(xué);2015年

2 鄒杰;人臉快速識別算法研究[D];電子科技大學(xué);2014年

3 王加祥;風(fēng)電機組關(guān)鍵機械部件故障診斷方法研究[D];上海電機學(xué)院;2016年

4 韓同瑞;基于主元分析法的工業(yè)鍋爐故障診斷的研究[D];大連海事大學(xué);2012年

  本文關(guān)鍵詞：風(fēng)電機組關(guān)鍵機械部件故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：470670