本文關鍵詞：基于隱馬爾科夫模型的風電機組齒輪箱故障診斷研究

  更多相關文章： 風電機組齒輪箱 隱馬爾科夫模型 振動信號 特征提取 故障診斷

【摘要】：隨著科技的進步,大型機械設備如風力發(fā)電機組等在動態(tài)運行過程中存在的問題日益引起人們的關注。機械設備突發(fā)性故障,增加了維修負擔和生產成本,導致生產效率降低,直接影響到企業(yè)的經濟效益。風力發(fā)電行業(yè)作為風險度較高的行業(yè),必須對其關鍵設備采取有效的狀態(tài)監(jiān)測和故障診斷措施,保證風電機組的安全運行。因為齒輪箱故障對風力發(fā)電機組影響最大,本文主要研究對風電機組齒輪箱的故障診斷方法。以振動信號分析為基礎,應用故障診斷技術在風電機組運行的動態(tài)的環(huán)境中,對齒輪箱的運行狀態(tài)進行觀測、建模、評估。通過結合診斷技術在線監(jiān)測,能夠及時發(fā)現(xiàn)齒輪箱在早期的故障跡象,以便盡早采取措施維護或更換,避免造成更大的損失。齒輪箱故障是影響風電機組安全運行的重要問題,采取一定方法識別并診斷齒輪箱的運行狀態(tài)對設備的安全生產運行有重大意義。傳統(tǒng)的故障診斷方法準確度和可靠性較低,越來越多的智能診斷方法被引入故障診斷領域。本文研究方法就是應用隱馬爾科夫模型識別風電機組齒輪箱故障模式,具體分為三部分內容：1)研究振動信號特征提取方法,并根據(jù)特征值的敏感程度進行優(yōu)化選擇；2)應用隱馬爾科夫模型對齒輪箱在不同運行狀態(tài)下的振動信號進行分析識別,并且對識別結果進行對比；3)在故障診斷的基礎上初步研究了剩余使用壽命預測方法。結果表明：隱馬爾可夫模型能快速有效的識別齒輪箱中磨損、斷齒等故障模式,適用性很好,可應用于實際齒輪箱系統(tǒng)的故障診斷和壽命預測。
【關鍵詞】：風電機組齒輪箱 隱馬爾科夫模型 振動信號 特征提取 故障診斷
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM315;TH132.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-17
• 1.1 課題研究的背景9-11
• 1.2 課題研究的目的和意義11-13
• 1.3 國內外研究現(xiàn)狀13-15
• 1.4 本文主要研究內容15
• 1.5 論文安排15-17
• 第2章 隱馬爾科夫模型基礎理論和算法17-34
• 2.1 HMM基礎理論17-20
• 2.1.1 HMM基本概念17-18
• 2.1.2 馬爾科夫鏈18-20
• 2.2 HMM基本算法20-25
• 2.2.1 前向—后向算法20-22
• 2.2.2 Viterbi算法22-24
• 2.2.3 Baum-Welch算法24-25
• 2.3 HMM相關模型分類25-29
• 2.3.1 連續(xù)HMM與離散HMM25-26
• 2.3.2 隱半馬爾可夫模型26-28
• 2.3.3 高斯混合隱馬爾科夫模型28-29
• 2.4 應用HMM識別模擬信號29-33
• 2.5 本章小結33-34
• 第3章 振動信號的特征提取及優(yōu)化34-47
• 3.1 振動信號的特征值34-35
• 3.1.1 時域統(tǒng)計參數(shù)34-35
• 3.1.2 頻域統(tǒng)計參數(shù)35
• 3.1.3 小波能量特征參數(shù)35
• 3.2 特征參數(shù)的優(yōu)化選擇35-44
• 3.2.1 主成分分析法36-41
• 3.2.2 距離測度法41-44
• 3.3 原始數(shù)據(jù)處理44-45
• 3.4 本章小結45-47
• 第4章 齒輪箱HMM故障診斷模型及實例分析47-55
• 4.1 數(shù)據(jù)采集47-48
• 4.1.1 數(shù)據(jù)采集系統(tǒng)47-48
• 4.1.2 采樣定理的應用48
• 4.2 HMM實際訓練過程48-51
• 4.3 輸入測試數(shù)據(jù)匹配51-54
• 4.3.1 HMM測試結果51-53
• 4.3.2 GM-HMM測試結果53-54
• 4.4 本章小結54-55
• 第5章 齒輪箱部件HMM壽命預測模型55-60
• 5.1 國內外故障預測方法55-56
• 5.2 基于HMM的壽命預測模型56-58
• 5.3 算例及其分析58-59
• 5.4 本章小結59-60
• 第6章 結論與展望60-62
• 6.1 本文工作總結60
• 6.2 下一步工作的設想60-62
• 參考文獻62-68
• 攻讀碩士學位期間發(fā)表的論文及其它成果68-69
• 致謝69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張慶生;齊勇;侯迪;趙季中;;基于隱馬爾科夫模型的上下文感知活動計算[J];西安交通大學學報;2006年04期

2 李曉琴;仁文科;劉岳;;利用隱馬爾科夫模型識別蛋白質折疊類型[J];北京工業(yè)大學學報;2011年07期

3 羅志增;王占玉;;基于小波域隱馬爾科夫模型的肌電信號濾波[J];儀器儀表學報;2010年11期

4 劉曉飛;邸書靈;;基于隱馬爾科夫模型的文本分類[J];石家莊鐵道大學學報(自然科學版);2013年01期

5 苗強,Viliam Makis;基于隱馬爾科夫模型的故障診斷系統(tǒng)研究[J];航空學報;2005年05期

6 向東;劉虎;陳先橋;程艷芬;;半連續(xù)隱馬爾科夫模型脫機阿拉伯手寫識別[J];武漢理工大學學報(信息與管理工程版);2011年03期

7 邱英;謝鋒云;;基于小波包系數(shù)與隱馬爾科夫模型的刀具磨損監(jiān)測(英文)[J];機床與液壓;2014年12期

8 張潤丹;王瑩瑩;;量子隱馬爾科夫模型參數(shù)學習研究[J];科技視界;2014年16期

9 趙靜;黃厚寬;田盛豐;納躍躍;;基于轉移和頻率特征的協(xié)議異常檢測[J];北京交通大學學報;2009年05期

10 李珩,譚詠梅,朱靖波,姚天順;漢語組塊識別[J];東北大學學報;2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 肖鏡輝;劉秉權;;一種非時齊的隱馬爾科夫模型及其在音字轉換中的應用[A];全國第八屆計算語言學聯(lián)合學術會議（JSCL-2005）論文集[C];2005年

2 劉文壯;李均利;;一種基于隱馬爾科夫模型的脫機手寫漢字識別方法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

3 彭子平;張嚴虎;潘露露;;隱馬爾科夫模型原理及其重要應用[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

4 王宏生;孫美玲;李家峰;;隱馬爾科夫模型在構建語言模型中的應用[A];創(chuàng)新沈陽文集（A）[C];2009年

5 張勁松;戴蓓倩;郁正慶;王長富;;漢語識別中隱馬爾科夫模型初始化的研究[A];第二屆全國人機語音通訊學術會議論文集[C];1992年

6 劉杰;梁曉輝;;基于Fused隱馬爾科夫模型的人體運動識別[A];第八屆和諧人機環(huán)境聯(lián)合學術會議（HHME2012)論文集CHCI[C];2012年

7 林晨;金蓓弘;龍震岳;陳海彪;;上下文感知的分布式事件分發(fā)研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

8 楊s，

本文編號：592204