本文關(guān)鍵詞：風(fēng)電機(jī)組傳動(dòng)系統(tǒng)關(guān)鍵機(jī)械部件的故障檢測方法研究

  更多相關(guān)文章： 風(fēng)電機(jī)組 故障檢測 形態(tài)濾波-改進(jìn)的小波去噪 概率神經(jīng)網(wǎng)絡(luò) 支持向量機(jī) 改進(jìn)的蛙跳算法

【摘要】：在石油、煤炭等資源短缺而引發(fā)的“能源危機(jī)、生態(tài)危機(jī)”背景下,風(fēng)能作為可再生的環(huán)境友好型能源,受到當(dāng)今社會(huì)普遍的關(guān)注。隨著風(fēng)機(jī)裝機(jī)容量的逐年增長,相應(yīng)確保風(fēng)機(jī)持續(xù)高效運(yùn)行的故障檢測、維修等維護(hù)服務(wù)的重要性逐年凸顯。由于風(fēng)機(jī)安裝在很高的塔架上,一旦風(fēng)機(jī)傳動(dòng)系統(tǒng)發(fā)生故障,其維修成本將很高。本文對風(fēng)機(jī)傳動(dòng)系統(tǒng)滾動(dòng)軸承和齒輪箱齒輪的故障檢測方法展開了研究,主要工作包括以下幾個(gè)方面:(1)針對風(fēng)力發(fā)電機(jī)組滾動(dòng)軸承出現(xiàn)損傷類故障時(shí),傳統(tǒng)的去噪方法只考慮到白噪聲的干擾,卻忽略了沖擊脈沖的影響,提出了形態(tài)濾波-改進(jìn)的小波去噪方法。首先利用形態(tài)濾波對干擾脈沖有一定的抑制作用,用來去除滾動(dòng)故障振動(dòng)信號的脈沖干擾,又由于傳統(tǒng)閾值函數(shù)存在缺陷,提出了改進(jìn)的小波去噪方法用來去除白噪聲,然后將去噪后的信號進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解,最后以分解后的本征模態(tài)函數(shù)的包絡(luò)譜特征頻率作為故障特征量,與實(shí)際故障特征頻率比較,得出結(jié)論。(2)針對風(fēng)力發(fā)電機(jī)組滾動(dòng)軸承局部存在損傷或缺陷時(shí),其振動(dòng)信號多表現(xiàn)為非平穩(wěn)、非線性、調(diào)制等特征,提取出的特征參數(shù)不能很好地進(jìn)行故障檢測,提出了基于多特征參數(shù)的概率神經(jīng)網(wǎng)絡(luò)模型。首先利用經(jīng)驗(yàn)?zāi)B(tài)分解法自適應(yīng)分解形成的本征模態(tài)函數(shù),進(jìn)行多特征參數(shù)提取,接著利用概率神經(jīng)網(wǎng)絡(luò)故障識別,最后將概率神經(jīng)網(wǎng)絡(luò)模型用于風(fēng)力發(fā)電機(jī)滾動(dòng)軸承故障檢測,以期提高滾動(dòng)軸承故障檢測正確率。(3)針對風(fēng)力發(fā)電機(jī)組齒輪故障分類精度不高的問題,提出了一種改進(jìn)蛙跳算法優(yōu)化的支持向量機(jī)的檢測方法。由于支持向量機(jī)中的懲罰因子和核函數(shù)參數(shù)選擇對分類準(zhǔn)確率有著很大的影響,因此利用改進(jìn)的蛙跳算法對支持向量機(jī)參數(shù)進(jìn)行優(yōu)化,用優(yōu)化好的參數(shù)進(jìn)行機(jī)器訓(xùn)練,然后將訓(xùn)練好的模型應(yīng)用于故障檢測,利用UCI數(shù)據(jù)庫的三組數(shù)據(jù)進(jìn)行性能評估,最后將改進(jìn)蛙跳算法優(yōu)化的支持向量機(jī)模型應(yīng)用到風(fēng)力發(fā)電機(jī)組齒輪故障檢測中。
【關(guān)鍵詞】：風(fēng)電機(jī)組 故障檢測 形態(tài)濾波-改進(jìn)的小波去噪 概率神經(jīng)網(wǎng)絡(luò) 支持向量機(jī) 改進(jìn)的蛙跳算法
【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5-7
• ABSTRACT7-12
• 第一章 緒論12-20
• 1.1 課題研究背景及意義12-15
• 1.1.1 風(fēng)電機(jī)組發(fā)展的背景12-13
• 1.1.2 風(fēng)電機(jī)組故障檢測方法研究意義13-15
• 1.2 風(fēng)電機(jī)組故障檢測技術(shù)方法與發(fā)展趨勢15-17
• 1.2.1 現(xiàn)有風(fēng)電機(jī)組故障檢測方法及其優(yōu)缺點(diǎn)15-16
• 1.2.2 國內(nèi)外風(fēng)電機(jī)組故障檢測研究現(xiàn)狀16-17
• 1.3 目前風(fēng)電機(jī)組故障檢測存在的問題和研究內(nèi)容17-18
• 1.4 本文的主要組織結(jié)構(gòu)18-20
• 第二章 風(fēng)電機(jī)組傳動(dòng)系統(tǒng)關(guān)鍵機(jī)械部件故障分析20-30
• 2.1 風(fēng)力發(fā)電機(jī)組結(jié)構(gòu)20-21
• 2.2 風(fēng)力發(fā)電機(jī)組關(guān)鍵機(jī)械部件故障21-26
• 2.2.1 滾動(dòng)軸承故障22-23
• 2.2.2 齒輪箱故障23-24
• 2.2.3 發(fā)電機(jī)故障24-26
• 2.3 風(fēng)力發(fā)電機(jī)組傳動(dòng)系統(tǒng)典型故障振動(dòng)信號頻率特征26-29
• 2.3.1 滾動(dòng)軸承的頻率特征26-28
• 2.3.2 齒輪箱的頻率特征28-29
• 2.4 本章小結(jié)29-30
• 第三章 基于形態(tài)濾波降噪的滾動(dòng)軸承故障特征提取30-49
• 3.1 引言30-31
• 3.2 形態(tài)濾波-小波降噪算法31-35
• 3.2.1 形態(tài)濾波算法31-32
• 3.2.2 小波分析方法32-35
• 3.3 形態(tài)濾波-改進(jìn)的小波降噪算法35-42
• 3.3.1 改進(jìn)的小波去噪方法35-38
• 3.3.2 形態(tài)濾波降噪模型38-42
• 3.4 在滾動(dòng)軸承故障特征提取的應(yīng)用42-48
• 3.4.1 實(shí)驗(yàn)設(shè)計(jì)42-43
• 3.4.2 故障特征提取模型建立43-44
• 3.4.3 實(shí)驗(yàn)過程與結(jié)果44-48
• 3.5 本章小結(jié)48-49
• 第四章 基于多特征參數(shù)的PNN滾動(dòng)軸承故障檢測49-60
• 4.1 引言49
• 4.2 經(jīng)驗(yàn)?zāi)B(tài)分解49-50
• 4.3 概率神經(jīng)網(wǎng)絡(luò)50-54
• 4.3.1 貝葉斯分類判決理論50-52
• 4.3.2 概率神經(jīng)網(wǎng)絡(luò)模型52-53
• 4.3.3 概率神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)原理53
• 4.3.4 概率神經(jīng)網(wǎng)絡(luò)特點(diǎn)53-54
• 4.4 基于多特征參數(shù)的PNN滾動(dòng)軸承故障檢測模型54-59
• 4.4.1 PNN故障檢測模型54-55
• 4.4.2 多特征參數(shù)提取55-56
• 4.4.3 實(shí)驗(yàn)仿真56-59
• 4.5 本章小結(jié)59-60
• 第五章 基于改進(jìn)蛙跳算法優(yōu)化的SVM齒輪的故障檢測60-75
• 5.1 引言60
• 5.2 支持向量機(jī)60-62
• 5.3 改進(jìn)的蛙跳算法及其性能分析62-66
• 5.3.1 基本蛙跳算法62-63
• 5.3.2 改進(jìn)的蛙跳算法63-64
• 5.3.3 改進(jìn)蛙跳算法的收斂性64-65
• 5.3.4 改進(jìn)蛙跳算法的時(shí)間復(fù)雜度分析65-66
• 5.4 基于改進(jìn)蛙跳算法的SVM模型66-70
• 5.4.1 模型建立66
• 5.4.2 ISFLA選擇最佳參數(shù)c和g66-67
• 5.4.3 仿真實(shí)驗(yàn)67-70
• 5.5 在風(fēng)機(jī)齒輪故障檢測中的應(yīng)用70-74
• 5.5.1 實(shí)驗(yàn)設(shè)計(jì)70-72
• 5.5.2 實(shí)驗(yàn)步驟72
• 5.5.3 實(shí)驗(yàn)結(jié)果與分析72-74
• 5.6 本章小結(jié)74-75
• 第六章 總結(jié)和展望75-77
• 6.1 主要工作與創(chuàng)新點(diǎn)75
• 6.2 后續(xù)研究工作75-77
• 參考文獻(xiàn)77-82
• 致謝82-83
• 攻讀碩士學(xué)位期間發(fā)表論文及專利83

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張妮;田學(xué)民;;基于等距離映射的非線性動(dòng)態(tài)故障檢測方法[J];上海交通大學(xué)學(xué)報(bào);2011年08期

2 楊兆芳;宋娟;李衛(wèi)成;;B型彩超故障檢測方法與技巧[J];中國醫(yī)學(xué)裝備;2007年08期

3 聞新,王青,錢芳,張洪鉞;一種自適應(yīng)觀測器設(shè)計(jì)和故障檢測方法[J];北京航空航天大學(xué)學(xué)報(bào);1998年06期

4 邵旭光;范守文;熊靜琪;;一種基于免疫神經(jīng)網(wǎng)絡(luò)的故障檢測方法[J];中國機(jī)械工程;2010年19期

5 張化勛;曹旭;;一種機(jī)械系統(tǒng)振動(dòng)故障檢測方法[J];長春大學(xué)學(xué)報(bào);2008年06期

6 王建中;;波導(dǎo)裂縫相陣天線配相系統(tǒng)故障檢測方法[J];火控雷達(dá)技術(shù);1988年03期

7 姜云春;邱靜;劉冠軍;;基于多指標(biāo)約束的魯棒故障檢測方法[J];中國慣性技術(shù)學(xué)報(bào);2006年01期

8 鄔雨芳;;軟性內(nèi)窺鏡構(gòu)造及故障檢測方法[J];中國醫(yī)學(xué)裝備;2012年08期

9 胡壽松,汪晨曦;基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型的殲擊機(jī)結(jié)構(gòu)故障檢測方法[J];航空學(xué)報(bào);2000年04期

10 楊青鋒;;應(yīng)變式稱重傳感器故障檢測方法及步驟[J];衡器;2007年S1期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 周小勇;葉銀忠;;基于小波多分辨率分析的故障檢測方法[A];第16屆中國過程控制學(xué)術(shù)年會(huì)暨第4屆全國故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

2 杜運(yùn)成;石紅瑞;;等價(jià)空間故障檢測方法研究[A];自動(dòng)化技術(shù)與冶金流程節(jié)能減排——全國冶金自動(dòng)化信息網(wǎng)2008年會(huì)論文集[C];2008年

3 譚琳;文成林;;一種基于多模式的故障檢測方法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

4 邱愷;吳訓(xùn)忠;陳天如;魏瑞軒;張宗麟;;基于融合量測預(yù)報(bào)器的聯(lián)邦濾波故障檢測方法[A];第二十四屆中國控制會(huì)議論文集（下冊）[C];2005年

5 陳金水;孫優(yōu)賢;;一種控制系統(tǒng)故障的魯棒檢測方法[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

6 顏東;張洪鉞;;基于ARMA模型的故障檢測方法[A];1994中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

7 張成;李元;;PC-KNN故障檢測方法在半導(dǎo)體批次過程中的應(yīng)用研究[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

8 易昭湘;慕曉冬;楊眉;趙鵬;;基于狀態(tài)監(jiān)控的軟硬件故障檢測方法[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

9 李建立;譚慶平;徐建軍;;一種軟件實(shí)現(xiàn)的瞬時(shí)故障檢測方法[A];全國計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集（第二十三卷）[C];2008年

10 徐卓飛;張海燕;任玲輝;;基于紋理識別的膠印機(jī)墨杠故障檢測方法[A];顏色科學(xué)與技術(shù)——2012第二屆中國印刷與包裝學(xué)術(shù)會(huì)議論文摘要集[C];2012年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 江蘇 孫春暉;淺談數(shù)字電路故障檢測方法與技巧[N];電子報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 劉文靜;分布式網(wǎng)絡(luò)化控制系統(tǒng)故障檢測方法研究[D];天津大學(xué);2009年

2 彭濤;基于傳感器最優(yōu)配置的故障檢測方法研究[D];中南大學(xué);2005年

3 馬賀賀;基于數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜工業(yè)過程故障檢測方法研究[D];華東理工大學(xué);2013年

4 肖麗;基于電流信號提取技術(shù)的SRD故障檢測方法的研究[D];河北工業(yè)大學(xué);2014年

5 王恒;基于LMI技術(shù)的線性系統(tǒng)故障檢測方法[D];東北大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 羅俊杰;FPGA故障檢測方法研究及軟件實(shí)現(xiàn)[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

2 張占奎;基于特征空間信息提取的故障檢測方法研究[D];大連理工大學(xué);2015年

3 劉婷;串聯(lián)電弧故障檢測方法研究及應(yīng)用[D];沈陽工業(yè)大學(xué);2016年

4 郭剛;彈復(fù)性兩自由度機(jī)械手的關(guān)節(jié)故障檢測方法研究[D];華東理工大學(xué);2016年

5 馬魯;風(fēng)電機(jī)組傳動(dòng)系統(tǒng)關(guān)鍵機(jī)械部件的故障檢測方法研究[D];上海電機(jī)學(xué)院;2016年

6 曲辰飛;智能建筑暖通空調(diào)系統(tǒng)故障檢測方法研究[D];天津大學(xué);2014年

7 王承光;動(dòng)態(tài)系統(tǒng)的魯棒故障檢測方法研究[D];南京理工大學(xué);2006年

8 張少捷;基于工業(yè)過程數(shù)據(jù)的故障檢測方法研究[D];華東理工大學(xué);2011年

9 馬馳;基于數(shù)據(jù)的故障檢測方法的研究與應(yīng)用[D];東北大學(xué);2011年

10 王佳;基于專家系統(tǒng)的網(wǎng)絡(luò)故障檢測方法的研究及實(shí)現(xiàn)[D];電子科技大學(xué);2010年

本文編號：616137