自全球進(jìn)入工業(yè)時代以來,人類的生產(chǎn)與生活都對能源產(chǎn)生了越來越大的需求,這導(dǎo)致了傳統(tǒng)化石能源的急劇消耗。隨之產(chǎn)生了能源危機(jī)、溫室效應(yīng)以及生態(tài)環(huán)境惡化等問題。為消弭化石能源過度使用造成的影響,世界各國加速了對可再生清潔能源的開發(fā),風(fēng)能是其中一種重要的清潔能源。風(fēng)力發(fā)電機(jī)組作為風(fēng)力發(fā)電的主要設(shè)備,其安裝容量逐年持續(xù)增加。但其所處惡劣環(huán)境導(dǎo)致事故頻發(fā)。滾動軸承作為風(fēng)力機(jī)組的關(guān)鍵部件,同時也是故障頻發(fā)的部位。因此,有必要進(jìn)行軸承的故障診斷研究。針對軸承故障診斷流程中特征提取和故障診斷兩個關(guān)鍵環(huán)節(jié)進(jìn)行研究。主要工作內(nèi)容如下:（1）在分析了軸承故障診斷技術(shù)的發(fā)展歷程的基礎(chǔ)上,研究了特征提取算法以及故障診斷方法的研究現(xiàn)狀。（2）研究了風(fēng)力機(jī)組中軸承的結(jié)構(gòu)以及軸承的主要故障形式,分析了軸承的故障機(jī)理以及軸承的故障特征。本文對實驗數(shù)據(jù)的來源以及數(shù)據(jù)采集設(shè)備的參數(shù)作了簡單描述,通過公式計算得到軸承在各類故障發(fā)生時的故障特征頻率。（3）采用經(jīng)驗?zāi)B(tài)分解（EMD）算法結(jié)合奇異值分解（SVD）進(jìn)行軸承信號的特征提取。針對經(jīng)驗?zāi)B(tài)分解的端點(diǎn)效應(yīng)問題,提出改進(jìn)的極值延拓算法來抑制端點(diǎn)效應(yīng),并通過對比實驗,驗證了提出算... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

全球風(fēng)電累計裝機(jī)容量

的 Hilbert 譜，其為對信號時頻分布的完整描述，該過uang 變換（HHT）。HHT 誕生之初就受到了各國學(xué)者的關(guān)究之后，HHT 被不斷的應(yīng)用到了各個領(lǐng)域，包括故障診斷其他方法結(jié)合，用于滾動軸承等機(jī)械設(shè)備的故障特征提取論研究并不多，實際應(yīng)用時，如端點(diǎn)效應(yīng)、模態(tài)混疊等問準(zhǔn)確。針對這些缺陷國內(nèi)外研究人員也對此進(jìn)行了研究，改進(jìn)措施，但仍沒有徹底的解決辦法。這也需要大量的科改進(jìn)，完善其理論。障診斷的方法研究機(jī)組有很多的故障診斷方法，其分類如圖 1-3 所示，大致可信號分析處理的故障診斷；（2）基于解析模型的故障診斷故障診斷[8,33]。

的極值延拓法理的軸承振動信號是波動性較大的非平穩(wěn)信號。因此提出的盡可能多考慮信號邊界特征，而非整體特征，來預(yù)測兩端的例，向左預(yù)測極大值與極小值各一對，具體的延拓算法如下始信號為離散序列 x (t), t[t (1),t(2),,t(n)] = ；該序列中極大值K ,，對應(yīng)時間序列為 t (U (i))；極小值序列為 L ( j), j 1,2,= 列為 t ( L(j))。1 個極值點(diǎn)為極大值，即 U (1 )< L(1)時，判斷端點(diǎn)是否為))時，端點(diǎn)不是極值； x (1 )≤ x(L(1))時，端點(diǎn)為極小值。延拓小可如下表示：

【參考文獻(xiàn)】：
期刊論文
[1]大型風(fēng)力發(fā)電機(jī)組故障診斷方法綜述[J]. 龍霞飛,楊蘋,郭紅霞,伍席文.  電網(wǎng)技術(shù). 2017(11)
[2]2016年全球風(fēng)電裝機(jī)統(tǒng)計[J].   風(fēng)能. 2017(02)
[3]改進(jìn)的經(jīng)驗?zāi)Ｊ椒纸庠跈C(jī)械故障診斷中的應(yīng)用[J]. 馬文朋,張俊紅,馬梁,劉昱,賈曉杰.  振動.測試與診斷. 2015(04)
[4]EMD自適應(yīng)三角波匹配延拓算法[J]. 王錄雁,王強(qiáng),魯冬林,張梅軍,毛迪.  振動與沖擊. 2014(04)
[5]風(fēng)力發(fā)電系統(tǒng)故障診斷方法綜述[J]. 沈艷霞,李帆.  控制工程. 2013(05)
[6]基于EMD和Hilbert包絡(luò)譜的靈敏軸承缺陷特征分析[J]. 梁蘭蘭,楊伯原,李建華.  軸承. 2013(02)
[7]我國風(fēng)能資源與風(fēng)電產(chǎn)業(yè)發(fā)展[J]. 佟昕,董媛媛.  能源研究與利用. 2012(06)
[8]一種模糊認(rèn)知圖分類器構(gòu)造方法[J]. 馬楠,楊炳儒,翟云,李廣原,張德政.  北京科技大學(xué)學(xué)報. 2012(05)
[9]滾動軸承故障特征的時間—小波能量譜提取方法[J]. 張進(jìn),馮志鵬,褚福磊.  機(jī)械工程學(xué)報. 2011(17)
[10]風(fēng)電機(jī)組故障智能診斷技術(shù)及系統(tǒng)研究[J]. 彭華東,陳曉清,任明,楊代勇,董明.  電網(wǎng)與清潔能源. 2011(02)

博士論文
[1]基于模糊認(rèn)知圖的動態(tài)系統(tǒng)的建模與控制[D]. 張燕麗.大連理工大學(xué) 2012
[2]基于小波分析的測量信號處理技術(shù)研究[D]. 李翔.哈爾濱工業(yè)大學(xué) 2009
[3]面向機(jī)械故障特征提取的混合時頻分析方法研究[D]. 程發(fā)斌.重慶大學(xué) 2007
[4]模糊認(rèn)知圖模型方法及其應(yīng)用研究[D]. 林春梅.東華大學(xué) 2007

碩士論文
[1]電機(jī)軸承故障診斷研究[D]. 孫永鵬.太原科技大學(xué) 2017
[2]基于振動信號的滾動軸承故障特征提取研究[D]. 孫美巖.東北石油大學(xué) 2015
[3]風(fēng)力發(fā)電機(jī)組發(fā)電機(jī)和齒輪箱故障診斷方法研究[D]. 甄立敬.華北電力大學(xué) 2014
[4]基于多智能體進(jìn)化算法的模糊認(rèn)知圖學(xué)習(xí)[D]. 朱晨.西安電子科技大學(xué) 2014
[5]風(fēng)力發(fā)電機(jī)組軸承振動檢測和故障診斷研究[D]. 蔡志成.華北電力大學(xué) 2014
[6]基于數(shù)據(jù)挖掘的風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷系統(tǒng)研究[D]. 彭安群.蘭州理工大學(xué) 2012
[7]基于奇異值分解的信號處理方法及其在機(jī)械故障診斷中的應(yīng)用[D]. 曾作欽.華南理工大學(xué) 2011
[8]風(fēng)力發(fā)電機(jī)組齒輪箱早期故障診斷方法研究[D]. 張亮.大連理工大學(xué) 2010
[9]齒輪及滾動軸承故障特征分離方法的研究[D]. 汪澤民.太原理工大學(xué) 2010
[10]齒輪箱軸承故障診斷的時頻分析方法初步探討[D]. 萬暢.蘭州理工大學(xué) 2007



本文編號：3288007