齒輪箱作為風電機組的核心部件之一,它的工作狀況決定著整個風電機組的運行狀態(tài),結(jié)合當前研究熱門的無監(jiān)督學習對齒輪箱各工況運行數(shù)據(jù)進行仿真分析,根據(jù)仿真結(jié)果判斷齒輪箱當前的工作狀態(tài),那么就可以提前對風電機組做出正確的操作,這樣可以大大降低人力物力的浪費。本文針對風機齒輪箱中齒輪故障特征提取困難和傳統(tǒng)分類方法無法自適應故障診斷的問題,給出一種基于集合經(jīng)驗模態(tài)分解（EEMD）能量熵與自組織映射（SOM）神經(jīng)網(wǎng)絡的故障診斷方法。首先,使用EEMD方法將齒輪在各個工況下的原始振動信號進行自適應分解為若干個本征模態(tài)函數(shù)（IMF）,計算每個IMF的能量值和信號的能量熵;然后,選取有價值的IMF能量占比與信號能量熵構(gòu)成特征向量,將得到能夠反映故障振動信號的動態(tài)特征向量輸入到SOM神經(jīng)網(wǎng)絡中進行自適應分類。通過算例仿真分析,結(jié)果表明所提方法可以有效提取風機齒輪箱故障特征,并在故障識別方面具有較高的準確性和自適應性。由于自適應共振神經(jīng)網(wǎng)絡（ART2）很好的解決了其他人工神經(jīng)網(wǎng)絡在“適應性”和“穩(wěn)定性”選擇上的兩難困境,因此在模式識別中得到了廣泛的應用。但ART2網(wǎng)絡內(nèi)部采用的是“硬競爭”方式進行分類,這樣會... 

【文章來源】：華北電力大學河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

齒面磨損

華北電力大學碩士學位論文9圖2-2 齒輪點蝕2.4 彎曲疲勞與斷齒齒輪斷齒在所有齒輪故障中是最嚴重的情況，在齒輪實際嚙合過程中，齒輪的受力物理模型就像是懸梁臂一樣，當它的根部所受到彎曲應力作用過大以及當齒輪的設計不合規(guī)時，齒輪根部就會產(chǎn)生疲勞裂紋，隨著彎曲應力的繼續(xù)作用，所產(chǎn)生的裂紋會不斷加大加深，最終由于齒輪根部無法再承擔所施加的載荷力，導致斷齒的現(xiàn)象發(fā)生，以上描述的是疲勞斷齒，大都是由于齒輪材料選用不當，性能不達標，設計的載荷無法滿足實際要求 工藝不精等原因造成 除了疲勞斷齒外，當外部載荷過大，齒輪表面會突然產(chǎn)生損傷，接著會產(chǎn)生裂紋 膠 合或直接發(fā)生形變

華北電力大學碩士學位論文10圖2-3 齒輪斷齒2.5 其它故障齒輪軸承故障主要包括點蝕 燒傷 疲勞剝落 斷裂以及保持架損壞，而齒輪箱軸承斷裂會直接導致軸承失效，軸承斷裂大多是因為軸承過載或者滾動體表面出現(xiàn)裂痕，隨著進行變載荷操作進行，裂紋嚴重程度加深，如果處理不當，最終會導致軸承斷裂，保持架損傷主要包括以下幾種情況，如保持架變形 保持架磨損以及折斷等 軸承的點蝕現(xiàn)象一般是由于軸承內(nèi)部潤滑中夾雜了一些雜質(zhì)以及潤滑不足引起的 軸承載荷過大 安裝時存在問題 潤滑不夠以及潤滑油中混入雜質(zhì)是軸承疲勞剝落主要原因 軸承的點蝕故障通常是由于軸承內(nèi)部潤滑中混有雜質(zhì)或者潤滑不足造成，軸承在滾動過程中，滾動體在與外環(huán)接觸的時候，激勵外環(huán)的固有頻率，產(chǎn)生共振現(xiàn)象 2.6 齒輪箱齒輪的振動機理一對嚙合齒輪，可以看作一個具有質(zhì)量 彈簧和阻尼的振動系統(tǒng)

【參考文獻】：
期刊論文
[1]基于鄰域粗糙集與多核支持向量機的變壓器多級故障診斷[J]. 李春茂,周妺末,劉亞婕,高波,吳廣寧.  高電壓技術. 2018(11)
[2]基于人工蜂群算法優(yōu)化支持向量機的燃氣輪機故障診斷[J]. 邱正,錢玉良,張云,張霄.  熱能動力工程. 2018(09)
[3]CQPSO-BP算法在風電機組齒輪箱故障診斷中的應用[J]. 程加堂,艾莉,段志梅,熊燕.  太陽能學報. 2017(08)
[4]基于EEMD-Hilbert包絡譜和DBN的變負載下滾動軸承狀態(tài)識別方法[J]. 王玉靜,那曉棟,康守強,謝金寶,V I MIKULOVICH.  中國電機工程學報. 2017(23)
[5]基于軟競爭Yu范數(shù)自適應共振理論的軸承故障診斷方法[J]. 慕海林,王志剛,徐增丙.  中國機械工程. 2017(14)
[6]基于SOM的真空斷路器機械故障診斷[J]. 劉艷,陳麗安.  電工技術學報. 2017(05)
[7]基于MCKD-EMD的風電機組軸承早期故障診斷方法[J]. 趙洪山,李浪.  電力自動化設備. 2017(02)
[8]大功率并網(wǎng)風電機組狀態(tài)監(jiān)測與故障診斷研究綜述[J]. 李輝,胡姚剛,李洋,楊東,梁媛媛,歐陽海黎,蘭涌森.  電力自動化設備. 2016(01)
[9]結(jié)合C-均值聚類的自適應共振神經(jīng)網(wǎng)絡在風電機組齒輪箱故障診斷中的應用[J]. 李狀,柳亦兵,馬志勇,滕偉.  動力工程學報. 2015(08)
[10]基于EMD熵特征融合的滾動軸承故障診斷方法[J]. 向丹,岑健.  航空動力學報. 2015(05)

博士論文
[1]基于無監(jiān)督學習的風電機組傳動鏈智能故障診斷方法研究[D]. 李狀.華北電力大學(北京) 2016
[2]風電機組傳動鏈振動分析與故障特征提取方法研究[D]. 辛衛(wèi)東.華北電力大學 2013
[3]風電機組振動監(jiān)測與故障診斷研究[D]. 劉文藝.重慶大學 2010
[4]基于自適應共振理論的混合智能診斷方法及其應用[D]. 徐增丙.華中科技大學 2009

碩士論文
[1]基于小波與聚類分析相結(jié)合的旋轉(zhuǎn)機械的故障診斷[D]. 范志鵬.江西理工大學 2011



本文編號：3434809