本文選題：齒輪箱　切入點：EEMD-ICA　出處：《燕山大學(xué)》2013年碩士論文

【摘要】：風(fēng)力以其清潔可再生蘊藏量大分布廣等優(yōu)點引起了人們的重視�，F(xiàn)在風(fēng)力資源主要是是用于風(fēng)力發(fā)電，風(fēng)力發(fā)電機作為連接機械能與電能交換的紐帶在風(fēng)力發(fā)電中起著至關(guān)重要的作用，如果發(fā)電機出現(xiàn)問題，直接影響電力系統(tǒng)的正常運行。本文主要研究風(fēng)力發(fā)電機齒輪箱的機械故障檢測方法。 首先，介紹了風(fēng)力發(fā)電的工作原理以及組成部分。針對于風(fēng)力發(fā)電機的齒輪箱的常見故障做了說明，并闡述了齒輪箱的振動機理。 其次，對信號進行了一系列的處理，主要包括有信號的消噪部分，信號的分解部分，以及特征量的提取。在經(jīng)驗?zāi)B(tài)分解的基礎(chǔ)之上提出了EEMD-ICA相結(jié)合的濾波方法，使其濾波效果更加良好；本文采用局部均值分解，求取分量的多重分形譜與近似熵相結(jié)合提取特征量可以更加全面的表示信號的特征。 接著，將特征量作為模糊C聚類的輸入量，進行模式識別，得到不同故障的分類，為機械故障診斷奠定基礎(chǔ)。 最后，，將該方法用于實驗平臺采集的數(shù)據(jù)，通過對數(shù)據(jù)的分析驗證了以上所提方法的有效性。EEMD-ICA濾波可以使信號達到很好的濾波效果；多重分形與近似熵相結(jié)合可以對信號做出較全面的定量分析；模糊C聚類可以得到較好的聚類效果。
[Abstract]:Wind with its cleanliness? Renewable? Big reserves? Nowadays, wind power resources are mainly used for wind power generation. Wind turbines play an important role in wind power generation as a link between mechanical energy and electric energy exchange. If there is a problem with the generator, it will directly affect the normal operation of the power system. This paper mainly studies the mechanical fault detection method of the gearbox of the wind turbine. Firstly, the working principle and components of wind power generation are introduced, the common faults of the gearbox of wind turbine are explained, and the vibration mechanism of the gearbox is expounded. Secondly, a series of signal processing, including signal de-noising, signal decomposition and feature extraction, are presented. Based on empirical mode decomposition, a filtering method based on EEMD-ICA is proposed. In this paper, the multifractal spectrum of the component and the approximate entropy can be used to extract the features of the signal. Then, the feature quantity is used as the input of fuzzy C clustering, and the classification of different faults is obtained by pattern recognition, which lays a foundation for mechanical fault diagnosis. Finally, the method is applied to the data collected by the experimental platform. The validity of the proposed method. EEMD-ICA filter can make the signal achieve a good filtering effect through the analysis of the data. The combination of multifractal and approximate entropy can make a more comprehensive quantitative analysis of the signal, and fuzzy C clustering can get a better clustering effect.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TM315;TH165.3

【參考文獻】

相關(guān)期刊論文 前10條

1 胡銘,陳珩;基于小波變換模極大值的電能質(zhì)量擾動檢測與定位[J];電網(wǎng)技術(shù);2001年03期

2 方永;胡明輔;;風(fēng)力發(fā)電的現(xiàn)狀與進展[J];能源與環(huán)境;2007年04期

3 陳曉明;李磊;王紅梅;劉燕星;江峰;林慰;;關(guān)于海上風(fēng)電發(fā)展的概況和對策[J];廣東造船;2011年01期

4 施曉篩;徐森;曹瑞;;文本譜聚類算法研究[J];電子設(shè)計工程;2012年22期

5 楊宇;楊麗湘;程軍圣;;基于LMD和AR模型的轉(zhuǎn)子系統(tǒng)故障診斷方法[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2010年09期

6 葉啟明;大型風(fēng)力發(fā)電機組系統(tǒng)的結(jié)構(gòu)與特點[J];華中電力;2002年02期

7 Taehyung KIM;Seungmin LEE;Hogeon KIM;Soogab LEE;;Design of low noise airfoil with high aerodynamic performance for use on small wind turbines[J];Science China(Technological Sciences);2010年01期

8 江婕;李建民;曾R挽

本文編號：1685591