本文關(guān)鍵詞：風(fēng)力發(fā)電機組齒輪箱監(jiān)測與故障診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目前，隨著科技文明的進步發(fā)展，人類對新能源技術(shù)的需求也日益強烈，風(fēng)力發(fā)電技術(shù)作為新能源技術(shù)中的新興代表和中堅力量，越來越受到重視。如何保證風(fēng)力發(fā)電機組正常運行，成為風(fēng)力發(fā)電領(lǐng)域的核心問題。齒輪箱作為風(fēng)力發(fā)電機組中關(guān)鍵的機械傳動裝置，對于整個風(fēng)電機組的良好運行起著極為重要的作用。同時，風(fēng)電機組的齒輪箱又由于其工作環(huán)境及自身的機械特性的特殊性。所以，，針對風(fēng)電機組齒輪箱的監(jiān)測及故障診斷技術(shù)的研究是十分有意義及必要的。 本文以風(fēng)力發(fā)電機組齒輪箱為研究對象，首先針對齒輪箱的結(jié)構(gòu)和故障特點進行了探討，對齒輪箱的振動信號處理技術(shù)進行了研究，包括對振動信號的時頻分析技術(shù)、小波分析和小波包分析技術(shù)，并應(yīng)用小波包能量提取法提取振動信號特征向量。以此提取的故障特征為基礎(chǔ)，對人工神經(jīng)網(wǎng)絡(luò)和粒子群智能優(yōu)化算法展開了較深入研究。同時，將粒子群優(yōu)化算法應(yīng)用到人工神經(jīng)網(wǎng)絡(luò)算法中，將人工神經(jīng)網(wǎng)絡(luò)算法中的權(quán)值和閥值組成向量，作為粒子群優(yōu)化算法中粒子的特征向量，達到應(yīng)用粒子群算法優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的目的。并將基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于風(fēng)電機組齒輪箱的故障診斷，經(jīng)過訓(xùn)練學(xué)習(xí)，通過測試樣本的測試驗證，故障診斷取得較好的效果。最后，以該故障診斷技術(shù)作為基礎(chǔ)，建立了針對風(fēng)電機組齒輪箱的監(jiān)測系統(tǒng)，提出了一種可行的設(shè)計方案。本文對風(fēng)電機組齒輪箱的監(jiān)測與故障診斷技術(shù)的研究、對實際工作具有一定的意義。
【關(guān)鍵詞】：齒輪箱 粒子群優(yōu)化算法 人工神經(jīng)網(wǎng)絡(luò) 故障診斷
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TM315;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-17
• 1.1 課題背景9-11
• 1.2 課題研究現(xiàn)狀及發(fā)展趨勢11-15
• 1.2.1 齒輪箱監(jiān)測技術(shù)研究現(xiàn)狀及發(fā)展趨勢12-14
• 1.2.2 故障診斷技術(shù)研究現(xiàn)狀及發(fā)展趨勢14-15
• 1.3 本課題的主要研究內(nèi)容15-17
• 第二章 齒輪箱的基本結(jié)構(gòu)及故障特點17-24
• 2.1 風(fēng)力發(fā)電機組齒輪箱的基本結(jié)構(gòu)17-20
• 2.1.1 風(fēng)力發(fā)電機組的基本結(jié)構(gòu)17-18
• 2.1.2 齒輪箱的結(jié)構(gòu)18-20
• 2.2 齒輪箱的主要故障及其特點20-23
• 2.2.1 齒輪常見故障21-22
• 2.2.2 軸承常見故障22-23
• 2.3 本章小結(jié)23-24
• 第三章 風(fēng)電機組齒輪箱的故障特征提取24-41
• 3.1 振動信號的分析處理方法24-29
• 3.1.1 時域分析24-26
• 3.1.2 頻域分析26-29
• 3.2 時頻分析方法29-34
• 3.2.1 小波分析30-33
• 3.2.2 小波包分解33-34
• 3.3 基于小波包頻帶能量分析法的故障特征提取34-40
• 3.3.1 小波包特征提取理論34-37
• 3.3.2 基于小波包能量譜的風(fēng)機齒輪箱故障特征提取37-40
• 3.4 本章小結(jié)40-41
• 第四章 粒子群優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)理論的齒輪箱故障診斷41-58
• 4.1 人工神經(jīng)網(wǎng)絡(luò)41-45
• 4.2 粒子群優(yōu)化算法45-51
• 4.2.1 基本粒子群優(yōu)化算法46-48
• 4.2.2 標(biāo)準(zhǔn)粒子群優(yōu)化算法48-51
• 4.3 粒子群優(yōu)化人工神經(jīng)網(wǎng)絡(luò)51-57
• 4.3.1 基于粒子群優(yōu)化人工神經(jīng)網(wǎng)絡(luò)算法的故障診斷技術(shù)54-56
• 4.3.2 粒子群優(yōu)化人工神經(jīng)網(wǎng)絡(luò)算法在故障診斷中的應(yīng)用56-57
• 4.4 本章小結(jié)57-58
• 第五章 風(fēng)電機組齒輪箱狀態(tài)監(jiān)測系統(tǒng)設(shè)計58-64
• 5.1 系統(tǒng)總體設(shè)計59-60
• 5.1.1 設(shè)計標(biāo)準(zhǔn)59
• 5.1.2 系統(tǒng)的工作原理59-60
• 5.2 測點及傳感器的選擇60-61
• 5.3 軟件系統(tǒng)設(shè)計61-62
• 5.4 監(jiān)測系統(tǒng)的實現(xiàn)62-63
• 5.5 本章小結(jié)63-64
• 第六章 結(jié)論64-66
• 參考文獻66-68
• 在學(xué)研究成果68-69
• 致謝69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘旭峰,耿立恩,李曉雷;齒輪軸承故障診斷中特征參數(shù)敏感性分析[J];兵工學(xué)報;1997年04期

2 胡凱成,李川奇,錢克矛,熊明忠;人工神經(jīng)網(wǎng)絡(luò)在汽車變速箱狀態(tài)監(jiān)測和故障診斷中的應(yīng)用[J];傳動技術(shù);1997年03期

3 張佩瑤,馬孝江,王吉軍,朱泓;小波包信號提取算法及其在故障診斷中的應(yīng)用[J];大連理工大學(xué)學(xué)報;1997年01期

4 王承煦;世界風(fēng)電發(fā)展及我國風(fēng)電發(fā)展面臨的機遇與問題[J];電器工業(yè);2002年09期

5 吳凌云,王華;BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在故障診斷中的應(yīng)用[J];信息技術(shù);2003年02期

6 張利彪,周春光,馬銘,劉小華;基于粒子群算法求解多目標(biāo)優(yōu)化問題[J];計算機研究與發(fā)展;2004年07期

7 李穎芝;;風(fēng)電系統(tǒng)中加速齒輪的微動磨損研究[J];機械研究與應(yīng)用;2009年06期

8 王歲花,馮乃勤,李愛國;基于粒子群優(yōu)化的BP網(wǎng)絡(luò)學(xué)習(xí)算法[J];計算機應(yīng)用與軟件;2003年08期

9 孫孝仁,孫怡玲;2020年世界能源前景[J];科技情報開發(fā)與經(jīng)濟;2000年02期

10 王哲;;關(guān)于風(fēng)力發(fā)電機組狀態(tài)監(jiān)測的思考[J];中國設(shè)備工程;2007年04期

  本文關(guān)鍵詞：風(fēng)力發(fā)電機組齒輪箱監(jiān)測與故障診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：367284