基于BP神经网络的风电齿轮箱故障诊断仪的研发

摘要

随着能源与环境问题的日益突出，大力发展可再生清洁能源成为广泛共识。风能作为一种可再生清洁能源在我国储量丰富，政府对风力发电的扶持力度也在逐步加大。风电机组长期工作于恶劣的环境中，容易发生故障，如何保证风电机组稳定高效的运行是一项重要课题。而作为双馈型异步发电机组增速机构的齿轮箱更是故障的高发部件。
　　振动分析是目前旋转机械故障诊断的主要技术手段，对风电齿轮箱的故障诊断就是对其振动信号进行分析与处理的过程。嵌入式系统具有体积小、功耗低、性能强和可靠性高等特点在各行各业中得到了广泛应用。
　　本文就是将故障诊断的理论方法与嵌入式技术相结合研发一种能针对风电齿轮箱进行智能故障诊断的仪器。主要内容包括以下几个方面：
　　首先，进行故障诊断理论及相关算法的研究和仿真实验。从机械故障诊断的基本原理出发，分析风电齿轮箱的机械振动机理，理论上得出利用小波包分解振动信号提取频带能量特征，再利用BP神经网络的非线性映射能力建立故障特征空间到状态空间的非线性映射这一故障诊断方法的可行性；并进一步利用仿真实验验证了该方法的有效性。
　　其次，通过对风电齿轮箱故障诊断仪的需求分析，分别提出了软、硬件的总体设计方案。
　　最后，根据软、硬件的总体设计方案分别进行了具体设计。其中硬件设计是在以ARM微处理器S3C2440为核心的基础上对外围扩展电路进行设计；具体的软件设计是在构建好基本软件平台的基础上，包括bootloader、Linux内核及根文件系统的编译和移植，再进行了相关驱动程序的开发和图形化用户界面应用程序设计。

目录

封面

声明

目录

中文摘要

英文摘要

插图索引

附表索引

第一章 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 课题研究内容

1.4 论文结构

1.5 本章小结

第二章 风电齿轮箱故障诊断方法的研究

2.1 故障诊断基本原理

2.2 齿轮箱的常见故障及其特点

2.3 小波包分析

2.4 BP神经网络

2.5 基于小波包和BP神经网络的故障诊断方法

2.6 仿真实验

2.7 本章小结

第三章 风电齿轮箱故障诊断仪整体设计方案

3.1 功能需求分析

3.2 嵌入式系统平台的选择

3.3 总体设计

3.4 本章小结

第四章 故障诊断仪硬件设计

4.1 S3C2440A及其基本电路

4.2 存储模块设计

4.3 人机交互接口设计

4.4信号采集模块设计

4.5 本章小结

第五章 故障诊断仪软件设计

5.1 嵌入式Linux及其软件开发概述

5.2 交叉开发环境的建立

5.3 嵌入式Linux核心系统构建

5.4 驱动程序设计

5.5 图形化用户界面应用程序设计

5.6 本章小结

总结与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录