基于振动与定子电流的风力发电机齿轮箱故障诊断研究

摘要

在过去二十年间我国的风电行业发展迅猛，然而风电机组传动部件故障频发为风电机组系统的运行可靠性、维护成本等方面带来了不小的挑战。齿轮箱作为风电机组主传动系统的关键设备，结构复杂，是具有非线性强耦合特性的复杂子系统。及时掌握运行过程中的早期故障信息，可以有效的避免事故的发生、降低运行维护成本，对保障经济效益有重大的意义。并且齿轮磨损类故障具有渐进性特点，与突发类故障相比容易被忽视，危害性却很大，当前检测方法一般是以测磨损量、油液检测、铁谱分析等方法为主，成本高、耗时多，结果不具有普适性。针对上述问题，本文基于数值分析，结合实验，分别从振动信号与定子电流信号两方面对风电机组齿轮箱磨损故障进行了研究。采用潜在过程模型(Latent process mode,LPM)动态参数建模的方法，通过描述信号动态时序特征，进而对高阶时序数据进行分解和参数估计，进行趋势分析和特征筛选。论文主要的工作包括：
　　(1)总结齿轮箱结构特点及故障类型，并分析故障产生机理、齿轮箱振动故障的特征，以及振动和电流故障检测原理。针对风机齿轮箱磨损故障特征难以提取并量化的问题，基于潜在过程模型的特征提取以及多尺度熵值量化两个角度对齿轮箱磨损故障进行了故障诊断。
　　(2)针对振动信号的非平稳多分量特点，研究潜在过程模型特征提取方法，并构建基于支持向量机的分类检测模型，同时开展潜在过程模型参数优化选取研究。通过采用美国智能维护中心的全寿命数据进行仿真验证，并且通过搭建的实验平台模拟实验验证了潜在过程模型的有效性。
　　(3)研究基于定子电流的特征分解及量化分析方法。基于定子电流信号检测具有一次获取、成本低、信噪比高等优点，研究基于LPM的非冲击性信号在定子电流中的模式特征，并且利用LPM的瞬态信号分解技术结合多尺度样本熵量化故障特征向量，验证方法的有效性。通过搭建风电机组齿轮箱模拟故障诊断平台，证明模型应用的准确性与可靠性。

目录

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题研究背景及意义

1.2 面向风电设备的总体监测诊断现状

1.3 齿轮箱监测技术及诊断方法研究现状

1.4 潜在过程模型概述及应用

1.5 本文主要研究内容

第2章 风电机组齿轮箱结构特点及故障机理研究

2.1 引言

2.2 风电发电机组成及齿轮箱结构特点

2.3风力发电机齿轮箱振动信号分析

2.4齿轮故障定子电流检测原理

2.5 本章小结

第3章 基于LPM与支持向量机的振动信号故障诊断

3.1 引言

3.2模型研究

3.3基于仿真信号的LPM分析

3.4 基于振动信号的模式识别

3.5实验验证

3.6 本章小结

第4章 基于LPM与多尺度样本熵的定子电流故障诊断

4.1 引言

4.2多尺度样本熵理论

4.3多尺度样本熵仿真验证及参数选取

4.4基于LPM与多尺度样本熵的齿轮磨损故障特征量化

4.5实验验证

4.6 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务和主要成果

致谢