基于独立分量分析的风电机组故障诊断方法研究

摘要

由于现代风电机组本身结构复杂，工作环境恶劣，振动信号中含有大量的外来干扰和噪声，属于传统信号方法难以处理的非线性、非平稳的混合信号。如何从大量信号中去除外来干扰和噪声来获取有价值的信息，一直是信号处理与机械故障诊断领域的难题。独立分量分析(Independent Component Analysis，ICA)是现代信号处理方法中发展较为突出的信号分析处理技术，具有在未知源信号和混合矩阵的情况下，根据传感器采集信号具有统计独立性特点恢复源信号的特殊能力，是近些年来信号处理方法在机械故障诊断领域研究的热点。主要工作如下:
　　1.从全球环境污染、节能减排到风电机组产业的高速发展和事故频发的背景出发，分析研究风电机组实际工作环境中常见故障类型，分析风力发电机组滚动轴承、转子和齿轮箱等典型故障机理及对应各部件产生的故障特征频率，并阐述风电机组基本工作原理和传动系统结构，为后续故障诊断和实验验证提供必要的理论依据。
　　2.深入研究经验模式分解(Empirical Mode Decomposition，EMD)基本原理，其适应于非线性非平稳的混合信号分解，并且有模态混叠等缺陷;研究分析独立分量分析数学模型、核心算法，其具有要满足传感器采集信号通道数大于等于源信号个数的局限性特点。针对风电机组传动系统信号具有非线性、非平稳混合信号特征，提出EMD与ICA的联合方法，用于该系统振动信号的故障诊断与特征提取。经过实验，选取具有明显故障特征的信号作为联合方法处理对象，实现对风电机组传动系统典型故障的诊断与特征提取。
　　3.为确保风力发电机组降低故障发生率，提高运行可靠性，安全稳定发展，在风电机组传动系统的振动信号难以正常获取条件下，提出构建传动系统振动实验数据采集方案。该系统主要包括状态监测与故障诊断系统、数据采集系统和风电机组传动系统运转模拟实验平台（电动机、增速齿轮箱和发电机）。搭建实验平台与调试数据采集系统，实现硬件与软件的配合，完成系统采样设置、数据采集分析和特征提取等实验功能。研究影响传动系统振动信号的多种因素，分析发生不同故障对应产生的振动信号频率特征，以及处于不同转速情况下系统的运行状态，为理论方法的实践验证提供必要的基础条件。

目录

声明

摘要

第一章 绪论

1．1 论文研究背景及意义

1．2 独立分量分析研究现状

1．3 独立分量分析技术应用

1．4 论文研究内容

第二章 风电机组基本结构与典型故障分析

2．1 风力发电机组工作原理与基本结构

2．2 风电机组常见故障类型

2．3 故障机理及信号特征

2．3．1 风电机组滚动轴承故障与信号特征

2．3．2 风电机组转子故障与信号特征

2．3．3 风电机组齿轮箱故障与信号特征

2．4 本章小结

第三章 独立分量分析

3．1 独立分量分析数学模型及其性质

3．1．1 独立分量分析基本模型

3．1．2 独立分量分析性质

3．2 独立分量分析核心算法

3．3 本章小结

第四章 基于EMD与ICA的故障特征提取方法应用

4．1 EMD原理及应用

4．2 ICA方法应用

4．3 EMD和ICA联合处理方法原理

4．4 EMD和ICA数据仿真处理及实验验证

4．4．1 联合方法的仿真应用及其分析

4．4．2 实验验证

4．5 EMD-ICA实现

4．6 本章小结

第五章 风电机组传动系统振动实验平台构建

5．1 实验平台架构概述及需求分析

5．2 系统功能模块构建

5．2．1 信号采集功能

5．2．2 状态监测及故障诊断功能

5．2．3 数据管理功能

5．3 本章小结

第六章 结论与展望

6．1 总结

6．2 展望

致谢

参考文献

个人简历、攻读硕士期间发表的论文