基于总体局域均值分解的风电主轴承振动诊断方法研究

摘要

随着全球经济的发展，化石能源短缺和环境恶化问题日益严峻，风电能源作为清洁可再生能源的典型代表，正逐渐受到全球的广泛关注。在风力发电机运行时，主轴承同时承受径向载荷、横向载荷和倾覆力矩的共同作用，而且在强风的交变载荷冲击作用下，其很容易出现故障，进而影响整个风电机组的运行。所以，针对风电机组的主轴承的故障诊断技术研究，对于保障整个风力发电设备的安全运行有着重大的意义。
　　本文以风电主轴承为研究对象，研究了风电机组的主轴承故障诊断方法，具体研究内容如下：
　　（1）基于Hertz接触理论，分析了主轴承的滚子-滚道的接触模型和故障机理，并且分析了轴承典型故障特征频率的计算公式，为后续的故障诊断研究奠定基础。
　　（2）首先阐述了总体局域均值分解（ELMD）的模糊熵和IGK聚类相结合的故障诊断方法的原理和算法；又采用极值延拓法处理了ELMD分解的端点效应问题；在GK聚类的基础上，改进了初始聚类中心的选择。最终，采用实际轴承故障数据，对ELMD分解的模糊熵和IGK聚类相结合的故障诊断方法进行了验证。
　　（3）针对风电主轴承故障振动信号的采集，进行了主轴承试验系统的设计。首先，基于相似理论，对风电主轴承进行了缩尺模型的设计；其次介绍了试验台的结构和工作原理；然后，选取合适的传感器，确定合适的测点位置，以及对数据采集、存储和传输等进行了分析；最后，基于LabVIEW图像编程软件，设计了风电主轴承的故障诊断系统。
　　（4）采集主轴承正常、外圈故障和滚动体故障的振动信号，将所采用的故障诊断方法来对风电主轴承故障振动信号进行分析，首先采用ELMD将信号分解为一系列乘积函数分量（PF），再对PF分量进行筛选，用不同的模糊熵值来表征轴承不同的运行状态，最后将特征矩阵输入改进的IGK聚类，实现主轴承不同故障形式有效准确的识别和分类。

目录

声明

1. 绪论

1.1 课题的来源及研究背景意义

1.2 国内外研究现状

1.3 本文的主要研究内容

2 风电主轴承的振动故障机理分析

2.1 风电机组结构和主轴承的特点

2.2 主轴承的故障原因和失效形式分析

2.3 主轴承的故障机理分析

2.4 主轴承的故障频率分析

2.5 本章小结

3 基于ELMD模糊熵和IGK聚类的故障诊断方法

3.1 局域均值分解的原理和算法

3.2 总体局域均值分解的原理和算法

3.3 模糊熵原理和算法

3.4 IGK模糊聚类原理

3.5 故障诊断方法流程

3.6 故障诊断方法验证

3.7 本章小结

4 风力发电机主轴承的试验系统设计

4.1 风电主轴承缩尺模型的设计

4.2 主轴承缩尺试验台的设计

4.3 振动信号测试方案设计

4.4 基于LabVIEW的风电主轴承故障诊断系统设计

4.5 本章小结

5 风电主轴承试验实例分析

5.1 实验方案

5.2 风电主轴承故障信号分析

5.3 基于ELMD模糊熵和IGK聚类在主轴承故障诊断中的应用

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢