风电机组轴承智能故障诊断系统研究

摘要

轴承作为风电机组的关键零部件，对风电机组的正常运行起着决定性作用。研究风电机组轴承的故障诊断，对于提高发电效率、减少重大的经济损失和节约维护成本具有十分重要的意义。轴承的故障振动信号是非平稳信号，并且发生在强背景噪声的环境下，使其故障特征容易被淹没，特别是风电机组轴承长期工作在交变的载荷下且转速变化频繁，从而给故障诊断带来了一定的困难。虽然小波分析法、共振解调和冲击脉冲等分析方法应用于轴承的故障诊断，但都存在各自的不足，故迫切需要研究新的轴承故障诊断方法。针对现有分析方法存在的问题，论文将以风电机组轴承作为研究对象，研究形态学滤波、局域均值分解、排列熵和BP神经网络等方法在轴承故障诊断中的应用，并借助LabVIEW开发了轴承的智能故障诊断系统。
　　论文研究内容如下：
　　（1）针对轴承的故障特点，提出了一种基于局域均值分解和BP神经网络的轴承故障诊断方法，并通过故障模拟试验平台采集了轴承的故障振动信号；
　　（2）对形态学滤波、局域均值分解、BP神经网络和排列熵等方法作了深入的理论研究，并利用仿真信号和试验数据对其进行验证，证明所提方法的有效性和实用性；
　　（3）借助专业系统开发软件LabVIEW开发了风电机组轴承的智能故障诊断系统，实现了轴承故障诊断的智能化。

目录

第一章 绪 论

1.1 研究背景与意义

1.2 相关技术的研究现状

1.3 论文的主要研究内容

第二章 风电机组轴承的故障及关键诊断技术

2.1 风力发电机的结构

2.2 滚动轴承的概念和分类

2.3 滚动轴承的失效形式

2.4 滚动轴承智能故障诊断原理

2.5 滚动轴承智能故障诊断系统的关键技术

2.6 本章小结

第三章 风电机组轴承故障诊断方法的理论研究

3.1 LMD理论

3.2 数学形态学滤波

3.3 排列熵理论及参数选取

3.4 BP神经网络

3.5 轴承的故障诊断流程

3.6 本章小结

第四章 风电机组轴承的故障诊断试验

4.1 试验设备和仪器的介绍

4.2 试验方案

4.3 滚动轴承故障诊断的试验数据分析

4.4 基于BP神经网络的轴承智能故障诊断

4.5 本章小结

第五章 风电机组轴承智能故障诊断系统的实现

5.1 概述

5.2 开发工具简介

5.3 系统的基本功能介绍

5.4 本章小结

结论

总结

展望

参考文献

攻读学位期间取得的研究成果

致谢