油液中磨粒在线检测关键技术研究

摘要

主流的双馈风力发电机组中齿轮箱承担着动力传递和速度变换的作用，也是目前故障最多的主要部件之一，其可靠性直接影响到风机的正常运行和风电场的收益。目前常采用在线振动监测来监控齿轮箱的健康状况以及采用频谱分析进行故障定位，也取得了很好的效果。齿轮箱的故障多由齿轮的磨损引起，振动方法对齿轮早期磨损并不敏感，只有当齿面磨损比较严重时才能通过振动感知。当齿轮发生磨损时，磨粒颗粒进入循环的润滑油中，通过对油中磨粒的检测可以更早的了解齿轮箱的状况，实现提前预警。论文中的油液磨粒传感器基于电磁感应原理，能够用于在线检测齿轮箱中的磨损颗粒，该传感器主要由正弦激励源、激励和感应线圈、整流滤波电路、信号处理电路与通信模块等构成。其中，激励和感应线圈的结构设计、正弦激励源、微弱信号处理方法等直接影响最终传感器的检测灵敏度和稳定性，本文拟对这些关键技术进行以下研究。
　　首先，线圈的结构设计对磨粒检测的灵敏度影响最大，本文探讨一些能提高检测能力的结构。本文采用电磁场仿真软件Maxwell+Simplorer联合仿真软件，对已有的双激励单感应线圈结构进行仿真分析，并在此基础上改进线圈结构排列并对不同电磁因素下的结构进行仿真，最终得到一种检测灵敏度更高的带有导磁介质的双激励双感应线圈结构。
　　其次，针对传统RC振荡电路长时间的运行，会由于温漂等导致其振荡电阻和电容值的变化，从而导致其输出频率改变，导致信号噪声增大，影响检测灵敏度。本文提出了一种直接数字频率合成(DDS)方法产生纯净且稳定的正弦激励源，通过仿真分析，并结合正弦波的对称性和Sunderland算法对DDS中的查询表进行压缩，有效抑制了杂散信号的产生。利用单片机和DDS集成芯片设计了相应电路，经过测试，本方法不会因为温漂问题而导致失调。
　　再次，为了提高检测灵敏度，能够识别淹没在噪声中的磨粒信号，本文利用小波变换中的mallat算法设计了小波阈值滤波，通过在matlab中对不同的基小波、小波分解层数和阀值的选取进行对比分析，得到最优的处理磨粒特征信号的参数。并最终在DSP中编写C语言程序实现，其滤波效果明显优于五点三次平滑滤波。
　　最后，在LabVIEW中编写上位机监控界面，实现了与磨粒传感器之间的通信，能够接收磨粒传感器发送的磨粒分类数据并具有趋势显示和报警等功能。经过测试，该磨粒传感器的检测灵敏度和运行稳定性较之前有了明显提高。

目录

声明

致谢

摘要

1 引言

1．1 课题研究背景及意义

1．2 课题研究现状及发展趋势

1．2．1 国外油液磨粒检测发展概况

1．2．2 国内油液磨粒检测发展概况

1．2．3 油液磨粒检测的发展趋势

1．3 本文主要研究内容及章节安排

1．3．1 主要研究内容

1．3．2 全文章节安排

2 传感器线圈结构的电磁场仿真

2．1 传感器线圈仿真模型的建立

2．1．1 仿真软件简介

2．1．2 仿真模型的建立及相关参数的设定

2．2 激励源频率对输出信号的影响

2．3 线圈结构对输出信号的影响

2．3．1 双激励单感应式

2．3．2 双激励双感应式

2．4 电磁因素对输出信号的影响

2．5 本章小结

3 正弦激励信号源的产生

3．1 传统正弦振荡电路

3．2 DDS技术简介及工作原理

3．2．1 DDS技术简介

3．2．2 DDS的基本原理

3．3 DDS仿真模型的建立

3．3．1 DDS仿真模型图

3．3．2 DDS输出的杂散波分析

3．3．3 基于Sunderland的压缩算法

3．3．4 改进后的Sunderland压缩算法

3．4 正弦激励源的硬件实现

3．4．1 激励源的硬件模块设计

3．4．2 激励源的软件模块设计

3．4．3 激励源输出测试

3．5 本章小结

4 磨粒信号的数字处理

4．1 磨粒信号处理系统设计

4．1．1 DSP芯片介绍

4．1．2 磨粒信号采样

4．2 平滑滤波算法

4．2．1 传统滤波算法

4．2．2 五点三次平滑滤波

4．3 小波阈值滤波算法

4．3．1 从傅里叶变换到小波变换

4．3．2 连续小波变换

4．3．3 离散小波变换

4．3．4 多分辨率分析与mallat算法

4．4 小波阈值滤波算法的实现

4．4．2 在matlab中的小波滤波

4．4．3 在DSP中实现小波阈值滤波

4．4．4 磨粒信号的尺寸标定

4．5 本章小结

5 磨粒传感器的通信及运行测试

5．1 监控界面的设计方案

5．1．1 Modbus协议的介绍

5．1．2 监控系统的设计

5．2 磨粒传感器的运行测试

5．2．1 磨粒传感器组成

5．2．2 磨粒传感器的运行

5．3 本章小结

6．1 总结

6．2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集