基于在线监测数据的风机齿轮箱故障诊断方法研究

摘要

随着石油、煤炭等资源的持续性短缺，风能由于其丰富性、可持续性、无污染等多重优势受到了重视，风机单机装机容量的逐步提高和风机发电的恶劣环境对风机可持续性发电和维修提出更高的要求，故本文针对风机齿轮箱中滚动轴承和齿轮的故障监测方法进行了探讨，主要工作包括： （1）梳理近年世界风电发展趋势，分析瑞典等国的风电监测数据，与国内某风电场连续两年搜集到的故障数据进行对比，分析出风机各部件故障比率，从中发现零件故障规律，得到齿轮箱在线故障监测的意义。笔者同时归纳风电机组齿轮箱故障监测常用方法，分析各自方法的优缺点，展望各种方法发展趋势。 （2）简单介绍齿轮箱的结构和其在发电中发挥的作用，对齿轮箱中的齿轮和滚动轴承的故障分析了原因和振动机理，并给出各种故障形式所对应的振动频率计算公式，为后续的滚动轴承和齿轮的故障诊断给出理论依据。 （3）针对风机轴承早期故障特征微弱，不易被及时发现的问题，笔者利用变分模态分解方法和双谱分析方法处理滚动轴承早期故障信号，可以从信噪比较低的原始信号中分析出明显的故障特征分量，同时，为了进一步突出信号的故障特征频率，笔者利用 Teager 能量算子的特点结合变分模态分解提出方法，对张家口某风电场现场数据进行故障分析，仿真和实验结果均证明了两种方法的有效性。 （4）针对齿轮产生的振动包含一定的高频噪声、集合经验模态函数参数需要人工干预的问题，笔者提出一种融合集合经验模态分析和主元分析的风机齿轮信号降噪及性能退化评估方法，将齿轮失效前一段信号等分为几段，对每一段信号进行集合经验模态分解，用主元分析比较个信号分量在整个齿轮寿命周期中的变化趋势，选取最能反映齿轮性能退化的部分分量进行信号重构以实现降噪，再用主元分析对重构信号进行处理，用连续平方预测误差反映信号在整个寿命周期中的变化趋势，从而实现齿轮箱故障在线监测。

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 课题研究的目的和意义

1.2 风电齿轮箱故障在线监测国内外研究现状

1.2.1 基于振动信号的监测方法

1.2.2 基于人工智能的监测方法

1.2.3 基于模拟仿真的故障诊断方法方法

1.3 论文主要内容

第2章 齿轮箱常见故障及振动分析

2.1 风电机组齿轮箱原理

2.2 齿轮故障类型及振动分析

2.2.1 齿轮故障类型及成因

2.2.2 齿轮特征频率分析

2.3 滚动轴承故障类型及振动分析

2.3.1 滚动轴承故障类型及成因

2.3.2 滚动轴承故障频率分析

第3章 基于VMD和双谱方法的风机滚动轴承故障特征提取

3.1 变分模式分解

3.1.1 变分模型的建立

3.1.2 变分模型的求解

3.1.3 VMD算法具体过程

3.2 双谱定义及估计算法

3.3 峭度定义及计算方法

3.4 轴承故障特征提取过程

3.5 仿真信号分析

3.6 滚动轴承故障实验信号分析

3.6.1 滚动轴承外圈故障信号分析

3.6.2 滚动轴承滚动体故障信号分析

3.7 本章小结

第4章 基于VMD和Teager能量算子方法的滚动轴承故障诊断

4.1 Teager能量算子

4.2 基于VMD-Teager的滚动轴承故障诊断方法

4.2.1 仿真分析

4.2.2 实验分析

4.3 本章小结

第5章 基于EEMD和PCA融合分析的风电机组齿轮箱故障监测

5.1 集合经验模态分解

5.2 主成分分析

5.3 基于EEMD-PCA非平稳信号降噪

5.4 基于EEMD-PCA的齿轮箱性能退化模型

5.5 EEMD-PCA方法应用于风电机组齿轮故障监测

5.6 实际监测现场示意图

5.7 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

攻读硕士学位期间发表的学术论文

致谢