风力发电机振动信号采集分析仪与诊断方法研究

摘要

风力发电机在运行过程中故障时有发生，这些故障中有许多是可以通过故障诊断和状态监测来避免的。针对风力发电机振动信号采集的特殊性，本文基于LabVIEW平台设计了风力发电机振动信号采集分析仪。系统具有自动记录等功能，可以较好地应用到现场风力发电机的振动信号采集中。实验分析结果表明了系统的有效性。另外，由于滚动轴承在风力发电机中扮演着重要的角色，对其进行故障诊断研究具有重要的现实意义。
　　本研究主要内容包括：⑴针对经验小波变换(EWT)在强背景噪声下对轴承的轻微故障特征提取不足的问题，提出了概率主成分分析(PPCA)结合EWT的滚动轴承轻微故障诊断方法。该方法能够有效地去除强背景噪声干扰，提取信号故障特征且效果优于对信号进行EWT包络分析。⑵针对PPCA算法中两参数需人工选择的问题，提出了一种新的自适应概率主成分分析(APPCA)的轴承故障特征增强方法。为了自适应实现最佳分析结果，利用粒子群算法多参数寻优特性，根据最大峭度准则确定影响PPCA的最佳影响参数组合。仿真和实验结果证明了该方法的有效性。

目录

声明

第1章 绪 论

1.1 选题背景与意义

1.2 风力发电机故障诊断发展现状

1.3 风力发电机振动信号处理方法

1.4 测试仪器发展状况

1.5 本课题研究的主要内容

第2章 风力发电机振动信号采集分析仪设计

2.1 主程序模块设计

2.2 模拟数据发生器模块设计

2.3 参数设置模块设计

2.4 自动记录模块设计

2.5 分析模式设置模块设计

2.6 采集模式初始化模块设计

2.7 子窗口模块设计

2.8 实验验证

2.9 本章小结

第3章 基于PPCA-EWT的滚动轴承轻微故障特征提取

3.1 EWT与PPCA方法

3.2 仿真及实测信号分析

3.3 本章小结

第4章 基于自适应概率主成分分析的滚动轴承故障特征增强方法

4.1 APPCA方法原理与实现过程

4.2 仿真分析及应用

4.3 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢