基于分形维数的风电传动链故障特征提取方法及其应用

摘要

风力发电是目前主要的可再生能源发电方式之一，它是通过风轮叶片将风的动能转化为机械能，带动发电机旋转产生电能。风电机组运行条件比较恶劣，状态监测和故障诊断对机组安全性和经济性至关重要。
　　本文对风电机组的结构组成、运行原理进行介绍，描述了关键部件的常见故障及其故障机理。在此基础上，研究基于振动监测信号的故障特征提取方法，主要研究以下三个方面内容:
　　(1)研究基于分形维数提取风电机组故障特征方法，在MATLAB环境编程实现振动信号关联维数的计算，分别用仿真数据和实测风电机组振动数据对计算结果进行了验证，分析了测量噪声对关联维数计算结果的影响。
　　(2)研究将Kalman滤波与关联维数计算相结合，首先对实测振动信号进行滤波处理，降低干扰噪声的影响，然后再计算关联维数，得到排除其他非故障因素干扰的故障信息。
　　(3)研究将小波尺度域滤波与关联维数计算相结合的方法，首先对实测振动信号进行小波分解，得到各个尺度下的小波系数，对这些小波系数进行卡尔曼滤波，然后再进行信号重构，对重构信号计算关联维数，这样可以消除干扰噪声的影响，获得更清楚的故障信息。通过实际应用案例表明，该方法可以更有效表征风电机组的故障状态。

目录

声明

摘要

第1章 概述

1．1 研究背景及意义

1．2 分形理论的发展与研究现状

1．2．1 风电机组的状态监测与故障诊断

1．2．2 分形理论概况

1．2．3 分形维数的研究现状与应用

1．3 论文主要研究内容

1．3．1 主要研究内容

1．3．2 本文结构

第2章 风电机组及其振动故障综述

2．1 风电机组主要结构

2．1．1 塔筒

2．1．2 机舱

2．1．3 风轮

2．1．4 主轴

2．1．5 制动装置

2．1．6 增速齿轮箱

2．1．7 其他结构

2．2 风电机组传动链主要常见故障

2．2．1 滚动轴承常见故障及分析

2．2．2 齿轮常见故障及分析

2．3 本文数据来源

2．3．1 仿真信号

2．3．2 齿轮试验台数据

2．3．3 直驱风电机组

2．3．4 双馈风电机组

2．4 本章小结

第3章 基于分形维数的风电机组故障特征提取

3．1 概述

3．2 关联维数的计算及实现

3．2．1 相空间重构

3．2．2 定义关联积分函数

3．2．3 确定关联维数

3．3 转速对关联维数影响

3．4 关联维数在信号分析中的应用

3．4．1 仿真信号

3．4．2 齿轮试验台数据

3．4．3 直驱风电机组

3．4．4 双馈风电机组

3．5 本章小结

第4章 基于卡尔曼滤波的风电机组故障特征提取

4．1 概述

4．2 卡尔曼滤波算法及实现

4．2．1 随机线性离散系统的数学模型

4．2．2 随机线性离散系统Kalman滤波方程

4．2．3 Kalman滤波特点

4．3 基于卡尔曼滤波的分形维数应用

4．3．1 仿真信号

4．3．2 齿轮试验台数据

4．3．3 直驱风电机组

4．3．4 双馈风电机组

4．4 本章小结

第5章 基于小波与卡尔曼的风电机组故障特征提取

5．1 概述

5．2 小波分析

5．2．1 连续小波变换

5．2．2 离散小波变换

5．3 小波分形过程

5．3．1 1／f过程的小波分析

5．3．2 确定性的自相似过程

5．4 1／f过程的信号处理

5．5 基于卡尔曼滤波的分形维数应用

5．5．1 仿真信号

5．5．2 齿轮试验台数据

5．5．3 直驱风电机组

5．5．4 双馈风电机组

5．6 本章小结

第6章 结论与展望

6．1 结论

6．2 展望

参考文献

攻读硕士期间发表的论文及参与的科研工作

致谢