本文選題：風(fēng)力發(fā)電機(jī) + 故障診斷�。� 參考：《沈陽(yáng)工業(yè)大學(xué)》2017年碩士論文

【摘要】：隨著風(fēng)能產(chǎn)業(yè)的高速發(fā)展,風(fēng)力發(fā)電機(jī)的使用規(guī)模越來(lái)越大,如何維護(hù)機(jī)組的安全運(yùn)轉(zhuǎn)受到了越來(lái)越多人的關(guān)注。各類風(fēng)機(jī)故障中,傳動(dòng)系統(tǒng)零部件的故障往往造成風(fēng)力發(fā)電機(jī)組停機(jī)維修時(shí)間最長(zhǎng),也是致使風(fēng)力發(fā)電機(jī)的維護(hù)成本高居不下的重要原因之一,對(duì)其進(jìn)行及時(shí)準(zhǔn)確的診斷就顯得尤為重要。因此本文以風(fēng)力發(fā)電機(jī)組傳動(dòng)系統(tǒng)軸承為例,提出了一種基于深度信念網(wǎng)絡(luò)DBN的風(fēng)機(jī)軸承故障診斷算法,并通過將該算法在云計(jì)算平臺(tái)并行化處理來(lái)提高算法的處理速度。本文主要從兩個(gè)方面著手研究:一方面來(lái)說(shuō),診斷技術(shù)采用深度學(xué)習(xí)網(wǎng)絡(luò)作為故障數(shù)據(jù)的特征表征,利用深度信念網(wǎng)絡(luò)(DBN)技術(shù)作為網(wǎng)絡(luò)構(gòu)建的深層結(jié)構(gòu),能夠高度擬合任何非線性信號(hào)的特征,并從每個(gè)隱藏層中輸入的數(shù)據(jù)中學(xué)習(xí)獲得更高階的相關(guān)性特征,最后連接一個(gè)特征提取器在輸出端級(jí)聯(lián)處理輸出的信息。本文通過實(shí)驗(yàn)驗(yàn)證了深度信念網(wǎng)絡(luò)DBN在數(shù)據(jù)處理方面的優(yōu)異表現(xiàn),利用該網(wǎng)絡(luò)模型提出的風(fēng)力發(fā)電機(jī)軸承故障診斷方法可以直接通過將原始振動(dòng)數(shù)據(jù)歸一化處理后進(jìn)行無(wú)監(jiān)督學(xué)習(xí),當(dāng)整個(gè)DBN訓(xùn)練完成后,利用標(biāo)簽層的信息在最頂端進(jìn)行有監(jiān)督故障識(shí)別,避免了繁雜的故障特征人為經(jīng)驗(yàn)參與選取的情況,從而使得整個(gè)診斷更加智能。另一方面,傳統(tǒng)的信號(hào)分析方法在處理數(shù)據(jù)規(guī)模持續(xù)增長(zhǎng)的振動(dòng)數(shù)據(jù)時(shí),會(huì)遇到計(jì)算能力上的瓶頸,而云計(jì)算在大數(shù)據(jù)計(jì)算和網(wǎng)絡(luò)存儲(chǔ)方面有著卓越的性能表現(xiàn),并且在Hadoop平臺(tái)上,基于Spark實(shí)現(xiàn)對(duì)振動(dòng)數(shù)據(jù)的并行處理方法,具有很好的容錯(cuò)性與自動(dòng)均衡負(fù)載特性,能夠有效解決風(fēng)機(jī)組采集到的振動(dòng)數(shù)據(jù)處理速度過慢,數(shù)據(jù)使用不完全,有效信息流失嚴(yán)重的問題。本文實(shí)現(xiàn)的基于Spark的風(fēng)機(jī)組軸承故障診斷算法并行運(yùn)算,在Hadoop2.0云平臺(tái)上的實(shí)驗(yàn)表明,算法的各項(xiàng)并行指標(biāo)良好,能夠滿足故障診斷處理任務(wù)需求。
[Abstract]:With the rapid development of wind energy industry, the scale of wind turbine is becoming larger and larger, and more people pay attention to how to maintain the safe operation of the unit. Among all kinds of fan faults, the failure of transmission system parts often results in the longest downtime of wind turbine generator, which is one of the important reasons for the high maintenance cost of wind turbine generator. It is very important to make timely and accurate diagnosis. This paper presents a fault diagnosis algorithm for wind turbine bearing based on deep belief network DBN, and improves the processing speed by parallelizing the algorithm in cloud computing platform. This paper mainly studies from two aspects: on the one hand, the deep learning network is used as the feature representation of the fault data, and the deep belief network (DBN) technology is used as the deep structure of the network construction. It can highly fit the features of any nonlinear signal and learn from the input data in each hidden layer to obtain higher-order correlation features. Finally, a feature extractor is connected to process the output information in cascade at the output end. In this paper, the excellent performance of DBN in data processing is verified by experiments. Using the network model, the bearing fault diagnosis method of wind turbine generator can be directly studied by normalizing the original vibration data, when the whole DBN training is completed. The information of label layer is used for supervised fault identification at the top, so that the complicated fault features can be selected by human experience, thus making the whole diagnosis more intelligent. On the other hand, the traditional signal analysis method will meet the bottleneck of computing power when dealing with the vibration data with increasing data scale, while cloud computing has excellent performance in big data computing and network storage. And on Hadoop platform, the parallel processing method of vibration data based on Spark is realized. It has good fault tolerance and automatic load balancing characteristics, and can effectively solve the problem of slow processing speed and incomplete use of vibration data collected by wind turbine. A serious problem with the loss of effective information. The parallel calculation of bearing fault diagnosis algorithm based on Spark is realized in this paper. The experiment on Hadoop 2.0 cloud platform shows that the parallel indexes of the algorithm are good and can meet the needs of fault diagnosis and processing task.
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM315;TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;新型風(fēng)力發(fā)電機(jī)組出世[J];中小型電機(jī);2002年06期

2 ;風(fēng)力發(fā)電機(jī)組項(xiàng)目[J];機(jī)電新產(chǎn)品導(dǎo)報(bào);2002年11期

3 黃順禮;;世界最大的風(fēng)力發(fā)電機(jī)組[J];電氣技術(shù);2004年11期

4 許移慶;冀東;;風(fēng)力發(fā)電機(jī)組塔架仿真和分析[J];能源研究與信息;2006年02期

5 王哲;;關(guān)于風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)的思考[J];中國(guó)設(shè)備工程;2007年04期

6 李興國(guó);何玉林;金鑫;;風(fēng)力發(fā)電機(jī)組系統(tǒng)建模與仿真[J];重慶大學(xué)學(xué)報(bào);2008年11期

7 董正茂;田德;王海寬;魏玉通;王麗麗;胡學(xué)敏;許明;;濃縮風(fēng)能型風(fēng)力發(fā)電機(jī)組的安裝、使用與維護(hù)[J];農(nóng)村牧區(qū)機(jī)械化;2008年06期

8 ;遼寧將生產(chǎn)世界先進(jìn)的風(fēng)力發(fā)電機(jī)組核心部件[J];電站輔機(jī);2008年02期

9 ;風(fēng)力發(fā)電機(jī)組不斷向大型化發(fā)展[J];東方電機(jī);2008年05期

10 賀廣零;;風(fēng)力發(fā)電機(jī)組風(fēng)場(chǎng)模擬[J];中國(guó)電機(jī)工程學(xué)報(bào);2009年29期

相關(guān)會(huì)議論文 前10條

1 劉樺;鄧良;廖暉;;水平軸風(fēng)力發(fā)電機(jī)組通用動(dòng)力學(xué)建模研究[A];中國(guó)動(dòng)力工程學(xué)會(huì)透平專業(yè)委員會(huì)2011年學(xué)術(shù)研討會(huì)論文集[C];2011年

2 楊旭坤;;風(fēng)力發(fā)電機(jī)組火災(zāi)危險(xiǎn)性及防范措施研究[A];2010中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C];2010年

3 陳飛;陳鵬飛;吳威;;淺談風(fēng)力發(fā)電機(jī)組防雷要點(diǎn)[A];S13 第十屆防雷減災(zāi)論壇——雷電災(zāi)害與風(fēng)險(xiǎn)評(píng)估[C];2012年

4 劉樺;鄧良;廖暉;;水平軸風(fēng)力發(fā)電機(jī)組通用動(dòng)力學(xué)建模研究[A];中國(guó)農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2011年度論文集（上）[C];2011年

5 程朗;;電網(wǎng)友好型風(fēng)力發(fā)電機(jī)組性能及應(yīng)用[A];中國(guó)農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2011年度論文集（上）[C];2011年

6 鞠偉華;王振鵬;;風(fēng)力發(fā)電機(jī)組火災(zāi)防范初探[A];中國(guó)農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2012年度論文集（上）[C];2012年

7 ;南車株洲所高海拔型風(fēng)力發(fā)電機(jī)組入主貴州[A];《電站信息》2012年第9期[C];2012年

8 李龍剛;馬強(qiáng);許斌;;風(fēng)力發(fā)電機(jī)組鑄件解析[A];中國(guó)農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2013年度論文集（上）[C];2013年

9 李衛(wèi)東;丁鈞;孫樵;;幾種常見風(fēng)力發(fā)電機(jī)組的對(duì)比分析[A];中國(guó)農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2013年度論文集（上）[C];2013年

10 莊嚴(yán);紀(jì)國(guó)瑞;王峰;;風(fēng)力發(fā)電機(jī)組的防雷與接地工藝設(shè)計(jì)(上)[A];中國(guó)農(nóng)業(yè)機(jī)械工業(yè)協(xié)會(huì)風(fēng)能設(shè)備分會(huì)2013年度論文集（上）[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 黃欣　李敏蕾;風(fēng)力發(fā)電機(jī)組進(jìn)口乘“風(fēng)”上揚(yáng)[N];科技日?qǐng)?bào);2007年

2 記者楊星;在我市合作開發(fā)風(fēng)力發(fā)電機(jī)組[N];鄂爾多斯日?qǐng)?bào);2009年

3 許元強(qiáng);宜興首臺(tái)風(fēng)力發(fā)電機(jī)組成功發(fā)電[N];無(wú)錫日?qǐng)?bào);2010年

4 記者 楊娜;西安金風(fēng)首批風(fēng)力發(fā)電機(jī)組下線[N];中國(guó)電力報(bào);2010年

5 龍聞;朝陽(yáng)遠(yuǎn)大風(fēng)力發(fā)電機(jī)組項(xiàng)目進(jìn)展迅速[N];朝陽(yáng)日?qǐng)?bào);2010年

6 通訊員 狄偉;新型高效風(fēng)力發(fā)電機(jī)組項(xiàng)目落戶高新區(qū)[N];萊蕪日?qǐng)?bào);2010年

7 陳曉建;我國(guó)首臺(tái)1.5兆瓦風(fēng)力發(fā)電機(jī)組下線[N];中國(guó)質(zhì)量報(bào);2007年

8 本報(bào)記者 賴文忠;讓風(fēng)力發(fā)電機(jī)組寫上“福建制造”[N];福建日?qǐng)?bào);2007年

9 通訊員 吳瑞芳;30萬(wàn)千瓦風(fēng)力發(fā)電機(jī)組制造項(xiàng)目落戶賽罕區(qū)[N];呼和浩特日?qǐng)?bào)(漢);2006年

10 記者 楊石明;風(fēng)力發(fā)電機(jī)組生產(chǎn)項(xiàng)目落戶高新區(qū)[N];益陽(yáng)日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 張寅;液壓型風(fēng)力發(fā)電機(jī)組功率平滑控制研究[D];燕山大學(xué);2016年

2 陶慶;兆瓦級(jí)風(fēng)能發(fā)電機(jī)組整機(jī)及關(guān)鍵部件動(dòng)態(tài)特性研究[D];新疆大學(xué);2015年

3 謝洪放;漂浮式海上風(fēng)力發(fā)電機(jī)組載荷控制研究[D];沈陽(yáng)工業(yè)大學(xué);2017年

4 吳宏鋼;風(fēng)力發(fā)電機(jī)組振動(dòng)檢測(cè)及噪聲評(píng)估研究[D];重慶大學(xué);2010年

5 劉軍;風(fēng)力發(fā)電機(jī)組控制策略優(yōu)化與實(shí)驗(yàn)平臺(tái)研究[D];重慶大學(xué);2011年

6 金鑫;風(fēng)力發(fā)電機(jī)組系統(tǒng)建模與仿真研究[D];重慶大學(xué);2007年

7 盧YmtD;風(fēng)力發(fā)電機(jī)組動(dòng)力模型及循環(huán)變槳控制策略研究[D];沈陽(yáng)工業(yè)大學(xué);2012年

8 何偉;湍流風(fēng)場(chǎng)模擬與風(fēng)力發(fā)電機(jī)組載荷特性研究[D];華北電力大學(xué);2013年

9 劉樺;風(fēng)電機(jī)組系統(tǒng)動(dòng)力學(xué)模型及關(guān)鍵零部件優(yōu)化研究[D];重慶大學(xué);2009年

10 陳廣華;風(fēng)力發(fā)電機(jī)組組合式葉片結(jié)構(gòu)設(shè)計(jì)研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 丁顯;基于振動(dòng)和載荷監(jiān)測(cè)的風(fēng)力發(fā)電機(jī)組失效分析[D];華北電力大學(xué);2012年

2 葉壯壯;液壓型落地式風(fēng)力發(fā)電機(jī)組主傳動(dòng)系統(tǒng)特性與穩(wěn)速控制研究[D];燕山大學(xué);2015年

3 張磊;用于數(shù)值仿真的風(fēng)電場(chǎng)等值模型的研究[D];哈爾濱工業(yè)大學(xué);2015年

4 林培能;風(fēng)力發(fā)電機(jī)組模型三維建模及三維打印技術(shù)研究[D];華北電力大學(xué);2015年

5 尹琪東;基于傳動(dòng)調(diào)速的變速恒頻風(fēng)電機(jī)組設(shè)計(jì)方案的初步研究[D];華北電力大學(xué);2015年

6 桑柏超;永磁直驅(qū)風(fēng)力發(fā)電機(jī)組建模仿真研究[D];華北電力大學(xué);2015年

7 李娟;計(jì)及控制系統(tǒng)PI參數(shù)影響的雙饋風(fēng)電機(jī)組暫態(tài)特性的研究[D];華北電力大學(xué);2015年

8 曹濱;風(fēng)力發(fā)電機(jī)組仿真軟件FAST的二次開發(fā)[D];電子科技大學(xué);2014年

9 劉江濤;浮動(dòng)式風(fēng)力發(fā)電機(jī)組獨(dú)立變槳控制技術(shù)研究[D];新疆大學(xué);2015年

10 孫廣;2MW風(fēng)力發(fā)電機(jī)組變槳傳動(dòng)系統(tǒng)設(shè)計(jì)研究[D];大連理工大學(xué);2015年

，

本文編號(hào)：2000821