本文關(guān)鍵詞：基于時(shí)頻流形的風(fēng)力發(fā)電機(jī)軸承軸電流故障診斷與預(yù)測(cè)方法

  更多相關(guān)文章： 軸承軸電流 時(shí)頻分析 流形學(xué)習(xí) 多尺度子帶 故障診斷和預(yù)測(cè)

【摘要】：軸承一直是風(fēng)力發(fā)電機(jī)中不可缺少的核心部件,在風(fēng)力發(fā)電機(jī)運(yùn)行中起著至關(guān)重要的作用。隨著清潔能源的大量使用,風(fēng)力發(fā)電機(jī)已經(jīng)朝著大型化、復(fù)雜化的方向發(fā)展。當(dāng)風(fēng)力發(fā)電機(jī)軸承的電絕緣層磨損、載荷突變或者遭受雷擊等極端天氣時(shí),發(fā)電機(jī)軸電流問(wèn)題就變得非常突出,進(jìn)而影響風(fēng)力發(fā)電機(jī)正常運(yùn)行,若不及時(shí)處理,可能會(huì)引發(fā)風(fēng)電機(jī)組整機(jī)失效,造成巨大的經(jīng)濟(jì)損失。相比于軸承普通故障振動(dòng)信號(hào),軸承軸電流故障振動(dòng)信號(hào)具有多重調(diào)制特征,傳統(tǒng)時(shí)頻分析方法很難準(zhǔn)確識(shí)別其故障特征并進(jìn)行故障預(yù)警,論文因此提出多尺度子帶流形保持故障診斷算法和子帶流形二次均方根的軸承損傷預(yù)測(cè)方法,實(shí)驗(yàn)證明提出的方法有很好的效果。主要研究工作如下:(1)探討了風(fēng)力發(fā)電機(jī)軸承的軸電流損傷過(guò)程,分析了軸承軸電流損傷后的軸承振動(dòng)信號(hào)的時(shí)域和頻域特征,發(fā)現(xiàn)相對(duì)滾動(dòng)軸承普通故障的振動(dòng)信號(hào)特征而言,軸電流損傷軸承由于內(nèi)圈、外圈和滾動(dòng)體均有損壞,故障振動(dòng)信號(hào)頻譜難以發(fā)現(xiàn)單一故障的特征頻率,具有多重調(diào)制特征;(2)提出一種多尺度子帶流形保持故障診斷算法,首先對(duì)故障信號(hào)進(jìn)行小波包分解,得到多尺度信號(hào),再對(duì)多尺度信號(hào)進(jìn)行子帶分解,得到多尺度子帶信號(hào),并提取多尺度子帶信號(hào)的樣本熵,初步得到故障信號(hào)的特征值,對(duì)故障信號(hào)特征值進(jìn)行平滑偽Wigner-Ville分布,再對(duì)其進(jìn)行局部保持投影(LPP)流形學(xué)習(xí)降維,提取故障信號(hào)最終的時(shí)頻流形故障特征,并用軸承故障信號(hào)對(duì)該方法進(jìn)行驗(yàn)證,結(jié)果證明該方法對(duì)軸承的多類故障識(shí)別具有很好的效果;(3)提出一種基于子帶流形二次均方根的軸承損傷預(yù)測(cè)方法,首先對(duì)故障信號(hào)進(jìn)行小波包分解,提取多尺度信號(hào),再對(duì)每一個(gè)多尺度信號(hào)進(jìn)行流形學(xué)習(xí)降維,提取流形子帶信號(hào),再對(duì)每一個(gè)流形子帶信號(hào)進(jìn)行二次均方根值提取,得到故障信號(hào)的預(yù)測(cè)特征值,并利用自適應(yīng)反向傳播(BP)神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行預(yù)測(cè),用軸承故障仿真信號(hào)對(duì)該方法進(jìn)行驗(yàn)證,結(jié)果表明該方法對(duì)軸承復(fù)雜故障具有很好的預(yù)測(cè)效果;(4)搭建軸承軸電流損傷模擬試驗(yàn)臺(tái),提取不同階段軸承的軸電流損傷故障振動(dòng)信號(hào),對(duì)論文提出的時(shí)頻流形故障診斷和狀態(tài)預(yù)測(cè)方法進(jìn)行驗(yàn)證,結(jié)果表明基于多尺度子帶流形保持故障診斷算法能有效識(shí)別軸承軸電流損傷故障,識(shí)別準(zhǔn)確率可達(dá)96%,基于子帶流形二次均方根的軸承損傷預(yù)測(cè)方法可有效預(yù)測(cè)軸承軸電流損傷狀態(tài),預(yù)測(cè)誤差低于4.33%。
【學(xué)位授予單位】：湖南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM315

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張曉濤;唐力偉;王平;鄧士杰;;基于多尺度正交PCA-LPP流形學(xué)習(xí)算法的故障特征增強(qiáng)方法[J];振動(dòng)與沖擊;2015年13期

2 韓昕鋒;任立坤;;基于神經(jīng)網(wǎng)絡(luò)的軸承故障預(yù)測(cè)模型[J];海軍航空工程學(xué)院學(xué)報(bào);2015年03期

3 張曉濤;唐力偉;王平;鄧士杰;;基于多尺度局部保持投影的軸承故障特征增強(qiáng)方法[J];噪聲與振動(dòng)控制;2014年06期

4 潘海洋;楊宇;李永國(guó);程軍圣;;基于流形學(xué)習(xí)和改進(jìn)VPMCD的滾動(dòng)軸承故障診斷方法[J];振動(dòng)工程學(xué)報(bào);2014年06期

5 陳國(guó)強(qiáng);陳國(guó)忠;徐明;張杰;高坡;劉志強(qiáng);;風(fēng)力發(fā)電機(jī)軸電壓軸電流對(duì)軸承影響及改進(jìn)措施[J];神華科技;2014年05期

6 向丹;葛爽;;基于EMD樣本熵-LLTSA的故障特征提取方法[J];航空動(dòng)力學(xué)報(bào);2014年07期

7 鄭海波;;風(fēng)電機(jī)組振動(dòng)監(jiān)測(cè)案例分析[J];風(fēng)能;2014年07期

8 向丹;葛爽;;一種基于小波包樣本熵和流形學(xué)習(xí)的故障特征提取模型[J];振動(dòng)與沖擊;2014年11期

9 黃仁;梁笑;;基于多尺度子帶劃分的霧霾天氣圖像增強(qiáng)方法[J];計(jì)算機(jī)應(yīng)用;2014年S1期

10 宋濤;湯寶平;李鋒;;基于流形學(xué)習(xí)和K-最近鄰分類器的旋轉(zhuǎn)機(jī)械故障診斷方法[J];振動(dòng)與沖擊;2013年05期

，

本文編號(hào)：1171902