本文選題：風(fēng)電機組 + 齒輪箱�。� 參考：《華北電力大學(xué)》2012年碩士論文

【摘要】：齒輪箱是風(fēng)電機組傳動系統(tǒng)的重要組成部分,也是風(fēng)電機組中故障率較高的部件之一。由齒輪箱故障引起的機組停運事件時有發(fā)生,由此帶來的直接和間接損失也越來越大。由于其安裝位置狹小,又位于高空作業(yè),一旦發(fā)生故障,維修非常困難。因此對風(fēng)電機組齒輪箱故障進行快速準(zhǔn)確診斷并正確處理具有很大的現(xiàn)實意義和經(jīng)濟價值。本文以風(fēng)電機組齒輪箱為研究對象,對其故障診斷方法進行了研究。 在人工智能技術(shù)不斷發(fā)展,并逐步滲透到機械故障診斷領(lǐng)域的背景下,提出了基于故障樹分析法的專家系統(tǒng)故障診斷與基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN, General Regression Neural Network)故障診斷相結(jié)合的風(fēng)電機組齒輪箱故障診斷方法。 在對風(fēng)電機組齒輪箱零部件的失效形式進行整理并剖析其失效機理的基礎(chǔ)上,繪制了風(fēng)電機組齒輪箱故障樹；將故障樹知識以分級存儲方式存儲到數(shù)據(jù)庫,構(gòu)建了知識庫；以反向推理方式設(shè)計了推理流程,建立了推理機。 通過分別在時域和頻域內(nèi)對風(fēng)電機組齒輪箱正常、齒面磨損、輪齒折斷三種典型故障狀態(tài)下的振動信號進行分析,提取了裕度指標(biāo)、峭度指標(biāo)、峰值指標(biāo)、脈沖指標(biāo)和功率譜熵五個特征參數(shù)作為廣義回歸神經(jīng)網(wǎng)絡(luò)的輸入并對網(wǎng)絡(luò)進行訓(xùn)練,建立了基于廣義回歸神經(jīng)網(wǎng)絡(luò)的風(fēng)電機組齒輪箱故障狀態(tài)識別模型。 通過使用預(yù)留的振動信號對基于廣義回歸神經(jīng)網(wǎng)絡(luò)的故障診斷模型進行檢測,發(fā)現(xiàn)診斷結(jié)果與實際狀況具有良好的一致性；通過使用系統(tǒng)的搜索查詢功能,維修人員可以根據(jù)基于故障樹分析法的專家系統(tǒng)故障診斷迅速找到故障原因以及專家級解決方案。 實驗表明,該系統(tǒng)能夠以振動信號為依據(jù)對風(fēng)電機組齒輪箱故障進行準(zhǔn)確有效的狀態(tài)識別；能夠?qū)σ阎收线M行快速診斷并給出專家級解決方案。因此,該系統(tǒng)有利于維修人員實現(xiàn)對風(fēng)電機組齒輪箱故障的精確、快速診斷與維修。
[Abstract]:Gearbox is an important part of wind turbine transmission system and one of the components with high failure rate.The outage of the unit caused by the gearbox failure occurs from time to time, and the direct and indirect losses are becoming larger and larger.Due to its small installation position and high altitude operation, once the failure, maintenance is very difficult.Therefore, it is of great practical significance and economic value to diagnose the gearbox fault of wind turbine unit quickly and accurately and deal with it correctly.In this paper, the fault diagnosis method of wind turbine gearbox is studied.In the context of the continuous development of artificial intelligence technology and the gradual infiltration into the field of mechanical fault diagnosis,A fault diagnosis method for wind turbine gearbox based on expert system fault diagnosis based on fault tree analysis and fault diagnosis based on generalized regression neural network (General Regression Neural Network) is presented.On the basis of sorting out the failure form of gear box parts of wind turbine unit and analyzing its failure mechanism, the fault tree of wind turbine gear box is drawn, the knowledge of fault tree is stored in database by hierarchical storage, and the knowledge base is constructed.The reasoning process is designed and the inference engine is established by reverse reasoning.By analyzing the vibration signals of wind turbine gearbox in time domain and frequency domain respectively under three typical fault states: normal gear box, tooth surface wear and gear tooth fracture, the margin index, kurtosis index and peak value index are extracted.Five characteristic parameters of impulse index and power spectrum entropy are used as input of generalized regression neural network and trained in the network. A fault state identification model of wind turbine gearbox based on generalized regression neural network is established.By using the reserved vibration signal to detect the fault diagnosis model based on the generalized regression neural network, it is found that the diagnosis results are in good agreement with the actual situation.According to the fault tree analysis, the maintainers can quickly find the fault cause and the expert level solution.The experimental results show that the system can accurately and effectively identify the gearbox faults based on the vibration signal, diagnose the known faults quickly and give an expert level solution.Therefore, the system is beneficial to the maintenance personnel to achieve accurate, rapid diagnosis and maintenance of wind turbine gearbox faults.
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王軼,馮曉云;基于故障樹的電力機車故障診斷專家系統(tǒng)[J];電力機車與城軌車輛;2004年06期

2 鄧文輝;李艷琴;;FTA法在電力設(shè)備可靠性維修中的應(yīng)用[J];電氣開關(guān);2010年06期

3 林淵;肖峰;鄭賓;侯文;;小波變換閾值降噪方法及在武器自動機數(shù)據(jù)處理中的應(yīng)用[J];電子測量技術(shù);2009年01期

4 陳文欽;王強;李波;;基于故障樹的知識存儲及診斷系統(tǒng)[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2010年02期

5 劉世元,杜潤生,楊叔子;基于小波包分析的內(nèi)燃機振動診斷方法研究[J];華中理工大學(xué)學(xué)報;1999年08期

6 劉曉波;黃其柏;;水輪發(fā)電機組故障診斷模糊專家系統(tǒng)研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2006年01期

7 余愚;孫海山;蔣永華;;液壓系統(tǒng)齒輪泵故障樹分析[J];機床與液壓;2007年09期

8 張來斌;崔厚璽;王朝暉;段禮祥;;基于信息熵神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機故障診斷方法研究[J];機械強度;2009年01期

9 申_",黃樹紅,韓守木,楊叔子;旋轉(zhuǎn)機械振動信號的信息熵特征[J];機械工程學(xué)報;2001年06期

10 陳永旺;;故障樹分析法在16V280柴油機燃油系統(tǒng)故障診斷中的應(yīng)用[J];機械研究與應(yīng)用;2010年03期

相關(guān)博士學(xué)位論文 前1條

1 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學(xué);2006年

相關(guān)碩士學(xué)位論文 前8條

1 張亮;風(fēng)力發(fā)電機組齒輪箱早期故障診斷方法研究[D];大連理工大學(xué);2010年

2 華朋云;煤礦設(shè)備故障數(shù)據(jù)管理系統(tǒng)與故障診斷系統(tǒng)的研究與開發(fā)[D];西安電子科技大學(xué);2011年

3 王夢卿;基于神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷專家系統(tǒng)[D];東北大學(xué);2005年

4 李艷蘭;異步電動機電氣故障的識別與診斷[D];太原理工大學(xué);2005年

5 楊朝暉;基于BP算法的知識獲取系統(tǒng)的研究與實現(xiàn)[D];貴州大學(xué);2006年

6 于婷婷;基于BP神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[D];大連理工大學(xué);2008年

7 邱人杰;網(wǎng)上輔導(dǎo)授課系統(tǒng)[D];華東師范大學(xué);2009年

8 姜攀;基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電機組控制系統(tǒng)故障診斷研究[D];華北電力大學(xué)（北京）;2010年

，

本文編號：1766435