基于齒輪箱數(shù)據(jù)處理的故障預警與診斷系統(tǒng).pdf

1、針對風電齒輪箱故障診斷的特點----關聯(lián)性強，海量運行數(shù)據(jù)，變量多等，在分析齒輪箱故障時，不能單一地只針對發(fā)生故障的部件進行故障分析，而需要考慮齒輪箱內(nèi)部各部件的相關性，并建立動態(tài)，多變量的模型進行分析。因此，處理齒輪箱的海量數(shù)據(jù)和準確而迅速的排除潛在故障對于齒輪箱的安全運行意義重大。針對這些問題本文做了如下工作：
　　第一，本文對近年來的狀態(tài)監(jiān)測方法和故障預警及診斷技術進行了系統(tǒng)、全面的分析與研究，指出神經(jīng)網(wǎng)絡建模是需要耗時的學

2、習過程，學習樣本的選擇缺乏依據(jù)，并且基于神經(jīng)網(wǎng)絡的故障診斷方法會遇到整理專家經(jīng)驗困難等問題；通過小波分析方法處理高速采集的振動信號與實際齒輪箱的運行狀態(tài)有較大差別，并且振動信號存在難以提取和外部干擾過多等缺陷；基于 FTA的故障診斷方法隨著系統(tǒng)復雜程度的提高，根據(jù)規(guī)則進行推理的速度就會變慢，無法及時提供診斷結果。
　　第二，針對齒輪箱的狀態(tài)監(jiān)測方法中遇到的問題，本文提出一種以易于采集的油溫信號來分析齒輪箱故障的方法。通過分析齒輪箱

3、溫度的變化趨勢，建立非線性狀態(tài)估計(NSET)溫度預測模型，再根據(jù)統(tǒng)計的殘差變化，與通過驗證集合確定出的殘差均值和標準差的故障閾值作對比，預測潛在故障，優(yōu)化運行。
　　第三，根據(jù)非線性狀態(tài)估計法預測出的齒輪箱油溫、油壓異常故障，結合齒輪箱的故障實例，通過將FTA和BAM融合在一起，將經(jīng)過FTA去除冗余故障數(shù)據(jù)之后的獨立、正交的故障數(shù)據(jù)作為訓練樣本，提供給BAM網(wǎng)絡進行訓練，結合分析與總結故障征兆、故障模式和故障原因之間的對應關系，