基于EMD和SVM技術(shù)風(fēng)電齒輪箱早期故障診斷研究.pdf

1、風(fēng)能作為一種蘊(yùn)藏量豐富的自然資源，因其使用便捷、可再生、成本低、無(wú)污染等特點(diǎn)，在世界范圍內(nèi)得到了較為廣泛的使用和迅速發(fā)展，發(fā)展?jié)摿薮?。我?guó)的風(fēng)力發(fā)電技術(shù)起步較晚，但發(fā)展迅速。以前風(fēng)力發(fā)電機(jī)組全部靠進(jìn)口，在90年代后，引進(jìn)國(guó)外先進(jìn)的風(fēng)力發(fā)電機(jī)組的總體設(shè)計(jì)和制造技術(shù)，并在消化、吸收的基礎(chǔ)上優(yōu)化、創(chuàng)新。近幾年對(duì)風(fēng)電機(jī)組主要部件的故障統(tǒng)計(jì)中，由齒輪箱、發(fā)電機(jī)、葉片引起的故障是風(fēng)電機(jī)組故障的主要原因，其中齒輪箱的故障發(fā)生率在逐年增高，故障百分比

2、已超過(guò)60％，是機(jī)組中故障發(fā)生率最高的部件。齒輪箱的狀態(tài)監(jiān)測(cè)與故障診斷已迫在眉睫。
　　 風(fēng)電齒輪箱早期故障形式有磨損，齒面膠合，齒面接觸疲勞和斷齒。常用的故障診斷方法有時(shí)域法，頻域法，包絡(luò)分析，階比分析，倒譜，三維圖和全息譜。這些方法在風(fēng)電齒輪箱早期故障識(shí)別研究中有各自的優(yōu)點(diǎn)，但是都不能去全面的去判斷是否是故障信號(hào)。
　　 本文則探討了使用EMD和SVM相結(jié)合的方法對(duì)信號(hào)進(jìn)行特征提取，并用實(shí)驗(yàn)驗(yàn)證了該方法的可行性。分別

3、在10Hz、15Hz、20Hz以及25Hz的條件下進(jìn)行實(shí)驗(yàn)，首先采集齒輪在正常狀態(tài)、輕度磨損狀態(tài)及稍重磨損狀態(tài)下運(yùn)行時(shí)的數(shù)據(jù)，接著基于MATLAB平臺(tái)計(jì)算其EMD特征單分量的均方根值，最后運(yùn)用支持向量機(jī)這一智能識(shí)別方法進(jìn)行分類和識(shí)別。從實(shí)驗(yàn)結(jié)果來(lái)看，分類的正確率是很高的，從而驗(yàn)證了該方法的正確性，為齒輪箱的故障診斷提供了一個(gè)嶄新的思路。
　　 為了能與實(shí)際工程相結(jié)合，本文以LabVIEW這一圖形化編程語(yǔ)言為開(kāi)發(fā)平臺(tái)，運(yùn)用EMD和