風(fēng)力發(fā)電機狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研究與實現(xiàn).pdf

1、風(fēng)力發(fā)電主要依靠風(fēng)力發(fā)電機組的持續(xù)安全運行，由于只能在有風(fēng)的區(qū)域建設(shè)風(fēng)力發(fā)電機，而且高空風(fēng)的風(fēng)向和風(fēng)速多變，這使得風(fēng)力發(fā)電機組長期處于變負(fù)荷運行工況下。而且在風(fēng)比較大的區(qū)域，風(fēng)機的工作環(huán)境更為惡劣。在如此不利的工況下，風(fēng)力發(fā)電機組故障的發(fā)生幾率會變大。而且隨著近些年風(fēng)電的發(fā)展，許多風(fēng)電設(shè)備制造商開始越來越關(guān)注風(fēng)電機組的安全運行，這對風(fēng)電機組狀態(tài)監(jiān)測和故障診斷系統(tǒng)提出了較高的要求。除此之外，由于風(fēng)能行業(yè)的固有特點，風(fēng)機在風(fēng)場中分布范圍是十

2、分廣泛的，而且正常運行情況下是無人值守的，這使得風(fēng)機在發(fā)生故障時無法及時得到修復(fù)。因此，針對風(fēng)力發(fā)電機故障診斷方法的研究具有實際意義，這不僅可以提高風(fēng)機的可靠性和可利用小時數(shù)，而且風(fēng)電場的運行維護費用也可以得到最大限度的下降，所以這在實際的風(fēng)電生產(chǎn)中有較高的工程實際意義。
　　一般故障診斷技術(shù)大致分為三類:1.傳統(tǒng)意義上的診斷方法。2.數(shù)學(xué)診斷方法。3.智能診斷方法。本文采用智能診斷方法對故障進行診斷，由于智能診斷方法不需要精確的

3、數(shù)學(xué)模型，所以本文采用這種方法對齒輪箱震動信號的分析識別，整個判斷過程由計算機程序完成，程序自己完成對故障類型和故障位置的確定。其中，智能診斷方法主要有:專家系統(tǒng)、模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)、智能算法、支持向量機等等。每一種智能算法都有自己的優(yōu)缺點，都有自己所擅長的模型。所以，本章提出了一種基于改進型果蠅算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的智能齒輪箱故障診斷方法，并且使用了現(xiàn)場的實測數(shù)據(jù)進行了故障診斷仿真和分析對比。
　　本文全面的分析介紹了風(fēng)電行業(yè)在

4、國內(nèi)外的發(fā)展現(xiàn)狀和趨勢，并且對風(fēng)力發(fā)電機組的結(jié)構(gòu)和工作原理進行了簡單的說明介紹。重點針對風(fēng)力發(fā)電機組故障上的發(fā)生機理進行介紹和分析，其中詳細(xì)的分析研究了齒輪箱的故障模型。并根據(jù)通過振動傳感器采集到的風(fēng)電機組齒輪箱振動信號的固有特點，按順序依次采用最小二乘法消除振動樣本數(shù)據(jù)的趨勢項;五點三次法消除振動樣本數(shù)據(jù)的尖峰使得數(shù)據(jù)更加平滑;小波分解法消除振動樣本數(shù)據(jù)中的高頻噪聲。最后采用小波包法提取了振動信號中的頻帶能量，并以此作為信號的特征向量