風(fēng)力發(fā)電機(jī)振動(dòng)信號(hào)采集分析儀與診斷方法研究.pdf

1、風(fēng)力發(fā)電機(jī)在運(yùn)行過(guò)程中故障時(shí)有發(fā)生，這些故障中有許多是可以通過(guò)故障診斷和狀態(tài)監(jiān)測(cè)來(lái)避免的。針對(duì)風(fēng)力發(fā)電機(jī)振動(dòng)信號(hào)采集的特殊性，本文基于LabVIEW平臺(tái)設(shè)計(jì)了風(fēng)力發(fā)電機(jī)振動(dòng)信號(hào)采集分析儀。系統(tǒng)具有自動(dòng)記錄等功能，可以較好地應(yīng)用到現(xiàn)場(chǎng)風(fēng)力發(fā)電機(jī)的振動(dòng)信號(hào)采集中。實(shí)驗(yàn)分析結(jié)果表明了系統(tǒng)的有效性。另外，由于滾動(dòng)軸承在風(fēng)力發(fā)電機(jī)中扮演著重要的角色，對(duì)其進(jìn)行故障診斷研究具有重要的現(xiàn)實(shí)意義。
　　本研究主要內(nèi)容包括：⑴針對(duì)經(jīng)驗(yàn)小波變換(EWT

2、)在強(qiáng)背景噪聲下對(duì)軸承的輕微故障特征提取不足的問(wèn)題，提出了概率主成分分析(PPCA)結(jié)合EWT的滾動(dòng)軸承輕微故障診斷方法。該方法能夠有效地去除強(qiáng)背景噪聲干擾，提取信號(hào)故障特征且效果優(yōu)于對(duì)信號(hào)進(jìn)行EWT包絡(luò)分析。⑵針對(duì)PPCA算法中兩參數(shù)需人工選擇的問(wèn)題，提出了一種新的自適應(yīng)概率主成分分析(APPCA)的軸承故障特征增強(qiáng)方法。為了自適應(yīng)實(shí)現(xiàn)最佳分析結(jié)果，利用粒子群算法多參數(shù)尋優(yōu)特性，根據(jù)最大峭度準(zhǔn)則確定影響PPCA的最佳影響參數(shù)組合。仿真