風(fēng)電傳動(dòng)系統(tǒng)滾動(dòng)軸承故障診斷研究.pdf

1、能源是人類生存和發(fā)展的基石，在當(dāng)前能源可持續(xù)發(fā)展與嚴(yán)峻環(huán)境問(wèn)題的雙重背景下，風(fēng)能作為一種取之不盡、用之不竭的可再生清潔能源，近十幾年來(lái)在全球范圍內(nèi)得到了高度重視。與此同時(shí)，我國(guó)風(fēng)電行業(yè)也持續(xù)高速發(fā)展，目前已成為繼火電和水電之后的第三大主力電源。
　　在風(fēng)電快速發(fā)展的同時(shí)，風(fēng)電機(jī)組運(yùn)行故障問(wèn)題也日益成為關(guān)注的焦點(diǎn)。我國(guó)已投運(yùn)風(fēng)電機(jī)組正逐步進(jìn)入故障高發(fā)階段，已出現(xiàn)了大量齒輪箱損壞、葉片裂紋、電機(jī)著火、控制失靈等事故。風(fēng)電機(jī)組故障的發(fā)生

2、不僅嚴(yán)重影響發(fā)電量，而且大大增加了風(fēng)電場(chǎng)維護(hù)成本，嚴(yán)重?fù)p害了風(fēng)電場(chǎng)的經(jīng)濟(jì)效益。因此，對(duì)故障征兆準(zhǔn)確預(yù)警、對(duì)故障的發(fā)展密切監(jiān)測(cè)、及時(shí)采取措施避免設(shè)備重大故障的發(fā)生已成為我國(guó)風(fēng)電行業(yè)面臨的重大而緊迫的研究課題。
　　主軸承（滾動(dòng)軸承）作為風(fēng)電機(jī)組傳動(dòng)系統(tǒng)中易發(fā)故障的部件之一，其故障檢測(cè)與診斷是風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估的重要內(nèi)容。由于風(fēng)力機(jī)轉(zhuǎn)速低，主軸承發(fā)生故障時(shí)振動(dòng)信號(hào)不明顯，加上軸系振動(dòng)的干擾，尤其在故障初期，有效的故障振動(dòng)信號(hào)很容易淹

3、沒(méi)在干擾噪聲中。因此，研究如何提取穩(wěn)健有效的滾動(dòng)軸承故障特征參數(shù)具有重要的現(xiàn)實(shí)意義。
　　本文搭建了風(fēng)電傳動(dòng)系統(tǒng)試驗(yàn)臺(tái)，在試驗(yàn)臺(tái)上分別模擬了正常軸承、內(nèi)圈不同尺度裂紋故障軸承在不同轉(zhuǎn)速和不同負(fù)載下的運(yùn)行情況，主要研究工作如下:
　　(1)提出了改進(jìn)的希爾伯特黃變換(Hilbert-Huang Transformation，HHT)方法，通過(guò)仿真驗(yàn)證了該方法的有效性。將改進(jìn)的HHT方法結(jié)合模糊熵理論用于不同工況、不同狀態(tài)軸承的

4、振動(dòng)信號(hào)時(shí)頻域分析，有效地提取出了軸承的故障特征。
　　(2)將度量信號(hào)序列混亂程度的本征模態(tài)函數(shù)（Intrinsic Mode Function，IMF）信息熵作為滾動(dòng)軸承故障特征參數(shù)，并將該參數(shù)與時(shí)域參數(shù)峭度指標(biāo)和頻域參數(shù)功率譜重心指標(biāo)組合為由經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)得到的特定IMF的特征參數(shù)集，使用核主元分析法(Kernel Principal Component An

5、alysis，KPCA)降維后送入到經(jīng)粒子群算法(Particle Swarm Optimization，PSO)優(yōu)化后的支持向量機(jī)(Support Vector Machine，SVM)模型中訓(xùn)練，用訓(xùn)練好的模型對(duì)新測(cè)數(shù)據(jù)進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，該模型具有良好的識(shí)別性能。
　　(3)采用聲發(fā)射技術(shù)對(duì)滾動(dòng)軸承的故障特征進(jìn)行了研究。將不同工況下不同故障狀態(tài)軸承的聲發(fā)射信號(hào)導(dǎo)入了波形流文件，通過(guò)波形流及功率譜分析了不同故障狀態(tài)下滾動(dòng)軸