風(fēng)電傳動系統(tǒng)滾動軸承故障診斷研究.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，近十幾年來在全球范圍內(nèi)得到了高度重視。與此同時，我國風(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，風(fēng)電機組運行故障問題也日益成為關(guān)注的焦點。我國已投運風(fēng)電機組正逐步進入故障高發(fā)階段，已出現(xiàn)了大量齒輪箱損壞、葉片裂紋、電機著火、控制失靈等事故。風(fēng)電機組故障的發(fā)生

2、不僅嚴(yán)重影響發(fā)電量，而且大大增加了風(fēng)電場維護成本，嚴(yán)重損害了風(fēng)電場的經(jīng)濟效益。因此，對故障征兆準(zhǔn)確預(yù)警、對故障的發(fā)展密切監(jiān)測、及時采取措施避免設(shè)備重大故障的發(fā)生已成為我國風(fēng)電行業(yè)面臨的重大而緊迫的研究課題。
　　主軸承（滾動軸承）作為風(fēng)電機組傳動系統(tǒng)中易發(fā)故障的部件之一，其故障檢測與診斷是風(fēng)電機組運行狀態(tài)評估的重要內(nèi)容。由于風(fēng)力機轉(zhuǎn)速低，主軸承發(fā)生故障時振動信號不明顯，加上軸系振動的干擾，尤其在故障初期，有效的故障振動信號很容易淹

3、沒在干擾噪聲中。因此，研究如何提取穩(wěn)健有效的滾動軸承故障特征參數(shù)具有重要的現(xiàn)實意義。
　　本文搭建了風(fēng)電傳動系統(tǒng)試驗臺，在試驗臺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)速和不同負載下的運行情況，主要研究工作如下:
　　(1)提出了改進的希爾伯特黃變換(Hilbert-Huang Transformation，HHT)方法，通過仿真驗證了該方法的有效性。將改進的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、振動信號時頻域分析，有效地提取出了軸承的故障特征。
　　(2)將度量信號序列混亂程度的本征模態(tài)函數(shù)（Intrinsic Mode Function，IMF）信息熵作為滾動軸承故障特征參數(shù)，并將該參數(shù)與時域參數(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?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(Support Vector Machine，SVM)模型中訓(xùn)練，用訓(xùn)練好的模型對新測數(shù)據(jù)進行識別。實驗結(jié)果表明，該模型具有良好的識別性能。
　　(3)采用聲發(fā)射技術(shù)對滾動軸承的故障特征進行了研究。將不同工況下不同故障狀態(tài)軸承的聲發(fā)射信號導(dǎo)入了波形流文件，通過波形流及功率譜分析了不同故障狀態(tài)下滾動軸