面向風(fēng)電機(jī)組齒輪箱的故障診斷系統(tǒng)研究.pdf

1、齒輪箱是風(fēng)電機(jī)組傳動(dòng)系統(tǒng)的重要組成部分,也是風(fēng)電機(jī)組中故障率較高的部件之一。由齒輪箱故障引起的機(jī)組停運(yùn)事件時(shí)有發(fā)生,由此帶來(lái)的直接和間接損失也越來(lái)越大。由于其安裝位置狹小,又位于高空作業(yè),一旦發(fā)生故障,維修非常困難。因此對(duì)風(fēng)電機(jī)組齒輪箱故障進(jìn)行快速準(zhǔn)確診斷并正確處理具有很大的現(xiàn)實(shí)意義和經(jīng)濟(jì)價(jià)值。本文以風(fēng)電機(jī)組齒輪箱為研究對(duì)象,對(duì)其故障診斷方法進(jìn)行了研究。
　　 在人工智能技術(shù)不斷發(fā)展,并逐步滲透到機(jī)械故障診斷領(lǐng)域的背景下,提出了

2、基于故障樹分析法的專家系統(tǒng)故障診斷與基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN,GeneralRegressionNeuralNetwork)故障診斷相結(jié)合的風(fēng)電機(jī)組齒輪箱故障診斷方法。
　　 在對(duì)風(fēng)電機(jī)組齒輪箱零部件的失效形式進(jìn)行整理并剖析其失效機(jī)理的基礎(chǔ)上,繪制了風(fēng)電機(jī)組齒輪箱故障樹;將故障樹知識(shí)以分級(jí)存儲(chǔ)方式存儲(chǔ)到數(shù)據(jù)庫(kù),構(gòu)建了知識(shí)庫(kù);以反向推理方式設(shè)計(jì)了推理流程,建立了推理機(jī)。
　　 通過(guò)分別在時(shí)域和頻域內(nèi)對(duì)風(fēng)電機(jī)組齒輪箱正

3、常、齒面磨損、輪齒折斷三種典型故障狀態(tài)下的振動(dòng)信號(hào)進(jìn)行分析,提取了裕度指標(biāo)、峭度指標(biāo)、峰值指標(biāo)、脈沖指標(biāo)和功率譜熵五個(gè)特征參數(shù)作為廣義回歸神經(jīng)網(wǎng)絡(luò)的輸入并對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,建立了基于廣義回歸神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障狀態(tài)識(shí)別模型。
　　 通過(guò)使用預(yù)留的振動(dòng)信號(hào)對(duì)基于廣義回歸神經(jīng)網(wǎng)絡(luò)的故障診斷模型進(jìn)行檢測(cè),發(fā)現(xiàn)診斷結(jié)果與實(shí)際狀況具有良好的一致性:通過(guò)使用系統(tǒng)的搜索查詢功能,維修人員可以根據(jù)基于故障樹分析法的專家系統(tǒng)故障診斷迅速找到