風力機葉片在線狀態(tài)檢測與故障診斷研究.pdf

1、本文研究了在風力發(fā)電機組不解體的情況下，通過測量整機組的振動信號，從中提取能夠表征故障的特征參數(shù)，有效地實現(xiàn)風力發(fā)電機組葉片的故障診斷。
　　 通過對風力發(fā)電機組模態(tài)試驗分析，獲得葉片的低階固有頻率范圍：分別測取了葉片四種不同運行狀態(tài)的風力發(fā)電機組振動加速度信號和功率譜，對其功率譜用通帶特性較好的切比雪夫I型帶通濾波器進行濾波，提取出包含葉片前三階固有頻率的功率譜信號。
　　 為有效確區(qū)分風力發(fā)電機組葉片的不同運行狀態(tài)，

2、運用分形維數(shù)法和頻率平移距離法提取了葉片不同運行狀態(tài)下的特征參數(shù)。在應(yīng)用分形維數(shù)理論的盒維數(shù)提取葉片狀態(tài)特征時，采用一種針對一維時間序列提出的不同于網(wǎng)格計數(shù)的快速算法，該算法不論是從程序設(shè)計還是計算速度都明顯較優(yōu)。應(yīng)用頻率平移距離法通過測取機組振動信號的頻率變化的距離對葉片的運行狀態(tài)進行判斷。
　　 采用Matlab構(gòu)建BP神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)，提取訓練好的神經(jīng)網(wǎng)絡(luò)的權(quán)閾；將葉片故障各狀態(tài)下的特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過神經(jīng)