基于小波分析和神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)組故障診斷.pdf

1、本文從風(fēng)力發(fā)電機(jī)組實(shí)際運(yùn)行特點(diǎn)研究入手，對(duì)風(fēng)力發(fā)電機(jī)組各關(guān)鍵部分進(jìn)行了FMEA分析，對(duì)風(fēng)力發(fā)電機(jī)組的故障特點(diǎn)，造成故障的原因，故障可能造成的后果，以及基本的解決策略，本文中列舉的風(fēng)機(jī)故障和解決策略均來(lái)自于風(fēng)電場(chǎng)實(shí)際生產(chǎn)運(yùn)行，以及風(fēng)機(jī)廠家資料內(nèi)容，基本涵蓋了風(fēng)力發(fā)電機(jī)組可能出現(xiàn)的故障現(xiàn)象。通過(guò)對(duì)風(fēng)力發(fā)電機(jī)組各主要設(shè)備單元的FMEA分析，針對(duì)其各個(gè)系統(tǒng)的故障特點(diǎn)，對(duì)其故障和狀態(tài)的檢測(cè)提出了有針對(duì)性的方法。通過(guò)以上內(nèi)容的研究分析成果，本文重點(diǎn)

2、在如何設(shè)計(jì)一套滿足風(fēng)力發(fā)電機(jī)組故障診斷決策系統(tǒng)。通過(guò)分析研究，本文主要取得以下成果：
　　(1)本文在詳細(xì)分析風(fēng)力發(fā)電機(jī)組的工作原理和運(yùn)行特點(diǎn)的基礎(chǔ)上，通過(guò)引入FMEA分析理論，對(duì)風(fēng)力發(fā)電機(jī)組各主要單元系統(tǒng)進(jìn)行了FMEA分析，對(duì)各個(gè)系統(tǒng)的故障現(xiàn)象、故障原因、故障影響后果和基本處理措施有了更為深入清晰的分類和認(rèn)識(shí)。
　　(2)通過(guò)對(duì)各系統(tǒng)FMEA分析的結(jié)果，本文針對(duì)風(fēng)機(jī)各個(gè)部分系統(tǒng)自身的特點(diǎn)和故障機(jī)理，利用目前較為成熟的檢測(cè)方

3、法逐一設(shè)置檢測(cè)方案，從而有效保證了故障診斷的準(zhǔn)確性和可靠性。
　　(3)本文通過(guò)風(fēng)力發(fā)電機(jī)組故障特性的詳細(xì)分析，以及針對(duì)風(fēng)力發(fā)電機(jī)組各個(gè)單元故障制定專項(xiàng)檢測(cè)方法，對(duì)風(fēng)力發(fā)電機(jī)組故障診斷決策系統(tǒng)進(jìn)行逐層遞進(jìn)的詳細(xì)設(shè)計(jì)，第一步對(duì)故障診斷決策系統(tǒng)的功能目標(biāo)設(shè)計(jì)，當(dāng)完成系統(tǒng)的功能目標(biāo)設(shè)計(jì)后，第二步引用組合式故障診斷策略以提高系統(tǒng)的故障診斷效果，第三步在故障診斷策略確定后，對(duì)整個(gè)系統(tǒng)的框架進(jìn)行設(shè)計(jì)，從而完成整個(gè)故障診斷決策系統(tǒng)的初步設(shè)計(jì)，第

4、四步在前三部分充分論述和研究的基礎(chǔ)上，對(duì)系統(tǒng)的基本組成進(jìn)行設(shè)計(jì)，從而基本確定了系統(tǒng)的搭建方式。本文對(duì)故障診斷決策系統(tǒng)的設(shè)計(jì)方式較以往故障診斷系統(tǒng)的開發(fā)設(shè)計(jì)更為全面，對(duì)于風(fēng)力發(fā)電機(jī)組故障診斷系統(tǒng)的功能不僅限于機(jī)械故障診斷或是電氣故障等特定故障類型進(jìn)行診斷，而是針對(duì)風(fēng)機(jī)整體的運(yùn)行故障進(jìn)行診斷分析。同時(shí)本文對(duì)故障診斷決策系統(tǒng)的設(shè)計(jì)是將故障診斷和故障處理決策有機(jī)結(jié)合在一起的整體系統(tǒng)，是系統(tǒng)綜合風(fēng)機(jī)各項(xiàng)檢測(cè)數(shù)據(jù)和人員初期錄入的故障處理數(shù)據(jù)后，通過(guò)

5、自行運(yùn)算并關(guān)聯(lián)至備品備件臺(tái)賬和工器具臺(tái)賬后得出故障處理決策，將人員參與診斷的范圍降至最低限度，人員只是對(duì)系統(tǒng)的數(shù)據(jù)積累和日常維護(hù)工作。
　　(4)本文在詳細(xì)分析風(fēng)力發(fā)電機(jī)組齒輪箱故障特性基礎(chǔ)上，提出基于小波包變換分析方法對(duì)風(fēng)力發(fā)電機(jī)組齒輪箱故障信號(hào)實(shí)現(xiàn)了去噪和分解方法，較好的實(shí)現(xiàn)了對(duì)風(fēng)力發(fā)電機(jī)組齒輪箱故障信號(hào)的處理，同時(shí)提出在小波包變換的基礎(chǔ)上利用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)風(fēng)力發(fā)電機(jī)組齒輪箱故障進(jìn)行診斷，通過(guò)研究以及MATLAB工具仿真表

6、明，該方法能夠本成功的提取出齒輪箱原始振動(dòng)信號(hào)的故障信號(hào)特征，所以為風(fēng)電機(jī)組齒輪箱的只能故障診斷提供理論支持。
　　(5)本文引用D-S證據(jù)理論為目前多種方法融合決策的故障診斷方法提供更好地決策融合平臺(tái)，并利用證據(jù)理論融合算法，對(duì)目前不同故障診斷方法得出不同診斷效果，進(jìn)行嘗試性的融合計(jì)算，利用D-S融合算法得出的診斷結(jié)論對(duì)多種診斷結(jié)果得出的故障結(jié)論進(jìn)行有效支持和加強(qiáng)，說(shuō)明D-S證據(jù)理論在融合多種診斷方法結(jié)論中具有很好的效果。