基于譜峭度的風電機組傳動鏈故障特征提取方法研究.pdf

1、風電機組具有載荷復雜、運行環(huán)境條件惡劣等特點，因此故障率和運維費用高。其中，風電機組傳動鏈的問題尤其突出。針對風電機組傳動系統(tǒng)的特點，研究新的故障特征提取理論和方法，提高故障早期診斷能力，對于保證風電機組的健康運行具有重要的意義。
　　在對風電機組實際振動信號進行診斷分析時，經(jīng)典的振動信號處理方法難以捕捉到反映故障特征的準確信息，影響了對機組故障的診斷分析。本文針對以上問題，研究基于譜峭度的振動信號分析和故障特征提取方法，結合最小

2、熵解卷積(Minimum entropy deconvolution，MED)和最大相關峭度解卷積(Maximumcorrelated kurtosis deconvolution，MCKD)對振動信號進行分析，從強背景噪聲下的振動信號中準確的提取故障特征信息，并應用風電機組傳動鏈的實測信號進行驗證。主要研究內(nèi)容和結論如下:
　　(1)對譜峭度理論基礎進行探究，介紹了兩種傳統(tǒng)譜峭度算法，并用仿真信號及風電機組實測信號對比分析，探討

3、了譜峭度算法的特點及不足。
　　(2)針對強噪聲環(huán)境下，譜峭度算法存在故障特征難以提取等問題，研究了將譜峭度與AR-MED、MCKD結合提取微弱故障特征的方法。首先對信號進行濾波預處理，抑制噪聲成分，提高了沖擊特性，然后再對降噪后的信號進行譜峭度計算，包絡解調(diào)提取出故障特征頻率。用風電機組實測振動信號對該方法進行檢驗，結果表明早期故障特征能力有所改善。
　　(3)研究用振動特征值表示風電機組振動狀態(tài)劣化趨勢的方法，對數(shù)據(jù)進行