風(fēng)機傳動系統(tǒng)關(guān)鍵機械部件狀態(tài)監(jiān)測與故障診斷研究.pdf

1、在全球生態(tài)環(huán)境惡化、化石能源日益短缺的背景下，風(fēng)能受到極大關(guān)注，風(fēng)電產(chǎn)業(yè)獲得快速發(fā)展。相應(yīng)確保風(fēng)機持續(xù)高效運行的狀態(tài)監(jiān)測、故障診斷、維修等維護(hù)服務(wù)的重要性逐漸凸顯。風(fēng)機由于受所處惡劣的工作環(huán)境、風(fēng)速的不確定性、交變負(fù)載等因素的影響，均使得風(fēng)機傳動系統(tǒng)機械部件易出現(xiàn)損壞，作為分布式電源，其維護(hù)成本極高。本文以風(fēng)機傳動系統(tǒng)中齒輪箱齒輪和軸承等關(guān)鍵機械部件為研究對象，針對其狀態(tài)監(jiān)測與故障診斷技術(shù)展開研究。
　　本文首先研究了風(fēng)機傳動系統(tǒng)

2、結(jié)構(gòu)及齒輪、軸承常見故障機理和故障特征。并對常用的時域、頻域、時頻域等信號處理方法進(jìn)行分析。
　　針對傳動系統(tǒng)關(guān)鍵機械部件的狀態(tài)退化問題，提出了基于小波相關(guān)濾波-主元分析法的狀態(tài)監(jiān)測方法，通過計算主元PCA的T2和SPE統(tǒng)計量來監(jiān)控機械部件健康狀態(tài)。針對傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法無法處理隨時間變化的信息流；以及原有學(xué)習(xí)機在固定訓(xùn)練樣本容量下，統(tǒng)一輸入?yún)⒘勘戎?，不能有效反映故障信息，?xùn)練速度有待進(jìn)一步提高的問題，提出了改進(jìn)的極限學(xué)習(xí)機

3、(IELM)的快速故障診斷方法，通過構(gòu)建分類診斷模型，實現(xiàn)風(fēng)機傳動系統(tǒng)關(guān)鍵機械部件故障診斷。
　　本文設(shè)計并搭建了風(fēng)機傳動系統(tǒng)故障試驗臺，完成齒輪、軸承故障實驗并驗證了狀態(tài)監(jiān)控與故障診斷方法。用齒輪逐漸磨損至斷齒的退化過程驗證主元分析狀態(tài)監(jiān)測方法在監(jiān)測部件健康退化時的有效性；用齒輪、軸承共7種故障數(shù)據(jù)進(jìn)行故障模式識別，將IELM與BP、SVM、ELM、FSSELM在訓(xùn)練時間和測試精度等方面進(jìn)行對比取得較好效果，驗證了診斷模型的有效