首页 > 学术论文

风电机组振动监测与故障诊断系统研究

来源:论文学术网
时间:2024-08-18 18:55:11
热度:

风电机组振动监测与故障诊断系统研究【摘要】:随着世界许多国家大规模发展风电计划的制定及实施,风电行业经过几年高速增长之后,也迎来了成长的烦恼。虽然风力发电机的设计及制造技术已日臻完

【摘要】:随着世界许多国家大规模发展风电计划的制定及实施,风电行业经过几年高速增长之后,也迎来了成长的烦恼。虽然风力发电机的设计及制造技术已日臻完善,但是风电机组的运行维护却提出了巨大的挑战,成为当前急需解决的关键问题。 由于风力发电机组地处高山、海滩、海岛等风口处,在强阵风的冲击以及极端温差的影响下,风力发电机组故障时有发生。研究表明齿轮箱、传动链和发电机等部件的故障是导致停机时间最长,经济损失最大的原因。目前大型风力发电机组都带有数据采集与监视控制SCADA (Supervisory Control And Data Acquisition)系统,SCADA系统可以对风电机组进行数据采集、参数调节、设备控制及报警等,为风电场的可靠运行提供了有力的技术平台,但是SCADA系统缺乏对传动链的有效监测及精确诊断功能。国外的风电机组状态监测与故障诊断产品价格昂贵,报警阈值没有统一的行业标准,大部分机组状态需由专家结合经验分析得出,而国内尚无成形的风电机组状态监测与故障诊断产品。基于上述情况,论文开展了针对风电机组传动系统的振动监测与故障诊断的研究。论文的主要工作如下: (1)介绍了一般风电机组的组成结构和工作原理,并对风电机组常见故障形式进行统计分析。统计结果表明,电气系统和控制系统的故障率较高,而齿轮箱和发电机等故障是导致停机时间最长,经济损失最大的原因。重点对齿轮、轴承、轴系等部件的故障机理及其表现形式、典型故障与信号特征进行了分析。 (2)在风电机组振动信号特征提取方面,分别介绍了振动信号的时域分析、频域分析方法的特点,并结合实例验证了频域分析可以有效地确认齿轮箱振动信号中的故障频率成分。详细介绍了小波包能量谱分析技术,采用小波包对风电机组齿轮箱振动信号进行能量特征提取,将能量特征向量作为支持向量机故障诊断模型的输入,为后续支持向量机对风机齿轮箱故障模式识别打下坚实的基础。 (3)针对齿轮箱振动信号信噪比低、非线性及小样本等特点,提出了一种基于小波包(Wavelet Packet, WP)分解、遗传算法(Genetic Algorithm, GA)和支持向量机(Support Vector Machine, SVM)的齿轮箱故障诊断模型,即WP-GA-SVM模型。首先对齿轮箱振动信号进行小波包消噪预处理,然后对消噪后的信号进行小波包分解与重构并提取频带能量,作为支持向量机分类器的输入特征向量。采用遗传算法来实现支持向量机径向基核函数参数g和惩罚因子C的自动快速最优选择。最后通过齿轮箱故障诊断的实例分析,验证了该模型的有效性。 (4)基于本文介绍的振动信号特征提取及故障诊断方法,应用面向对象编程技术及模块化结构,采用C#语言结合SQL Server2008数据库,初步研究开发了一套风电机组振动监测与故障诊断系统。该系统包括用户管理模块、设备管理模块、状态监测模块、频谱分析诊断模块、支持向量机诊断模块和数据查询模块等,每个模块又细分成多个相对独立的子系统。可以实现对风机振动信号的预处理(如滤波、零均值化)、特征提取及故障诊断等功能,为实现风机的状态监测与诊断决策提供有力的帮助。 【关键词】:风电机组 振动监测 故障诊断 小波包分解 支持向量机
【学位授予单位】:广东工业大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TM315;TP277
【目录】:
  • 摘要4-6
  • ABSTRACT6-8
  • 目录8-11
  • CONTENTS11-15
  • 第一章 绪论15-25
  • 1.1 研究背景及意义15-17
  • 1.2 风力发电机组振动监测与故障诊断技术研究现状17-23
  • 1.2.1 特征提取与故障诊断技术现状18-21
  • 1.2.2 风力发电机组振动监测与故障诊断系统研究现状21-23
  • 1.3 课题来源23
  • 1.4 论文主要研究内容及结构安排23-25
  • 第二章 风电机组基本结构与典型故障分析25-41
  • 2.1 风力发电机的组成结构和工作原理25-27
  • 2.2 风电机组常见故障分析27-31
  • 2.3 风电机组齿轮箱常见故障类型与信号特征31-40
  • 2.3.1 齿轮典型故障与信号特征32-34
  • 2.3.2 轴承典型故障与信号特征34-36
  • 2.3.3 低速轴及高速轴的典型故障与信号特征36-37
  • 2.3.4 齿轮箱典型部件的特征频率计算37-40
  • 2.4 小结40-41
  • 第三章 风电机组振动信号特征提取41-51
  • 3.1 传统的故障特征提取方法41-46
  • 3.1.1 信号的幅域分析方法41-43
  • 3.1.2 信号的时域分析方法43
  • 3.1.3 信号的频域分析方法43-44
  • 3.1.4 齿轮箱振动信号特征提取实例分析44-46
  • 3.2 振动信号特征提取的时频域分析方法46-50
  • 3.2.1 小波包基本原理47-48
  • 3.2.2 小波包能量特征提取48-50
  • 3.3 小结50-51
  • 第四章 基于遗传算法和支持向量机的齿轮箱故障诊断51-67
  • 4.1 统计学习理论51-53
  • 4.1.1 机器学习的基本方法51-52
  • 4.1.2 经验风险最小化原则52
  • 4.1.3 VC维52-53
  • 4.1.4 结构风险最小化原则53
  • 4.2 支持向量机基木理论53-58
  • 4.2.1 线性可分支持向量机54-56
  • 4.2.2 核特征空间的非线性映射算法56
  • 4.2.3 非线性支持向量机56-58
  • 4.3 支持向量机故障诊断模型的建立58-60
  • 4.3.1 选择训练集58
  • 4.3.2 特征向量选择58-59
  • 4.3.3 核函数的选择59
  • 4.3.4 模型参数选择59-60
  • 4.4 遗传算法60-63
  • 4.4.1 遗传算法的原理60-61
  • 4.4.2 遗传算法优化支持向量机参数61-63
  • 4.5 支持向量机在齿轮箱故障诊断中的应用63-65
  • 4.6 小结65-67
  • 第五章 风电机组振动监测与故障诊断系统设计67-89
  • 5.1 系统需求分析67-68
  • 5.2 系统功能设计68-71
  • 5.2.1 信号采集功能69-70
  • 5.2.2 状态监测及显示功能70
  • 5.2.3 分析诊断功能70
  • 5.2.4 存储查询功能70
  • 5.2.5 其它功能70-71
  • 5.3 系统结构与实现71-72
  • 5.4 风电机组测点布置72-74
  • 5.5 传感器的选用与安装74-76
  • 5.5.1 传感器的选用74-75
  • 5.5.2 传感器的安装75-76
  • 5.6 下位机硬件选型与软件设计76-79
  • 5.6.1 下位机硬件选型76-78
  • 5.6.2 下位机软件设计78-79
  • 5.7 上位机系统软件设计79-88
  • 5.7.1 振动监测与故障诊断流程79-80
  • 5.7.2 风电机组振动监测80-82
  • 5.7.3 频谱分析诊断82-83
  • 5.7.4 支持向量机故障诊断83-85
  • 5.7.5 诊断报告输出85-87
  • 5.7.6 数据存储与展示87-88
  • 5.8 本章小结88-89
  • 总结与展望89-91
  • 1、总结89-90
  • 2、展望90-91
  • 参考文献91-98
  • 攻读学位期间发表的论文98-100
  • 致谢100


您可以在本站搜索以下学术论文文献来了解更多相关内容

大型并网风力发电机组控制算法研究    叶杭冶

小波分解和最小二乘支持向量机的风机齿轮箱故障诊断    张金敏;翟玉千;王思明;

风力发电机组的振动测试与诊断    张登峰;郝伟;郝旺身;

基于SOM神经网络的风电电子装置故障诊断    高宇;

基于ITD和LS-SVM的风力发电机组轴承故障诊断    安学利;蒋东翔;陈杰;刘超;

.NET下基于COM组件的C#与MATLAB混合编程    游锋,陈皓

基于RBF神经网络的风力发电机组故障诊断研究    杨伟;贾石峰;

基于支持向量机和多源信息的直驱风力发电机组故障诊断    安学利;赵明浩;蒋东翔;李少华;

基于决策融合的直驱风力发电机组轴承故障诊断    安学利;蒋东翔;李少华;

风力发电机组齿轮箱在线监测系统的开发    张积坚;王奉涛;董廷山;

基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究    周培毅;张新燕;张华中;

兆瓦级风电机组状态监测及故障诊断研究    单光坤

风电机组振动监测与故障诊断研究    刘文艺

大型并网风力发电机组控制算法研究    叶杭冶

风电机组传动链振动分析与故障特征提取方法研究    辛卫东

大型风力发电机组机械故障诊断信息系统研究    李效龙

风力发电机齿轮箱故障诊断技术研究    皮维

600KW风力发电机组故障诊断    唐新安

基于Labview的齿轮箱故障诊断研究与应用    续媛君

风机旋转机械设备故障诊断专家系统的设计与实现    梁亮

风电机组实验测试及无刷双馈电机应用仿真的研究    沈震

大型风电机组振动状态监测系统开发    李虎

大型风电机组故障模式统计分析及故障诊断    杨明明

多兆瓦级风力发电机行星齿轮箱的研究和行星齿轮的有限元分析    赵琴

基于LabVIEW的大型风力发电机组旋转机械的状态监测系统设计    王之华

柴油机运转危险状态故障树分析    许光溱,董龙歧

摆线针轮行星减速器点蚀故障的诊断    王希民,平鹏,徐泽宁,陈奉生,杜百禄

故障诊断在烧结SJ9000风机中的应用实例分析    高万良;

碱湖试验站发电机组振动原因分析与处理    万臣;刘利强;王玉倩;

基于径向基函数网络的故障诊断    王树堂

基于LabVIEW的转子轴心轨迹监测系统设计    焦川;李艾华;

基于PC104的某型测试设备故障诊断系统    黄华;李艾华;付启明;

基于模糊算法的智能变桨距控制技术    倪焕山;康戈文;

切屑形成过程中的声发射及其识别    阎棣 ,屈梁生 ,陈人亨

刀具磨损监测的诊断函数分析    陈继武;钟素芬;许大钧;尹龙超;

频谱分析技术在齿轮箱上的成功应用    朱海琴;刘铁岭;

贝叶斯网络结构在线学习算法及应用    宫义山;钱娜;

基于声音信号的结构损伤识别方法    徐建立;杨飞宇;

基于多传感信息的转子无试重现场动平衡方法研究    温广瑞;刘石;张西宁;李兵;

1TY-690/5.3压缩机振动故障分析    肖泰勇;

故障树分析法在屏蔽泵故障诊断中的应用    何付军;张炜;王明章;

贝叶斯网络用于汽轮机组工频振动诊断    黄海舟;

超大型水电机组状态监测与分析系统的研究    夏洲;陈喜阳;潘伟峰;朱辰;施冲;

水轮发电机组状态监测技术的现状及展望    潘罗平;周叶;唐澍;桂中华;

基于网络和数据库技术的设备状态检修系统设计    杨昌汉;

基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究    黄伟国

基于人工免疫系统的机组复合故障诊断技术研究    岑健

船舶螺旋桨及推进装置故障诊断关键技术研究与应用    欧礼坚

数学形态学在机械故障诊断中的应用研究    沈路

浮力摆式波浪能发电装置关键技术研究    张大海

机械传动系统关键零部件故障预测技术研究    曾庆虎

基于免疫算法和多传感器信息融合的电机故障综合诊断方法研究    勾轶

兆瓦级风电机组状态监测及故障诊断研究    单光坤

双馈风电机组模型预测控制研究    井艳军

粒子群优化算法及其在机电设备中的应用研究    刘波

Hilbert-Huang变换改进算法及其在齿轮箱故障诊断中的应用研究    高昌鑫

远程诊断中心的设计与实现    韩冬振

基于全矢谱的故障预测关键技术研究    樊碧波

基于时频分析的齿轮故障机理及诊断研究    李会臣

风力发电机组齿轮箱早期故障诊断方法研究    张亮

船舶动力设备振动评估及故障特性提取研究    王若冲

高速列车传动齿轮箱性能检测系统设计与开发    李海峰

罗茨风机振动状态监测仪的研制及故障分析    季亮

低碳经济背景下风力发电布局与评价研究    黄海燕

基于小波分析的故障诊断方法在矿井提升机中的应用    王碧珺

支持向量机增量学习算法研究    李凯,黄厚宽

风速变化的并网型风电场故障分析    李凤婷;晁勤;

航空圆柱齿轮三维接触应力有限元计算分析    董玉平,王中华,朱瑞富,王建明,王寿佑

小波倒频谱及其应用    吕卫阳,陈克兴

FMS 故障诊断专家系统的研究与开发    史天运,王信义,张之敬,朱小燕,张建民

船舶控制系统故障诊断专家系统的研究    金鸿章,战兴群,王科俊

基于LabVIEW编程语言的重采样阶次比分析研究    万德安;王远程;赵永杰;

压电式加速度传感器安装谐振频率分析    唐国明;杨曙年;

振动传感器特性及其在风力发电机中的应用    杨海艳;孟彦京;李伟冰;鲍猛;

倒频谱分析在旋转机械故障诊断中的应用    王萍辉,方应民

循环流化床波动信号的非线性分析    马丽萍

小波变换在电机故障诊断与测试中的应用研究    魏云冰

支持向量机算法的研究及其应用    范昕炜

基于支持向量机的故障智能诊断方法研究    翟永杰

齿轮传动系统的故障诊断方法的研究    韩振南

无刷双馈电机的控制方法研究    黄守道

基于Hilbert-Huang变换的旋转机械故障诊断方法研究    程军圣

齿轮传动系统耦合振动响应及抗冲击性能研究    杨成云

基于数据挖掘与信息融合的故障诊断方法研究    孙卫祥

兆瓦级风力发电机组变桨距系统控制技术研究    郭洪澈

LVQ神经网络在齿轮箱故障诊断中的研究    杨克强

常规雷达目标双谱特征分析及应用    万小磊

滚动轴承和齿轮振动信号分析与故障诊断方法    李辉

小波分析在变速箱齿轮故障诊断中的应用研究    朱忠奎

无刷双馈调速系统控制策略的研究    麦苗

旋转机械状态监测与信号分析系统的复用研究    李晓虎

基于神经网络和灰色理论的传动箱故障诊断研究    孟浩东

风力机叶片设计和颤振分析    刘虎平

风力发电机组关键部件的有限元分析    许燕

齿轮故障的特征提取与模式识别技术研究    周辉

一个故障诊断系统的设计    冯兰君

基于径向基函数神经网络的在线分布式故障诊断系统    毕天姝,严正,文福拴,倪以信,吴复立,杨奇逊

大型旋转机械在线监测与故障诊断系统    刘原彬

旋转机械在线状态监测与故障诊断系统    赵海鸣;卜英勇;何学文;

基于蓝牙通讯技术的远程监测和故障诊断系统    张克仁;汪萍;朱广;

旋转机械振动状态监测与故障诊断系统    王正;

工业设备状态调整与故障诊断系统    左岐

多层次故障诊断系统    岳林,黄仁

基于知识的汽车发动机故障诊断系统的开发    汪维崧,何勇,李恩光

船舶内燃机远程状态监测与故障诊断系统    喻方平,金晓军,杨建国,严新平

旋转机械远程状态监测与故障诊断系统的开发    黄建军;杨世锡;李志农;严拱标;

基于小波的中国实验快堆钠泵故障诊断系统    冯俊婷;王冶;徐銤;刘国发;王桂增;

舰船主机故障诊断系统    盖强;冯杰;初健;

风机远程监测与故障诊断系统的研究    肖涵;李友荣;

一种基于多信号模型的故障诊断系统设计与实现    赵建鹏;丁国辉;胡亮;

基于定性推理的故障诊断系统研究    陈剑;

大型化肥生产过程的故障诊断系统    成成;黄道;

大型设备的远程在线监测与故障诊断系统的实现    谢江华;徐才发;张迅;李汉祥;杨德斌;

组态式在线监测与故障诊断系统的研究    谢立强;王雪;谢志江;

内燃机车自动检测和故障诊断系统的研究探讨    王飚舵;朱衡君;余祖俊;刘维强;

理工监测四个项目跻身 “国家队”    记者 李黎通讯员 徐国青

用技术创新提高设备管理水平    李立红 李荣梧

中国实验快堆钠泵故障诊断系统的开发研究    冯俊婷

基于RCM分析的智能化汽轮机组故障诊断系统研究    董晓峰

FCCU反—再系统基于神经网络和SDG模型的混合故障诊断系统研究与开发    杜殿林

飞机地面空调装置故障诊断系统的研究    谭卫娟

凉水塔风机网络化在线监测与故障诊断系统研究    李德刚

大型旋转机械状态监测与故障诊断系统    王灵敏

催化裂化反应故障诊断系统的研究与开发    郑璇

洁净厂房的远程环境监测与故障诊断系统研究    李学军

工程机械工况测取及故障诊断系统的研究与开发    韩莹

电力变压器故障诊断系统研究与实现    丁博

水轮发电机组故障诊断系统设计及故障诊断技术研究    高明

电子控制燃油喷射系统的故障诊断研究    王桢

轧机设备的在线监测和故障诊断系统    王新彦