大型风电机组传动系统故障诊断信息分析方法研究与应用

【摘要】：能源和环境问题已经成为人类生存发展所要解决的紧迫问题。风能作为一种清洁能源,引起世界各国的普遍关注。各国开发的重点就是风能发电。目前,风电机组的发展越来越趋向于大型化、复杂化。 为进一步提高风能应用水平和风电机组运行水平,尤其是应对突发故障或渐变故障,需要实时地了解设备的运行状况,并对风电机组进行专门的监测,进行故障预警和故障诊断,减轻人员的伤亡,降低维修成本。在风电机组常见的故障当中,传动系统的故障发生率偏高,本文简单介绍了传动系统各部件的常见故障形式,并且对常用故障诊断技术做了概括性的描述。 在风电机组的故障诊断中,本文主要研究风电机组的故障诊断信息分析方法,从简易的故障诊断方法到复杂的故障诊断方法,同时完成风电机组故障诊断系统的开发。为了实现故障诊断的智能化,本文对神经网络相关理论知识研究学习,将神经网络理论应用到风电机组故障诊断中,结合风电机组模拟平台测试试验,实现故障预警与故障类型的判断。根据故障历史信息,结合运行过程中提取的特征信号,基于贝叶斯网络对风电机组的故障诊断方法进行研究。该方法以概率的形式来最终确定故障类型,并通过建立不同的网络来定位故障位置。基于贝叶斯网络故障诊断理论与方法,构建大型风电机组传动系统的故障诊断系统,通过软件编程,最终实现大型风电机组故障诊断原型系统的开发。 【关键词】：风电机组 传动系统 故障诊断方法 BP神经网络 贝叶斯网络
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TM315
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 课题背景10-12
• 1.2 故障诊断技术国内外研究现状12-14
• 1.3 风电机组及其故障诊断技术研究与应用现状14-15
• 1.3.1 国外现状14
• 1.3.2 国内现状14-15
• 1.4 课题研究意义和主要内容15-17
• 第2章 大型风电机组机械系统及典型故障概述17-28
• 2.1 大型风电机组的基本组成17-19
• 2.2 大型风电机组传动系统19-20
• 2.3 风电机组传动系统典型故障20-22
• 2.3.1 增速齿轮箱故障20-22
• 2.3.2 低速轴和高速轴故障22
• 2.4 传动系统的故障信号振动特征22-26
• 2.4.1 齿轮箱典型故障振动信号特征23-25
• 2.4.2 高、低速轴典型故障振动信号特征25-26
• 2.5 本章小结26-28
• 第3章 风电机组故障诊断方法分析28-43
• 3.1 风电机组故障诊断过程28-29
• 3.2 振动信号特征提取方法29-34
• 3.2.1 时域分析29-32
• 3.2.2 频域分析32-34
• 3.3 风电机组故障诊断方法分析34-41
• 3.3.1 阈值分析法34-38
• 3.3.2 趋势分析法38-40
• 3.3.3 专家系统40-41
• 3.4 本章小结41-43
• 第4章 风电机组神经网络故障诊断实验研究43-56
• 4.1 神经网络方法概述43-47
• 4.1.1 人工神经元的基本模型44
• 4.1.2 BP 神经网络44-46
• 4.1.3 BP 算法46-47
• 4.2 神经网络模型的建立47-48
• 4.3 实验平台概述48-50
• 4.4 实验数据的分析50-55
• 4.5 本章小结55-56
• 第5章 风电机组基于贝叶斯网络故障诊断研究56-71
• 5.1 贝叶斯网络理论分析56-64
• 5.1.1 贝叶斯网络发展现状56-58
• 5.1.2 贝叶斯网络的概率论基础58-59
• 5.1.3 贝叶斯网络组成59-60
• 5.1.4 基于贝叶斯分类器的状态识别方法60-64
• 5.2 风电机组贝叶斯网络诊断模型和诊断推理64-70
• 5.2.1 贝叶斯网络诊断模型框架64-66
• 5.2.2 风电机组传动系统贝叶斯诊断网络的构建66-69
• 5.2.3 故障诊断的贝叶斯网络推理69-70
• 5.3 本章小结70-71
• 第6章 基于贝叶斯网络的风电机组故障诊断信息系统设计与实现71-83
• 6.1 风电机组故障诊断系统总体设计71-72
• 6.2 网络构建模块设计72-74
• 6.3 网络推理模块设计74-77
• 6.3.1 证据信息的预处理74
• 6.3.2 网络推理74-77
• 6.4 诊断知识数据库管理模块设计77-79
• 6.4.1 数据库的选取77
• 6.4.2 数据库设计77-79
• 6.5 风电机组故障诊断信息系统原型79-82
• 6.5.1 网络构建与更新79-81
• 6.5.2 故障诊断信息系统界面81-82
• 6.6 本章小结82-83
• 结论83-84
• 参考文献84-90
• 攻读硕士学位期间承担的科研任务与主要成果90-91
• 致谢91-92
• 作者简介92

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

基于贝叶斯网络的风力发电机齿轮箱故障分析    张金彪

1.5MW风力发电机组传动系统故障诊断    隆军

基于神经网络与规则库的故障诊断专家系统    鞠万群,韩秋实

基于虚拟仪器的大型旋转机组故障预测系统    左云波;徐小力;谷玉海;阎楚良;

基于小波神经网络的风力发电机故障诊断    庄哲民;殷国华;李芬兰;江钟伟;

滚齿机网络化故障诊断专家系统的设计及应用    陈国荣;鄢萍;刘飞;易润忠;赵静;

基于BP神经网络的电机转子故障诊断的研究    李占锋,韩芳芳,郑德忠

海上风力发电现状与发展趋势    赵群;柴福莉;

基于故障树的贝叶斯网络建造方法与故障诊断应用    李俭川,胡茑庆,秦国军,温熙森

基于最小风险的Bayes决策方法在交通检测中的应用    迟晓君,孟庆春,陈鹏

齿轮传动中几种典型故障的振动图谱分析    王新晴,王耀华,陈六海,唐文标,徐燕申

模糊数学在故障诊断中的应用研究    张建文,许允之

基于贝叶斯网络的故障智能诊断方法研究    张德利

选择性贝叶斯分类算法研究    陈景年

旋转机械故障诊断新方法的应用研究与振动监测诊断系统的开发    王洪

基于模糊神经网络的旋转机械故障诊断方法研究    魏春荣

旋转机械状态监测与信号分析系统的复用研究    李晓虎

设备远程监测与故障诊断系统的研究与实现    李克

贝叶斯网络在机械故障诊断中的应用研究    罗江华

风机旋转机械设备故障诊断专家系统的设计与实现    梁亮

风电机组齿轮箱性能检测系统研究与开发    郭君博

大型风电机组振动状态监测系统开发    李虎

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

基于B/S模式的风力发电机远程状态监测系统研究与开发    张积坚

神经网络智能诊断技术在混凝土结构中的理论实现与展望    刘青峰;尹久仁;

钢筋混凝土拱桥加固后静动力性能评定分析    施洲;蒲黔辉;薛爱;

一种电机故障的智能诊断方法研究    乔维德;

电动滚筒驱动电机噪声的控制分析    鲍俊瑶;

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;

基于模糊专家系统的鱼疾病诊断方法    王晓璐;刘海芳;王凡;

基于产生式规则和归结原理的农业专家系统    刘秋红;焦仁普;张钰;李娟;王哲;

AGA在植物病理专家系统中的应用研究    张钰;刘秋红;王哲;

基于WEB的桃树病虫害决策支持系统设计与实现    王兴旺;金宝华;

贝叶网在农业专家系统中的研究与应用    濮永仙;

频谱分析技术在齿轮箱上的成功应用    朱海琴;刘铁岭;

一种基于细化故障的容错控制设计    王树彬;黄鹤;韩笑冬;王执铨;

一种基于多模式的故障检测方法    谭琳;文成林;

风电齿轮箱振动信号的倒频谱分析    滕伟;武鑫;高青风;柳亦兵;

基于EMD近似熵特征提取和支持向量机的故障诊断方法    郭小荟;马小平;

离心压缩机动静碰摩的研究与分析    王志强;

贝叶斯网络结构在线学习算法及应用    宫义山;钱娜;

基于神经网络的导航装备维修能力评估研究    杜健;费保俊;刘颖;潘高田;姚国政;

复杂系统仿真的前端智能化综述    杨阳;陈宗海;张海涛;

油液监测技术的分析和研究    张伟;曾安;贺石中;黄志坚;

基于人工智能的乒乓球比赛技战术诊断与评估研究    王杰

考虑分布式发电的配电网综合负荷建模方法研究    钱军

多尺度线调频基稀疏信号分解及其在齿轮箱故障诊断中的应用    彭富强

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

机械噪声监测中盲信号处理方法研究    王宇

强噪声背景下滚动轴承故障诊断的关键技术研究    侯者非

数学形态学在机械故障诊断中的应用研究    沈路

机械传动系统关键零部件故障预测技术研究    曾庆虎

磁悬浮风力发电机转子系统的研究    李鹏

非侵入式矿井提升机PLC电控系统实时故障诊断方法的研究    蒲锰

特种车辆变速箱齿轮传动失效分析    旺扎拉

吉林省洮南风电场选址及长远发展分析    陈海清

基于光纤传感的细纱小张力检测技术研究    任泉

基于量子粒子群优化的Volterra核辨识及故障诊断方法研究    蒋静

基于全矢高阶谱的故障诊断方法及其应用研究    李朋勇

远程诊断中心的设计与实现    韩冬振

基于OMAP5912的准在线故障诊断系统软件平台关键技术研究    韦建威

正交小波变换支持向量数据描述方法在故障诊断中的应用研究    李卫鹏

基于贝叶斯网络的复杂系统FMEA模型    史宪铭,王华伟

风机齿轮箱齿轮失效分析    马海全;于洋;姜涛;陶春虎;黎明;

贝叶斯网络在机械系统可靠性评估中的应用    尹晓伟;钱文学;谢里阳;

新型风电机组发展趋势    宁玉泉;

故障树分析法及其应用    魏选平,卞树檀

风电润滑的优化管理    关卫东;王琴;文海;

基于故障树的专家系统在风电齿轮箱上的应用    王斌;董兴辉;刘浩;杨志凌;

基于模糊集与灰色关联的改进FMEA方法    门峰;姬升启;

大力开发与利用可再生能源——访中国资源综合利用协会可再生能源委员会秘书长李俊峰研究员    巩曜平

风力发电机在线监测与诊断系统研究    王瑞闯;林富洪;

贝叶斯网络故障诊断与维修决策方法及应用研究    李俭川

面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究    胡劲松

齿轮与滚动轴承故障的振动分析与诊断    孟涛

印刷机机械参数对印品质量的影响    张少华

关于风电机齿轮箱传动系统振动特性的分析研究    付松

风力发电机组振动测试及动力学仿真对比研究    吴海宝

基于全矢谱的风力发电系统齿轮箱的故障诊断研究    王植申

风力发电机组故障诊断系统研究    赵龙

基于时间—小波能量谱及交叉小波变换的振动信号分析    张进

基于小波分析的滚动轴承故障特征提取技术    王子玉

基于小波分析的齿轮箱故障诊断技术的研究和应用    邢钧

机电系统的滚动轴承故障诊断方法研究    马金山

高炉炉顶布料溜槽传动齿轮箱故障诊断分析    杨柳

旋转机器监测与监控系统的研究及发展    徐小力;王为真;

基于神经网络与规则库的故障诊断专家系统    鞠万群,韩秋实

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

设备诊断工程与表面工程    高金吉

基于小波变换的图像压缩方法中小波基的选取问题探讨    曾凡永,谷东兵,宋正勋

压电式加速度传感器安装谐振频率分析    唐国明;杨曙年;

贝叶斯网络在水电机组状态检修中的应用    华斌,周建中,张丽,付波

模糊诊断技术在旋转机械设备故障诊断中的应用    何勇,方红芳

神经网络在故障诊断中的应用    张建华,张俊华,侯国莲

关于风力发电技术的几点思考    张照煌,刘衍平,李林

汽轮发电机组故障诊断系统中几个关键技术的研究    卢学军

分布式远程故障诊断专家系统的框架及若干关键技术的研究    陈波

齿轮传动系统的故障诊断方法的研究    韩振南

基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用    王然风

贝叶斯网络研究    黄友平

旋转机械状态监测与信号分析系统的复用研究    李晓虎

振动信号在船舶设备检验中的应用探讨    操炼

火电厂风机状态监测与故障诊断系统研究    刘清龙

基于虚拟仪器的大型旋转机组故障分析及趋势预测技术研究    谷玉海

转子系统振动故障分析与诊断    陈书凯

风力发电机叶片振动研究与保护    乔印虎

基于MiniGUI的嵌入式旋转机械状态监测系统开发    李丛颖

基于LabVIEW的振动监测及故障诊断系统的研究开发    温小萍

水轮机组状态监测及故障分析系统研究开发    朱燕

基于神经网络和专家系统的智能故障诊断系统研究    王晓垠

基于ANSYS的1.5MW风电机组斜齿轮轴的有限元分析    孙黎;李辉;王红燕;

大型风电机组偏航闸液压系统的设计与建模    褚金;高文元;

基于ANSYS的大型风电机组齿轮箱的低速轴有限元分析    孙黎;王春秀;

大型风电机组故障模式统计分析及故障诊断    杨明明