發(fā)布時間：2020-12-05 19:38

　　風能作為清潔能源中的典型代表已經引起了人們的廣泛關注。而風電機組構造復雜且工作環(huán)境惡劣,當故障發(fā)生時維修成本較高。滾動軸承作為風電機組傳動鏈中的重要部件,對整個設備安全可靠運行起著支撐作用,當滾動軸承出現故障時很多情況下是多種故障同時發(fā)生,復合故障發(fā)生時故障特征變得更加復雜。因此,為了降低風電機組的運維成本,提高風電產業(yè)的經濟效益,對風電機組滾動軸承開展復合故障診斷研究具有重大意義,而且是一個亟需攻克的難題。本文以滾動軸承復合故障為研究對象,利用解卷積的方法實現對原始沖擊信號的恢復,主要研究內容如下:（1）針對滾動軸承復合故障特征比較復雜,使得復合故障特征難以提取的問題,提出一種基于改進的最大相關峭度解卷積（Maximum Correlate Kurtosis Deconvolution,MCKD）和teager能量算子結合的滾動軸承復合故障診斷方法。該方法以故障平臺實驗數據為研究對象,通過粒子群尋優(yōu)算法（PSO）對不同故障類型下MCKD的影響參數（L和M）進行優(yōu)化,利用優(yōu)化后MCKD算法對復合故障信號進行處理,然后對分離出的信號做teager能量頻譜分析。該方法可有效診斷出單一故障以... 

【文章來源】：內蒙古工業(yè)大學內蒙古自治區(qū)

【文章頁數】：60 頁

【學位級別】：碩士

【部分圖文】：

001-2017全球年新增裝機總量圖

圖 1-2 2006-2017 年我國新增及累計裝機容量直方圖Fig. 1-2 New and Cumulative Installed capacity histogram in China in 2006-2017豐富的風能資源往往是在環(huán)境惡劣的偏遠地區(qū)以及沿海區(qū)域，大部分風電場的選址經常位于此地，由于風電場中的風電機組分布區(qū)域廣、受到環(huán)境及其天氣的干擾比較明顯，而且工作狀態(tài)不斷的進行調整，當故障發(fā)生時很大程度上增加了維修難度，給風電行業(yè)帶來了較大的經濟損失。一般情況下，陸地上運行壽命達到 20 年的風機總維修費用可達到總收入的 10%，而海上風電場由于其工作環(huán)境更加復雜多變，使得風機的維護費用是陸地上的兩倍之多。因此，為了降低風機的運維成本，提高其工作的安全可靠性，延長風機的工作年限，對風電機組進行故障診斷及其狀態(tài)監(jiān)測有著非常深遠的意義和重要的工程應用價值[4-6]。通過有關數據表明，滾動軸承作為風電機組傳動鏈中不可或缺的一部分，對整個設備的安全可靠運行起到重要支撐作用，而當風電機組故障發(fā)生時，滾動

基本結構及軸承的特點的基本結構及傳動鏈特征功能就是利用風能轉化為機械能，然后在轉是通過風機的葉片和轉子直接連接，利用主，和發(fā)電機定子作切割磁感線效應，產生電轉化，然后在進行電流的逆變轉換成交流電由三部分構成包括機艙、塔架和葉片，機艙、發(fā)電機及其它核心部件，風電機組主軸系電機組的輪轂和葉片，如圖 2-1 所示為風電機主軸系統(tǒng)發(fā)電機內圈轉子

【參考文獻】：
期刊論文
[1]基于LMD與MCKD的滾動軸承早期故障診斷方法[J]. 李煌,孟恩隆,王靈梅,段震清.  噪聲與振動控制. 2018(04)
[2]基于MOMEDA和包絡譜的齒輪微弱故障特征提取[J]. 武超,孫虎兒,梁曉華.  機械傳動. 2018(03)
[3]基于最大相關峭度解卷積和變分模態(tài)分解的風電機組軸承故障診斷方法[J]. 趙洪山,李浪.  太陽能學報. 2018(02)
[4]基于MCKD和VMD的滾動軸承微弱故障特征提取[J]. 夏均忠,趙磊,白云川,于明奇,汪治安.  振動與沖擊. 2017(20)
[5]基于EEMD-KECA的風電機組滾動軸承故障診斷[J]. 齊詠生,張二寧,高勝利,王林,高學金.  太陽能學報. 2017(07)
[6]基于最小熵解卷積和Teager能量算子直升機滾動軸承復合故障診斷研究[J]. 陳海周,王家序,湯寶平,李俊陽.  振動與沖擊. 2017(09)
[7]風電機組可靠性研究現狀與發(fā)展趨勢[J]. 李垚,朱才朝,陶友傳,宋朝省,譚建軍.  中國機械工程. 2017(09)
[8]基于MCKD-EMD的風電機組軸承早期故障診斷方法[J]. 趙洪山,李浪.  電力自動化設備. 2017(02)
[9]基于LMD和MED的滾動軸承故障特征提取方法[J]. 周士帥,竇東陽,薛斌.  農業(yè)工程學報. 2016(23)
[10]基于支持向量機的風電機組主軸軸承故障診斷[J]. 黃元維.  儀器儀表用戶. 2016(11)



本文編號：2899977