论文部分内容阅读
风力发电机组一般在环境恶劣的地方服役,受变工况和变载荷的影响,风力发电机组的传动链系统,如主轴轴承、齿轮箱各级齿轮、发电机驱动端和自由端轴承等,极易发生故障,造成机组停机,对风电机组的使用寿命有极大的影响。为了保证机组的安全运行,提高风力发电的经济性和市场竞争力,对风电机组关键设备实施状态监测和故障诊断很有必要。风电机组状态监测系统(简称CMS,Condition Monitoring System)通过对机组传动链部件的振动监测实现故障诊断。在CMS系统获得振动信号之后,需要对其进行处理,但由于风电机组的运行工况复杂,其所测得的振动信号受噪声干扰严重,为了提取出强背景噪声下的弱故障信号,本文研究了传统经验小波变换和基于尺度空间的无参数经验小波变换,并将其用于风电机组齿轮箱测点和轴承测点的振动信号处理,最终成功提取出了齿轮箱和轴承的故障特征信息,验证了该方法的有效性。本文的主要研究内容和结论如下:(1)研究风力发电机组中齿轮箱和轴承的各种失效形式以及其振动信号在时域和频域中的表现形式,分别计算了定轴齿轮箱、行星齿轮箱的齿轮故障特征频率和轴承的四个故障特征频率。(2)研究传统经验小波变换,并用其对齿轮箱试验台振动数据和从某风电机组上获得的实际齿轮箱振动数据进行处理,成功诊断出了部件缺陷,定位了故障部位,验证了经验小波变换在故障诊断方面的有效性。最后,又同EEMD处理振动信号的效果进行对比,成功验证了经验小波变换在处理振动信号方面的优越性。(3)研究一种基于尺度空间的无参数经验小波变换,其共有五种方法,通过其对齿轮箱试验台振动数据和风电机组齿轮箱测点实际振动数据的处理,可以得出结论:基于尺度空间的无参经验小波变换比传统基于局部极大值的经验小波变换更具有白适应性:在基于尺度空间的阈值划分方法中,Empirical law法相较于其它方法更具有优势。(4)研究一种基于马氏距离的特征分量提取方法,该方法能快速的提取出振动信号经基于Empirical law法的经验小波变换处理后所得所有分量中与故障相关的AM分量。用该方法对风电机组传动链上齿轮箱和轴承测点的振动信号进行处理,最终成功从原始振动信号中提取出了包含丰富故障特征信息的模态分量,进而成功诊断出了风电机组中的齿轮和轴承故障。