论文部分内容阅读
随着世界风电产业的飞速发展,全球风力发电机的装机量越来越大,同时风电机的故障率亦不断增加,尤其是作为风电机传动系统最重要的齿轮箱,其故障率高居整个风电机组故障之首,所以风电机齿轮箱成为重点维护对象。由于风电机大多布置在边远地区,导致维护与检修的工作开展变得十分困难,所以研究风电机齿轮箱故障诊断方法和系统具有极其重要的工程实际意义。本文主要研究内容如下:1.研究了风电机及其齿轮箱的基本结构,分析了齿轮箱中齿轮和滚动轴承的主要失效形式,总结了齿轮和滚动轴承发生故障时其振动信号的模型及故障特征。2.对于时域、频域、时频域常见的诊断方法进行了总结,分析它们各自的优势和局限性,并将它们应用于实际齿轮故障信号的分析处理中,分析其诊断效果的优劣,为其应用在风电机齿轮箱故障诊断系统提供了理论支撑。3.研究了自适应最稀疏时频分析方法(Adaptive Sparsest Time-Frequency Analysis,ASTFA)的基本理论,将其与经验模态分解(Empirical Mode Decomposition,EMD)作了对比分析,证明了其优越性。针对ASTFA方法中高斯牛顿迭代初值相位的选择问题,提出一种采用萤火虫算法(Firfly Algorithm,FA)优化的ASTFA方法,即FA-ASTFA方法。该方法很好地解决了原ASTFA方法可能存在的高斯牛顿迭代发散问题,仿真分析证明了改进的有效性。将FA-ASTFA方法应用在齿轮和滚动轴承内外圈故障实验信号的诊断中,相比ASTFA,FA-ASTFA更能有效提取齿轮和滚动轴承故障特征,并进一步将FA-ASTFA应用在滚动轴承全寿命趋势分析中,实验证明FA-ASTFA能较好的抑制趋势波动,使其走势更加平缓。4.对整个风电机齿轮箱故障诊断系统进行需求分析,总结该系统必须具备的基本特点及功能,按照传感器的选型和布置、数据采集和预处理设备设计、通讯程序的开发、数据库的设计、故障诊断系统客户端软件的顺序开发了一套风电机齿轮箱故障诊断系统,最后成功应用该系统的频域、时频域方法,实现了风电机齿轮箱实际案例的故障诊断。