论文部分内容阅读
随着环境污染与资源危机问题的日趋加剧,可再生能源的发展越发受到重视。风能作为一种可持续的清洁能源,近些年其总装机量不断攀升,相关的第三产业即风电机组维护、监测、故障诊断等成为新的研究方向。同时,由于风电机组的工作环境通常较为恶劣,发生故障难以及时发现并维修,因此,风电机组的状态监测和故障诊断具有重要的意义。研究表明风电机组中最易发生故障的是其传动系统,由于风电机组传动系统的振动信号属于非平稳信号,且不同零件与不同工况下的信号差异很大,所以传统频谱分析故障诊断方法难以实现对振动故障的准确诊断且费工费时。由此,本文以风力发电机组的传动系统为研究对象,针对其工作特点做了如下研究：首先,论文分析了风电机组传动系统中的风轮、低速轴、齿轮箱、高速轴、发电机的基本工作原理及故障特点,并确定齿轮或轴承的损坏是导致传动系统发生振动故障的主要原因,据此选择了用于进行振动信号分析的各个监测点。第二,针对振动信号非平稳且诊断方法受工况、部件的约束较大这一特点,论文提出将非线性状态估计技术(NSET)引入风电机组传动系统的振动故障诊断中。其中NSET模型属于数据统计模型,即对正常状态下的数据进行记忆,通过NSET模型将实际数据与正常数据进行对比分析并做出故障判断。本文应用Matlab仿真软件完成NSET建模并进行故障诊断,最后对诊断结果进行分析,验证了NSET模型的可行性。第三,针对NSET方法缺乏理论基础,致使参数不易选取的特点,论文提出将支持向量回归机(SVR)与NSET方法相结合的改进NSET方法。这种方法以支持向量机为理论基础,通过SVR的回归函数模型将实际数据与正常数据进行对比分析并做出故障判断。同样应用Matlab仿真软件完成回归函数模型的建模并进行故障诊断,最后对诊断结果进行分析,同时与传统NSET诊断方法进行对比,验证了改进后的方法在诊断结果与运行可行性方面均得到了优化。第四,将NSET方法与改进后的NSET方法植入风电机组监测与诊断软件.并对实际运行的风电机组进行监测与故障诊断,进而验证了这两种方法在实际工程中的可行性。最后对整篇文章的研究内容做出总结,同时对未来要完善的工作以及NSET的发展前景做出展望。