风力发电机齿轮箱故障诊断方法分析-机械电子工程专业论文.docxVIP

华北电力大学硕士学位论文 华北电力大学硕士学位论文 I I 摘 要 作为风力发电机的重要传动部件，齿轮箱是风力发电机组中故障率较高的部件 之一，因此研究风力发电机齿轮箱故障诊断方法尤为重要。 本文首先介绍了风力发电的国内外发展状况及风力机齿轮箱故障诊断方法的 研究现状，阐述了时域指标诊断方法的基本理论，简述了去趋势波动分析及多重分 形去趋势波动分析的基本原理。针对去趋势波动分析方法中区间长度选取的随机性 和主观性，根据互信息的基本理论，提出采用符号分析的方法进行互信息计算，对 去趋势波动分析的长程相关性指数进行优化，避免了区间长度对长程相关性指数的 影响，确保了去趋势波动分析改进算法的稳定性。 然后根据信号故障时会出现多重分形的特征，通过计算分形图偏离程度，得到 图形偏离程度（DGD）作为故障识别的时域指标。进行了滚动轴承的信号仿真，对 仿真信号进行去趋势波动分析改进算法运算，得到仿真信号的分形图和 DGD 特征 因子，根据所得分形图和 DGD 特征因子来分辨正常与故障仿真信号。通过对仿真 信号的分辨来证明了 DGD 特征因子的有效性和准确性。在仿真信号中加入不同程 度的噪声，验证噪声对 DGD 特征因子的影响，证明了噪声的加入不影响 DGD 特征 因子对故障识别。 最后将去趋势波动分析改进算法应用到实际的信号中，对齿轮箱振动信号和风 力机齿轮箱振动信号进行分析，分别求取其分形图和 DGD 特征因子，并将 DGD 特 征因子与其他时域指标进行对比。通过对比发现，峭度在对实际故障识别的过程中 出现了不稳定性，而 DGD 特征因子对风力机齿轮箱故障识别上有很好的稳定性， 证明了本文提出的 DGD 特征因子对风力机齿轮箱故障识别上的优越性。 关键词：风力发电机齿轮箱；时域指标；去趋势波动分析；分形图；DGD 特征因 子 II II Abstract As an important transmission components of wind turbine, gear box is one of the high failure rate of wind turbine components, so the fault diagnosis method of wind turbine gearbox is particularly important. This paper first introduces the situation of wind power and the research status of wind turbine gearbox fault diagnosis methods, this paper expounds the basic theory of time domain index diagnosis method, introduced to Detrended fluctuation analysis and Multifractal Detrended Fluctuation. for the randomicity and subjectivity of selecting interval length of Detrended fluctuation analysis. According to the basic theory of mutual information, adopting the method of analysis of symbols in calculating mutual information and optimizing the long-range correlation index of Detrended fluctuation analysis in order to avoid the influence of interval length on the long-range correlation index and to ensure the stability of the algorithm. Then according to the signal failure occurs multifractal characteristics, by calculating the fractal figure deviation degree, get The Degree of Graphic Deviation (DGD) as an index of fault recognition time domain. Going the rolling bearing signal simulation, operating th