风力发电机组轴承振动检测和故障诊断研究-热能工程专业论文.docxVIP

摘要 摘 要 I I 摘 要 风能作为一种清洁、广泛分布、储蓄丰富的可再生能源，它的有效利用将对我 国这种能源结构单一、能源分布不均匀的国家显着意义非凡。目前，阻碍风电发展 的一个重要原因是风电故障的排查诊断问题，有关数据显示风电的故障排查维护支 出占到风电总支出的 2%，而风力发电机组的轴承部位作为一个重要故障源和传感 器重要检测点，其振动的检测和故障诊断显得尤为重要。 本文针对风力发电机组的振动，运用 EMD 进行特征提取并且利用向量机技术 进行分类诊断。本文用于研究的振动数据源自吉林白城泷北风场的现场数据和美国 凯斯西储大学的实验数据。对信号的求噪方面，采用小波去噪、EMD 去噪、包络 解调去噪、小波包络解调去噪和 EMD 包络解调去噪分别进行处理，最终得到小波 包络解调方法得到最佳的去噪效果。针对于 EMD 特征提取时存在的虚假分量的问 题，本文在传统的能量守恒分析方法基础上，考虑了三次样条插值误差和包络拟合 误差的影响，针对风电场振动采集采样频率特点，改进能量守恒算法，采用多层计 算，对虚假分量进行识别，并加以频谱散度参量来进行辅助特征识别，得到较为准 确的故障特征。此方法相对于相关系数法和 KL 散度法有着更好的稳定性。故障识 别方面分别采用 Vapnik 支持向量机对故障特征信号进行识别分类，采用 RBF 核函 数，参数寻优方面采用交叉网格验证方法、遗传算法、粒子群算法来进行参数寻优， 对最终的分类效果进行比较分析。 关键词：风电轴承；EMD；小波；包络解调；能量守恒法；虚假分量；支持向量机； 华北电力大学硕士学位论文 华北电力大学硕士学位论文 II II Abstract Wind energy as a clean, widely distributed, abundant deposited, renewable energy, it efficient use will be a major significance for our country of single energy structure, the energy distribution. Currently, an important reason for hindering development of wind power is that fault investigation and detection. According to the data, the troubleshooting and maintenance about wind power accounts for 2% of wind power total expenditure, while wind turbine drive train bearing as an important source of the fault and sensors detect point is particularly important for turbine fault detection system. Aiming at the vibration of the wind turbines, this paper uses the EMD technique to extract fault feature and uses vector machine (SVM) to classify the diagnosis. Vibration data is from field data of Jilin Baicheng Longbei Wind Field, and the failure data is from Case Western Reserve University in the United States. For data denoising, the wavelet denoising, the EMD de-noising, envelope demodulation denoising, the wavelet envelope demodulation denoising, the EMD envelope demodulation denoising processing respectively, are used to process field data. Finally the wavelet envelope demodulation method gets the best denoising effect. For feature extraction of the EMD false IMF problems, on th