风力发电机传动系统故障诊断的时频综合分析方法研究-精密仪器及机械专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘要 I I 摘 要 风能是储存量丰富的可再生洁净能源，是人类最早利用的能源之一。在利用 它转换为电能的过程中，由于不产生有害气体和废料，也就是说它不污染环境， 因此受到世界各国政府的广泛重视。随着风能技术的快速发展和日趋完善，风力 发电机的可靠性越来越高，但是在风力发电系统的高速发展的同时，风力发电机 故障问题也收到了极大的关注，如风机自身的轴承磨损、齿轮断齿、轴偏心等常 见故障，都可能造成风机毁坏，从而降低经济效益，鉴于这些，风机故障诊断已 经逐渐成为风力发电发展中的重要研究内容。 风力发电机由于长时间地工作，一些部件之间的摩擦就会使得仪器的部件老 化或者磨损，这无疑降低了发电机的寿命，降低了发电机的工作效率，而最常见 的故障就是齿轮断齿和轴承的磨损，而对这些故障的故障诊断方法有直接观察法、 振动和噪声检测法、无损检测法、磨损残余物检测法、机器性能参数检测法等。 为了对这些故障进行高效地诊断，传统的直接观察法判断已经不足以满足风力发 电机的发展和工作要求，所以一般是利用振动检测法，振动信号是机械设备状态 信息的载体，包含了丰富的故障特征信息，故障诊断就是通过各种信号处理方法， 把隐藏在振动信号中的有意义的特征信息提取出来，实现对设备的诊断。因此采 用风力发电机振动信号判断其故障是一种可靠的方式，而对振动信号最合适的处 理方式就是信号的时频分析方法，传统的时频分析方法如短时傅立叶变换、 Wigner-Ville 分布等，它们分别存在着窗效应和交叉项的问题且都不是自适应的。 本文研究了一种改进的 Hilbert-Huang 变换（HHT），并将这改进的时频分析方法 运用到风力发电机故障信号处理中。Hilbert_Huang 变换通过经验模态分解（EMD） 的方式将信号分解成为有限个固有模态（IMF），每一个固有模态都是一个稳态的 信号，因此可以对每一个固有模态进行 Hilbert 变换，得到了信号的 Hilbert 谱，从 而得到了信号的特征，结合模糊神经网络系统，对故障的类型进行更加准确和方 便地识别。但是传统的 Hilbert_Huang 变换存在着端点飞翼和终止条件的问题，本 文针对这两个缺陷进行了一系列的研究，最终形成了了一个种改进的 HHT 分析方 法，利用这种改进的 HHT 分析方法获得了发电机的振动信号的时频特征， 但是 HHT 方法只是得到信号的时频特征，但是并没得到最后的故障诊断结果，在目前 的研究中，模糊神经网络已经得到了较快发展，并且显示出了强大的优势，它是 一种新的诊断和识别技术，它将模糊逻辑推理的强大结构性知识表达能力和神经 网络的强大自学习能力结合为了一体，本文将 HHT 分析得到的时频特征结合了模 II II 糊神经网络进行故障类型的诊断和识别，获得了很好的效果。 关键词：风力发电机，故障诊断，时频分析，Hilbert_Huang 变换，模糊神经网络 AB ABSTRACT IV IV ABSTRACT Wind energy , one of the earliest human use of energy,is rich reserved and renewable clean energy, because it does not generate any harmful gas and waste in the conversion to electrical energy, so it does not contribute to the environmental pollution, for whitch it attracts great attention from the governments all over the world.With the rapid development of wind energy technology