基于子空间方法的风机齿轮箱早期故障预测研究-电气工程专业论文.docxVIP

摘要 摘 要 I I 摘 要 在环境问题和能源危机日趋严重的今天，风力发电事业的迅速发展无疑是一 个正面消息，但随之而来的是风电场高额的维修费用。风机齿轮箱的故障是造成 整台风电机组停机时间最长的一种故障，同时齿轮箱也是最昂贵的部件之一。因 此，对其进行早期故障预测的研究对延长风机安全稳定运行时间和减少风电场运 行维修费用具有重要意义。 本论文是在国家自然基金(编号项目下进行的，针对风机齿轮箱 的振动监测数据，提出了两种基于子空间方法的齿轮箱故障预测算法：(1) 基于 随机子空间识别方法的故障预测。该算法首先利用随机子空间方法和大量正常运 行时的振动数据，来建立齿轮箱的随机状态空间方程，并得到一组与齿轮箱正常 状态特征相对应的参考特征值；随后利用这组参考特征值与由实际振动数据所求 的特征值进行比较，如果所求特征值与参考特征值误差很小，则说明系统正常； 反之则异常；为了便于比较，定义了均方根误差这个评价指标，结合统计过程控 制原理确定的门槛值，来对齿轮箱的运行状态进行实时预测。(2) 基于确定性- 随机子空间识别方法的故障预测。该算法是对第一种算法的深化和扩展，不仅考 虑了风机齿轮箱的振动监测数据，而且考虑了其变化的转速数据对故障预测的影 响。首先，同样对长时间的振动数据和转速数据进行分析计算，由该算法可以求 得齿轮箱各转速正常状态下的一个参考域；然后利用新的数据估计出状态空间方 程的参数矩阵，并得到相应系统矩阵的特征值，若特征值位于参考域范围内则说 明齿轮箱的状态正常，反之则异常；为了给出定量的分析结果，提出了离散度这 个评价指标，正常状态下的离散度曲线应一直低于门槛值，而异常状态下的离散 度曲线会有高于门槛值的情况出现。 在 Matlab 环境下，编程实现了以上算法，分别利用正常振动数据和模拟断 齿故障数据进行了仿真验证，并取得了较好的仿真结果，表明了所提方法的正确 性和有效性。 关键词：风机；齿轮箱；故障预测；振动监测；子空间 Ab Abstract II II Abstract With the crisis of energy and environment, the fast development of wind power generation field is undoubtedly a positive thing. But the problem of wind farms high maintenance costs has followed. The longest downtime for wind turbines is due to failures of the gearbox, and the gearbox is one of the most expensive components in the wind turbine. So early fault prediction of gearbox is meaningful for prolonging the stable operation time and reducing maintenance costs. Supported by the Natural Science Foundation Fund Project (NO., this paper presents two based on subspace fault prediction algorithms for vibration data of the gearbox. (1) The first fault prediction algorithm is based on the stochastic subspace identification method. Firstly, the gearbox’s stochastic linear state space model is built up by using a large amount of vibration data under normal operational conditions, and we obtain a set of reference eigenvalues which are related to the characteristics of gearbox’s normal state. Then, new eigenvalues are calculated by the real-time vibration data and we compare these new eigenvalues with the refer