大型風電機組故障診斷研究.pdf

1、隨著全球新能源技術的迅猛發(fā)展，及風電比重的不斷提升，對大型風電機組故障診斷方法研究的重要性及緊迫性也越來越顯著。本文以大型風電機組故障診斷方法為研究重點，以提高風電機組的可靠性為目的，分別對風電機組的重要組成部分發(fā)電機、主軸、制動閘和齒輪箱進行研究。全文圍繞小波及其與神經網絡、卡爾曼濾波和希爾伯特變換的結合，對風電機組故障診斷或狀態(tài)與趨勢預測進行研究，并結合研究的故障診斷或狀態(tài)預測方法對大型風電機組故障診斷系統進行設計，主要做了以下四個

2、方面的工作。
　　(1)研究了大型風電機組發(fā)電機故障形成機理，并將小波包變換方法應用于以發(fā)電機電流為分析對象的發(fā)電機故障診斷中。通過發(fā)電機轉子斷條故障診斷實例分析，說明了小波包變換對發(fā)電機微弱故障信號特征具有較強的識別能力。
　　(2)對大型風電機組的主軸軸承、制動閘的工作狀態(tài)進行預測，確定以主軸軸承的溫度、制動閘的磨損度為分析對象，提出了基于卡爾曼小波神經網絡主軸溫升與制動閘磨損量預測的狀態(tài)預測方法。
　　(3)研究

3、了大型風電機組齒輪箱的故障診斷方法，以振動信號為分析對象，基于多尺度小波希爾伯特變換方法實現了對風電機組齒輪箱多重故障診斷。首先用小波降噪算法對原始振動信號進行降噪，然后對多尺度小波分解和重構法處理過的純凈振動信號進行希爾伯特變換，進而獲得振動信號峰值、有效值、均值、峭度值與各類故障的對應關系。通過風力機實驗臺齒輪箱模擬故障實驗，驗證了該方法的有效性。
　　(4)基于研究的故障診斷或狀態(tài)預測方法，對大型風電機組故障診斷系統進行了設