论文部分内容阅读
我国的海上风电安装行业起步较晚,相关的监测、诊断与维护技术尚不完善,海上风电起重机长期在离岸的恶劣环境中作业,定期检测、维修的时间间隔较长,其传动系统的关键部件极易在运行过程中出现故障。传动系统是海上风电起重机的核心,其中的主轴轴承与齿轮等关键部件极易在海上恶劣环境中损坏,关键部件的运行状态与健康程度直接决定了海上风机安装作业的精确性与安全性。因此,海上风电起重机传动系统关键部件的故障诊断研究对于提高我国海上风机安装的安全性与可靠性具有重要意义。在机械故障诊断领域的现有研究成果中,针对海上风电起重机传动系统关键部件的早期微弱故障检测研究十分缺乏;传动系统在海上高湿度以及平台晃动的恶劣环境中运行,其中的轴承部件会产生特殊的带状点蚀和微振磨损缺陷故障,而针对特殊缺陷的故障模式识别研究至今鲜有见闻。因此,本文选择海上风电起重机传动系统中的主轴轴承作为主要研究对象,以齿轮作为辅助研究对象,针对传动系统关键部件的早期微弱故障检测问题以及在海上恶劣环境中产生的特殊故障的模式识别问题开展了振动信号分析与故障诊断研究。论文的主要研究内容如下:(1)开展了针对传动系统关键部件的早期微弱故障特征提取方法研究。传动系统在运行时会产生大量噪声和多种频率的干扰成分,早期微弱故障所表现出的特征容易被淹没,因而难以提取。针对这种状况,依据小波变换的窗口伸缩平移原理,对传统峭度指标进行了窗口化改进,结合峭度指标与小波变换各自的优势,提出了基于连续峭度与小波瞬时能量特征融合的故障特征提取方法,实现了早期微弱故障特征的有效提取。(2)开展了针对传动系统关键部件的早期微弱故障信号增强检测方法研究。传动系统振动信号中表示故障的特征频率往往以调制信号的形式存在,其能量远远弱于噪声以及其它频率成分,因而难以检测。依据利用噪声能量增强微弱信号的随机共振原理,对传统的随机共振系统进行改进,并结合自适应优化算法,提出了一种自适应多稳态级联随机共振方法,弥补了传统随机共振系统的不足,提高了噪声能量的利用率,有效地实现了微弱故障信号的增强检测。(3)针对传动系统振动信号的故障模式识别问题,提出了基于多尺度奇异值与基于多尺度形态学的两种多尺度特征提取故障诊断方法。通过多尺度特征提取,获得复杂信号成分中完整的有效特征信息,再依据流形学习理论,对非线性的样本特征进行降维,获得易于识别的低维特征向量。多尺度奇异值流形方法可提取信号样本的时频分布图像中的固有动态特征,并同时消除相位差异的干扰,多尺度形态流形方法可对信号样本进行多尺度时域观测,依据不同尺度观测结果之间的关联性,构造信号的样本特征。两种多尺度方法分别从不同理论出发,有效地实现了多信号样本的特征提取,提高了多故障模式的识别与诊断精度。实验验证表明,多尺度特征提取故障诊断方法能够有效地识别传动系统轴承部件在海上恶劣环境中产生的带状点蚀与微振磨损故障模式。(4)针对传动系统故障振动信号的多重分形特性,提出了基于去趋势波动分析的多重分形流形故障诊断方法。为改善传统去趋势波动分析方法在机械故障诊断中的不足,通过提高局部趋势的拟合精度,获得了更为精细的局部波动特征;同时,将单分形特征扩展到多重分形领域,并从多重分形对数曲线中提取连续的广义Hurst指数作为各个样本的特征向量,从而获得了更为全面的样本特征。多组故障实验的验证结果表明,该方法具有更高的故障模式识别精度,其识别性能在不同机械系统中具有更好的适应性与稳定性。(5)针对海上风电起重机传动系统的状态监测与故障诊断需求,初步设计了传动系统的监测方案与故障诊断系统。故障诊断系统具有信号样本分析、特征提取、增强检测与模式识别等功能,该系统与相关功能得到了实验数据的测试与验证。