论文部分内容阅读
随着能源危机和环境污染问题日益严重,风力发电越来越受到人们的关注和重视。如何保证风力发电机组的正常运行,及时发现风机机组存在的故障隐患,成为风力发电领域的核心问题。因此,针对风机齿轮箱的故障诊断和状态监测技术的研究具有重要的实用意义。行星齿轮箱相比于传统定轴传动齿轮箱结构更为复杂,故障信号中存在多种调制现象,采集到的非平稳非线性振动信号中还包含强烈的噪声。针对上述问题,本文以风机齿轮箱为研究对象,做了如下工作: (1)阐述了风机的基本结构和工作原理,总结了行星齿轮箱易出现故障的齿轮和轴承的失效形式,推导了行星齿轮箱各部位的故障特征频率,研究了行星齿轮箱振动信号的传递路径,建立了行星齿轮箱的振动模型,分析了行星齿轮箱的故障机理。 (2)针对传统时域平均算法不能完全消除截断误差的问题,提出了基于插值的时域平均方法,完全消除了截断误差的影响。该新方法消除了振动信号中非感兴趣成分的干扰,提高了信噪比。该方法成功运用于行星齿轮箱太阳轮缺齿和行星轮缺齿故障特征的提取,并与传统时域平均算法相比,验证了该方法的有效性和优越性。此外,讨论了频率估计误差和数据长度等因素对时域平均算法应用的影响,为以后该算法的应用提供了建议。 (3)针对振动信号中多种分量相互调制的现象,从信号分离提取的角度,运用局部特征尺度分解的方法将信号分解为一系列内禀尺度分量,然后通过香农熵值的大小筛选出包含明显周期成分的分量,进而提取出故障特征。通过该方法成功提取出了行星齿轮箱振动信号的故障分量,避免了分量选取的盲目性。通过实验验证了该方法的有效性和优越性。通过该方法处理时域平均后的振动信号,取得了更好的效果。 (4)提出了将基于遗传编程的复合诊断指标应用于行星齿轮箱故障模式识别的方法,验证了复合诊断指标的分类效果明显优于单个统计指标。通过实验证明了构建的复合诊断指标对载荷变化不敏感,可以用于变载荷工况下行星齿轮箱的模式识别。通过无量纲指标构建的复合诊断指标可以用于区分行星齿轮箱在变载荷、变转速工况下正常状态、太阳轮故障、行星轮故障和轴承故障的四种模式。