论文部分内容阅读
齿轮箱是风力发电机不可或缺的部分之一,作用在于增加转速,使其足以提供系统发电所需能量。它同时也是整个机组故障高发部分,维修齿轮箱的费用以及机组停运带来的经济损失相当高,齿轮箱故障还可能引发安全事故,带来重大人身伤亡等灾难。维修齿轮箱属于高空作业且齿轮箱的安装的空间狭小,故障后维修困难。因此,提高风机齿轮箱的可靠性,对风机齿轮箱进行故障前预测、故障后及时准确地判断并正确妥善处理,避免经济损失与人员伤亡成为了具有现实意义的问题。故障树常被用来对复杂系统进行故障分析,其树状结构可以清晰反应出故障原因与故障类型之间的关系。但是分析过程中存在不确定性以及故障模式独立等不足。本文将故障树与贝叶斯网络模型融合,模型的图形描述能弥补故障树的事件相关性差,只能表达二态性等缺点。模型的节点能表示与故障相关的所以信息,避免了故障树只能存在一个顶事件的不足。模型结合成熟的软件对故障进行分析,其分析效率、推理能力都明显高于故障树,贝叶斯处理不确定问题、对多元信息表达融合方面上能力强,不仅优于故障树,也优越于振动信号诊断分析、神经网络分析等分析方法。本文首先介绍了风机齿轮箱的结构类型、工作原理以及工作状况,归纳了风机齿轮箱的在复杂工况下的故障原因、模式以及影响。在此故障机理分析的基础上建立了故障树,利用故障树对其进行分析。其次,介绍了贝叶斯网络模型的图形描述、概率推理等相关理论,给出利用故障树构建贝叶斯网络模型的步骤。最后,在FullBNT-1.07平台上完成风机齿轮箱贝叶斯网络模型的建立,利用已知的齿轮箱出厂数据、文献数据、风机厂反馈数据得到先验、条件概率,结合所建模型,运用matlab软件对风机齿轮箱故障模型进行故障前分析预测、故障后诊断。此模型可以改进故障树分析中事件相关性差,分析效率低、推理能力差的问题,本文基于贝叶斯网络对齿轮箱的故障分析还处于探索阶段,还有待进一步改进。