欢迎来到天天文库
浏览记录
ID:31775802
大小:65.06 KB
页数:11页
时间:2019-01-18
《复杂传动系统故障特征提取研究综合方法探究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、复杂传动系统故障特征提取研究综合方法探究摘要:对风电机组齿轮传动系统的加速度振动信号(称为实验信号)进行测试,计算获得其功率谱。并用细化谱与解调谱分析相结合的方法对其功率谱进行分析,得到实验信号的故障特征,初步判断齿轮传动系统发生故障的大概位置及故障类型。为进一步准确验证故障,建立其相应故障的齿轮传动系统的动力学模型,进行动力学模拟分析,对所模拟的振动响应信号采用实验信号相同的处理方法对其处理分析,得到模拟振动信号的故障特征。通过模拟信号的故障特征分析验证了对实验信号故障诊断的正确性。并用分形方法分析了齿轮传动系统不
2、同状态信号功率谱的分形特征。结果表明,关联维数能反映出其振动信号成分的复杂程度,区别出故障的位置和程度。所以,可作为齿轮传动系统的故障特征量及故障诊断的依据。Abstract:Thispaperteststheheredaccelerationvibrationsignal(calledexperimentalsignal)ofwindpowergeneratorgeartransmissionsystemandcalculateditspowerspectrum.Usedzoomspectrumcombiningw
3、ithinversespectrumtoanalyzethepowerspectrumtoobtainthecharacteristicsoftheexperimentalsignal,andjudgedthefauItlocationandfauIttypeofthegeartransmissionsystem.Inordertoverifythefault,thispaperbuildsdynamicalmodeloffaultygeartransmissionsystem,thenimportsitinCAEs
4、oftwaretosimulate,andextractsitsvibrationsignaltoanalyzebyusingsignalprocessingmethodsthesameasdescribedabovewiththepurposeofgettingvibrationsignalcharacteristicsofthefaultytransmissionsystem,usestheresulttojudgewhethertheresuItofexperimentalsignalisright,andus
5、esfractalmethodtoanalyzedifferentstatuspowerspectrumfractaicharacteristicsofgeartransmissionsystem.Theresultshowsthatthecorrelationdimensioncanreflectitsvibrationsignalcomponentsofcomplexdegreeandthedifferencebetweenthefaultpositionanddegree,canprovidebasisforf
6、ailurecharacteristicquantitiesofgeartransmission,tojudgefault・关键词:复杂齿轮传动系统;谱分析;动力学模拟;关联维数Keywords:complexgeartransmissionsystem;spectrumanalysis;dynamicsSimulation;correla.tiondimension中图分类号:TK83文献标识码:A文章编号:1006-4311(2014)16-0037-040引言风力发电机组齿轮传动系统是整个风电机组的核心部件,其
7、主要功用是将风轮在风力作用下所产生的动力传递给发电机并使其得到相应的转速[1]。如果齿轮传动系统出现故障,将会影响整个风电机组的运转,甚至造成停机[2]。由齿轮传动系统故障所造成的停机时间最长,造成的损失最大[3]。因此,对风电机组齿轮传动系统的故障状态进行分析并建立合理的故障识别方法就显得尤为重要。面对风电机组齿轮传动系统故障的频繁发生以及造成的巨额损失,唐新安等[3]借助时域信号的统计指标实现对齿轮箱故障的初步诊断,之后借助传统的快速傅里叶变换(FastFourierTransform,FFT)和功率谱对诊断结果
8、进一步加以确认。HUANG等[4]研究了小波神经网络在风力机齿轮箱故障诊断中的应用。该方法借助小波变换的时频分析特性和神经网络的自学习功能,将小波函数作为神经网络的隐含层,提高了诊断精度,减少了神经网络的层数,加快了收敛速度。BARSZCZ等[5]提出了利用谱哨度诊断行星齿轮箱故障的方法。利用谱哨度对冲击信号敏感特性检测出信号中的冲击成分,从而
此文档下载收益归作者所有