基于改进自适应形态学方法的风电机组滚动轴承故障诊断研究

《基于改进自适应形态学方法的风电机组滚动轴承故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:学校代码:10128UDC:学号:20151800237硕士学位论（文学生类别：全日制专业型硕士研究生学位类别：工程硕士领域名称：控制工程论文题目：基于改进自适应形态学方法的风电机组滚动轴承故障诊断研究英文题目：ResearchonFaultDiagnosisofRollingBearingofWindTurbineBasedonImprovedSelf-adaptiveMorphologicalMethod学生姓名：张双龙导师姓名：高胜利副教授导师姓名：高俊高级工程师二○一八年六月内蒙古工业大学硕士学位论文摘要随着社会经济的

2、不断发展，环境保护越来越得到世界各国的重视，人们在减少煤、石油、天然气等非再生能源使用量的同时逐步采用清洁能源来代替，这使得风力发电行业在这一背景下快速兴起并进入稳步增长的新常态。在我国，新能源发展更为迫切，随着风力发电技术的迅速提高，风电机组的单机容量不断增大，风电在电力市场中所占比例不断上升。随之而来的风机的复杂程度和成本的增加，加上风电场本身恶劣的环境条件，大大提升了风力发电的成本。因此，开展风电机组的状态监测与故障诊断方法的研究，对减少机组运维成本，提高机组运行经济效益，具有非常重要的意义。振动信号作为传动链故障特征信息的载体

3、，如何从振动数据中有效提取能够有效反映风电机组传动链的运行状态的信号，对于风机故障诊断研究尤其重要。本文以风电机组滚动轴承为研究对象，提出一种基于复合结构元素的数学形态学方法和谱相关分析相结合的故障诊断算法。主要研究内容如下：（1）针对风电机组中旋转机械振动信号呈现的非线性、非稳定等特性，提出一种基于数学形态学三角结构元素高度自适应和开闭算子自适应的滚动轴承故障诊断改进方法。该方法以西储大学数据为研究对象，通过基于信号的三角结构元素和非单一形态学开闭运算对已知故障信号进行训练，得到各故障类型三角结构元素高的平均值和最优加权因子的平均值

4、。之后将所得运用到未知信号进行类似形态学处理，经过快速傅里叶变换得到未知检验信号和训练信号的形态谱并一一进行相关分析，最终根据相关系数的大小识别并确定信号故障类别。该方法验证了自适应开闭组合算子在故障特征提取中的有效性，但针对个别故障类型依然存在结果被干扰的现象。（2）针对上述改进算法的仿真结果存在干扰项的情况，根据信号本身的特性，引入复合结构元素的概念，提出一种W新型结构元素，对上述结构元素高度自适应和开闭算子自适应的形态学算法加以改进，经过仿真实验，结果显示，干扰情况得以明显改善。（3）将改进的自适应数学形态学算法应用到实际风机案

5、例中进行实验，结果表明该方法能有效提取信号中的故障特征，相比传统的数学形态学算法具有更高的识别率和可靠性。关键词：故障诊断；风力发电机；自适应数学形态学；W新型结构元素；相关分析I内蒙古工业大学硕士学位论文AbstractWiththecontinuousdevelopmentofthesocialeconomy,environmentalprotectionisgettingmoreandmoreattentionfrompeopleallovertheworld.Peoplearegraduallyreplacingtheuseo

6、fnonrenewableenergysuchascoal,oil,naturalgastoothercleanenergy.Thismakesthewindpowerindustryriserapidlyandenteranewnormalstateofsteadygrowthinthiscontext.InChina,thedevelopmentofnewenergyismoreurgent.Withtherapidimprovementofwindpowergenerationtechnology,thesinglemachin

7、ecapacityofwindturbineisincreasing,andtheproportionofwindpowerinthepowermarketisrising.Theconsequentaugmentofthecomplexityandcostofthewindturbines,coupledwiththeharshenvironmentalconditionsofthewindfarm,hasgreatlyincreasedthecostofwindpowergeneration.Therefore,itisofgre

8、atsignificancetocarryoutresearchonconditionmonitoringandfaultdiagnosismethodsforwindpowergenerationunitstoredu