大型风电机组故障诊断研究

《大型风电机组故障诊断研究》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TP277密级UDC编号上海电机学院硕士学位论文大型风电机组故障诊断研究LARGE-SCALEWINDTURBINEFAULTDIAGNOSISREASEARCH硕士研究生杨明莉学号126001010204校内导师刘三明教授企业导师刘琦高级工程师工程领域电气工程申请学位工程硕士所在单位电气学院答辩日期2015年01月19日授予学位单位上海电机学院上海电机学院学位论文原创性声明本人郑重声明：所呈交的学位论文《大型风电机组故障诊断研究》，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外

2、，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日大型风电机组故障诊断研究摘要随着全球新能源技术的迅猛发展，及风电比重的不断提升，对大型风电机组故障诊断方法研究的重要性及紧迫性也越来越显著。本文以大型风电机组故障诊断方法为研究重点，以提高风电机组的可靠性为目的，分别对风电机组的重要组成部分发电机、主轴、制动闸和齿轮箱进行研究。全文围绕小波及其与神经网络、卡尔曼滤波和希尔伯特

3、变换的结合，对风电机组故障诊断或状态与趋势预测进行研究，并结合研究的故障诊断或状态预测方法对大型风电机组故障诊断系统进行设计，主要做了以下四个方面的工作。(1)研究了大型风电机组发电机故障形成机理，并将小波包变换方法应用于以发电机电流为分析对象的发电机故障诊断中。通过发电机转子断条故障诊断实例分析，说明了小波包变换对发电机微弱故障信号特征具有较强的识别能力。(2)对大型风电机组的主轴轴承、制动闸的工作状态进行预测，确定以主轴轴承的温度、制动闸的磨损度为分析对象，提出了基于卡尔曼小波神经网络主轴温升与制动闸磨损量预测的

4、状态预测方法。(3)研究了大型风电机组齿轮箱的故障诊断方法，以振动信号为分析对象，基于多尺度小波希尔伯特变换方法实现了对风电机组齿轮箱多重故障诊断。首先用小波降噪算法对原始振动信号进行降噪，然后对多尺度小波分解和重构法处理过的纯净振动信号进行希尔伯特变换，进而获得振动信号峰值、有效值、均值、峭度值与各类故障的对应关系。通过风力机实验台齿轮箱模拟故障实验，验证了该方法的有效性。(4)基于研究的故障诊断或状态预测方法，对大型风电机组故障诊断系统进行了设计，搭建了风电机组故障诊断系统实验台，对设计方I案进行了简单的实验验证

5、。关键词：故障诊断、小波、希尔伯特变换、卡尔曼滤波、神经网络IILARGE-SCALEWINDTURBINEFAULTDIAGNOSISRESEARCHABSTRACTWiththerapiddevelopmentofglobalnewenergytechnology,andthecontinuousincreaseoftheproportionofwindpower,thesignificanceoftheresearchforlarge-scalewindturbinefaultdiagnosisandrelia

6、bilityanalysisisbecomingmoreandmoreevident.Aimingatimprovingthesystemreliability,windturbinefaultdiagnosismethodswereregardasthemostimportantresearchcontenthere.Thewholecontentwerefocusedonthefaultdiagnosismethodsofthekeypartsofthewindturbine,whichweregenerator

7、,mainshaft,brakeandgearbox.Theresearchedwindturbinefaultdiagnosismethodsorworkingconditionpredictionmethodswerebasedonthewaveletanditscombinationwithneuralnetwork,KalmanfilterandHilberttransformation.Alltheresearchedfaultdiagnosisorworkingconditionpredictionmet

8、hodsweredesignedintothelarge-scalewindturbinefaultdiagnosissystem.Themaincontentcanbeconcludedinthefollowingfourparagraphs.(1)Inordertofindanewwindturbinegeneratorfaultdiagn