欢迎来到天天文库
浏览记录
ID:36596173
大小:9.57 MB
页数:71页
时间:2019-05-12
《风电机组数据采集与故障诊断技术研究》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:TM614UDC:621.5工学硕士学位论文密级:编号:2011149风电机组数据采集与故障诊断技术研究硕士研究生:王子龙指导教师:于洋教授学科、专业:控制理论与控制工程沈阳理工大学2013年12月分类号:TM614UDC:621.5工学硕士学位论文密级:编号:2011149风电机组数据采集与故障诊断技术研究硕士研究生:指导教师:学位级别:学科、专业:所在单位:论文提交日期:论文答辩日期:学位授予单位:王子龙于洋教授工学硕士控制理论控制工程沈阳理工大学2013年12月2014年3月沈阳理工大学ClassificationInd
2、ex:TM614U.D.C:621.5AThesisfortheMasterDegreeofEngineeringWindTurbineDataAcquisitionandTheResearchingonFailureCandidateSupervisorAcademicDegreeAppliedforSpecialityDateofSubmissionDateofExaminationUniversityDiagnosticTechniqueWangZilongYuYangMasterofEngineeringControlTheo
3、ryandControlEngineeringDecember,2013March,2014ShenyangLigongUniversity沈阳理工大学硕士学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。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。作者(签字):虱挖日期:洳f午年3月≥日学
4、位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定,即:沈阳理工大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘,允许论文被查阅和借阅。本人授权沈阳理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:翊岔日期:训陬3.岁指导教师签名:j洱日期:沏/牛.歹.兮沈阳理工大学硕士学位论文摘要随着风能在世界范围内的日益发展,风力发电技术在全世界越来越多的受到重视,风电机组通常在恶劣环
5、境下运行,齿轮箱、电气系统及电机经常出现故障,如何保证风力发电机组稳定运行,高效利用风力资源已经成为摆在我们面前的一项重要的课题。本文在分析了国内外风力发电系统中常见故障机理的基础上,明确了传动系统故障是风电机组停机故障的主要原因,依此设计了针对风电机组传动系统部分采用振动传感器和温度传感器进行数据采集与故障诊断技术研究的技术方案。本文首先介绍了数据采集单元硬件电路的设计原理,包括:信号调理电路、A/D转换电路、LCD显示电路以及STC89C51芯片外围电路及GPRS通讯电路的原理图设计,并在充分考虑了抗干扰等PCB制板注意事项的基础
6、上完成了PCB的制作。其次对基于振动和温度数据的故障诊断方法进行了研究,在传统BP人工神经网络和Elman神经网络算法的基础上,提出了基于自组织模糊聚类Elman网络风电机组故障诊断方法。该方法运用数学运算处理得到采集样本的均值、方差、允许值和临界值,将其与IS02372振动质量评级标进行对比,得到风电机组发生故障的具体部位,之后对数据进行自组织模糊聚类诊断预处理,科学有效地对输入数据进行了分类并将分类结果应用到故障诊断当中。由于BP神经网络是一种前向网络,相对于反馈型的网络来说,收敛速度较慢,而且有可能收敛到局部极小值,利用Elma
7、n网络对BP神经网络进行优化处理,弥补了该不足。将数据采集系统和故障诊断单元应用到风电机组实验系统中进行模拟实验,结果表明数据采集系统具有良好的数据采样精度。经过自组织模糊聚类处理后的数据进行Elman网络故障诊断处理结果,一定程度上克服了传统人工神经网络故障诊断中的收敛速度慢,训练结果不精确的问题,为实际风力发电实时监测风电机组数据与后期故障诊断处理提供了一种有效方法。关键词:风电机组:传动系统;数据采集;故障诊断;模糊聚类Elman神经网络沈阳理工大学硕士学位论文AbstractWiththefastdevelopmentofth
8、ewindenergyintheworld,windpowertechnologyhasattractedalotofattention.Thewindturbinesfrequentlyrunintheharshenv
此文档下载收益归作者所有