论文部分内容阅读
伴随着经济的发展,全球能源危机、环境危机日益凸显，风能以其成本低、清洁安全、可再生等优点越来越受到世界各国的重视，所以近几年以来风力发电得到快速发展。然而随着风力发电机组的大规模投入运行，风机故障及突发事故频发，严重影响正常的生产发电工作。为了保证风力发电机的安全可靠运行，减少故障的发生，研究开发风电机组的在线监测与故障诊断系统有着非常重要的意义。齿轮箱是风力发电机故障高发部件，在这个背景下，本文主要研究风机齿轮箱故障诊断相关问题和有效方法。针对风力发电机齿轮箱的故障诊断算法往往存在效率低下、计算量大、运行时间长的缺点，为了更好的解决风力发电机齿轮箱故障诊断问题，本文拟采用基于改进量子遗传优化的最小二乘支持向量机的智能故障诊断技术，进一步利用虚拟仪器技术和LabVIEW2012软件完成诊断方法的实现和监测诊断系统的构建。论文主要研究内容如下：结合风力发电机工作原理和机械结构特点，研究了风力发电机齿轮箱内部常见故障，以及发生故障时的振动信号特征，为系统的开发提供了理论基础；详细介绍了小波消噪和小波包分解方法，分析了风力发电机齿轮箱的常用故障特征，主要分析了时域故障特征和频域故障特征；针对QGA(Quantum GeneticAlgorithm，量子遗传算法)容易陷入局部极值的缺点，提出了MPQGA（Multiple-population QGA，多种群量子遗传算法）算法，并应用到了LSSVM参数优化上面，建立MPQGA-LSSVM模型，经UCI数据仿真显示，改进算法具有良好性能。之后把模型应用到风机齿轮箱故障诊断中，获得了较好的结果；然后完成了风力发电机齿轮箱状态监测与故障诊断系统的总体方案设计，确定了对系统硬件组成的选择，确定基于LabVIEW的软件开发平台；最后基于实验室的风机模拟齿轮箱试验台，开发了一套风机齿轮箱状态监测与故障诊断系统。应用虚拟仪器技术，采用LabVIEW编程语言，结合前面介绍的故障诊断方法，并把MPQGA-LSSVM模型嵌套到界面中，完成了齿轮箱振动信号的采集，远程传输，数据处理，数据保存，离线分析，故障诊断，数据库管理等功能，其中离线分析包括时频域分析及故障特征提取模块，小波降噪模块，小波分解及能量特征提取模块，功率谱和Hibert分析模块等其他模块。