论文部分内容阅读
随着人类社会的发展,全球能源紧缺,环境污染加剧等社会问题日益凸显,风能因其储量丰富、清洁环保、可再生等优点已成为各国重点开发的能源之一。研究表明,风力发电机组传动系统故障发生频率较高,该故障造成的损失最为严重,因此,对风力发电机(简称:风力机)齿轮箱故障诊断方法的研究尤其重要。本文通过对风力机齿轮箱故障数据进行分析,研究了复杂条件下风力机齿轮箱故障特征提取方法,以实现对风力机齿轮箱故障的准确诊断。本文主要工作如下:1.在介绍齿轮箱中常见失效形式、振动机理的基础上,对某750KW风力机的齿轮箱故障数据进行了分析。然后,对照拆机检测的结果对风力机齿轮箱中各个故障的可诊断性进行了分类总结。2.针对该齿轮箱的微弱故障,采用小波包络谱和快速Kurtogram对风力机齿轮箱故障数据进行分析,诊断出了常规方法未诊断出的中速轴电机侧轴承外圈故障,同时,还增强了对高速轴电机侧轴承内圈、高速轴叶轮侧轴承保持架、中速轴叶轮侧轴承内圈三个部位的故障特征提取效果。其中,小波包络谱提取出的高速轴电机侧轴承内圈、中速轴电机侧轴承外圈、中速轴叶轮侧轴承内圈故障特征比较明显。虽然快速Kurtogram提取出的高速轴电机侧轴承内圈、高速轴叶轮侧轴承保持架、中速轴电机侧轴承外圈故障特征相对微弱,但诊断出了小波包络谱没有诊断出的高速轴叶轮侧轴承保持架故障。3.针对其它方法未诊断出的微弱故障,利用倒谱预白化(Cepstrum pre-whitening,CPW)处理故障数据能突出冲击信号的特性,提出了CPW与小波包络谱相结合的轴承故障诊断方法。该方法不仅成功地诊断出了其它方法已诊断出的轴承故障,还成功地诊断出了其它方法未诊断出的行星架叶轮侧轴承外圈故障,并且故障特征干扰分量少,特征更清晰,证明了该方法的有效性。