風(fēng)力發(fā)電機組振動監(jiān)測與故障診斷技術(shù)

1 緒論
1．1 風(fēng)電機組故障診斷基礎(chǔ)
1．1．1 風(fēng)電機組故障診斷的重要性
1．1．2 風(fēng)電機組常見故障
1．1．3 風(fēng)電機組振動監(jiān)測方法
1．2 風(fēng)電機組故障診斷技術(shù)的發(fā)展
1．2．1 干擾噪聲的消除
1．2．2 特征提取技術(shù)
1．2．3 故障診斷技術(shù)
1．2．4 振動監(jiān)測與故障診斷系統(tǒng)
2 風(fēng)電機組傳動系統(tǒng)常見故障
2．1 傳動系統(tǒng)主要結(jié)構(gòu)
2．1．1 風(fēng)輪
2．1．2 齒輪箱
2．1．3 發(fā)電機
2．1．4 機械剎車系統(tǒng)
2．1．5 風(fēng)電機組軸承
2．2 齒輪箱特征頻率計算
2．2．1 第一級行星輪系
2．2．2 第二級行星輪系
2．2．3 第三級定軸傳動
2．3 齒輪典型故障分析
2．3．1 齒形誤差
2．3．2 齒面磨損
2．3．3 斷齒故障
2．3．4 齒面點蝕
2．3．5 齒面膠合
2．4 軸承常見故障分析
2．5 低速和高速軸故障分析
2．5．1 軸不平衡
2．5．2 軸不對申
2．5．3 軸彎曲
2．6 監(jiān)測測點的選取
2．6．1 監(jiān)測點選取原則
2．6．2 監(jiān)測點選取位置
2．7 小結(jié)
3 風(fēng)電機組振動信號的消噪方法
3．1 小波消噪基礎(chǔ)理論
3．1．1 小波理論基礎(chǔ)
3．1．2 小波消噪基本原理
3．1．3 傳統(tǒng)小波消噪方法的不足
3．2 自適應(yīng)閾值小波消噪方法
3．2．1 自適應(yīng)閾值的確定
3．2．2 算法的實現(xiàn)流程
3．2．3 實驗驗證
3．3 基于交叉驗證法優(yōu)化Morlet參數(shù)的消噪方法
3．3．1 Morlet小波及其改進
3．3．2 交叉驗證法優(yōu)化參數(shù)
3．3．3 實驗驗證
3．4 小結(jié)
4 風(fēng)電機組振動故障的自項窗WVD故障診斷
4．1 WVD及其交叉項問題
4．1．1 WVD基礎(chǔ)知識
4．1．2 交叉項的抑制問題
4．2 基于閾值A(chǔ)STFT-WVD的故障診斷
4．2．1 閾值A(chǔ)STFT-WVD的提出
4．2．2 實驗驗證
4．3 SPWVD譜抑制交叉項的故障診斷
4．3．1 SPWVD譜方法的提出
4．3．2 實驗驗證
4．4 基于自項窗WVD的故障診斷
4．4．1 自項窗WVD方法
4．4．2 實驗驗證
4．5 三種方法的對比
4．6 小結(jié)
5 風(fēng)電機組振動故障的模糊高階譜故障診斷
5．1 高階譜基本理論
5．1．1 高階矩及高階累積量的定義
5．1．2 高階矩譜和高階累積譜的定義
5．1．3 雙譜直接估計算法
5．2 閾值化雙譜特征提取
5．2．1 雙譜特征分析
5．2．2 閾值化處理過程
5．3 基于雙譜特征的模糊故障診斷方法
5．3．1 模式識別基本理論
5．3．2 目標(biāo)模板的構(gòu)造
5．3．3 最近鄰模板分類器構(gòu)造
5．4 實例分析
5．5 小結(jié)
6 基于ILMD和SVM的風(fēng)電機組故障診斷
6．1 LMD及其端點效應(yīng)問題
6．1．1 LMD基本算法流程
6．1．2 LMD端點效應(yīng)
6．2 ILMD方法的提出
6．2．1 ILMD算法基本原理
6．2．2 仿真信號分析
6．2．3 軸承故降特征提取
6．3 基于ILMD和SVM的故障診斷
6．3．1 SVM輸入?yún)?shù)獲取
6．3．2 算法流程
6．3．3 軸承故障分類
6．4 小結(jié)
7 風(fēng)電機組振動監(jiān)測與故障診斷系統(tǒng)設(shè)計
7．1 系統(tǒng)總體設(shè)計
7．1．1 需求分析
7．1．2 總體設(shè)計
7．2 傳感器的選擇及安裝
7．2．1 傳感器的選擇
7．2．2 傳感器的安裝
7．3 采集系統(tǒng)的確定
7．4 系統(tǒng)軟件設(shè)計
7．4．1 輔助功能模塊
7．4．2 信號預(yù)處理模塊
7．4．3 特征提取模塊
7．4．4 故障診斷模塊
7．5 應(yīng)用實例
7．6 小結(jié)
參考文獻