风力机齿轮故障诊断研究
风力发电在减缓全球能源短缺和环境污染方面起着越来越重要的作用。近年来，风能发展趋势良好，世界各个国家的风电累计装机容量稳步上升，然而恶劣的工况条件严重影响风电机组的安全性和稳定性，其中风力机齿轮箱作为增速机构，其故障率一直居高不下，因此对风力机齿轮故障诊断研究势在必行。 本文主要通过对齿轮的故障诊断对风力机进行研究。齿轮的故障诊断主要是在风力机传动链系统实验台架上完成，对故障率较高的行星齿轮箱太阳轮进行研究，着重对无故障、点蚀发展故障和断齿发展故障展开实验研究，采集风电机组上述无故障和故障状态下的全转速范围内的振动信号和电流电压信号，利用时域指标、功率谱分析、小波灰度矩对采集的上述信号进行故障特征提取。分析结果表明，时域指标对于无故障和故障情况有着较好的区分，故障状态下的各项指标值均大于无故障状态指标值，但是需要对故障类别进一步诊断；电压和电流信号功率谱幅值随着点蚀和断齿故障的发展逐渐增大，能较好的诊断点蚀和断齿故障的严重程度，振动信号的功率谱密度图能提取齿轮啮合频率两侧的边频带成分以及幅值大小，从而能区分开无故障和1面点蚀及1面断齿状态；从小波分时尺度矩分析得知，无故障在十二和十三分区的取值最小，在断齿状态时，4面断齿在十三分区和十四分区取值最大，2面断齿在第三分区取值最大；在点蚀状态时，7面点蚀在十一分区的取值最大，4面点蚀在第四分区和第五分区的最大值明显大于其他故障，并且变化范围较大，8面点蚀在十三分区和十四分区的取值最大，不同故障的小波分时尺度矩具有不同的分布特征，对部分故障齿轮具有较好的诊断效果。 因此，对于点蚀发展故障和断齿发展故障采集的振动信号和电信号，采用时域指标、功率谱分析、小波灰度矩综合分析可以得到较好的诊断效果。
风力发电机;齿轮箱;故障诊断;特征提取
华中科技大学
硕士
热能工程
杨涛;王坤
2014
中文
TM315;TM307.1
72
2015-07-30（万方平台首次上网日期，不代表论文的发表时间）