1绪论 1
1.1 风电机组故障诊断基础 1
1.1.1 风电机组故障诊断的重要性 1
1.1.2 风电机组常见故障 2
1.1.3 风电机组振动监测方法 4
1.2 风电机组故障诊断技术的发展 6
1.2.1 干扰噪声的消除 7
1.2.2 特征提取技术 7
1.2.3 故障诊断技术 9
1.2.4 振动监测与故障诊断系统 11
2风电机组传动系统常见故障 12
2.1 传动系统主要结构 12
2.1.1 风轮 13
2.1.2 齿轮箱 14
2.1.3 发电机 15
2.1.4 机械刹车系统 15
2.1.5 风电机组轴承 16
2.2 齿轮箱特征频率计算 16
2.2.1 第一级行星轮系 17
2.2.2 第二级行星轮系 19
2.2.3 第三级定轴传动 19
2.3 齿轮典型故障分析 20
2.3.1 齿形误差 21
2.3.2 齿面磨损 21
2.3.3 断齿故障 22
2.3.4 齿面点蚀 22
2.3.5 齿面胶合 22
2.4 轴承常见故障分析 23
2.5 低速和高速轴故障分析 25
2.5.1 轴不平衡 25
2.5.2 轴不对中 25
2.5.3 轴弯曲 26
2.6 监测测点的选取 26
2.6.1 监测点选取原则 26
2.6.2 监测点选取位置 28
2.7 小结 29
3风电机组振动信号的消噪方法 30
3.1 小波消噪基础理论 30
3.1.1 小波理论基础 30
3.1.2 小波消噪基本原理 34
3.1.3 传统小波消噪方法的不足 37
3.2 自适应阈值小波消噪方法 38
3.2.1 自适应阈值的确定 38
3.2.2 算法的实现流程 39
3.2.3 实验验证 40
3.3 基于交叉验证法优化Morlet参数的消噪方法 45
3.3.1 Morlet小波及其改进 45
3.3.2 交叉验证法优化参数 47
3.3.3 实验验证 51
3.4 小结 55
4风电机组振动故障的自项窗WVD故障诊断 56
4.1 WVD及其交叉项问题 56
4.1.1 WVD基础知识 56
4.1.2 交叉项的抑制问题 60
4.2 基于阈值ASTFT-WVD的故障诊断 62
4.2.1 阈值ASTFT-WVD的提出 62
4.2.2 实验验证 64
4.3 SPWVD谱抑制交叉项的故障诊断 67
4.3.1 SPWVD谱方法的提出 67
4.3.2 实验验证 68
4.4 基于自项窗WVD的故障诊断 72
4.4.1 自项窗WVD方法 72
4.4.2 实验验证 73
4.5 三种方法的对比 77
4.6 小结 79
5风电机组振动故障的模糊高阶谱故障诊断 80
5.1 高阶谱基本理论 80
5.1.1 高阶矩及高阶累积量的定义 80
5.1.2 高阶矩谱和高阶累积谱的定义 82
5.1.3 双谱直接估计算法 84
5.2 阈值化双谱特征提取 85
5.2.1 双谱特征分析 85
5.2.2 阈值化处理过程 89
5.3 基于双谱特征的模糊故障诊断方法 90
5.3.1 模式识别基本理论 90
5.3.2 目标模板的构造 92
5.3.3 最近邻模板分类器构造 93
5.4 实例分析 94
5.5 小结 99
6基于ILMD和SVM的风电机组故障诊断 100
6.1 LMD及其端点效应问题 100
6.1.1 LMD基本算法流程 100
6.1.2 LMD端点效应 102
6.2 ILMD方法的提出 104
6.2.1 ILMD算法基本原理 104
6.2.2 仿真信号分析 107
6.2.3 轴承故障特征提取 115
6.3 基于ILMD和SVM的故障诊断 120
6.3.1 SVM输入参数获取 120
6.3.2 算法流程 120
6.3.3 轴承故障分类 121
6.4 小结 124
7风电机组振动监测与故障诊断系统设计 126
7.1 系统总体设计 126
7.1.1 需求分析 126
7.1.2 总体设计 128
7.2 传感器的选择及安装 130
7.2.1 传感器的选择 130
7.2.2 传感器的安装 131
7.3 采集系统的确定 134
7.4 系统软件设计 136
7.4.1 辅助功能模块 138
7.4.2 信号预处理模块 139
7.4.3 特征提取模块 141
7.4.4 故障诊断模块 142
7.5 应用实例 145
7.6 小结 149
参考文献 150