论文部分内容阅读
风能作为清洁能源中的典型代表已经引起了人们的广泛关注。而风电机组构造复杂且工作环境恶劣,当故障发生时维修成本较高。滚动轴承作为风电机组传动链中的重要部件,对整个设备安全可靠运行起着支撑作用,当滚动轴承出现故障时很多情况下是多种故障同时发生,复合故障发生时故障特征变得更加复杂。因此,为了降低风电机组的运维成本,提高风电产业的经济效益,对风电机组滚动轴承开展复合故障诊断研究具有重大意义,而且是一个亟需攻克的难题。本文以滚动轴承复合故障为研究对象,利用解卷积的方法实现对原始冲击信号的恢复,主要研究内容如下:(1)针对滚动轴承复合故障特征比较复杂,使得复合故障特征难以提取的问题,提出一种基于改进的最大相关峭度解卷积(Maximum Correlate Kurtosis Deconvolution,MCKD)和teager能量算子结合的滚动轴承复合故障诊断方法。该方法以故障平台实验数据为研究对象,通过粒子群寻优算法(PSO)对不同故障类型下MCKD的影响参数(L和M)进行优化,利用优化后MCKD算法对复合故障信号进行处理,然后对分离出的信号做teager能量频谱分析。该方法可有效诊断出单一故障以及复合故障类型,但对复合故障中滚动体故障的识别效果存在一定干扰。(2)针对改进MCKD算法在识别滚动体故障时有干扰的情况,通过深入研究提出了基于多点峭度多点优化调整的最小熵解卷积(multipoint kurtosis-mu ltipoint optimal minimum entropy deconvolution adjusted,MK-MOMEDA)和t eager能量算子结合的复合故障诊断方法。通过解卷积多点峭度谱分析确定故障周期,然后分别设定包括故障周期在内的周期区间,进而对复合故障信号做多点优化解卷积运算,分离不同故障特征,最后对分离后的信号做teager能量频谱分析,通过实际数据验证该方法不仅可以从内圈和外圈复合故障中诊断出各故障类型,而且也可成功从滚动体故障存在的复合故障中识别出滚动体故障。(3)将MK-MOMEDA和teager能量算子复合故障诊断方法应用于真实风电机组轴承复合故障案例中,诊断结果表明该方法可有效从复合故障中诊断出各故障类型,解决了实际风电机组复合故障较难诊断的问题。