论文部分内容阅读
风力发电是近年来发展最快的可再生能源,随着风电机组的逐年投运,传动系统逐步进入事故高发期,造成设备损坏,机组停机。风电机组故障诊断能够有效减少重大事故发生,同时为维护人员安排备用器件提供必要的时间,因此,风电机组故障诊断已经逐渐成为风电发展中的重要研究方向。首先,本文以双馈式机组为例,分析了运行工况对振动信号的影响,针对不同工况研究基于变分模态分解(VMD)的风电机组传动系统故障诊断方法,并与经验模态分解(EMD)和局部均值分解(LMD)进行对比研究,主要内容如下：1.提出了一种基于波形匹配和自适应高频谐波的LMD方法。基于波形匹配端点延拓方法,考虑了时间量对匹配波形选取的影响,改进后的方法能够有效抑制非平稳信号端点效应；在模态混叠种类划分及方法总结基础上,提出了自适应高频谐波LMD法,通过一次LMD过程,分离出源信号中的高频模态,并自动构造相应的高频谐波频率与幅值,具有自适应性与计算量小的特点。仿真研究与现场数据检测表明,该方法的模态混叠抑制效果优于集总参数LMD,可有效诊断机组轴系故障。2.首次将变分模态分解引入到风电机组传动系统故障诊断中。仿真研究中,分析了VMD在抑制两类模态混叠方面的优势；采用波形匹配法抑制其弱端点效应；用波动法确定模态分解个数,并对惩罚因子影响作出定性分析。现场故障数据检测发现,与EMD和LMD的二进滤波特性不同,VMD具有类似但不同于小波包的分解特点,表现出带通滤波特性：这一特性使得VMD在机组轴系故障识别中,可同时检测出不平衡故障和轴承外圈的早期磨损故障。3.针对机组变速运行中振动信号具有非平稳特性,提出了一种角度域变分模态分解方法,通过计算阶比跟踪技术,将等时间采样信号转变为等角度采样信号,实现角度域VMD分解。研究表明,该方法有效拓宽了变分模态分解的使用范围,能够处理大范围内的非平稳信号,不仅成功诊断出变速工况下的轴承内圈、外圈及滚动体故障,而且能够发现LMD容易漏诊的齿轮轻微磨损故障。4.提出了一种基于变分模态分解和模糊C均值聚类的传动系统状态识别方法,并研究了负荷变化对识别效果的影响。对于恒速运行工况,时间域VMD特征提取能够精准、稳定地提取轴承状态特征,且状态特征线对负荷变化具有良好的鲁棒性；对于变速运行工况,基于角度域包络谱的VMD特征提取方法,能更加有效地实现滚动轴承状态识别,最后,通过负荷加载与空载对状态特征线的影响分析,指出工况辨识对设备状态识别的重要性。本文最后给出了论文研究的主要结论,并对进一步研究的方向和内容进行了展望。