论文部分内容阅读
本文主要通过分析风电叶片故障和气动故障对主轴轴承受力的影响，建立主轴轴承所产生的轴承力与声发射信号能量之间的数学模型，然后在实验室中模拟叶片质量故障状态下主轴轴承所产生的声发射信号，利用谱分析方法对不同声发射源所产生的声发射信号进行分析处理实现摩擦声发射源的鉴定，分析叶轮不平衡质量以及叶轮自重对声发射信号能量分布的影响，为叶片质量故障以及故障程度的识别提供理论基础。本文主要做了以下工作： （1）将风电叶片的故障分成质量故障和气动故障，分析故障形成的原因以及所造成的危害，利用空气动力学原理分析叶片在质量故障状态下所受到的气动力通过主轴对主轴承受力的影响，发现在气动故障会对主轴承产生轴向和径向方向上的冲击，而在质量故障状态下叶轮通过主轴会只会对主轴承产生径向方向上的冲击。因此，可以利用该特性对风电叶片的故障类型进行识别。 （2）分析风力发电机组主轴轴承的受力情况以及载荷分布，建立主轴轴承的滚动体与滚道间的摩擦力与声发射信号的特征之间的数学关系，为风力发电机组叶片故障的声发射诊断提供理论基础。 （3）利用谱分析方法和参数分析法对不同声发射源所产生的声发射信号进行分析处理，发现不同声发射源所产生的声发射信号的频率成分及其分布、参数（上升时间/持续时间、幅值/持续时间）之间的差异明显，实现声发射源的类型识别。 （4）利用参数分析法对分析不平衡质量、叶轮质量对主轴轴承所产生的声发射信号振铃计数、幅值、RMS、信号强度和绝对能量等参数的影响，发现RMS对强度较弱的声发射不够敏感，幅值随着不平衡质量和叶轮质量的增加其增加趋势会相应减小，而信号强度、绝对能量随着不平衡质量和叶轮质量的增加其增加趋势会显著增加。 （5）利用自功率谱方法对不同声发射源所产生的声发射信号进行分析处理，发现不同声发射源所产生的声发射信号的频率成分及其能量分布会存在显著的差异。因此，可以利用自功率谱方法实现声发射源的识别。 （6）由于RMS是对声发射信号的总能量进行评价，而对较弱声发射不够敏感，因此通过分段能量分析方法将声发射信号的频率分成10段，分析各段能量的分布，发现100-150KHz段的能量是最大的，随着不平衡质量的增加，声发射信号的能量会向100-150KHz段移动，从而导致150-200KHz段的能量显著减低，同时声发射信号的能量分布更加集中。