基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

被引:63
作者
罗毅
甄立敬
机构
[1] 华北电力大学控制与计算机工程学院
关键词
风电机组齿轮; 故障诊断; 齿轮裂纹; 小波包; 倒频谱;
D O I
10.13465/j.cnki.jvs.2015.03.034
中图分类号
TM315 [风力发电机]; TH165.3 [];
学科分类号
摘要
为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。
引用
收藏
页码:210 / 214
页数:5
相关论文
共 15 条
[1]  
风力发电机组状态监测与故障诊断系统研究.[D].关晓慧.华北电力大学.2012, 03
[2]  
中国风电发展报告.[M].李俊峰; 编著.中国环境科学出版社.2012,
[3]  
齿轮及齿轮箱故障诊断实用技术.[M].丁康;李巍华;朱小勇编著;.机械工业出版社.2005,
[4]  
Speech recognition using a wavelet packet adaptive network based fuzzy inference system.[J].Engin Avci;Zuhtu Hakan Akpolat.Expert Systems With Applications.2005, 3
[5]   基于DSmT与小波网络的齿轮箱早期故障融合诊断 [J].
陈法法 ;
汤宝平 ;
姚金宝 .
振动与冲击, 2013, 32 (09) :40-45
[6]   行星齿轮箱齿轮分布式故障振动频谱特征 [J].
冯志鹏 ;
褚福磊 .
中国电机工程学报, 2013, 33 (02) :118-125+21
[7]   基于遗传优化小波神经网络的微动齿轮故障诊断 [J].
白政民 ;
王武 ;
董永强 .
机械设计与制造, 2012, (06) :176-178
[8]   基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法 [J].
龙泉 ;
刘永前 ;
杨勇平 .
太阳能学报, 2012, 33 (01) :120-125
[9]   基于支持向量机和多源信息的直驱风力发电机组故障诊断 [J].
安学利 ;
赵明浩 ;
蒋东翔 ;
李少华 .
电网技术, 2011, 35 (04) :117-122
[10]   基于EMD能量熵和支持向量机的齿轮故障诊断方法 [J].
张超 ;
陈建军 ;
郭迅 .
振动与冲击, 2010, 29 (10) :216-220+261