風(fēng)電機(jī)組的在線振動(dòng)監(jiān)測(cè)分析與可視化研究.pdf

1、風(fēng)電機(jī)組運(yùn)行環(huán)境惡劣，加上其結(jié)構(gòu)的復(fù)雜性使得機(jī)械故障頻發(fā)，造成高昂的維修成本，降低了風(fēng)場(chǎng)運(yùn)行的經(jīng)濟(jì)性和可用度。因此為了改善這種狀況，對(duì)風(fēng)電機(jī)組進(jìn)行狀態(tài)監(jiān)測(cè)顯得尤為重要。在現(xiàn)有的故障監(jiān)測(cè)方法中，振動(dòng)監(jiān)測(cè)具有測(cè)試簡(jiǎn)單、測(cè)試效率高、實(shí)時(shí)性強(qiáng)、故障定位準(zhǔn)確等優(yōu)點(diǎn)，成為對(duì)于機(jī)械設(shè)備早期故障的檢測(cè)和預(yù)測(cè)最高效的技術(shù)之一。
　　本文研究和分析了各種振動(dòng)數(shù)據(jù)處理和分析方法，包括時(shí)域特征分析、奇異值去噪、小波分析、希爾伯特黃變換、變分模態(tài)分解、倒譜

2、分析等。采用稀疏快速傅里葉變換（SFFT）算法進(jìn)行風(fēng)機(jī)振動(dòng)信號(hào)的頻譜分析。SFFT算法主要利用窗函數(shù)過(guò)濾信號(hào)，然后散列傅里葉系數(shù)，最后進(jìn)行定位與估值運(yùn)算，能快速的計(jì)算出信號(hào)頻譜中k（信號(hào)的稀疏度）個(gè)擁有最大值的傅里葉系數(shù)。該算法結(jié)構(gòu)簡(jiǎn)單，運(yùn)行時(shí)間相對(duì)于信號(hào)長(zhǎng)度n呈亞線性，非常適合振動(dòng)信號(hào)的在線頻譜分析。另外，提出基于變分模態(tài)分解的風(fēng)機(jī)軸承故障特征提取算法。首先利用變分模態(tài)分解對(duì)風(fēng)機(jī)軸承信號(hào)進(jìn)行分解，使得故障信息集中到某些獨(dú)立特征分量中，

3、然后根據(jù)峭度指標(biāo)選擇出這些獨(dú)立分量重構(gòu)信號(hào)，進(jìn)而對(duì)重構(gòu)信號(hào)進(jìn)行奇異值分解降噪，最后對(duì)降噪的信號(hào)進(jìn)行包絡(luò)分析提取故障頻率。
　　本文研究了風(fēng)電機(jī)組在線振動(dòng)監(jiān)測(cè)的整體設(shè)計(jì)思想和結(jié)構(gòu)框架，基于C＃編程語(yǔ)言和GDI+技術(shù)設(shè)計(jì)開(kāi)發(fā)了風(fēng)電機(jī)組在線振動(dòng)監(jiān)測(cè)可視化系統(tǒng)。該系統(tǒng)嵌入了上述部分?jǐn)?shù)據(jù)處理方法，實(shí)現(xiàn)了對(duì)風(fēng)電機(jī)組振動(dòng)信號(hào)的時(shí)域監(jiān)測(cè)、頻譜監(jiān)測(cè)、瀑布圖監(jiān)測(cè)、特征值監(jiān)測(cè)，以及歷史數(shù)據(jù)分析和報(bào)警信息管理等功能，為風(fēng)電機(jī)組各主要機(jī)械部件的健康狀態(tài)判別