風電機組振動監測故障診斷與壽命預測檢視原始碼討論檢視歷史

《風電機組振動監測故障診斷與壽命預測》，滕偉，柳亦兵，丁顯 著，出版社： 機械工業出版社。

機械工業出版社成立於1950年，是建國後國家設立的第一家科技出版社，前身為科學技術出版社，1952年更名為機械工業出版社。機械工業出版社（以下簡稱機工社）由機械工業信息研究院作為主辦單位，目前隸屬於國務院國資委。

內容簡介

本書詳細介紹風電機組的振動監測、故障診斷與壽命預測的基礎理論、相關方法及工程應用。主要內容包括風電機組結構及運行控制、風電機組振動監測基礎、風電機組傳動鏈故障特徵提取、風電機組群的智能故障診斷及風電機組軸承的剩餘使用壽命預測方法。

本書注重理論聯繫實際，書中通過大量風電場的故障案例對相關方法進行了驗證，適合從事風電設備狀態監測與故障診斷工作的研究人員使用，也可以為風電場技術人員提供運維參考。

目錄

第1章緒論1

1.1風能產業與特點概述1

1.1.1風能產業發展概述1

1.1.2風電機組故障診斷與壽命預測的

意義3

1.2風電機組狀態監測技術4

1.2.1振動監測技術5

1.2.2油液監測技術6

1.2.3無損檢測技術7

1.2.4不平衡狀態監測技術8

1.2.5基於模態分析的狀態監測技術8

1.3風電機組傳動鏈故障診斷方法9

1.3.1風電齒輪箱故障動力學模型9

1.3.2變轉速工況下故障特徵提取10

1.3.3故障信息增強方法11

1.3.4智能故障診斷方法12

1.3.5風電機組關鍵部件壽命預測

方法12

1.4風電機組振動診斷與預測技術難點13

1.5風電機組監測、診斷技術發展的

關鍵14

第2章風電機組結構及運行控制16

2.1風電機組總體結構16

2.2雙饋機組傳動鏈結構18

2.3直驅機組結構20

2.4半直驅機組結構21

2.5風電機組運行控制原理21

2.5.1風力發電的空氣動力學模型21

2.5.2風電機組的控制技術27

第3章風電機組振動監測基礎36

3.1風電機組傳動鏈失效原因36

3.1.1交變載荷引起的疲勞損傷37

3.1.2過載引起的損傷37

3.1.3維護不當引起的故障39

3.2齒輪、軸承故障狀態下的振動機理40

3.2.1齒輪故障振動調製機理40

3.2.2軸承故障振動調製機理41

3.3風電齒輪箱故障特徵頻率42

3.3.1一級行星+兩級平行結構齒輪箱

特徵頻率42

3.3.2二級行星+一級平行結構齒輪箱

特徵頻率43

3.3.3行星級各齒輪故障特徵頻率44

3.3.4定軸軸承故障特徵頻率45

3.3.5行星軸承故障特徵頻率45

3.4風電機組傳動鏈振動監測系統46

3.4.1在線振動監測系統46

3.4.2離線振動監測系統49

3.4.3振動採樣頻率的確定50

3.5風電機組傳動鏈振動評價標準50

3.5.1風電檢測認證及振動測試標準50

3.5.2風電機組振動評價標準51

第4章風電機組傳動鏈故障特徵

提取53

4.1振動信號基本分析方法53

4.1.1時域分析53

4.1.2頻域分析53

4.1.3包絡解調分析54

4.1.4倒頻譜分析54

4.2行星部件故障特徵提取55

4.2.1行星輪系局部故障56

4.2.2行星輪系分布式故障57

4.2.3行星軸承故障73

4.3風電齒輪箱典型故障特徵提取73

4.3.1中間軸小齒輪崩齒故障73

4.3.2高速軸齒輪故障74

4.3.3齒輪、軸承複合故障75

4.4發電機軸承故障特徵描述與提取84

4.4.1軸承潤滑不良84

4.4.2軸承電腐蝕故障85

4.4.3軸承打滑跑圈故障87

4.4.4發電機軸承保持架故障87

4.4.5電磁振動下發電機軸承故障88

4.5自適應故障特徵提取97

4.5.1自適應特徵提取方法98

4.5.2基於經驗模態分解的齒輪故障

特徵提取102

4.5.3基於經驗小波變換的軸承故障

特徵提取109

4.6風輪不平衡故障特徵提取112

第5章風電機組群智能故障診斷116

5.1智能故障診斷基礎116

5.1.1有監督學習的模式識別原理116

5.1.2無監督學習的模式識別原理119

5.1.3兩種模式識別方法的比較120

5.2基於自適應共振神經網絡的風電機組

趨勢分析120

5.2.1ART2神經網絡結構120

5.2.2ART2神經網絡學習算法121

5.2.3基於ART2神經網絡的發電機

軸承健康趨勢分析124

5.3結合ART2神經網絡和C均值聚類的

機組群智能診斷128

5.3.1ART2神經網絡算法存在的

問題128

5.3.2C均值聚類算法129

5.3.3結合ART2神經網絡和C均值

聚類的分類算法129

5.3.4風電機組設備群故障診斷130

5.4基於模糊核聚類的風電機組故障

診斷133

5.4.1模糊核聚類算法133

5.4.2優化模糊核聚類算法137

5.4.3基於模糊核聚類算法的故障

診斷139

5.4.4風電機組故障診斷案例142

第6章風電機組軸承剩餘使用壽命

預測146

6.1風電機組軸承剩餘使用壽命預測基本

概念146

6.2基於神經網絡滾動更新的風電齒輪箱

軸承剩餘使用壽命預測147

6.2.1短期趨勢預測的神經網絡148

6.2.2剩餘使用壽命預測流程148

6.2.3案例分析149

6.3基於改進無跡粒子濾波的發電機軸承

剩餘使用壽命預測156

6.3.1貝葉斯濾波156

6.3.2剩餘使用壽命預測流程160

6.3.3案例分析160

6.4基於特徵融合與自約束狀態空間估計的

軸承剩餘使用壽命預測166

6.4.1軸承健康指標構建166

6.4.2自約束狀態空間估計器169

6.4.3案例分析172

參考文獻182