双馈风力发电机齿轮箱轴承无转速信号工况下的故障诊断研究

滚动轴承是风力发电机齿轮箱的结构里不能缺少的重要组件,时常会遭受磨损,特别是当有很大的载荷时,启停时刻转速的急剧增大或减小经常会导致其发生故障,因此针对非平稳工况下轴承的故障诊断是必要的。传统对风力发电机齿轮箱轴承的故障诊断算法有着不少弊端,如计算较复杂、效率不高、占时较长等。基于实现双馈风力发电机齿轮箱轴承故障诊断方法的优化,课题组结合风力发电机工作原理和机械结构特点,通过阶比(order)分析,进行与旋转部件转动有关的测量。课题组深入研究双馈风力发电机齿轮箱内部常见故障的在线监测与故障诊断系统,采集发生故障时的振动信号特征,并利用虚拟仪器技术与LabVIEW等多款软件通过新型传感器如扭矩传感器、风速传感器、位移传感器等进行构建诊断与监测环节,配合采集卡及逻辑控制编程,分析时域和频域故障特征,还尝试研究引入基于深度学习的大数据分析方法,更好地预测并解决风力发电机齿轮箱故障问题。仿真结果表明,通过对振动信号进行短时傅里叶变换,然后进行转速追踪、拟合并得到转速变化曲线,最后进行阶比分析,得出故障部位信息,实现了双馈风力发电机齿轮箱轴承无转速信号工况下的故障诊断分析。