基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统

【摘要】：风力发电技术已经成为当今社会所研究能源的热点之一。而风力发电机组所处环境恶劣,机械部件复杂,风电机组出现故障的频率增高,严重影响了风电机厂的整体运行,也增加了人员检修成本。在此基础上,设计开发一套智能的风电齿轮箱故障诊断系统来诊断风电机组出现的故障就很有必要。本文中介绍研究了风电机组中的齿轮箱的故障产生机理及类型,并以此部位的传动装置为主要研究对象,针对故障类型信号和特征信号,开发设计出基于DSP和TQWT的信号稀疏分解的风电齿轮箱故障诊断系统,对风机齿轮箱信号进行采集,并在系统中对信号进行处理分析,将原始信号和诊断结果分别存储在SD卡中,且在PC机终端显示故障特征信息,便于操作人员对风电机组进行监测和故障检修。该系统选择德州仪器的DSP—TMS320F28335为主控芯片来搭建硬件平台,硬件部分包括信号采集调理模块装置、芯片外设电路以及设计开发的电源模块装置。软件部分包括两部分:一是利用MATLAB软件编写算法程序代码,并设计仿真信号,验证TQWT信号共振稀疏分解算法的可行性;二是在CCS软件中用C语言设计数据的采集、存储以及通信程序代码,并将MATLAB中的TQWT信号共振稀疏分解算法程序成功转换为嵌入式代码,使DSP可识别使用,然后利用SVM支持向量机对故障信号进行分类识别判断。最终将系统整体应用于齿轮箱故障诊断,验证了系统对故障进行诊断的可靠性和有效性。 【关键词】：风电齿轮箱 DSP TQWT SVM 故障诊断
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-18
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 风电齿轮箱故障诊断的研究现状12-13
• 1.2.2 嵌入式故障诊断系统的研究现状13-15
• 1.2.3 稀疏分解方法在故障诊断中应用的研究现状15-16
• 1.3 本论文的主要研究内容16-18
• 2 风电行星齿轮箱故障诊断基础及诊断方法18-30
• 2.1 风电发电机组行星齿轮箱基本结构18-19
• 2.2 风电行星齿轮箱故障机理及故障类型19-24
• 2.2.1 齿轮箱的故障机理19-21
• 2.2.2 风电齿轮箱的故障类型21-24
• 2.3 风电齿轮箱故障特征信号24-25
• 2.3.1 齿轮的故障特征信号24-25
• 2.3.2 滚动轴承的故障特征信号25
• 2.4 风电行星齿轮箱故障诊断方法25-29
• 2.4.1 时域分析方法25-26
• 2.4.2 频域分析方法26-27
• 2.4.3 时频分析方法27-29
• 2.5 本章小结29-30
• 3 基于TQWT的信号共振稀疏分解的基础及应用30-51
• 3.1 信号稀疏分解30-36
• 3.1.1 信号共振属性30-31
• 3.1.2 自动调Q的小波变换31-34
• 3.1.3 高低共振分量分解34-36
• 3.2 基于TWQT的共振稀疏算法仿真36-40
• 3.3 齿轮箱故障诊断实例40-50
• 3.4 本章小结50-51
• 4 故障诊断系统的硬件设计51-62
• 4.1 DSP芯片选型51-52
• 4.2 硬件系统平台总体设计方案52-53
• 4.3 前端采集调理硬件装置53-56
• 4.3.1 采集信号装置53-54
• 4.3.2 调理信号装置54-56
• 4.4 DSP故障诊断模块设计研究56-59
• 4.4.1 A/D转换模块56
• 4.4.2 SD卡存储模块56-57
• 4.4.3 外扩存储模块57-58
• 4.4.4 JTAG电路模块58-59
• 4.5 电源管理模块59-61
• 4.5.1 DSP的电源管理模块59-60
• 4.5.2 系统的电源模块60-61
• 4.6 本章小结61-62
• 5 故障诊断系统的软件设计62-73
• 5.1 系统软件开发环境简介62-64
• 5.1.1 MATLAB软件62-63
• 5.1.2 CCS软件63-64
• 5.1.3 Libsvm软件包64
• 5.2 系统软件设计方案64-72
• 5.2.1 A/D模块采集程序65-66
• 5.2.2 嵌入DSP芯片的代码生成66-71
• 5.2.3 SVM支持向量机分类识别程序71-72
• 5.3 本章小结72-73
• 6 故障诊断系统的实际应用验证73-80
• 6.1 故障诊断系统总体验证73-79
• 6.2 本章小结79-80
• 7 结论与展望80-82
• 7.1 结论80-81
• 7.2 展望81-82
• 参考文献82-88
• 攻读硕士学位期间发表的学术论文及所取得的研究成果88-89
• 致谢89-91

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于双调Q小波变换的瞬态成分提取及轴承故障诊断应用研究    项巍巍;蔡改改;樊薇;黄伟国;朱忠奎;

基于DSP-TMS320F28335的齿轮箱故障诊断系统研究与应用    姜旭刚;潘宏侠;刘涛涛;

世界风力发电现状与前景预测    罗承先;

风力发电机组状态监测系统研究    吕跃刚;关晓慧;刘俊承;

基于形态成分分析的轴承复合故障诊断    杨杰;郑海起;关贞珍;王彦刚;

基于TMS320F28335的通用故障诊断平台    朱兵;潘宏侠;

嵌入式TCP/IP协议的高速电网络数据采集系统    鲁力;张波;

风力发电机在线监测与诊断系统研究    王瑞闯;林富洪;

基于DSP的嵌入式温度记录仪的设计    刘昌伟;邵左文;王军东;

风力发电机组齿轮箱振动测试与分析    唐新安;谢志明;王哲;吴金强;

基于DSP的风电增速箱故障诊断系统的研究    刘春林

基于DSP的嵌入式齿轮箱故障诊断系统    何强

基于信号共振稀疏分解的齿轮故障诊断方法研究    孙云嵩

大型风电机组振动状态监测系统开发    李虎

DSP在现代机械故障诊断技术中的应用研究    何泳

提高PMSG低电压穿越能力的控制策略研究    刘景辉;

SOM神经网络在风力发电机组故障诊断中的应用    谢天才;张玉娟;杨宏刚;

基于MSP430单片机的车辆状态监控系统设计    冯洋;

双馈风机孤岛模式下恒压恒频运行控制策略    张彦兵;郝正航;宁媛;陈康博;荀硕硕;

基于状态监测的风电机组变桨系统故障诊断    姚万业;李新丽;

基于物联网和模糊聚类的风力发电设备故障诊断系统及方法    吴浩;

风电机组运行稳定性研究    杜捷先;张磊;

风光储发电的现状及展望    吴克河;龚瑞;

教学楼智能化节能控制系统设计    刘龙;李钟慎;

基于DSP和WCDMA的齿轮箱故障诊断系统的研究与应用    马凌芝;潘宏侠;潘铭哲;

基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统    马凌芝

风电齿轮箱早期复合故障信息提取技术研究    付强

天然气压缩机智能故障诊断系统研发    聂焕焕

基于LabVIEW的风电机组振动信号分析方法的研究    王宇

风力发电机组在线监测系统数据采集器设计    张文强

风力发电机机械故障监测—数据采集系统设计    迟怡琳

基于B/S模式的大型海上风电机组监测平台研发    苏玲霞

基于混合神经网络的汽轮发电机组振动故障诊断研究    权亚蕾

基于Labview的风电机组在线监测和故障诊断系统的研究    陈鹏原

大型磨机故障诊断方法的研究    韩杰

基于DSP的风力发电机齿轮箱故障诊断系统的研究与应用    史霞飞;潘宏侠;何强;

基于EEMD和改进的形态滤波方法的轴承故障诊断研究    沈长青;谢伟达;朱忠奎;刘方;黄伟国;孔凡让;

机械故障诊断基础研究“何去何从”    王国彪;何正嘉;陈雪峰;赖一楠;

基于EEMD-MGHMM的齿轮故障诊断方法研究    曹端超;康建设;赵建民;张星辉;

瞬态成分参数的最小二乘法辨识及其轴承故障特征提取应用    王诗彬;许佳;朱忠奎;

中欧海上风电产业发展比较    郭越;王占坤;

基于DSP和BP神经网络的旋转机械在线故障诊断系统    谢志勇;

基于DSP和神经网络的风力发电机齿轮箱远程故障诊断系统    高阳;潘宏侠;吴升;

基于分数Fourier变换的机械故障源盲分离方法的研究    李志农;吕亚平;岳秀廷;

基于电路仿真的BP神经网络故障诊断技术研究    杨健;冯楠;刘剑超;李静;

基于DSP的故障诊断方法研究    汤剑桥

基于DSP的科氏质量流量计的研制    张文卿

支持Simulink/Stateflow的自动代码生成器研究与实现    周建华

基于LMD的滚动轴承故障诊断研究    史美丽

基于多尺度线调频基稀疏信号分解的风力发电机组故障诊断研究    任凌志

一款USB电源管理系统芯片的设计与实现    王博

广义解调时频分析方法及其在齿轮故障诊断中的应用研究    李宝庆

基于DSP的机电设备故障诊断系统的研究与开发    许晓艳

基于小波分析的齿轮故障诊断研究    寿海飞

水轮机组状态监测及故障分析系统研究开发    朱燕

独立分量分析在齿轮箱故障诊断中的应用    黄晋英;毕世华;潘宏侠;杨喜旺;

高速齿轮箱故障诊断技术及其诊断系统通过鉴定    一民

齿轮箱故障诊断方法    戴丽杰;

齿轮箱故障诊断技术的新发展    高国华 ,张永忠

基于系统特性的齿轮箱故障诊断    高永生;唐力伟;王建华;金海薇;

齿轮箱故障诊断技术现状及展望    魏秀业;潘宏侠;

基于关联距离熵的齿轮箱故障诊断    邢士勇;金海薇;郑海起;唐力伟;

一种基于支持向量机的齿轮箱故障诊断方法    吴德会;

空分457齿轮箱故障诊断    王华;包磊;宋昊明;郭颖;叶伟;

基于倒频谱特征提取的齿轮箱故障诊断    朱有剑;李建;

基于人工神经网络技术的齿轮箱故障诊断应用研究    蔡安江;豆卫涛;柴彦昌;孙少军;

基于系统特性的齿轮箱故障诊断    高永生;唐力伟;甘霖;杨通强;

基于灰色聚类决策的齿轮箱故障诊断    李爱民;

循环自相关函数在齿轮箱故障诊断中的应用    金大玮;李建桥;贾民平;

LWPEE与SVM在风电齿轮箱故障诊断中的应用    董海江;赵春华;万诗庆;汪伟;

基于多传感器信息融合的行星齿轮箱故障诊断    雷亚国;林京;何正嘉;

基于滤波技术和粒子群优化的齿轮箱故障诊断研究    许昕

小波分析及其在齿轮箱故障诊断中应用研究    焦新涛

齿轮箱故障诊断的小波包-ICA分析方法    李猷凤

基于自适应振动信号处理的齿轮箱故障诊断研究    鄢小安

基于粒子滤波的齿轮箱故障诊断    李楠

基于数据挖掘技术在齿轮箱故障诊断的应用    张韶

基于神经网络的齿轮箱故障诊断研究    李国明

基于DSP-SVM的风电齿轮箱故障诊断系统    卢昆鹏

基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统    马凌芝

基于虚拟仪器的大型高速齿轮箱故障诊断系统研究    陈晗霄

传动齿轮箱故障诊断系统研究    杨成

基于粒子群优化与支持向量机的齿轮箱故障诊断研究    范江东