论文摘要
齿轮箱作为风电机组故障率最高的部件,结构复杂、运维困难,影响整机故障率、可靠性、运维成本及发电效率等。通过对风电齿轮箱故障诊断的主要理论、方法及研究现状进行分析并总结存在的问题,提出"五性三化"即动态性、阶段性、多维性、适用性、集成性、定量化、标准化以及统一化共8个方面的解决思路,并结合网络技术、信息技术、大数据技术及人工智能的优势,预测云监测、智能诊断及主动报警的发展趋势。
论文目录
1 风电齿轮箱状态监测及故障诊断技术 1.1 风电齿轮箱关键部件故障分析 1.2 主要监测技术及检测参数 1.2.1 温度监测 1.2.2 油液分析 1.2.3 振动监测 1.3 齿轮箱在线监测与远程监测2 故障分析理论及诊断技术 2.1 数据预处理 2.2 统计分析 2.3 小波理论 2.4 专家系统 2.5 模糊理论 2.6 灰色理论 2.7 神经网络 2.8 故障树分析 2.9 支持向量机 2.1 0 谱峭度3 当前风电齿轮箱故障诊断的问题分析和解决思路 3.1 问题分析 3.2 解决思路 3.2.1 在阶段性方面,根据工程监测数据研究不同阶段的故障现象、机制及相应的诊断技术 3.2.2 在动态性方面,研究工程监测数据在不同寿命阶段和同一寿命阶段内的时变性 3.2.3 在多维性方面,研究诊断目标下不同技术角度的指标参数 3.2.4 在适用性方面,研究监测对象、故障诊断、数据处理三者之间的对应性 3.2.5 在集成性方面,深耕多种诊断技术、参数及知识的系统级融合研究 3.2.6 在定量化方面,研究定性信息和诊断结果的量级 3.2.7 在标准化方面,研究大样本、大数据下的分类分层诊断标准 3.2.8 在统一化方面,研究并建立供货方、用户和第三方监测机构的一致性运维准则4 风电齿轮箱故障诊断发展趋势 4.1 云监测和大数据诊断 4.2 智能诊断 4.3 主动报警 4.4 移动诊断机器人5 结束语
文章来源
类型: 期刊论文
作者: 徐启圣,白琨,徐厚昌,张春鹏
关键词: 风电发电机,齿轮箱,监测技术,大数据,云监测,智能诊断
来源: 润滑与密封 2019年08期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业,电力工业
单位: 合肥学院机械工程系
基金: 安徽省高校优秀青年人才支持计划重点项目(gxyqZD2016276)
分类号: TM315;TH132.41
页码: 138-147
总页数: 10
文件大小: 180K
下载量: 692
相关论文文献
标签:风电发电机论文; 齿轮箱论文; 监测技术论文; 大数据论文; 云监测论文; 智能诊断论文;