風電機組振動監(jiān)測、故障診斷與壽命預測

第1章緒論1
11風能產(chǎn)業(yè)與特點概述1
111風能產(chǎn)業(yè)發(fā)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(tài)監(jiān)測技術(shù)4
121振動監(jiān)測技術(shù)5
122油液監(jiān)測技術(shù)6
123無損檢測技術(shù)7
124不平衡狀態(tài)監(jiān)測技術(shù)8
125基于模態(tài)分析的狀態(tài)監(jiān)測技術(shù)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(zhuǎn)速工況下故障特征提取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(guān)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(shù)難點13
15風電機組監(jiān)測、診斷技術(shù)發(fā)展的
關(guān)鍵14
第2章風電機組結(jié)構(gòu)及運行控制16
21風電機組總體結(jié)構(gòu)16
22雙饋機組傳動鏈結(jié)構(gòu)18
23直驅(qū)機組結(jié)構(gòu)20
24半直驅(qū)機組結(jié)構(gòu)21
25風電機組運行控制原理21
251風力發(fā)電的空氣動力學模型21
252風電機組的控制技術(shù)27
第3章風電機組振動監(jiān)測基礎(chǔ)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(tài)下的振動機理40
321齒輪故障振動調(diào)制機理40
322軸承故障振動調(diào)制機理41
33風電齒輪箱故障特征頻率42
331一級行星+兩級平行結(jié)構(gòu)齒輪箱
特征頻率42
332二級行星+一級平行結(jié)構(gòu)齒輪箱
特征頻率43
333行星級各齒輪故障特征頻率44
334定軸軸承故障特征頻率45
335行星軸承故障特征頻率45
34風電機組傳動鏈振動監(jiān)測系統(tǒng)46
341在線振動監(jiān)測系統(tǒng)46
342離線振動監(jiān)測系統(tǒng)49
343振動采樣頻率的確定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征
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(diào)分析54
414倒頻譜分析54
42行星部件故障特征提取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征提取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、軸承復合故障75
44發(fā)電機軸承故障特征描述與提取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(fā)電機軸承保持架故障87
445電磁振動下發(fā)電機軸承故障88
45自適應故障特征提取97
451自適應特征提取方法98
452基于經(jīng)驗模態(tài)分解的齒輪故障
特征提取102
453基于經(jīng)驗小波變換的軸承故障
特征提取109
46風輪不平衡故障特征提取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(chǔ)116
511有監(jiān)督學習的模式識別原理116
512無監(jiān)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基于自適應共振神經(jīng)網(wǎng)絡的風電機組
趨勢分析120
521ART2神經(jīng)網(wǎng)絡結(jié)構(gòu)120
522ART2神經(jīng)網(wǎng)絡學習算法121
523基于ART2神經(jīng)網(wǎng)絡的發(fā)電機
軸承健康趨勢分析124
53結(jié)合ART2神經(jīng)網(wǎng)絡和C均值聚類的
機組群智能診斷128
531ART2神經(jīng)網(wǎng)絡算法存在的
問題128
532C均值聚類算法129
533結(jié)合ART2神經(jīng)網(wǎng)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基于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(yōu)化模糊核聚類算法137
543基于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章風電機組軸承剩余使用壽命
預測146
61風電機組軸承剩余使用壽命預測基本
概念146
62基于神經(jīng)網(wǎng)絡滾動更新的風電齒輪箱
軸承剩余使用壽命預測147
621短期趨勢預測的神經(jīng)網(wǎng)絡148
622剩余使用壽命預測流程148
623案例分析149
63基于改進無跡粒子濾波的發(fā)電機軸承
剩余使用壽命預測156
631貝葉斯濾波156
632剩余使用壽命預測流程160
633案例分析160
64基于特征融合與自約束狀態(tài)空間估計的
軸承剩余使用壽命預測166
641軸承健康指標構(gòu)建166
642自約束狀態(tài)空間估計器169
643案例分析172
參考文獻182