風機軸承故障診斷

英國 Strathclyde 大學的 David McMillan 等人為了使風機狀態監測系統費用經濟合理，提出了一個精簡的概率模型，并對影響因素維修和置換費用、故障停機時間、維修天氣限制條件、周期維修政策進行了系統分析與討論；Julia Nilsson 等人提出了風機狀態監測系統生命周期成本的概念，并對陸地風場與海上風場進行了對比，得出的結論是只有合理安排維修，才能使狀態監測系統的費用降低，達到效益最大化。
我國有關單位對風機狀態監測系統研究較國外晚，起初是吸收國外先進技術，到后來慢慢自主研發，經過這一階段的研究，逐漸有國內的狀態監測系統應用到風機組上。如金風科技的風力發電機狀態監測系統；深圳亞太光電公司的物聯網式風機在線監測故障預警系統；光耀能源公司的風電場群遠方監控系統。
一些科研院所也對風機狀態監測系統進行了研究，如西北工業大學旋轉機械與風能裝置測控研究所開發的 CAMD 系列旋轉機械狀態監測與故障診斷系統、哈爾濱工業大學開發的“MMMD- Ⅲ” 旋轉機械狀態監測裝置、東方振動和噪聲技術研究所的DASP 動態測試和信號分析系統等。
總的來說，目前風機組振動信號狀態監測系統多采用時域分析、快速傅里葉分析、包絡分析等技術相對簡單，分析診斷功能相對較弱的振動信號分析方法。但是由于風機組常工作在變轉速、不穩定載荷等復雜工況下，檢測到的振動信號都是非平穩、非線性的，這時上述方法就顯得有些無能為力。因此，亟需引入新的非平穩、非線性信號處理方法和模型，實現振動信號動態特征的有效的獲取，以準確刻畫和描述軸承的運行狀態。
1.4  本文的主要研究內容
本課題以河北省自然科學基金“基于動態信息獲取和融合決策的風力發電機狀態監測方法研究(項目編號：F2011203149)”為研究背景。 針對復雜工況下風機軸承振動信號的非平穩非線性及時變特點，運用 LMD 瞬態信號分解技術、信息熵和非線性動力學參數分析理論，分別從信號瞬態特征描述和非線性特征分析兩個角度，對風機軸承振動信號特征提取方法展開深入研，提出了基于 Wigner-Ville 譜熵的信號瞬態特征提取和基于 LMD 的多尺度排序熵的非線性特征定量描述方法，有效刻畫軸承振動信號瞬態能量分布特征和非線性復雜度特征，最后通過仿真分析和風機軸承故障診斷實驗分析驗證了上述方法的有效性，為風機狀態監測和故障診斷提供了新的特征提取方法和思路。
本論文具體研究內容與結構安排如下：
第 1 章  緒論：介紹了本文的課題背景及意義，從風機振動信號特征提取、智能故障診斷等方面，綜述了國內外風機軸承及風機振動狀態監測系統的研究現狀。
第 2 章  風力發電機軸承系統研究：介紹了風機的主要結構及其軸承分類和分布情況，并對軸承的故障機理、故障形式及振動故障特征進行了詳細分析。
第 3 章  振動信號特征提取基本方法研究：針對風機軸承振動信號故障特征難以提取及量化的問題，研究基于 LMD 的瞬態信號分解方法和基于信息熵的信號特征定量描述方法。  
第 4 章  軸承振動信號特征提取及故障診斷研究：針對風機軸承故障特點，提出了基于 LMD 和信息熵的 Wigner-Ville 譜熵的振動信號瞬態能量特征提取方法和基于LMD 的多尺度排序熵的軸承振動信號非線性特征提取方法，并通過仿真數據分析驗證了所提出的方法用于軸承振動信號特征提取和故障診斷的有效性。
第 5 章  風機軸承故障診斷實驗：利用風機模擬實驗平臺和搭建的齒輪箱軸承故障實驗平臺進一步驗證了基于 Wigner-Ville 譜熵的振動信號瞬態能量特征提取方法和基于 LMD 的多尺度排序熵的軸承振動信號非線性特征提取方法，實現了軸承不同故障類型分類和軸承內圈不同故障程度的識別。  

石家莊風機廠石家莊風機石家莊風機銷售石家莊風機維修