大型風(fēng)力機葉片動態(tài)特征提取與故障診斷.pdf

1、葉片作為風(fēng)力發(fā)電機組的核心部件之一，承載著將風(fēng)能轉(zhuǎn)化為葉輪旋轉(zhuǎn)動能的重要作用。葉片運行狀態(tài)的安全可靠性對整個風(fēng)力發(fā)電機組的經(jīng)濟效益有著重要影響，其性能的好壞也直接影響著整機組的安全運行以及穩(wěn)定性。因此，無論是從降低整機組的運行風(fēng)險，還是減少運作成本的角度考慮，研究風(fēng)力機葉片的狀態(tài)檢測方法，對于降低故障損失，保證整機組長時間安全運行都具有重要意義。
　　 本文建立了1.5MW風(fēng)力發(fā)電機組的有限元模型，并通過計算模型的質(zhì)量和靜強度，

2、驗證了模型的合理性。對模型進行了模態(tài)分析，得到了整機組的固有頻率和振型，并從中提取葉片的固有頻率和振型，找到葉片易損傷的位置。在葉片易損傷位置處模擬質(zhì)量偏心和剛度損傷，求得正常狀態(tài)和各故障狀態(tài)下機艙響應(yīng)點處的加速度功率譜。
　　 對于模擬數(shù)據(jù)，以加速度功率譜中特征頻率處幅值的變化率作為故障特征量，并建立這些故障特征量的三個改進BP神經(jīng)網(wǎng)絡(luò)模型，其中第一個神經(jīng)網(wǎng)絡(luò)模型用來判斷故障類型，第二個神經(jīng)網(wǎng)絡(luò)模型用來判斷質(zhì)量偏心的位置和大小

3、，第三個神經(jīng)網(wǎng)絡(luò)模型用來判斷剛度損傷的位置和程度，并用這三個神經(jīng)網(wǎng)絡(luò)模型對模擬數(shù)據(jù)進行故障診斷。
　　 對于實驗數(shù)據(jù)，以每25幀數(shù)據(jù)的加速度功率譜中的特征頻率處幅值的均值的變化率作為故障特征量，建立故障閾值向量。用上述建立的三個神經(jīng)網(wǎng)絡(luò)模型對實驗數(shù)據(jù)進行故障診斷。
　　 用LabVIEW和MATLAB混合編程的技術(shù)，編制了風(fēng)力機葉片故障診斷程序。
　　 研究結(jié)果表明，基于從機艙響應(yīng)點加速度功率譜中提取故障特征量，