基于多尺度排列熵和支持向量機的風(fēng)力發(fā)電機組齒輪箱振動故障診斷.pdf

1、伴隨我國新能源事業(yè)的蓬勃發(fā)展，風(fēng)力發(fā)電等可再生能源發(fā)電占全部發(fā)電總量的比重也日趨增大。然而經(jīng)過十幾年的發(fā)展，隨著投運的風(fēng)電機組使用年限的累積，許多風(fēng)電場相繼出現(xiàn)了機組關(guān)鍵部位故障、使用壽命不達(dá)標(biāo)、維修周期冗長、無故障運行時間短等問題。尤其是在早期投運且仍在風(fēng)力發(fā)電里占據(jù)較大比重的雙饋式風(fēng)電機組中上述情況更為明顯，而此類風(fēng)機核心部件齒輪箱的故障率高達(dá)40％-50%。因此，開展風(fēng)電機組齒輪箱故障診斷研究具有較為重要的實際意義。
　　鑒

2、于此，本文以風(fēng)力發(fā)電機組的齒輪箱為研究對象，并對其振動故障診斷進行了研究，主要內(nèi)容有：
　　1、本文引入排列熵算法對齒輪箱振動信號進行早期故障分析，進而引入多尺度排列熵算法實現(xiàn)風(fēng)機齒輪箱振動信號的特征提取，為風(fēng)電機組齒輪箱的振動故障診斷開啟了一種新的研究思路和解決辦法。
　　2、本文在闡述支持向量機用于故障診斷的基礎(chǔ)上，對徑向基核函數(shù)寬度參數(shù)和誤差懲罰參數(shù)這兩個重要參數(shù)的選擇加以討論，考慮到其他方法存在樣本需求量大、局限性強