《大型风力发电机机械噪声信号分离识别技术探析,机械工程硕士论文.docx》由会员分享，可在线阅读，更多相关《大型风力发电机机械噪声信号分离识别技术探析,机械工程硕士论文.docx（11页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、大型风力发电机机械噪声信号分离识别技术探析,机械工程硕士论文以风力发电为代表的清洁能源技术逐步替代以煤炭、石油等为代表的传统能源技术是必然的。风电产业在过去几年相关技术尚不成熟的情况下盲目扩张、发展过热，造成风电装备成本高、设备寿命短，其运行状态难以掌控，事故频发，严重影响风力机的运行效率及可靠性1。大型风力风电机组在极端的天气诸如暴风雪、暴雨环境中，承受的疲惫载荷将会发生瞬态变化，使得风力机主轴和增速箱等传动部件性能退化严重、甚至失效，必须采取措施保障其安全运行。当前提高风力机传动系统运行安全性的措施主要有两种：一是设计环节上提出一些标准，二是运行状态监测与故障诊断。由于服役环境的不同，风力
2、机传动构造设计标准具有很大的局限性2，故运行状态监测与故障诊断技术成为当前提高风力机传动系统运行安全性的主要措施并广泛应用，获得了一定的效果3。但传统时频技术难以适应大型风力机的发展需要，如振动信号的小波分析方式方法、自适应模糊推理方式方法等对环境力引起状态劣化产生的强耦合微弱信号辨别方面效果不佳；声发射方式方法对低频信号分析能力缺乏等。因而，迫切需要研究新的传动系统运行状态监测与故障诊断方式方法，尤其需要针对早期故障的检测诊断方式方法。随着世界制造业的再一次转型升级如德国工业4.0、美国先进制造伙伴计等，2021年5月，我们国家正式印发(中国制造2025，工业大数据分析理论开场广受关注4,5
3、；构造噪声作为机械振动的产物，通常需要将其降低和控制，但大型风力机构造噪声在不同运行状态下会呈现不同的声辐射性质，即能够 构造噪声利用 。 因而，将大数据分析理论应用在大型风电机组的传动系统中去，来实现其在恶劣环境下的辨别运行状态与故障噪声辨别，继而对大型风力机的维护安全运行提供参考价值。1.1、课题来源 。本文的研究工作基于下面基金的支持国家自然科学基金项目51675350：基于构造噪声信息的大型风力机传动系统运行状态辨别与故障诊断方式方法研究。1.2、问题的提出 。风能作为一种新可循环再生能源，其显着特点为污染较小、可开发性大。早在二十世纪初人们一开场尝试进行风力发电。通常风速为3. 45
4、.4m / s的三级风已具备利用价值。中国风力资源丰富，绝大多数地区的年平均风速都在3 m / s以上，东南沿海及其岛屿地区 3m / s 的风速全年累积7 905 ，极具风力发电空间。2021 年11 月，国家能源局印发的枫电发展第十三个五年规划纲要设定风电发展总量目的为：到 2020 年，风电累计并网装机容量确保到达2.1 亿千瓦以上，华而不实海上风电并网装机容量到达 500万千瓦以上；风电建设总投资估算 7000 亿元以上，风电年发电量确保到达4 200 亿千瓦时，约占全国总发电量的 6% 。在大力发展风电的经过中，对环境影响较为突出的问题便是风机运转带来的噪声污染。近距离内，风机噪声会
5、阻碍正常通讯和交谈，干扰居民体息、影响市民的正常生活，也不利于学校的教学。因而风机机组所在地就不合适人们生活，也不宜建造各种生活建筑。考虑到这些噪声带来的不良影响，在何处建设风电厂已成为不可忽略的考虑因素。在前期规划阶段，合理预测噪声值及其影响范围显得尤为必要。讲道噪声的辨别与控制，首先要进行噪声来源的辨别判定。噪声源辨别的分类有很多，根据噪声源所在系统中的位置不同，可分为外表噪声源辨别和内部噪声源辨别。外表噪声源辨别是确定设备外表部件的噪声辐射奉献；内部噪声源辨别目的是找到设备内部部件的噪声辐射奉献。大型风力机服役环境的特殊性使得其构造设计标准具有局限性，这个局限性需要长期设计经历体验累积才
6、能够解决，故现前阶段对运行状态的检测及故障诊断就显得尤为重要，但传统时频技术等对环境力引起状态劣化产生的强耦合微弱信号辨别方面效果不佳。利用在时间尺度上不同构造、不同状态下的构造噪声辐射不同的特性，能够实现大型风力机传动系统强耦合微弱构造噪声信号的辨别。因而，必须研究针对大型风力机传动系统构造噪声信息特征提取方式方法。1.3、国内外研究动态 。国内外学者对噪声源的辨别方式方法进行了广泛的研究，总的来讲能够归结为三大类。第一类：传统噪声源辨别方式方法。这类方式方法主要基于工厂的实际生产，较为简单。主要方式方法有主观评价法、选择运行法、频谱分析法6。根据生产人员的传统经历体验知识，在对设备实际施工
7、操作中辨别噪声源的方式方法称为主观评价法。该方式方法主要靠的是用人耳来听噪声位置，因而只适用于非常简单的设备，根据检测维修经历体验来判定，那么就会遭到较大的人为因素干扰。当不知道机械设备详细哪个部件产生噪声时，选择华而不实的部分单个或几个单独运行来辨别噪声源的方式方法称为选择运行法。能够看出这种方式方法具有较大的盲目性与局限性，能够用来进行初步的噪声估计处理。将采集的时域信号转化到频域分析，计算信号的幅值谱和功率谱的方式方法称为频谱分析法。通过计算采集信号的频域特征来诊断，但是忽视了时域信息，对一些非稳态信号的处理就显得无能为力。第二类：基于声源的辨别方式方法。近年来随着声学理论与传感技术的不
8、断飞速发展，在工程应用方面有了很大的进步。该方式方法的显着特点就是成本较高，但辨别精度与效率都比拟好，原因在于声学传感器的造价昂贵。基于声辨别的方式方法主要有声强测量法和声全息法，声强测量法是上世纪七八十年代发展起来的声学测量技术6, 7。声功率测量法主要分为离散点法和扫描法。通过对声源的声强级大小的测量来辨别噪声源所在8。此方式方法的优点在于对测量环境的要求较低，不需要一定在消声室中进行测量9。此方式方法的缺乏在于需要较多的声学传感器，前面提到的造价较高限制了此方式方法的发展。在应用声强辨别某高速增压柴油机中，学者郝志勇10发现 100 Hz 频率成分主要来自于油底壳，200 Hz 频率成分
9、主要来自于齿轮室。验证了声强法辨别发动机噪声源的有效性。除此之外，根据声波干预来辨别噪声源的方式方法称为声全息技术，基本原理为通过傅里叶变换推导全息面和重建面的声压联络，随后分析全息面，得到重建面。此方式方法利用了声相位11的特点。在生产工程中，近场声全息技术得到了广泛应用，由于其精度能够到达几特别之一波长12。相比拟声强法而言具有更好的辨别效果。但是其存在显着的缺点即为对测量环境要求较高，一般需要在消声室中进行。这两种方式方法都属于表示清楚噪声源辨别方式方法。学者于飞将近场声全息应用于噪声源的辨别与定位中，并从数值仿真13和测量实验14 两个角度验证了辨别算法的有效性。第三类：基于当代数字信
10、号处理的辨别方式方法。近年来信息技术飞速发展，当代数字信号处理得到了飞速发展与补充。在机械工程领域，学者们通过研究与扩展提出了很多基于当代数字信号处理的辨别方式方法，并对其进行了工程应用来验证。华而不实偏相干分析法15是应用较多的一种，偏向干分析是基于相干分析法扩展的。对一组混合输入信号，选取华而不实一个信号，去掉其与其他输入信号的相分，得到残存余留信号，分析残存余留信号对输出信号的响应，以此步骤重复分析每个输入信号对输出信号的影响。此方式方法较多应用在在多输入单输出系统的噪声源辨别问题中。根据输入声源信号的特点不同，十分是当系统的信号存在强耦合和强相干时，学者杨德森16提出了改良方式方法，通
11、过采取希尔伯特变换与倒频谱分析和偏相干技术三种方式方法相结合，来确定混合信号中相干成分间的影响，此方式方法能够避免各个输入信号之间存在的耦合，并建立潜艇舱段模型，分析辨别了华而不实的机械噪声。层次分析法，是指将与决策总是有关的元素分解成目的、准则、方案等层次，在这里基础之上进行定性和定量分析的决策方式方法。吴海平17学者巧妙地将层次分析法应用于潜艇的噪声源辨别，并结合偏向干分析方式方法根据各个噪声源的奉献量不同进行辨别排序。固然上述两种方式方法应用于潜艇设备，在机械领域也同样适用。就上述提到的噪声源各种辨别方式方法而言，其适用范围是不同的。华而不实，传统的四种辨别方式方法主观评价法、选择运行法
12、、声强测量法和声全息法由于其方式方法特点与测量环境，是在机械系统外部或外表进行测量，忽略了机械系统的内部运行，因而属于外表噪声源辨别技术；另一种方式方法频谱分析法则不需要苛刻的测试环境，其目的在于分析系统内部的噪声辐射机理，控制或减小噪声，因而属于内部噪声源辨别技术。随着噪声辨别技术的发展，单单的传统辨别方式方法与基于的噪声源辨别方式方法已经不能知足实际工程中碰到的噪声难题，而近年来当代数字信号处理方式方法多被采用在实际工程中并获得了满意的效果与精度。根据风力发电机组的工作环境特点，采集到的振动噪声信号往往都伴随着各种冲击等瞬态变化，传统方式方法中的频谱分析不适用来针对一些非稳态信号，不能知足
13、噪声源辨别的要求。以常用的两种时频分析方式方法为例，小波变换和短时傅里叶变换由于Heisenberg 测不准，只能获得部分频段的时频，在全频段上存在分辨率缺乏的缺点。1998美籍华人 Huang18年提出经历体验模态分解(Empirical Mode Decomposition，EMD)方式方法来针对瞬时非稳态信号。将混合信号分解为一系列表征不同时间尺 度 的 固 有 模 式 函数Intrinsic Mode Function，IMF19。该方式方法与短时傅里叶变换比拟自适应好，能够消除 Heisenberg 测不准带来的频段限制问题，对非稳态信号的分析有效性提供了保证。同样的经历体验模态分解
14、方式方法的缺乏在于混合信号出现断点时，会出如今模态混合的情况，对分解结果的准确性造成影响。Gledhill20和 Flandrin21在进行经历体验模态分解之前，在混合信号中参加白噪声信号，能够有效避免这一缺乏。在这里基础上，Wu22等学者为了提高 EMD 分析的准确性，在混合信号中参加白噪声信号后，进行重复分解直到到达最终分离要求，提出了总体经历体验模态分解 Ensemble Empirical Mode Decomposition ，EEMD方式方法。郑旭23针对总体经历体验模态分解方式方法中的问题，通过改良参加的白噪声信 号 ， 提 出 了 改 进 的 总 体 经 验 模 态 分 解 (
15、Modified Ensemble Empirical ModeDecomposition，MEEMD)方式方法，改善了辨别方式方法的准确性。风力机的噪声源来源广泛，由于整个机组的机械部件非常多，造成噪声的传递经过较为复杂，进而由传感器测得的混合信号中有各种噪声源信号。且在复杂的运行状态中存在某些噪声源的频谱互相重叠的情况，小波变换、EMD 等方式方法难以将重叠的特征频率分离开来，进而导致辨别失败。根据风力机振动信号的复杂特点，宜采用盲源分离手段来处理。盲源分离的常用方式方法之一就是独 立 分 量 分 析IndependentComponent Analysis，ICA24。最早其提出是为了解
16、决 鸡尾酒会 问题25。芬兰学者提出快速独立分量分析FICA算法24，基于固定点Fixed-point迭代优化理论，将负熵作为目的函数，计算混合信号中某一分量的非高斯性最大值，收敛速度快，有效的提高了 ICA 算法的效率。在工程应用方面，徐红梅26将独立分量分析方式方法应用于六缸柴油机的噪声分离中，将内燃机燃烧噪声、正时齿轮噪声和活塞敲击噪声分离辨别出来。Minka 提出基于Minka Bayesian 选择模型的MIBS信号子空间维数估计法20在通过实际应用验证了该算法的有效性，确定了噪声源信号的维数。当出现欠定问题时即采集的信号数量小于估计源信号的数量时，学者们提出了用经历体验模态分解方式
17、方法和独立分量分析方式方法相结合来解决 EMD 模态混合的问题，并能知足ICA 方式方法对输入信号数目的要求。李林洁27以 EMD-ICA 方式方法对柴油机进行单通道采样，采用EMD 来构造估计虚拟信号，目的在于确定估计源信号的维数，之后对构造的虚拟信号进行 ICA处理。当采集的混合信号存在多种噪声耦合的情况，若直接使用 ICA 算法进行分析，那么计算经过中需要分解很多特征分量，存在计算量过大的缺点。当混合信号中噪声源数目较多时，计算效率不能得到有效的保证。因而，ICA 适用于频率交叠的非平稳信号，实现噪声源解耦分离的目的。在工程生产中假如只需要对华而不实的已经知道特征频率的噪声源进行分析，能够在独立分量分析基础上进行改良，应用约束独立成分分析cICA28, 29。王志阳30应用 cICA 在已经知道滚动轴承特征频率的情况下，成功提取了轴承的故障信号。杨伟新31将支持向量机(Support Vector Machine，SVM)方式方法应用在EMD-ICA 结合中进行滚动轴承故障诊断。对于频率交叠的信号ICA 能够有效地去除混合信号中背景噪声和回声干扰。