基于健康樣本和趨勢預(yù)測的風(fēng)電機(jī)組齒輪箱健康狀態(tài)評估方法的研究.pdf

1、我國風(fēng)電行業(yè)經(jīng)歷了技術(shù)引進(jìn)、消化吸收、自主創(chuàng)新這三個階段，目前裝機(jī)總?cè)萘恳堰_(dá)世界第一。由于風(fēng)電機(jī)組長期處于惡劣環(huán)境，運(yùn)行狀態(tài)復(fù)雜，以及眾多不確定因素導(dǎo)致風(fēng)場對機(jī)組的維護(hù)費(fèi)用居高不下。近年來，機(jī)械工程、電氣工程、人工智能等學(xué)科在風(fēng)力發(fā)電領(lǐng)域的研究與應(yīng)用，使得我國當(dāng)代風(fēng)力發(fā)電機(jī)組技術(shù)得到長足的發(fā)展。對機(jī)組進(jìn)行狀態(tài)監(jiān)測，能夠使問題“早發(fā)現(xiàn)早解決”。對于風(fēng)電機(jī)組整個壽命過程中，降低運(yùn)維成本、提高發(fā)電效率是人們追求的目標(biāo)，狀態(tài)識別技術(shù)的作用日益凸

2、顯。
　　有統(tǒng)計(jì)表明，齒輪箱故障引起機(jī)組停機(jī)時間和維護(hù)費(fèi)用遠(yuǎn)高于其它故障，針對齒輪箱健康狀態(tài)評估技術(shù)已經(jīng)有過不少研究，但是目前的狀態(tài)評估方法存在一些不足。首先，由于風(fēng)電機(jī)組齒輪箱故障樣本稀少，并沒有足夠的研究證明不同的風(fēng)電機(jī)組之間齒輪箱運(yùn)行狀態(tài)特性相同，對某臺機(jī)組的研究結(jié)果所獲得標(biāo)準(zhǔn)值、閾值不能直接用于其他機(jī)組;其次，基于當(dāng)前機(jī)組運(yùn)行數(shù)據(jù)進(jìn)行評價不能完全反映機(jī)組健康狀態(tài)，比如在劣化趨勢明顯而特征值又處于安全水平時，這種狀態(tài)特性需得

3、到凸顯。本文在前人的基礎(chǔ)上，提出新的一種基于健康樣本和趨勢預(yù)測的風(fēng)電機(jī)組齒輪箱健康狀態(tài)評估方法。這種方法具體步驟為:首先采用數(shù)據(jù)挖掘技術(shù)對風(fēng)電機(jī)組海量健康數(shù)據(jù)樣本進(jìn)行挖掘篩選處理，對機(jī)組運(yùn)行狀態(tài)多工況多參數(shù)進(jìn)行討論研究，獲得分組數(shù)據(jù);然后通過基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練建立健康狀態(tài)參數(shù)模型，將實(shí)驗(yàn)值與模型比較獲得特征參數(shù)殘差;最后將殘差值運(yùn)用基于趨勢預(yù)測的模糊綜合評判理論，進(jìn)行齒輪箱的健康狀態(tài)評估。這種方法的特點(diǎn)是從大量的風(fēng)電機(jī)組