论文部分内容阅读
风能在资源匮乏的当今有很大应用前景，为风电设备研发和生产的市场新兴提供有利条件，大型水平轴式风机成为主流风电装备，在诸多风电设备部件中，风电回转支承至关重要，主要保证风机的偏航和变桨运动。由于风机的运行环境恶劣、安装高度高、更换成本昂贵，风电回转支承要求20年的设计寿命。因此对风电回转支承进行状态监测和故障诊断，实现事前维护和寿命预测具有很高的实用意义。由于回转支承低速、重载、尺寸大、受力复杂的特点，使得中、高速滚动轴承中所用的故障诊断理论不能很好的应用到回转支持的故障诊断中，目前国际对风电回转支承的研究还处于探索阶段，还没有形成完整的理论，论文主要借鉴于中低速滚动轴承的信号处理方法和诊断方法，并结合当前新兴的智能方法，进行超低速重载回转支承的故障诊断。 本文主要以1.5MW偏航轴承、2.5MW变桨轴承为研究对象，研究其故障种类、故障成因、故障信号特点，分析故障特征提取的方法，结合风电偏航回转支承试验台和风电变桨回转支承试验台监测的温度、摩擦力矩、加速度、功率、转速，分析出诸多信号中能够表征风电回转支承运行状态的特征量，最后选择BP神经网络将特征量进行数据融合。在以下方面取得有益的结论：⑴风电回转支承的润滑脂温度、扭矩、加速度包络谱趋势可作为评判故障的特征参数；⑵当润滑脂温度、扭矩、加速度的包络谱的拟合曲线斜率都为正时，可作为故障判别的指标；⑶对振动加速度信号能量谱分析的结果与试验结果相吻合，可作为典型特征参数。