風(fēng)電機組振動監(jiān)測、故障診斷與壽命預(yù)測

第1章緒論1
11風(fēng)能產(chǎn)業(yè)與特點概述1
111風(fēng)能產(chǎn)業(yè)發(fā)展概述1
112風(fēng)電機組故障診斷與壽命預(yù)測的
意義3
12風(fēng)電機組狀態(tài)監(jiān)測技術(shù)4
121振動監(jiān)測技術(shù)5
122油液監(jiān)測技術(shù)6
123無損檢測技術(shù)7
124不平衡狀態(tài)監(jiān)測技術(shù)8
125基于模態(tài)分析的狀態(tài)監(jiān)測技術(shù)8
13風(fēng)電機組傳動鏈故障診斷方法9
131風(fēng)電齒輪箱故障動力學(xué)模型9
132變轉(zhuǎn)速工況下故障特征提取10
133故障信息增強方法11
134智能故障診斷方法12
135風(fēng)電機組關(guān)鍵部件壽命預(yù)測
方法12
14風(fēng)電機組振動診斷與預(yù)測技術(shù)難點13
15風(fēng)電機組監(jiān)測、診斷技術(shù)發(fā)展的
關(guān)鍵14
第2章風(fēng)電機組結(jié)構(gòu)及運行控制16
21風(fēng)電機組總體結(jié)構(gòu)16
22雙饋機組傳動鏈結(jié)構(gòu)18
23直驅(qū)機組結(jié)構(gòu)20
24半直驅(qū)機組結(jié)構(gòu)21
25風(fēng)電機組運行控制原理21
251風(fēng)力發(fā)電的空氣動力學(xué)模型21
252風(fēng)電機組的控制技術(shù)27
第3章風(fēng)電機組振動監(jiān)測基礎(chǔ)36
31風(fēng)電機組傳動鏈?zhǔn)г?6
311交變載荷引起的疲勞損傷37
312過載引起的損傷37
313維護不當(dāng)引起的故障39
32齒輪、軸承故障狀態(tài)下的振動機理40
321齒輪故障振動調(diào)制機理40
322軸承故障振動調(diào)制機理41
33風(fēng)電齒輪箱故障特征頻率42
331一級行星+兩級平行結(jié)構(gòu)齒輪箱
特征頻率42
332二級行星+一級平行結(jié)構(gòu)齒輪箱
特征頻率43
333行星級各齒輪故障特征頻率44
334定軸軸承故障特征頻率45
335行星軸承故障特征頻率45
34風(fēng)電機組傳動鏈振動監(jiān)測系統(tǒng)46
341在線振動監(jiān)測系統(tǒng)46
342離線振動監(jiān)測系統(tǒng)49
343振動采樣頻率的確定50
35風(fēng)電機組傳動鏈振動評價標(biāo)準(zhǔn)50
351風(fēng)電檢測認證及振動測試標(biāo)準(zhǔn)50
352風(fēng)電機組振動評價標(biāo)準(zhǔn)51
第4章風(fēng)電機組傳動鏈故障特征
提取53
41振動信號基本分析方法53
411時域分析53
412頻域分析53
413包絡(luò)解調(diào)分析54
414倒頻譜分析54
42行星部件故障特征提取55
421行星輪系局部故障56
422行星輪系分布式故障57
423行星軸承故障73
43風(fēng)電齒輪箱典型故障特征提取73
431中間軸小齒輪崩齒故障73
432高速軸齒輪故障74
433齒輪、軸承復(fù)合故障75
44發(fā)電機軸承故障特征描述與提取84
441軸承潤滑不良84
442軸承電腐蝕故障85
443軸承打滑跑圈故障87
444發(fā)電機軸承保持架故障87
445電磁振動下發(fā)電機軸承故障88
45自適應(yīng)故障特征提取97
451自適應(yīng)特征提取方法98
452基于經(jīng)驗?zāi)B(tài)分解的齒輪故障
特征提取102
453基于經(jīng)驗小波變換的軸承故障
特征提取109
46風(fēng)輪不平衡故障特征提取112
第5章風(fēng)電機組群智能故障診斷116
51智能故障診斷基礎(chǔ)116
511有監(jiān)督學(xué)習(xí)的模式識別原理116
512無監(jiān)督學(xué)習(xí)的模式識別原理119
513兩種模式識別方法的比較120
52基于自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的風(fēng)電機組
趨勢分析120
521ART2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)120
522ART2神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法121
523基于ART2神經(jīng)網(wǎng)絡(luò)的發(fā)電機
軸承健康趨勢分析124
53結(jié)合ART2神經(jīng)網(wǎng)絡(luò)和C均值聚類的
機組群智能診斷128
531ART2神經(jīng)網(wǎng)絡(luò)算法存在的
問題128
532C均值聚類算法129
533結(jié)合ART2神經(jīng)網(wǎng)絡(luò)和C均值
聚類的分類算法129
534風(fēng)電機組設(shè)備群故障診斷130
54基于模糊核聚類的風(fēng)電機組故障
診斷133
541模糊核聚類算法133
542優(yōu)化模糊核聚類算法137
543基于模糊核聚類算法的故障
診斷139
544風(fēng)電機組故障診斷案例142
第6章風(fēng)電機組軸承剩余使用壽命
預(yù)測146
61風(fēng)電機組軸承剩余使用壽命預(yù)測基本
概念146
62基于神經(jīng)網(wǎng)絡(luò)滾動更新的風(fēng)電齒輪箱
軸承剩余使用壽命預(yù)測147
621短期趨勢預(yù)測的神經(jīng)網(wǎng)絡(luò)148
622剩余使用壽命預(yù)測流程148
623案例分析149
63基于改進無跡粒子濾波的發(fā)電機軸承
剩余使用壽命預(yù)測156
631貝葉斯濾波156
632剩余使用壽命預(yù)測流程160
633案例分析160
64基于特征融合與自約束狀態(tài)空間估計的
軸承剩余使用壽命預(yù)測166
641軸承健康指標(biāo)構(gòu)建166
642自約束狀態(tài)空間估計器169
643案例分析172
參考文獻182