資源描述：
《基于鄰域粗糙集與支持向量機(jī)的大型風(fēng)機(jī)齒輪箱故障診斷.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2014年8月機(jī)床與液壓Aug．2014第42卷第l5期MACHINET00L&HYDRAULICSVo1．42NO．15DOI：10．3969／j．issn．1001—3881．2014．15．045基于鄰域粗糙集與支持向量機(jī)的大型風(fēng)機(jī)齒輪箱故障診斷陳立軍，侯爽，葉種，張艷平(東北電力大學(xué)自動(dòng)化工程學(xué)院，吉林吉林132012)摘要：大型風(fēng)機(jī)的齒輪箱故障診斷是保證風(fēng)機(jī)正常、穩(wěn)定運(yùn)行，避免突發(fā)性事故的有效手段。針對(duì)大型風(fēng)機(jī)齒輪箱振動(dòng)進(jìn)行實(shí)時(shí)監(jiān)測，對(duì)其振動(dòng)情況進(jìn)行分析、診斷。對(duì)采集的信號(hào)采用時(shí)域方法進(jìn)行研究，獲取時(shí)域指標(biāo)屬性，運(yùn)_旰J鄰域粗糙集約
2、簡知識(shí)對(duì)各個(gè)信息屬性進(jìn)行約簡，再結(jié)合支持向量機(jī)進(jìn)行樣本訓(xùn)練，并對(duì)待測數(shù)據(jù)進(jìn)行故障診斷。關(guān)鍵詞：齒輪箱；故障診斷；振動(dòng)監(jiān)測；鄰域粗糙集；支持向量機(jī)(SVM)中圖分類號(hào)：TP182文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—3881(2014)l5—180—5Large-scaleWindTurbineGearboxFaultDiagnosisBasedonNeighborhoodRoughSetandSupportVectorMachineCHENLijun，HOUShuang，YEChong，ZHANGYanping(SchoolofAutomatio
3、nEngineering，NortheastDianliUniversity，JilinJilin132012，China)Abstract：Thegearboxfaultdiagnosisistheeffectivemeasuretoavoidthesuddenaccidentandensurethenormal，stable(1I)era—tionoflarge—scalewindturbine．Aimedatthereal—tinmvibrationmonitoringoflargescalewindturbinegearbox。its
4、vibration【ondilionwasanalyzedandfaultdiagnosed．Thecollectedsignalswereresearchedbythetime一(tomainmethod，andthesignaltime—domainattrib—utewasachieved．Eachin．formationattributewasreducedbyusingknowledgeofneighborhoodroughset，andthencomt)inedwithsup—portvectormachine(SVM)forsa
5、mpletraining．Moreoverfauhdiagnosisofthetestdataisrealized．Keywords：Gearbox；Faultdiagnosis；Vibrationmonitoring；NeighborhoodRoughSet；SupportVectorMachine(SVM)隨著煤、石油等傳統(tǒng)能源開采使用帶來的環(huán)境、的敏感度方面更具優(yōu)越性，對(duì)早期故障有很好的診斷氣候等問題，開發(fā)利用新能源、節(jié)能減排、發(fā)展智能能力，信號(hào)依賴幅值概率密度函數(shù)能非常直觀地反應(yīng)電網(wǎng)已成為我國能源發(fā)展的重要戰(zhàn)略。過去的10年，機(jī)械設(shè)備
6、的故障特征；而且不依賴設(shè)備運(yùn)行轉(zhuǎn)速與中國風(fēng)電裝機(jī)增長了47倍，截至2011年，全國累計(jì)軸承的技術(shù)參數(shù)，能夠反映故障的總體趨勢，住旋轉(zhuǎn)裝機(jī)容量達(dá)到6236．42萬kW，居世界第一位，預(yù)計(jì)機(jī)械的故障診斷中有很大優(yōu)勢。2020年，至少將達(dá)到1．5億kW。工作環(huán)境惡劣在時(shí)域研究中，常多采用時(shí)域參數(shù)指標(biāo)作為判定致使風(fēng)力發(fā)電機(jī)組比其他旋轉(zhuǎn)機(jī)械更易出現(xiàn)故障，近故障的依據(jù)。辜幼川，戴華勇。，卜萍采用3個(gè)些年風(fēng)電事故頻出，并網(wǎng)電量大幅度減少，對(duì)電時(shí)域指標(biāo)對(duì)破碎機(jī)軸承進(jìn)行故障診斷，闡明時(shí)域診斷網(wǎng)沖擊大，損失嚴(yán)重。設(shè)備運(yùn)行的安全性受到越來越在旋轉(zhuǎn)機(jī)械的故障診斷中的
7、優(yōu)勢；崔碩采用4個(gè)多的重視，有效地進(jìn)行故障檢測與診斷就顯得尤為時(shí)域指標(biāo)判定故障的準(zhǔn)確性。唐新安等對(duì)風(fēng)力發(fā)重要。調(diào)查顯示齒輪箱是風(fēng)機(jī)中發(fā)生故障頻率最高的電機(jī)組齒輪箱進(jìn)行振動(dòng)測試和分析，采用7個(gè)指標(biāo)對(duì)部件。，這些故障包括滾動(dòng)軸承內(nèi)圈劃傷、滾動(dòng)軸故障進(jìn)行研究，判斷故障及故障位置，其運(yùn)算量、工承外圈剝落、軸承保持架損壞、齒輪磨損、齒輪斷齒作量相對(duì)指標(biāo)少的診斷系統(tǒng)大，運(yùn)算慢、丁擾多，一(崩齒)等幾種典型故障。齒輪箱的故障檢測和診斷定程度上影響診斷的快速性和精確性；彭安群，王惠的研究一直是一個(gè)研究熱點(diǎn)。研究多基于齒輪箱振動(dòng)中基于數(shù)據(jù)挖掘的風(fēng)力發(fā)電機(jī)故障診
8、斷系統(tǒng)研究，信號(hào)的檢測，研究方法可分為時(shí)域和頻域兩種。在頻采用7個(gè)指標(biāo)運(yùn)用粗糙集與決策樹相結(jié)合的方法進(jìn)行域中，一般采用頻譜分析、細(xì)化譜分析等，可通過傅故障診斷；吳德
