基于多维核域谱的风机传动链系统微征兆健康状态识别方法

Transmission Chain System (TCS) is the important component in wind turbine and its early micro-feature Healthy Condition Recognition (HCR) influences the turbine safety running and wind power smooth output directly. This project chooses the wind turbine TCS as the research object, and mainly study on the TCS micro-feature HCR method under complex condition and multi-dimension healthy conditions. The main research contents include three sections. 1) Discuss the interference components mechanism in wind turbine TCS, and propose the weak-feature extraction method of wind turbine TCS based on cross optimal Mexican-Hat Wavelet (MHW) method, in order to solve the weak-feature extraction problem of wind turbine TCS under strong background interference. 2) The micro-feature HCR method of wind turbine TCS. Propose the multi-dimension kernel domain spectrum method, in order to solve the micro-feature recognition problem of wind turbine TCS under small sample and multi-dimension healthy conditions coupling. 3) The improvement of the wind turbine healthy condition simulation testbed. To verify the effectiveness of the project methods using the simulation testbed, and at the same time to improve the testbed function and reliability using the project methods. This project research can not only maintain the wind turbine safety running and wind power smooth output, but also have important theoretical significance and practical value on the whole wind turbine industry.

传动链系统是风力发电机组中的重要组成部分，其早期微征兆健康状态的识别直接影响风机的安全稳定运行和风电场电网的平稳输出供应。项目以风机传动链系统为主要研究对象，研究在复杂工况多维健康状态下风机传动链系统的微征兆健康状态识别方法。研究内容主要包括：1）探讨风机传动链系统干扰成份机理，提出交叉优化MHW的风机传动链系统微弱特征提取方法，解决强烈背景干扰下的微弱状态特征提取难题；2）风机传动链系统的微征兆健康状态识别方法：提出多维核域谱方法，解决样本数量较少、多维健康状态耦合时的早期微征兆健康状态识别难题。3）风机健康状态模拟试验台的完善：通过试验台验证项目方法的有效性，同时通过项目方法实现模拟试验台功能的扩展和可靠性的提升。项目研究可以维护风机的安全稳定运行和风电网供电系统的稳定，对整个风机行业都有着重要的理论意义和实践价值。

风力发电以其清洁无污染优势在我国得到了较快的发展。随之关于风力发电机组的健康状态维护和智能诊断研究逐渐成为行业热点。风电机组工作在野外自然环境，直接遭受风雨、雷电等自然天气影响，极易发生各类故障。因而，有效地识别风电机组的微征兆故障，实现提前预警，可以维护风电机组的正常运行和风电场的稳定。项目针对常发生故障的风电机组传动链系统开展研究，主要研究内容集中在：.1）风电机组噪声干扰机理分析.风电机组噪声干扰主要来源于空气动力学噪声和机械冲击噪声两大类。项目分析了各类空气动力学噪声产生的机理，提出了从结构设计优化等方面实现噪声抑制的途径。针对机械冲击噪声干扰，可以引入多种时频分析方法实现噪声抑制与处理。.在分析噪声干扰的基础上，提出了一种复杂工况下风机传动链系统的微弱特征提取方法，可以有效地抑制噪声，提取微弱特征。.2）风电机组多维核域谱健康状态识别.提出了一种基于多维核域谱的风电机组微征兆健康状态识别方法，可以解决风机小样本条件下微征兆健康状态识别的难题，有效地识别风机传动链系统的微征兆健康状态，维护风机正常运行，保障设备安全。.3）风电机组健康状态模拟试验台开发与优化实验.设计完成了一套风电机组健康状态模拟试验台，可以进行风机传动链系统动态特性和振动试验研究、齿轮箱在线监测和故障诊断研究等。.项目研究从机理理论基础出发，实现了理论分析的创新，进而通过落实实践搭建试验台，验证理论分析结果。项目研究成果可以有效地推广到风电机组的智能诊断与维护中，对风电场的健康运行起到了重要的理论指导作用。