题名 | 基于BP神经网络的风电齿轮箱故障诊断仪的研发 |
作者 | 刘雄 |
答辩日期 | 2015 |
导师 | 潘峥嵘 |
关键词 | 风电齿轮箱 小波包分解 BP神经网络 嵌入式系统 故障诊断 |
学位名称 | 硕士 |
英文摘要 | 随着能源与环境问题的日益突出,大力发展可再生清洁能源成为广泛共识。风能作为一种可再生清洁能源在我国储量丰富,政府对风力发电的扶持力度也在逐步加大。风电机组长期工作于恶劣的环境中,容易发生故障,如何保证风电机组稳定高效的运行是一项重要课题。而作为双馈型异步发电机组增速机构的齿轮箱更是故障的高发部件。振动分析是目前旋转机械故障诊断的主要技术手段,对风电齿轮箱的故障诊断就是对其振动信号进行分析与处理的过程。嵌入式系统具有体积小、功耗低、性能强和可靠性高等特点在各行各业中得到了广泛应用。本文就是将故障诊断的理论方法与嵌入式技术相结合研发一种能针对风电齿轮箱进行智能故障诊断的仪器。主要内容包括以下几个方面:首先,进行故障诊断理论及相关算法的研究和仿真实验。从机械故障诊断的基本原理出发,分析风电齿轮箱的机械振动机理,理论上得出利用小波包分解振动信号提取频带能量特征,再利用BP神经网络的非线性映射能力建立故障特征空间到状态空间的非线性映射这一故障诊断方法的可行性;并进一步利用仿真实验验证了该方法的有效性。其次,通过对风电齿轮箱故障诊断仪的需求分析,分别提出了软、硬件的总体设计方案。最后,根据软、硬件的总体设计方案分别进行了具体设计。其中硬件设计是在以ARM微处理器S3C2440为核心的基础上对外围扩展电路进行设计;具体的软件设计是在构建好基本软件平台的基础上,包括bootloader、Linux内核及根文件系统的编译和移植,再进行了相关驱动程序的开发和图形化用户界面应用程序设计。 |
语种 | 中文 |
页码 | 74 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/91298] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 刘雄. 基于BP神经网络的风电齿轮箱故障诊断仪的研发[D]. 2015. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论