数据驱动的风电滚动轴承故障诊断方法研究

　　随着我国风电装机容量的井喷式增长，机组的运行维护需求越来越大，“运维市场”成为风电六大关键词之一，我国风电事业的发展面临着关键零部件及整机测试技术、智能故障诊断技术落后的瓶颈问题。本书以风电机组旋转部件中的滚动轴承为重点研究对象，开展智能故障诊断方法的研究，针对风力发电机组这种大型旋转机械作为高阶次、多变量、非线性、非平稳、强耦合的能量传递和转换系统，阐述其核心旋转部件故障监测与诊断相关的工作原理、方法理论、仿真建模与工程应用。书中对风电机组滚动轴承信号特性及滚动轴承的各种故障形式进行分析与介绍，对故障诊断过程中的消噪、特征提取与选择、模式识别等关键问题的分析方法，以及声学噪声与振动相关性、风电机组声学噪声的测量和预测等问题进行了探索与研究，基于MATLAB软件平台对风电机组滚动轴承智能故障监测与诊断中的关键方法进行了仿真建模与分析验证，以期为我国风电机组故障诊断领域的理论研究和工程实践提供一定的理论基础和数据依据，解决风电现场机组故障快速诊断问题，提升风电机组发电量，提高风电机组运行寿命。

暂缺《数据驱动的风电滚动轴承故障诊断方法研究》作者简介

第l章 绪论
1.1 风电轴承故障诊断技术研究的背景及意义
1.1.1 风电发展现状
1.1.2 故障诊断技术概述
1.1.3 机械设备故障诊断技术的发展与现状
1.1.4 轴承故障诊断问题的提出
1.2 风电机组滚动轴承故障诊断技术
1.2.1 风力发电机组结构及传动系统
1.2.2 滚动轴承故障形式
1.2.3 风电滚动轴承故障特性
1.2.4 风电滚动轴承故障诊断技术及其关键问题
第2章 风电滚动轴承振动信号的小波消噪
2.1 引言
2.2 风电轴承振动信号的小波消噪法
2.2.1 小波变换基础理论
2.2.2 基于小波变换的消噪方法
2.2.3 基于风电轴承振动信号的自适应阈值小波消噪法
2.3 自适应阈值小波消噪仿真分析
2.3.1 仿真信号的自适应阈值小波消噪
2.3.2 轴承振动信号的自适应阈值小波消噪
2.4 小结
第3章 风电滚动轴承振动信号的故障特征提取
3.1 时域故障特征提取方法
3.1.1 相关分析故障特征提取方法
3.1.2 相关分析故障特征提取方法仿真分析
3.2 频域故障特征提取方法
3.2.1 频域故障特征提取方法
3.2.2 频域故障特征提取方法仿真分析
3.3 基于小波变换谱分析的故障特征提取方法
3.3.1 基于小波变换谱分析方法
3.3.2 基于小波变换谱分析的故障特征提取方法仿真分t
3.4 EMD故障特征提取方法
3.4.1 EMD故障特征提取方法
3.4.2 EMD故障特征提取方法仿真分析
3.5 VMD故障特征提取方法
3.5.1 VMD故障特征提取方法
3.5.2 VMD故障特征提取方法仿真分析
3.6 双谱分析故障特征提取方法
3.6.1 高阶谱与双谱
3.6.2 双谱估计算法
3.6.3 仿真分析
3.7 小结
第4章 风电滚动轴承的故障模式识别
4.1 引言
4.1.1 模式识别
4.1.2 模式识别的基本方法
4.2 模糊聚类分析法
4.2.1 模式相似度
4.2.2 聚类准则
4.3 基于二值双谱特征的模糊聚类故障模式识别