轴承运行情况判断及故障分析处理

水电机组轴承运行情况是直接影响机组运行稳定性的一个原因,通过对轴承运行的情况来判断机组的运行状态是一个重要依据,防患于未然。通过对机组的振动、摆度等数据的监测来判断机组状态,分析故障,相应的解决产生的问题。     

基于轴承温度模型的风电机组故障预测研究

采用风电机组状态监测技术可有效提高机组运行的安全可靠性。轴承是风电机组能量传递的重要部件,轴承的状态评估对机组安全运行具有重要意义。文章基于主成分分析方法,选取影响机组轴承温度的参数,提出了改进的线性回归径向基函数神经网络方法,建立了正常运行状态下轴承的温度预测模型;通过机组运行数据的分析比较,采用滑动窗口残差统计方法对机组运行状态进行实时监视评价发现,发电机出现异常时,轴承温度呈现上升趋势,残差值超过设定的置信区间,从而能实现对故障的有效预测。文章的研究结果可为风电机组的安全高效运行提供参考。     

基于灰色粗糙集理论的风电机组传动链智能故障诊断方法

风电机组的状态监测和故障诊断是保证机组长期稳定运行和安全发电的关键。风电机组传动链系统的故障种类繁多,原因复杂,其故障征兆、故障原因和故障机理之间存在着极大的不确定性。文中在其故障诊断过程中,首先利用粗糙集原理对其特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析方法确定标准故障状态与目前机组状态的关联度,从而找到其故障之处。实例计算表明：在风电机组的故障诊断中将灰色系统理论和粗糙集理论结合是一种有效的方法,为其今后开展智能故障诊断提供了理论基础。     

基于多元线性回归的风电机组齿轮箱温度预警研究

正风电机组的后期运行维护成本相当高,因此实时状态监测在风电机组中的应用越来越重要。风电机组齿轮箱的状态监测参数主要有温度、振动、油液等指标。目前大多数风电机组齿轮箱的故障预警机制较单一,如设定油池温度高于75℃报警,高于80℃停机;设定轴承温度高于90℃报警,高于95℃停机。这种常规的温度预警有一定的局限性。本文通过建立风电机组正常运行状态下的多元线性回     

基于动态阈值的风电轴承健康状态评估

针对现有的风电轴承健康状态评估方法需大量样本提取和模型训练、存在实现过程繁琐费时费力且泛化应用能力弱的问题,提出基于动态阈值的风电轴承健康状态评估方法。首先,考虑风的随机性和间歇性,利用风电轴承温度监测数据,引入劣化度概念,采用曲线拟合和机群聚类方法确定了劣化度的上、下限动态阈值;其次,通过健康状态评语集及其等级划分范围和劣化度计算,提出基于动态阈值的风电轴承健康状态评估方法;最后,以某风电机组的发电机后轴承超温故障为例,验证了所提评估方法可获得有效的风电轴承健康状态和及早获知故障征兆。     

基于多尺度包络谱图的直驱式风电机组轴承故障特征提取

针对直驱式风电机组低速、重载的运行特点,提出将多尺度包络谱图应用于实际机组的故障诊断,以提取轴承的故障特征.对原始振动信号进行复小波变换,其变换结果的包络谱即为轴承振动信号的多尺度包络谱图.结果表明:因其所具有的同步多尺度分解和包络解调能力,多尺度包络谱图能够提取出隐藏在噪声中的低频微弱轴承故障特征,与传统包络解调方法相比具有较好的智能性和准确性,适用于实际风电机组的状态监测.     

数据挖掘技术在风电机组发电机轴承故障预警中的应用

随着风电装机规模的扩大和风电场投产时间的增加,风电机组的故障呈现多样化和复杂化。为提高风电场检修及故障消除的工作效率,降低运维成本,实现故障状态检修,利用风机SCADA运行数据设计,针对风机发电机轴承的故障预警算法,对发电机轴承预警,为运维人员开展故障消除与检修提供技术支撑。     

基于温度参数的风电机组异常识别

文章针对风电机组运行过程中机组早期的异常状态识别问题,提出一种考虑有功功率的基于机组温度参数变化特性的风电机组异常识别模型。首先,分析风电机组各系统与温度相关的参数。然后,利用相关性理论,确定了与有功功率相关的温度参数:齿轮箱高速轴轴承前端温度、齿轮箱高速轴轴承后端温度、齿轮箱油温、发电机驱动端轴承温度、发电机非驱动端轴承温度、发电机定子绕组温度,形成了异常检测的参数体系。再次,以正常状态下机组温度参数的偏度和峰度的最大区间作为阈值,建立风电机组异常识别模型。最后,采用滑动窗口对机组运行状态进行在线监测。通过实例研究发现,当机组发生异常状态时,温度参数的偏度或者峰度超过了阈值,比警报提前了15 d。该识别模型为风电机组的早期故障预警提供了参考。     

基于多重分形去趋势波动分析的风力机轴承故障诊断

风力机传动轴轴承振动信号具有典型的非平稳和非线性特征,传统状态监测及故障诊断方法难以同时满足故障程度识别及部位诊断的需求。为此,针对定速轴承故障数据及变速的风力机轴承故障数据,采用多重分形去趋势波动分析方法,分析轴承在正常和不同故障状态下振动信号的多重分形特征,采用3种多重分形谱参数以表征振动信号的分形特征,结果表明:多重分形去趋势波动分析方法对于定速轴承和变速轴承均能进行有效的故障状态识别;轴承振动信号具有典型的多重分形特性,且较之正常状态,故障状态下多重分形特性更为明显,多重分形谱函数峰值对应的奇异指数更小,且当轴承处于内环故障时最小时,说明该参数可有效判断轴承运行状态及故障位置。因此,通过多重分形去趋势波动方法可获取故障特征参数,为风力机轴承故障诊断提供理论基础和实现途径。     

风电机组轴承磨损的油液监测技术研究与应用

轴承作为风电机组中的关键性、精密型机械部件,在运行过程中易产生磨损,其可靠性直接关系到风电机组的安全稳定运行,因此对其磨损状态进行监测是必要的。通过实例对几种典型的风电机组轴承磨损油液监测技术进行了探索,证实了这些技术的可行性和有效性,对预警滚动轴承磨损和预防设备事故有重要的意义。     

基于VMD-CNN的水电机组故障诊断

为提高水电机组故障诊断精度,减少在振动信号特征选取过程中对专业经验的依赖,提出了一种融合变分模态分解和卷积神经网络的故障诊断方法。首先对水电机组振动信号进行变分模态分解得到若干分量,并利用这些分量构造时间图,然后搭建深度卷积神经网络对时间图进行特征提取和故障识别,建立分量和故障状态的映射关系。以实测水电机组轴向振动信号进行应用检验,并采用多组对比试验,结果表明该方法与其他方法相比故障识别准确率更高。研究成果为水电机组智能故障诊断提供了新思路。     

基于MSET和模糊识别的凝汽器故障诊断

针对凝汽器的故障诊断问题,基于多元状态估计原理,采用模糊C均值聚类提取凝汽设备的运行状态矩阵,建立了设备的状态监测模型,以相似度指标衡量设备的运行状态,并以此作为参数模糊化的评判依据,获得凝汽器典型故障的专家知识库。在此基础上,根据模糊规则对设备的故障进行识别,提出了基于多元状态估计和模糊识别的故障诊断方法,并给出了该诊断方法的整体流程。以国内某600 MW机组凝汽器为例,采集实际运行数据进行建模与分析,结果表明:所提出的方法对设备参数的估计较为准确,具有一定的监测跟踪能力,并且能够及时准确地诊断设备故障,整体流程清晰直观,适合系统化应用。     

黑河流域梯级水电站群机组远程监控与故障诊断系统

为了确保水轮发电机组的安全稳定和经济运行,提出了基于Internet/Intranet开放式结构的水轮发电机组远程监测与故障诊断系统,并对系统的设计原则、网络化体系结构、机组测点布置、传感器选型及系统的功能做了详细的分析。该系统实现了水轮发电机组信号的数据采集、数据分析和处理,并能通过Internet/Intranet进行故障诊断。实际应用表明,该系统兼具技术的先进性和实用性,运行稳定可靠,具有良好的应用前景。     

基于分形学的轴承故障诊断分析

为识别轴承的工作状态及故障类型,针对非线性振动信号,基于分形盒维数与小波降噪方法,计算了轴承正常状态及不同故障状态的振动信号盒维数。结果表明:轴承的故障类型不同,其振动信号盒维数亦不同,正常状态盒维数最大,内环故障盒维数最小,其值分别为1.6和1.4。因此,根据盒维数能定量识别轴承故障状态与故障位置,本研究可为轴承状态监测和故障诊断提供理论依据。     

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。     

采用主成分分析法综合评价电站机组的运行状态

为解决电厂机组运行优化、状态监测与故障诊断中涉及到的机组运行状态的综合评价问题,提出用主成分分析(PCA)方法,建立了电厂机组的综合评价指标的思想.介绍了主成分分析法的原理,并应用该方法对某电厂机组的实际运行状态进行了综合评价.结果表明:该方法消除了主观因素对评价的影响,得到的综合评价指标可对汽轮机进行定量评价,也可为机组状态在线监测提供依据.     

考虑尾水位影响的水电机组三维振动区精细划分

常规的水电机组振动区划分通常依赖于稳定性试验,只能获取机组在有限水头下的稳定性表现,且其振动区划分未考虑尾水位变化带来的影响,划分结果缺乏全面性。为此,分析挖掘水电机组海量状态监测数据,提出考虑尾水位影响的三维振动区划分方法,基于机组实测状态监测数据,利用BP-Garson算法分析振动敏感性工况参数,选择尾水位作为第三维坐标,以负荷—水头—尾水位坐标进行振动区立体划分。实际应用结果表明,该方法可提高振动区划分的准确度,与常规的划分方法相比具有优越性,对尾水位变动较大电站的运行具有重要指导意义。     

决策树分类方法在水轮机组故障诊断的应用研究

由于引起水轮发电机组振动的原因较为复杂,检修人员通常很难全面把握故障征兆确定故障原因。针对此对C4.5决策树分类算法进行研究,应用决策树分类的方法对水电机组故障征兆进行分类。该方法利用典型水电机组故障特征向量建立故障诊断决策树,从而实现对水电机组振动故障的诊断。     

智能水电厂综合数据组态分析系统研究

针对水电厂各子系统间海量异构数据资源综合利用率低的问题,介绍了一套全新的综合数据组态分析系统。该系统基于智能水电厂统一平台架构进行开发,通过数据仓库封装由各子系统采集的海量异构数据,结合运维人员定制的专业主题模板,采用数据挖掘技术预处理数据仓库中的数据并生成相应的专业主题数据,通过访问客户端高自由度的组态软件,用户可快速构建数据分析、设备报警条件主题模板,最终系统以设备状态诊断、智能报警等方式将有价值的信息呈现给用户。工程实际应用结果表明,该系统提升了水电厂的信息化管理水平及预防性维护决策能力,保障了电厂安全稳定运行。