风电机组齿轮箱非平稳振动信号谱分析方法

齿轮箱是风电机组的重要部件,其运行状态直接决定了风电场的收益,通过研究齿轮箱的振动信号来评判齿轮箱的运行状态具有重要意义。论述了风电齿轮箱的结构形式和故障特征,依据某类型风电机组齿轮箱特点,制定振动数据采集方案,采集2台风电机组齿轮箱高速轴振动信号;应用Hilbert能量谱和短时傅里叶重排谱对比分析,分别提取2台机组齿轮箱高速轴测点振动信号中蕴含的故障特征频率。分析得到一台机组齿轮箱高速轴损伤,实际验证了该齿轮箱高速轴故障为齿面点蚀。证实了Hilbert能量谱和短时傅里叶重排谱相结合的分析方法在提取风电齿轮箱故障特征频率的有效性和实用性。     

风电机组传动链测试平台数据采集系统设计

风电机组传动链测试平台要实现对齿轮箱、风力发电机和风电变流器等机组传动链关键部件运行状态的测试评估,测试项目多且信号采集复杂。根据传动链测试项目及其特征参量完成了系统测试量部署,设计了一套基于PXI平台的数据采集系统,实现测试平台中电气量、载荷量、温度以及振动噪声等多种信号的同步采集与数据处理,通过在100 kW风电机组传动链测试平台实验,验证了设计的数据采集系统能够很好地满足风电机组传动链测试需求。     

风电机组振动监测与故障预测系统

为了保障风电机组的安全运行,研发了风电机组振动在线监测与故障预测管理系统。其主要包含振动信号采集模块、风电场监控中心以及远程监控诊断中心3部分。振动信号采集模块完成振动信号的采集,并通过光纤交换机将信号传输到风电场监控中心;风电场监控中心主要用于显示、存储及分析振动信号特征,给出风电机组运行状况;远程监控中心通过与风电场建立联系,实现风电机组的远程监控,为实现无人值守风电场奠定基础。该系统利用振动信号时域和频域分析方法得到振动信号特征,进而确定风电机组的运行状态,并利用随机子空间方法对风电机组的故障进行预测。通过振动信号仿真分析,以及风电场实际应用分析,验证了所研发系统的有效性。     

振动监测技术在风电机组齿轮箱故障诊断中的应用

研发了针对风力发电机组传动齿轮箱的振动监测与故障诊断系统。该系统主要由本机监测系统、风电场集中监测诊断系统、远程监测诊断中心3层结构组成。本机监测系统完成机组传动系统各部件的状态监测数据的采集,并将数据传输到风电场集中监测诊断系统。风电场集中监测诊断系统主要进行数据存储、显示和分析诊断,并将数据通过互联网传输到远程监测诊断中心,实现风电场设备群的远程监控分析和精细故障诊断。给出该系统的应用实例,通过对比分析2台相同型号风电机组的齿轮箱振动信号,实现对出现异常状态机组的判断,保障风电机组设备的安全可靠运行。     

风机齿轮箱振动信号的稀疏傅里叶变换分析

风电机组齿轮箱振动信号的在线频谱分析对信号处理算法的快速性要求很高,提出采用稀疏快速傅里叶变换（ＳＦＦＴ）算法进行风机齿轮箱的频谱分析。SFFT算法主要利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速地计算出信号频谱中k（信号的稀疏度）个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过对风电机组齿轮箱的实际振动信号分析,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。     

风电机组综合状态在线监测与远程诊断中心的建立

近年来,风电机组振动状态在线监测系统得到不断地应用和推广,但是仅对机组机械传动部分振动信号进行评估分析,监测手段过于单一,不能全方位捕捉机组故障状态.为此,提出在风电机组振动在线监测技术研究的基础上,进行风电机组叶片应变状态监测、齿轮箱油液在线监测、发电机电气参数监测及风电机组生产运行参数监测技术的研究,研制风力发电机组综合状态在线监测系统,并建立远程诊断中心,将风力发电机组振动在线监测系统全面升级为风力发电机组综合状态在线监测系统,以期为实现风电场少人、无人值守目标奠定坚实的基础.     

基于统计过程控制的风机齿轮箱故障预测

为了减少风力发电机组齿轮箱故障,确保风电机组持续安全运行,对风电机组运行监控数据在线分析,提出一种结合最小二乘支持向量机（LSSVM）的风机齿轮箱统计过程控制故障预测方法。该方法以支持向量机学习风电机组的正常状态运行模式,利用风电机组实时运行数据来估计正常状态下该时刻齿轮箱油温度和齿轮箱轴承温度,并与实际温度测量值进行比较。随后利用统计过程控制技术分析齿轮箱油温和轴承温度的实际值与估计值的残差,以实现齿轮箱异常状态的预测。     

风机齿轮箱振动信号采集系统设计

针对风机齿轮箱运行振动信号采集系统结构复杂且成本较高的问题,采用 MPS-１４０８０１-IEPE 数据采集卡、 MPS-ACC０１X单轴加速度传感器、光纤传输器等主要设备构建一套齿轮箱运行振动信号采集系统.工程现场实测结 果表明,该系统能够准确采集风机齿轮箱运行过程中的振动信号并进行快速傅里叶变换 (FFT),将频谱中幅值明显 的重要频率与计算所得的齿轮啮合频率进行比较,可实现齿轮箱运行状态的初步监测,为后续进行齿轮箱运行状态的 在线监测与故障诊断奠定基础.     

基于PC104的风电机组状态监测系统设计

为监控机组传动系统运行状态,提高风电场运行管理水平,提出一种多功能风电机组状态监测系统,能够对风电机组传动系统振动进行实时数据采集和监测,监测机舱内部明火及电气短路形成的烟雾,具备视频监控、语音交互及射频识别( RFID)功能.基于PC104总线平台建立多功能硬件系统,完成数据同步采集功能.实时采集的各种数据打包后通过...     

风电机组振动无线采集系统设计与应用

离线监测仍是早期投产风电机组开展振动监测的一种主要方式。由于离线振动监测需人员进入机组机舱,对运行状态下的风电机组进行数据采集,因此给采集人员带来一定的安全隐患。为实现人员在塔筒顶部平台进行振动数据采集工作,消除人身安全隐患,将无线传输技术应用于振动采集系统,设计了一套振动无线采集系统,系统由振动无线传感器、路由器、无线采集仪构成。设计工作完成后,对振动无线采集系统进行了系统调试、通信稳定性试验、测量性能试验以及现场测试。试验结果表明,所设计的采集系统各功能正常,具备了现场应用的基本条件。     

基于区间划分的风电齿轮箱在线故障预警方法

针对大型风电机组运行工况复杂多变,依靠恒定的润滑油温度值作为齿轮箱故障预警值容易不报的问题,提出了基于运行区间划分的风电机组齿轮箱在线故障预警方法。该方法通过划分不同的运行区间,对不同运行区间根据高斯模型分别设定阈值。将实时数据代入相应运行区间判定是否异常,再利用移动窗口计算异常率作为触发齿轮箱故障预警的指标。该方法用于某1.5 MW风电机组齿轮箱故障的分析,结果表明,该方法能够准确地反映故障的发展趋势,可实现齿轮箱故障的早期预警,避免故障向更严重的方向发展,降低风电机组运行和维修成本。     

基于阶比与散度分析的风机齿轮箱故障诊断

针对风电机组运行工况复杂造成的齿轮箱振动数据特征提取困难的问题,提出了阶比分析与散度指标分析的方法对双馈机组齿轮箱故障进行诊断。首先通过阶比重采样以及角域同步平均的方法,对原始信号进行预处理,提高信号的稳定性与精度;通过对处理后的角域信号进行阶比谱与包络谱分析,提取信号特征;最后应用散度指标分析方法,对信号特征进行量化处理,实现齿轮箱故障诊断工作。应用此方法对齿轮箱典型故障仿真数据与实际现场数据进行分析计算,得到了较为准确的诊断结果,有一定的实用价值。     

基于虚拟仪器的机床齿轮箱故障诊断系统的设计

设计了基于虚拟仪器的齿轮箱故障诊断系统,利用图形化编程语言LabVIEW和模块化硬件,对齿轮箱的振动信号实时监测。建立了集参数数据库、故障数据记录库、故障诊断知识库、实时监测及诊断为一体的诊断系统。系统采用压电加速度传感器BZ1185采集齿轮箱振动信号,通过对信号放大、转换和滤波,将信号转换成有限带宽信号,通过数据采集卡AMPCI-9111输入到计算机中。使用开发的虚拟仪器技术开发平台,对CQ9145联合机床齿轮箱振动信号进行了倒频谱和小波分析,实验表明,本系统可以大大提高诊断准确度和效率。     

汽轮发电机组振动监视与故障诊断系统

介绍以汽轮发电机组为对象而研制的振动监视与故障诊断系统。该系统集信号处理、数据分析与故障诊断于一体，既能实时监视机组运行工况，又能分析机组运行数据，并对故障进行精确诊断。它能广泛应用于各类汽轮发电机组的振动监视与故障诊断     

风电机组振动检测预防性检修技术的应用

采用WindDAQ振动信号采集软件及Wexp2信号分析软件,对风力发电机组各轴承、齿轮箱等关键设备进行离线式振动检测,通过对机组振动信号时域图和频域图进行分析处理,可以判断运行设备的健康状态,帮助技术人员分析确定机组、设备的故障部位及故障原因。根据测试数据的分析结果,可以对机组的健康状态进行分类,实现风机维护向预防性检修体制的转变。     

风力发电机组状态监测与智能故障诊断系统的设计与实现

风力发电机组状态监测和故障诊断技术,可以有效降低机组的运行维护成本,保证机组的安全稳定运行。阐述了风力发电机组的基本构成。在介绍风电机组常见故障的基础上,分析了机组中的主要部件齿轮箱和发电机的故障。针对齿轮箱和发电机的故障提出了一种智能诊断的新方法,并以此设计开发了风力发电机组状态监测与智能故障诊断系统,详细介绍了该系统的原理、结构及功能。     

基于DSP+ARM+FPGA架构的风机振动数据采集系统设计与应用

作为风机机械部分关键部件之一,主传动链发生机械故障频率较高,因此降低了风场效益。采集主传动链振动信息进行实时监测与故障预警分析,可全面了解机组运行状况,从而制定合理的检修计划。提出一种以DSP+ARM+FPGA为处理器架构的振动数据采集系统,硬件系统主要由CPU、采集电路、通信电路及供电电路构成。基于嵌入式SYS/BIOS及Linux系统的软件平台,实现多通道信号同步采集、本地运算与文件上传等功能,解决了传统采集器无法进行多通道、大数据量采集与上传的难题。所设计的样机经实际风场工程现场验证,可有效采集原始振动信号并进行特征值提取、可靠上传,通过对采集的数据进行分析完成齿轮箱的故障诊断。     

风电远程监测与诊断系统数据通信研究

在遵循IEC 61400-25标准的基础上,对风电机组远程监测与故障诊断系统数据通信进行研究。结合VC++的Socket技术,采用Client/Server模式和多线程机制,建立网络通信系统,实现远程监测系统中实时数据交换与静态配置文件的传输;利用SQL Server建立数据库,保存风电机组运行的各种实时参数和信号;解析WPPCL文档并用树型控件显示WPPCL文档的层次型结构;采用基于Web的SSL VPN安全传输技术实现风电场本地监控室到远程监控诊断中心数据通信的机密性、完整性,完善了远程监测与故障诊断的通信系统。     

MATLAB建模在风电机组PLC主控制程序测试中的应用

讨论了用MATLAB建立的风电机组数学模型在可编程逻辑控制器(PLC)控制程序测试中的应用.介绍了用MATLAB如何建立风电机组的数学模型和生成PLC源代码,并能实现风电机组PLC控制程序模拟实际工况运行测试.通过该方法,不仅能够测试控制程序的漏洞,还能优化风电机组的控制策略,为风电机组运行的稳定性、可靠性和功率最优控制运行提供了很好的仿真测试条件.     

基于 GA－SVＲ 数据融合的风机噪声预测述

研究风电机组振动噪声特性对机组工况判别及故障诊断的意义,以永磁同步风电机组为例,建立基于遗传算法的支 持向量回归( GA － SVＲ) 的多源数据融合振动噪声预测模型。采集机组空载、负载及变化风速不同运行工况下的振动、噪声 数据,基于信息熵理论处理后建立样本数据,并选择发电机主轴纵横两个方位、齿轮箱高速轴和低速轴纵横两个方位的振动 数据为模型输入变量,机组的噪声数据为模型输出变量,建立 GA － SVＲ 特征级融合预测模型,以实测数据验证预测模型。 结果表明,该预测模型在机组噪声预测应用中,能得到较精确的噪声波动趋势及预测值,具有实际应用可行性。