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。     

远程分布式水轮发电机组振动监测与故障诊断系统的研究

针对水轮发电机组振动监测与故障诊断的多样性和复杂性,运用虚拟仪器技术和网络软硬件资源,设计并组建远程分布式水轮发电机组振动监测与故障诊断系统.本文描述了该系统的整体方案,软、硬件构成及其功能.该系统实现了水轮发电机组振动信号的数据采集、处理和分析,并能通过网络进行故障诊断.实际应用证明,这种基于虚拟仪器技术的远程分布式水轮发电机组振动监测与故障诊断系统具有很强的灵活性和可扩展性.     

基于虚拟仪器的电机振动监测系统及其应用

分析电机振动测量及其频谱分析对电机运行工况和故障诊断的意义,提出采用虚拟仪器系统作开发平台,构建电机振动测试系统,并就其实现作了进一步阐述和分析.测试的实例分析表明该系统实现了振动信号的自动采集及实时数据分析和处理等功能,便于实现测试系统及故障诊断的网络化、智能化.实际应用证明,这种基于虚拟仪器技术的在线振动监测系统具有很强的灵活性和可扩展性.     

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LabVIEW的断路器振动信号监测系统

随着供电系统智能化程度和可靠性要求的提高,迫切需要对断路器运行状态进行实时监测、预报,并为排除故障提供方法和决策。从监测系统的功能需求出发,介绍了基于DSP和LabVIEW的断路器振动信号监测系统总体结构、数据采集单元硬件系统及软件系统。叙述了利用小波变换本身对信号奇异点十分敏感的特点,对振动信号进行跟踪和提取信号特征量进行信号分析处理的方法。在虚拟仪器LabVIEW平台上,基于小波变换算法的VI程序,对采集的信号进行实时分析和处理,从而对断路器的机械状态进行监测和诊断。     

基于虚拟仪器的水轮机组监测与故障诊断系统

针对水轮发电机组单机功率的增加而提出的状态监测和故障诊断要求,提出以虚拟仪器系统作为开发平台设计并构成水轮发电机组监测和故障诊断系统,实现了水轮发电机组振动信号的数据采集、数据处理和分析,并可进行故障诊断。     

基于小波-能量谱分析的风电机组齿轮箱故障诊断方法研究

风电齿轮箱结构和工作条件特殊,使其故障机制复杂。为此提出了一种基于小波分解和能量谱相结合的风电齿轮箱故障诊断方法。首先是齿轮箱振动信号进行时域特征分析,观察特征参数的变化趋势,然后对变化特征最明显的振动信号进行功率谱分析,进行故障定位,最后结合小波能量谱对齿轮箱进行故障诊断。通过风电齿轮箱的故障实例,能准确地诊断出其故障形式和位置,说明该方法具有一定的工程意义。     

基于振动分析的风力机齿轮箱故障诊断

为实时、准确、简易地诊断出风力机齿轮箱故障类型,提高风力机的稳定性,提出一种面向多故障的基于多尺度小波分析和希尔伯特变换的实时齿轮箱故障诊断方法。利用故障发生前期微弱的故障征兆,首先用小波降噪技术滤除齿轮箱振动信号中的噪声,然后对信号进行多尺度小波分解,通过分析高频重构信号,来判断是否将要产生故障;如果确定故障将要发生,再对高频重构信号进行希尔伯特变换,通过分析能量包络谱相应的波形参数值来判定预测故障的类型。利用试验数据对该方法进行分析验证,证明了该算法的简单和有效性。     

智能断路器在线监测系统研究

智能断路器是电力系统中最重要的设备之一,其稳定可靠性对于电网运行有重大意义。在分析智能断路器振动信号检测原理的基础上,提出了一种基于虚拟仪器技术的在线监测与故障诊断系统。该系统利用Labview编程实现人机界面,完成对测量数据的存储、显示和分析处理,由数据信号处理模块和传感器模块构成现场监测单元,完成对断路器机械参数、分合闸电流信号和振动信号的采集、传输。实验结果表明,该系统能实时反映智能断路器机械运行状态,具有人机交互友好、功能齐全和可靠性高等特点,实现了断路器在线监测系统预期的功能。     

智能断路器在线监测系统研究

智能断路器是电力系统中最重要的设备之一,其稳定可靠性对于电网运行有重大意义。在分析智能断路器振动信号检测原理的基础上,提出了一种基于虚拟仪器技术的在线监测与故障诊断系统。该系统利用Lab VIEW编程实现人机界面,完成对测量数据的存储、显示和分析处理,由数据信号处理模块和传感器模块构成现场监测单元,完成对断路器机械参数、分合闸电流信号和振动信号的采集、传输。实验结果表明,该系统能实时反映智能断路器机械运行状态,具有人机交互友好、功能齐全和可靠性高等特点,实现了断路器在线监测系统预期的功能。     

基于虚拟仪器和信息融合的检测诊断系统

本文主要介绍了一种基于虚拟仪器和信息融合的滚动轴承检测诊断系统,该系统硬件部分采用高性能的数据采集卡进行实时数据采集,软件部分包括虚拟测试子系统和故障诊断子系统2部分.虚拟测试子系统主要是实现轴承状态监测和报警功能,以及在线采集和显示信号、读取和存储数据、计算故障特征参数等功能.利用神经网络信息融合技术处理故障信号并进一步确定故障发生的位置、类型及严重程度.本文设计了单子融合神经网络和集成融合神经网络,实现了故障的精确诊断及故障发展趋势的有效预测.     

极端条件下基于改进深度森林的行星齿轮箱故障诊断方法

齿轮箱是风电机组重要且易出现故障的设备,早期故障威胁系统运行安全。在极端条件中高效、准确的齿轮箱故障诊断对风电机组的安全稳定运行至关重要,因此提出了基于改进深度森林的行星齿轮箱故障诊断方法。为了实现不平衡小样本与强噪声的极端条件下行星齿轮箱故障的高效诊断,首先针对旋转机械振动数据样本较少与不平衡的情况,在Wasserstein生成对抗网络中引入梯度惩罚,生成样本补充原始数据集。然后利用多粒度扫描处理振动信号数据点之间的联系,增强数据中的故障特征。最后在级联森林内部引入新的基学习器并运用量子粒子群算法优化参数,获得具有高诊断精度的模型结构进行故障分类,输出诊断结果。经与其他智能诊断方法在多场景下进行的对比实验,证实了所提方法在极端条件下的分类效果较好,能有效提高齿轮箱故障诊断的准确性。     

基于特征融合与 ResNet 的行星齿轮箱故障诊断

针对行星齿轮箱振动信号相互耦合和故障诊断不准确等问题,提出一种基于特征融合与深度残差网络(ResNet)的行星齿轮箱故障诊断方法。首先,对采集到的行星轮裂纹、磨损,太阳轮断齿及复合故障等模拟故障振动信号应用多维集成经验模态分解(MEEMD)和VMD进行分解,分别筛选确定有效分量。然后,将筛选出的有效特征进行融合,分别应用传统卷积神经网络(CNN)和深度残差网络对其进行分类识别。结果发现,深度残差网络,分类准确度更高,可达95%以上。最后,应用深度残差对特征融合前后数据的分类准确度进行了比较。融合前准确度最高只达91.16%,低于融合的97.18%。可见,该方法对行星齿轮箱耦合振动信号的处理和故障诊断非常有效。     

风力发电机组齿轮箱故障诊断

由于齿轮箱运行的好坏直接影响整个风力发电系统的运行,因此对其进行故障诊断十分重要.若在故障初期便可分析出来故障部位和故障程度,就能将损失降到最小,为设备提供了技术支持并为维修提供方便.在齿轮箱各种监测信号中,振动信号最能反映设备运行状态,将振动信号作为研究对象,将它经过时域和频域分析处理,判断齿轮箱的运行是否正常.对比...     

基于信息融合技术的旋转机械故障诊断

对多传感器信息融合技术作了简要介绍,并结合旋转机械振动故障诊断系统的要求与特点,探讨了信息融合技术用于故障诊断系统的基本层次结构。将信息融合的层次与故障诊断的功级相对应,提出了旋转机械振动故障诊断的信息融合模型,神经网络和证据理论相结合应用于故障诊断的新方法,提高了故障诊断系统的灵活性,故障诊断的效率和准确性。     

基于深度自编码网络模型的风电机组齿轮箱故障检测

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。     

基于LabVIEW的水电机组振动监测系统设计

相对智能化较低的传统仪器,采用基于LabVIEW软件为开发平台的高技术虚拟仪器,研制水轮发电机组振动状态监测和诊断系统,实现对水轮发电机组振动信号的数据采集与分析、数据处理与显示及结果控制与储存。对机组振动状态进行实时监测与故障诊断,及时采取措施将振动故障限制在允许范围内,这项工作对水轮发电机组安全可靠稳定运行具有工程实际指导意义。     

基于虚拟仪器技术的高速网络型电力故障录波器研究

通过对目前电网中运行的故障录波器的性能参数比较,指出在采样频率、录波时标、数据格式、通信规约和综合分析诊断方面还存在问题。阐述了采用虚拟仪器技术开发电网故障录波器的优势。重点介绍了硬件构成方案和软件编程方法,并指出了系统实现的关键技术措施。利用开放性的虚拟仪器平台开发新型录波装置不仅开发周期短,功能扩展方便,性能可靠,而且可在采集速度、采集精度、记录容量、故障诊断和系统组网等方面满足现代电网故障研究的需要。     

虚拟仪器技术在旋转机械故障检测中的应用

针对旋转机械碰摩故障的特征，运用电涡流传感器和虚拟仪器设计旋转机械故障检测系统，分析了转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征、振动频谱，由此可以准确检测和诊断转子的故障。