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...     

水电机组振动数据采集分析系统

介绍了一套针对水电机组振动开发的数据采集分析系统。介绍了该系统的硬件构成及其采集分析软件的编制。利用该系统通过现场试验对某轴流转桨式水轮发电机组的振动进行了测试。测试分析结果表明该系统在水电振动检测中是有效的 ,对机组安全稳定运行有重要指导意义     

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。     

基于SCADA运行数据的风电机组塔架振动建模与监测

振动信号是风电机组数据采集与监视控制(supervisory control and data acquisition,SCADA)系统中的一类重要变量.对振动信号的建模和分析可以实现对机组重要部件如塔架、传动链、叶轮等的状态监测工作.采用非线性状态估计技术(nonlinear state estimate technique,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,建立了塔架振动模型.该模型由额定风速以下和额定风速以上两部分子模型构成.同时,对非线性状态估计技术的物理意义及特点进行了深入的分析和探讨.在某风电机组2006年4至6月份SCADA数据的基础上,建立了覆盖其正常工作状态的塔架振动模型,并对该模型进行了验证.研究表明,基于NSET的塔架振动建模方法具有方法简单、物理意义明确和建模精度高等优点,为后续拟开展的风电机组振动状态监测和早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路.     

基于视觉振动放大技术的风电机组塔架固有频率测量

介绍了视觉振动放大技术原理。为了进一步验证视觉振动分析技术测量频率的精度，在航天标准化研究院力学实验室利用电磁振动台进行了精度试验，验证了视觉振动分析系统的频率测量误差小于1%。采用该技术对某风电主机厂商生产的750 kW、2 MW、6 MW三种型号风电机组塔架进行了固有频率测量，通过与风机设计的一阶固有频率相比较，验证了采用视觉振动放大技术测量风电机组固有频率的可行性，为处于1 Hz以下超低频范围内风电机组的固有频率测量和监测提供了更为可靠和便捷的方法。     

基于DSP+ARM的风电机组状态监测系统的研究

主要研究了基于DSP+ ARM双核的风电机组状态监测系统,并对双馈风电机组的轴承故障进行了分析,确定了以振动信号作为故障的特征信号进行监测的方案;给出了系统硬件和软件的设计框架,研究了DSP和ARM的通信方式,是一款功能比较强大,能够较全面的监测风电机组,并能有效的分析处理数据的系统.     

基于MATLAB与VC的风电机组齿轮箱振动信号采集与分析系统

为实时采集和分析风电机组齿轮箱的振动信号,利用MATLAB与Visual C++(以下简称为VC)混合编程构建了一套实时振动信号采集与分析系统。运用VC编制风电机组齿轮箱的振动信号采集程序,调用MAT-LAB引擎对采集数据进行时域和频域信号处理分析。为测试该系统,对单台风机齿轮箱进行实验测试,测试结果表明,该系统设计合理、运行正常,自功率频谱分析、细化谱分析和小波包分析的结果与齿轮箱运行实际情况吻合。     

基于无线传感网络的风电机组状态监测系统可靠性分析

通过可靠的风电机组状态监测系统,可实时监测风电机组的运行状态,及时发现并排除风电机组的故障。首先对基于无线传感网络的风电机组状态监测系统的可靠性进行研究。为提高监测系统的可靠性,将备用无线传感器节点部署在风电机组中极易发生故障的部件上;根据马尔可夫状态转移模型建立监测系统可靠性函数;运用粒子群算法以监测系统构建成本为目标函数,在监测系统可靠性满足对风电机组的状态健康监测的要求下,优化系统备用节点数目,并对影响监测系统的可靠性因素进行分析。结果表明,增加监测系统的备用节点可有效提高监测系统的可靠性。     

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.     

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。     

基于SCADA数据驱动的风电机组状态监测

监测控制与数据采集 (SCADA)系统广泛部署于各大风场的风电机组上,其采集的 SCADA 数据可用于风电机组的状态监测.为了更有效地捕获SCADA 数据中的空间关联性,可以改进Inceptionv１方法建立１D_Inception v１模型提取SCADA 数据中的空间多尺度特征,以更准确地对风电机组进行状态监测.实验结果表明,该模型提供了一种端到端的数据驱动方法,可以直接从SCADA 原始数据中学习空间关联性,给出故障诊断结果,相较于传统方法有着更高的准确率.使用基于１D_Inceptionv１模型的数据驱动方法,可以及时、准确地对风电机组进行状态监测, 降低风电机组的运行和维护成本。     

基于无线传感网络的海上风电机组状态监测系统构建方法

海上风电机组因海上环境恶劣、可进入性差等因素,极易发生故障,通过实施状态监测可及时发现风电机组的故障隐患,以免造成较大的损失。文中利用无线传感器网络技术构建海上风电机组状态监测系统。对无线传感器网络的传感器节点(简称节点)进行合理部署是实现监测系统高效运行的关键。文中提出均匀部署、能量均衡部署和基于覆盖度的能量均衡部署3种节点部署方案,并对所提出的3种方案进行了理论分析和实验仿真比较。结果表明,这3种部署方案均可实现风电机组的无线监测系统,其中能量均衡部署和基于覆盖度的能量均衡部署两种方案能够在对风电机组状态信息进行可靠传输的基础上有效延长监测系统的使用寿命,更加适用于海上风电机组的状态监测。     

基于数据驱动的风电机组状态监测与故障诊断技术综述

随着大规模风电场的建设,风电机组的状态监测和故障诊断成为一个重要的研究课题。早期的风电机组状态监测和故障诊断依靠人工巡检,而随着风电机组装机容量的不断增长,人工巡检的成本和难度也随之增加。近年来,基于数据驱动方法的风电机组状态监测和故障诊断逐渐成为热点。文中从运行数据类型出发,对相关研究内容进行综述。首先,针对风电机组数据采集与监控（SCADA）系统,从监测对象角度出发,剖析基于SCADA数据的状态监测与故障诊断方法的研究现状;其次,针对风电机组组件振动数据,分析对比各类振动故障特征提取方法的优点和局限性;然后,针对新兴基于图像数据或数据-图像转换数据的状态监测与故障诊断方法,从单一图像诊断和数据-图像转换评估两方面对现有研究进行论述与总结;最后,对未来状态监测和故障诊断的研究方向进行了展望。     

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。     

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。     

分布式风电场设备多智能体状态监测系统

针对风电场监测系统结构模块化设计以及底层硬件与顶层软件系统耦合的问题,设计分布式风电场设备状态监测系统。为实现软硬件解耦,应用多智能体系统技术,增减监测对象无需变动顶层软件;同时采用傅里叶变化加小波分析方法处理各设备运行数据。该系统由两层构成:底层为数据采集及预处理系统,由各风电机组的传感器和嵌入式系统组成;顶层是面向整个风电场的数据管理系统,结合了各机组底层传感单元及预处理系统的分散特性。实际风电场运行试验结果表明,该系统能实时监测风电机组各基本单元的运行状态,且机组各运行单元之间及机组之间的监测相互独立、互不影响。     

汽轮发电机组振动监测与故障诊断系统的研究开发

介绍了振动监测与故障诊断系统，该系统能够监测机组异常振动，将振动数据信息存储到数据服务器中，为趋势分析和故障诊断提供数据来源，可对机组进行在线与离线故障诊断。     

基于Neuron芯片的现场采集节点设计

介绍了一种在水轮机组振动摆度监测系统中,现场数据采集节点的设计方法。它采用了Lonworks现场总线技术,基于Neuron芯片的特点,使现场节点的数据采集工作高效并行同步进行,且易于扩展。     

基于ZigBee的机电设备故障监测系统设计

为了解决当前在线监测系统受到现场条件限制,检测点不易更改和扩充,在恶劣和危险环境难以推广等问题,提出了基于ZigBee技术的无线监测系统设计方法。对机电设备的振动信号进行采集、处理方法进行研究,为ZigBee网络降低了数据流量。在此基础上组建ZigBee网络,用于数据的传输并进行仿真实验,测试该系统可以有效的完成数据的采集和无线传榆,并及时的检测出设备的异常状态。     

基于边缘智能的风电机组设备监测系统

在工业物联网中，风力涡轮机的数据采集与监视控制系统(SCADA)产生的海量数据因实时性要求，不适合直接送到云端处理。本文设计并搭建了一套基于边缘智能技术的微型风电机组设备状态监测系统。针对风电机组的转动、振动进行异常监测，对比并分析了OC-SVM、孤立森林和HBOS三种无监督异常检测算法结果。实验结果表明，单类支持向量机算法在转动异常测试集上的F1分数为0.997,在振动异常测试集上的F1分数为0.969,具有较好的实时异常检测效果。本文能够为边缘侧训练与推理方案的落地性验证提供一定的参考价值。