变速工况下基于IEWT能量阶次谱的风电机组轴承故障诊断

为准确检测变转速工况下风电机组轴承损伤,对传统经验小波变换进行改进,并与计算阶次追踪和频率加权能量算子相融合,提出基于改进经验小波变换(IEWT)能量阶次谱的诊断方法.首先,利用计算阶次追踪对获取的时域信号进行等角度重采样,继而对重采样角域信号进行IEWT处理,通过小波支撑区间的平移-缩放操作确定最佳边界参数后,利用所...     

变转速下基于COT-MCKD-STH的风电机组轴承复合故障诊断

为诊断变转速下风电机组轴承复合故障,提出计算阶次追踪(COT)、最大相关峭度解卷积(MCKD)和自互补顶帽(STH)变换相结合的方法。首先对时域信号进行等角度重采样,利用果蝇优化算法(FOA)搜索MCKD最佳滤波长度和STH变换最佳结构元素尺度,重采样信号经解卷积处理后,利用STH对分离的单一故障源成分进行形态学解调,最终通过分析所得阶次谱判定轴承损伤。结果表明:所述方法能有效提取变转速工况下轴承复合故障特征,具有一定工程参考价值。     

改进变分模态分解与去干扰包络因子的轴承故障分析

滚动轴承早期故障特征微弱且提取困难,考虑转频对故障包络信号的影响,提出改进包络谱特征因子(EDF),基于EDF提出优化变分模态分解方法(OVMD)。对滚动轴承正常、内圈及外圈状态进行OVMD分解,以EDF最大值作为筛选标准提取有效故障分量进行包络分析。结果表明:OVMD分解带有冲击分量信号,具有较高准确性,分解分量与原分量具有95%以上相似度;通过EDF最大值对分解分量进行提取,所获分量具有明显故障特征,并可排除转频对故障特征频的干扰;采用OVMD-EDF故障提取方法,并进行包络分析,可对不同故障程度的内圈、外圈故障进行精准故障诊断。     

OVME结合SMHD的风电机组变桨轴承损伤识别

针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响参数组合进行搜索,确定变分模态提取的平衡因子和中心频率的最优值;其次,利用变分模态提取从振动信号中提取特定信号分量,并对提取的信号分量进行稀疏最大谐波噪声比解卷积处理,提高信号的信噪比,得到解卷积信号;最后,对解卷积信号进行包络谱分析,从中提取轴承损伤特征频率。结果表明：该方法能准确识别风电机组变桨轴承的损伤特征,具有一定的实际工程参考价值。     

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.     

一种基于阶次分析的水电机组开机过程稳定性评价方法

开机过程中水电机组状态经历快速变化过程,因此分析机组开机这一典型过渡过程的稳定性具有重要意义。首先基于角度域平稳信号阶次分析方法,获取开机过程稳定性参数的三维阶次谱,然后从中选取起主导作用的转频分量的幅值变化趋势作为稳定性评价对象,再使用平均欧氏距离对历次开机过程转频分量幅值变化趋势差异性进行量化,由此实现对机组开机过程稳定性评价。选取某电站机组相近水头下多次开机过程实测数据的验证结果表明,该方法能较好地对机组开机过程稳定性异常状态进行识别,具有可行性。     

基于形态学分形和极限学习机的风电机组轴承故障诊断

风力发电机组滚动轴承工况往往比较恶劣,其故障振动加速度信号具有非平稳、非线性的特性,而传统的时频域方法提取故障特征时存在不准确、适应性差等问题,针对此提出一种基于局部均值分解(LMD)和形态学分形维数的特征提取算法,并结合极限学习机(ELM)完成风电机组轴承故障诊断。该方法同时考虑滚动轴承在不同损伤程度以及不同故障类型下的情况,首先将原始振动信号进行LMD自适应分解为一系列不同频率的乘积分量(PF);接着计算所有分量与原信号的相关性系数,选择相关系数值最大的前3个PF分量作为敏感变量;并利用形态学覆盖估计所选PF分量的分形维数,构建故障特征向量组;之后将其作为ELM的输入,将轴承状态作为输出,建立ELM轴承状态识别模型。最后使用西储大学平台轴承数据和实际风场采集故障数据对算法进行验证,结果表明,该方法能够有效识别轴承不同损伤程度以及不同故障,整体识别率达到99%以上。     

基于工况辨识和变分模态分解的风电机组滚动轴承故障诊断

针对风电机组运行工况变化导致滚动轴承故障分类性能降低的问题,采用模糊C均值聚类进行运行工况识别,在子工况下进行相应的滚动轴承故障诊断.提出了基于变分模态分解(VMD)、AR模型以及奇异值分解的特征提取方法,将滚动轴承振动信号分解成若干个模态,采用每个模态AR模型参数、模型方差以及模态矩阵的奇异值作为特征向量,建立欧氏距离判别函数,来识别滚动轴承状态和故障类型.结果表明:该方法可以成功提取滚动轴承故障特征信息并正确判断出滚动轴承故障类型,对工况变化有更强的适应能力.     

基于EEMD和模糊C均值聚类的风电机组齿轮箱故障诊断

针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法。首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵。接着对该特征模式矩阵求奇异谱熵值,奇异谱熵值的大小能反映部件的工作状态和故障类型。最后,将得到的奇异谱熵值矩阵进行模糊聚类分析并得到分类结果。通过对齿面磨损、齿面剥落和正常3种齿轮状态分别使用EMD法和EEMD法进行故障分类对比,结果验证了该方法的有效性和可行性,同时证明EEMD法具有更好的分类效果。     

基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的风电机组变桨轴承退化状态评估

针对风电机组变桨轴承服役过程环境噪声干扰严重、退化状态评估精度低的问题,提出一种基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的退化状态评估模型。该模型将监测数据状态特征获取过程由单通道拓展为多通道进行,通过提出的多元精细复合多尺度波动散布熵算法来获取多通道监测数据的多尺度状态特征,并将累积和检验算法与欧氏距离矩阵测度方法相结合,用于定量衡量基准样本与待分析样本间的差异,从而实现变桨轴承退化状态评估。风电机组变桨轴承全寿命周期加速疲劳实验验证结果表明：该模型能够及时捕捉到变桨轴承的初始退化时刻并且准确跟踪整个退化过程。     

变转速风力机的动态模型与随机载荷下的动态分析

变转速风力机是当前大型风力机研究领域的研究热点之一。该文通过研究其控制策略和动态特性，建立了适用于变转速风力机控制设计的动态模型，确定了相应的仿真分析方法。在此基础上以300kW变转速水平轴风力机为分析对象，对其动态模型在紊流风场的随机载荷情况下进行了仿真计算并分析了计算结果。     

兆瓦级变速恒频风电机组变速控制策略的研究

针对变速恒频风电机组的变速控制策略进行了研究,并以兆瓦级变速恒频风电机组为模型,对几种变速控制策略进行了仿真.在对仿真结果进行了讨论分析的基础上,结合大型变速恒频风电机组的整机特点和控制方法的可行性,该文采用了功率闭环的变速控制策略;最后在自主研发的1.5MW变速恒频风电机组控制系统及变流器样机上对变速运行的功率控制策略进行了大量实验和长期的现场试运行,验证了所提出的变速控制策略的可行性与实用性.     

基于成本模型法的1MW变速风电机组的参数优化设计分析

主要针对大型变速变距风力发电机组样机在产业化过程中如何以降低机组发电成本、提高经济性为目标对机组参数的优化设计进行探讨。首先阐述了发电成本的计算过程和成本模型法的基本计算规则,然后以国家863"兆瓦级变速恒频风电机组"研制成果SUT-1000的成本构成为例,分别对机组的主要设计参数即风轮直径和额定风速进行了优化设计和对比,并对依据经验确定的变化因子进行了敏感性分析,最后进行了同等容量约束条件下机组的参数综合优化设计,可适用于不同安装场址。     

具有失速调节的变转速风力机的动态分析与控制策略

失速调节变车风力机是非线性而且在额定风速以上不稳定的系统,风力机的跟踪控制又是分段实现的,研究其动态特性和控制策略对风力机的稳定性和可靠性尤其重要,从风力机的动力关系出发,分析了风力机在额定风速上下的运行特性,确定了相应的跟踪控制方案,并对试验风力机进行控制设计,给出了不同方案的计算机仿真结果及比较分析。     

基于双重速率QDMC的液压型风力发电机组变量马达转速控制

由于二次动态矩阵控制(quadratic dynamic matrix control,QDMC)算法中二次规划求解计算量大、实时性差等问题,难以满足液压型风力发电机组变量马达转速的高精度快速控制需求.该文提出一种双重速率二次动态矩阵控制算法(dual rate QDMC,DR-QDMC),将控制增量的求解分解为快速层...     

基于PAM-SSD-LSTM的短期风速预测

为提高短期风速预测的准确性,提出一种基于PAM聚类、奇异谱分解（SSD）和LSTM神经网络的组合预测模型来预测短期风速,以解决上述问题。首先,为提高神经网络的学习效率,采用PAM算法对原始风速数据进行相似日聚类;其次,SSD具有抑制模态混叠和虚假分量产生的优点,使用SSD分解风速序列,提取多尺度规律;最后,由于LSTM神经网络捕捉长时间依赖的序列的波动规律的能力较强,使用LSTM神经网络对分解后的风速分量进行预测,将各分量预测值叠加得到最终预测结果。实验结果表明,基于PAM-SSD-LSTM的组合预测模型可有效提高风速短期预测的准确率。     

风电机组变速与变桨距控制过程中的动力学问题研究

讨论了额定风速以下的变速运行控制和额定风速以上的变桨距控制以及变速与变桨距两种控制策略的相互耦合关系;分析了风电机组主要部件包括叶轮、传动系统、塔架的各阶振动模态以及它们之间的相互影响力;提出了转矩控制对传动系统扭转振动和变桨距控制对塔架前后振动的影响力及控制方案;应用BLADED和MAT- LAB软件对主要控制环节进行设计及参数调整,并对机组的控制效果进行仿真。结果表明,所采用的控制策略和控制算法能够满足控制要求,并能有效地解决动力学问题。     

基于增强形态滤波与三阶累积量对角切片谱的风力发电机滚动轴承故障诊断方法

针对大型风力发电机滚动轴承的故障信号受到强背景噪声干扰不易识别的问题,提出一种基于增强形态滤波与三阶累积量对角切片谱相结合的故障诊断检测方法。该方法首先在研究基本形态学算子的基础上,构建一种新的增强型形态学算子（EMDO）;随后利用特征能量因子（FEF）选择出EMDO算子的最优结构元素尺度;最后利用三阶累积量对角切片谱的消噪性能来进一步增强EMDO算子对风力发电机轴承故障信息的特征提取能力。仿真和对比实验结果表明,所提方法能有效消除高斯白噪生的干扰,对提取风力发电机轴承的故障特征信息起到增强的效果。     

基于EMD分解的风电场风速和输出功率年度预测

应用历史年份的小时平均风速数据,预测下一年度逐月的风速和风电功率.对历史年份的逐月风速数据进行经验模式分解,采用递推最小二乘法建市各分量的二元线性回归预测模型,将各分量预测模型等权求和得到次年度对应月份的预测模型.对实测数据的仿真计算表明,提前一年的风速月度预测的平均MAPE为16.25%,提高了此类预测的精度.考虑具体风力发电机组的功率特性、机组效率和设备运行情况,可得出次年风电场的输出功率值.     

基于AVMD和WDK的风电齿轮箱轴承复合故障诊断方法研究

针对强背景噪声下轴承微弱复合故障特征提取困难的问题,提出一种基于自适应变分模态分解（AVMD）和优化的Wasserstein距离指标（WDK）的风电齿轮箱轴承复合故障诊断方法。首先,引入自适应学习粒子群优化算法（ALPSO）,以平均包络熵作为ALPSO的适应度函数来搜索变分模态分解的最佳影响参数,从而构造AVMD;其次,结合Wasserstein距离（WD）和峭度优点,提出WDK指标筛选有效模态分量,并对筛选的有效模态分量进行重构;然后,通过对重构信号进行包络谱分析实现轴承复合故障的诊断;最后,将所提AVMD-WDK方法应用于某风场2 MW风电齿轮箱轴承振动信号的故障诊断。结果表明,该方法能有效提取轴承的微弱故障特征,实现轴承复合故障的精确诊断。