风电齿轮箱磨损状态静电在线监测方法研究

风电齿轮箱的结构复杂且运行环境恶劣,是风电机组中故障率最高的部件,其性能直接影响风电机组的稳定性和安全性,严重时可能会造成财产损失甚至人员伤亡.为此,基于静电监测原理,采用多个静电传感器对风电齿轮箱摩擦磨损产生的二次效应同时进行监测;基于提取到的时域特征参数和复杂度度量参数,运用移动窗局部离群因子(moving win...     

基于ARM的风电齿轮箱振动监测系统设计

提出一种基于ARM的风电机组齿轮箱振动监测系统,采用ARM微控制器为核心器件,通过对外围设备的控制,完成模拟信号的AD采样、数据传输、数据显示以及数据存储管理等功能,能够实现对风电机组齿轮箱系统进行状态预测,提前预知齿轮箱设备故障,减少故障停机所造成的经济损失。     

基于GRU-LightGBM的风电机组发电机前轴承状态监测

针对风电机组发电机前轴承运行过程中早期异常状态识别的问题,提出一种基于GRU-LightGBM的风电机组发电机前轴承状态监测方法。首先,通过梯度提升迭代决策树(gradient boosting decision tree, GBDT)算法分析SCADA历史数据,提取与风电机组发电机前轴承温度特征相关性强的特征变量。然后,采用门控递归单元(gated recurrent unit, GRU)神经网络建立风电机组发电机前轴承温度预测模型并计算残差特征。最后,采用LightGBM算法建立故障决策模型进行状态监测。实验研究表明：该方法能有效识别发电机前轴承运行状态,能够在故障发生前一个月识别风电机组发电机前轴承的异常运行,对风电机组设备运行维修和早期故障预警具有借鉴意义。     

基于HI-HMM的风电机组齿轮箱运行状态评估

齿轮箱是风电机组的重要组成部件,准确获取其运行状态及劣化趋势对提高风电机组的运行可靠度至关重要。本文提出基于健康指数（health index,HI）与隐马尔可夫模型（hidden Markov model,HMM）的风电机组齿轮箱状态评估与分析的新方法。利用HI获得齿轮箱历史温度数据的特征观测序列,分别对不同状态的HI-HMM模型进行训练,建立模型库。利用HI-HMM模型库对待评估样本进行识别,根据最大对数似然概率值判断齿轮箱的状态。最后,利用该方法对齿轮箱故障前的状态进行评估与分析,其状态变化与实际完全吻合。与随机森林、支持向量机、概率神经网络和BP神经网络方法进行对比,本文方法状态识别的准确度达到97%。该方法能准确识别齿轮箱状态,获取劣化趋势,为风场确定故障预警时间提供参考。     

基于GMM工况辨识和DAE的风机齿轮箱状态监测

针对大型风电机组运行工况多变、数据量大的特点,提出一种将高斯混合模型(GMM)与深度自编码网络(DAE)相结合的风电机组齿轮箱状态监测方法.首先,基于GMM对风电机组运行工况进行辨识;然后,在各个子工况空间下,基于DAE建立正常运行状态下的齿轮箱油池温度模型,得到多工况阈值;最后,对DAE模型的重构误差进行分析,结合多...     

大型风电齿轮箱关键设计技术

随着我国社会的发展与科技的进步,发电行业除了传统的火力发电和水力发电之外,风力发电也逐渐受到人们的重视,但是由于其内风电齿轮箱经常出现故障的原因,导致我国的风力发电一直没有取得较大的成果。而风电齿轮箱的设计制造技术是其能否正常运转的主要保障,相应地也就决定了我国的风力发电的发展情况。本文主要分析探讨的是大型风电齿轮箱的关键设计技术。     

基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究

提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。     

基于长短期记忆网络的风电机组齿轮箱故障预测

针对风电齿轮箱状态监测数据的多变量动态时空关联性特点,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的齿轮箱故障预测方法,主要包括离线建模和在线监测两个阶段。首先,以齿轮箱油温为目标预测变量,充分考虑其与其它相关输入变量之间在时空维度上的重要关联信息,对历史监测数据进行训练学习,建立齿轮箱正常运行时的油温监测LSTM模型,通过对预测残差进行评估计算设定相应的检测阈值;然后,将训练好的油温监测LSTM模型用于在线测试,通过模型残差分析和阈值比较实现齿轮箱故障状态的检测和预测;最后,通过风电场测试数据对所提出的方法进行验证。结果表明,相比于其它传统方法,该方法表现出更好的预测性能,能够较早预测故障的发生。     

兆瓦级风电机组传动系统的故障诊断系统研究

近年来全世界风力发电装置迅速增加，风电机组的事故发生率也在上升。随着事故率的上升，风电机组可靠性的问题越来越突出。本文就兆瓦级风电机组风电机组的常见故障、主动诊断模式以及故障诊断中的相关判据进行研究，以供同仁参考。     

风电齿轮箱的设计与工艺探讨

随着我国风电产业的迅速发展,风电装备制造业也呈现出了蓬勃的发展前景,风力机组中最重要的部件风电齿轮箱也引起了人们越来越多的关注。本文主要从齿轮箱的轴承、设计、状态监测、润滑系统以及制造工艺等方面研究了风电齿轮箱存在的问题,同时给出了相应的建议。     

变风载下风电齿轮箱内部激励规律研究及动态特性优化

风电齿轮箱作为风电机组的关键部件,其动态特性直接影响整个机组的运行。以某兆瓦级风电齿轮箱为研究对象,考虑箱体、行星架的结构柔性后,建立风电齿轮箱耦合动力学模型,并分析了其动态响应。针对单一工况所得的齿轮修形量未必适用于其它工况的问题,对各工况下的风电齿轮箱各级齿轮副内部激励进行了加权处理,以各齿轮内部激励和最小为优化目标,基于遗传算法寻求适用于多工况的最优修形量,并结合齿轮宏观参数优化来改善风电齿轮箱的动态响应。结果表明,通过宏观参数优化及齿轮修形后,各工况下风电齿轮箱的振动加速度及结构噪声均得到了有效改善。研究结果为兆瓦级风电齿轮箱动力学特性优化提供了依据。     

大型风电齿轮箱系统耦合动态特性的研究

综合考虑轮齿啮合时变刚度、齿轮传递误差、齿轮啮合冲击以及风载变化等因素影响,建立具有多级齿轮传动的大型风电齿轮箱的齿轮-传动轴-轴承-箱体系统耦合非线性动力学模型。对风电齿轮箱系统有限元模型进行耦合模态分析,运用模态叠加法对齿轮箱系统在内部激励与外部激励综合作用下的振动响应进行求解。将仿真结果与实验数据对比,进而得到齿轮箱各点振动位移、速度、加速度及结构噪声等系统动态评价指标,为大型风电齿轮箱动态特性的准确评价及齿轮系统动态性能优化设计提供理论依据。     

轮齿修形对兆瓦级风电齿轮箱动态特性的影响

增速齿轮箱作为风力发电系统的核心装置,其动态性能直接影响到整个风电系统。本文分析了兆瓦级风电齿轮箱基本结构及传动原理,对各级齿轮传动轮齿修形量进行分析计算,并确定其修形曲线及参数。在兆瓦级齿轮箱台架上对修形前后齿轮箱的动态特性进行试验分析,结果表明：合理的轮齿修形能提高风电齿轮箱的动态性能;齿轮箱振动频率主要集中在中间级啮合频率、高速级啮合频率及其倍频,修形后这些频率处的振动加速度、时域冲击、振动烈度均相应减少。研究为风电齿轮箱的修形和动态性能的优化提供了重要依据。     

基于引力搜索神经网络的风电机组传动链故障识别

针对风电机组传动链故障识别由风电场制定合理维修策略可减少停机时间、降低维修费用问题,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出基于引力搜索神经网络的风电机组传动链故障识别方法。算例结果表明,所提方法精度较BP神经网络高,能准确识别齿轮磨损、齿轮断齿、轴承松动等风电机组传动链典型故障,验证该方法的有效性。     

基于改进VMD的风电齿轮箱不平衡故障特征提取

变分模态分解(Variational Mode Decomposition,VMD)是一种不同于递归式模态分解新方法,具有优良的频率剖分特性,但其在处理信号时受分量个数影响严重,通过主观经验难以合理设置该参数。针对该问题,利用奇异值分解清晰的信噪分辨能力,根据奇异值最佳有效秩阶次自动搜寻VMD的分量个数,提出了一种改进变分模态分解的风电齿轮箱不平衡故障特征提取方法。通过仿真信号及轴不平衡实验信号对该方法进行了验证,并将其应用于风电齿轮箱稳定工况下的现场故障诊断中,均成功提取出微弱特征频率信息,实现对齿轮箱不平衡故障的有效判别,具有一定可靠性。     

基于MOMEDA和增强倒频谱的风电机组齿轮箱多故障诊断方法

风电机组齿轮箱结构复杂,当齿轮、轴承存在多故障时,由于各故障强弱不同、故障间相互耦合及噪声干扰,造成故障诊断准确率低及漏诊问题。提出了一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和增强倒频谱的风电机组齿轮箱多故障诊断方法。依据齿轮和轴承不同部位的故障特征频率设置合理的解卷积周期,利用MOMEDA对原始信号进行预处理;再通过增强倒频谱进一步抑制噪声干扰和增强故障特征;将增强倒频谱中的突出成分与齿轮箱故障特征频率对比,判断故障类型。实际风电机组齿轮箱多故障振动试验数据分析结果表明,该方法可以有效地提取出齿轮箱多故障特征信息。     

边界元法风力机近尾迹区域气动噪声研究

以新系列翼型风力机为研究对象,针对设计风速最佳攻角含有叶尖涡的复杂流动,首先采用分区域过渡层的滑移网格结合叶片近壁区的贴体网格方法,获得叶轮近尾迹区域的流场流动信息高精度计算结果;然后采用间接边界元方法建立无界声场中风力机声辐射的边界元数学模型,获得风力机近尾迹区域声场细节信息.结果表明:声压变化规律为在风轮近尾迹区域截面上,声压值沿半径方向存在脉动变化强烈的3个区域,并且都存在峰值,声压值最大的地方出现在叶尖涡区域,经过叶尖涡区域后,沿半径方向声压值逐渐降低.     

基于改进的最大似然法识别风力发电机转子的载荷参数

风机不对中故障是多载荷参数耦合而成,工程师难以凭经验了解载荷参数的大致范围。针对因转子结构参数和测试条件等不确定性参数的存在及载荷参数先验信息未知,最大似然法识别转子不对中故障的载荷参数时采用的搜索计算面临计算量大,且迭代过程中灵敏度会带来一些数值问题。引入搜索区间进退法到敏感矩阵法与最大似然法中,对最大似然法进行改进。改进后的最大似然法中的迭代适于处理复杂工程优化问题,避免传统迭代数值法对搜索空间的苛刻要求。以输入尺寸和输出测试响应具有随机性测量误差的风力发电机转子系统为例,在三种测量误差下的识别结果表明,改进的最大似然法提高了最大似然法的辨识效果,可以减少不确定性因素对识别结果的影响,鲁棒性好。