风力发电机齿轮箱高故障率原因的研究及改进措施

风能是利用最广泛的清洁能源,随着对新能源的不断开发利用,风力发电机的装机容量不断提高,然而却出现了风机故障率较高的问题,通过对风力发电机故障诊断研究现状进行分析,发现在风力发电机各部位故障中齿轮箱是故障率最高的部位,并且风力发电机齿轮箱故障率明显高于普通齿轮箱,以典型风力发电机齿轮箱为研究对象,通过仿真分析与研究,研究了风力发电机齿轮箱故障高发的作用机制及根本原因,在结构上提出了相应的改进措施,并对改进后结构的有效性进行了验证,为风力发电机齿轮箱的设计及运行提供了重要的参考。     

基于SCADA数据协整分析的风力发电机状态监测

提出一种基于SCADA数据协整分析的风电机组状态监测方法。利用风力发电机SCADA数据的协整过程得到的协整残差用于风力发电机运行状态监测。取内蒙古包头市金杰公司某1.5 MW双馈风力发电机在不同环境和运行条件下的实验数据,对所提方法有效性进行验证。对风力发电机的多个过程参数进行了两阶段的协整处理,数据趋势具有非线性特征。用已知故障案例对该方法进行了测试。结果表明：该方法能有效地对风力发电机运行状态进行监测。     

具有功率调节和容错能力的风力机自适应控制

水平轴风力机面对高风速变化工况时,极易出现转子灾难性失控超速运行,此时风能转换效率低于预期值,同时恶劣的环境也对桨距角控制提出了容错要求。针对这些问题,提出一种具有功率调节和容错能力的风力机自适应约束控制方案,通过自适应约束的桨距角控制实现安全可靠的功率调节,并集成容错能力以补偿可能的故障影响。介绍水平轴风力机的数学模型和运行要求,分析基准的非线性自适应约束控制方案的设计过程,并在此基础上讨论具有未知控制增益、任意初始条件和存在故障影响下的设计方案,最后搭建MATLAB仿真模型对所提出的方案进行验证。仿真实验结果表明：所提方案可以提高风力机的功率调节效率,同时在不同工况和不同故障条件下均能将转子速度和发电功率控制在安全范围内。     

基于马氏聚类和前馈神经网络的风力机故障诊断

通过建立数据驱动的故障预测模型,可以将故障状态从正常状态中分离出来,进而实现对风力发电机故障的精确诊断。为此,提出一种基于马氏聚类和前馈神经网络的风力机故障诊断策略,通过马氏距离评估实现数据聚类以及正常数据和异常数据的分离;然后以前馈神经网络为基础,根据工程经验构建风力发电机、齿轮箱和发电机3种预测模型;最后利用实验样机数据对所提出的故障预测策略进行验证。实验结果表明：所提的风力机故障预测策略可以有效识别风力机输出功率异常、齿轮箱温度异常和发电机温度异常,进而有利于合理地安排维修计划。     

MW级风机齿轮箱故障模拟实验台设计

齿轮箱是风力发电机的核心组件,设计一种可对齿轮箱故障进行模拟分析的试验台,对后期风电机组的运行状态检测及齿轮箱故障诊断有着深远的意义。分析风机齿轮箱试验台国内外现状,根据MW级风机实际参数进行缩放并计算出试验台所需参数,采用变频器控制电机调速以及采用机械飞轮结构模拟真实风机转矩输入以及角速度输入,实现风机动态特性的模拟。     

一种有源电力滤波器中IGBT故障诊断与容错控制研究(英文)

针对APF(有源电力滤波器)逆变器中IGBT在长期运行时容易出现故障的情况,提出一种基于DSP软件检测定位IGBT故障的方法以及APF容错拓扑结构。分析了IGBT开路故障诊断算法,提出了通过DSP软件程序实现故障诊断的方法,同时给出APF容错拓扑结构以及容错控制实施方法,在Matlab/Simulink仿真平台建立相应的APF控制系统仿真模型,通过仿真实验验证了该控制方案的可行性。     

改进MFO-LSTM网络的风电机组齿轮箱故障预警研究

风电机组齿轮箱在数据采集与监控系统（SCADA）的帮助下,通过监控齿轮箱油温是否超过阈值实现故障报警,其判断精度不高且问题发现不及时,因此使用长短期记忆网络模型（LSTM）融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状态下的数据训练LSTM模型,计算油温预测值与真实值之间的残差,根据正态分布的原则设置残差的上下预警阈值,用来对齿轮箱故障进行预警。为简化训练模型的复杂度,在SCADA数据中选用与齿轮箱油温相关性较为密切的参数作为LSTM模型的输入项。为降低因LSTM模型超参数设置不当造成的预测准确度表现不佳,提出改进飞蛾火焰算法（MFO）与LSTM的组合模型,在保留MFO算法强大的全局搜索能力的同时,使其避免陷入局部搜索的陷阱,通过改进MFO对LSTM模型参数进行迭代优化,最终构建合适的模型。最后通过某风电机组SCADA数据验证该方法能够有效预警齿轮箱的故障,并且与其他方法相比准确度更高,预警更及时,迭代效果更好。     

基于振动特征值的动车组齿轮箱故障检测

故障检测与状态评估对保障动车组齿轮箱的正常运行具有重要意义。通过对振动信号的特征提取方法与判定进行研究,对比不同故障模式与试验工况下的齿轮箱振动有效值、峰值、标准差、偏度、峭度等振动特征值差异。结果表明：动车组齿轮箱的故障模式直接影响振动特征值;有量纲振动特征值受运行转速影响较明显,运行转速越高,相应特征值变化越明显;无量纲振动特征值受轴承故障模拟形式的影响较大,与运行转速关系较小。综合对比各种故障状态下振动特征值的敏感度,有量纲特征值比无量纲特征值对故障更加敏感。     

基于AMESim的多液压缸系统故障建模与仿真分析

为了评估多液压缸系统方案的可靠性和故障风险,建立一种基于AMESim建模仿真平台的多液压缸系统故障仿真模型。介绍多液压缸系统的组成和液压原理;基于AMESim建立多液压缸系统仿真模型并对供油系统、举升系统和锁止系统的仿真模型和整个系统的工作模式进行了简单介绍;结合故障注入对典型失效方式进行建模;并以齐动模式的工况为例,在不同故障模式下对多液压缸系统的影响进行分析,识别在典型故障模式下各分液压缸的运行参数变化,从而调整系统设计方案。仿真结果表明：多液压缸系统仿真模型可以实现多缸、多故障模式下不同任务和功能的仿真分析,为后续多学科耦合仿真分析、多参数优化和多液压缸系统实物设计提供了参考。     

永磁同步电机驱动器电流传感器容错控制

针对双电流传感器永磁同步电机驱动系统中可能出现的软故障，提出了一种复合型故障诊断与容错控制方案。在故障诊断部分，该方案在电流残差的基础上，结合时间分析法对故障电流传感器进行二次检测，解决了恒定阈值下的误检问题；在电流重构部分，设计了二阶超扭曲滑模观测器重构故障电流，并利用Lyapunov原理证明了观测器的稳定性。经半物理仿真平台验证可知，当任一相电流传感器发生故障时，所提策略可以准确定位出故障传感器位置并稳定的重构故障电流，所设计的容错控制系统仍可以正常的调速、加减负载，具有较强的鲁棒性。     

基于希尔伯特变换的风电机组齿轮箱故障诊断方法研究

齿轮箱作为风电机组关键部件,由于运行环境以及工况的复杂性,易出现故障,严重威胁机组安全稳定运行。因此,对齿轮箱进行故障诊断对确保风电机组稳定运行具有重要意义。在介绍齿轮箱结构特点、故障模式、振动监测的基础上,结合齿轮箱结构特点,给出齿轮与轴承故障特征频率的计算方法。同时采用希尔伯特变换与倒谱分析相结合的方法对齿轮箱振动数据进行分析,提取故障特征频率。经实例验证,该方法能够准确得到齿轮箱故障频率的同时定位齿轮箱故障,实现风电机组齿轮箱的故障诊断。     

风力发电齿轮箱安全运行的远程监控

基于对风力发电齿轮箱安全运行状况的分析和总结．,开发了一套完整的风力发电齿轮箱安全运行远程监控系统。该系统从齿轮箱的振动分析、温度采集、烟雾探测以及环境视频监控四个方面对其机械结构损伤、温度异常、现场烟雾以及环境异常进行实时监控。并且通过远程数据传输方式将数据发往后台监控服务器,达到实时监控报警的目的。该系统对齿轮箱的安全运行、故障预警和剩余寿命评估具有重要意义。     

基于VMD-FHT的风机齿轮箱故障特征提取方法

针对风电机组齿轮箱运行工况复杂、背景噪声大,难以提取其故障特征信息的问题,提出一种基于变分模态分解（VMD）和分数阶希尔伯特变换（FHT）的风电机组齿轮箱故障特征提取方法。利用VMD分解风机齿轮箱各个故障信号,并且定义一种分解品质因数以选取VMD的最优分解层数K;对经最优化VMD分解后的各模态分量进行分数阶Hilbert变换,计算各模态分量的边际谱并进行线性叠加;提取该边际谱的频域特征作为齿轮箱故障信号的特征量。实验结果表明,采用该方法能够准确地提取出风机齿轮箱的故障特征,并获得更优的故障识别效果     

基于邻域粗糙集与支持向量机的大型风机齿轮箱故障诊断

大型风机的齿轮箱故障诊断是保证风机正常、稳定运行,避免突发性事故的有效手段。针对大型风机齿轮箱振动进行实时监测,对其振动情况进行分析、诊断。对采集的信号采用时域方法进行研究,获取时域指标属性,运用邻域粗糙集约简知识对各个信息属性进行约简,再结合支持向量机进行样本训练,并对待测数据进行故障诊断。     

某风电场风电机组变桨电机轴承失效原因探析

变桨电机作为风力发电机组变桨动作的动力单元,其可靠运行是决定风力发电机组正常运行的核心。针对某风电场风电机组出现的变桨电机异响、卡涩故障,通过对故障电机拆解分析,查出失效点为变桨电机制动器端轴承失效。基于轴承的失效状态,结合电机结构及运行环境,分析电机制动器端轴承失效原因,并针对变桨电机结构提出设计优化建议。