液压系统组合协整模型状态监测

由于利用单个协整关系模型对液压仿真系统进行状态监测研究的过程中存在对多种故障状态监测效力不一致的不足,且无法在状态监测下对多组协整关系的存在进行解释,因此基于协整关系空间提出了故障状态与空间投影关系的观点,解释了系统变量多组协整关系的意义,并利用多组协整关系的线性组合模型来改善单个协整关系模型的状态监测效力.通过在液压...     

基于多采样率的风电多机组远程监测

针对风力机许多部件的振动频率很低,振动监测的风电机组远程状态监测受限于网络速度而难以实现的问题,研究了基于多采样率信号处理技术的多机组远程振动监测。通过对风电机组的振动信号进行二次抽样处理,大大减小了包含风电机组振动信息的数据量。仿真分析表明,在现有网络条件下,可实现风电多机组振动数据的广域网传输,进而可实现风电多机组的远程振动监测。     

风力发电机组状态监测和故障诊断系统

介绍了风电机组状态监测与故障诊断系统的软硬件构成、振动信号的特征提取以及常用的故障诊断方法.     

基于SCADA温度数据的风电机组发电机驱动端轴承异常识别方法

为及时识别发电机驱动端轴承的异常运行状态,利用风电机组数据采集与监视控制(SCADA)系统参数序列之间存在的内在相关性,提出一种基于协整和向量误差修正模型的发电机驱动端轴承异常识别方法。首先,对所选温度SCADA参数序列的平稳性进行检验,分析各参数的单整阶数;然后,通过协整检验来确定所选参数之间的长期均衡关系;最后,在协整关系的基础上构建适用于温度SCADA参数的向量误差修正模型,计算模型预测残差的均方根误差,使用指数加权移动平均值设定阈值对发电机驱动端轴承的运行状态进行监测。利用内蒙古某风场的一组发电机驱动端轴承故障数据进行验证,结果表明该方法能有效识别发电机驱动端轴承的异常状态,及时发现早期故障。     

关于风力发电机组状态监测的思考

风力发电机组是风电场的关键设备。本文通过几个实例说明了对风力发电机组实施状态监测的必要性以及实际工作中的经验教训。     

风电机组轴承的状态监测和故障诊断与运行维护

对风电机组轴承的故障原因,已实际应用的轴承运行状态监测系统与方法进行了综述,并提出了维护的建议,预测了风电机组轴承故障诊断研究的方向和前景。     

基于协整分析的风力机多工况监测与故障诊断

为降低装备故障率、减小停机损失,提出一种基于协整分析的装备多工况监测与故障诊断方法。基于监控与数据采集系统采集的数据,利用随机森林特征选择算法提取与装备故障相关的关键特征变量;通过对关键特征序列的协整分析,计算协整系数,建立协整残差模型,获得反映装备状态变化的最优残差序列;采用概率图分析最优残差序列,完成了多工况状态的区间划分,确定了每种工况对应的残差预警阈值,实现了状态监测与故障预警。某型号直驱式风力机的研究结果表明：所提出的方法能有效分析非平稳时间序列,利用残差阈值可以监测电机故障、识别风力机工况,提高故障诊断的准确性。     

基于EEMD-CC和PCA的风电齿轮箱状态监测方法

齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义。针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法。该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理。然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T~2统计量和SPE统计量作为信号异常的评判指标。最后,把降噪后的测试数据带入PCA模型中,分别判断T~2和SPE值是否超出阈值,实现风电齿轮箱的状态监测。试验结果证明,该方法能够有效地监测风电齿轮箱的状态。     

大型风力发电机组状态监测与控制技术研究

实现大型风力发电机组的状态监测与控制是确保大型风力发电场安全、有效运行的手段。文章论述了大型风力发电机组的状态监测、控制技术参数与特点,分析、设计了大型风力发电机组的状态监测与控制系统,包括该系统的功能与实现方法等。     

基于深度信念网络的风机主轴承状态监测方法

提出了一种基于深度信念网络（DBN）的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度。然后采用指数加权移动平均法（EWMA）对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值。最后基于实测的数据采集与监视控制（SCADA）系统数据对主轴承故障进行模拟。结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测。     

Monitoring of Wind Turbine Gearbox Condition through Oil and Wear Debris Analysis: A Full-Scale Testing Perspective

Despite the wind industry's dramatic development during the past decade, it is still challenged by premature turbine subsystem/component failures, especially for turbines rated above 1 MW. Because a crane is needed for each replacement, gearboxes have been a focal point for improvement in reliability and availability. Condition monitoring (CM) is a technique that can help improve these factors, leading to reduced turbine operation and maintenance costs and, subsequently, lower cost of energy for wind power. Although technical benefits of CM for the wind industry are normally recognized, there is a lack of published information on the advantages and limitations of each CM technique confirmed by objective data from full-scale tests. This article presents first-hand oil and wear debris analysis results obtained through tests that were based on full-scale wind turbine gearboxes rated at 750 kW. The tests were conducted at the 2.5-MW dynamometer test facility at the National Wind Technology Center at the National Renewable Energy Laboratory. The gearboxes were tested in three conditions: run-in, healthy, and damaged. The investigated CM techniques include real-time oil condition and wear debris monitoring, both inline and online sensors, and offline oil sample and wear debris analysis, both onsite and offsite laboratories. The reported results and observations help increase wind industry awareness of the benefits and limitations of oil and debris analysis technologies and highlight the challenges in these technologies and other tribological fields for the Society of Tribologists and Lubrication Engineers and other organizations to help address, leading to extended gearbox service life.     

DSP技术在风力发电机组状态监测系统中的应用

数字信号处理器（Digital Signal Processor,DSP）具有强大的控制和信号处理功能,如今,广泛应用于军事,数字通信、工业测量及自动控制等要求实时性的领域,因此,DSP已发展成为数字化时代的核心元件。本文简要介绍了风力发电机组的状态监测系统,然后重点介绍了利用以DSP为核心的数据处理器对现场数据进行AD采样和时域状态参数计算。在此基础上提出了一些硬件和软件处理手段,证明可以有效的解决实际使用中采样精度低的问题,实现了一种可靠有效的数据采集处理系统。     

基于有限元法水平轴风力发电机塔架的静态分析

利用有限元方法并借助于有限元分析计算软件对塔架进行静强度分析,精确地计算出在极限载荷情况下塔架的应力应变及位移状况,并且验证了塔架同时满足强度和刚度要求,为风力机塔架的结构动态设计提供有效的理论依据。     

基于混合时频分析方法的风电机组故障诊断

针对风电机组传动链系统振动信号非高斯、非平稳性的特点,提出了一种基于混合时频分析的风电机组故障诊断方法。该方法首先采用参数优化Morlet小波消噪方法对原始振动信号进行分析,滤除强大的背景噪声干扰;进而通过自项窗方法抑制时频面的干扰项,增强信号特征成分,提取故障特征以实现故障诊断。在Morlet小波参数优化过程中,采用交叉验证法优化波形参数及连续小波变换的尺度参数;在自项窗的设计过程中,采用基于平滑伪魏格纳分布的函数进行设计,并通过两次阈值处理以减少运算量、提高运算效率。通过对风电机组监测振动数据分析,证明了该方法可以有效地实现背景噪声的消除和故障诊断。