基于SDG模型的风力发电机故障诊断方法

基于符号有向图SDG(Signed Directed Graph)的故障诊断方法在化工、钢铁等大型工业系统中已广泛运用。针对传统的风力发电机组故障诊断方法诊断耗时长、诊断过程复杂等缺点,提出基于符号有向图(SDG)模型的风力发电机组故障诊断方法。研究风力发电机组结构,建立风力发电机组SDG模型。利用关联算法通过风力发电机组分布输入矩阵对候选故障源节点进行筛选、排序。案例诊断结果表明,该方法能及时有效地检测风力发电机组的故障,提高风力发电机组故障诊断的效率。     

基于混合编程的风力发电机组轴承故障诊断系统

为了保障风力发电机组的安全可靠运行,结合风力发电机组中轴承故障特性,研发了一套针对风力发电机组轴承的故障诊断软件。该软件利用Visual C++和Matlab混合编程实现,可以对风机轴承进行数据采集和故障诊断。根据诊断结果可以对机组工作状态做出判断,针对异常情况可以帮助工作人员查明故障原因,提前做好预警和维护计划,提高风力发电效益。最后在模拟实验台上采集了故障轴承的振动信号并用该软件进行了时频分析、解调分析和倒谱分析,分析结果与实际故障吻合良好。     

风力发电机组早期故障诊断

随着风力发电行业的快速发展,风力发电机组装机数量迅猛增加。然而恶劣的工作环境导致风力发电机组故障率较高。通过故障诊断技术及时发现设备存在的故障,进而确保发电机组安全可靠运行,是降低事故的有效途径。提出一种风力发电机组早期故障诊断的方法,通过对风力发电设备运行状态进行实时监测并进行趋势预测,及时发现运行过程中存在的故障隐患,并利用信号处理方法 EEMD对故障信号进行分析处理,提取故障特征信息,进而诊断故障发生的原因和部位等情况,最后综合评价决策釆取适当的应对措施,并通过实验验证了该方法的有效性。     

基于本体的大型风力发电机组故障智能诊断研究

针对目前快速发展的风电行业中大型风力发电机组故障诊断方法多、理论复杂,维护人员难以掌握的问题,提出了基于本体的风力发电机组故障智能诊断系统,辅助维护人员选择合适的故障诊断方法。系统以本体形式表示风电机组故障诊断领域知识,提供了与用户进行信息交互的接口,并建立了诊断方法推理所需的规则集。基于Java平台开发了基于本体的风力发电机组故障智能诊断原型系统,该系统可用于风电机组故障智能诊断。     

基于声信号的风力发电机组故障诊断方法研究

针对以声信号为故障特征的风力发电机组故障诊断方法展开综述。分析了风力发电机组故障诊断的实际意义和价值以及风力发电机组故障诊断方法的研究现状,重点阐述了基于声信号的风力发电机组故障诊断的基本流程,并对故障诊断流程的每个部分做了切实可行的论述。     

多通道一维残差卷积神经网络在风力发电机组轴承故障智能诊断中的应用

为提高卷积神经网络在风力发电机组轴承故障诊断上的准确率，本文对某2MW风力发电机组轴承故障数据，进行单通道及多通道、多种诊断网络模型、不同优化算法的故障诊断分析对比，提出将多个振动传感器的数据整合为多通道一维数据集，再使用一维残差卷积神经网络进行故障诊断。得出基于Adam优化算法的多通道一维残差卷积神经网络诊断准确率最高。因此，多通道一维残差卷积神经网络在风力发电机组轴承故障诊断中应用效果良好，能够准确的识别各类故障模式，为机组的安全、稳定运行提供了保障。     

风力发电机组的非侵入式机械故障检测与诊断

为在不使用机械传感器的前提下,有效对风力发电机组的机械故障进行检测与诊断,提出一种风力发电机组的非侵入式机械故障检测与诊断策略,借助改进模糊Q学习分类器实现5种机械故障类型的精确诊断。首先对风力发电机组的模型搭建和不平衡故障的构建方式进行介绍。接着提出用于风力发电机组的非侵入式机械故障检测与诊断策略,通过经验模态分解(EMD)技术对机械故障工况进行特征提取后,使用决策树J48算法筛选出最具影响力的输入(MII),并介绍改进模糊Q学习分类器的设计方法。最后利用实验平台得到的数据集用于诊断策略的训练和效果验证,实验结果表明所提出的机械故障诊断策略可以实现99.47%的平均正确率,明显高于作为对照的支持向量机、神经网络和传统模糊Q学习策略。     

拟合故障振动信号模型实现滚动轴承故障诊断

针对传统故障诊断流程的缺点,提出通过拟合故障振动信号模型实现滚动轴承故障诊断,并在风力发电机组齿轮箱故障诊断中验证了有效性和实用性。首先根据滚动轴承发生故障时振动信号的特点,提出故障振动信号模型,然后通过遗传算法对该模型做数据拟合,拟合数据来自EMD(Empirical Mode Decomposition)方法对原始振动信号分解所得IMF(Intrinsic Mode Function)分量,最后将拟合结果和轴承各部件的故障特征频率作对比,可知损伤点所在部位。通过仿真、实验和现场信号的分析,验证了可通过拟合故障振动信号模型实现故障部位的准确诊断。     

风力发电机组故障诊断研究探讨

与煤炭、石油等传统燃料型能源相比,风能作为一种可再生的清洁能源,应用优势体现在无环境污染、低成本、可再生等。目前,它的技术研发和推广应用越来越受到各国青睐。风能利用的重要方式就是风力发电,但因风力风速具有随机性、不可控和多变性等不利因素,要充分利用风能转化为电能,核心设备就是风力发电机组。因此,根据笔者多年风力发电机组运行维护工作经验,从风力发电机组故障类型、故障机理或产生部位、诊断处理等方面,探讨风力发电机组故障诊断方式方法,从而实现快速检修,降低维修时间和成本,提高风力发电机组安全在线运行时长,确保风力发电质量和电能。     

风力发电机组齿轮故障特征分析与应用

本文从风力发电机组齿轮故障诊断出发,在分析风力发电机组的齿轮故障类型、故障机理以及信号特征后,利用所述的齿轮故障信号特征成功的验证了风力发电机组齿轮损伤的案例。     

Hilbert解调及倒谱分析在风电机轴承故障诊断中的应用

针对风力发电机组滚动轴承的振动故障,采用Hilbert解调及倒谱分析的方法,寻找故障的特征频率,运用LabVIEW软件编写程序进行信号实例分析,获取了异常振动产生的周期性故障信号。结果表明把倒谱分析与Hilbert解包络分析相结合是一种有效的诊断方法,提高了风力发电机组轴承故障诊断的准确性。     

风力发电机组振动故障诊断案例推理系统

介绍了风力发电机组振动故障诊断案例推理系统的研究背景、系统流程、算法及界面。应用这一系统,可以针对风力发电机组的振动故障特征,采用基于形式概念的相似度算法进行案例推理,并可以实现振动故障相似历史案例的智能推荐,节约人力和时间成本。     

基于免疫Agent的风力发电机组故障自愈系统的研究

以风力发电机组为研究对象,将Multi-Agent技术与故障自愈的原理结合,并引入人工免疫的思想,以故障的消除和抑制为目的,探讨一种新型的具有自身免疫能力的智能自愈理论和方法研究。采用Multi-Agent技术、人工免疫原理和专家系统等混合智能技术构建故障自愈免疫系统的结构模型,阐述了基于免疫agent的风力发电机组故障自愈系统的组织结构和诊断流程。该系统具有可扩充性、诊断资源的可重用性、诊断过程的自主性等,为机电装备故障诊断和自愈提供了一种新思路。     

风力发电机组故障诊断与预测技术研究综述

随着风力发电机组装机容量的快速发展,累计运行时间的持续增长,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点;针对故障诊断难点问题,分析和总结基于振动、电气信号分析和模式识别算法的故障诊断方法的研究现状,指出各种方法的技术特点、局限性和今后的发展趋势;针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法;最后,归纳了利用风力发电机组数据采集与监控系统(SCADA)数据进行故障诊断与预测的最新进展及需要进一步研究的问题。     

浅谈风力发电机组振动状态监测与故障诊断

风力发电机组运行条件较为复杂,其设备在实际应用的过程中所受到外部激振力和振动自由度相对较多,在这种情况下,为保证发电机组能够正常、安全地运行,需要对其振动状态进行监测,并按照实际情况判断其故障,进行故障的排除。本文在研究中,首先对风力发电机组进行简单的阐述,为后文的研究提供一定的理论支撑。之后,则从风力发电机振动监测情况出发,分析在现阶段社会中较常见的几种发电机故障诊断方法,最后,则从实际角度出发,分析风力发电机组状态监测与诊断系统在实际运用过程中的重点以及难点部分。     

浅析风力发电机组振动状态监测与故障诊断

风力发电机组运行条件较为复杂,其设备在实际应用的过程中所受到外部激振力和振动自由度相对较多,在这种情况下,为保证发电机组能够正常、安全地运行,需要对其振动状态进行监测,并按照实际情况判断其故障,进行故障的排除。本文在研究中,首先对风力发电机组进行简单的阐述,为后文的研究提供一定的理论技术。之后,则从风力发电机震动监测情况出发,分析在现阶段较为常见的几种发电机故障诊断方法,最后,从实际角度出发,分析风力发电机组状态监测与诊断系统在实际运用过程中的重点以及难点。     

叶片振动响应的长度分形故障特征提取与诊断

为有效地从风力发电机组的振动响应中获得反映叶片响应的动态特征,将其作为叶片运行状态分析的特征量,依此达到对风力机叶片故障的检测与诊断识别.应用有限元分析方法,建立了300 W风力发电机组的动力学模型,通过计算与试验模态分析,分别获得整机组的固有频率和振型,并比较验证了试验模型的合理性.用锤击法测得叶片正常状态和偏心故障下的振动加速度响应信号,应用非线性动力系统的长度分形维数理论,计算其长度分形维数,并将其作为叶片偏心故障诊断识别的特征量.研究结果表明,该方法能有效识别风力机叶片正常状态和偏心故障状态,及其偏心位置和偏心量大小.     

风力发电机齿轮故障诊断仿真与模拟试验

为了探讨无传感器故障诊断方法在风力发电机传动系统故障中的感应机理,在SIMULINK环境下,建立了一个双馈风力发电机仿真模型,对风力发电机传动系统故障在发电机定子电流中的响应过程进行理论分析。研制专用的风力发电机组模拟试验台,进行传动系统的断齿故障模拟试验与验证。利用Hilbert变换的幅值和频率解调方法,分析仿真及模拟试验结果,表明定子电流主要反映传动系统的扭矩或速度波动特征,将其用于风力发电机传动系统齿轮断齿类故障的监测与诊断是可行的。     

加速度包络解调方法在风力发电机滚动轴承早期故障诊断应用研究

滚动轴承是大型异步风力发电机核心零部件,在很大程度决定了风力发电机组的服役质量。滚动轴承在整个传动系统中极易受到相关工况的影响出现异常磨损,最终导致发电机组故障。提出一种基于加速度包络解调方法的大型异步风力发电机滚动轴承早期故障诊断技术,分别在单轴承故障诊断试验台和某型号大型异步风力发电机中对轴承内圈滚道面上存在早期微弱损伤的滚动轴承进行试验,试验结果表明：加速度包络解调方法是一种能比功率谱更准确识别出大型风电轴承微弱的早期故障的有效方法。     

小波包能量熵与EMD结合分析法在风机滚动轴承故障诊断中的应用

针对风力发电机组的驱动端滚动轴承故障率高,单一的振动信号分析方法难以实现大量状态信息的有效提取和准确的状态监测诊断等问题,提出了一种将小波包能量熵与EMD结合的故障诊断方法。通过小波包分解和设置阈值,有效消除了噪声对原始振动信号的影响,以能量熵值为指标描述振动信号能量分布的变化,然后采用EMD方法和相关性系数计算,将最能体现振动特征的IMF分量分离出来,再经过Hilbert变换和FFT变换得到包络谱,将时域信号变换到频域上,有效提取了风力发电机组驱动端滚动轴承的故障特征频率,准确诊断出故障所在的位置。最后,通过拆机结果验证了该诊断方法的正确性。