CN101918710B - 桨距和负载缺陷的诊断 - Google Patents

Abstract

本发明涉及一种用于例如风轮机桨距和/或负载缺陷的诊断的方法、系统以及计算机可读代码，以及涉及一种使用所述诊断方法和/或包括所述诊断系统的风轮机。

Description

桨距和负载缺陷的诊断

技术领域

本发明涉及用于例如风轮机桨距和/或负载缺陷的诊断的方法、系统以及计算机可读代码，以及涉及一种使用所述诊断方法和/或包括所述诊断系统的风轮机。

背景技术

近年来，风能成为一种相当吸引人的可再生能量来源，并且全世界范围内已经建成了许多风轮机。这增加了对于风轮机部件进行更好维修和监测的需要。当前，部件维修有三种方案：失效维修；基于平均部件寿命的预防性维修；以及基于部件健康监测的预报性维修。然而，关于预报性维修策略，存在一些部件故障(例如涉及到叶片和相关传感器)难以通过已知方法和技术诊断出来，这些故障会导致恶化的效率或者使叶片过载以及缩短其寿命。这种故障不一定导致快速的失效，但是通常在一段时间之后才被注意到，例如当风轮机的平均年发电量与预期发电量不同时。

此外，一些缺陷只能通过现有方法而被检测到，但是如果没有人为干预的话，引起缺陷的部件不能够被隔离。

EP0995904公开了一种WT系统，该系统具有转子，转子具有可调几何攻角的至少两个叶片(B)和传感器(KB，KR，KT)，传感器提供测量参数，它给出作用在该系统结构的元件上的当前负载的测量值。叶片角根据测量参数调节，这代表了结构元件的加速度或变形并且给出了力或转矩的测量值。传感器被安装在转子叶片上和/或转子叶片可单独地被调节。

由此需要一种新的方法和系统用于叶片以及相关部件的诊断。特别是用于风轮机叶片以及相关传感器的情况。

关于本发明，在此给出了该专利申请中大多数使用术语的定义。然而，这些术语定义不应限于本发明，并且能够使用任意其它适当的和/或适合的术语定义。

桨距角θ被定义为叶片叶根弦与转子旋转平面之间的角度。桨距旋转是指叶片沿着其纵向轴线的旋转。

方位角δ通过转子的角度位置被定义为叶片(例如第一叶片，叶片No.1，B1)当前角度位置与垂直向下方向之间的顺时针或者逆时针角度(从前面看)。

叶片负载是指叶片由于作用在叶片整体或者部分上的不同的力而承受的转矩。

桨距基准角θ_ref是指桨距角θ的期望值以及方位角基准角δ_ref是指方位角δ的期望值。

发明内容

这里描述的方法是一种预测性维修策略，但是由于故障种类以及本发明，可以在没有人力干预的情况下进行故障处理。

本发明允许叶片和/或传感器的桨距和/或负载故障以足够准确且及时的方式被诊断，从而防止故障发展成失效。

具有被控叶片角(桨距)的风轮机具有用于叶片角的传感器，该传感器被称为桨距传感器。如果该传感器具有故障，那么相关风轮机叶片的桨距将会是不正确的。桨距传感器故障(例如桨距增益故障或者桨距偏离)将会导致上述问题和缺点。

负载传感器可被用于风轮机中，用于测量单个叶片上的负载，如公知的那样风轮机叶片上的负载对于叶片寿命以及对于风轮机效率而言是决定性的。负载传感器故障(例如负载增益故障或者负载偏离)将同样由于使得测量结果几乎无用而导致问题和缺点。

本发明利用负载和桨距测量结果。

可以看到，本发明一个目的是提供一种方法和系统，用于根据桨距和负载测量结果来进行可能故障的诊断，以及提供一种计算机可读或可用介质上的计算机可读代码，该代码适合于执行所述方法。

可以看到，本发明的另一个的是提供一种风轮机，其中使用了所述方法和/或系统。

优选地，本发明以单独的方式或者以任意组合的方式减轻、缓和或者消除了上面提到的一种或多种缺点或者其它缺点。

特别地，可以看到，本发明的目的是提供一种对所述缺点的解决方案。

在本发明的一个方面，提供了一种用于叶片和/或相关传感器中至少一个可能故障的诊断的方法，该方法包括以下步骤：

-在一组方位角下和/或在一组桨距基准角下进行负载和桨距的测量；

-推导负载测量值与桨距角之间的关系；以及

-将所述负载-桨距或者桨距-负载关系与预期的负载-桨距或者桨距-负载关系进行比较，从而确定叶片和/或相关传感器是否出现至少一个可能故障。

在本发明的另一个方面，提供了一种用于诊断与叶片和/或相关传感器中桨距和/或负载相联系的至少一个可能故障的方法，该方法包括以下步骤：

a)通过使用下面两个程序中的任意一个或者两者进行负载和桨距测量：

i)运行桨距循环并且测量负载，以及随后在一个或多个方位角下重复桨距循环测量步骤，和/或

ii)运行方位角循环并且测量负载，以及随后在一个或多个桨距基准角重复方位角循环测量步骤；

b)推导负载测量值与桨距角之间的关系；以及

c)将所述负载-桨距或者桨距-负载关系与预期的负载-桨距或者桨距-负载关系进行比较，从而确定出叶片和/或叶片传感器是否出现至少一个可能故障。

根据本发明的诊断程序由多种活动组成，如故障的检测和隔离，以及可能地还有故障大小的估计。

本发明的主要特征在独立权利要求中描述。

发明的附加特征在从属权利要求中提出。

一般地，在撰写出通过本发明“是有利的”以及涉及到优点时，必须理解的是，该优点可以被看作是由本发明提供的可能优点，并且它还可以被理解为对于获得所述优点而言，本发明以特别的方式、但不是以排他的方式是有利的。

基本上，本发明的各个方面和优点可以在本发明范围内以任意可能方式组合及结合。

通过参考下文中描述的实施例，本发明的这些及其它方面、特征和/或优点将会明显并且得以阐明。

附图说明

参考附图通过示例对本发明实施例进行描述，其中：

图1a和1b显示了具有待诊断的叶片和传感器的风轮机以及一个叶片的横截面，还显示了桨距和方位角；

图2显示了根据本发明在无风静止条件下的叶片负载结构；

图3a、3b、3c和3d显示了当系统经历桨距偏离(3a)、负载偏离(3b)、负载增益故障(3c)或者桨距增益故障(3d)时测量出的桨距和负载如何相对于预期的桨距和负载进行变化；

图4a、4b和4c显示了通过主动隔离算法的故障估计。

具体实施方式

本发明提出了一种方法和系统，用于对叶片桨距和负载测量中增益和/或偏离故障的诊断。本发明不仅允许检测到传感器中的故障，而且能够检测到在安装叶片时的缺陷。它仅仅使用拍打方向负载测量以及使用桨距(叶片角)和方位角(转子位置)基准值的预定序列来诊断故障。故障可以被诊断出来，甚至是在桨距和负载同时出现增益和偏离故障时。主动诊断是在低风速或者零风速下进行的，此时轮机没有生产风能。数据序列的分析没有必要在时域内进行，但是可以作为桨距和方位角的函数，这样能够根据主导条件而在不同时刻完成序列收集数据。

风轮机叶片上的桨距测量偏离将会导致稳定叶片位置的控制器处于错误的桨距。这改变了特定叶片的空气动力学性能并且将会导致下降的年发电量以及可以预见到的负载行为的不同偏差。该测量故障的特征在于，故障并不严重并且在直观上难以诊断出来。如果重新配置闭环，那么不会经历性能下降。

为了能够实现全部的重新配置，必须使用轮机测量值而得到精确的桨距及负载故障估计。故障应当被诊断出来，使得不需要任何人工检查或者人工测量。

图1a显示了根据本发明的风轮机WT，其包括(应当注意到一些部件没有显示出来)：

-转子，

-至少一个风轮机叶片B1，B2，B3，其中所述至少一个风轮机叶片B1，B2，B3从转子开始延伸，从而在受到风力时和/或转子通过具有动力的转子旋转装置而旋转时使转子旋转，以呈现出不同方位角δ，并且所述至少一个风轮机叶片B1，B2，B3的至少一部分设置有叶片旋转装置，用于使所述至少一个风轮机叶片B1，B2，B3的至少一部分旋转，从而呈现出不同桨距角θ，

-负载测量装置，用于测量由于重力和/或由于所述至少一个风轮机叶片B1，B2，B3受到的风而导致的所述至少一个风轮机叶片B1，B2，B3上的负载，

-桨距测量装置，用于测量所述至少一个风轮机叶片的至少一部分的桨距角θ，

-用于控制所述风轮机叶片的所述至少一部分的桨距角θ的调整的装置。

可以使用用于故障大小估计的计算装置和/或用于故障调节的计算装置。

此外，在另一个可能实施例中，转子可以被调整，从而呈现出一个或多个方位角δ。方位角可被用于借助测量的计算方法或者其它方法。

在另一个可能实施例中，转子不能够调整，以及方位角可被用于借助测量的计算方法或者其它方法。

在另一个可能的实施例中，转子旋转装置可包括轴承，其中旋转由风力提供并且旋转角度可通过制动器而停止，和/或可以包括电力或者液压马达和/或两者之间的传动装置。

在另一个可能的实施例中，叶片旋转装置可包括设置在转子与风轮机叶片之间的轴承，和/或可以包括电力或者液压马达和/或两者之间的传动装置。

负载测量装置可以设置在风轮机叶片中或者设置在转子中风轮机叶片与转子相连接的位置上。

在另一个可能实施例中，负载测量装置可以是应变仪和/或可以通过发射以及接收的光所提供，并且由此风轮机叶片的偏转和叶片上的负载可以被计算出来。然而，可以使用任意其它适当的负载测量装置或类型，并且本发明不应局限于上面提到的。

桨距角测量装置可通过接近传感器、角度传感装置或者任意其它适当的测量装置所提供。然而，可以使用任意其它适当的桨距角测量装置或类型，并且本发明不应局限于上面提到的。

诊断系统可包括至少一个处理器，用于各种计算等等，例如与用于所述至少一个可能故障的诊断的数学方法和/或算法相结合，和/或与所述期望的或基准负载-桨距或桨距-负载关系的计算相结合，和/或与负载和/或桨距故障的隔离和/或大小估计和/或调节相结合。

图1a中所示的三个叶片B1，B2，B3和/或叶片传感器使用本发明的方法进行诊断。叶片的虚线位置指示出等于零度的方位角(δ＝0°)。风轮机的结构不局限于三个叶片B1，B2，B3。也可使用更少或更多数目的叶片。图1b显示了叶片B1的叶片横截面，横截面具有桨距θ，拍打方向负载转矩N1以及拍打方向运动(以虚线/箭头显示)。

根据本发明的诊断方法和系统基于叶片模型，当满足以下条件时，该模型是最准确的：

-没有显著的空气动力学力作用于叶片B1，B2，B3上，由此低风速或者零风速；和/或

-静止转子状态。

当目的在于隔离桨距和/或负载缺陷以及估计桨距和/或负载故障大小时，包括风速与风轮机产生的功率之间关系的模型在实际当中被认为是太不确定而不能给出有用的结果。

第二个需要通常是低风速的结果。当空气动力学负载是可忽略时，重力负载是影响叶片B1，B2，B3的唯一负载。这里给出了描述如图2所示变量之间正常行为的等式集合(约束)的结构，其中黑色方框代表约束以及圆圈代表变量。已知变量，例如测量值和基准值，被显示成灰色背景。当i＝1，2或3时，图2显示出叶片上的负载转矩N_1i通过约束C_1i而取决于叶片桨距θ₁以及方位角δ，约束C_1i被称为负载模型。负载测量值_mN_1i通过约束M_1i而与物理负载N_1i相关，约束M_1i被称为测量约束(constraint)。系统的输入是通过约束C_θi控制桨距的桨距基准θ_ref，i。方位角δ通过闭环(被描述成约束C_δ)被控制成与设定点δ_ref匹配。注意的是，关于如何测量桨距和负载(传感器类型等)没有做出任何假定。对于如何控制桨距和方位角没有做出任何假定，仅仅是沿循着假定没有故障存在时稳定状态下的基准值。

叶片和相关传感器的数学模型的分析显示出负载和/或桨距故障是可以检测到的，但是不能够通过源于故障检测和隔离理论的传统方法而隔离。

I表示可隔离集合以及D表示可检测故障的集合(违背约束)，

I＝{C_δ}

D1＝{m_l1，C_θ1，C_l1}(1)

D2＝{m_l2，C_θ2，C_l2}

D3＝{m_l3，C_θ3，C_l3}

这些可隔离与可检测故障的组合是被动诊断系统能够实现的。方位致动器C_δ的故障可以被隔离，而其余集合是可检测的，即任何关系{m_1i，C_θi，C_1i}中的故障将只能够被检测到，其中i＝1，2或者3。术语“被动诊断系统”意味着没有系统输入被诊断系统所改变。被动诊断系统能够仅仅证实闭环的一致性，而不会改变行为和/或基准值。然而，如果诊断允许轻微地改变或者摄动输入，则能够将一些可检测组合划分成更小的组合(或者甚至使约束可以隔离)。这是主动故障隔离的概念。所描述的模型(零风速以及静止风轮机)特别地关注主动故障隔离。当模型有效时，能够实现主动故障隔离而不会影响风轮机发电量。

在图2的结构化模型中，可以看到从输入到输出的路径，从θ_ref以及δ_ref到_mN₁是不同的。路径θ_ref→_mN₁是{C_θ，C₁，m₁}。路径δ_ref→_mN₁是{C_δ，C₁，m₁}。由于这些不同，如果输入被给出了不同的基准信号或者任一基准信号被给出摄动，则存在使约束中故障隔离的可能性。这被称为主动故障隔离。

为了通过详细分析来评估该结果，通过下式给出负载测量：

$N_l^m=g_l(\mathrm{\δ},\mathrm{\θ})+f_{N_l}=f_A{g}_l({\mathrm{\δ}}_{\mathrm{ref}},{\mathrm{\θ}}_{\mathrm{ref}}-f_{\mathrm{\θ}})+f_{N_l}---\left(2\right)$

其中负载模型g_l取决于方位角和桨距角，f_A是负载测量的增益故障，

是负载偏离或者负载传感器的偏离，f_θ是桨距角或者桨距传感器的偏离。扩展到包括桨距增益故障是简单的，但是为了简洁它没有包括在此。测量到的负载相对于等式2中三个故障中任一个的灵敏度给出如下：

$\frac{{\∂}_m{N}_l}{\∂f_{\mathrm{\θ}}}=f_A\frac{\∂}{\∂f_{\mathrm{\θ}}}{g}_l({\mathrm{\δ}}_{\mathrm{ref}},{\mathrm{\θ}}_{\mathrm{ref}}+f_{\mathrm{\θ}})---\left(3a\right)$

$\frac{{\∂}_m{N}_l}{\∂f_{N_l}}=1---\left(3b\right)$

$\frac{{\∂}_m{N}_l}{\∂f_A}=g_l({\mathrm{\δ}}_{\mathrm{ref}},{\mathrm{\θ}}_{\mathrm{ref}}+f_{\mathrm{\θ}})---\left(3c\right)$

通过上面等式3a，3b和3c，可以清楚可以在同一输出中看到所有三个故障(没有任何一个灵敏度是零)。更重要地，桨距故障的灵敏度取决于能够实现主动故障隔离的系统输入(δ_ref和θ_ref)。负载增益故障f_A灵敏度也取决于输入，但是与f_θ的分析表达式不同。全部三个故障可能以不同灵敏度(Eq.3a，3b和3c)影响同一输出。这使得能够进行主动故障隔离。

关于桨距故障的灵敏度取决于负载行为(模型)，而负载测量偏离在测量负载中具有一致的灵敏度。假定准确的模型，g₁，那么如果能够确定出适当的输入信号摄动序列，则全部三个故障都能以良好的准确度而被隔离。

如果方位角为零(δ＝0)，那么重力信号的模型不取决于桨距增益及偏离故障以及负载增益故障。由此，该信号中只有负载偏离而且由此能够在该位置轻易地估计出来。然而，负载偏离还可在不等于零的方位角位置估计出来。由此，没有必要在算法上将本发明限制在该位置(δ＝0)，但是该位置不应当被排除作为一个可能性。

使用基于残差的主动隔离可以得出相同的结论。这可以从残差表达式中看到：

R＝_mN_l-g_l(δ_ref，θ_ref)(4)

由于项g_l(δ_ref，θ_ref)是预期行为，因此它不取决于故障。该测量不取决于以等式2描述方式的缺陷。因此，R与_mN₁的灵敏度是相同的，并且可以得出相同的结论。

概括地，主动故障方案能够在静止等于零风速条件下诊断出桨距和负载故障，例如桨距和负载测量偏离以及增益故障。该故障可以使用以下程序加以区别：

程序1：在不同方位角下循环桨距。

1)对将被诊断的风轮机叶片设定期望的(例如非零)方位角δ_ref；

2)运行桨距θ_ref循环(例如从极值到极值)以及测量重力负载，从而推导出桨距-负载或者负载-桨距关系；

3)在不同方位角下运行步骤2)，从而增加故障估计的鲁棒性；

4)将桨距-负载或者负载-桨距关系与预期的桨距-负载或者负载-桨距关系作比较；以及

5)从桨距-负载或者负载-桨距数据集合推导出桨距和/或负载测量故障(例如桨距增益或/和桨距偏离故障和/或负载增益或/和负载偏离故障)。

程序2：在不同桨距角下的循环方位角。

1)对将被诊断的风轮机叶片设定预期的桨距θ_ref；

2)运行方位角δ_ref循环(例如从极值到极值)以及测量重力负载，从而推导出桨距-负载或者负载-桨距关系；

3)在不同桨距角下运行步骤2)，从而增加故障估计的鲁棒性；

4)将桨距-负载或者负载-桨距关系与预期的桨距-负载或者负载-桨距关系作比较；以及

5)从桨距-负载或者负载-桨距数据集合推导出桨距和/或负载测量故障(例如桨距增益或/和桨距偏离故障和/或负载增益或/和负载偏离故障)。

程序3：在方位角旋转与桨距改变同时发生的情况下获得桨距及负载测量的数据集合，从而获得用于分析的数据集合。

这些程序中的任意一个都可以被看作是本发明用于找到桨距-负载或负载-桨距响应的目标。

桨距和方位角可以通过反馈作用(闭环控制)或者通过直接致动没有反馈(开环)而引起。

可能的故障可以是以下中的至少一种：桨距增益故障，桨距偏离故障，负载偏离故障，负载增益故障，和/或与叶片和/或传感器正常行为不同的其它偏差。

图3a，3b，3c和3d分别显示了桨距偏离、负载偏离、桨距增益故障和负载增益故障的示例。这四个曲线图中，轻(细)曲线(线条)显示出通过桨距和负载测量装置所测量出的，以及重(粗)曲线(线条)显示出所期望的。

下面显示如何通过刚性体模型以及所描述的程序来估计桨距偏离故障以及负载增益和偏离。然而，本发明并不局限于刚性体模型，该模型仅仅作为示例给出。任意其它适当的模型以及由此任意适当的算法都可以与本发明一起使用。

通过刚性体重力负载来解释主动故障隔离的可用性。拍打方向重力负载行为是：

$N_l^m({\mathrm{\δ}}_{\mathrm{ref}},{\mathrm{\θ}}_{\mathrm{ref}})=m_b{l}_{b}g\sin \left(\mathrm{\δ}\right)\sin \left(\mathrm{\θ}\right)+f_{N_l}$

$=f_A{\stackrel{\‾}{m}}_b{\stackrel{\‾}{l}}_{b}g\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)\sin ({\mathrm{\θ}}_{\mathrm{ref}}+f_{\mathrm{\θ}})+f_{N_l}---\left(5\right)$

其中m_b和l_b是实际叶片质量和质心，θ和δ分别是实际的桨距和方位角。当使用标准数值(

和

)时，倍增故障fA被包括。增益故障指的是

项中的故障，其可被解释成负载传感器增益故障。此外，负载和桨距测量偏离故障被包括。

测量信号具有以下关于桨距测量偏离的灵敏度：

$\frac{{\∂}_m{N}_l}{\∂f_{\mathrm{\θ}}}=f_A{\stackrel{\‾}{m}}_b{\stackrel{\‾}{l}}_{b}g\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)\cos ({\mathrm{\θ}}_{\mathrm{ref}}-f_{\mathrm{\θ}})---\left(6\right)$

其中当方位角基准值被设定为零(δ_ref＝0)时，桨距偏离故障的相关性明显地消失。这能够直接地读取负载测量偏离以及应用上面所述的诊断程序。在诊断程序运行之后，下面讨论估计故障的任务(该方案假设没有桨距增益故障)。

桨距基准值以从极值到极值的方式改变，其中故障应当被估计。重力负载是周期性的(相对于桨距而言)，具有360度的周期，但是振幅、相位和偏离都是未知的。使用通过精确线性化的正弦拟合，能够估计出相位、偏离和振幅。负载测量被假定为：

n＝1…N    (7)

这是具有未知振幅(A)，偏离(N₀)以及相位

但是具有已知频率(f)的正弦函数。测量噪声为(v)。等式直接展开为：

其相对于

以及λ₃＝N₀呈线性。这些参数可以使用线性回归而被估计出来：

$\left[\begin{array}{c}N_l^m\left(1\right)\\ N_l^m\left(2\right)\\ \·\\ \·\\ \·\\ N_l^m\left(N\right)\end{array}\right]=\left[\begin{array}{ccc}\sin \left(2\mathrm{\πf}1T\right)& \cos \left(2\mathrm{\πf}1T\right)& 1\\ \sin \left(2\mathrm{\πf}2T\right)& \cos \left(2\mathrm{\πf}2T\right)& 1\\ \·& \·& \·\\ \·& \·& \·\\ \·& \·& \·\\ \sin \left(2\mathrm{\πfNT}\right)& \cos \left(2\mathrm{\πfNT}\right)& 1\end{array}\right]\left[\begin{array}{c}{\mathrm{\λ}}_1\\ {\mathrm{\λ}}_2\\ {\mathrm{\λ}}_3\end{array}\right]+\left[\begin{array}{c}{v}_1\\ v_2\\ \·\\ \·\\ \·\\ v_N\end{array}\right]---\left(9\right)$

或者_mN_l＝Φλ+v

最小均方差参数求解是一种对线性最小方差问题的解法并且具有闭式解法：

$\widehat{\mathrm{\λ}}={\left({\mathrm{\Φ}}^T\mathrm{\Φ}\right)}^{-1}{{\mathrm{\Φ}}^T}_m{N}_l---\left(10\right)$

相位可以通过下式估计：

桨距偏离故障可以直接地通过相位而被估计出来，不需要计算出模型响应相位，原因是期望信号的模型相位为零。负载测量偏离故障同样可以通过正弦拟合而被估计出来。

${\hat{N}}_0={\hat{f}}_{N_l}={\widehat{\mathrm{\λ}}}_3---\left(12\right)$

可选择地，在δ_ref＝0下负载偏离估计可以通过该正弦拟合而被证实。信号幅度同样能够被估计出来。

$\hat{A}={\hat{f}}_A{\stackrel{\‾}{m}}_b{\stackrel{\‾}{l}}_{b}g\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)=\sqrt{{\widehat{\mathrm{\λ}}}_1^2+{\widehat{\mathrm{\λ}}}_2^2}---\left(13\right)$

认识到测量增益误差f_A可以从振幅估计中发现。当测量包含白噪声时，(10)的解法是相对于的最优最小均方差估计。

使用基于残差的诊断(代替上面讨论的输出行为)获得了残差结构：

$R=m_b{l}_b\sin \left(\mathrm{\δ}\right)\sin \left(\mathrm{\θ}\right)-{\stackrel{\‾}{m}}_b{\stackrel{\‾}{l}}_b\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)\sin \left({\mathrm{\θ}}_{\mathrm{ref}}\right)---\left(14\right)$

$={{\stackrel{\‾}{m}}_b\stackrel{\‾}{l}}_b\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)(f_A\cos \left(f_{\mathrm{\θ}}\right)\sin \left({\mathrm{\θ}}_{\mathrm{ref}}\right)+f_A\sin \left(f_{\mathrm{\θ}}\right)\cos \left({\mathrm{\θ}}_{\mathrm{ref}}\right)\text{-sin}\left({\mathrm{\θ}}_{\mathrm{ref}}\right))+f_{N_l}---\left(15\right)$

其中可以在变换响应上进行相同的回归分析：

$R+\sin \left({\mathrm{\θ}}_{\mathrm{ref}}\right){\stackrel{\‾}{m}}_b{\stackrel{\‾}{l}}_b\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)---\left(16\right)$

算法的功能性可以通过运行仿真而得到证实，该仿真具有下面的、从基准到负载的静态响应：

$N_l^m=f_A{\stackrel{\‾}{m}}_{\mathrm{bg}}{\stackrel{\‾}{l}}_b\sin \left({\mathrm{\δ}}_{\mathrm{ref}}\right)\sin ({\mathrm{\θ}}_{\mathrm{ref}}+f_{\mathrm{\θ}}+f_{N_l}+v)---\left(17\right)$

v∈N(μ，σ)

其中

f_A＝1.05，f_θ＝4°，以及测量噪声具有零均值并且方差σ²＝(10kNm)²。主动隔离算法生成了连续方位角下的桨距-负载或者负载-桨距曲线。每个曲线都显示了在方位角从0°到90°跨度内(间隔为10°)的响应。

在方位角为零时，算法可以估计出负载测量的负载偏离作为平均值(当改变桨距时)。随后，算法使在方位角集合产生的桨距-负载或负载-桨距曲线进行正弦拟合，从而获得了取决于方位角的相位、振幅和偏离估计。对于故障诊断仅仅需要一个方位角，但是使用不同角度的集合将会增加方法的鲁棒性。

样本的故障估计曲线在图4a，4b和4c中显示。图4b显示了负载偏离估计，其估计出25kNm的偏离。测量噪声影响了负载偏离估计，但是显示出没有显著的方位角相关性。图4a显示了桨距偏离估计，其在方位角大于10°时估计出4°偏离。正弦拟合的振幅与项

相对应并且通过

对估计进行缩放，从而获得如图4c所示的精确故障估计。图线是方位角的函数并且证实了该估计中没有方位角相关性。

知道的是，本发明的特定实施例使用了δ_ref＝δ并且获得了与上面所述相同的结果。

负载行为的分析因素证实了桨距偏离以及负载增益及偏离故障可以通过主动隔离而被隔离。通过用于刚性体的重力负载，已经进行仿真证实了这些结论。已经作出最小均方差参数估计，用于估计桨距和负载偏离以及负载测量增益故障。它们全部可以通过最小均方差估计和主动隔离而诊断出来。该诊断程序仅仅使用来自于一个叶片的测量，由此同一方案可以独立地用于其它轮机叶片上。

然而本发明不局限于上述仿真或算法，而是建立在其原理之上。

根据本发明的程序已经得出，能够仅仅通过被负载测量偏离和增益故障所破坏的负载测量而诊断出桨距偏离。通过变频正弦拟合估计量算法，扩展到诊断桨距增益故障的算法容易完成。

尽管本发明已经结合优选实施例进行了描述，但是并不意味着被限定为在此提出的特定形式。相反地，本发明的范围仅仅被附加权利要求所限定。

在该部分，所公开实施例的某一具体细节是出于解释的目的而非限制目的提出，从而提供了本发明清楚且全面的理解。然而，本领域技术人员应当容易理解到，本发明可以在没有完全符合在此提出细节的其它实施例中实施，而不会显著地脱离该公开的精神与范围。此外，在行文中，以及出于简要清楚的目的，对公知设备、电路和方法学的详细描述进行了省略，从而避免不必要的细节和可能的混淆。

在权利要求中，术语“包括”没有排除其它元件或步骤的存在。此外，尽管单个特征可以包含在不同权利要求中，但是这些特征可以有利地进行组合，并且包含在不同权利要求中并不意味着特征的组合是不可行的和/或不利的。此外，单数标记没有排除多个。由此，标记“一个”、“第一”、“第二”等没有排除多个。附图标记包含在权利要求中，然而，附图标记的包含仅仅为了清楚的缘故，并且不应当被认为是权利要求范围的限制。

术语表

拉丁字母

希腊字母

Claims (8)

1.一种用于叶片和相关传感器的诊断的方法，所述方法的特征在于，它是用于与桨距和/或负载相关的至少一个可能故障的诊断的方法，该方法包括以下步骤：

a）通过使用下面两个程序中的任意一个或者两者来进行负载和桨距测量：

i）运行桨距（θ）循环并且测量负载，以及随后在一个或多个方位角（δ）下重复桨距（θ）循环测量步骤，和/或

ii）运行方位角（δ）循环并且测量负载，以及随后在一个或多个桨距基准角（θ_ref）重复方位角（δ）循环测量步骤；

b）推导负载测量值与桨距角之间的关系；以及

c）将所述负载-桨距或者桨距-负载关系与预期的负载-桨距或者桨距-负载关系进行比较，从而确定出叶片（B1;B2;B3…）和/或叶片传感器（s）是否存在至少一个可能故障。

2.如权利要求1所述的方法，其特征在于，程序i）还包括在一个或多个方位角下测量在一组桨距角（θ）下的负载。

3.如权利要求1所述的方法，其特征在于，测量是在低风速或者零风速下进行。

4.如权利要求1或2所述的方法，其特征在于，测量是在静止转子状态下进行。

5.如权利要求1或2所述的方法，其特征在于，所述可能故障是以下中的至少一个：桨距增益故障、桨距偏离故障、负载偏离故障、和负载增益故障。

6.如权利要求1或2所述的方法，其特征在于，至少一个数学方法被用于所述至少一个可能故障的诊断。

7.如权利要求1或2所述的方法，其特征在于，所述诊断方法的结果被用于负载和/或桨距故障的诊断、和/或用于故障大小的估计、和/或用于故障的调节。

8.如权利要求1或2所述的方法，其特征在于，至少一个数学算法被用于所述至少一个可能故障的诊断。

Images