CN102042166B - 风电机组振动检测装置及方法 - Google Patents

Abstract

本发明提供一种风电机组振动检测装置及方法。该装置包括：数个振动传感器，分别设置在风电机组的数个部件上以采集各部件的振动信号；至少一个振动开关，设置在风电机组的机舱上以检测机舱的振动信号，若检测获知机舱的振动大于振动开关的开启阈值，则向控制模块发送故障信号；振动评估模块，与数个振动传感器连接，用于根据预设的加权值和加权公式对所振动信号进行处理，以获取风电机组振动状态数据，并将风电机组振动状态数据与预设的故障值进行比较，若比较获知振动状态数据不小于故障值，则向控制模块发送故障信号；控制模块，与振动开关和振动评估模块连接，用于根据故障信号关闭风电机组。

Description

风电机组振动检测装置及方法

技术领域

本发明涉及风力发电技术，尤其涉及风电机组振动检测装置及方法。 

背景技术

风能是一种干净的、可再生的能源，利用风能发电是极为重要、且极具发展潜力的发电方式。风力发电是通过能将风力机械能转化为电能的风电机组来实现的。风电机组主要包括叶片、机舱和塔筒三部分，风电机组的齿轮箱和发电机等均设置在机舱内，叶片与机舱内的发电机通过主轴连接以使得叶片在风力作用下转动时可驱动发电机进行发电，从而实现风力机械能至电能的转换。在风电机组将风力机械能转化为电能这一过程中，风电机组的许多部件均会产生振动，这种振动达到一定程度时，将导致振动故障的出现，从而损坏整个风电机组。因此，对风电机组的振动状况进行检测，以在故障预兆期内，迅速作出正确的诊断，并对风电机组采取相应的保护措施，具有重要的意义。 

现有技术中，对风电机组的振动状态进行检测的方法中，分别在风电机组的机舱内的齿轮箱和发电机上设置振动传感器，以获取齿轮箱和发电机的振动值，并将该获取的振动值与相应的振动传感器预置的一振动值相比较，当齿轮箱和发电机的振动超过该预定的振动值时，相应的振动传感器发出报警信号；通常还采用一个振动开关来测量风电机组的机舱的振动是否达到该振动开关的阈值，若未达到该阈值，则该风电机组正常工作，若达到该阈值，则该风电机组自动停止工作。 

在上述的风电机组检测方法中，一方面，由于用于警示各部件将发生故障的报警信号，以及用于指示风电机组运转或停止的指令均由一个传感器或开关作出，所以当某一传感器或开关发生故障时，则将导致该传感器或开关所发出的信号或指令不准确，从而提供错误的与该传感器对应的部件的振动情况，或导致风电机组的错误运转或停止。另一方面，仅根据风机机舱的振动状况来决定该风电机组的运转或自动停止，而风电机组的其他部分的振动也有可能导致对风电机组的损坏，所以不能够给予风电机组充分的保护。 

发明内容

针对上述缺陷，本发明提供一种风电机组振动检测装置，包括： 

数个振动传感器，分别设置在风电机组的数个部件上以采集各所述部件的振动信号； 

至少一个振动开关，设置在所述风电机组的机舱上以检测所述机舱的振动信号，若检测获知所述机舱的振动大于所述振动开关的开启阈值，则向控制模块发送故障信号； 

振动评估模块，与所述数个振动传感器连接，用于根据预设的加权值和加权公式对所述部件的振动信号进行处理，以获取风电机组振动状态数据，并将所述风电机组振动状态数据与预设的故障值进行比较，若比较获知所述振动状态数据不小于所述故障值，则向控制模块发送所述故障信号； 

所述控制模块，与所述振动开关和所述振动评估模块连接，用于根据所述故障信号关闭所述风电机组； 

其中，所述数个振动传感器包括数个低频振动传感器和数个高频振动传感器；其中，所述数个低频振动传感器分别设置在风电机组的叶片、主轴和塔筒上以采集叶片振动信号、主轴振动信息和塔筒振动信号；所述数个高频振动传感器设置在风电机组的齿轮箱和发电机上以采集齿轮箱振动信号和发电机振动信号。 

根据本发明的另一方面，还提供一种风电机组振动检测方法，包括： 

采集各所述部件的振动信号； 

检测风电机组的机舱的振动信号，若检测获知所述机舱的振动信号大于所述振动开关的开启阈值，则向控制模块发送故障信号； 

根据预设的加权值和加权公式对所述振动信号进行处理，以获取风电机组振动状态数据，并将所述风电机组振动状态数据与预设的故障值进行比较，若比较获知所述振动状态数据不小于所述故障值，则向控制模块发送所述故障信号； 

根据所述故障信号关闭所述风电机组。 

根据本发明的风电机组振动检测装置及方法，由于根据预设的加权值和加权公式对风电机组各部件的振动信号进行处理，获取风电机组振动状态数据，并当该风电机组振动状态数据超过预设的故障值时可实现对风电机组的关闭，同时还可在当机舱的振动达到一定值时实现对风电机组的关闭，从而能够结合风电机组各部件的振动状态来提供对该风电机组的保护，为风电机组提供充分、可靠的安全保障。 

附图说明

图1为本发明风电机组振动检测装置的结构示意图。 

图2为本发明风电机组振动检测方法的流程图。 

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图，对本发明的技术方案进行清楚、完整地描述。 

图1为本发明风电机组振动检测装置的结构示意图。如图1所示，风电机组振动检测装置包括数个振动传感器100、至少一个振动开关200、振动评估模块300以及控制模块400。详细说明如下。 

数个振动传感器100，分别设置在风电机组的数个部件上以采集各部件的振动信号。该数个部件例如为风电机组的叶片、塔筒、主轴及设置在机舱内的齿轮箱和发电机。振动传感器100的数量例如为m个。该m个振动传感器100分别获取叶片振动信号、塔筒振动信号、主轴振动信号、齿轮箱振动信号和发电机振动信号。 

至少一个振动开关200，设置在风电机组的机舱上以检测机舱的振动信号，若检测获知机舱的振动大于所述振动开关的开启阈值，则向控制模块发送故障信号。该振动开关200例如为摆锤振动开关，其得到的是开关量，即根据机舱的振动信号是否达到摆锤振动开关的阈值而产生0/1信号。该摆锤 振动开关输出信号0时，表示振动正常，此时不向控制模块400发送故障信号。该摆锤振动开关输出信号1时，表示振动过大，则控制模块400接收该输出信号后，关闭风电机组。 

振动评估模块300，与数个振动传感器100连接，用于根据预设的加权值和加权公式对振动信号进行处理，以获取风电机组振动状态数据，并将风电机组振动状态数据与预设的故障值进行比较，若比较获知振动状态数据不小于该故障值，则向控制模块400发送故障信号。其中，加权值可根据风电机组的机型、工况等进行设置。加权公式例如为： 

Z＝(a₁z₁+a₂z₂+...+a_nz_n) 

其中，a₁，a₂，...，a_n为上述加权值，均为大于0小于1的数，z₁，z₂，...，z_n分别表示各部件的振动信号，例如包括上述叶片振动信号、塔筒振动信号、主轴振动信号、齿轮箱振动信号和发电机振动信号。 

控制模块400，与振动开关200和振动评估模块300连接，用于根据故障信号关闭风电机组。控制模块400可在两种情况下接收到故障信号：一种情况是风电机组的机舱的振动大于振动开关的开启阈值时，由振动开关200向控制模块400发送故障信号；另一种情况是根据风电机组各部件的振动信号获取的风电机组振动状态数据大于预设的故障值时，由振动评估模块300向控制模块400发送故障信号。该控制模块400接收到任一故障信号，则关闭风电机组。 

根据上述实施例的风电机组振动检测装置，由于根据预设的加权值和加权公式对风电机组各部件的振动信号进行处理，获取风电机组振动状态数据，并当该风电机组振动状态数据超过预设的故障值时可实现对风电机组的关闭，同时还可在当机舱的振动达到一定值时实现对风电机组的关闭，从而能够结合风电机组各部件的振动状态来提供对该风电机组的保护，为风电机组提供充分、可靠的安全保障。 

进一步地，在上述实施例的风电机组振动检测装置中，还包括信号处理模块500。信号处理模块500设置在振动传感器100与振动评估模块300之 间，用于当风电机组的部件上设置有至少两个振动传感器100时，根据预设的信号处理方法对部件的至少两组振动信号进行处理，以获取部件的一振动状态数据。 

例如，分别在主轴、齿轮箱和发电机上各设置两个振动传感器100，具体为：设置在主轴上的两个振动传感器100分别用于获取第一主轴振动信号和第二主轴振动信号，其中第一主轴振动信号可以是表征主轴的轴向振动的振动信号，第二主轴振动信号可以是表征主轴的径向振动的振动信号；设置在齿轮箱上的两个振动传感器100分别用于获取第一齿轮箱振动信号和第二齿轮箱振动信号，其中第一齿轮箱振动信号可以是表征齿轮箱的中间轴振动的振动信号，第二主轴振动信号可以是表征齿轮箱的输出轴振动的振动信号；设置在发电机上的两个振动传感器100分别用于获取第一发电机振动信号和第二发电机振动信号，其中第一发电机振动信号可以是表征发电机的输入端振动的振动信号，第二发电机振动信号可以是表征发电机的输出端振动的振动信号。 

该信号处理模块500例如包括分别用于对各部件的振动信号进行处理的单元，例如包括主轴振动信号处理单元、齿轮箱振动信号处理单元和发电机振动信号处理单元。各部件的两组振动信号输入对应的振动信号处理单元，利用预设的信号处理方法对该两组振动信号进行处理，可获取对应的振动状态数据。 

预设的信号处理方法例如为模糊化方法、BP神经网络学习方法或Q学习方法。下面以预设的数据处理方法为模糊化方法为例，说明上述振动信号处理过程。以主轴振动信号处理单元为例，第一主轴振动信号和第二主轴振动信号输入主轴振动信号处理单元，模糊化方法提取第一主轴振动信号的轴向振动特征信号参数和第二主轴振动信号的径向振动特征信号参数，上述特征信号参数用论域X表示，如下式所示： 

X＝{通频振幅值x₁₁，一阶振幅值x₁₂，二阶振幅值x₁₃，...，n阶振幅值x_1n

    通频振幅值x₂₁，一阶振幅值x₂₂，二阶振幅值x₂₃，...，n阶振幅值x_2n} 

其中，x_1i表示主轴轴向振动特征信号参数，x_2i表示主轴径向振动特征信号参数。 

主轴的振动状态用论域Y表示，如下式所示： 

Y＝{y₁，y₂，y₃，......，y_m}，其中，y_j表示主轴的振动状态。 

集合A表示特征信号参数的一个模糊集合，如下式所示： 

$A=\{{\mathrm{\μ}}_{x_{11}},{\mathrm{\μ}}_{x_{12}},{...,\mathrm{\μ}}_{x_{1n}},{\mathrm{\μ}}_{x_{21}},{\mathrm{\μ}}_{x_{22}},...,{\mathrm{\μ}}_{x_{2n}}\}.$

集合B表示论域Y的一个模糊集合，如下式所示： 

$B=\{{\mathrm{\μ}}_{y1},{\mathrm{\μ}}_{y2},...,{\mathrm{\μ}}_{\mathrm{ym}}\}.$

定义特征信号参数x_ij对应于振动状态y_j的隶属度为 

则两论域间的模糊关系用矩阵表示为： 

$R=\left[\begin{array}{c}{\mathrm{\μ}}_{11},{\mathrm{\μ}}_{12},\·\·\·,{\mathrm{\μ}}_{1n},{\mathrm{\μ}}_{1(n+1)},{\mathrm{\μ}}_{1(n+2)}\·\·\·,{\mathrm{\μ}}_{1\left(2n\right)}\\ {\mathrm{\μ}}_{21},{\mathrm{\μ}}_{22},\·\·\·,{\mathrm{\μ}}_{2n},{\mathrm{\μ}}_{2(n+1)},{\mathrm{\μ}}_{2(n+2)}\·\·\·,{\mathrm{\μ}}_{2\left(2n\right)}\\ \·\\ \·\\ \·\\ {\mathrm{\μ}}_{m1},{\mathrm{\μ}}_{m2},\·\·\·,{\mathrm{\μ}}_{\mathrm{mn}},{\mathrm{\μ}}_{m(n+1)},{\mathrm{\μ}}_{m(n+2)}\·\·\·,{\mathrm{\μ}}_{m\left(2n\right)}\end{array}\right]$

模糊推理采用max-min合成运算，B＝A·R。经过解模糊，即可得到主轴振动状态数据。 

经上述处理获取的各部件的振动状态数据发送给振动评估模块300，以供振动评估模块根据这些各部件的振动状态数据获取风电机组振动状态数据。 

根据上述实施例的风电机组振动检测装置，由于可在各部件上设置多个振动传感器100时将对应于同一部件的多个振动信号进行融合，以得到一更能全面表征该部件的振动状态的振动状态数据，从而能够获取更为准确的风电机组振动状态数据。 

进一步地，在上述实施例的风电机组振动检测装置中，还包括：预处理模块600，设置在振动传感器100与振动评估模块300之间，预处理模块600用于对振动信号进行放大和滤波。 

根据上述实施例的风电机组振动检测装置，通过预处理模块600对振动信号的放大、滤波等处理，可以减少噪音的干扰，从而提供更为准确的振动信号。 

进一步地，在上述实施例的风电机组振动检测装置中，数个振动传感器100包括数个低频振动传感器和数个高频振动传感器。其中，数个低频振动传感器分别设置在风电机组的叶片、主轴和塔筒上以采集叶片振动信号、主轴振动信息和塔筒振动信号；数个高频振动传感器设置在风电机组的齿轮箱和发电机上以采集齿轮箱振动信号和发电机振动信号。 

根据上述实施例的风电机组振动检测装置，由于采用低频振动传感器来采集风电机组的叶片、主轴和塔筒这几个振动频率范围较小的部件的振动信号，并使用高频振动传感器来采集齿轮箱和发电机这两个具有较高旋转速度从而具有较高振动频率的部件的振动信号，即使用频率相适应的传感器采集相应振动信号，所以采集到的振动信号具有很高的准确率。 

进一步地，在上述实施例的风电机组振动检测装置中，振动评估模块300还用于将风电机组振动状态数据与预设的报警值进行比较，若比较获知振动状态数据不小于报警值且小于故障值，则向控制模块发送报警信号；相应地，控制模块400还用于根据报警信号进行报警。 

根据上述实施例的风电机组振动检测装置，可在风电机组的振动情况未达到故障程度、但需加以警告的状态时，进行报警，以提示对该风电机组进行检测。 

进一步地，在上述实施例的风电机组振动检测装置中，振动评估模块300包括处理模块、比较单元和发送单元，其中：处理模块用于根据预设的加权值和加权公式对振动信号进行处理，以获取风电机组振动状态数据；比较单元用于将风电机组振动状态数据与报警值和故障值进行比较，以获得风电机组振动状态数据是否超过报警值和/或故障值的比较结果；发送单元，用于若比较结果中存在风电机组振动状态数据超过报警值和/或故障值的比较结果，则向控制模块发送报警信号或故障信号。 

根据本发明的另一方面，还提供了一种风电机组振动检测方法。图2为本发明风电机组振动检测方法的流程图。如图2所示，包括： 

步骤S100：采集各部件的振动信号； 

步骤S200：检测风电机组的机舱的振动信号，若检测获知机舱的振动大于所述振动开关的开启阈值，则向控制模块发送故障信号； 

步骤S300：根据预设的加权值和加权公式对振动信号进行处理，以获取风电机组振动状态数据，并将风电机组振动状态数据与预设的故障值进行比较，若比较获知振动状态数据不小于故障值，则向控制模块发送故障信号； 

步骤S400：根据故障信号关闭风电机组。 

进一步地，在执行步骤S200之前，还可包括：当风电机组的部件上设置有至少两个振动传感器时，根据预设的信号处理方法对部件的至少两组振动信号进行处理，以获取部件的一振动状态数据。 

根据本发明的风电机组振动检测方法，由于采用多个振动传感器对风电机组的各部件进行检测，并结合各部件的振动信号获取风电机组振动状态数据。当该风电机组振动状态数据超过预设的故障值时可实现对风电机组的关闭，同时还可在当机舱的振动达到一定值时实现对风电机组的关闭，从而能够结合风电机组各部件的振动状态来提供对该风电机组的保护，为风电机组提供充分、可靠的安全保障。 

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。 

Claims (7)

1.一种风电机组振动检测装置，其特征在于，包括：

数个振动传感器，分别设置在风电机组的数个部件上以采集各所述部件的振动信号；

至少一个振动开关，设置在所述风电机组的机舱上以检测所述机舱的振动信号，若检测获知所述机舱的振动大于所述振动开关的开启阈值，则向控制模块发送故障信号；

振动评估模块，与所述数个振动传感器连接，用于根据预设的加权值和加权公式对所述部件的振动信号进行处理，以获取风电机组振动状态数据，并将所述风电机组振动状态数据与预设的故障值进行比较，若比较获知所述振动状态数据不小于所述故障值，则向控制模块发送所述故障信号；

所述控制模块，与所述振动开关和所述振动评估模块连接，用于根据所述故障信号关闭所述风电机组；

其中，所述数个振动传感器包括数个低频振动传感器和数个高频振动传感器；其中，所述数个低频振动传感器分别设置在风电机组的叶片、主轴和塔筒上以采集叶片振动信号、主轴振动信息和塔筒振动信号；所述数个高频振动传感器设置在风电机组的齿轮箱和发电机上以采集齿轮箱振动信号和发电机振动信号。

2.根据权利要求1所述的风电机组振动检测装置，其特征在于，还包括：

信号处理模块，设置在所述振动传感器与所述振动评估模块之间，用于当各所述风电机组的部件上设置有至少两个所述振动传感器时，根据预设的信号处理方法对各所述部件的至少两组振动信号进行处理，以获取所述部件的一振动状态数据。

3.根据权利要求2所述的风电机组振动检测装置，其特征在于，所述预设的信号处理方法为模糊化方法、BP神经网络学习方法或Q学习方法。

4.根据权利要求1所述的风电机组振动检测装置，其特征在于，还包括：

预处理模块，设置在所述振动传感器与所述振动评估模块之间，所述预处理模块用于对所述部件的振动信号进行放大和滤波。

5.根据权利要求1或2所述的风电机组振动检测装置，其特征在于，所述振动开关为摆锤振动开关。

6.根据权利要求1或2所述的风电机组振动检测装置，其特征在于，所述振动评估模块还用于将所述风电机组振动状态数据与预设的报警值进行比较，若比较获知所述风电机组振动状态数据不小于所述报警值且小于所述故障值，则向控制模块发送报警信号；相应地，所述控制模块还用于根据所述报警信号进行报警。

7.根据权利要求6所述的风电机组振动检测装置，其特征在于，所述振动评估模块包括处理模块、比较单元和发送单元，其中：

所述处理模块，用于根据预设的加权值和加权公式对所述部件的振动信号进行处理，以获取风电机组振动状态数据；

所述比较单元，用于将所述风电机组振动状态数据与所述报警值和所述故障值进行比较，以获得所述风电机组振动状态数据是否不小于所述报警值和/或故障值的比较结果；

所述发送单元，用于若所述比较结果中存在所述风电机组振动状态数据不小于所述报警值和/或所述故障值的比较结果，则向所述控制模块发送所述报警信号或所述故障信号。

Images