CN102156043B - 风力发电机组在线状态监测与故障诊断系统 - Google Patents
风力发电机组在线状态监测与故障诊断系统 Download PDFInfo
- Publication number
- CN102156043B CN102156043B CN 201010623923 CN201010623923A CN102156043B CN 102156043 B CN102156043 B CN 102156043B CN 201010623923 CN201010623923 CN 201010623923 CN 201010623923 A CN201010623923 A CN 201010623923A CN 102156043 B CN102156043 B CN 102156043B
- Authority
- CN
- China
- Prior art keywords
- host computer
- data
- monitoring
- analysis
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种风力发电机组在线状态监测与故障诊断系统,该系统包括监测装置、上位机、中央监控中心和远程诊断中心四部分。监测装置实现信号的采集、处理和与上位机通讯等;上位机实现对样本数据作细化分析,实现显示各种图谱、故障分析诊断等;中央监控中心可以浏览监测各个风场的风机状态;远程诊断中心定期获取风场的风机数据,对风机状态进行定期分析,同时当收到某个风机告警信息时,进行故障分析定位。
Description
技术领域
本发明属于电气设备监测与故障诊断技术领域,具体涉及一种风力发电机组在线状态监测与故障诊断系统及方法,用于风场业主实现可预测性的状态检修。
背景技术
风力发电机是风力发电的主要装置,是风电技术的核心。风力发电机的主要监测部件包括主轴承、齿轮箱、发电机及塔体。故障模式主要有:不平衡、不对中、轴承及齿轮故障。振动测量是对风力发电机故障检测及分析诊断最常用也是最有效的工具之一。
目前,在我国已经建成的风电场的风机相当部分是上世纪90年代中后期从国外购进的,这些机组寿命一般为15-20年,保修期为2年,随着机组运行时间的延长,这些机组陆续出现了一些故障,包括风轮叶片、齿轮箱、发电机振动造成的故障等。这些问题导致出现了停机、严重影响发电量,造成很大经济损失。
当风机需要维修和维护时,风场业主需要聘请维修人员、租借大型吊车、采购更换的备件。而风电场主要位于草原、山区、沙漠或沿海,地处偏远,风机分散分布,随着单机容量的日益加大,海上风场的日益增多,维护和维修问题将日益突出。
采用故障监测系统,风场业主可以将多次的维修合并到一起,通过监测风力发电机的实效模式,可以延长风机的维修间隔;通过监测风机的状态,风场业主可以预计风机继续运行的时间,从而延长风机的服务和维修间隔,实现对风力发电机的主动性维护,即可预测性的状态检修。
目前,国内的风场只有少部分安装了风机在线监测和故障诊断系统,且都处于试运行阶段,现有的风机在线监测和故障诊断系统绝大部分为国外产品,价格昂贵,服务不足,国内产品在功能、性能方面差距比较大,存在系统功能不足、缺少集中监控系统和远程诊断手段、运行经验缺乏、对故障诊断定位不准确等问题。
发明内容
本发明一方面介绍了一种风力发电机组在线状态监测与故障诊断系统,另一方面介绍了一种风力发电机组在线状态监测与故障诊断的方法。
本发明公开的风力发电机组在线状态监测与故障诊断系统,其特征在于:所述在线状态监测与故障诊断系统包括一个或多个监测装置、上位机、中央监控中心和远程诊断中心;
所述一个或多个监测装置分布安装在各个风力发电机组,实现振动信号和过程数据的采集,对振动信号采取抗混滤波、硬件积分、阶比分析、有效值计算等方法处理数据,得到波形特征参数,主要有通频幅值、峰值、峰峰值、有效值、波峰因子、峭度、方差,以及1X幅值/相位、0.5X/2X/3X/4X幅值等,根据各个特征参数所设定的告警阈值(包括一级告警阈值和二级告警阈值),判断是否越限,若越限则向上位机发送告警信息,并将当前样本数据存入本地非易失存储器;过程数据主要有从其他系统接入的瞬时功率、风机偏航环旋转状态、机舱温度、风速、转速等;并与所述上位机通讯,将采集的振动信号经处理后得到的样本数据以及处理后的过程数据上传至上位机;
所述上位机对样本数据采取趋势分析、频谱计算、加窗频谱、细化谱、包络谱、倒频谱等方法做细化分析,根据各个波形特征参数的值,以及各个参数所设置的一级告警阈值、二级告警阈值,显示各个波形特征参数的棒图,表明系统的当前运行状态;对样本数据做傅里叶变换计算,得到频域数据,显示波形频谱图,根据不同部件的固有振动特性,分析典型振动频率分量的幅值,得到当前该部件的运行状态;根据某一波形特征参数在一段时间内的值,如一天、一个月、半年、一年等,画出振动趋势图,显示特征参数随时间的变化趋势;根据某一特征参数值,如峰值、峰峰值,画出该值随转速变化的曲线,即波德图,主要用于机组启停机时的分析;分别画出某测点不同时间的样本的频谱图,即频谱瀑布图,主要用于分析机组的振动频谱特征随时间的变化趋势;通过上述各种图谱分析、和数据库、知识库数据对比分析进行故障定位。
所述上位机负责与中央监控中心、远程诊断中心通讯;
所述中央监控中心接收上位机上传的风机运行状态和告警信息数据,可以浏览监测所管辖各个风场的各个风机状态;
所述远程诊断中心定期获取由上位机输出的风场的风机数据,对风机状态进行定期分析,出具风机状态分析报告;同时当收到某个风机告警信息时,获取该风机的样本数据、过程数据以及历史数据,通过和上位机一样的故障分析方法,定位故障,不同之处在于,远程诊断中心具有更丰富的知识库和更丰富的专家系统。
本发明公布的风机在线监测与故障诊断系统和方法,已经成功在国内几个风场试运行,效果良好,为风场节约了资金和维护成本,取得了良好的经济效益和社会效益。
附图说明
图1示意了本发明在线监测与故障诊断系统的整体系统图;
图2示意了监测装置的算法分析流程图;
图3示意了上位机软件框架图;
图4示意了故障诊断流程图;
图5示意了整个系统的网络结构图;
图6示意了风力发电机组在线状态监测与故障诊断的方法步骤;
图7示意了风力发电机组的传感器安装位置图。
具体实施方式
以下根据说明书附图对本发明的技术方案作进一步的说明。
图1示意了风力发电机组在线状态监测和故障诊断系统各部分功能。本发明公开的风力发电机组在线状态监测与故障诊断系统,其特征在于:所述在线状态监测与故障诊断系统包括监测装置、上位机、中央监控中心、远程诊断中心四部分;
其中,监测装置分布安装在各个风力发电机组,过程数据主要有从其他系统接入瞬时功率、风机偏航环旋转状态、机舱温度、风速、转速等,过程数据采集后直接上送上位机,供故障分析诊断时参考用;振动信号采集包括振动信号和转速信号,实现振动信号和转速信号测量;信号处理主要包括信号调理、硬件积分、锁相环、抗混滤波、可变增益及通道适应性功能,通过信号处理后得到样本数据;算法分析包括对样本数据计算振动特征参数,包括:通频幅值、峰值、峰峰值、有效值、波峰因子、峭度、方差,以及1X幅值/相位、0.5X/2X/3X/4X幅值等,根据各个参数所设定的一级告警和二级告警阈值,判断是否有某个特征值超过一级告警阈值或二级告警阈值,若有则向上位机发送告警信息,具体流程如图2所示;监测装置采用光纤以太网,TCP/IP协议与上位机通讯。
上位机对样本数据采取趋势分析、频谱计算、加窗频谱、细化谱、包络谱、倒频谱等方法做细化分析,根据各个波形特征参数的值,以及各个参数所设置的一级告警阈值、二级告警阈值,显示各个波形特征参数的棒图,表明系统的当前运行状态;对样本数据做傅里叶变换计算,得到频域数据,显示波形频谱图,根据不同部件的固有振动特性,分析典型振动频率分量的幅值,得到当前该部件的运行状态;根据某一波形特征参数在一段时间内的值,如一天、一个月、半年、一年等,画出振动趋势图,显示特征参数随时间的变化趋势;根据某一特征参数值,如峰值、峰峰值,画出该值随转速变化的曲线,即波德图,主要用于机组启停机时的分析;分别画出某测点不同时间的样本的频谱图,即频谱瀑布图,主要用于分析机组的振动频谱特征随时间的变化趋势;通过上述各种图谱分析、和数据库、知识库数据对比分析,以及专家人为参与进行故障定位,上位机软件框架如图3所示。
上位机负责与中央监控中心、远程诊断中心通讯。
中央监控中心位于风场业主的总调度中心,可以浏览监测各个风场的风机状态。
远程诊断中心定期获取由上位机输出的风场的风机数据,对风机状态进行定期分析,出具风机状态分析报告;同时当收到某个风机告警信息时,获取该风机的样本数据、过程数据以及历史数据,通过和上位机一样的故障分析方法,定位故障,不同之处在于,远程诊断中心具有更丰富的知识库和经验更丰富的专家;
图2示意了监测装置的算法分析流程图,对样本数据计算振动的特征参数,主要有:通频幅值、峰值、峰峰值、有效值、波峰因子、峭度、方差,用DFT计算1X幅值/相位、0.5X/2X/3X/4X幅值等,将样本数据和所计算的特征值上送上位机,然后分别判断各个特征值是否越过该特征值所对应的设定的一级告警和二级告警阈值,若有向上位机发送告警信息,同时将样本数据和当时的过程数据存入CF卡。
图3示意了上位机的软件框架图,高级波形分析有:机组概貌图、棒图、波形频谱图、振动趋势图、转速时间图、波德图、频谱瀑布图等;图形报告有:机组状态列表、振动参数列表、监测报表、系统日记等;上位机通过OPC可以与其他系统交换数据;前置通讯实现与监测装置通讯;数据库包括历史数据库和实时数据库;知识库包括相关设备的有关标准、规程、导则和有关设备性能指标的规定,设备运行历史数据和事故参数以及收集的国内外诸多专家分析判断设备故障的权威经验,并能根据标准、规程、导则中有关内容的变化,经验不断积累和增加,可以随时扩充、修改、更新以增强专家系统的诊断、决策能力。
图4示意了故障诊断流程图,其中,诊断数据是指样本数据、过程数据、特征值、历史数据等;诊断规则是指知识库中存储的相关设备的标准、规程以及经验;调用历史数据后提取特征值的方法与监测装置中计算特征值的方法相同。
图5示意了整个系统的网络结构图,其中,各个机组的故障监测单元通过光纤以太网与上位机通讯;各个客户端,如中央监控系统、远程诊断中心、有权限的用户,均可通过web的方式访问远程服务器,通讯方式可以是CDMA、VPN等,获取风机运行数据。
图6示意了本发明提供的风力发电机组在线状态监测与故障诊断的方法,包括以下步骤:
(1)通过在风力发电机组的主轴承、齿轮箱输入、输出轴承及行星轮内齿圈部位、发电机两侧轴承座处安装振动传感器,采集振动信号;
(2)通过监测装置采集传感器信号和各种过程数据,对采集到的信号进行抗混滤波、硬件积分得到样本数据;
(3)通过监测装置对样本数据做阶比分析、有效值计算等,得到波形特征参数,根据各个特征参数所设定的一级告警和二级告警阈值,判断是否越限,若越限则表明该部件有故障;
(4)通过上位机做趋势分析、频谱计算、加窗频谱、细化谱、包络谱、倒频谱等方法,画出振动趋势图、频谱图、波德图、频谱瀑布图;
(5)上位机或远程诊断中心通过各种图谱、数据库、知识库和专家库分析定位故障具体位置。
图7示意了测量振动信号的传感器安装位置,选取风力发电机组的主轴承、齿轮箱输入、输出轴承及行星轮内齿圈部位、发电机两侧轴承座处共安装8个传感器,其中7个加速度传感器,1个转速信号传感器。其中,1号加速度传感器安装在主轴承的径向、2号加速度传感器安装在齿轮箱输入端轴承座径向、3号加速度传感器安装在齿轮箱行星轮径向、4号加速度传感器安装在齿轮箱输出端高速轴承座径向、5号加速度传感器安装在发电机输入端轴承座轴向、6号加速度传感器安装在发电机输入端轴承座径向、7号加速度传感器安装在发电机自由端径向、8号转速传感器安装在发电机输入端轴承座径向。加速度传感器测量振动信号,转速传感器测量转速信号。
Claims (4)
1.一种风力发电机组在线状态监测与故障诊断系统,其特征在于:
所述在线状态监测与故障诊断系统包括一个或多个监测装置、上位机、中央监控中心和远程诊断中心;其中,
所述一个或多个监测装置分布安装在各个风力发电机组,实现振动信号和过程数据的采集,对振动信号经处理后得到的样本数据计算振动波形特征参数,根据各个特征参数所对应设定告警阈值,判断是否越限,若越限则向上位机发送告警信息,并将当前样本数据存入本地非易失存储器;所述过程数据包括从风机主控系统接入的风力发电机组的瞬时功率、风机偏航环旋转状态、机舱温度、风速、转速,过程数据采集后直接上送上位机;所述监测装置与所述上位机通讯,将所述样本数据、过程数据、振动波形特征参数、告警信息上传至上位机;
所述上位机对样本数据进行细化分析,包括趋势分析、频谱计算、加窗频谱、细化谱、包络谱、倒频谱,根据各个波形特征参数的值,以及各个参数所设置的告警阈值,显示各个波形特征参数的棒图;对样本数据做傅里叶变换计算,显示波形频谱图,根据不同部件的固有振动特性,分析典型振动频率分量的幅值,得到当前部件的运行状态;根据某一波形特征参数在一段时间内的值,得出振动趋势图;根据某一振动波形特征参数值,得出该值随转速变化的曲线,即波德图;得出某测点不同时间的样本数据的频谱图,即频谱瀑布图;通过上述各种图谱分析、和数据库、知识库数据对比分析进行故障定位;
所述上位机还分别与中央监控中心、远程诊断中心通讯;
所述中央监控中心接收上位机上传的风机运行状态和告警信息数据,浏览监测所管辖各个风场的各个风机状态;
所述远程诊断中心定期获取由上位机输出的风场的风机数据,对风机状态进行定期分析,出具风机状态分析报告;同时当收到某个风机告警信息时,获取该风机的样本数据、过程数据以及历史数据,通过上位机的故障定位方法并结合专家系统进行故障定位。
2.根据权利要求1所述的风力发电机组在线状态监测与故障诊断系统,其特征在于:所述监测装置对振动进行的处理包括抗混滤波、硬件积分、阶比分析、有效值计算。
3.根据权利要求1所述的风力发电机组在线状态监测与故障诊断系统,其特征在于:所述告警阈值进一步包括一级告警阈值和二级告警阈值,其中所述二级告警阈值低于所述一级告警阈值。
4.根据权利要求1所述的风力发电机组在线状态监测与故障诊断系统,其特征在于:
所述振动信号由所述监测装置通过加速度传感器采集,所述加速度传感器安装在风力发电机组的主轴承、齿轮箱输入端轴承、齿轮箱输出轴承及齿轮箱行星轮内齿圈部位、发电机两侧轴承座处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010623923 CN102156043B (zh) | 2010-12-31 | 2010-12-31 | 风力发电机组在线状态监测与故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010623923 CN102156043B (zh) | 2010-12-31 | 2010-12-31 | 风力发电机组在线状态监测与故障诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102156043A CN102156043A (zh) | 2011-08-17 |
CN102156043B true CN102156043B (zh) | 2013-01-16 |
Family
ID=44437623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010623923 Active CN102156043B (zh) | 2010-12-31 | 2010-12-31 | 风力发电机组在线状态监测与故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102156043B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106525225A (zh) * | 2016-11-07 | 2017-03-22 | 南京理工大学 | 基于嵌入式计算机和采集卡的风力发电机组监测设备和方法 |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103016171A (zh) * | 2011-09-20 | 2013-04-03 | 朗德华信(北京)自控技术有限公司 | 基于云计算的发电机组管理控制系统及方法 |
CN102330637A (zh) * | 2011-09-24 | 2012-01-25 | 广东工业大学 | 一种双馈风力发电机的控制系统 |
CN102539154A (zh) * | 2011-10-16 | 2012-07-04 | 浙江吉利汽车研究院有限公司 | 基于排气噪声矢量量化分析的发动机故障诊断方法及装置 |
CN102494894A (zh) * | 2011-11-17 | 2012-06-13 | 高丙团 | 风力发电机组音频监测和故障诊断系统及其方法 |
CN102620807A (zh) * | 2012-03-22 | 2012-08-01 | 内蒙古科技大学 | 风力发电机状态监测系统及方法 |
CN102645334A (zh) * | 2012-04-23 | 2012-08-22 | 华北电力大学 | 一种风力发电机组状态监测装置 |
CN102778358A (zh) * | 2012-06-04 | 2012-11-14 | 上海东锐风电技术有限公司 | 故障预测模型建立方法及系统、风机监测预警系统及方法 |
CN102759711B (zh) * | 2012-06-27 | 2014-12-10 | 广东电网公司电力科学研究院 | 一种基于数据挖掘的风力发电机组故障诊断方法 |
CN102748214B (zh) * | 2012-07-10 | 2014-09-03 | 国电联合动力技术有限公司 | 耦合于控制系统的风电机组状态监测与故障诊断系统 |
CN102758727B (zh) * | 2012-07-11 | 2014-10-08 | 国电联合动力技术有限公司 | 集成于控制系统的风力机状态监测与故障诊断系统及方法 |
CN103017818B (zh) * | 2012-08-09 | 2015-05-20 | 江苏科技大学 | 一种智能开关柜故障诊断系统及方法 |
CN102829977B (zh) * | 2012-08-23 | 2015-01-14 | 天津瑞能电气有限公司 | 一种风力发电机组低频振动的监测方法 |
CN102840882B (zh) * | 2012-09-04 | 2014-12-10 | 中国海洋石油总公司 | 燃气透平发电机组状态监测和故障诊断系统及其使用方法 |
CN103115667B (zh) * | 2013-01-21 | 2016-04-20 | 中信重工开诚智能装备有限公司 | 一种基于传感器的振动监测装置 |
CN104008423B (zh) * | 2013-02-26 | 2017-05-03 | 北京三一自动化技术有限责任公司 | 一种根据风况预测齿轮箱寿命的方法和系统 |
CN103234746A (zh) * | 2013-03-28 | 2013-08-07 | 华南理工大学 | 一种风电机组齿轮箱在线故障诊断装置及方法 |
CN103234702B (zh) * | 2013-04-11 | 2015-07-01 | 东南大学 | 一种叶片不平衡故障诊断方法 |
CN103234585A (zh) * | 2013-04-16 | 2013-08-07 | 内蒙古航天亿久科技发展有限责任公司 | 一种大型风电机组在线监测及故障诊断系统 |
CN103411774B (zh) * | 2013-07-17 | 2016-12-28 | 华北电力大学 | 波动工况下的风电机组在线预警方法 |
CN103472797B (zh) * | 2013-09-11 | 2016-05-04 | 上海明华电力技术工程有限公司 | 一种通讯效率高的风电振动状态监测系统 |
CN103604601B (zh) * | 2013-10-21 | 2015-10-28 | 浙江大学 | 基于风电齿轮箱工况模拟的故障诊断试验台 |
CN103645060B (zh) * | 2013-11-08 | 2016-05-04 | 北京能高自动化技术股份有限公司 | 基于状态监控系统的风力发电机组突发故障识别诊断方法 |
CN103604622B (zh) * | 2013-11-29 | 2016-02-17 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
CN103605355A (zh) * | 2013-12-10 | 2014-02-26 | 贵州电力试验研究院 | 快速远程在线监测汽轮发电机组振动参数的方法及系统 |
CN103835882A (zh) * | 2014-03-18 | 2014-06-04 | 上海电机学院 | 大型风力发电机组状态监测与故障诊断系统 |
EP3163074B1 (en) * | 2014-06-24 | 2020-04-22 | NTN Corporation | Condition monitoring system and wind power generation system using same |
CN104199412A (zh) * | 2014-08-28 | 2014-12-10 | 国家电网公司 | 一种基于无线网络的分散式风电场远程监控系统 |
CN104407291B (zh) * | 2014-11-12 | 2017-05-03 | 南方电网科学研究院有限责任公司 | 一种风电机组故障诊断系统与方法 |
WO2016077997A1 (en) | 2014-11-18 | 2016-05-26 | Abb Technology Ltd | Wind turbine condition monitoring method and system |
CN104568131B (zh) * | 2014-12-10 | 2018-09-28 | 青岛新源联合动力工程有限公司 | 有色冶金行业的余热发电机组远程监测系统及其方法 |
CN104515677A (zh) * | 2015-01-12 | 2015-04-15 | 华北电力大学 | 风电机组叶片故障诊断与状态监控系统 |
CN104614179B (zh) * | 2015-01-28 | 2017-08-29 | 中国大唐集团新能源股份有限公司 | 一种风电机组齿轮箱状态监测方法 |
CN105067264B (zh) * | 2015-08-26 | 2017-08-22 | 北京唐智科技发展有限公司 | 一种万向联轴器轴系故障的高孤谱诊断及监控方法 |
CN105807756A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 基于物联网的分布式火电厂风机状态监测与故障诊断系统 |
CN105973999B (zh) * | 2016-04-28 | 2018-10-30 | 西安交通大学 | 基于增强相位瀑布图的转子裂纹微弱分数谐波特征识别方法 |
CN105973583B (zh) * | 2016-06-06 | 2018-10-02 | 北京航天智控监测技术研究院 | 一种动态报警方法 |
CN106017920B (zh) * | 2016-06-24 | 2018-12-21 | 湖南科技大学 | 一种风载发电机组传动链力学特性模拟系统及其模拟方法 |
CN106227127B (zh) * | 2016-08-08 | 2019-03-29 | 中国神华能源股份有限公司 | 发电设备智能监控装置和监控方法 |
DE102016013406B4 (de) * | 2016-11-11 | 2022-02-03 | Schenck Process Europe Gmbh | Verfahren zum Betrieb eines Zustandsüberwachungssystems einer Schwingmaschine und Zustandsüberwachungssystem |
CN106774242A (zh) * | 2016-12-01 | 2017-05-31 | 黄宏伟 | 一种发电机组模拟量控制系统的远程监测系统及方法 |
CN108204834B (zh) * | 2016-12-19 | 2020-12-08 | 北京金风科创风电设备有限公司 | 风力发电机组的状态监测方法及装置 |
CN107061183A (zh) * | 2017-01-17 | 2017-08-18 | 中山大学 | 一种海上风电机组的自动化故障诊断方法 |
CN106959652B (zh) * | 2017-05-08 | 2019-08-16 | 北京百度网讯科技有限公司 | 智能监控方法、装置和可读计算机存储介质 |
CN107220469B (zh) * | 2017-07-14 | 2020-10-30 | 华北电力大学(保定) | 一种风机状态估计的方法及系统 |
CN108334845B (zh) * | 2018-02-06 | 2022-03-22 | 北京赛博联物科技有限公司 | 数据定位方法和数据定位系统 |
CN108731923B (zh) * | 2018-03-28 | 2020-11-03 | 中控技术(西安)有限公司 | 一种旋转机械设备的故障检测方法及装置 |
CN108898765A (zh) * | 2018-05-11 | 2018-11-27 | 国网湖北省电力有限公司检修公司 | 一种基于振动信号分析的架空输电线外力破坏预警方法 |
CN109255447B (zh) * | 2018-09-19 | 2021-09-28 | 华润电力风能(威海)有限公司 | 一种振动数据的自动分析方法 |
CN109307553B (zh) * | 2018-09-27 | 2020-10-09 | 潍柴重机股份有限公司 | 基于主轴承温度偏差的主轴承检修提示方法 |
CN109254736A (zh) * | 2018-10-25 | 2019-01-22 | 北京鼎好鑫源科技有限公司 | 一种振动在线监测系统及数据自筛选存储方法 |
CN109506921B (zh) * | 2018-12-24 | 2020-09-01 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN111400959B (zh) * | 2018-12-27 | 2024-01-30 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片故障诊断方法及装置 |
CN110045719B (zh) * | 2019-04-30 | 2022-07-01 | 孚创动力控制技术(启东)有限公司 | 一种远程故障诊断方法 |
CN110319798B (zh) * | 2019-07-02 | 2022-03-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110686890B (zh) * | 2019-10-23 | 2021-08-27 | 中船动力有限公司 | 在线柴油机气阀状态检测方法 |
CN110940518B (zh) * | 2019-11-27 | 2021-08-24 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
CN110907031A (zh) * | 2019-12-04 | 2020-03-24 | 江苏方天电力技术有限公司 | 基于数据统计分析的调相机振动异动可视化监测方法 |
CN111144362B (zh) * | 2019-12-31 | 2023-07-25 | 上海数深智能科技有限公司 | 一种旋转设备振动故障特征库定期优化算法 |
CN111639621B (zh) * | 2020-06-08 | 2023-11-17 | 深圳时珍智能物联技术有限公司 | 一种传感器信号诊断故障的方法 |
CN114048261A (zh) * | 2021-09-22 | 2022-02-15 | 国家能源集团乐东发电有限公司 | 一种基于数据描述的振动矢量预警值确定方法及系统 |
CN114167282B (zh) * | 2021-12-03 | 2022-08-12 | 深圳市双合电气股份有限公司 | 一种电动机故障诊断及劣化趋势预测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393049A (zh) * | 2008-08-25 | 2009-03-25 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
CN101705908A (zh) * | 2009-12-09 | 2010-05-12 | 三一电气有限责任公司 | 风力发电机组及其状态监测系统和方法 |
CN101825893A (zh) * | 2010-05-05 | 2010-09-08 | 湖州师范学院 | 风电机组集中和远程监控、故障诊断系统 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
-
2010
- 2010-12-31 CN CN 201010623923 patent/CN102156043B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393049A (zh) * | 2008-08-25 | 2009-03-25 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
CN101705908A (zh) * | 2009-12-09 | 2010-05-12 | 三一电气有限责任公司 | 风力发电机组及其状态监测系统和方法 |
CN101825893A (zh) * | 2010-05-05 | 2010-09-08 | 湖州师范学院 | 风电机组集中和远程监控、故障诊断系统 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106525225A (zh) * | 2016-11-07 | 2017-03-22 | 南京理工大学 | 基于嵌入式计算机和采集卡的风力发电机组监测设备和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102156043A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102156043B (zh) | 风力发电机组在线状态监测与故障诊断系统 | |
Barszcz et al. | Application of spectral kurtosis for detection of a tooth crack in the planetary gear of a wind turbine | |
CN104865400B (zh) | 一种风电机组转速的检测识别方法及系统 | |
Li et al. | A new noise-controlled second-order enhanced stochastic resonance method with its application in wind turbine drivetrain fault diagnosis | |
CN110469462A (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
CN103411774B (zh) | 波动工况下的风电机组在线预警方法 | |
CN103472802B (zh) | 风力发电机组智能状态监测终端及其数据处理方法 | |
CN101858778A (zh) | 基于振动监测的风力发电机组故障自动诊断方法 | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
CN106525415B (zh) | 一种风电机组传动链健康状态评价系统及方法 | |
CN103940611B (zh) | 一种风电机组变工况下滚动轴承自适应异常检测方法 | |
CN105518295A (zh) | 风力发电装置的状态监视装置 | |
CN105787584A (zh) | 一种基于云平台的风电机群故障预警方法 | |
CN104977047A (zh) | 基于振动和油液的风电机组在线状态监测与健康评估系统及方法 | |
CN104748839A (zh) | 基于实时在线监测的水轮发电机组振动状态区域监测方法 | |
CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
CN108331718A (zh) | 风电机组偏航系统在线监测机构及故障诊断系统和方法 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
Guo et al. | Gear fault diagnosis of wind turbine based on discrete wavelet transform | |
CN109416299A (zh) | 识别风力涡轮机中的齿轮系统中的故障的方法 | |
CN110907170A (zh) | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 | |
CN111006757A (zh) | 一种风力发电机组稳态振动在线监测方法及监测系统 | |
CN108278184A (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
CN101452276B (zh) | 冷轧酸洗拉矫机齿轮箱运行状态的在线监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190320 Address after: 100085 9, four street, Shang Di information industry base, Haidian District, Beijing. Co-patentee after: Beijing Sifang Jibao Engineering Technology Co., Ltd. Patentee after: Beijing Sifang Jibao Automation Co., Ltd. Address before: 100085 9, four street, Shang Di information industry base, Haidian District, Beijing. Patentee before: Beijing Sifang Jibao Automation Co., Ltd. |