CN103234746A - 一种风电机组齿轮箱在线故障诊断装置及方法 - Google Patents

一种风电机组齿轮箱在线故障诊断装置及方法 Download PDF

Info

Publication number
CN103234746A
CN103234746A CN2013101063747A CN201310106374A CN103234746A CN 103234746 A CN103234746 A CN 103234746A CN 2013101063747 A CN2013101063747 A CN 2013101063747A CN 201310106374 A CN201310106374 A CN 201310106374A CN 103234746 A CN103234746 A CN 103234746A
Authority
CN
China
Prior art keywords
gear case
wind
generation unit
electricity generation
powered electricity
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.)
Pending
Application number
CN2013101063747A
Other languages
English (en)
Inventor
曾君
刘俊
杨俊华
杨金明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN2013101063747A priority Critical patent/CN103234746A/zh
Publication of CN103234746A publication Critical patent/CN103234746A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Wind Motors (AREA)

Abstract

本发明公开了一种风电机组齿轮箱在线故障诊断装置及方法，用于监测风电机组齿轮箱状态与诊断其故障，包括依次连接的数据采集模块、数据处理模块和数据显示模块，所述数据采集模块位于塔顶机舱，所述数据显示模块位于塔底，所述数据处理模块用于分析采集的振动信号来诊断齿轮箱的故障；数据显示模块用于显示采集的数据和诊断结果，本发明数据采集实时性好、精度高，数据处理综合了多种时频处理方法，诊断结果全面。

Description

一种风电机组齿轮箱在线故障诊断装置及方法
技术领域
本发明涉及测量领域，特别涉及一种风电机组齿轮箱在线故障诊断装置及方法。
背景技术
风力发电技术是新兴的新能源发电技术，在全世界都有广泛的应用。随着风电机组单机容量的不断扩大以及大规模风电场的投入运行，机组的故障诊断与预警是风电场安全运行的重要保障。齿轮箱是风力发电机组变速、能量传递的关键部件，其运行的稳定性会影响到整机性能，是故障发生率最高的部件，恶劣环境下，更换率有时甚至会达到80%以上。为提高齿轮箱运行的可靠性，监测其运行状态，实现故障的早期诊断及预警十分重要。
目前国内风电场安装的风电机组大部分为国产风机，但安装风机状态监测与故障诊断系统的风电场只有极少部分，而且其中大部分采用的是国外风机的配套产品，不但价格昂贵，而且与国产风电机组不匹配，使得功能和性能都不能满足要求。又由于风力机齿轮箱长期工作在复杂的变载荷工况下，其振动具有非平稳性等特点，因此传统的频谱无法有效的对其进行故障诊断。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种风电机组齿轮箱在线故障诊断装置及方法。
本发明采用如下技术方案：
一种风电机组齿轮箱在线故障诊断装置，包括依次连接的数据采集模块、数据处理模块和数据显示模块，所述数据采集模块位于塔顶，所述数据显示模块位于塔底。
所述数据采集模块包括依次连接的振动传感器、数据采集卡。
所述振动传感器为2个，分别安装在风机塔顶齿轮箱箱体的上表面和侧面，用于采集齿轮箱水平方向和垂直方向的振动信号。
所述数据显示模块具体为PC机。
所述数据处理模块与数据显示模块具体通过以太网线连接。
所述数据处理模块具体为工控机处理器。
所述数据处理模块采用如下步骤对齿轮箱的故障进行诊断；
S1接收齿轮箱水平振动方向和垂直振动方向的振动信号；
S2对信号进行FFT，得到其功率率谱波形；
S3对信号进行小波分析，得到其频谱波形
S4对信号小波包分析得到各频率段的频谱波形；
S5求取频谱波形的均方差，得到故障特征量；
S6对故障特征量进行归一化处理，得到最终故障特征量；
S7把故障特征量作为神经网络的输入样本，识别故障；
S8再综合比较S3、S4、S5的处理结果，最终确定故障类型。
本发明的有益效果：
（1）本发明综合了多种时频处理方法对采集的数据进行了分析，能够获得更为有效的特征量；
（2）本发明数据采集实时性好、精度高，诊断结果更全面。
附图说明
图1是本发明的结构示意图；
图2是本发明的工作流程图。
具体实施方式
下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，一种风电机组齿轮箱在线故障诊断装置，包括依次连接的数据采集模块、数据处理模块和数据显示模块，所述数据采集模块位于塔顶机舱，所述数据显示模块位于塔底。
所述数据采集模块包括依次连接的振动传感器、数据采集卡，所述振动传感器可以采用压电式振动传感器，数据采集卡可以采用PCI接口的数据采集卡。
所述压电式加速度振动传感器为2个，分别安装在风机塔顶齿轮箱箱体的上表面和侧面，所述振动传感器分别采集齿轮箱水平方向和垂直方向的振动信号，并传输给数据采集卡，数据采集卡将振动传感器输出的模型信号转换成数字信号发送给数据处理模块。
所述数据显示模块具体为PC机。
所述数据处理模块与数据显示模块具体通过以太网线连接。
所述数据处理模块具体为工控机处理器，可以采用研华IPC610H工控机。
如图2所示，数据处理模块采用如下步骤对齿轮箱的故障进行诊断；
S1接收齿轮箱水平振动方向和垂直振动方向的振动信号；
S2对信号进行FFT，得到其功率谱波形；
S3对信号进行小波分析，得到其频谱波形；
S4对信号小波包分析得到各频率段的频谱波形；
S5求取频谱波形的均方差，得到故障特征量；
S6对故障特征量进行归一化处理，得到最终故障特征量；
S7把故障特征量作为神经网络的输入样本，识别故障；
S8再综合比较S3、S4、S5处理结果，最终确定故障类型。
数据处理模块将处理后的数据通过以太网发送给数据显示模块进行显示，所述数据显示模块为风机塔底PC机，负责显示保存原始数据和处理后的数据，以方便风电场工作人员不用爬上塔顶就能实时查看各种原始数据和处理后的数据。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种风电机组齿轮箱在线故障诊断装置，其特征在于，包括依次连接的数据采集模块、数据处理模块和数据显示模块，所述数据采集模块位于塔顶，所述数据显示模块位于塔底。
2.根据权利要求1所述的一种风电机组齿轮箱在线故障诊断装置，其特征在于，所述数据采集模块包括依次连接的振动传感器、数据采集卡。
3.根据权利要求2所述的一种风电机组齿轮箱在线故障诊断装置，其特征在于，所述振动传感器为2个，分别安装在风机塔顶齿轮箱箱体的上表面和侧面。
4.根据权利要求1所述的一种风电机组齿轮箱在线故障诊断装置，其特征在于，所述数据显示模块具体为PC机。
5.根据权利要求1所述的一种风电机组齿轮箱在线故障诊断装置，其特征在于，所述数据处理模块与数据显示模块具体通过以太网线连接。
6.根据权利要求1所述的一种风电机组齿轮箱在线故障诊断装置，其特征在于，所述数据处理模块具体为工控机处理器。
7.根据权利要求1-6所述的一种风电机组齿轮箱在线故障诊断装置的诊断方法，其特征在于，所述数据处理模块采用如下步骤对齿轮箱的故障进行诊断；
S1接收齿轮箱水平振动方向和垂直振动方向的振动信号；
S2对信号进行FFT，得到功率谱波形；
S3对信号进行小波分析，得到其频谱波形
S4对信号小波包分析得到各频率段的频谱波形；
S5求取频谱波形的均方差，得到故障特征量；
S6对故障特征量进行归一化处理，得到最终故障特征量；
S7把故障特征量作为神经网络的输入样本，识别故障；
S8再综合比较S3、S4、S5的结果，最终确定故障类型。
CN2013101063747A 2013-03-28 2013-03-28 一种风电机组齿轮箱在线故障诊断装置及方法 Pending CN103234746A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013101063747A CN103234746A (zh) 2013-03-28 2013-03-28 一种风电机组齿轮箱在线故障诊断装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013101063747A CN103234746A (zh) 2013-03-28 2013-03-28 一种风电机组齿轮箱在线故障诊断装置及方法

Publications (1)

Publication Number Publication Date
CN103234746A true CN103234746A (zh) 2013-08-07

Family

ID=48882797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013101063747A Pending CN103234746A (zh) 2013-03-28 2013-03-28 一种风电机组齿轮箱在线故障诊断装置及方法

Country Status (1)

Country Link
CN (1) CN103234746A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472802A (zh) * 2013-09-13 2013-12-25 同济大学 风力发电机组智能状态监测终端及其数据处理方法
CN103808509A (zh) * 2014-02-19 2014-05-21 华北电力大学（保定） 一种基于人工智能算法的风机齿轮箱故障诊断方法
CN103852255A (zh) * 2013-11-15 2014-06-11 北京能高自动化技术股份有限公司 基于神经网络风力发电机组典型传动故障智能诊断方法
CN106441873A (zh) * 2016-10-31 2017-02-22 上海电机学院 一种风力发电机齿轮箱故障预警系统
CN106812917A (zh) * 2017-03-28 2017-06-09 康为同创集团有限公司 齿轮箱及轨道交通车辆
CN108426691A (zh) * 2018-03-08 2018-08-21 中国石油大学(北京) 变速旋转机械设备振动状态监测方法及装置
CN114810643A (zh) * 2021-01-29 2022-07-29 复盛股份有限公司 喘振检测方法及压缩装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050096873A1 (en) * 2002-12-30 2005-05-05 Renata Klein Method and system for diagnostics and prognostics of a mechanical system
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
CN102156043A (zh) * 2010-12-31 2011-08-17 北京四方继保自动化股份有限公司 风力发电机组在线状态监测与故障诊断系统
CN202326011U (zh) * 2011-12-08 2012-07-11 华锐风电科技(集团)股份有限公司 一种风电机组的状态监测与故障诊断系统
CN203163988U (zh) * 2013-03-28 2013-08-28 华南理工大学 一种风电机组齿轮箱在线故障诊断装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050096873A1 (en) * 2002-12-30 2005-05-05 Renata Klein Method and system for diagnostics and prognostics of a mechanical system
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
CN102156043A (zh) * 2010-12-31 2011-08-17 北京四方继保自动化股份有限公司 风力发电机组在线状态监测与故障诊断系统
CN202326011U (zh) * 2011-12-08 2012-07-11 华锐风电科技(集团)股份有限公司 一种风电机组的状态监测与故障诊断系统
CN203163988U (zh) * 2013-03-28 2013-08-28 华南理工大学 一种风电机组齿轮箱在线故障诊断装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王本永等: "基于小波包分析和BP网络识别的齿轮故障诊断", 《辽宁工程技术大学学报》, vol. 21, no. 5, 31 October 2002 (2002-10-31) *
王琼: "基于优化理论的神经网络研究及在抽油机故障诊断中的应用", 《中国博士学位论文全文数据库信息科技辑》, no. 2, 15 February 2012 (2012-02-15) *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472802A (zh) * 2013-09-13 2013-12-25 同济大学 风力发电机组智能状态监测终端及其数据处理方法
CN103472802B (zh) * 2013-09-13 2016-08-17 同济大学 风力发电机组智能状态监测终端及其数据处理方法
CN103852255A (zh) * 2013-11-15 2014-06-11 北京能高自动化技术股份有限公司 基于神经网络风力发电机组典型传动故障智能诊断方法
CN103808509A (zh) * 2014-02-19 2014-05-21 华北电力大学（保定） 一种基于人工智能算法的风机齿轮箱故障诊断方法
CN106441873A (zh) * 2016-10-31 2017-02-22 上海电机学院 一种风力发电机齿轮箱故障预警系统
CN106812917A (zh) * 2017-03-28 2017-06-09 康为同创集团有限公司 齿轮箱及轨道交通车辆
CN108426691A (zh) * 2018-03-08 2018-08-21 中国石油大学(北京) 变速旋转机械设备振动状态监测方法及装置
CN108426691B (zh) * 2018-03-08 2019-09-06 中国石油大学(北京) 变速旋转机械设备振动状态监测方法及装置
CN114810643A (zh) * 2021-01-29 2022-07-29 复盛股份有限公司 喘振检测方法及压缩装置
CN114810643B (zh) * 2021-01-29 2024-05-24 复盛股份有限公司 喘振检测方法及压缩装置

Similar Documents

Publication Publication Date Title
CN103234746A (zh) 一种风电机组齿轮箱在线故障诊断装置及方法
US10288043B2 (en) Wind turbine condition monitoring method and system
CN102102629B (zh) 一种风电机组在线数据采集与分析装置
CN102829977B (zh) 一种风力发电机组低频振动的监测方法
Zhang et al. A survey of condition monitoring and fault diagnosis toward integrated O&M for wind turbines
CN201666248U (zh) 一种天然气压缩机状态检测及故障预报系统
CN102521604B (zh) 一种基于巡检系统的设备性能退化评估装置及方法
CN201311360Y (zh) 一种振动在线监测故障诊断装置
CN203414278U (zh) 一种水电机组振动异常状态实时检测系统
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
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
CN205260225U (zh) 一种风机综合健康状态远程集中监测系统
CN103835882A (zh) 大型风力发电机组状态监测与故障诊断系统
CN104564542B (zh) 一种基于大数据技术的故障诊断系统及其诊断方法
CN203163988U (zh) 一种风电机组齿轮箱在线故障诊断装置
CN202326011U (zh) 一种风电机组的状态监测与故障诊断系统
CN103472331A (zh) 一种基于光伏物理模型的光伏发电故障诊断系统
CN102183951A (zh) 基于虚拟仪器开发平台的回转支承状态监测与故障诊断装置
CN104296986A (zh) 一种基于附加子结构的螺栓连接状态监测方法及其系统
CN104501863A (zh) 复合横担应力应变在线监测系统及其监测方法
CN202453182U (zh) 一种风电机组齿轮箱故障诊断装置
CN203881539U (zh) 一种风电机组状态监测与故障诊断装置
CN104332196A (zh) 一种用于监测反应堆控制棒驱动机构动作点的方法
CN204788494U (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
CN208431106U (zh) 风电机组偏航系统在线监测机构

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130807