CN104865400B - 一种风电机组转速的检测识别方法及系统 - Google Patents

Abstract

本发明公开了一种风电机组转速的检测识别方法及系统，通过测取风电机组发电机轴承座振动加速度信号，首先去除信号中的趋势项和进行带通滤波，滤波通带的上下截止频率分别取双馈式风电机组发电机轴的最低和最高旋转频率；对滤波后的信号做奇异值降噪处理，提出带通信号中的突出旋转频率成分；最后对滤波降噪后的信号进行离散傅里叶变换，利用内插傅里叶变换法得到转子旋转频率的估计值。该方法可以给出发电机转子旋转频率的精确估计，为不同部件的故障特征提取提供必要的转速信息，不需要通过安装转速测量系统来获取转子转速信号，简化了振动监测系统，降低了系统成本，易于工程实施。

Description

一种风电机组转速的检测识别方法及系统

技术领域

本发明机械设备运行参数的检测技术领域，尤其涉及一种风电机组转速的检测识别方法及系统。

背景技术

风力发电机组是实现将风能转换成电能的设备，其核心部分是由风轮、传动链、发电机构成的能量转换和传递系统。风轮将风能转换成旋转机械能，经过传动链传给发电机转子，发电机实现旋转机械能到电能的转换。风力发电机组通常安装在较差的地区，而且风速、载荷和风轮转速连续变化，导致机组运行工况复杂，极易造成风轮、传动链、发电机等承受载荷部件出现故障甚至损坏，而且风电场机组分布范围广，出现故障不易及时发现和维修，影响机组的安全经济性。随着风电机组投运数量、单机容量的不断增长，以及海上风电规模的逐渐扩大，提升风电机组检修技术水平成为风电运行企业的迫切需求，因此风电机组运行状态监测与故障诊断技术逐渐引起高度关注。风电机组的机械故障主要发生在风轮至发电机的整个传动链上的各个零部件，包括主轴轴承、增速齿轮箱内的各级齿轮及轴承、发电机转子轴承等。与一般机械设备中的传动链相比，风电机组传动链的载荷状态、运行工况、环境条件和结构布局等方面均比较复杂，导致传动链中齿轮、轴承等主要零部件的故障机理和故障发展模式等存在特殊性，因此故障率高于其它行业的同类设备，实际使用寿命远远低于设计寿命。

转速是旋转机械设备的主要参数之一，也是旋转机械设备故障诊断的一个重要参数，特别是对于风电机组这类变速变载旋转机械设备，其振动特性受转速的影响非常明显。有无转速信息，对于机组设备运行状态的判断及故障特征提取的效果影响非常大。大型风电机组设备通常在风轮低速主轴和发电机高速转子末端安装有转速测点，将转速信号接入机组监控系统。振动监测系统一般为独立运行的系统，主要监测各个部件的振动加速度信号和必要的运行参数，如机组的输出功率、转速等。为了避免影响机组监控系统的正常运行，振动监测系统的信号通常取自独立安装的各种传感器测点。振动加速度传感器的现场安装比较方便，而测量转速的传感器安装相对困难，受到机组现场条件的限制。对于便携式振动监测系统，转速传感器的安装和信号获取问题更加突出。

发明内容

为了解决上述问题，本发明提出一种风电机组转速的检测识别方法，包括：

步骤1、通过安装在发电机转子前后两端支撑轴承座上的振动加速度传感器来检测发电机结构振动加速度信号；对振动加速度信号进行预处理，去除信号中的趋势项和直流分量；

步骤2、对信号进行窄带滤波处理，窄带滤波的上下截止频率分别取双馈式风电机组发电机的最低和最高旋转频率；

步骤3、对滤波后的信号做奇异值降噪处理，提高窄带信号的信噪比，突出振动信号中的旋转频率成分；

步骤4、对降噪后的信号进行离散傅里叶变换，得到信号的离散频谱，利用内插法得到转子旋转频率的估计值；

步骤5、根据旋转频率估计值，计算发电机转子的转速，并根据增速齿轮箱内的传动齿轮结构和齿轮齿数，计算齿轮箱中各级齿轮轴的转速以及风轮低速主轴的转速。

所述步骤1中某一端支撑轴承座上的振动加速度信号x(n)经过窄带滤波处理后得到带通信号将其当做一个噪声干扰的正弦信号，即：

式中N为有限长信号的数据点数，u(n)为干扰噪声，f₀为信号频率，A₀为正弦信号的幅值、为正弦信号的初始相位

所述步骤3中包括对滤波信号进行相空间重构，得到重构相空间矩阵A，然后对A进行奇异值分解，奇异值分解公式为：U^TAV＝Σ，U、V分别为分解矩阵；分解得到信号的奇异值矩阵Σ，其中包含N个按大小排序的奇异值；保留Σ中最大的K个奇异值，K<N，然后做反变换，即A′＝UΣV^T，由反变换得到的相空间矩阵A′进行重构信号，从而获得了降噪信号。

所述步骤4对经过窄带滤波和奇异值降噪后的信号进行离散傅里叶变换，得到信号的离散频谱|X(m)|；如果信号不满足整周期截取的条件，离散幅值谱中的峰值点m偏离信号频率f₀，存在偏差θ；采用内插法求出偏差的估计值偏差估计值的计算公式为：

式中，如果|X(m+1)|>|X(m-1)|，取变量α＝1，否则取变量α＝-1，m为正整数。

所述步骤4中根据偏差估计值求出旋转频率的估计值计算公式为：

其中，频率估计值的最大误差Δf为离散频谱的频率间隔，f_s为离散信号的采样频率，m为正整数，为偏差的估计值；N为有限长信号的数据点数。

所述整周期截取的条件为：式中，B为截短窗宽度，T₀为信号的周期，N为有限长信号的数据点数，f₀为信号的频率，f_s为离散信号的采样频率，m为正整数，θ为偏差。

一种风电机组转速的检测识别系统，包括：振动传感器、数据采集器、振动监测工作站，振动传感器安装在发电机转子前后两端支撑轴承座上，数据采集器分别与振动传感器和振动监测工作站相连；

所述振动监测工作站包括依次相连的：窄带滤波模块、奇异值降噪模块、频率估算模块、转速计算模块；

其中，窄带滤波模块对采集到的振动加速度信号进行窄带滤波处理，窄带滤波的上下截止频率分别取双馈式风电机组发电机的最低和最高旋转频率；

奇异值降噪模块对滤波后的信号做奇异值降噪处理，提高窄带信号的信噪比，突出振动信号中的旋转频率成分；

频率估算模块对降噪后的信号进行离散傅里叶变换，得到信号的离散频谱，利用内插法得到转子旋转频率的估计值；

转速计算模块根据旋转频率估计值，计算发电机转子的转速，并根据增速齿轮箱内的传动齿轮结构和齿轮齿数，计算齿轮箱中各级齿轮轴的转速以及风轮低速主轴的转速。

本发明的有益效果在于：

1)本方法直接使用振动监测系统中的振动加速度测量信号提取转速信息，不需要通过安装转速测量系统来获取转子转速信号，简化了振动监测系统，降低了系统成本。

2)本方法只对风电机组结构振动加速度信号进行分析处理，就能得到旋转频率的比较精确估计值，并进一步换算成转速。旋转频率估计值可以达到较高的精度，满足振动监测与故障诊断的需求。

3)风电机组的结构振动是由许多激励源共同作用的结果，振动加速度信号包含复杂的频率成分，对旋转频率识别效果产生影响。采用窄带频率技术可以滤除与旋转频率无关的频率成分，而将旋转频率成分突出出来。提高转速估计的精度。

4)由于振动监测系统安装在实际运行的机组设备上，现场条件复杂，振动监测信号往往受到较强的干扰噪声的影响。其中随机干扰噪声分布在较宽的频域范围，对旋转频率估计精度的影响较大。采用奇异值分解降噪可以有效地抑制宽频带干扰噪声的影响，进一步突出旋转频率成分，提供旋转频率估计精度。

5)本发明的方法不需要在被检测设备上另外安装硬件设备，因此不会对运行造成影响，简单方便，易于工程实施。

附图说明

图1为转速检测方法的硬件系统示意图

图2为原始信号、带通滤波信号、奇异值降噪信号对比

图3为信号的离散幅值谱示意图

具体实施方式

下面结合附图，对优选实施例作详细说明。

一种风电机组转速的检测识别系统，如图1所示，包括：振动传感器、数据采集器、振动监测工作站，振动传感器安装在发电机转子前后两端支撑轴承座上，数据采集器分别与振动传感器和振动监测工作站相连；

所述振动监测工作站包括依次相连的：窄带滤波模块、奇异值降噪模块、频率估算模块、转速计算模块；

其中，窄带滤波模块对采集到的振动加速度信号进行窄带滤波处理，窄带滤波的上下截止频率分别取双馈式风电机组发电机的最低和最高旋转频率；

奇异值降噪模块对滤波后的信号做奇异值降噪处理，提高窄带信号的信噪比，突出振动信号中的旋转频率成分；

频率估算模块对降噪后的信号进行离散傅里叶变换，得到信号的离散频谱，利用内插法得到转子旋转频率的估计值；

转速计算模块根据旋转频率估计值，计算发电机转子的转速，并根据增速齿轮箱内的传动齿轮结构和齿轮齿数，计算齿轮箱中各级齿轮轴的转速以及风轮低速主轴的转速。

本发明的转速检测与估计的原理是，转子不平衡是发电机结构振动的主要激励源之一，由于转子不平衡或多或少总是存在，因此发电机结构振动中总是包含转子不平衡引起的周期振动成分，根据振动理论，该周期振动成分的基频即为发电机转子的旋转频率。通过安装在发电机转子两端支撑轴承座上的振动加速度传感器，可以拾取发电机结构振动信号，其中就包含转子旋转频率的信息。通过对测量振动信号的分析处理，可以给出发电机转子旋转频率的精确估计，从而进一步换算出发电机转子转速，以及传动链上各个旋转部件的转速，为不同部件的故障特征提取提供转速必要的转速信息。

本发明提供了一种风电机组转速检测方法，具体包括：

(一)在风电机组的发电机转子两端靠近支撑轴承部位分别安装压电振动加速度传感器。传感器输出信号经过信号调理电路进行放大和抗混叠滤波后，进行模数转换，得到发电机转子前后两端的结构振动加速度信号x(n)，y(n)。采集得到的数字信号经过预处理后，存入计算机进行分析处理。

(二)对经过预处理的振动加速度信号x(n)进行数字带通滤波，得到带通滤波信号理想带通滤波器的频响函数表达式为：

式中，f₁为下限截止频率，f₂为上限截止频率。滤波截止频率根据风电机组发电机的工作转速范围进行设定。经过带通滤波后，振动加速度信号中的旋转频率成分凸显出来，可以视为一个噪声干扰的正弦信号，即：

式中N为有限长信号的数据点数，u(n)为干扰噪声。

(三)对带通滤波信号进行奇异值分解降噪，提高带通信号的信噪比。具体过程为，对信号在一定的延迟时间和嵌入维数下进行相空间重构，得到重构相空间矩阵A，然后对A进行奇异值分解。奇异值分解公式为：

U^TAV＝Σ

分解得到信号的奇异值矩阵Σ，其中包含若干个按大小排序的奇异值。保留Σ中最大的几个奇异值，然后做反变换，即

A′＝UΣV^T

有反变换得到的相空间矩阵A′进行重构信号，从而获得了降噪信号x′(n)。

图2示出实测风电机组发电机驱动端轴承座振动加速度信号x(n)、带通滤波信号奇异值降噪后信号x′(n)的对比，可见经过带通滤波和奇异值降噪后，信号中的旋转频率成分被提取出来。

(四)对经过带通滤波和奇异值降噪后的信号x′(n)进行离散傅里叶变换，得到信号的离散频谱。如果带通滤波降噪信号不满足整周期截取的条件，即：

式中，B为截短窗宽度，T₀为信号的周期，f₀为信号的频率，f_s为离散信号的采样频率，m为正整数。

N点非整周期截取信号x′(n)的幅值谱表达式如下：

图3为信号x′(n)的离散幅值谱示意图。由于非整周期采样，使得频域离散峰值点m偏离f₀，偏差为θ。如果直接采用峰值点m对应的频率作为旋转频率的估计值，由于存在频域泄漏问题，使得频率估计值的误差较大，最大误差可以达到：

对于非整周期采样的正弦信号，其离散幅值谱|X(k)|的能量主要集中在峰值点|X(m)|及其两个相邻点|X(m+1)|和|X(m-1)|上。利用这三点的幅值信息，通过内插法可以实现旋转频率的精确估计。内插法频率估计分以下三步实现：

(1)找出信号离散幅值谱中的最大值|X(m)|及其对应的点m。

(2)根据下式m点与旋转频率f₀对应点偏差θ的估计值：

式中，如果|X(m+1)|>|X(m-1)|，取α＝1，否则取α＝-1。

(3)根据下式求出旋转频率的估计值

根据旋转频率估计值，可以按照下式计算得到发电机转子的转速估计值，实现转速识别

(五)对连续采集的振动信号，取每N点按照上述(一)至(四)的步骤进行转速估计，可以得到风电机组转速的连续变化曲线。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.一种风电机组转速的检测识别方法，其特征在于，包括：

步骤1、通过安装在发电机转子前后两端支撑轴承座上的振动加速度传感器来检测发电机结构振动加速度信号；对振动加速度信号进行预处理，去除信号中的趋势项和直流分量；

步骤2、对信号进行窄带滤波处理，窄带滤波的上下截止频率分别取双馈式风电机组发电机的最低和最高旋转频率；

步骤3、对滤波后的信号做奇异值降噪处理，提高窄带信号的信噪比，突出振动信号中的旋转频率成分；

步骤4、对降噪后的信号进行离散傅里叶变换，得到信号的离散频谱，利用内插法得到转子旋转频率的估计值；

步骤5、根据旋转频率估计值，计算发电机转子的转速，并根据增速齿轮箱内的传动齿轮结构和齿轮齿数，计算齿轮箱中各级齿轮轴的转速以及风轮低速主轴的转速；

所述步骤1中某一端支撑轴承座上的振动加速度信号x(n)经过窄带滤波处理后得到带通信号将其当做一个噪声干扰的正弦信号，即：

式中N为有限长信号的数据点数，u(n)为干扰噪声，f₀为信号频率，A₀为正弦信号的幅值，为正弦信号的初始相位；

所述步骤3中包括对滤波信号进行相空间重构，得到重构相空间矩阵A，然后对A进行奇异值分解，奇异值分解公式为：U^TAV＝Σ，U、V分别为分解矩阵；分解得到信号的奇异值矩阵Σ，其中包含N个按大小排序的奇异值；保留Σ中最大的K个奇异值，K<N，然后做反变换，即A′＝UΣV^T，由反变换得到的相空间矩阵A′进行重构信号，从而获得了降噪信号；

所述步骤4对经过窄带滤波和奇异值降噪后的信号进行离散傅里叶变换，得到信号的离散频谱|X(m)|；如果信号不满足整周期截取的条件，离散幅值谱中的峰值点m偏离信号频率f₀，存在偏差θ；采用内插法求出偏差的估计值偏差估计值的计算公式为：

式中，如果|X(m+1)|>|X(m-1)|，取变量α＝1，否则取变量α＝-1，m为正整数；

所述步骤4中根据偏差估计值求出旋转频率的估计值计算公式为：

其中，频率估计值的最大误差Δf为离散频谱的频率间隔，f_s为离散信号的采样频率，m为正整数，为偏差的估计值；N为有限长信号的数据点数；

所述整周期截取的条件为：式中，B为截短窗宽度，T₀为信号的周期，N为有限长信号的数据点数，f₀为信号的频率，f_s为离散信号的采样频率，m为正整数，θ为偏差。