CN108760037B - 一种基于频谱分析的风力发电机叶片结构损伤检测方法 - Google Patents

一种基于频谱分析的风力发电机叶片结构损伤检测方法 Download PDF

Info

Publication number
CN108760037B
CN108760037B CN201810623446.8A CN201810623446A CN108760037B CN 108760037 B CN108760037 B CN 108760037B CN 201810623446 A CN201810623446 A CN 201810623446A CN 108760037 B CN108760037 B CN 108760037B
Authority
CN
China
Prior art keywords
blade
frequency spectrum
area
driven generator
spectral
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
Application number
CN201810623446.8A
Other languages
English (en)
Other versions
CN108760037A (zh
Inventor
侯成刚
胡翔
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201810623446.8A priority Critical patent/CN108760037B/zh
Publication of CN108760037A publication Critical patent/CN108760037A/zh
Application granted granted Critical
Publication of CN108760037B publication Critical patent/CN108760037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01HMEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种基于频谱分析的风力发电机叶片结构损伤检测方法,包括以下步骤:1)计算风力发电机各叶片振动信号的频谱特征;2)计算频率大于NHz的各叶片振动信号的频谱特征的频谱面积;3)计算叶片挥舞方向叶片振动信号的频谱面积差值及各叶片摆振方向叶片振动信号的频谱面积差值;4)当各叶片挥舞方向叶片振动信号的频谱面积差值大于挥舞方向频谱面积差值的预设值时,则叶片挥舞面上出现初期损伤;当各叶片摆振方向叶片振动信号的频谱面积差值大于摆振方向频谱面积差值的预设值时,则叶片摆振面上出现初期损伤,完成基于频谱分析的风力发电机叶片结构损伤检测,该方法能够实现风力发电机叶片结构损伤的实时在线检测。

Description

一种基于频谱分析的风力发电机叶片结构损伤检测方法
技术领域
本发明属于风力发电领域,涉及一种基于频谱分析的风力发电机叶片结构损伤检测方法。
背景技术
风力发电机持续运行是保证发电效率的重要基础,为此需尽可能的避免机组停机,比如由于机组传动链出现损伤导致运行过程中的非计划停机。其中叶片损伤导致的停机时间最长,发电效率将无法保证。为了解决该问题,目前风力发电机组都安装了状态监测系统(Condition Monitoring System,CMS)对机组各部件振动进行在线监测,它可以发现机组部件的早期故障,避免严重故障导致的非计划停机。但是目前CMS并不能实现对风力发电机叶片的在线监测,尤其是对叶片的结构损伤的检测,比如雷击损伤、疲劳裂纹等。风力发电机叶片的安全完整对于保证机组安全运行、保障发电效率意义重大,因此利用叶片结构损伤检测方法对叶片实时监测具有重大工程实用价值。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种基于频谱分析的风力发电机叶片结构损伤检测方法,该方法能够实现风力发电机叶片结构损伤的实时在线检测。
为达到上述目的,本发明所述的基于频谱分析的风力发电机叶片结构损伤检测方法包括以下步骤:
1)计算风力发电机各叶片振动信号的频谱特征;
2)计算频率大于NHz的各叶片振动信号的频谱特征的频谱面积;
3)计算叶片挥舞方向叶片振动信号的频谱面积差值及各叶片摆振方向叶片振动信号的频谱面积差值;
4)当各叶片挥舞方向叶片振动信号的频谱面积差值大于挥舞方向频谱面积差值的预设值时,则叶片挥舞面上出现初期损伤;当各叶片摆振方向叶片振动信号的频谱面积差值大于摆振方向频谱面积差值的预设值时,则叶片摆振面上出现初期损伤,完成基于频谱分析的风力发电机叶片结构损伤检测。
各叶片振动信号的频谱特征包括叶片挥舞方向叶片振动信号的频谱特征及叶片摆振方向叶片振动信号的频谱特征。
步骤1)的具体操作为:获取风力发电机各叶片的振动信号,然后对风力发电机各叶片的振动信号进行傅立叶变换,得风力发电机各叶片振动信号的频谱特征,其中,所述频谱特征包括傅立叶变换后得到的频率序列及幅值序列。
步骤2)中计算频率大于150Hz的叶片振动信号的频谱特征的频谱面积。
步骤2)中计算频率大于150Hz的叶片振动信号的频谱特征的频谱面积S,其中,
Figure BDA0001698576690000021
其中,fj及magj分别为频谱特征中第j个频率及其对应幅值,n表示频谱特征中频率序列的长度。
步骤3)的具体操作为:设以A、B及C分别表示风力发电机的三个叶片,其中,A1、B1、C1代表叶片挥舞方向,A2、B2、C2代表叶片摆振方向,叶片A对应频谱面积与叶片B对应频谱面积做差,叶片B对应频谱面积与叶片C对应频谱面积做差,叶片C对应频谱面积与叶片A对应频谱面积做差,得叶片挥舞方向叶片振动信号的频谱面积差值SA1B1、SB1C1及SC1A1,其中,SA1B1=SA1-SB1,SB1C1=SB1-SC1,SC1A1=SC1-SA1
得各叶片摆振方向叶片振动信号的频谱面积差值SA2B2、SB2C2及SC2A2,其中,SA2B2=SA2-SB2,SB2C2=SB2-SC2,SC2A2=SC2-SA2
本发明具有以下有益效果:
本发明所述的基于频谱分析的风力发电机叶片结构损伤检测方法在具体操作时,通过各叶片挥舞方向叶片振动信号的频谱面积差值与挥舞方向频谱面积差值的预设值之间的关系判断各叶片挥舞面上是否出现初期损伤;同时通过各叶片摆振方向叶片振动信号的频谱面积差值与摆振方向频谱面积差值的预设值之间的关系判断各叶片摆振面上出现初期损伤,实现风力发电机叶片结构损伤实时在线检测的目的,操作方便、简单。
附图说明
图1为本发明的流程图;
图2为实施例一中风力发电机三叶片挥舞方向频谱对比;
图3为实施例一中某风场114#机组三叶片挥舞方向频谱对比图;
图4为实施例一中某风场114#机组三叶片摆振方向频谱对比图;
图5为实施例一中某风场114#机组三叶片挥舞方向频谱面积历史趋势图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
如图1所示,本发明所述的基于频谱分析的风力发电机叶片结构损伤检测方法包括以下步骤:
1)计算风力发电机各叶片振动信号的频谱特征,各叶片振动信号的频谱特征包括叶片挥舞方向叶片振动信号的频谱特征及叶片摆振方向叶片振动信号的频谱特征;
2)计算频率大于NHz的各叶片振动信号的频谱特征的频谱面积;
3)计算叶片挥舞方向叶片振动信号的频谱面积差值及各叶片摆振方向叶片振动信号的频谱面积差值;
4)当各叶片挥舞方向叶片振动信号的频谱面积差值大于挥舞方向频谱面积差值的预设值时,则叶片挥舞面上出现初期损伤;当各叶片摆振方向叶片振动信号的频谱面积差值大于摆振方向频谱面积差值的预设值时,则叶片摆振面上出现初期损伤,完成基于频谱分析的风力发电机叶片结构损伤检测,其中,频谱面积差值的预设值可以根据实际叶片面积差值数据分布情况进行确定,可根据3σ原则进行确定。
另外,通过对比分析各叶片差值的关系,可以将损伤定位到具体叶片上,这是通过分析未超过设定误差的频谱面积差值进行确定的,原因是如果某频谱面积差值超过设定阈值,说明这两个叶片中有叶片出现损伤;若其中一个叶片与第三个叶片频谱面积差值并未超过设定阈值,则可以确定出现损伤不是这两个叶片,即可最终确定出现损伤的叶片。
步骤1)的具体操作为:获取风力发电机各叶片的振动信号,然后对风力发电机各叶片的振动信号进行傅立叶变换,得风力发电机各叶片振动信号的频谱特征,其中,所述频谱特征包括傅立叶变换后得到的频率序列及幅值序列。
步骤2)中计算频率大于150Hz的叶片振动信号的频谱特征的频谱面积S,其中,
Figure BDA0001698576690000051
其中,fj及magj分别为频谱特征中第j个频率及其对应幅值,n表示频谱特征中频率序列的长度。
步骤3)的具体操作为:设以A、B及C分别表示风力发电机的三个叶片,其中,A1、B1、C1代表叶片挥舞方向,A2、B2、C2代表叶片摆振方向,叶片A对应频谱面积与叶片B对应频谱面积做差,叶片B对应频谱面积与叶片C对应频谱面积做差,叶片C对应频谱面积与叶片A对应频谱面积做差,得叶片挥舞方向叶片振动信号的频谱面积差值SA1B1、SB1C1及SC1A1,其中,SA1B1=SA1-SB1,SB1C1=SB1-SC1,SC1A1=SC1-SA1
得各叶片摆振方向叶片振动信号的频谱面积差值SA2B2、SB2C2及SC2A2,其中,SA2B2=SA2-SB2,SB2C2=SB2-SC2,SC2A2=SC2-SA2
实施例一
对某风场的风力发电机组的叶片进行检测,检测结果如图2至图5所示;
参考图2,叶片2存在叶尖裂纹,图2中显示叶片频谱150Hz以下,三叶片频谱吻合,差异微弱;150Hz以上,叶片2与叶片1及叶片3的频谱差异明显,叶片1和叶片3频谱依旧吻合,差异微小。
参考图3,通过现场检修发现叶片1挥舞方向存在雷击裂纹,而叶片2及叶片3完好。图3中显示300Hz以上的频谱,叶片1与叶片2和叶片3差异明显,而叶片2与叶片3基本吻合。
参考图4,由于叶片1损伤位置处于挥舞方向,因此图4中显示300Hz以上的频谱,叶片1、叶片2及叶片3基本吻合,差异微小。
参考图5,由图5可知叶片1的频谱面积与叶片2和叶片3差异明显,因此可直接判断叶片1与叶片2和叶片3不一致,由于叶片1挥舞方向频谱面积偏大,表明叶片1挥舞方向存在结构损伤。
同样的,通过频谱面积差值分析,亦可检测叶片1损伤,若对叶片频谱面积做差可得叶片2和叶片3频谱面积差值趋势平稳,基本为0,表明这两个叶片无损伤,状态基本一致;而叶片1和叶片2或者叶片1和叶片3的频谱面积差值,并不在0附近,差值较大,因此可确定叶片1存在损伤。

Claims (5)

1.一种基于频谱分析的风力发电机叶片结构损伤检测方法,其特征在于,包括以下步骤:
1)计算风力发电机各叶片振动信号的频谱特征;
2)计算频率大于NHz的各叶片振动信号的频谱特征的频谱面积;
3)计算叶片挥舞方向叶片振动信号的频谱面积差值及各叶片摆振方向叶片振动信号的频谱面积差值;
4)当各叶片挥舞方向叶片振动信号的频谱面积差值大于挥舞方向频谱面积差值的预设值时,则叶片挥舞面上出现初期损伤;当各叶片摆振方向叶片振动信号的频谱面积差值大于摆振方向频谱面积差值的预设值时,则叶片摆振面上出现初期损伤,完成基于频谱分析的风力发电机叶片结构损伤检测;
步骤3)的具体操作为:设以A、B及C分别表示风力发电机的三个叶片,其中,A1、B1、C1代表叶片挥舞方向,A2、B2、C2代表叶片摆振方向,叶片A对应频谱面积与叶片B对应频谱面积做差,叶片B对应频谱面积与叶片C对应频谱面积做差,叶片C对应频谱面积与叶片A对应频谱面积做差,得叶片挥舞方向叶片振动信号的频谱面积差值SA1B1、SB1C1及SC1A1,其中,SA1B1=SA1-SB1,SB1C1=SB1-SC1,SC1A1=SC1-SA1
得各叶片摆振方向叶片振动信号的频谱面积差值SA2B2、SB2C2及SC2A2,其中,SA2B2=SA2-SB2,SB2C2=SB2-SC2,SC2A2=SC2-SA2
2.根据权利要求1所述的基于频谱分析的风力发电机叶片结构损伤检测方法,其特征在于,各叶片振动信号的频谱特征包括叶片挥舞方向叶片振动信号的频谱特征及叶片摆振方向叶片振动信号的频谱特征。
3.根据权利要求1所述的基于频谱分析的风力发电机叶片结构损伤检测方法,其特征在于,步骤1)的具体操作为:获取风力发电机各叶片的振动信号,然后对风力发电机各叶片的振动信号进行傅立叶变换,得风力发电机各叶片振动信号的频谱特征,其中,所述频谱特征包括傅立叶变换后得到的频率序列及幅值序列。
4.根据权利要求1所述的基于频谱分析的风力发电机叶片结构损伤检测方法,其特征在于,步骤2)中计算频率大于150Hz的叶片振动信号的频谱特征的频谱面积。
5.根据权利要求4所述的基于频谱分析的风力发电机叶片结构损伤检测方法,其特征在于,步骤2)中计算频率大于150Hz的叶片振动信号的频谱特征的频谱面积S,其中,
Figure FDA0002285665470000021
其中,fj及magj分别为频谱特征中第j个频率及其对应幅值,n表示频谱特征中频率序列的长度。
CN201810623446.8A 2018-06-15 2018-06-15 一种基于频谱分析的风力发电机叶片结构损伤检测方法 Active CN108760037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810623446.8A CN108760037B (zh) 2018-06-15 2018-06-15 一种基于频谱分析的风力发电机叶片结构损伤检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810623446.8A CN108760037B (zh) 2018-06-15 2018-06-15 一种基于频谱分析的风力发电机叶片结构损伤检测方法

Publications (2)

Publication Number Publication Date
CN108760037A CN108760037A (zh) 2018-11-06
CN108760037B true CN108760037B (zh) 2020-03-17

Family

ID=63978446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810623446.8A Active CN108760037B (zh) 2018-06-15 2018-06-15 一种基于频谱分析的风力发电机叶片结构损伤检测方法

Country Status (1)

Country Link
CN (1) CN108760037B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109268211B (zh) * 2018-11-29 2019-10-11 河北思达歌数据科技投资有限公司 一种自适应风力发电装置
CN112556829A (zh) * 2020-11-25 2021-03-26 山东润一智能科技有限公司 一种设备振动采集监测系统和方法
CN113189483B (zh) * 2021-04-25 2022-10-28 西安交通大学 一种转频谱峰与电流极差联合推断轴流风机故障诊断方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5963527A (ja) * 1982-10-01 1984-04-11 Ishikawajima Harima Heavy Ind Co Ltd 回転機械の診断方法
CN101435799A (zh) * 2008-12-19 2009-05-20 清华大学 基于声发射技术的水轮机故障诊断方法及装置
JP2010169465A (ja) * 2009-01-21 2010-08-05 Railway Technical Res Inst 構造物の欠陥検出方法および欠陥検出装置
CN101923027A (zh) * 2010-05-28 2010-12-22 清华大学 一种结构损伤检测系统、设备以及结构损伤检测方法
CN102207404A (zh) * 2011-03-16 2011-10-05 江苏中矿立兴能源科技有限公司 一种煤矿非全长粘结锚杆横向振动固有频率无损检测方法
CN102680080A (zh) * 2012-05-03 2012-09-19 中国科学技术大学 一种基于改进的自适应形态滤波的非稳态信号检测方法
CN102788709A (zh) * 2012-08-09 2012-11-21 哈尔滨工业大学 星载电子设备多余物自动检测装置及检测方法
CN203117391U (zh) * 2013-01-14 2013-08-07 天津震东润科智能科技有限公司 一种风力发电机状态监控与智能分析系统
CN106468244A (zh) * 2015-08-21 2017-03-01 王昭男 风力发电机的叶片检测方法与装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CZ303476B6 (cs) * 2009-10-15 2012-10-10 Štarman@Stanislav Zpusob bezkontaktního monitorování turbín, zejména jednotlivých lopatek parní nebo plynové turbíny v elektrárnách, a systém k provádení tohoto zpusobu

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5963527A (ja) * 1982-10-01 1984-04-11 Ishikawajima Harima Heavy Ind Co Ltd 回転機械の診断方法
CN101435799A (zh) * 2008-12-19 2009-05-20 清华大学 基于声发射技术的水轮机故障诊断方法及装置
JP2010169465A (ja) * 2009-01-21 2010-08-05 Railway Technical Res Inst 構造物の欠陥検出方法および欠陥検出装置
CN101923027A (zh) * 2010-05-28 2010-12-22 清华大学 一种结构损伤检测系统、设备以及结构损伤检测方法
CN102207404A (zh) * 2011-03-16 2011-10-05 江苏中矿立兴能源科技有限公司 一种煤矿非全长粘结锚杆横向振动固有频率无损检测方法
CN102680080A (zh) * 2012-05-03 2012-09-19 中国科学技术大学 一种基于改进的自适应形态滤波的非稳态信号检测方法
CN102788709A (zh) * 2012-08-09 2012-11-21 哈尔滨工业大学 星载电子设备多余物自动检测装置及检测方法
CN203117391U (zh) * 2013-01-14 2013-08-07 天津震东润科智能科技有限公司 一种风力发电机状态监控与智能分析系统
CN106468244A (zh) * 2015-08-21 2017-03-01 王昭男 风力发电机的叶片检测方法与装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于短时傅里叶变换的风机叶片裂纹损伤检测;乌建中 等;《中国工程机械学报》;20140430;第12卷(第2期);第180-183页 *

Also Published As

Publication number Publication date
CN108760037A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
CN108760037B (zh) 一种基于频谱分析的风力发电机叶片结构损伤检测方法
WO2016077997A1 (en) Wind turbine condition monitoring method and system
CN105134510A (zh) 一种风力发电机组变桨系统的状态监测和故障诊断方法
CN110005580B (zh) 一种风电机组运行状态监测方法
CN105136435A (zh) 一种风力发电机组叶片故障诊断的方法和装置
CN106870298A (zh) 基于机器学习的叶根螺栓断裂故障检测方法
CN107782443B (zh) 一种风力发电机叶片固有频率自动提取方法
CN104101652B (zh) 一种基于音频信号的风电叶片损伤监测方法及监测系统
CN104074687B (zh) 一种用于兆瓦级风电机组的载荷及性能测试方法及装置
CN104198138A (zh) 一种风力发电机组异常振动的预警方法及系统
CN103711645A (zh) 基于建模参数特征分析的风力发电机组状态评估方法
CN108021026B (zh) 一种风力发电机组故障预警及控制参数在线优化方法
CN103018601A (zh) 一种风力发电系统中变流器的一级故障诊断方法
CN105065212A (zh) 一种风电场风电机组校验方法及系统
CN103925155A (zh) 一种风电机组输出功率异常的自适应检测方法
CN110222393B (zh) 基于细粒度风电发电状态划分的风机叶片结冰异常监测方法
An et al. Application of back propagation neural network to fault diagnosis of direct-drive wind turbine
Joshuva et al. Rough set theory based blade condition classification on wind turbine through statistical features
CN108278184A (zh) 基于经验模态分解的风电机组叶轮不平衡监测方法
CN117552936A (zh) 一种风电机组叶片状态监测系统及方法
CN116398378A (zh) 一种风电机组叶片多维状态监测装置及方法
CN115898925B (zh) 一种基于振动信号多阶矩的风机故障预警方法
Liu et al. Data-driven fault identification of ageing wind turbine
CN114542402A (zh) 一种基于多参量分析的风电叶片故障类型在线诊断方法及系统
CN111794921B (zh) 一种基于迁移成分分析的陆上风电机组叶片结冰诊断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant