CN109477464A - 机械设备,尤其是风力涡轮机的状态监控 - Google Patents
机械设备,尤其是风力涡轮机的状态监控 Download PDFInfo
- Publication number
- CN109477464A CN109477464A CN201780040028.XA CN201780040028A CN109477464A CN 109477464 A CN109477464 A CN 109477464A CN 201780040028 A CN201780040028 A CN 201780040028A CN 109477464 A CN109477464 A CN 109477464A
- Authority
- CN
- China
- Prior art keywords
- signal
- value
- data set
- assessment
- parameter data
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 44
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 238000012806 monitoring device Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 11
- 230000000153 supplemental effect Effects 0.000 claims description 7
- 230000002950 deficient Effects 0.000 description 22
- 238000001514 detection method Methods 0.000 description 19
- 230000005540 biological transmission Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 108010066114 cabin-2 Proteins 0.000 description 5
- 238000005461 lubrication Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 239000000314 lubricant Substances 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
- F03D17/005—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks
- F03D17/0065—Monitoring or testing of wind motors, e.g. diagnostics using computation methods, e.g. neural networks for diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/303—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/303—Temperature
- F05B2270/3032—Temperature excessive temperatures, e.g. caused by overheating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种用于监控机械设备,尤其是风力涡轮机,的至少一个部件的状态的方法,该方法包括以下步骤:(i)接收基于在设备中记录的测量量的值形成的评估信号,(ii)基于与代表设备的应力的信号有关的评估信号和/或基于评估信号的频谱分析确定至少一个参数数据集,(iii)评估与至少一个参数数据集有关的指示符信号,并且确定与指示符信号有关的设备的部件的状态。此外,本发明涉及用于实施该方法的计算机程序和适用于实施该方法的设备。
Description
技术领域
本发明涉及机械设备的状态监控。特别地,本发明涉及一种用于监控机械设备的至少一个部件的状态的方法和设施。机械设备尤其可以是风力涡轮机。
背景技术
风力涡轮机和其它机械设备已经配备了一系列用于操作监控装置的传感器,诸如温度传感器,以记录轴承的温度。所述传感器的测量数据由设备控制系统用于控制设备。此外,测量数据可以由设备控制系统和/或监控中心使用,用于检测设备的轴承或其它部件的突发故障或失灵。
在这种突发故障的情况下,通常只能在维修后进一步操作设备,并且通常需要较长的不期望的设备停机时间,直到进行这种维修为止。此外,一个部件的故障可能导致设备的另外的部件的后续损伤,这些部件也必须被维修和/或替换以重新开始设备的操作。
因此,希望避免机械设备的部件故障。在这种情况下,部件的故障通常是损伤在部件上存在较长时间的结果。如果及早发现这种损伤,则可以执行部件的及时维护,在该及时维护的过程中,可以在发生故障之前维修或替换所讨论的部件。因此可以防止更长的设备停机时间或其它部件的后续损伤。
用于在机械设备,特别是具有旋转元件的设备的部件上早期检测损伤的已知方法尤其包括对借助于加速度传感器执行的振动测量的评估。该过程包括验证具有已知临界频率的振荡是否以高振幅存在,该振荡是针对损伤的特征。另外的已知方法包括检查油样本和内窥镜检查。但是与振动检查的程度相同,这些方法具有工作密集的缺点。这意味着这些方法需要复杂的附加传感器系统。此外,这些方法通常只能由设备的技术人员手动执行。
因此,本发明的目的是使得能够在机械设备的部件上更容易地早期检测损伤。
发明内容
根据本发明的一个方面,该问题通过一种用于监控机械设备,尤其是风力涡轮机的至少一个部件的状态的方法来解决,该方法包括以下步骤:(i)接收基于记录在设备中的测量量的值形成的评估信号,(ii)基于与代表设备的应力的信号有关的评估信号或基于评估信号的频谱分析建立至少一个参数数据集,(iii)确定与该至少一个参数数据集有关的指示符信号,并且确定与指示符信号有关的设备的部件的状态,其中与由损伤引起的旋转部件和/或其轴承的振动频率无关地执行状态确定。
对与代表设备的应力的信号有关的至少一个参数数据集的确定使得能够从评估信号中获取数据,基于该数据可以在部件发生故障之前检测到部件的损伤(即缺陷和/或磨损)。特别地,可以以这种方式确定针对机械设备的相关参数数据集,该机械设备的应力由于外部影响而改变(在风力涡轮机的情况下,所述外部影响尤其包括风力涡轮机所暴露的风力条件)。设备的不同应力水平通常会导致记录在设备中并且与部件的损伤无关的测量量波动。通过基于代表设备的应力的信号确定要评估的参数数据集,可以在很大程度上屏蔽所述波动。因此,可以针对基于关于要识别的损伤具有更高重要性的评估信号确定的这种参数值执行评估。因此,首先改善和/或允许早期检测损伤。
令人惊讶的是,在基于频谱分析建立至少单一参数数据集的过程中可以实现类似的优点。在这方面,假设与无缺陷的部件的情况相比,评估信号和/或测量量在有缺陷的部件的情况下对于特定的外部影响条件更强烈反应(更强烈增加或减少)。这些影响条件通常以特定频率定期重复,以便在有缺陷的部件的情况下,在评估信号的频谱中针对该频率出现更大的振幅,这是针对损伤的指示。因此,可以借助于频谱分析检测出部件是否以特殊方式对于以相关频率发生的所讨论的事件做出反应以及该部件是否有故障。
因此,根据本发明的损伤检测尤其不同于当已知损伤频率具有大振幅时基于振动测量检测旋转设备部件或它们的轴承的损伤的方法。这是因为频率在这种情况下是在由于部件的结构设计而存在的损伤的情况下所产生的频率,而不是外部影响的频率。在它们的基础上,可以在不知道部件特定属性的情况下检测损伤。
在这方面,尤其还提供:与由损伤引起的旋转部件和/或其轴承的振动频率无关地执行部件状态的确定。所述频率应特别理解为旋转部件和/或其轴承的定位变型的频率,可以基于这种设备元件的位置或加速度数据确定该频率。虽然这种振动也可以在根据本发明评估的测量数据中将其自身表现出来,但是并非针对状态确定而评估它们。在本发明的实施方式中,另外提供:测量量不代表旋转部件和/或其轴承的振动。
本发明的实施方式提供:基于频谱分析确定针对关于评估信号的多个时间相位的频谱部分的振幅,并且基于所建立的振幅形成至少一个参数数据集。在相关实施方式中,指示符信号指示出关于多个时间相位的频谱部分的振幅的值。频谱分析尤其可以包括分别针对评估信号的时间相位之一执行的傅里叶变换。同样,规范分析可以包括小波分析,其中可以使用具有分别对应于评估信号的一个时间相位的时间局部性的小波。
在本发明的另外的实施方式中,至少一个参数数据集被确定为与评估信号的值有关,该值从与代表设备的应力的信号有关的评估信号中选出。因此,至少一个参数数据集还可以包括(在至少一个计算步骤中)从所选出的评估信号的值推导出的值。本发明的另外的实施方式提供:至少一个参数数据集包括从与代表设备的应力的信号有关的评估信号中选出的值。在该变型中提供:直接采用针对参数数据集的评估信号的值。
本发明的实施方式还提供:形成一个或多个参数数据集,该一个或多个参数数据集中的每一个参数数据集包含结合代表预定值区间内的设备的应力的信号的值确定的评估信号的值的时间平均值。在本发明的相关变型中,指示符信号代表不同参数数据集的时间平均值之间的扩展和/或代表参数数据集的时间平均值。这些实施方式基于以下观察:在发生损伤时,已经以这种方式形成的参数数据集的平均值之间的扩展改变(特别是增加),并且基于以下观察:在发生损伤时,平均值自身在已经以这种方式形成的参数数据集中改变。
代表设备的应力的信号尤其可以指示设备产生的功率。在前面提到的实施方式中,该信号的预定值区间在这种情况下对应于预定的功率等级。因此,参数数据集包括评估信号的值的平均值,每个值在特定功率等级中结合设备的操作确定。
在本发明的另外的实施方式中提供:形成至少一个参数数据集,其包含结合代表预定值区间内的设备的应力的信号的值确定的评估信号的值,并且还提供:指示符信号代表被包括参数数据集中的值在连续时间区间中的扩展。该实施方式基于以下发现:结合代表设备的应力并且在预定值区间内的信号的值确定的评估信号的值的扩展也可以是针对存在损伤的指示。
本发明的实施方式还提供:形成至少一个参数数据集,其包括结合代表设备的应力的信号从第一到第二值区间的转变确定的评估信号的值之间的差异,并且其中指示符信号指示出差异的值。该实施方式使用以下观察:与无缺陷的部件的情况相比,评估信号通常在应力改变的情况下更强烈改变。
在本发明的另外的实施方式中,形成至少一个参数数据集,其包括结合代表设备的应力的信号的时间相位确定的评估信号的值,信号的进程在该时间相位中彼此相似。因此,除了与评估信号的值相关联的当前应力之外,还可以考虑应力的时间进程。据观察,这通常也会对评估信号的进程产生影响。通过基于结合代表设备的应力的信号的区段确定的评估信号的值形成一个或多个参数数据集,可以减少关于检测损伤的这种不期望的影响,该区段具有相似时间进程。在该实施方式中,特别是通过使用适当的相似性测量,可以确定信号进程的相似性,其中如果相似性测量小于预定阈值,则可以检测出相似性。
在本发明的相关实施方式中,指示符信号代表评估信号在评估信号与代表设备的应力的信号的时间相位相对应的时间相位内的值和/或值的改变,在该应力的信号的时间相位中该信号的进程彼此相似。这是基于以下发现:在部件的损伤发生时,评估信号的值通常在先前解释的参数数据集以及它们的变型内显著改变(与代表设备的应力的信号有关)。
评估信号可以包括记录在设备中用于测量量或者可以从这些测量值推导出的测量值。特别地,评估信号可以包含测量值的分别针对连续时间区间计算出的平均值。这在先前借助于远程数据传输或以类似的方式传输所接收的评估信号的情况下特别有利,因为可以通过传输平均值而不是测量值来减少要传输的数据量。附加地或替代地,可以以不同方式从测量值推导出评估信号。例如,评估信号可以包括测量值和另外的值的差异。因此,在要评估温度测量值的情况下,评估信号可以包括例如部件的温度与环境温度之间的差异,以便屏蔽环境温度的影响(该影响特别是取决于一年中或一天中的时间)。
测量量尤其可以是温度。该测量量特别适合于关于针对旋转机器元件或包括这种轴承的部件早期检测轴承中的损伤的评估,因为轴承损伤改变(通常增加)摩擦热的产生。但是也可以针对评估使用其它测量值。
还可以提供:当指示符信号达到预定阈值时,基于指示符信号检测部件的损伤指示。该阈值可以被预先确定为绝对值或关于针对特定时间点和/或针对特定条件(诸如使用完全无缺陷的部件)确定的指示符信号的值的相对值。
根据另外的方面,本发明提出了一种计算机程序,其包括程序代码,当计算机程序在计算机系统上运行时,该程序代码提示计算机系统实施根据权利要求1-13之一所述的方法。
此外,根据另外的方面,本发明提出了一种监控装置,用于监控机械装置,尤其是风力涡轮机的至少一个部件的状态,其中监控装置设计成(i)接收基于记录在设备中的测量量的值形成的评估信号,(ii)基于与代表设备的应力的信号有关的评估信号和/或基于评估信号的频谱分析确定至少一个参数数据集,(iii)建立与至少一个参数数据集有关的指示符信号并且确定与指示符信号有关的设备的部件的状态,其中与由损伤引起的旋转部件和/或其轴承的振动频率无关地执行状态确定。
根据权利要求14所述的计算机程序、根据权利要求15所述的监控装置以及根据权利要求1所述的方法具有类似和/或相同的实施方式,该实施方式尤其在从属权利要求中指示出。此外,以上和从属权利要求中指示出的变型的组合也代表本发明的实施方式。
附图说明
基于附图,基于以下本发明的实施方式的描述,本发明的这个和另外的特征也变得清楚。附图示出:
图1是风力涡轮机的部件的示例性和示意性显示,
图2是指示出针对风力涡轮机的发电机轴承的不同功率等级中的温度平均值的示例性图表,
图3是用于说明风力涡轮机的主轴承的温度的分位数的示例性图表,
图4是用于说明针对风力涡轮机的发电机轴承的两个功率等级之间的过渡期间的温差的示例性图表,
图5a是示出针对具有类似进程的风力涡轮机的功率信号的区段的示例性图表,
图5b是示出针对风力涡轮机的主轴承的温度信号的示例性图表,该温度信号与功率信号的区段相关联,
图6是示出针对风力涡轮机变速箱的变速箱润滑剂的温度信号以及相关联的趋势曲线的示例性图表,以及
图7是示出针对风力涡轮机的主轴承的温度的振幅密度谱的示例性图表。
具体实施方式
在下文中,将特别地关于检测风力涡轮机1的有缺陷的部件来解释本发明的实施方式。然而,也可以以类似的方式检测其它机械设备的有缺陷的部件。
图1示出了用于基于风产生电力的风力涡轮机1的部件,该风力涡轮机具有安装在塔架3上的机舱2。可以包括例如两个或三个转子叶片5的转子4设置在机舱2上。转子4,也称为空气动力转子,设定为在操作期间通过风进行旋转运动,因此在机舱2中驱动发电机5。结果,发电机5产生由风力涡轮机提供的电力,该电力——在需要时提供的发电机5的输出信号的变换之后——例如可以馈送到电网中。转子叶片相对于风的设定角度(也称为桨距)可以通过设备控制系统改变,特别是针对不同风况将转子4的速度和/或角动量分别设定至所需的值。
转子2可以安装在机舱2内由轴承7支撑的主轴6上,该轴承在本文中也称为主轴承并且例如可以形成为球形滚子轴承。主轴2可选地连接到变速箱8,该变速箱经由联轴器9与发电机5连接。变速箱8将转子4的速度转换成更高的速度,借助于该速度驱动发电机5。同样,也可以直接驱动发电机8,即不通过变速箱8转换。
风力涡轮机1还具有一系列传感器,用于在风力涡轮机1内记录测量信号。测量信号尤其通过以原则上对于技术人员已知的方式控制与测量信号有关的风力涡轮机1的操作的设备控制系统(图中未示出)评估。如下面更详细地解释的,另外评估测量信号以监控一个或多个部件的状态。可以由设置在风力涡轮机中的监控装置10执行评估。类似地,监控装置10可以在距风力涡轮机1一定距离处设置在可以连接到多个风力涡轮机的监控中心11中。在这种情况下,测量信号通过远程数据传输从风力涡轮机1传输到监控中心11并从那里转发到监控装置10。
监控装置10优选地设计为运行软件的计算机系统,该软件提供用于实施对测量信号的评估的功能。在自动检测出风力涡轮机1的部件损伤的情况下,计算机系统特别地发出相关消息。同样地,测量数据以及相关联的参数数据和指示符信号可以显示并且由监控装置10的操作员评估,以便检测损伤。基于该消息例如可以提示并且执行有缺陷的部件的维修和/或替换。
风力涡轮机1的传感器系统包括多个传感器,该传感器记录受到部件状态影响的风力涡轮机1的各个部件的操作数据。这些传感器在下文中也称为部件传感器。利用部件传感器记录的操作数据由监控装置10评估,以便检测相应部件的损伤。在这种情况下,优选地以这种方式选择操作数据,使得它们可以分配给风力涡轮机1的各个部件,并且它们不受或几乎不受其它部件的状态的影响。针对这种操作数据的示例包括针对各个部件的温度数据。然而,以相同的方式,也可以评估其它操作数据。在需要考虑到记录在风力涡轮机中的另外的数据的情况下,对部件传感器的测量信号的评估在针对一个或多个部件传感器的监控装置10中执行。在对多个部件传感器的信号的评估的情况下,评估由此针对每个测量信号单独地发生,以便检测信号所涉及的风力涡轮机1的部件上的相应损伤。
在下文中,以示例性方式并且尤其参考由风力涡轮机1的温度传感器记录的温度数据。在这个背景下,可以提供第一温度传感器12,其测量主轴承7的温度,并且其测量信号使得能够检测主轴承的损伤。可以提供另外的温度传感器13,用于记录发电机5的轴承的温度,其中可以基于温度传感器的测量信号检测发电机轴承的损伤。此外,可以借助于热交换器冷却发电机,该热交换器将由发电机5产生的热能传递给借助于鼓风机从机舱2排出的气流。在这个背景下,可以提供另外的温度传感器14,用于测量热交换器内或热交换器的排出侧的气流温度。可以通过对温度传感器的信号的评估检测发电机的损伤。此外,可以提供温度传感器15,其记录变速箱润滑剂在润滑剂贮槽中的温度,并且其测量信号使得能够检测变速箱的损伤。
之前提到的温度传感器在下文中也将称为部件温度传感器。另外,风力涡轮机优选地具有另外的温度传感器17,其记录机舱内的环境温度,在下文中也将称为机舱温度。由此在与加热的风力涡轮机1的部件足够远的合适位置处记录机舱温度。对于对部件温度传感器的测量数据的评估,监控装置10可以分别形成部件温度传感器的温度信号与机舱温度信号(在下文中也将称为已调节温度信号)之间的差异。通过形成差异,可以补偿由于机舱的环境温度改变(例如在夏季和冬季可能强烈不同)引起的温度改变,因为环境温度通常会以相同程度影响机舱温度和部件的温度。
此外,在一个变型中由风力涡轮机1提供至少一个应力信号,该应力信号代表风力涡轮机1的应力并且可以用于对部件传感器的测量数据的评估。风力涡轮机的应力首先与风力条件有关地改变,其中与较低风速的情况相比,风力涡轮机1及其部件在较高风速的情况下暴露于较高的应力。因此,应力信号可以适应于至到达转子的风的速度。然而,由于转子产生的漩涡和遮蔽,该速度通常不对应于机舱的区域中的风速,因此优选地通过合适的传感器在转子前方(在风向上)记录。这种风测量是相对工作密集的。因此,优选的是:确定另一个应力信号。特别地,可以相对容易地确定由发电机产生的电功率,例如借助于发电机的输出处的功率和电压测量,并将该电功率用作应力信号。所产生的功率也代表风力涡轮机1的应力,因为发电机在较高风速(并且相应地风力涡轮机1的较高应力)的情况下产生较高输入功率。针对应力信号的另外的示例是转子和/或主轴的旋转功率,该旋转功率可以从所产生的角动量和速度中确定。
如所解释的,在监控装置10中用于损伤检测的测量和其它数据信号通过风力涡轮机,特别是例如通过设备控制系统,经由本地连接(在监控装置集成在风力涡轮机中的情况下)或经由远程数据传输而传输到监控装置10。特别是在经由远程数据传输进行传输的情况下,由此可以提供该远程数据传输用于减少要传输的数据量,以在风力涡轮机1中形成测量信号的针对连续时间区间的平均值,并且仅将这些平均值传输至监控中心11和/或监控装置10。时间区间针对常规风力涡轮机1通常例如具有数秒或数分钟的持续时间,特别是10分钟。在监控装置10中,以类似的方式进行对这些可选地计算的平均值的评估以及对输入数据的评估。因此,在下文中将不区分这两种情况。
通过指示出值的记录时间点和/或记录周期来传输不同数据信号,或者基本上实时地传输(即,在确定数据信号的值之后没有更长的延迟)使得监控装置可以分别向数据值分配它们的记录的时间点和/或时间段。基于时间信息,尤其使得监控装置10能够确定数据信号的时间进程。另外,监控装置10可以基于时间信息确定彼此相关联的不同数据信号的值,即,基本上同时记录的值或者基本上与先前解释的平均值形成的相同时间区间相关联的值。
在监控装置10的实施方式中,与应力信号有关地执行对部件传感器的测量信号的评估。在该过程中,形成一个或多个参数数据集,分别基于测量信号的特定值确定该一个或多个参数数据集的值,基于应力信号选择该测量信号。对于该选择,可以使用一种或多种方法,其中一些方法将在下文中以示例性方式解释。接下来基于参数数据集进行进一步评估,其中针对参数数据集确定指示符信号,与该指示符信号有关地通过监控装置确定所讨论的部件的状态。示例性指示符信号指示出特定参数数据集内的测量信号的值的时间进程、参数数据集内的值的扩展、彼此相关联的不同参数数据集的值的扩展以及测量信号的趋势曲线的向上斜率。尤其可以将指示符信号与预定阈值进行比较,并且监控装置10可以确定与所述比较的结果有关的风力涡轮机的相应部件的状态。特别地,如果指示符信号超过或强调相关联的阈值(一次),则监控装置10可以检测针对所讨论的部件的损伤指示。为了避免由于潜在的“异常值”而导致的不正确的损伤检测,也可以针对监控装置10提供在预定数量的情况下,当指示符信号在随机或预定的时间段内多次超过阈值时检测损伤指示。
在一实施方案中,监控装置10基于指示符信号在检测损伤指示期间识别损伤并且报告所述损伤。然而,通常可以针对由部件传感器记录的测量值确定基于相同方法形成的针对参数数据集的多个指示符信号,和/或基于不同方法形成的针对不同组参数数据集的多个指示符信号。在这种情况下,监控装置10优选地首先以上述方式基于数个指示符信号执行损伤指示的检测。接下来,将基于各个指示符信号确定的结果放在一起,并且与根据预定标准的这些结果有关地识别现有损伤并且由监控装置10报告该现有损伤。例如,可以在这种情况下提供:监控装置仅在已经基于预定数量的指示符信号识别出损伤指示的情况下报告损伤。同样,其它标准也可以被预先确定。优选地分别针对风力涡轮机1的各个被监控部件预先确定要形成的相应参数数据集和指示符信号。由此可以基于经验检查执行要形成的参数数据集和指示符信号的选择,该经验检查可以用于确定哪些参数数据集和指示符信号特别合适,即提供可靠的检测结果,用于检测特定部件的损伤。
尤其是关于由于风力条件变化产生的风力涡轮机的部件的应力改变导致发生部件传感器的测量信号的“自然”波动的条件而基于应力信号形成参数数据集,该“自然”波动与部件的损伤无关。因此,并且由于在较高风速的情况下部件的较高应力,在所述风速的情况下也可以预期部件的较高温度。因此,可以通过基于应力信号适当地确定参数数据集屏蔽测量信号的“自然”波动,该“自然”波动在很大程度上是由于风力条件改变导致的应力改变而引起的。这改善或甚至使得能够早期检测损伤,该损伤(也)影响部件传感器的测量信号。
可以例如基于经验检查有缺陷的部件设置针对对所确定的指示符信号的评估的合适阈值。由此优选地以这种方式设置阈值,使得超出或强调在所讨论的部件可能发生故障之前的特定时间段,该特定时间段对应于规划和执行部件的维修和/或替换所需的时间段。因此,可以在部件发生故障之前执行维修和/或替换,并且同时可以以最佳方式利用部件的寿命。在这种情况下,阈值原则上可以以任何方式对应于预定值。例如,绝对值可以被预先确定为针对指示符信号的阈值。同样地,可以相对于特定时间点的指示符信号的值预先确定阈值。这种规范可以例如包括设置在预定时间与指示符信号的值的特定差异。例如,该值可以对应于在完全无缺陷的部件的情况下所讨论的指示符信号具有的值。例如,可以在维修或替换部件之后立即确定这种值。
在下文中将参考(原则上任何)部件温度信号来解释之前解释的监控装置10的实施方式的数个示例性变型,其中进一步假设应力信号指示出由发电机产生的功率。该信号在下文中也将称为功率信号。
在一个变型中,基于功率等级对待评估的温度信号的值进行分类,并且分别从各个功率等级的温度值创建针对进一步评估的一个参数数据集。这优选地通过使用已调节温度信号发生。因此,从作为功率等级的一部分的已调节温度信号的值创建每个参数数据集。功率等级对应于由发电机5产生的功率的预定功率区间,并且优选地覆盖风力涡轮机1的整个功率范围。特别地,可以将该功率范围划分为用作功率等级的预定量的等距区间。区间尺寸由此可以是例如100至200kW,特别是150kW。为了产生参数数据集,监控装置10分别创建功率等级的已调节温度值的针对预定持续时间的连续时间区间的平均值。持续时间可以是例如一周到几个月,特别是一个月。因此,每个所创建的参数信号由功率等级的已调节温度值的平均值组成。
对监控装置10中的参数数据集的进一步评估是基于以下观察:在有缺陷的部件的情况下,不同参数数据集的分配给彼此的值的扩展大于无缺陷的部件的情况,以及更高功率等级的参数数据集在有缺陷的部件的情况下具有更高的值。在图2中,这示例性地和示意性地针对风力涡轮机1的发电机轴承示出。该图示出了具有于时间区间有关的不同功率等级的确定的参数数据集的图表,其中有缺陷的发电机轴承在风力涡轮机中使用直至12号时间区间,该发电机轴承在时间区间12中由新的发电机轴承替换。该图清楚地示出了在12号时间区间之前(即,在轴承替换之前)的各参数数据集之间的更大扩展以及更高功率等级的参数数据集的更高值。
因此,在该变型中,当彼此关联的不同参数的值的扩展超过预定程度时和/或当一个或多个参数数据集的值分别超过预定较高功率等级的一个阈值时,监控装置检测损伤指示,在该实施方案中每种情况形成一个离散指示符信号。可以基于合适指示符(诸如方差或标准偏差)将参数数据集的值的扩展参数化。形成平均值所基于的针对各个时间区间的指示符的连续值由此形成离散指示符信号,接下来将会在监控装置中将该离散指示符信号与预定阈值进行比较。如果前述指示符信号中的一个或多个超过相关阈值一次或多次,则监控装置10检测针对部件的损伤指示。
此外,还发现已调节温度值在有缺陷的部件中的较高功率等级内具有较大的扩展。在另一变型中,监控装置因此确定包含针对预定功率等级的已调节温度值的参数数据集。同样,也可以分别针对预定功率等级确定多个参数数据集。在一实施方案中,作为针对每个参数数据集的指示符信号,监控装置确定离散信号,该离散信号的值量化被包含在参数数据集中的温度在预定长度的连续时间区间中的扩展。继而,预定时间段可以是在一周到数月之间,特别是一个月。将该指示符信号以前述方式与阈值进行比较,并且当指示符信号超过阈值一次或多次时,监控装置10检测损伤指示。
为了确定指示符信号,监控装置10尤其可以计算针对前面提到的时间区间的温度值的分位数,其中p分位数对应于通过所有值的p部分强调并且通过所有值的1-p部分分别超过的值。指示符信号可以例如包括针对每个时间区间的75%分位数与25%分位数之间的差异,该差异也称为四分位数范围并且是温度值的扩展的度量。附加地或替代地,可以确定对应于四分位数范围之外的极限值的下晶须和上晶须。可以以不同方式定义晶须。在一实施方式中,晶须可以例如以这种方式计算,使得已调节温度值以95%的置信区间处于各晶须之间。各晶须之间的差异也是针对已调节温度值的扩展的量度,使得可以从晶须的针对连续时间区间的差值中形成指示符信号。
为了说明这种变型,图3以示例性方式显示了针对多个时间区间的已调节温度值的分位数和晶须,其中在14号时间区间之前使用有缺陷的主轴承,该有缺陷的主轴承在14号时间区间中由新主轴承替换。对于每个时间区间,图3中的图表显示了一框,该框在底部由25%的分位数界定,在顶部由75%的分位数界定(示例性地以附图标记31命名的框)。另外,图表示出了针对每个时间区间的上部和下部晶须(针对一个区间,下部晶须示例性地以附图标记32a表示,上部晶须以附图标记32b表示)。可以清楚地看到在更换轴承之前的分位数以及晶须之间的大的扩展和大的差异。
在另外的实施方案中,可以从各个时间区间内的已调节温度的方差或标准偏差中附加地或替代地形成指示符。这些量也构成针对已调节温度值的扩展的量度,并且因此可以用于产生指示符信号。
此外,发现已调节温度值基本上根据正态分布在无缺陷的部件的情况下分布在功率等级内。然而,在损伤的情况下,温度值的分布可以不太好地近似或不再通过正态分布。作为针对功率等级内的已调节温度值的另外的指示符信号,监控装置因此可以确定将温度值的分布与正态分布(其中该指示符信号仅具有一个值)的偏差量化的量。针对这种量的示例是可以基于原则上对于技术人员已知的卡方检验确定的测试变量χ2。
在另外的变型中,监控装置10确定功率增加,其中由发电机产生的功率从一个功率级跃升至下一个更高功率级。对于每个确定的功率增加,监控装置确定相关联的温差。所述温差对应于与较低和下一个更高功率等级中的功率值相关联的温度值之间的差异。针对连续功率确定的温差增加到特定功率等级,在该变型中形成参数数据集,在监控装置10中进一步评估该参数数据集以确定风力涡轮机的所讨论的部件的状态。在这种情况下,监控装置10可以形成针对特定目标功率等级的这种参数数据集,或者该监控装置可以分别形成针对若干目标功率等级的这种类型的一个参数数据集。在后一种情况下,针对每个参数数据集分别进行进一步评估。
进一步评估基于以下观察:与无缺陷的部件的情况相比,之前解释的温差在有缺陷的部件的情况下在特定数量的功率增加上更大。这在图4中针对风力涡轮机的发电机轴承以示例性方式示出。所述图示出了一图表,其中针对多个功率增加显示温差,同时有故障发电机轴承在这些功率增加期间最初用于风力涡轮机中,接下来被替换。替换由图表中的线41指示出。在该图表中可以清楚地看到更换发电机轴承之前的较大温差。
考虑到这一点,监控装置10可以将所讨论的参数数据集中的温差的连续值用作针对每个确定的参数数据集的指示符信号。对于每个确定的参数数据集,将相关联的指示符信号如所描述的那样与阈值进行比较,以便确定已评估部件温度信号所涉及的部件的状态。
在监控装置10的另外的变型中,参数数据集分别从已调节温度值中形成,该已调节温度值与在彼此相似的预定时间段上的功率信号的进程相关联。时间段可以是例如数小时到数天。与基于功率等级确定参数数据集相反,该方法具有考虑风力涡轮机的应力的历史的优点。在这种程度上,观察到当风力涡轮机1在该功率等级中运行时,由部件温度传感器分别记录的已调节温度值在特定功率等级中始终不相等。这似乎是由于风力涡轮机内的热流由于部件的高质量而相对惰性的条件。因此,除了应力的量和/或功率值的量之外,由发电机5产生的应力和/或功率的时间进程也对所记录的已调节温度值有影响。通过确定彼此相似的功率信号的进程来考虑这一点。
为了确定功率信号的类似时间进程,监控装置首先在预定时间段上选择功率信号的区段。接下来,监控装置10针对具有功率信号的类似进程的区段搜索整个功率信号。这可以通过在对整个功率信号上连续移位的移动窗口内的功率信号的评估而发生。如果监控装置10确定功率信号的区段的进程类似于功率信号的先前选择区段的进程,则相关联的已调节温度值将会和与先前选定的区段相关联的已调节温度值一起保存在温度数据集中。这样,针对功率信号的先前选择区段创建参数数据集。以相同的方式,可以针对从功率信号中适当选出的功率信号的其它区段另外形成参数数据集。
基于相似性的适当测量通过监控装置执行功率信号的两个区段是否彼此相似的验证。在这种情况下,原则上可以使用对于技术人员已知的相似性的任何测量。这里可以在监控装置10中使用的针对相似性的测量的示例是功率信号的两个区段之间的均方偏差。该均方偏差通过下式计算:
其中E2是各信号之间的偏差,N是信号区段内的测量值的数量,而li,k是信号区段i的第k个测量值(k=1,...,N;i=1,2)。当相似性的测量小于预定阈值时,通过监控装置10识别出两个信号区段之间的相似性。
在该变型中,基于以下观察执行对确定的参数数据集的评估:在受损伤部件的情况下,针对功率信号的一个区段的已调节温度水平更高,并且温度值随功率更强烈增加。这针对风力涡轮机1的主轴承在图5a和5b中示例性地示出。图5b示出了与功率信号的区段相关联的温度进程,该区段彼此相似并且被记录在分别包括50个温度值(10分钟平均值)的不同时间段内。在图中还指示出这些时间段开始的时间点。图5a示出了功率信号的相关联区段。由于2015年4月中的轴承故障而替换已查验主轴承,并且在具有替换之前的数月的持续时间的时间段内借助于温度传感器12记录所显示温度值。因此,图5b显示了已从2015年1月开始大致记录的温度进程中的较高温度水平和温度的较强烈增加。在此基础上,可以在轴承的故障之前数月检测出主轴承的损伤。
因此,在一实施方案中,为了识别有缺陷的部件,监控装置10确定针对被包含在参数数据集中并且与功率信号的区段相关联的每个温度进程的平均温度。基于针对已在时间上连续记录的温度进程的平均温度,监控装置接下来形成指示符信号,以上述方式将该指示符信号与阈值进行比较。如果指示符信号超过阈值,则监控装置10将检测针对部件的损伤指示。同样,也可以基于参数数据集的温度值直接形成指示符信号(在没有平均值形成的情况下)。附加地或替代地,监控装置10可以确定针对参数数据集内的每个温度进程将进程内的温度的改变量化的量,该参数数据集与功率区段的区段相关联,并且从该量的值中形成指示符信号。这尤其可以在功率相对于区段开始处的功率朝向相应区段的端部显著增加或减少的情况下发生(如图5b的情况)。这种类型的量的示例是在具有预定长度的温度进程的区段中可用的温度进程的平均梯度或平均梯度的最大值,其中可以以这种方式选出长度,使得不考虑无缺陷的部件的温度进程的典型波动。如果使用后一示例,则监控装置可以例如在数小时(特别是3到5小时)的持续时间上形成针对温度进程的区段的平均梯度,并且确定针对每个温度进程的该梯度的最大值。在这种情况下,可以从已针对为被包括在参数数据集中的各个温度进程确定的最大值中形成针对参数数据集的相应指示符信号。
此外还发现:在部件的损伤的情况下,测量信号(诸如特别是温度信号)从类型特定的基准水平开始增加。例如,在有缺陷的冷却系统的情况下,针对变速箱8的润滑剂槽中的变速箱润滑剂的温度确定这种增加。在该过程中,变速箱润滑剂的温度在不同类型的变速箱8和从不同基础水平开始的不同制造商的情况下增加。
为了基于温度信号的阈值识别这种损伤,必须针对不同变速箱值确定不同阈值。为了避免所述损伤,另外的实施方式提供:监控装置10在需要时识别预定功率范围内的已调节温度信号的趋势进展并且确定其梯度。功率范围可以对应于前述功率等级中的一个或多个,或者以不同方式预先确定。通过将评估限制到预定功率范围,可以屏蔽由于短期功率尖峰和低谷而产生的温度信号的短期最大和最小值。
温度信号的趋势进展尤其被理解为其粗略进程而不考虑微小波动(局部最大和最小值)。为了确定趋势进展,已调节温度测量值在需要时可以例如通过预定类型的函数来近似。特别地,可以通过特定次数(例如3次)的多项式来实现近似。为了计算函数,监控装置10可以应用对于技术人员已知的曲线拟合的适当方法。为了说明目的,图6以示例性方式示出了具有温度信号61的图表,该图表将风力涡轮机1的变速箱润滑剂的温度的测量数据相对于风力涡轮机的特定功率范围以及已通过三次多项式近似温度测量数据确定的趋势进展62绘制。
在该实施方式中,趋势级数的梯度对应于所确定的函数的梯度并且构成用于确定风力涡轮机的部件的状态的指示符信号。为了确定以这种方式确定的温度信号所涉及的部件的状态,监控装置10将梯度信号与预定阈值进行比较。如果预定梯度超过阈值,则监控装置10检测出用于以前述方式进行状态确定的损伤指示。
在监控装置10的另外的实施方式中,参数数据集并非被形成为与应力信号有关。相反,监控装置执行部件传感器的测量值的频谱分析,用于形成参数数据集。在该过程中,将部件传感器的测量信号分成分别对应于特定频率和/或周期的频谱部分,其中针对每个频谱部分确定相关联的振幅。在该实施方式中,基于以下观察检测出有缺陷的部件:与无缺陷的部件的情况相比,在有缺陷的部件的情况下,更高的振幅针对某些频率出现。
为了确定这些振幅的增加和/或更高的值,监控装置针对在连续的时间点开始并且优选地具有相同持续时间的不同时间段分别识别部件传感器的测量信号的频谱部分。由此,不同时间段可以重叠。在这种情况下,尤其可以基于所谓的移动窗口执行频谱分析。此外,针对每个时间段确定所有或各个预定频率和/或时间段的振幅,并且从这些振幅中形成参数数据集。另外,监控装置10形成针对每个相关振幅的指示符信号,该指示符信号指示出所讨论的振幅的时间进程。因此,按照针对不同时间段确定的振幅值的时间顺序组成指示符信号。替代地,指示符信号还可以包含平方振幅值(这对应于所谓的功率密度谱)。通过监控装置10将所确定的指示符信号与以先前描述的方式预先确定的阈值进行比较。如果指示符信号超过已指定阈值,则监控装置10将会检测出针对已评估测量信号所涉及的部件的损伤指示。
监控装置10可以基于原则上对于技术人员已知的傅立叶变换,特别是使用FFT(快速傅里叶变换)算法执行部件传感器的测量信号的频谱分析。在使用傅里叶变换的情况下,针对之前提到的每个不同时间段分别实施所述变换。在另外的实施方案中,还可以基于原则上对于技术人员已知的小波变换实施频谱分析。通过使用合适的小波,可以在该变换中将测量信号变换到时域和频域,而不针对不同的时间段执行单独的变换。因此,通过小波变换简化了要执行的频谱分析。
基于频谱分析的评估尤其可以针对之前解释的风力涡轮机1的部件温度传感器的(已调整的或未调整的)测量信号执行。对于温度信号,针对特定频率已经观察到振幅的增加,该增加指示出所讨论的部件的损伤。为了说明性目的,图7示出了图表中的温度信号的振幅密度谱的示例性显示,已经借助于小波变换针对风力涡轮机1的主轴承确定该振幅密度谱。该图表指示出与针对从2014年8月至2015年3月底的时间段的时间段长度和时间有关的振幅值。在2015年4月,由于损伤而替换主轴承。通过针对特定时间段长度,特别是针对大约70,100,125和175小时的时间段长度的振幅的增加,在振幅厚度谱中指示出该损伤。这些时间段长度可能涉及数天内的典型风力波动以及导致风力涡轮机的部件中的温度波动的相关联的应力改变。这些波动在有缺陷的部件中显然更为明显。
在也可以彼此组合的之前解释的本发明的实施方式中,可以在早期检测风力涡轮机1的有缺陷的部件。在这种情况下,技术人员发现也可以以类似的方式评估风力涡轮机的另外的和/或其它测量数据以便检测有缺陷的部件,并且可以以与识别所述设备的部件的损伤类似的方式评估其它机械设备的测量数据。特别地,技术人员将所解释的实施方式转移到具有旋转元件以及配置用于支撑所述元件的轴承的其它机械设备。此外,还可以以类似的方式检测出其它机械设备的有缺陷的部件。
可以针对损伤的检测以类似的方式评估的风力涡轮机1和/或其它机械设备的一些另外的测量数据将会在下文中作为示例提及(并且绝不是穷举):特别地,可以评估流体(诸如润滑剂、冷却剂、气体等)的流量以便检测所述流体和/或有缺陷的阀的变窄的管道。此外,可以评估角动量和/或速度。对于风力涡轮机和具有发电机的其它机械设备,例如可以关于发电机容量进行评估以便识别发电机和/或其控制器的有缺陷的部件。另外的示例包括对油流或另一种介质中的许多颗粒的评估,例如以在早期阶段检测出轴承损伤(特别是早于常规油分析的情况)。此外,可以记录和评估机械设备的不同部件的位置传感器和/或位置的测量值,例如以检测出连接到部件的有故障的位置的损伤。在风力涡轮机的情况下,这还包括对转子叶片的桨距的评估。此外,这包括对传感器的测量数据的评估,该传感器检测部件在目标位置之外的位移。可以以类似的方式评估指示出机械设备的部件的变形的测量数据。对这种测量数据的评估也可以并且特别地用于在早期阶段检测出松动效应。此外,可以关于机械设备的电气部件评估电操作变量(诸如电阻、电流强度、电容和电压)以及它们的频率,以检测所述部件上的损伤。特别地,可以针对机械设备的发动机记录和评估电操作量(诸如电流)。此外,可以将加速度确定为它们不代表旋转部件或其轴承的振动的程度。因此,例如可以基于加速度测量记录和评估风力涡轮机的塔架3的振荡以便检测风力涡轮机的部件的损伤。另外的示例包括对机械设备的部件的速度,例如传送带或其它传送系统的速度的测量和评估。
在这种情况下,上面解释的测量数据应当以如前所述的纯粹示例性和非穷举的方式理解。
Claims (15)
1.一种用于监控机械设备,尤其是风力涡轮机,的至少一个部件的状态的方法,包括以下步骤:
接收基于设备中记录的测量量的值形成的评估信号,
基于与代表设备的应力的信号有关的评估信号和/或基于评估信号的频谱分析确定至少一个参数数据集,
确定与所述至少一个参数数据集有关的指示符信号,并且确定作为指示符信号的函数的设备的部件的状态,其中与由损伤引起的旋转部件和/或其轴承的振动频率无关地执行状态确定。
2.根据权利要求1所述的方法,其中所述至少一个参数数据集被确定为与评估信号的值有关,所述值基于与代表设备的应力的信号有关的评估信号来选择。
3.根据权利要求1或2所述的方法,其中所述至少一个参数数据集包括基于与代表设备的应力的信号有关的评估信号选择的值。
4.根据前述权利要求中任一项所述的方法,其中形成一个或多个参数数据集,所述一个或多个参数数据集分别包括结合代表预定值区间内的设备的应力的信号的值确定的评估信号的值的时间平均值。
5.根据权利要求4所述的方法,其中指示符信号表示不同参数数据集的时间平均值之间的扩展和/或表示参数数据集的时间平均值。
6.根据前述权利要求中任一项所述的方法,其中形成至少一个参数数据集,所述至少一个参数数据集包括结合代表设备的应力的信号的值在预定值区间内确定的评估信号的值,以及其中指示符信号代表被包括在参数数据集中的值在连续时间区间中的扩展。
7.根据前述权利要求中任一项所述的方法,其中形成至少一个参数数据集,所述至少一个参数数据集包括结合代表设备的应力的信号从第一到第二值区间的转变确定的评估信号的值之间的差异,以及其中指示符信号指示出差异的值。
8.根据前述权利要求中任一项所述的方法,其中形成至少一个参数数据集,所述至少一个参数数据集包括结合代表设备的应力的信号的时间区段确定的评估信号的值,在所述时间区段中所述信号的进程彼此相似。
9.根据权利要求8所述的方法,其中指示符信号代表评估信号在评估信号的与代表设备的应力的信号的时间区段相对应的时间区段内的值和/或值的改变,在代表设备的应力的信号的时间区段中所述信号的进程彼此相似。
10.根据前述权利要求中任一项所述的方法,其中基于频谱分析确定针对与评估信号的大多数时间区段有关的频谱部分的振幅,并且其中基于所确定的振幅形成至少一个参数数据集。
11.根据权利要求10所述的方法,其中指示符信号包括与大多数时间区段有关的频谱部分的振幅的值。
12.根据前述权利要求中任一项所述的方法,其中当指示符信号达到预定阈值时,识别出一部件的损伤的指示符。
13.根据前述权利要求中任一项所述的方法,其中测量量是温度和/或其中代表设备的应力的信号指示出由设备产生的功率。
14.一种计算机程序,包括程序代码,当计算机程序在计算机系统上运行时,所述程序代码提示计算机系统执行根据前述权利要求中任一项的方法。
15.一种用于监控机械设备,尤其是风力涡轮机,的至少一个部件的状态的监控装置,其中监控装置设计为:
接收基于设备中记录的测量量的值形成的评估信号,
基于与代表设备的应力的信号有关的评估信号和/或基于评估信号的频谱分析确定至少一个参数数据集,
识别与所述至少一个参数数据集有关的指示符信号,并且确定与指示符信号有关的设备的部件的状态,其中与由损伤引起的旋转部件和/或其轴承的振动频率无关地执行状态确定。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016207609 | 2016-05-03 | ||
DE102016207609.4 | 2016-05-03 | ||
PCT/EP2017/060437 WO2017191142A1 (en) | 2016-05-03 | 2017-05-02 | Status monitoring for mechanical plants, in particular wind turbines |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109477464A true CN109477464A (zh) | 2019-03-15 |
CN109477464B CN109477464B (zh) | 2021-10-29 |
Family
ID=58669789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780040028.XA Active CN109477464B (zh) | 2016-05-03 | 2017-05-02 | 机械设备,尤其是风力涡轮机的状态监控 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10907616B2 (zh) |
EP (1) | EP3452720B1 (zh) |
CN (1) | CN109477464B (zh) |
ES (1) | ES2975157T3 (zh) |
WO (1) | WO2017191142A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113994088A (zh) * | 2019-06-06 | 2022-01-28 | 西门子歌美飒可再生能源公司 | 用于对风涡轮机的部件进行计算机实现的监测的方法 |
CN114893360A (zh) * | 2022-05-23 | 2022-08-12 | 国家电投集团科学技术研究院有限公司 | 风电机组塔筒异常振动识别和运行状态监测方法及系统 |
CN116428128A (zh) * | 2023-04-18 | 2023-07-14 | 上海戈洛立科技有限公司 | 一种风力发电机主轴断裂监测预警方法及装置 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10907616B2 (en) | 2016-05-03 | 2021-02-02 | Vestas Wind Systems A/S | Status monitoring for mechanical plants, in particular wind turbines |
WO2019001666A1 (en) * | 2017-06-29 | 2019-01-03 | Vestas Wind Systems A/S | SMOKE VALIDATION METHOD FOR WIND TURBINES |
DE102018109122A1 (de) * | 2018-04-17 | 2019-10-17 | Wittenstein Se | Getriebe |
US11635062B2 (en) * | 2018-11-07 | 2023-04-25 | General Electric Renovables Espana, S.L. | Wind turbine and method to determine modal characteristics of the wind turbine in a continuous manner |
PE20220148A1 (es) * | 2018-12-31 | 2022-01-27 | Acciona Generacion Renovable S A | Metodos y sistemas para predecir el riesgo de dano observable en componentes de la caja de engranajes de turbina eolica |
EP3908748A1 (en) * | 2019-01-10 | 2021-11-17 | Vestas Wind Systems A/S | Improvements relating to cooling of electrical generators in wind turbines |
CN111878320B (zh) * | 2020-07-15 | 2021-07-30 | 上海电气风电集团股份有限公司 | 风力发电机组的监控方法、系统及计算机可读存储介质 |
CN112883562B (zh) * | 2021-02-01 | 2023-02-24 | 上海交通大学三亚崖州湾深海科技研究院 | 基于神经网络算法的海洋平台实测应力谱修补方法 |
US11533688B2 (en) * | 2021-03-17 | 2022-12-20 | T-Mobile Usa, Inc. | Dynamic switching of user equipment power class |
CN114634391B (zh) * | 2022-03-21 | 2022-10-11 | 广东宏大韶化民爆有限公司 | 一种膨化结晶机的运行状态实时评估方法及系统 |
CN116662829B (zh) * | 2023-07-28 | 2023-10-17 | 云南中广核能源服务有限公司 | 一种场群风机标准功率曲线定义规则和偏差验证方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110018727A1 (en) * | 2009-07-24 | 2011-01-27 | Honeywell International Inc. | Wind turbine generator fault diagnostic and prognostic device and method |
CN102341597A (zh) * | 2009-03-02 | 2012-02-01 | 苏司兰能源有限公司 | 用于监控风力涡轮机的方法 |
US20140172326A1 (en) * | 2012-12-17 | 2014-06-19 | General Electric Company | Fault detection system and associated method |
EP2746885A1 (en) * | 2012-12-18 | 2014-06-25 | Alstom Wind, S.L.U. | Method of monitoring the condition of a wind turbine |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004056223B4 (de) | 2004-11-17 | 2008-11-27 | Nordex Energy Gmbh | Vorrichtung und Verfahren zur Funktionsprüfung einer Windenergieanlage |
US7914250B2 (en) | 2006-12-08 | 2011-03-29 | General Electric Company | Method and system for estimating life of a gearbox |
WO2008074324A2 (en) * | 2006-12-18 | 2008-06-26 | Vestas Wind Systems A/S | Method and system of performing a functional test of at least one embedded sub-element of a wind turbine |
US8226347B2 (en) * | 2007-10-30 | 2012-07-24 | Northern Power Systems Utility Scale, Inc. | Variable speed operating system and method of operation for wind turbines |
WO2009075649A1 (en) * | 2007-12-11 | 2009-06-18 | Vestas Wind Systems A/S | System and method for detecting performance |
WO2009076955A1 (en) | 2007-12-14 | 2009-06-25 | Vestas Wind Systems A/S | Lifetime optimization of a wind turbine generator by controlling the generator temperature |
WO2010069318A1 (en) | 2008-12-16 | 2010-06-24 | Vestas Wind Systems A/S | Wear-out pattern recognition |
US7895016B2 (en) | 2009-08-31 | 2011-02-22 | General Electric Company | System and method for wind turbine health management |
WO2011072901A1 (en) * | 2009-12-18 | 2011-06-23 | Siemens Aktiengesellschaft | Method and detection assembly for the detection of changes in a building structure of a wind turbine |
EP2476901A1 (en) | 2011-01-17 | 2012-07-18 | Siemens Aktiengesellschaft | Method and monitoring apparatus for automated surveillance of a wind turbine and a method for creating a linear model |
US20120209539A1 (en) * | 2011-02-10 | 2012-08-16 | Honeywell International Inc. | Turbine fault analysis |
TWI449883B (zh) * | 2011-02-10 | 2014-08-21 | Univ Nat Taiwan Science Tech | 結構體安全性之分析方法 |
NO3070262T3 (zh) | 2014-04-02 | 2018-06-02 | ||
CN106662072B (zh) * | 2014-11-18 | 2019-10-25 | Abb瑞士股份有限公司 | 风力发电机状态监控方法与系统 |
US20160341598A1 (en) * | 2015-05-18 | 2016-11-24 | Vibration Research Corporation | System and method for estimating power spectral density of a signal derived from a known noise source |
JP6539594B2 (ja) * | 2016-01-18 | 2019-07-03 | 株式会社神戸製鋼所 | 回転機異常検出装置および該方法ならびに回転機 |
US10907616B2 (en) | 2016-05-03 | 2021-02-02 | Vestas Wind Systems A/S | Status monitoring for mechanical plants, in particular wind turbines |
US11635062B2 (en) * | 2018-11-07 | 2023-04-25 | General Electric Renovables Espana, S.L. | Wind turbine and method to determine modal characteristics of the wind turbine in a continuous manner |
-
2017
- 2017-05-02 US US16/098,434 patent/US10907616B2/en active Active
- 2017-05-02 WO PCT/EP2017/060437 patent/WO2017191142A1/en unknown
- 2017-05-02 ES ES17721362T patent/ES2975157T3/es active Active
- 2017-05-02 CN CN201780040028.XA patent/CN109477464B/zh active Active
- 2017-05-02 EP EP17721362.6A patent/EP3452720B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102341597A (zh) * | 2009-03-02 | 2012-02-01 | 苏司兰能源有限公司 | 用于监控风力涡轮机的方法 |
US20110018727A1 (en) * | 2009-07-24 | 2011-01-27 | Honeywell International Inc. | Wind turbine generator fault diagnostic and prognostic device and method |
US20140172326A1 (en) * | 2012-12-17 | 2014-06-19 | General Electric Company | Fault detection system and associated method |
EP2746885A1 (en) * | 2012-12-18 | 2014-06-25 | Alstom Wind, S.L.U. | Method of monitoring the condition of a wind turbine |
Non-Patent Citations (3)
Title |
---|
PENG GUO等: "Wind Turbine Gearbox Condition Monitoring with AAKR and", 《ENERGIES》 * |
PENG GUO等: "Wind Turbine Generator Condition-Monitoring", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
YONGLONG YAN等: "Condition Parameter Modeling for Anomaly Detection in", 《ENERGIES》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113994088A (zh) * | 2019-06-06 | 2022-01-28 | 西门子歌美飒可再生能源公司 | 用于对风涡轮机的部件进行计算机实现的监测的方法 |
CN114893360A (zh) * | 2022-05-23 | 2022-08-12 | 国家电投集团科学技术研究院有限公司 | 风电机组塔筒异常振动识别和运行状态监测方法及系统 |
CN116428128A (zh) * | 2023-04-18 | 2023-07-14 | 上海戈洛立科技有限公司 | 一种风力发电机主轴断裂监测预警方法及装置 |
CN116428128B (zh) * | 2023-04-18 | 2023-09-26 | 上海戈洛立科技有限公司 | 一种风力发电机主轴断裂监测预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3452720A1 (en) | 2019-03-13 |
ES2975157T3 (es) | 2024-07-03 |
US10907616B2 (en) | 2021-02-02 |
EP3452720B1 (en) | 2024-03-27 |
WO2017191142A1 (en) | 2017-11-09 |
CN109477464B (zh) | 2021-10-29 |
EP3452720C0 (en) | 2024-03-27 |
US20190145382A1 (en) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109477464A (zh) | 机械设备,尤其是风力涡轮机的状态监控 | |
US8326577B2 (en) | System and method for predicting wind turbine component failures | |
EP2665925B1 (en) | A method for diagnostic monitoring of a wind turbine generator system | |
EP2585716B1 (en) | A method for performing condition monitoring in a wind farm | |
JP5562979B2 (ja) | 航空機ガスタービンエンジンの動作時に生じる振動現象を監視するための方法およびシステム | |
US20030045992A1 (en) | Diagnostic method and system for turbine engines | |
US10409275B2 (en) | Oil debris monitoring (ODM) with adaptive learning | |
US20150322924A1 (en) | Method of monitoring the condition of a wind turbine | |
WO2009016020A1 (en) | Wind turbine monitoring system | |
CN108508359A (zh) | 基于电气特征分析的机器自主监测与诊断程序 | |
JP2017525891A (ja) | 駆動システムの早期エラー検出方法、早期エラー検出システム、早期エラー検出システムを備える風力発電機、および早期エラー検出システムの使用 | |
EP3321475B1 (en) | Oil debris monitoring using active valve configuration control | |
CN113167683A (zh) | 用于监测飞行器的液压设备的寿命的装置和方法 | |
CN110088462A (zh) | 风力涡轮发电机控制系统中的电气故障检测 | |
US20090125206A1 (en) | Automatic detection and notification of turbine internal component degradation | |
Przysowa | Blade vibration monitoring in a low-pressure steam turbine | |
US11747191B2 (en) | Automated health state classifier for rotating machines based on expert knowledge | |
Carroll et al. | Availability improvements from condition monitoring systems and performance based maintenance contracts | |
TW202403175A (zh) | 一種用於早期識別風力渦輪機裝置中材料疲勞之方法 | |
RU2816352C1 (ru) | Способ эксплуатации газотурбинной установки | |
US20190331094A1 (en) | Measuring electrical characteristics of a transducer in a wind turbine generator | |
EA044033B1 (ru) | Способ контроля технического состояния дизель-генератора при эксплуатации | |
Soua et al. | Development of in-service condition monitoring system using combined vibrational and acoustic emission signature for wind turbine gearbox and generator | |
Hills | Modern Predictive Maintenance Systems for Monitoring Vibrations on Rotating Machinery |
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 |