CN111120388B - 一种风机状态联合监测方法及系统 - Google Patents

一种风机状态联合监测方法及系统 Download PDF

Info

Publication number
CN111120388B
CN111120388B CN202010239902.6A CN202010239902A CN111120388B CN 111120388 B CN111120388 B CN 111120388B CN 202010239902 A CN202010239902 A CN 202010239902A CN 111120388 B CN111120388 B CN 111120388B
Authority
CN
China
Prior art keywords
time
working condition
fan
real
standard
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
CN202010239902.6A
Other languages
English (en)
Other versions
CN111120388A (zh
Inventor
胡伟锋
竹渝晓
卢青青
陈一伟
石红
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.)
Zhejiang Shangfeng high tech special wind industry Co.,Ltd.
Original Assignee
Zhejiang Shangfeng Hi Tech Specialized Wind Industrial Co ltd
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 Zhejiang Shangfeng Hi Tech Specialized Wind Industrial Co ltd filed Critical Zhejiang Shangfeng Hi Tech Specialized Wind Industrial Co ltd
Priority to CN202010239902.6A priority Critical patent/CN111120388B/zh
Publication of CN111120388A publication Critical patent/CN111120388A/zh
Application granted granted Critical
Publication of CN111120388B publication Critical patent/CN111120388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D25/00—Pumping installations or systems
    • F04D25/02—Units comprising pumps and their driving means
    • F04D25/08—Units comprising pumps and their driving means the working fluid being air, e.g. for ventilation

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种风机状态联合监测方法及系统，方法包括：计算风机各个工况状态下的标准时域信号；对标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；采集风机实时振动信号，对实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；截取实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；对各个截取时频谱图进行逆同步压缩小波变换，得到实时振动信号子成分的时域信号；计算实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数、第二相关系数、第三相关系数，根据第三相关系数判断风机的状态。本发明准确判断风机的运行状态，处理效率高。

Description

一种风机状态联合监测方法及系统
技术领域
本发明涉及信号处理领域，具体涉及一种风机状态联合监测方法及系统。
背景技术
随着运转时间的加长，风机内粉尘会不均匀的附着在叶轮上，逐渐破坏风机的动平衡，使轴承振动逐渐加大，一旦振动达到风机允许的最大值时，风机必须停机修理。每年风机故障损失的发电量和故障导致的维护费用都给风电场带来巨大的经济损失。从减少故障维护时间和维护成本上讲，风机状态的及时评估是非常必要的。
目前基于风机振动信号的风机状态判断方法主要有时域方法和频域方法。时域方法主要是通过截取一段振动时域信号，然后对其进行各类统计参数的计算，如平均值、峰值、峰峰值、标准差、方差、均方根等，通过与己有的标准对比，进而判断当前风机的振动是否处于正常范围内。然而，时域信号参数值的计算只能反映振动幅度的大小，而不能有效判断风机的状态。频域方法主要有傅里叶变换、短时傅里叶变换、小波变换等，用于提取信号的时频特征。但想要用这些方法分析我们感兴趣的成分时，往往需要经历复杂的筛选过程，同时时频分辨率受限，难以直观反映信号的局部特征；主成分分析、经验模态分解等方法，虽然可以用于提取信号中感兴趣的子成分，但是这一类方法需要保证感兴趣成分的贡献率达到较高水平；同时对于提取的成分而言，应该给出符合风机工作状态的物理解释，这在风机工业应用中实施难度较大。且现有的频域方法主要涉及提取子成分，完全不涉及如何基于子成分进行具体的风机状态监测。
公开号为CN 108843611A的发明专利申请公开了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，（1）营造轴流风机的各种工况状态，建立轴流风机标准工况数据库；（2）建立轴流风机标准工况幅值谱数据库和倒频谱数据库；（3）采集实时运行的轴流风机振动信号，数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；（4）分别计算实时工况与标准工况的振动信号幅值谱相关系数和倒频谱相关系数；（5）绘制联合谱相关系数点并计算与点（1，1）之间的绝对距离；（6）根据绝对距离，确定轴流风机当前的实时运行状态。
上述专利申请虽然能对风机的运行状态进行识别和判断，但是其是基于振动信号的频率成分信息及主要调制频率信息进行分析，当频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态。此外，上述申请通过快速傅里叶变换得到轴流风机振动信号子成分，但是其处理过程复杂，也不能兼顾频率与时间分辨率的需求。因此有必要寻求一种实施复杂度低、普适性好、有效性高的风机状态判断方法。
发明内容
本发明的目的是针对现有技术的缺陷，提供了一种风机状态联合监测方法及系统。本发明通过可以从时频谱中将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态。同时利用时域信号与时频谱图对信号的相关系数进行计算，提高风机状态判断的准确性。
为了实现以上目的，本发明采用以下技术方案：
一种风机状态联合监测方法，包括步骤：
S1、多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
S2、对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
S3、采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
S4、截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
S5、对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
S6、依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
S7、依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
S8、基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
进一步地，所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号。
进一步地，所述截取时频谱图
Figure 100002_DEST_PATH_IMAGE001
为：
Figure DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为待监测时间段的时间索引，
Figure DEST_PATH_IMAGE004
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
进一步地，实时振动信号子成分的时域信号
Figure 100002_DEST_PATH_IMAGE005
与启动工况下的标准时域信号
Figure DEST_PATH_IMAGE006
间的第一相关系数
Figure 100002_DEST_PATH_IMAGE007
为：
Figure DEST_PATH_IMAGE008
截取时频谱图
Figure 795269DEST_PATH_IMAGE001
与启动工况下的标准三维时频谱图
Figure 100002_DEST_PATH_IMAGE009
间的第二相关系数
Figure DEST_PATH_IMAGE010
为：
Figure 100002_DEST_PATH_IMAGE011
其中，
Figure DEST_PATH_IMAGE012
、
Figure 100002_DEST_PATH_IMAGE013
分别为
Figure 26924DEST_PATH_IMAGE001
与
Figure 275503DEST_PATH_IMAGE009
的方差，
Figure DEST_PATH_IMAGE014
为
Figure 100002_DEST_PATH_IMAGE015
与
Figure DEST_PATH_IMAGE016
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 100002_DEST_PATH_IMAGE017
其中，
Figure DEST_PATH_IMAGE018
为第一相关系数
Figure 100002_DEST_PATH_IMAGE019
的权重。
进一步地，所述步骤S8具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
本发明还提出一种风机状态联合监测系统，包括：
标准时域信号模块，用于多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
第一变换模块，用于对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
第二变换模块，用于采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
截取模块，用于截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
第三变换模块，用于对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
第一计算模块，用于依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
第二计算模块，用于依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
状态判断模块，用于基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
进一步地，所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号。
进一步地，所述截取时频谱图
Figure 451138DEST_PATH_IMAGE001
为：
Figure 734352DEST_PATH_IMAGE002
其中，
Figure 291235DEST_PATH_IMAGE003
为待监测时间段的时间索引，
Figure 482569DEST_PATH_IMAGE004
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
进一步地，实时振动信号子成分的时域信号
Figure 150311DEST_PATH_IMAGE005
与启动工况下的标准时域信号
Figure 288031DEST_PATH_IMAGE006
间的第一相关系数
Figure 999504DEST_PATH_IMAGE007
为：
Figure 222675DEST_PATH_IMAGE008
截取时频谱图
Figure 694108DEST_PATH_IMAGE001
与启动工况下的标准三维时频谱图
Figure 420755DEST_PATH_IMAGE009
间的第二相关系数
Figure 568709DEST_PATH_IMAGE010
为：
Figure 279176DEST_PATH_IMAGE011
其中，
Figure 23141DEST_PATH_IMAGE012
、
Figure 401033DEST_PATH_IMAGE013
分别为
Figure 454308DEST_PATH_IMAGE001
与
Figure 386492DEST_PATH_IMAGE009
的方差，
Figure 934148DEST_PATH_IMAGE014
为
Figure 900967DEST_PATH_IMAGE015
与
Figure 647513DEST_PATH_IMAGE016
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 801414DEST_PATH_IMAGE017
其中，
Figure 152761DEST_PATH_IMAGE018
为第一相关系数
Figure 974086DEST_PATH_IMAGE019
的权重。
进一步地，所述状态判断模块具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
本发明提出的风机状态联合监测方法及系统，同时利用时域信号与时频谱图对信号的相关系数进行计算，提高风机状态判断的准确性，避免当频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。对于时频谱图，本发明将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，提高了风机状态判断的效率。
附图说明
图1是实施例一提供的一种风机状态联合监测方法流程图；
图2是实施例二提供的一种风机状态联合监测系统结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
实施例一
如图1 所示，本实施例提出了一种风机状态联合监测方法，包括：
S1、多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
本发明将风机振动信号与风机各个工况状态下的标准信号进行比较，以确定风机的实时状态。为了构建风机标准信号数据，本发明让风机在不同的工况状态下运行，采集风机各个工况状态下的振动信号。具体地，可以在风机轴承设置振动传感器，获取风机轴承的振动信号。振动信号采用特定的采样频率进行采样，采集一段时间内的风机振动信号，得到时域振动信号。
本发明将风机的状态划分为启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况。分别使风机在启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况下运行。
具体地，首先开启风机，采集风机在启动过程中的振动信号，例如，对启动工况以采样频率为3000Hz的条件采样20秒。启动工况是指开启风机按钮到风机进入稳定工作状态下的工况。风机正常启动后，进入正常运行工况，正常运行工况是指风机在各机械状态良好的情况下，按正常速度运行的工况，能够进行正常的工作。关停工况是指关闭风机按钮到风机完全停止运行的工况。为了采集风机在转子不平衡工况、地脚螺栓松动工况下的振动信号，人为在叶片根部的固定螺栓上增加指定配重，以实现转子不平衡工况，将地脚螺栓松动以实现地脚螺栓松动工况。
风机多次运行时，其振动信号也不尽相同，因此，为了提高风机各个工况状态下振动信号的标准化程度，本发明多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取平均信号，得到风机各个工况状态下的标准时域信号。此外，风机包括多个地脚螺栓，因此，本发明分别松动不同的地脚螺栓，得到不同地脚螺栓松动条件下的振动信号，并对不同地脚螺栓松动条件下的振动信号求取平均信号，作为地脚螺栓松动工况下的标准时域信号。
S2、对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
本发明采用同步压缩小波变换对各个工况状态下的标准时域信号进行处理，利用小波变换后信号频域中相位不受尺度变换影响的特性求取各尺度下对应的频率，再将同一频率下的尺度相加，即重新分配小波变换得到的小波系数并对其进行压缩，从而将相同频率附近的值压缩至该频率中，改善了尺度方向的模糊现象，提高了时频分辨率。具体为：
首先对标准时域信号
Figure DEST_PATH_IMAGE020
做连续小波变换，得到小波系数
Figure DEST_PATH_IMAGE021
，其中
Figure DEST_PATH_IMAGE022
为伸缩因子、b为时间平移因子。再利用小波系数
Figure 24957DEST_PATH_IMAGE021
求取瞬时频率
Figure DEST_PATH_IMAGE023
，将时间-尺度平面
Figure DEST_PATH_IMAGE024
转换到时间-频率平面
Figure DEST_PATH_IMAGE025
。假设尺度坐标步长
Figure DEST_PATH_IMAGE026
，频率坐标步长
Figure DEST_PATH_IMAGE027
，尺度与频率的关系为
Figure DEST_PATH_IMAGE028
，其中
Figure DEST_PATH_IMAGE029
为
Figure DEST_PATH_IMAGE030
的频窗中心频率，
Figure DEST_PATH_IMAGE031
为采样频率，此时可以将频率
Figure DEST_PATH_IMAGE032
附近
Figure DEST_PATH_IMAGE033
的值压缩到
Figure 246247DEST_PATH_IMAGE032
上，从而获得同步压缩小波变换的值wt，即：
Figure DEST_PATH_IMAGE034
其中
Figure DEST_PATH_IMAGE035
表示求和符号。
Figure DEST_PATH_IMAGE037
表示绝对值。
通过同步压缩小波变换，得到风机各个工况状态下的标准时域信号对应的三维时频谱图，其横坐标为时间b，纵坐标为频率f，图像wt的颜色表征信号能量分布。不同工况状态下风机的三维时频谱图用不同的名字命名保存，命名规则在此不作限制。
S3、采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
为了对风机的状态进行监测，本发明对风机实时振动信号进行采集。实时振动信号的采集与标准信号一样，在与标准信号采集相同的位置设置振动传感器，如风机轴承，获取风机轴承的实时振动信号。实时振动信号采集后，实时振动信号进行同步压缩小波变换，得到实时三维时频谱图。实时三维时频谱图的生成与步骤S2生成标准三维时频谱图一致，在此不再赘述。
S4、截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
为了克服时频分辨率受限、难以直观反映信号局部特征的问题，本发明对实时振动信号中的子成分进行提取，可以根据需要选择实时三维时频谱图中任意感兴趣时间段的时频信息，以对实时振动信号的局部特征进行全面分析。
具体地，当对
Figure DEST_PATH_IMAGE038
时间段内的实时振动信号感兴趣时，获取截取区域对应的时间索引
Figure DEST_PATH_IMAGE039
和频率索引
Figure DEST_PATH_IMAGE040
，然后将目标区域以外的区域置零，从而获得目标区域对应的时频谱
Figure DEST_PATH_IMAGE041
。即：
Figure 106012DEST_PATH_IMAGE002
S5、对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
获取到感兴趣时间段实时振动信号的截取时频谱图后，本发明对其进行逆同步压缩小波变换，以无损重构目标子成分信号，得到实时振动信号子成分的时域信号。本发明从风机实时时频谱中将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个子成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，能够对实时振动信号的局部特征进行分析。
S6、依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
本发明同时利用振动信号的时域信息及频域信息对风机的状态进行判断，以克服现有的频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。因此，本发明首先将实时振动信号子成分的时域信号与各个工况状态下的标准时域信号进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况对于的标准时域信号
Figure DEST_PATH_IMAGE042
、
Figure DEST_PATH_IMAGE043
、
Figure DEST_PATH_IMAGE044
、
Figure DEST_PATH_IMAGE045
、
Figure DEST_PATH_IMAGE046
，分别计算
Figure 359008DEST_PATH_IMAGE005
与
Figure 941299DEST_PATH_IMAGE042
、
Figure 335371DEST_PATH_IMAGE043
、
Figure 481050DEST_PATH_IMAGE044
、
Figure 11389DEST_PATH_IMAGE045
、
Figure 764581DEST_PATH_IMAGE046
的相关系数
Figure 645950DEST_PATH_IMAGE019
、
Figure DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE048
、
Figure DEST_PATH_IMAGE049
、
Figure DEST_PATH_IMAGE050
，具体为：
Figure 785200DEST_PATH_IMAGE008
类似地，依次计算出
Figure 638887DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE051
、
Figure 15510DEST_PATH_IMAGE049
、
Figure 649754DEST_PATH_IMAGE050
。
S7、依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
本发明将截取时频谱图
Figure DEST_PATH_IMAGE052
与各个工况状态下的标准三维时频谱图进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况对于的标准三维时频谱图
Figure DEST_PATH_IMAGE053
，分别计算
Figure 74919DEST_PATH_IMAGE015
与
Figure 845429DEST_PATH_IMAGE053
的相关系数
Figure DEST_PATH_IMAGE054
，具体为：
Figure DEST_PATH_IMAGE055
其中，
Figure 142023DEST_PATH_IMAGE012
、
Figure DEST_PATH_IMAGE056
分别为
Figure 919355DEST_PATH_IMAGE001
与
Figure DEST_PATH_IMAGE057
的方差，
Figure 492419DEST_PATH_IMAGE014
为
Figure 851856DEST_PATH_IMAGE001
与
Figure DEST_PATH_IMAGE058
的协方差。类似地，依次计算出
Figure DEST_PATH_IMAGE059
。
S8、基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
基于第一相关系数、第二相关系数，计算实时振动信号与启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况的振动信号间的第三相关系数
Figure DEST_PATH_IMAGE060
，具体为：
Figure DEST_PATH_IMAGE061
其中，
Figure 694916DEST_PATH_IMAGE018
为第一相关系数
Figure 38173DEST_PATH_IMAGE007
的权重。
当两个振动信号完全相同时，其第三相关系数为1，当两个振动信号完全不同时，其第三相关系数为0。因此，第三相关系数越大，说明两个振动信号越相似。因此，本发明计算出
Figure 680507DEST_PATH_IMAGE060
，比较
Figure DEST_PATH_IMAGE062
的大小，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况，实现风机状态的自动判断。
实施例二
如图2所示，本实施例提出了一种风机状态联合监测系统，包括：
标准时域信号模块，用于多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
本发明将风机振动信号与风机各个工况状态下的标准信号进行比较，以确定风机的实时状态。为了构建风机标准信号数据，本发明让风机在不同的工况状态下运行，采集风机各个工况状态下的振动信号。具体地，可以在风机轴承设置振动传感器，获取风机轴承的振动信号。振动信号采用特定的采样频率进行采样，采集一段时间内的风机振动信号，得到时域振动信号。
本发明将风机的状态划分为启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况。分别使风机在启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况下运行。
具体地，首先开启风机，采集风机在启动过程中的振动信号，例如，对启动工况以采样频率为3000Hz的条件采样20秒。启动工况是指开启风机按钮到风机进入稳定工作状态下的工况。风机正常启动后，进入正常运行工况，正常运行工况是指风机在各机械状态良好的情况下，按正常速度运行的工况，能够进行正常的工作。关停工况是指关闭风机按钮到风机完全停止运行的工况。为了采集风机在转子不平衡工况、地脚螺栓松动工况下的振动信号，人为在叶片根部的固定螺栓上增加指定配重，以实现转子不平衡工况，将地脚螺栓松动以实现地脚螺栓松动工况。
风机多次运行时，其振动信号也不尽相同，因此，为了提高风机各个工况状态下振动信号的标准化程度，本发明多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取平均信号，得到风机各个工况状态下的标准时域信号。此外，风机包括多个地脚螺栓，因此，本发明分别松动不同的地脚螺栓，得到不同地脚螺栓松动条件下的振动信号，并对不同地脚螺栓松动条件下的振动信号求取平均信号，作为地脚螺栓松动工况下的标准时域信号。
第一变换模块，用于对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
本发明采用同步压缩小波变换对各个工况状态下的标准时域信号进行处理，利用小波变换后信号频域中相位不受尺度变换影响的特性求取各尺度下对应的频率，再将同一频率下的尺度相加，即重新分配小波变换得到的小波系数并对其进行压缩，从而将相同频率附近的值压缩至该频率中，改善了尺度方向的模糊现象，提高了时频分辨率。具体为：
首先对标准时域信号
Figure 881068DEST_PATH_IMAGE020
做连续小波变换，得到小波系数
Figure 317866DEST_PATH_IMAGE021
，其中
Figure 335369DEST_PATH_IMAGE022
为伸缩因子、b为时间平移因子。再利用小波系数
Figure 515815DEST_PATH_IMAGE021
求取瞬时频率
Figure DEST_PATH_IMAGE063
，将时间-尺度平面
Figure 318686DEST_PATH_IMAGE024
转换到时间-频率平面
Figure 441232DEST_PATH_IMAGE025
。假设尺度坐标步长
Figure DEST_PATH_IMAGE064
，频率坐标步长
Figure 165605DEST_PATH_IMAGE027
，尺度与频率的关系为
Figure 133430DEST_PATH_IMAGE028
，其中
Figure 587545DEST_PATH_IMAGE029
为
Figure 631724DEST_PATH_IMAGE030
的频窗中心频率，
Figure 171290DEST_PATH_IMAGE031
为采样频率，此时可以将频率
Figure 945736DEST_PATH_IMAGE032
附近
Figure DEST_PATH_IMAGE065
的值压缩到
Figure 926461DEST_PATH_IMAGE032
上，从而获得同步压缩小波变换的值wt，即：
Figure DEST_PATH_IMAGE066
其中
Figure 859651DEST_PATH_IMAGE035
表示求和符号。
Figure 824196DEST_PATH_IMAGE037
表示绝对值。
通过同步压缩小波变换，得到风机各个工况状态下的标准时域信号对应的三维时频谱图，其横坐标为时间b，纵坐标为频率f，图像wt的颜色表征信号能量分布。不同工况状态下风机的三维时频谱图用不同的名字命名保存，命名规则在此不作限制。
第二变换模块，用于采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
为了对风机的状态进行监测，本发明对风机实时振动信号进行采集。实时振动信号的采集与标准信号一样，在与标准信号采集相同的位置设置振动传感器，如风机轴承，获取风机轴承的实时振动信号。实时振动信号采集后，实时振动信号进行同步压缩小波变换，得到实时三维时频谱图。实时三维时频谱图的生成与步骤S2生成标准三维时频谱图一致，在此不再赘述。
截取模块，用于截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
为了克服时频分辨率受限、难以直观反映信号局部特征的问题，本发明对实时振动信号中的子成分进行提取，可以根据需要选择实时三维时频谱图中任意感兴趣时间段的时频信息，以对实时振动信号的局部特征进行全面分析。
具体地，当对
Figure DEST_PATH_IMAGE067
时间段内的实时振动信号感兴趣时，获取截取区域对应的时间索引
Figure 868244DEST_PATH_IMAGE039
和频率索引
Figure 31372DEST_PATH_IMAGE040
，然后将目标区域以外的区域置零，从而获得目标区域对应的时频谱
Figure DEST_PATH_IMAGE068
。即：
Figure 135463DEST_PATH_IMAGE002
第三变换模块，用于对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
获取到感兴趣时间段实时振动信号的截取时频谱图后，本发明对其进行逆同步压缩小波变换，以无损重构目标子成分信号，得到实时振动信号子成分的时域信号。本发明从风机实时时频谱中将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个子成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，能够对实时振动信号的局部特征进行分析。
第一计算模块，用于依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
本发明同时利用振动信号的时域信息及频域信息对风机的状态进行判断，以克服现有的频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。因此，本发明首先将实时振动信号子成分的时域信号与各个工况状态下的标准时域信号进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况对于的标准时域信号
Figure 852884DEST_PATH_IMAGE006
、
Figure 716934DEST_PATH_IMAGE043
、
Figure 252346DEST_PATH_IMAGE044
、
Figure 809229DEST_PATH_IMAGE045
、
Figure 545104DEST_PATH_IMAGE046
，分别计算
Figure 665375DEST_PATH_IMAGE005
与
Figure 537516DEST_PATH_IMAGE006
、
Figure 265301DEST_PATH_IMAGE043
、
Figure 488472DEST_PATH_IMAGE044
、
Figure 209172DEST_PATH_IMAGE045
、
Figure 404661DEST_PATH_IMAGE046
的相关系数
Figure 303347DEST_PATH_IMAGE019
、
Figure 263082DEST_PATH_IMAGE047
、
Figure 272626DEST_PATH_IMAGE048
、
Figure 384938DEST_PATH_IMAGE049
、
Figure 188946DEST_PATH_IMAGE050
，具体为：
Figure DEST_PATH_IMAGE069
类似地，依次计算出
Figure DEST_PATH_IMAGE070
、
Figure 33713DEST_PATH_IMAGE051
、
Figure 830636DEST_PATH_IMAGE049
、
Figure 718DEST_PATH_IMAGE050
。
第二计算模块，用于依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
本发明将截取时频谱图
Figure 975627DEST_PATH_IMAGE001
与各个工况状态下的标准三维时频谱图进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况对于的标准三维时频谱图
Figure DEST_PATH_IMAGE071
，分别计算
Figure 644374DEST_PATH_IMAGE015
与
Figure 995721DEST_PATH_IMAGE071
的相关系数
Figure DEST_PATH_IMAGE072
、
Figure DEST_PATH_IMAGE073
，具体为：
Figure 3998DEST_PATH_IMAGE011
其中，
Figure 618650DEST_PATH_IMAGE012
、
Figure 43202DEST_PATH_IMAGE013
分别为
Figure 932661DEST_PATH_IMAGE001
与
Figure 874072DEST_PATH_IMAGE057
的方差，
Figure 643314DEST_PATH_IMAGE014
为
Figure 37386DEST_PATH_IMAGE001
与
Figure 996115DEST_PATH_IMAGE058
的协方差。类似地，依次计算出
Figure 792032DEST_PATH_IMAGE073
。
状态判断模块，用于基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
基于第一相关系数、第二相关系数，计算实时振动信号与启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况的振动信号间的第三相关系数
Figure 794492DEST_PATH_IMAGE060
，具体为：
Figure 675861DEST_PATH_IMAGE061
其中，
Figure 110384DEST_PATH_IMAGE018
为第一相关系数
Figure 10076DEST_PATH_IMAGE007
的权重。
当两个振动信号完全相同时，其第三相关系数为1，当两个振动信号完全不同时，其第三相关系数为0。因此，第三相关系数越大，说明两个振动信号越相似。因此，本发明计算出
Figure 199749DEST_PATH_IMAGE060
，比较
Figure 568413DEST_PATH_IMAGE062
的大小，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况，实现风机状态的自动判断。
本发明提出的风机状态联合监测方法及系统，同时利用时域信号与时频谱图对信号的相关系数进行计算，提高风机状态判断的准确性，避免当频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。对于时频谱图，本发明将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，提高了风机状态判断的效率。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例， 而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种风机状态联合监测方法，其特征在于，包括步骤：
S1、多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
S2、对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
S3、采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
S4、截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
S5、对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
S6、依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
S7、依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
S8、基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态；
所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号；实时振动信号子成分的时域信号
Figure DEST_PATH_IMAGE001
与启动工况下的标准时域信号
Figure 695784DEST_PATH_IMAGE002
间的第一相关系数
Figure DEST_PATH_IMAGE003
为：
Figure 966097DEST_PATH_IMAGE004
截取时频谱图
Figure DEST_PATH_IMAGE005
与启动工况下的标准三维时频谱图
Figure 824331DEST_PATH_IMAGE006
间的第二相关系数
Figure DEST_PATH_IMAGE007
为：
Figure 656152DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
、
Figure 865417DEST_PATH_IMAGE010
分别为
Figure 158995DEST_PATH_IMAGE005
与
Figure 606157DEST_PATH_IMAGE006
的方差，
Figure DEST_PATH_IMAGE011
为
Figure 107414DEST_PATH_IMAGE005
与
Figure 272816DEST_PATH_IMAGE012
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure DEST_PATH_IMAGE013
其中，
Figure 635664DEST_PATH_IMAGE014
为第一相关系数
Figure DEST_PATH_IMAGE015
的权重。
2.根据权利要求1所述的风机状态联合监测方法，其特征在于，所述截取时频谱图
Figure 468491DEST_PATH_IMAGE016
为：
Figure DEST_PATH_IMAGE017
其中，
Figure 376536DEST_PATH_IMAGE018
为待监测时间段的时间索引，
Figure DEST_PATH_IMAGE019
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
3.根据权利要求1所述的风机状态联合监测方法，其特征在于，所述步骤S8具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
4.一种风机状态联合监测系统，其特征在于，包括：
标准时域信号模块，用于多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
第一变换模块，用于对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
第二变换模块，用于采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
截取模块，用于截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
第三变换模块，用于对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
第一计算模块，用于依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
第二计算模块，用于依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
状态判断模块，用于基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态；
所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号；
实时振动信号子成分的时域信号
Figure 825971DEST_PATH_IMAGE001
与启动工况下的标准时域信号
Figure 241778DEST_PATH_IMAGE002
间的第一相关系数
Figure 663532DEST_PATH_IMAGE003
为：
Figure 257325DEST_PATH_IMAGE004
截取时频谱图
Figure 148051DEST_PATH_IMAGE005
与启动工况下的标准三维时频谱图
Figure 852702DEST_PATH_IMAGE006
间的第二相关系数
Figure 128963DEST_PATH_IMAGE007
为：
Figure 628077DEST_PATH_IMAGE008
其中，
Figure 989788DEST_PATH_IMAGE009
、
Figure 966972DEST_PATH_IMAGE010
分别为
Figure 612585DEST_PATH_IMAGE005
与
Figure 17022DEST_PATH_IMAGE006
的方差，
Figure 131609DEST_PATH_IMAGE011
为
Figure 646904DEST_PATH_IMAGE005
与
Figure 163336DEST_PATH_IMAGE012
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 489406DEST_PATH_IMAGE013
其中，
Figure 91288DEST_PATH_IMAGE014
为第一相关系数
Figure 675853DEST_PATH_IMAGE015
的权重。
5.根据权利要求4所述的风机状态联合监测系统，其特征在于，所述截取时频谱图
Figure 46792DEST_PATH_IMAGE016
为：
Figure 307878DEST_PATH_IMAGE017
其中，
Figure 131477DEST_PATH_IMAGE018
为待监测时间段的时间索引，
Figure 519733DEST_PATH_IMAGE019
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
6.根据权利要求4所述的风机状态联合监测系统，其特征在于，所述状态判断模块具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况、正常运行工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
CN202010239902.6A 2020-03-31 2020-03-31 一种风机状态联合监测方法及系统 Active CN111120388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010239902.6A CN111120388B (zh) 2020-03-31 2020-03-31 一种风机状态联合监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010239902.6A CN111120388B (zh) 2020-03-31 2020-03-31 一种风机状态联合监测方法及系统

Publications (2)

Publication Number Publication Date
CN111120388A CN111120388A (zh) 2020-05-08
CN111120388B true CN111120388B (zh) 2020-07-28

Family

ID=70493850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010239902.6A Active CN111120388B (zh) 2020-03-31 2020-03-31 一种风机状态联合监测方法及系统

Country Status (1)

Country Link
CN (1) CN111120388B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111594893B (zh) * 2020-05-13 2021-05-18 宁波方太厨具有限公司 一种吸油烟机抖动故障诊断方法
CN112968886B (zh) * 2021-02-02 2021-12-03 东北大学 振动信号压缩方法及装置、存储介质、计算机设备
CN113358359B (zh) * 2021-05-25 2022-09-06 中国人民解放军92493部队计量测试研究所 一种柴油机工作性能状态检测方法
CN113358342B (zh) * 2021-06-25 2023-03-31 中国华能集团清洁能源技术研究院有限公司 一种风力发电机组螺栓监测系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572473B (zh) * 2015-12-18 2018-06-12 中国航天科工集团八五一一研究所 高分辨率线性时频分析方法
CN108843611B (zh) * 2018-06-15 2019-08-27 浙江大学 一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法
CN109766874A (zh) * 2019-02-02 2019-05-17 王卓然 一种基于深度学习算法的风机故障分类识别方法
CN110245595A (zh) * 2019-06-05 2019-09-17 重庆邮电大学 基于时频谱图和二维主成分分析的机械轴承故障诊断方法

Also Published As

Publication number Publication date
CN111120388A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111120388B (zh) 一种风机状态联合监测方法及系统
Salameh et al. Gearbox condition monitoring in wind turbines: A review
Zhao et al. A tacho-less order tracking technique for large speed variations
Yu et al. An adaptive sensitive frequency band selection method for empirical wavelet transform and its application in bearing fault diagnosis
Urbanek et al. Comparison of amplitude-based and phase-based method for speed tracking in application to wind turbines
CN102798529B (zh) 大型风力机组轴承故障诊断方法及系统
Lu et al. Condition monitoring and fault diagnostics of wind turbines
CN109655266B (zh) 一种基于avmd和谱相关分析的风电机组轴承故障诊断方法
Yan et al. A feature selection framework-based multiscale morphological analysis algorithm for fault diagnosis of rolling element bearing
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
CN111256993A (zh) 一种风电机组主轴承故障类型诊断方法及系统
Wang et al. Fault diagnosis of wind turbine bearing based on optimized adaptive chirp mode decomposition
Dahiya Condition monitoring of wind turbine for rotor fault detection under non stationary conditions
Wang et al. Rotating machinery fault diagnosis based on EEMD time-frequency energy and SOM neural network
CN108278184B (zh) 基于经验模态分解的风电机组叶轮不平衡监测方法
CN110953179A (zh) 一种基于逆小波变换的风机状态监测方法及系统
Koukoura et al. Investigating parallel multi-step vibration processing pipelines for planetary stage fault detection in wind turbine drivetrains
Garg et al. Current signature analysis and its application in the condition monitoring of wind turbine for rotor faults
Tranter The fundamentals of, and the application of computers to, condition monitoring and predictive maintenance
Liu et al. Bispectrum analysis for feature extraction of pitting fault in wind turbine gearbox
Urbanek et al. Comparison of advanced signal-processing methods for roller bearing faults detection
Antonino-Daviu et al. Guest editorial special section on advanced signal and image processing techniques for electric machines and drives fault diagnosis and prognosis
Gong et al. Current-based online bearing fault diagnosis for direct-drive wind turbines via spectrum analysis and impulse detection
Leite et al. Experimental bearing fault detection, identification, and prognosis through spectral kurtosis and envelope spectral analysis
Thanagasundram et al. Autoregressive based diagnostics scheme for detection of bearing faults

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 312300 No. 1818, Renmin West Road, Dongguan Street, Shangyu District, Shaoxing City, Zhejiang Province

Patentee after: Zhejiang Shangfeng high tech special wind industry Co.,Ltd.

Address before: 312300 No. 1818 Renmin West Road, Shangyu District, Zhejiang, Shaoxing

Patentee before: ZHEJIANG SHANGFENG HI-TECH SPECIALIZED WIND INDUSTRIAL Co.,Ltd.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Chu Ning

Inventor after: Xu Jianfeng

Inventor before: Hu Weifeng

Inventor before: Zhu Yu Xiao

Inventor before: Lu Qingqing

Inventor before: Chen Yiwei

Inventor before: Shi Hong