CN111946559A - 一种风机基础和塔架结构检测方法 - Google Patents

Abstract

本发明涉及一种风机基础和塔架结构检测方法，通过检测系统采集位移、倾角、振动三种信号，基于采集的三种信号采用时域和频域分析方法提取与风机健康状态相关的特征参数，进而提出基于支持向量机训练模型的综合检测方法，该方法基于风机运行参数正负特征样本进行模型训练，训练后的支持向量机模型包含风机故障信息、健康信息以及特征参数对故障的敏感程度信息，基于所有训练模型形成风机基础和塔架检测模式。本发明方法采集三种信号对风机结构状态进行检测，提取的特征参数作为模式输入，可以有效检测风机基础螺栓松动、塔架螺栓松动、风机基础沉降、塔架倾斜，实现对风机基础和塔架结构的状态评估。

Description

一种风机基础和塔架结构检测方法

技术领域

本发明涉及大型设备结构运行状态检测与诊断技术领域，具体涉及一种风机基础和塔架结构的状态检测方法。

背景技术

随着风电装机容量的攀升及机组运行时间的增长，如何降低设备故障率，提高风机的利用率，降低设备运维成本，进而提升风电场的收益，成为风电场运维工作的主要目标。国内外风机毁坏倒塌案例众多，多数风机是由于自然灾害、安装不合理、老化维护不及时导致，而风机基础和塔架健康检查多为人工定期检查，耗时耗力，无法及时检测风机基础和塔架结构健康状态，多为经验判断，无数据支撑判断，无法及时发现故障。因此对风机基础和塔架进行结构检测，评估其工作健康状态，并对潜在故障进行识别和预警非常有必要。

目前对风机基础和塔架结构检测方法方面，更多是采用单种传感器识别单种故障，或者采用多种传感器组合通过阈值设定，以一些风机设计标准值作为阈值进行故障检测与识别，忽略了风机这个系统长时间运行下状态指标的变化，以及没有对多种信号进行信息融合实现更加准确的诊断分析，因此提出一种基于多类型信号的风机基础和塔架信号融合检测方法是非常有必要的。

发明内容

本发明要解决的技术问题在于针对上述现有技术存在的不足，提供一种风机基础和塔架结构检测方法，该方法基于多类型信号综合分析方法，基于支持向量机算法训练模型形成风机基础和塔架结构检测模式，能够可靠对风机基础和塔架结构健康状态进行评估，实现风机的故障识别，可以用于风力发电基础和塔架日常检修和维护。

本发明为解决上述提出的技术问题所采用的技术方案为：

一种风机基础和塔架结构检测方法，该方法的检测对象为风机结构，所述风机结构包括风机基础、风机塔架、风机基础固定螺栓、风机塔架螺栓；该方法采用的检测系统包括位移传感器、双向倾角传感器、双向振动传感器，分别用于采用位移信号、倾角信号、振动信号；该检测方法包括以下步骤：

S1、通过所述检测系统采集所述风机结构的位移信号、倾角信号和振动信号，三种信号采集用于形成风机运行状态的正常运行的正样本数据和故障状态下负样本数据；风机运行状态的正样本数据为检测系统历史采集的风机正常状态数据，风机运行状态的负样本数据为检测系统历史采集的风机倾斜、基础沉降和螺栓松动工况下的数据，以及人为对风机基础和风机塔架模拟螺栓松动的实验工况下的数据。

S2、基于采集的三种信号采用时域和频域分析方法，提取振动信号、位移信号和倾角信号的特征参数；振动信号特征参数提取振动固有频率、振动频率方差、振动峰峰值、振动加速度、特征频率区间、特征频率区间能量值、特征频率区间峰值、峭度因子、裕度因子；位移和倾角信号特征参数提取均值、均方值、峰值、方差、峭度因子、裕度因子。这些特征参数与风机结构状态密切相关，包含着风机基础沉降、螺栓松动和塔架倾斜故障特征信息。

S3、基于正负样本提取的特征参数集，采用支持向量机算法训练出风机基础和塔架结构检测数学模型；训练模型用于分析新采集的信号，用于风机基础和塔架结构故障检测。参数集之间每两子集之间采用支持向量机算法，具有n个子集的集合将形成n(n-1)/2支持向量机子训练模型，所有训练模型组合形成风机基础和塔架检测模式，支持向量机训练模型检测识别输出结果出现次数最多的结果作为整个检测模式输出。

上述方法中，所述位移传感器有4个，4个位移传感器采用固定支架进行安装，所述固定支架固定在所述风机基础上，位移传感器探头与风机基础保持平行，位移传感器探头端面平行于所述风机塔架内壁，根据位移传感器安装间隙要求进行固定安装；4个位移传感器用于采集风机塔架底部与塔筒的四个方向的相对位移信号，其中一对位移方向为主风力方向，另外一对位移方向垂直于主风力方向。

上述方法中，所述双向倾角传感器有1个，固定在所述风机塔架中下部，双向倾角传感器探头平行于风机基础，同时探头端面垂直风机塔架内壁固定安装；1个双向倾角传感器用于采集风机塔架中部两个方向倾角信号，一个方向为主风力方向，另一个方向垂直主风力方向。

上述方法中，所述双向振动传感器有1个，安装在所述风机塔架中上部，通过胶粘剂或吸铁磁固定在凸台平面上，与风机基础保持平行；1个双向振动传感器用于采集风机塔架上部两个方向振动信号，一个方向为主风力方向，另一个方向垂直主风力方向。

本发明的有益效果在于：

本发明风机基础和塔架结构检测方法基于多信号类型形成支持向量机训练模型，该训练模型包括风机正常状态信息、故障状态信息以及特征参数对故障灵敏度程度，训练模型组合形成风机基础和塔架检测模式，该方法可用于评估风机基础和塔架结构健康状态，对风机基础沉降、风机螺栓松动和塔架倾斜等结构性故障进行可靠有效识别，实现故障预警预报。

训练集由于包含正常状态数据，这将不需要去设置阈值作为故障诊断标准，而是将全部信息进入训练模型，模型将会自动将需要识别样本数据与模型训练好的样本进行回归分析实现故障检测，而不是单独某个参数设置阈值，这样整体信息作为评价指标考虑到多种信号之间的耦合关系。相比于常规采用单一种信号诊断一种故障来说，可靠性更高。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明方法的检测对象与检测系统的结构图；

图2是本发明方法中风机基础和塔架结构检测模式形成图；

图3是本发明风机基础和塔架结构检测方法实施图。

图中：10、风机结构；11、风机基础；12、风机塔架；13、风机基础固定螺栓；14、风机塔架螺栓；

21、位移传感器；22、双向倾角传感器；23、双向振动传感器；24、综合采集系统；25、电脑客户端。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

本发明提供了一种风机基础和塔架结构检测方法，如图1所示，该方法的检测对象为风机结构10，风机结构10包括风机基础11、风机塔架12、风机基础固定螺栓13、风机塔架螺栓14。该方法采用的检测系统包括位移传感器21、双向倾角传感器22、双向振动传感器23，分别用于采用位移信号、倾角信号、振动信号，各个传感器通过信号线连接综合采集系统24，综合采集系统24传输数据给电脑客户端25的检测系统软件(包含采集分析程序)。位移传感器有4个，4个位移传感器采用固定支架进行安装，固定支架固定在风机基础上，位移传感器探头与风机基础保持平行，位移传感器探头端面平行于风机塔架内壁，根据位移传感器安装间隙要求进行固定安装；4个位移传感器用于采集风机塔架底部与塔筒的四个方向的相对位移信号，其中一对位移方向为主风力方向，另外一对位移方向垂直于主风力方向。双向倾角传感器有1个，固定在风机塔架中下部，双向倾角传感器探头平行于风机基础，同时探头端面垂直风机塔架内壁固定安装；1个双向倾角传感器用于采集风机塔架中部两个方向倾角信号，一个方向为主风力方向，另一个方向垂直主风力方向。双向振动传感器有1个，安装在风机塔架中上部，通过胶粘剂固定在凸台平面上，与风机基础保持平行；1个双向振动传感器用于采集风机塔架上部两个方向振动信号，一个方向为主风力方向，另一个方向垂直主风力方向。

图2，为风机基础和塔架结构检测模式形成图。整个检测模式基于历史数据以及故障模拟数据形成，历史数据包括正常状态数据、基础沉降故障数据、螺栓松动故障数据、塔架倾斜数据，这是由样机或者同型号风机长时间运行下积累的数据，通过图1所示的检测系统进行采集。故障模拟数据包括基础螺栓松动数据和各层塔架螺栓松动数据。螺栓松动在风机上较为方便模拟故障，通过模态分析以及风机设计标准，一般松弛螺栓预紧力10％-50％然后采集不同预紧力松弛下的位移、倾角、振动三种信号数据作为故障数据样本。故障模拟实验时需要螺栓松弛包括基础螺栓和各层塔架螺栓松弛，不同位置螺栓预紧力松弛都会影响到采集的信号，且不同信号对不同位置发生故障的灵敏度也不一样。采集不同位置螺栓松弛工况下数据也将提高决策模型准确性。故障模拟数据的采集也是通过图1所示的检测系统实现。

历史数据以及故障模拟数据通过时域和频域分析，振动信号提取振动固有频率、振动频率方差、振动峰峰值、振动加速度、特征频率区间、特征频率区间能量值、特征频率区间峰值、峭度因子、裕度因子，共计9个特征参数。位移和倾角信号提取均值、均方值、峰值、方差、峭度因子、裕度因子6种12个特征参数。振动、位移和倾角三种信号一共提取21个特征参数用于形成特征参数数据集。各工况特征参数将提取出多组数据，所有工况下每两组数据都将采用支持向量机算法进行训练，如图2所示n*m矩阵的特征参数集，其中m代表特征参数个数，本实施例中m值为21，n为特征参数子集个数，这由实际数据量大小确定。每个子集都是由21特征参数组成。因此本实例会进行n(n-1)/2次支持向量机训练，待总体训练完后所有支持向量机训练模型组合形成风机基础和塔架检测模式。整个模式输入为位移、倾角和振动信号提取的特征参数，输入的特征参数需要和特征参数子集种类一致。

如图3所示，采用上述检测模式进行风机基础和塔架结构故障检测。基于风机基础和塔架安装的传感器采集风机当前的振动、位移和倾角信号，信号采集和调理后进行信号分析以及特征参数提取形成一个特征参数子集，基于风机基础和塔架检测模型，n(n-1)/2个支持向量机模型都将对特征参数子集识别一次，识别过程为逻辑回归过程，将会对需要检测样本数据与原有正常或者故障数据回归分析，判别当前特征参数属于正常状态、塔架倾斜、基础沉降、基础螺栓松动和塔架螺栓松动中的一类。在n(n-1)/2个结果中输出结果最多的一种状态将会作为整个检测模型结果输出，作为风机检测结果。同时在识别正常状态下，输出模型误差用于评价风机结构状态健康程度，模型误差在本模型中代表当前状态数据与正常状态数据偏离程度。

本发明采用基于模式识别方法对风机基础和塔架进行结构检测。该检测方法针对用传感器采集的位移信号、倾角信号和振动信号共三种信号进行综合处理。三种信号主要包含着风机基础沉降、塔架倾斜和固定螺栓松动三种常见故障信息。这三种信号并非独立关系，如塔架倾斜同样影响到基础位移信号，因此必须要采用综合分析方法，常规采用单一种信号诊断一种故障可靠性不高。基于采集到的风机运行历史正常数据和故障数据以及风机故障模拟实验数据形成正负样本。由于风机塔架倾斜与风机基础沉降不便于故障模拟实验，但风机长时间运行下都会产生一定基础沉降和塔架倾斜，因此由样机长期运行下，提取到故障工况下三种信号数据，包括风机正常工况大量数据、螺栓松动数据、风机倾斜数据和风机基础沉降数据。风机故障模拟实验主要进行螺栓松动实验，包括塔架基础固定螺栓预紧力松弛和各节塔筒连接螺栓预紧力松弛分别松弛作为故障工况模拟，预紧力松弛大小需要根据风机结构模态分析以及设计标准确定。采集螺栓松动故障工况主要用于分析每层固定螺栓松动对三种信号的敏感度分析。历史数据以及故障模拟数据将组合形成正负样本，每种工况样本数据选取相近数量。

基于三种类型信号采用时域分析和频域分析方法提取特征参数，时域分析主要用于分析风机基础和状态与时间关系，可以提取信号波形例如均值、均方值、峰峰值、方差、峭度因子、裕度因子等和时域有关特征量。频域分析主要用于分析风机基础和塔架在不同频率下的响应特征，可以提取出振动固有频率、频率方差等频域特征量。基于时域和频域分析，提取振动信号下特征参数包含振动固有频率、振动频率方差、振动峰峰值、振动加速度、特征频率区间、特征频率区间能量值、特征频率区间峰值、峭度因子、裕度因子等特征参数。位移和倾角信号下特征参数包含均值、均方值、峰值、方差、峭度因子、裕度因子等特征参数。特征参数类别中，振动固有频率与风机基础和塔架结构刚度有关，固有频率的变化将反映风机基础和塔架结构刚度的变化；振动频率方差代表风机振动频率的稳定性，反映振动频率的变化；振动峰峰值和振动加速度反映风机塔架振动位移幅度和振动变化快慢；特征频率区间、特征频率区间能量值和特征频率区间峰值用于提取故障工况下风机塔架对故障的响应，这些特征参数将会直接反映故障信息以及对故障的敏感程度；振动信号峭度因子表征波形的平稳程度，可以反映风机塔架振动过程中受到的冲击信号；振动信号裕度因子是信号峰值与方根幅值的比值，与风机塔架螺栓磨损情况有关，这也是螺栓松动产生原因之一。位移与倾角信号均值、均方值、峰值与方差表征风机底部位移变化状态以及中部塔架倾斜状态；位移和倾角信号提取峭度因子和裕度因子同样也是反映信号波形的参数，与风机基础和塔架螺栓磨损以及产生的冲击有关。每种工况数据都将提取出多组参数，每组参数集都包含上方所述特征参数，所有工况参数集组合形成特征参数集。特征参数集之间每两子集之间采用支持向量机算法，具有n个子集的集参数集将形成n(n-1)/2支持向量机训练模型，训练模型都将用于状态检测与识别，所有训练模型组合形成风机基础和塔架检测模式，支持向量机训练模型识别结果出现次数最多的将作为整个检测模式结果输出。训练集由于包含正常状态数据，这将不需要去设置阈值作为故障诊断标准，而是将全部信息进入训练模型，模型将会自动将需要识别样本数据与模型训练好的样本进行回归分析实现故障检测，而不是单独某个参数设置阈值，这样整体信息作为评价指标考虑到多种信号之间的耦合关系。整个检测模式检测结果根据训练特征参数集包含的工况确定，包括正常状态、塔架倾斜故障、基础沉降故障、基础螺栓松动和塔架连接螺栓松动故障一共5种输出结果。整个风机结构检测模式将用于评估风机健康状态，新样本数据输入模式下的训练模型进行风机状态识别，检测风机基础沉降、风机基础螺栓松动、风机塔架连接螺栓松动、风机塔架倾斜。同时训练模型也将输出模型误差，反映检测数据与正常数据偏离程度，用模型误差表征当前风机基础和塔架健康状态。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种风机基础和塔架结构检测方法，其特征在于，

该方法的检测对象为风机结构，所述风机结构包括风机基础、风机塔架、风机基础固定螺栓、风机塔架螺栓；

该方法采用的检测系统包括位移传感器、双向倾角传感器、双向振动传感器，分别用于采用位移信号、倾角信号、振动信号；

该检测方法包括以下步骤：

S1、通过所述检测系统采集所述风机结构的位移信号、倾角信号和振动信号，三种信号采集用于形成风机运行状态的正常运行的正样本数据和故障状态下负样本数据；风机运行状态的正样本数据为检测系统历史采集的风机正常状态数据，风机运行状态的负样本数据为检测系统历史采集的风机倾斜、基础沉降和螺栓松动工况下的数据，以及人为对风机基础和风机塔架模拟螺栓松动的实验工况下的数据；

S2、基于采集的三种信号采用时域和频域分析方法，提取振动信号、位移信号和倾角信号的特征参数；

S3、基于正负样本提取的特征参数集，采用支持向量机算法训练出风机基础和塔架结构检测数学模型；训练模型用于分析新采集的信号，用于风机基础和塔架结构故障检测。

2.根据权利要求1所述的风机基础和塔架结构检测方法，其特征在于，所述位移传感器有4个，4个位移传感器采用固定支架进行安装，所述固定支架固定在所述风机基础上，位移传感器探头与风机基础保持平行，位移传感器探头端面平行于所述风机塔架内壁，根据位移传感器安装间隙要求进行固定安装；4个位移传感器用于采集风机塔架底部与塔筒的四个方向的相对位移信号，其中一对位移方向为主风力方向，另外一对位移方向垂直于主风力方向。

3.根据权利要求1所述的风机基础和塔架结构检测方法，其特征在于，所述双向倾角传感器有1个，固定在所述风机塔架中下部，双向倾角传感器探头平行于风机基础，同时探头端面垂直风机塔架内壁固定安装；1个双向倾角传感器用于采集风机塔架中部两个方向倾角信号，一个方向为主风力方向，另一个方向垂直主风力方向。

4.根据权利要求1所述的风机基础和塔架结构检测方法，其特征在于，所述双向振动传感器有1个，安装在所述风机塔架中上部，通过胶粘剂固定在凸台平面上，与风机基础保持平行；1个双向振动传感器用于采集风机塔架上部两个方向振动信号，一个方向为主风力方向，另一个方向垂直主风力方向。

5.根据权利要求1所述的风机基础和塔架结构检测方法，其特征在于，步骤S2中，振动信号特征参数提取振动固有频率、振动频率方差、振动峰峰值、振动加速度、特征频率区间、特征频率区间能量值、特征频率区间峰值、峭度因子、裕度因子；位移和倾角信号特征参数提取均值、均方值、峰值、方差、峭度因子、裕度因子。

6.根据权利要求1所述的风机基础和塔架结构检测方法，其特征在于，步骤S3中，参数集之间每两子集之间采用支持向量机算法，具有n个子集的集合将形成n(n-1)/2支持向量机子训练模型，所有训练模型组合形成风机基础和塔架检测模式，支持向量机训练模型检测识别输出结果出现次数最多的结果作为整个检测模式输出。

Images