CN113049953B - 通过噪声进行故障定位的方法、装置、介质和设备 - Google Patents

通过噪声进行故障定位的方法、装置、介质和设备 Download PDF

Info

Publication number
CN113049953B
CN113049953B CN202110215167.XA CN202110215167A CN113049953B CN 113049953 B CN113049953 B CN 113049953B CN 202110215167 A CN202110215167 A CN 202110215167A CN 113049953 B CN113049953 B CN 113049953B
Authority
CN
China
Prior art keywords
sound level
noise
working condition
level spectrum
spectrum matrix
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
CN202110215167.XA
Other languages
English (en)
Other versions
CN113049953A (zh
Inventor
唐拥军
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.)
Pumped Storage Technology And Economy Research Institute Of State Grid Xinyuan Holding Co ltd
State Grid Xinyuan Co Ltd
Original Assignee
Pumped Storage Technology And Economy Research Institute Of State Grid Xinyuan Holding Co ltd
State Grid Xinyuan 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 Pumped Storage Technology And Economy Research Institute Of State Grid Xinyuan Holding Co ltd, State Grid Xinyuan Co Ltd filed Critical Pumped Storage Technology And Economy Research Institute Of State Grid Xinyuan Holding Co ltd
Priority to CN202110215167.XA priority Critical patent/CN113049953B/zh
Publication of CN113049953A publication Critical patent/CN113049953A/zh
Application granted granted Critical
Publication of CN113049953B publication Critical patent/CN113049953B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明示例性实施例提供一种通过噪声进行故障定位的方法，包括：在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果。本发明利用噪声的时频域联合分析来判定机组的运行状态，有效减少事故发生或扩大化和有效缩短故障定位及原因分析的时间。

Description

通过噪声进行故障定位的方法、装置、介质和设备
技术领域
本发明示例性实施例涉及水电技术领域，尤其涉及一种通过噪声进行故障定位的方法、装置、介质和设备。
背景技术
随着我国能源结构改革进程的不断推进，大力开发水电能源对构建清洁低碳的能源体系、促进经济社会可持续发展具有重要战略意义。作为水电站能量转换过程的核心设备，水电机组正在向复杂化、巨型化、集成化和智能化的方向发展，其面临的安全可靠运行问题日益突出。随之而来的是水电机组运行状态监测及故障诊断系统日益受到重视和得到发展。
水电机组运行过程中主要受机械、电气与水力三种因素的耦合作用，因此，机组噪声中汇聚了机械、电气与水力三方面产生的噪声信息，例如，水轮发电机转动部件旋转产生的各种机械噪声、发电机电磁力产生的电磁噪声及水轮机流道中各种水流撞击、脱流、卡门涡、空化等水力产生的噪声。而这是单纯振动摆度或压力脉动测点不具备的。不过，机组出现明显故障时，异常噪声可能是由机械、电气与水力三者中二项或一项为主而产生的，例如，水轮机转轮叶片出水边的卡门涡与叶片共振而出现的高频啸叫声、导叶严重过流不均时的水流与转轮动静干涉而产生的剧烈噪声、迷宫环间隙不均匀而出现的不平衡侧压力所引发的低频噪声。因此可以测量与分析机组的噪声来实现机组故障的检测和定位。目前水电机组状态监测系统布置的测点主要有主轴摆度、机组振动、水压脉动、空气间隙等，而大都未布置噪声测点。
在这样的环境中，如何进行水电机组的噪声测量和故障定位，是业内亟需解决的一个重要难题。
发明内容
有鉴于此，本发明示例性实施例的目的在于提出一种通过噪声进行故障定位的方法、装置、介质和设备，以解决利用噪声信号检测和定位水电机组故障的技术难题，提高机组安全运行水平。
基于上述目的，本发明示例性实施例提供了一种通过噪声进行故障定位的方法，包括：
在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；
从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；
根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果，所述分析结果包括：
响应于所述实时声级谱矩阵超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组出现故障；
响应于所述实时声级谱矩阵未超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组无故障。
结合上述说明，在本公开实施例另一种可能的实施方式中，所述建立典型工况健康状态下的基准声级谱矩阵，包括：
确定采样频率fs后，对0～fs/2进行n等分，n根据采样频率的大小而定，等分间隔一般可取为2～5Hz且等分间隔常取整数值，上述n个间隔可表示为[0,f1),[f1,f2),[f2,f3),...,[fn-1,fs/2]；
针对获取的一噪声测点，对一定时长的噪声时域信号作傅里叶变换，保留[0，f1)频率成分，其它频率成分置为0，再进行傅里叶逆变换，得到[0，f1)频率范围的时域波形；
求取所述时域波形的等效连续L声级，记作Lp1，根据上述过程得到各个频率间隔时域波形的等效连续L声级，记作Lp2，Lp3，...Lpn；
每个频率间隔用其中间值来表示，则[f1/2，(f1+f2)/2，...，(fn-1+fs)/2]记作[fZ1,fZ2,...,fZn]和[Lp1，Lp2，...，Lpn]两个数组称为该噪声测点一定时长噪声信号的声级谱；
以得到一典型工况多组选定时长噪声信号的声级谱，记作：
[Lp1 1,Lp2 1,...,Lpn 1]，[Lp1 2,Lp2 2,...,Lpn 2]，...，[Lp1 m,Lp2 m,...,Lpn m]；
选择m个声级谱中对应分量组成n个m维数组，即：
[Lp1 1,Lp1 2,...,Lp1 m-1,Lp1 m]，[Lp2 1,Lp2 2,...,Lp2 m-1,Lp2 m]，...，[Lpn 1,Lpn 2,...,Lpn m-1,Lpn m]
计算出每个数组的概率密度分布图，取概率密度最大值对应的声级值作为各数组对应频率间隔的健康状态基准值，以建立典型工况健康状态下一噪声测点的基准声级谱；
对其它的噪声测点采取上述方式处理以得到该典型工况健康状态下其它噪声测点的基准声级谱，该典型工况下所有噪声测点基准声级谱构成基准声级谱矩阵，记作：i表示第i个分量即第i个频率范围，k表示第k个噪声测点，p为噪声总测点数。
结合上述说明，在本公开实施例另一种可能的实施方式中，所述建立典型工况下的故障状态声级阈值矩阵，包括：
将所述每个数组按从大到小的顺序排列，计算1.5％乘以数组元素个数后，取其整数值，记为a，再取排序后各数组的从大到小的第a+1个元素，该元素乘以一预定系数，作为各数组对应频率间隔的故障状态下的声级阈值，以得到该噪声测点各频率间隔下的故障状态声级阈值，同理，可得到该典型工况其它噪声测点的声级阈值谱，以得到该典型工况故障状态声级阈值矩阵。
结合上述说明，在本公开实施例另一种可能的实施方式中，所述方法还包括：
当确定所述水电机组出现故障时，根据声级谱矩阵异常元素对应频率范围、机组工况参数及故障诊断专家知识库，确定水电机组的故障部位及原因，其中，所述异常元素为所述声级谱矩阵中超过对应声级阈值的数组元素。
结合上述说明，在本公开实施例另一种可能的实施方式中，所述在水电机组的若干预设位置处分别设置传感器，包括：
在所述水电机组的发电机风洞、水车室、蜗壳门和尾水门的预设位置处分别设置噪声测量传感器，以采集对应部位的噪声信号；
设置各所述噪声信号的采集频率，且使噪声声压级分析采用不计权的L声级。
结合上述说明，在本公开实施例另一种可能的实施方式中，所述从所述水电机组的监控系统引入工况参数，包括：
从所述水电机组的监控系统至少引入有功功率和毛水头的工况参数。
结合上述说明，在本公开实施例另一种可能的实施方式中，所述方法还包括：
对具体的工况参数设置预先设定值，实时获取的工况参数当处于所述预先设定值范围内时，确定为同一典型工况参数。
第二方面，本发明还提供了一种通过噪声进行故障定位装置，包括：
传感器模块，用于在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；
基准模块，用于从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；
分析模块，用于根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果，所述分析结果包括：
响应于所述实时声级谱矩阵超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组出现故障；
响应于所述实时声级谱矩阵未超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组无故障。
第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的通过噪声进行故障定位的方法。
第四方面，本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行所述的通过噪声进行故障定位的方法。
从上面所述可以看出，本发明示例性实施例提供的通过噪声进行故障定位的方法、装置、介质和设备，建立以有功功率、毛水头等确定的各典型工况下的健康状态基准声级谱矩阵，获得机组运行时的实时声级谱矩阵，将实时声级谱矩阵与健康基准声级谱矩阵进行比较，并在实时声级谱矩阵分量出现明显增大时发出告警，从而避免事故发生或事故扩大化，提高机组安全稳定运行水平，且利用噪声的时频域联合分析来判定机组的运行状态，能够有效减少事故发生或扩大化和有效缩短故障定位及原因分析的时间。
附图说明
为了更清楚地说明本发明示例性实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明示例性实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明示例性实施例通过噪声进行故障定位的方法的基本流程示意图；
图2为本发明示例性实施例的噪声传感器设置位置示意图；
图3为本发明示例性实施例的测量系统整体结构和处理流程示意图；
图4为本发明示例性实施例作为示例的水电机组水车室、蜗壳门、尾水门噪声时域波形示意图；
图5为本发明示例性实施例作为示例的水电机组水车室、蜗壳门、尾水门噪声信号声级谱示意图；
图6为本发明示例性实施例声级谱某一分量概率密度分布示意图；
图7为本发明示例性实施例某工况健康基准声级谱示意图；
图8为本发明示例性实施例某工况实时状态声级谱示意图；
图9为本发明示例性实施例实时声级谱矩阵增量与频率变化关系曲线示意图；
图10为本发明示例性实施例水电机组的噪声定位装置的结构示意图；
图11为本发明示例性实施例的设备结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本发明示例性实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。
水电机组：将上游水库水的势能转化为电能的发电装置，主要包括水轮机、发电机、调速系统、励磁系统与监控系统等设备。
噪声声压级：声压级定义为声压与参考声压之比的常用对数乘以20，单位是dB(分贝)，计算公式为：Lp＝20lg(p/p0)，其中，p为声压(Pa)，p0＝2×10-5Pa为参考声压，它是人耳刚刚可以听到声音的声压。用声压级来表述噪声水平，常用的有A计权的A声压级和不计权的L声压级。
目前传统水电机组的状态监测系统通常布置了主轴摆度、机组振动与水压脉动测点，而大都未布置噪声测点，仅有部分电站在水车室门口附近布置一个数字式声级计来显示噪声的大小，这种方式存在以下缺点：
(1)只有巡检或运维人员经过噪声声级计时才能看到噪声水平大小，不能用来实时监测噪声反映机组是否存在故障，更不能用来进行故障定位；
(2)只是直观显示噪声的大小，而对噪声信号中丰富的频域信息未加以利用。
本发明主要涉及一种通过噪声进行故障定位的方法，其主要运用于水电机组故障定位的场景中，其基本思想是：建立以有功功率、毛水头等确定的各典型工况下的健康状态基准声级谱矩阵，获得机组运行时的实时声级谱矩阵，将实时声级谱矩阵与健康基准声级谱矩阵进行比较，并在实时声级谱矩阵分量出现明显增大发出告警，从而避免事故发生或事故扩大化，提高机组安全稳定运行水平，且利用噪声的时频域联合分析来判定机组的运行状态，能够有效减少事故发生或扩大化和有效缩短故障定位及原因分析的时间。
图1为本发明实施例一提供的通过噪声进行故障定位的方法基本流程示意图，其具体可包括如下步骤：
在步骤110中，在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；
本发明示例性实施例的实施方式中，选择在发电机风洞、水车室、蜗壳门、尾水门处布置噪声测量传感器，尤其具体地，可在发电机风洞、水车室、蜗壳门、尾水门的预设位置处进行噪声测量传感器的设置与部署，例如如图2所示，图2a为在发电机风洞内壁间隔120度布置3个噪声传感器，图2b为在水车室机坑内壁上间隔120度布置3个噪声传感器，或者在距蜗壳门和尾水门1m左右处各布置一个噪声传感器，等。
与各所述噪声传感器相适应地，为匹配的数据采集装置，以使各噪声传感器检测得到的噪声信息能够形成能够被识别的噪声信号。
结合图3的噪声测量系统示意图，为一个水电机组的基本结构示意图，以及各噪声传感器的安装位置，均如图所示。
同时从水电机组的监控系统引入有功功率、无功功率、励磁电压、励磁电流、转速、导叶开度、毛水头(上游水位与下游水位之差)等工况参数，所述水电机组的监控系统为一种综合型的自动化系统的集成，建立噪声测量系统(如图3所示)。
本发明示例性实施例的实施方式中，考虑到水电机组转速较低，有用信号频率上限通常小于500Hz，因此，本噪声测量系统的采样频率可设置为1kHz。此外，噪声传感器的频率范围下限尽可能低(便于捕捉低频振动与脉动噪声信号)，噪声声压级分析采用不计权的L声级。
在步骤120中，从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；
以有功功率P、毛水头H作为工况确定参数，选择机组健康状态下一段时间内(一般为半年以上)某一典型工况稳态运行下的多组一定时长(通常可取16个旋转周期)的噪声时域波形信号，某机组某一典型工况下的水车室噪声、蜗壳门噪声与尾水门噪声时域波形如图4所示。
对0～采样频率的一半进行n等分，n根据采样频率的大小而定，等分间隔一般可取为2～5Hz(等分间隔常取整数值)，上述n个间隔可表示为[0，f1)，[f1，f2)，[f2，f3)，...，[fn-1，fs/2]，其中fs为采样频率。
对一定时长的噪声时域信号作傅里叶变换，保留[0，f1)频率成分，其它频率成分置为0，再进行傅里叶逆变换，得到[0，f1)频率范围的时域波形，求取该时域波形的等效连续L声级，记作Lp1。其它频率范围间隔依次类似处理，可得到各个频率间隔时域波形的等效连续L声级，记作Lp2，Lp3，...Lpn。
每个频率间隔用其中间值来表示，则[f1/2，(f1+f2)/2，...，(fn-1+fs)/2]记作[fZ1,fZ2,...,fZn]和[Lp1，Lp2，...，Lpn]两个数组称为该一定时长噪声信号的声级谱。某机组某一典型工况下的水车室噪声、蜗壳门噪声与尾水门噪声信号的声级谱如图4所示(采样频率为1kHz，等分间隔为100个)。
以得到一典型工况多组选定时长噪声信号的声级谱，记作：
[Lp1 1,Lp2 1,...,Lpn 1]，[Lp1 2,Lp2 2,...,Lpn 2]，...，[Lp1 m,Lp2 m,...,Lpn m]，选择m个声级谱中对应分量组成n个m维数组，即：
[Lp1 1,Lp1 2,...,Lp1 m-1,Lp1 m]，[Lp2 1,Lp2 2,...,Lp2 m-1,Lp2 m]，...，[Lpn 1,Lpn 2,...,Lpn m-1,Lpn m]
结合图6所示，计算出每个数组的概率密度分布图，取概率密度最大值对应的声级值如85.2dB作为各数组对应频率间隔的健康状态基准值，以建立该典型工况健康状态下一噪声测点的基准声级谱。
将每个数组按从大到小的顺序排列，计算1.5％乘以数组元素个数后，取其整数值，记为a，再取排序后数组的从大到小第a+1个元素，该元素乘以一预定系数(通常选定为1.2)，作为各数组对应频率间隔的故障状态下的声级阈值。可得到该噪声测点各频率间隔下的故障状态声级阈值。
针对于声级谱矩阵中的每一个数组元素，当该数组元素与所述预定系数的乘积超过对应的所述声级阈值时，判定该数组元素为异常元素。
根据声级谱矩阵中的异常元素对应频率范围、机组工况参数及故障诊断专家知识库(具体参见下表1和表2，包括续表)，最终确定水电机组的故障部位及原因。
根据上述方法，可得到该典型工况下其它噪声测点的基准声级谱，该典型工况下所有噪声测点基准声级谱构成基准声级谱矩阵。如下所示，矩阵元素LpJi k中i表示第i个分量即第i个频率范围，k表示第k个测点。
[fZ1,fZ2,...,fZn
LpJ1 1,LpJ2 1,...,LpJn 1
LpJ1 2,LpJ2 2,...,LpJn 2
......
LpJ1 p,LpJ2 p,...,LpJn p]
以同样方法，可得到该典型工况下所有噪声测点确定的故障状态声级阈值矩阵。
本发明中噪声测量系统噪声测点的序号定义为：
1：风洞+X；
2：风洞+X逆时针120度；
3：风洞+X逆时针240度；
4：水车室+X；
5：水车室+X逆时针120度；
6：水车室+X逆时针240度；
7：蜗壳门
8：尾水门
则可得出该典型工况健康状态下的基准声级谱矩阵：
[fZ1,fZ2,...,fZn
LpJ1 1,LpJ2 1,...,LpJn 1
LpJ1 2,LpJ2 2,...,LpJn 2
......
LpJ1 8,LpJ2 8,...,LpJn 8]
其它工况参数的典型工况健康状态下的基准声级谱矩阵参考上述方法即可。
在步骤130中，根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果，所述分析结果包括：
响应于所述实时声级谱矩阵超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组出现故障；
响应于所述实时声级谱矩阵未超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组无故障。
当确定所述水电机组出现故障时，根据声级谱矩阵异常元素对应频率范围、机组工况参数及故障诊断专家知识库，确定水电机组的故障部位及原因，所述异常元素为声级谱矩阵中不符合预设的数据标准的相关元素，该异常元素的确定可通过相关的数据库或数据范围进行判定，且通过异常元素对应频率范围、机组工况参数及故障诊断专家知识库三者结合，能够快速且精准地确定故障部位及原因。
本发明示例性实施例的实施方式中，实时获取的工况参数当处于所述预先设定值范围内时，确定为同一典型工况参数，例如有功功率P±ΔP，毛水头H±ΔH视为同一典型工况，其中ΔP、ΔH为预先设定值，也就是P、H变化较小时视为同一典型工况。
水电机组进入某一典型工况稳态运行半小时后每隔15分钟选取一定时长(通常可取16个旋转周期)的噪声时域波形信号，直至工况发生变化(机组停机或进入另一工况)。因此，在一段时间内可获得多组一定时长的噪声时域波形信号。
结合图5所示，为对应地检测时，某机组水车室、蜗壳门、尾水门噪声信号声级谱图。
在水电机组后续运行过程中，选取机组稳态工况运行时同样时长的噪声信号，求出噪声信号的声级谱矩阵，并与该工况健康声级谱矩阵作比较，若声级谱矩阵某一元素相较于健康声级谱对应分量的增量百分比大于预设值，则认为机组出现了故障，并可根据该分量对应的频率范围分析引发机组出现异常的原因，这可缩小原因分析范围，提高分析效率，缩短故障处理工期。
本发明示例性实施例的一种具体实施方式中，某机组某一典型工况健康状态下水车室噪声、蜗壳门噪声、尾水门噪声基准声级谱如图7所示(采样频率1kHz，频率间隔100个)，该工况某实时声级谱如图8所示。健康基准声级谱矩阵与实时声级谱矩阵统计如下表1所示，实时声级谱矩阵与基准声级谱矩阵的差值随频率变化关系曲线如图9所示。
表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
/>
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
续表1基准声级谱矩阵与实时声级谱矩阵数据统计
/>
由表1和图9可知，实时声级谱矩阵相较于健康基准声级谱矩阵发生了显著整体增大现象，机组出现了故障。声级谱矩阵增量最大值为28.9％，对应元素为水车室噪声50Hz～55Hz频率范围；声级谱矩阵增量次大值为27.3％，对应元素为蜗壳门噪声50Hz～55Hz频率范围，第三大值为25.6％，对应元素为水车室噪声70Hz～75Hz频率范围，第四大值为23.1％，对应元素为水车室噪声105Hz～110Hz频率范围，因此，引发机组故障的主要频率处在50Hz～55Hz频率范围，故障源位于水车室与蜗壳门之间，偏水车室，也就是位于活动导叶处。此外，该机组3倍叶片过流频率为53.55Hz，处于50Hz～55Hz频率范围中，根据故障专家知识库，应是活动导叶处卡有异物导致的水力不平衡。后经检查确有异物卡在活动导叶之间。说明本发明的故障定位方法正确可行。
本发明示例性实施例的实施方式中，还引入了故障专家知识库对分析结果的专家级诊断，这一过程包括：水电机组运行过程中主要受机械、电气与水力三种因素的耦合作用，故障机理复杂，故障诊断专家知识库需要不断完善与丰富，因此，故障诊断专家知识库具有开放性、可编辑性的特点。根据已有研究，按水力、机械、电气三方面建立故障诊断专家知识库，如下表2。
表2故障诊断专家知识库(水力因素)
/>
续表2故障诊断专家知识库(机械因素)
/>
续表2故障诊断专家知识库(电气因素)
/>
可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。
基于同一发明构思，图10为本发明实施例提供的一种通过噪声进行故障定位装置的结构示意图，该装置可由软件和/或硬件实现，一般地集成于智能终端中，可通过通过噪声进行故障定位装置方法来实现。其主要包括了传感器模块1010、基准模块1020和分析模块1030。
其中的传感器模块，用于在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；
其中的基准模块，用于从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；
其中的分析模块，用于根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果，所述分析结果包括：
响应于所述实时声级谱矩阵超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组出现故障；
响应于所述实时声级谱矩阵未超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组无故障。
本发明示例性实施例的一种实施方式中，还包括定位模块，用于：当确定所述水电机组出现故障时，通过异常元素对应频率范围、机组工况参数及故障诊断专家知识库三者结合，确定水电机组的故障部位及原因。
本发明示例性实施例的一种实施方式中，还包括采样模块，用于在所述水电机组的发电机风洞、水车室、蜗壳门和尾水门的预设位置处分别设置噪声测量传感器，以采集对应部位的噪声信号；
设置各所述噪声信号的采集频率，且使噪声声压级分析采用不计权的L声级。
本发明示例性实施例的一种实施方式中，还包括阈值设定模块，用于根据所述得到的机组典型工况健康状态下各噪声测点的多组声级谱，构建各噪声测点各频率间隔对应的声级数值数组，对数组按从大到小排序，取其中指定元素乘以预定系数，作为故障状态的声级阈值。
本发明示例性实施例的一种实施方式中，还包括建立模块，用于建立典型工况健康状态下的基准声级谱矩阵，包括：
确定采样频率fs后，对0～fs/2进行n等分，n根据采样频率的大小而定，等分间隔一般可取为2～5Hz(等分间隔常取整数值)，上述n个间隔可表示为[0，f1)，[f1，f2)，[f2，f3)，...，[fn-1，fs/2]。
对一定时长的噪声时域信号作傅里叶变换，保留[0，f1)频率成分，其它频率成分置为0，再进行傅里叶逆变换，得到[0，f1)频率范围的时域波形；
求取所述时域波形的等效连续L声级，记作Lp1，根据上述过程得到各个频率间隔时域波形的等效连续L声级，记作Lp2，Lp3，...Lpn；
每个频率间隔用其中间值来表示，则[f1/2，(f1+f2)/2，...，(fn-1+fs)/2]记作[fZ1,fZ2,...,fZn]和[Lp1，Lp2，...，Lpn]两个数组称为该一定时长噪声信号的声级谱。根据所述方法，可得到该典型工况下所有噪声测点的基准声级谱，该典型工况下所有噪声测点基准声级谱构成基准声级谱矩阵。
为了描述的方便，上述通过噪声进行故障定位装置分别以功能分为各类模块进行分别描述，当然，本发明示例性实施例实施时可以将各模块的功能在同一个软件和/或硬件实现，且，上述实施例中提供的通过噪声进行故障定位装置可执行本发明中任意实施例中所提供的通过噪声进行故障定位的方法，具备执行该方法相应的功能模块和有益效果，未在上述实施例中详细描述的技术细节，可参见本发明任意实施例中所提供的通过噪声进行故障定位的方法，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的通过噪声进行故障定位的方法。
需要说明的是，本发明示例性实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明示例性实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的通过噪声进行故障定位的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本发明示例性实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
图11示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行本发明实施例的通过噪声进行故障定位的方法。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的通过噪声进行故障定位的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与本发明任意示例性实施例的方法相对应的，本发明示例性实施例还提供了一种非暂态计算机可读存储介质，包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序及程序本身的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息，以用于执行本发明示例性实施例所述的通过噪声进行故障定位的方法。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明示例性实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本发明示例性实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明示例性实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (8)

1.一种通过噪声进行故障定位的方法，应用于水电机组，其特征在于，包括：
在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；
从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；
根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果，所述分析结果包括：
响应于所述实时声级谱矩阵超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组出现故障；
响应于所述实时声级谱矩阵未超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组无故障；
所述建立典型工况健康状态下的基准声级谱矩阵，包括：确定采样频率fs后，对0～fs/2进行n等分，n根据采样频率的大小而定，等分间隔一般可取为2～5Hz且等分间隔常取整数值，上述n个间隔可表示为[0,f1),[f1,f2),[f2,f3),...,[fn-1,fs/2]；
针对获取的一噪声测点，对一定时长的噪声时域信号作傅里叶变换，保留[0，f1)频率成分，其它频率成分置为0，再进行傅里叶逆变换，得到[0，f1)频率范围的时域波形；
求取所述时域波形的等效连续L声级，记作Lp1，根据上述过程得到各个频率间隔时域波形的等效连续L声级，记作Lp2，Lp3，...Lpn；
每个频率间隔用其中间值来表示，则[f1/2，(f1+f2)/2，...，(fn-1+fs)/2]记作[fZ1,fZ2,...,fZn]和[Lp1，Lp2，...，Lpn]两个数组称为该噪声测点一定时长噪声信号的声级谱；
以得到一典型工况多组选定时长噪声信号的声级谱，记作：
[Lp1 1,Lp2 1,...,Lpn 1]，[Lp1 2,Lp2 2,...,Lpn 2]，...，[Lp1 m,Lp2 m,...,Lpn m]；
选择m个声级谱中对应分量组成n个m维数组，即：
[Lp1 1,Lp1 2,...,Lp1 m-1,Lp1 m]，[Lp2 1,Lp2 2,...,Lp2 m-1,Lp2 m]，...，[Lpn 1,Lpn 2,...,Lpn m-1,Lpn m]
计算出每个数组的概率密度分布图，取概率密度最大值对应的声级值作为各数组对应频率间隔的健康状态基准值，以建立典型工况健康状态下一噪声测点的基准声级谱；
对其它的噪声测点采取上述方式处理以得到该典型工况健康状态下其它噪声测点的基准声级谱，该典型工况下所有噪声测点基准声级谱构成基准声级谱矩阵，记作：i∈(1,n)，k∈(1,p)，i表示第i个分量即第i个频率范围，k表示第k个噪声测点，p为噪声总测点数；
建立典型工况下的故障状态声级阈值矩阵，包括：
将所述每个数组按从大到小的顺序排列，计算1.5％乘以数组元素个数后，取其整数值，记为a，再取排序后各数组的从大到小的第a+1个元素，该元素乘以一预定系数，作为各数组对应频率间隔的故障状态下的声级阈值，以得到该噪声测点各频率间隔下的故障状态声级阈值，同理，可得到该典型工况其它噪声测点的声级阈值谱，以得到该典型工况故障状态声级阈值矩阵。
2.根据权利要求1所述的通过噪声进行故障定位的方法，其特征在于，所述方法还包括：
当确定所述水电机组出现故障时，根据声级谱矩阵异常元素对应频率范围、机组工况参数及故障诊断专家知识库，确定水电机组的故障部位及原因，其中，所述异常元素为所述声级谱矩阵中超过对应声级阈值的数组元素。
3.根据权利要求1所述的通过噪声进行故障定位的方法，其特征在于，所述在水电机组的若干预设位置处分别设置传感器，包括：
在所述水电机组的发电机风洞、水车室、蜗壳门和尾水门的预设位置处分别设置噪声测量传感器，以采集对应部位的噪声信号；
设置各所述噪声信号的采集频率，且使噪声声压级分析采用不计权的L声级。
4.根据权利要求1所述的通过噪声进行故障定位的方法，其特征在于，所述从所述水电机组的监控系统引入工况参数，包括：
从所述水电机组的监控系统至少引入有功功率和毛水头的工况参数。
5.根据权利要求1所述的通过噪声进行故障定位的方法，其特征在于，所述方法还包括：
对具体的工况参数设置预先设定值，实时获取的工况参数当处于所述预先设定值范围内时，确定为同一典型工况参数。
6.一种通过噪声进行故障定位的装置，其特征在于，包括：
传感器模块，用于在水电机组的若干预设位置处分别设置传感器，各所述传感器分别用于获取各所述预设位置处的噪声信号，以得到若干不同的噪声信号；
基准模块，用于从所述水电机组的监控系统引入工况参数，结合所述工况参数和所述工况参数对应的健康状态下的噪声时域波形信号，建立典型工况健康状态下的基准声级谱矩阵；
分析模块，用于根据获取的实时噪声信号得到所述噪声信号的实时声级谱矩阵，将所述实时声级谱矩阵与所述基准声级谱矩阵进行比较分析，得到分析结果，所述分析结果包括：
响应于所述实时声级谱矩阵超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组出现故障；
响应于所述实时声级谱矩阵未超出所述基准声级谱矩阵的预设范围，结合故障诊断专家知识库确定所述水电机组无故障；
所述建立典型工况健康状态下的基准声级谱矩阵，包括：
确定采样频率fs后，对0～fs/2进行n等分，n根据采样频率的大小而定，等分间隔一般可取为2～5Hz且等分间隔常取整数值，上述n个间隔可表示为[0,f1),[f1,f2),[f2,f3),...,[fn-1,fs/2]；
针对获取的一噪声测点，对一定时长的噪声时域信号作傅里叶变换，保留[0，f1)频率成分，其它频率成分置为0，再进行傅里叶逆变换，得到[0，f1)频率范围的时域波形；
求取所述时域波形的等效连续L声级，记作Lp1，根据上述过程得到各个频率间隔时域波形的等效连续L声级，记作Lp2，Lp3，...Lpn；
每个频率间隔用其中间值来表示，则[f1/2，(f1+f2)/2，...，(fn-1+fs)/2]记作[fZ1,fZ2,...,fZn]和[Lp1，Lp2，...，Lpn]两个数组称为该噪声测点一定时长噪声信号的声级谱；
以得到一典型工况多组选定时长噪声信号的声级谱，记作：
[Lp1 1,Lp2 1,...,Lpn 1]，[Lp1 2,Lp2 2,...,Lpn 2]，...，[Lp1 m,Lp2 m,...,Lpn m]；
选择m个声级谱中对应分量组成n个m维数组，即：
[Lp1 1,Lp1 2,...,Lp1 m-1,Lp1 m]，[Lp2 1,Lp2 2,...,Lp2 m-1,Lp2 m]，...，[Lpn 1,Lpn 2,...,Lpn m-1,Lpn m]计算出每个数组的概率密度分布图，取概率密度最大值对应的声级值作为各数组对应频率间隔的健康状态基准值，以建立典型工况健康状态下一噪声测点的基准声级谱；
对其它的噪声测点采取上述方式处理以得到该典型工况健康状态下其它噪声测点的基准声级谱，该典型工况下所有噪声测点基准声级谱构成基准声级谱矩阵，记作：[LpJi k]，i∈(1,n)，k∈(1,p)，i表示第i个分量即第i个频率范围，k表示第k个噪声测点，p为噪声总测点数；
建立典型工况下的故障状态声级阈值矩阵，包括：
将所述每个数组按从大到小的顺序排列，计算1.5％乘以数组元素个数后，取其整数值，记为a，再取排序后各数组的从大到小的第a+1个元素，该元素乘以一预定系数，作为各数组对应频率间隔的故障状态下的声级阈值，以得到该噪声测点各频率间隔下的故障状态声级阈值，同理，可得到该典型工况其它噪声测点的声级阈值谱，以得到该典型工况故障状态声级阈值矩阵。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任意一项所述的通过噪声进行故障定位的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至5任一所述的通过噪声进行故障定位的方法。
CN202110215167.XA 2021-02-25 2021-02-25 通过噪声进行故障定位的方法、装置、介质和设备 Active CN113049953B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110215167.XA CN113049953B (zh) 2021-02-25 2021-02-25 通过噪声进行故障定位的方法、装置、介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110215167.XA CN113049953B (zh) 2021-02-25 2021-02-25 通过噪声进行故障定位的方法、装置、介质和设备

Publications (2)

Publication Number Publication Date
CN113049953A CN113049953A (zh) 2021-06-29
CN113049953B true CN113049953B (zh) 2024-01-30

Family

ID=76509164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110215167.XA Active CN113049953B (zh) 2021-02-25 2021-02-25 通过噪声进行故障定位的方法、装置、介质和设备

Country Status (1)

Country Link
CN (1) CN113049953B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113624334B (zh) * 2021-08-10 2023-11-10 四川浩淼睿诚科技有限公司 一种基于物联网技术的机组振动监测装置及方法
CN113931781A (zh) * 2021-10-12 2022-01-14 西安热工研究院有限公司 一种基于噪声故障源的水电机组异常工况保护系统
CN114545224A (zh) * 2022-04-09 2022-05-27 福州大学 基于噪声特征信息的高速开关阀故障检测系统及检测方法
CN115307725B (zh) * 2022-10-11 2022-12-30 中国船舶重工集团公司第七一九研究所 根据声波图像变化实时播报船舶振动噪声异常分析系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11271181A (ja) * 1998-01-22 1999-10-05 Nippon Steel Corp ころがり軸受の異常診断方法および装置
JP2008227861A (ja) * 2007-03-12 2008-09-25 Anritsu Corp 雑音信号発生装置
RU2012109531A (ru) * 2012-03-13 2013-09-20 Юрий Сергеевич Дубинко Способ спектрального подавления внутриполосных помех и шумов
CN105424172A (zh) * 2015-12-08 2016-03-23 国家电网公司 一种分布式电力变压器噪声检测系统及其噪声检测方法
CN105973621A (zh) * 2016-05-02 2016-09-28 国家电网公司 一种基于异常振动分析的gis机械故障诊断方法和系统
CN106249076A (zh) * 2016-07-22 2016-12-21 国家电网公司 受谐波负载影响下的配电变压器状态检测方法及系统
DE102018003222A1 (de) * 2018-04-20 2018-09-27 Daimler Ag Verfahren zum Prüfen einer eine Mehrzahl drehbarer Komponenten aufweisenden Drehkomponentenanordnung
CN110319876A (zh) * 2019-05-20 2019-10-11 国家电网有限公司 一种水轮发电机的状态监测方法及装置
CN111927717A (zh) * 2020-08-12 2020-11-13 国家电投集团广西兴安风电有限公司 一种风机机舱传动链噪声在线监测系统及方法
CN111982273A (zh) * 2020-07-06 2020-11-24 北京交通大学 一种轨道交通车站站台的噪声监测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10429419B2 (en) * 2015-03-26 2019-10-01 The University Of Akron System and method for iterative condition monitoring and fault diagnosis of electric machines

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11271181A (ja) * 1998-01-22 1999-10-05 Nippon Steel Corp ころがり軸受の異常診断方法および装置
JP2008227861A (ja) * 2007-03-12 2008-09-25 Anritsu Corp 雑音信号発生装置
RU2012109531A (ru) * 2012-03-13 2013-09-20 Юрий Сергеевич Дубинко Способ спектрального подавления внутриполосных помех и шумов
CN105424172A (zh) * 2015-12-08 2016-03-23 国家电网公司 一种分布式电力变压器噪声检测系统及其噪声检测方法
CN105973621A (zh) * 2016-05-02 2016-09-28 国家电网公司 一种基于异常振动分析的gis机械故障诊断方法和系统
CN106249076A (zh) * 2016-07-22 2016-12-21 国家电网公司 受谐波负载影响下的配电变压器状态检测方法及系统
DE102018003222A1 (de) * 2018-04-20 2018-09-27 Daimler Ag Verfahren zum Prüfen einer eine Mehrzahl drehbarer Komponenten aufweisenden Drehkomponentenanordnung
CN110319876A (zh) * 2019-05-20 2019-10-11 国家电网有限公司 一种水轮发电机的状态监测方法及装置
CN111982273A (zh) * 2020-07-06 2020-11-24 北京交通大学 一种轨道交通车站站台的噪声监测方法
CN111927717A (zh) * 2020-08-12 2020-11-13 国家电投集团广西兴安风电有限公司 一种风机机舱传动链噪声在线监测系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Application of variational mode decomposition energy distribution to bearing fault diagnosis in a wind turbine;An, XL；Tang, YJ;TRANSACTIONS OF THE INSTITUTE OF MEASUREMENT AND CONTROl;第39卷(第7期);第1000-1006页 *
声音监测在水轮发电机组状态监测中的应用;杜江;自动化应用(第10期);第91-92、96页 *
改进的Adaboost方法及其在水电站设备故障检测中的应用;陈涛;张华飞;衣传宝;孙成勋;高阳;徐华雷;;水力发电(03);全文 *

Also Published As

Publication number Publication date
CN113049953A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN113049953B (zh) 通过噪声进行故障定位的方法、装置、介质和设备
Saidi et al. Wind turbine high-speed shaft bearings health prognosis through a spectral Kurtosis-derived indices and SVR
Sharma et al. Extraction of weak fault transients using variational mode decomposition for fault diagnosis of gearbox under varying speed
Chen et al. Generator bearing fault diagnosis for wind turbine via empirical wavelet transform using measured vibration signals
Leite et al. Detection of localized bearing faults in induction machines by spectral kurtosis and envelope analysis of stator current
Yoon et al. On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis
Botero et al. Non-intrusive detection of rotating stall in pump-turbines
US20180348303A1 (en) Wind Turbine Fault Detection Using Acoustic, Vibration, and Electrical Signals
CN108960339A (zh) 一种基于宽度学习的电动汽车感应电动机故障诊断方法
US8143899B2 (en) Method and apparatus for detecting partial discharges in electrical systems
Sheng et al. Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank
CN111077386A (zh) 一种电气设备早期故障信号降噪方法
CN108955869A (zh) 一种汽轮发电机异常噪声频谱的分析方法
Houde et al. Experimental study of the pressure fluctuations on propeller turbine runner blades: part 2, transient conditions
EP4345298A1 (en) Detection method for wind driven generator, and related apparatus
Berntsen et al. Enhanced demodulation band selection based on Operational Modal Analysis (OMA) for bearing diagnostics
CN111927717A (zh) 一种风机机舱传动链噪声在线监测系统及方法
Zheng et al. Dynamic characteristic analysis of pressure pulsations of a pump turbine in turbine mode utilizing variational mode decomposition combined with Hilbert transform
CN108732522B (zh) 发电机转子绕组匝间短路故障监测装置的测试装置及方法
CN105866645A (zh) 一种利用噪声特征频段诊断发电机放电故障的方法及装置
CN113311332A (zh) 高速永磁同步电机永磁体退磁故障诊断装置及方法
CN117520887A (zh) 水轮机故障风险部件的确定方法、装置、设备及存储介质
CN113009335A (zh) 抽水蓄能机组的状态检测方法及装置
Carrelhas et al. Estimation of generator electrical power output and turbine torque in modelling and field testing of OWC wave energy converters
Xu et al. Online detection method for variable load conditions and anomalous sound of hydro turbines using correlation analysis and PCA-adaptive-K-means

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