CN113504302A - 风机叶片状态监测的方法、系统、电子设备及存储介质 - Google Patents
风机叶片状态监测的方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113504302A CN113504302A CN202110736150.9A CN202110736150A CN113504302A CN 113504302 A CN113504302 A CN 113504302A CN 202110736150 A CN202110736150 A CN 202110736150A CN 113504302 A CN113504302 A CN 113504302A
- Authority
- CN
- China
- Prior art keywords
- blade
- fault
- vibration
- vibration mode
- detected
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/048—Marking the faulty objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4445—Classification of defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- 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
Abstract
本发明公开了一种风机叶片状态监测的方法、系统、电子设备及存储介质,该方法包括:获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置;获取待检测叶片的第一目标检测位置上的振型;根据所述待检测叶片的振型判断所述待检测叶片是否发生故障。本发明可以获取最优的检测位置,基于最优的检测位置可以准确判断风机叶片是否发生故障,当叶片出现故障时,可以及时进行反馈,减少风机叶片的运维成本。此外,本发明检测振型的方法成本低,便于推广,对风机叶片的成本增加不大,有利于大规模应用在风机叶片上。
Description
技术领域
本发明涉及风机检测领域,特别涉及一种风机叶片状态监测的方法、系统、电子设备及存储介质。
背景技术
随着风机叶片往大型化方向发展,大型复合材料叶片的状态监测技术成为一项关键技术。目前行业内采用内置声发射传感器监测裂纹、光栅应变传感器测试载荷和图像监测等方法,意图解决风电叶片状态监测的问题。第一,声发射是指伴随固体材料在断裂时释放储存的能量产生弹性波的现象。声发射检测方法是通过接收和分析材料的声发射信号来评定材料性能或结构完整性的无损检测方法,探测到的能量来自被测物体本身。该方法的缺点是裂纹出现时必需伴随响声才能够被声发射传感器探测到。第二,通过在叶片中预埋应变片或光纤光栅。叶片出现裂纹时,通常将使内部应力状态发生改变。可以实时监测其应力应变的变化。异常的应力应变突变即意味着可能出现了裂纹。这种方法仅能够监测有预埋光栅的位置,测试区域受限于局部区域。第三,通过图像识别叶片的裂纹。传统上运维人员定期巡查叶片损伤情况,使用高倍望远镜或吊篮悬挂人员进行检查。如今有人尝试使用搭载高清摄像机和激光测距仪的无人机进行图像采集。也有开发用于运维的RAS(机器人与自动化系统),其中不乏通过无人机进行叶片裂纹检查的项目。该方法受制于天气状态,需要人员参与,并且严重依赖人员的技术和经验。以上各种方法存在各自的优点和缺点,不能很好解决叶片的状态监测难题。
发明内容
本发明要解决的技术问题是为了克服现有技术中不能准确检测风机叶片状态的缺陷,提供一种能够准确检测风机叶片状态监测的方法、系统、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种风机叶片状态监测的方法,所述方法包括:
获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置;
获取待检测叶片的第一目标检测位置上的第一振型;
根据所述第一振型判断所述待检测叶片是否发生故障。
较佳地,所述获获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值的步骤具体包括:
采集并解析标准叶片的振动信号以获取所述标准叶片的振型;
采集并解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型;
根据所述标准叶片的振型及所述故障叶片的振型获取偏差值。
较佳地,所述振动信号包括速度信号或加速度信号。
较佳地,所述解析标准叶片的振动信号以获取所述标准叶片的振型的步骤包括:
将所述标准叶片的振动信号解析成不同阶次的振型;
所述解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型的步骤包括:
将所述故障叶片对应检测位置上的振动信号解析成与所述标准叶片对应的阶次的振型;
所述根据所述标准叶片的振型及所述故障叶片的振型获取偏差值的步骤包括:
比较对应阶次的所述标准叶片的振型与所述故障叶片的振型的差别,并将差别最大的振型对应的阶次作为目标阶次;
获取所述标准叶片与所述故障叶片在所述目标阶次下振型的偏差值。
所述获取待检测叶片的振型的步骤包括:
采集所述待检测叶片的振动信号;
将所述待检测叶片的振动信号解析成所述目标阶次的第一振型。
较佳地,所述采集并解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型的步骤包括:
采集并解析不同工况条件下故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型,所述工况条件包括环境温度、风机转速、工况类型中的至少一种;
所述方法还包括步骤:获取待检测叶片的工况条件;
所述根据所述待检测叶片的振型判断所述待检测叶片是否发生故障的步骤包括:比较所述待检测叶片的振型与对应的工况条件下的所述故障叶片的振型以判断所述待检测叶片是否发生故障。
较佳地,所述故障叶片的振型包括若干突变点,每一所述突变点对应一故障位置,所述方法还包括:
当判断所述待检测叶片发生故障时,获取所述第一振型中的突变点,并根据所述第一振型中的突变点匹配所述故障叶片的振型中的突变点,以确定对应的故障位置。
较佳地,所述方法还包括:
当所述故障位置出现的次数高于次数阈值时,将对应的故障位置作为第二目标检测位置;
获取待检测叶片的第二目标检测位置上的第二振型;
所述根据所述第一振型判断所述待检测叶片是否发生故障的步骤具体包括:
根据所述第一振型及所述第二振型判断所述待检测叶片是否发生故障。
本发明还提供了一种风机叶片状态监测的系统,所述系统包括:位置确认模块、振型获取模块以及故障判断模块;
所述位置确认模块用于获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置;
所述振型获取模块用于获取待检测叶片的第一目标检测位置上的第一振型;
所述故障判断模块用于根据所述第一振型判断所述待检测叶片是否发生故障。
较佳地,所述位置确认模块包括标准振型采集单元、故障振型采集单元以及偏差确认单元;
所述标准振型采集单元用于采集并解析标准叶片的振动信号以获取所述标准叶片的振型;
所述故障振型采集单元用于采集并解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型;
所述偏差确认单元用于根据所述标准叶片的振型及所述故障叶片的振型获取偏差值。
较佳地,所述振动信号包括速度信号或加速度信号。
较佳地,所述标准振型采集单元具体用于将所述标准叶片的振动信号解析成不同阶次的振型;
所述故障振型采集单元具体用于将所述故障叶片对应检测位置上的振动信号解析成与所述标准叶片对应的阶次的振型;
所述偏差确认单元具体用于比较对应阶次的所述标准叶片的振型与所述故障叶片的振型的差别,并将差别最大的振型对应的阶次作为目标阶次,并获取所述标准叶片与所述故障叶片在所述目标阶次下振型的偏差值。
所述振型获取模块用于在所述第一目标检测位置上,采集所述待检测叶片的振动信号,并将所述待检测叶片的振动信号解析成所述目标阶次的第一振型。
较佳地,所述故障振型采集单元具体用于采集并解析不同工况条件下故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型,所述工况条件包括环境温度、风机转速、工况类型中的至少一种;
所述系统还包括工况条件获取模块,用于获取待检测叶片的工况条件;
所述故障判断模块具体用于比较所述待检测叶片的振型与对应的工况条件下的所述故障叶片的振型以判断所述待检测叶片是否发生故障。
较佳地,所述故障叶片的振型包括若干突变点,每一所述突变点对应一故障位置,所述系统还包括:位置检测模块,所述故障判断模块还用于当判断所述待检测叶片发生故障时,获取所述第一振型中的突变点,并根据所述待检测叶片的振型中的突变点匹配所述故障叶片的振型中的突变点,以确定对应的故障位置。
较佳地,所述位置确认模块还用于当所述故障位置出现的次数高于次数阈值时,将对应的故障位置作为第二目标检测位置;
所述振型获取模块还用于获取待检测叶片的第二目标检测位置上的第二振型;
所述故障判断模块用于根据所述第一振型及所述第二振型判断所述待检测叶片是否发生故障。
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计算机程序时实现如上所述的风机叶片状态监测的方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的风机叶片状态监测的方法的步骤。
本发明的积极进步效果在于:本发明通过将标准叶片的振型与故障叶片的振型最大偏差值对应的检测位置作为第一目标检测位置,并在待检测叶片对应的位置上检测振型,可以根据检测出的振型与故障叶片的振型来判断待检测叶片是否发生故障。本发明可以获取最优的检测位置,基于最优的检测位置可以准确判断风机叶片是否发生故障,因此,当叶片出现故障时,可以及时进行反馈,减少风机叶片的运维成本。此外,本发明检测振型的方法成本低,便于推广,对风机叶片的成本增加不大,有利于大规模应用在风机叶片上。
附图说明
图1为本发明实施例1的风机叶片状态监测的方法的流程图。
图2为实施例1中传感器在叶片上的位置分布的示意图。
图3为实施例1中标准叶片的振型示意图。
图4为实施例1中故障叶片的振型示意图。
图5为实施例1中叶片的振型偏差值示意图。
图6为实施例1中步骤101的实现方式的流程图。
图7为本发明实施例2的风机叶片状态监测的系统的模块示意图。
图8为实施例2中的位置确认模块的模块示意图。
图9为实施例3的电子设备的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供了一种风机叶片状态监测的方法,如图1所示,该方法包括:
步骤101、获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置。
本实施例中,标准叶片具体表示无故障的叶片。
步骤102、获取待检测叶片的第一目标检测位置上的振型。
步骤103、根据待检测叶片的振型判断待检测叶片是否发生故障。
其中,步骤103中可以比较待检测叶片的振型与故障叶片的振型以判断待检测叶片是否发生故障,还可以比较待检测叶片的振型与标准叶片的振型来判断待检测叶片是否发生故障,也可以比较待检测叶片的振型与一预设的标准振型来判断待检测叶片是否发生故障。应当理解,若比较对象为故障叶片时,则判断待检测叶片的振型与故障叶片的振型是否吻合(应当理解本实施例中的吻合的意思均为基本吻合,即待检测叶片的振型与故障叶片的振型的偏差位于一预设偏差范围内),若是,则说明发生了故障,若否,则说明没有发生故障。相反,若比较对象为标准叶片,则判断待检测叶片的振型与标准叶片的振型是否吻合,若是,则说明没有发生故障,若否,则说明发生了故障。
应当理解,本实施例中标准叶片及故障叶片的数值既可以是测量的数值,也可以是仿真出来的数值,在得到这些数值后,将这些数值存储至数据库,以供后续检测待检测叶片时使用,如在获取待检测叶片的振型后,从数据库中找到对应的数据来判断待检测叶片是否发生故障,以及在什么位置上发生了故障。
为了更好地理解步骤101,下面通过一具体场景对步骤101进行说明:
图2示出了叶片上传感器的位置布置示意图,图3示出了标准叶片的振型的示意图,图4示出了故障叶片的振型的示意图。其中,横坐标均表示检测位置距离叶片根部(简称为叶根)的长度,单位为m(米),纵坐标均表示即提取的叶片的振动参数在归一化后的振幅,图3中l1、l2、l3、l4、l5分别表示标准叶片在不同阶次下的振型,具体的,分别表示一阶、二阶、三阶、四阶、五阶下的振型,图4中l1’、l2’、l3’、l4’、l5’分别表示故障叶片在不同阶次下的振型,具体的,分别表示一阶、二阶、三阶、四阶、五阶下的振型。
图5为根据图3的标准叶片的振型及图4的故障叶片的振型的偏差值形成的振型偏差图,为了更好地体现二者的差别,本实施例中对二者的偏差值做了线性变换从而得到图5中的偏差值,具体的,图5为图3的数据与对应的图4的数据的差值,再除以图4中对应的数据而得到的振型偏差图。从图中可以看出,当选择的阶次为五时,距离叶根长度为30米(如图2中的位置a)的位置为偏差值最大的位置,此时,将该位置作为第一目标检测位置;当选择的阶次为二时,距离叶根长度为42米的位置为偏差值最大的位置,此时,将该位置作为第一目标检测位置。
应当理解,虽然本实施例以不同阶次的振型作为举例来说明,但实际中不需要提取全部振型,如,对于标准振型及故障振型均可以只提取一条对应的振型曲线。
本实施例中,后台数据库保存了故障叶片的振型数据,这些对应关系既可以是实测出的数据,也可以是通过仿真模拟出的数据,步骤103中,通过比较实际测量出的待检测叶片的振型与数据库中故障叶片的振型是否吻合,即可以得知待检测叶片是否发生故障。
本实施例中,将标准叶片的振型与故障叶片的振型最大偏差值对应的检测位置作为第一目标检测位置,并在待检测叶片对应的位置上检测振型,可以根据检测出的振型与故障叶片的振型来判断待检测叶片是否发生故障。本实施例可以获取最优的检测位置,可以将最优检测位置作为检测点,优先布置传感器,以准确判断风机叶片是否发生故障,因此,当叶片出现故障时,可以及时进行反馈,减少风机叶片的运维成本。此外,本实施例检测振型的方法成本低,便于推广,对风机叶片的成本增加不大,有利于大规模应用在风机叶片上。
如图6所示,本实施例中,步骤101具体包括:
步骤1011、采集并解析标准叶片的振动信号以获取标准叶片的振型;
步骤1012、采集并解析故障叶片对应检测位置上的振动信号以获取故障叶片的振型;
步骤1013、根据标准叶片的振型及故障叶片的振型获取偏差值。
步骤102具体包括:采集并解析待检测叶片的振动信号以获取待检测叶片的振型。
具体的,步骤102通过传感器获取待检测叶片的振动信号,即通过在叶片的第一目标检测位置上布置传感器来检测叶片的振动信号,其中,本实施例优选通过在叶片上安装速度传感器的方式获取振动信号,即速度信号,或通过安装加速度传感器的方式获取振动信号,即加速度信号。
其中,在一种优选的实施方式中,选择具备自校验功能的传感器来采集振动信号,在叶片运行一段时间后,通过后台对传感器进行控制,实现自检定功能以进一步提高数据获取的准确程度。
为了更好的理解本实施例,下面列举一通过振动信号获取振型的具体实现方式:
本实施例中在叶片上布置传感器,通过不测力法,以一个传感器为参考点,其它传感器与参考点之间的响应获得叶片的频响函数:
在风机叶片上的传感器测试频响函数。对于任意的粘性阻尼的多自由度系统,其动力学微分方程为:
该方程进行拉普拉斯变换得
X(s)=H(s)F(s)
其中:
其中:
其中:
由上述实测的叶片的频响函数和上述系统的频响函数的理论公式就可以确定结构的固有频率、阻尼比和振型,具体的,振型可以通过叶片有限元模型提取,或者通过迭代法求解得出。
应当理解,本实施例中,无论是标准叶片的振型、故障叶片的振型还是待检测叶片的振型均可以通过上述方法提取得到。
在一种具体的实施方式中,步骤1011具体包括:将标准叶片的振动信号解析成不同阶次的振型,步骤1012具体包括:将故障叶片的振动信号解析成与标准叶片对应阶次的振型,步骤1013具体包括:比较对应阶次的标准叶片的振型与故障叶片的振型的差别,将差别最大的振型所对应的阶次作为目标阶次,并获取标准叶片与故障叶片在目标阶次下振型的偏差值。
步骤102具体用于采集待检测叶片的振动信号,并将待检测叶片的振动信号解析成目标阶次的振型。
为了更好地理解该实施方式,下面以一具体实例进行说明:
参见图3及图4,标准叶片及故障叶片的振型均被解析为不同的阶次振型,根据图5对二者的比较可以看出,当阶次为五阶时,波动最大,因此,将五阶作为目标阶次,步骤102则将待检测叶片的振动信号解析成五阶的振型来做分析。
本实施例中,可以将标准叶片及故障叶片解析成对应的不同阶次的振型,并将波动最大的阶次作为目标阶次来解析待检测叶片,从而可以得到更能够反应叶片真实故障情况的数据,以准确地检测到叶片的故障情况。
本实施例通过大量的实验、数据分析的过程,发现叶片故障与高阶振型之间的对应关系,叶片上发生的故障对高阶振型产生显著影响,从而提取出最能反应故障的阶次的振型,该方法简便易行,具备在叶片状态监测项目上大规模推广应用的条件。
在一种具体的实施方式中,步骤102具体包括采集并解析不同工况条件下故障叶片的振动信号以获取故障叶片的振型。
其中,工况条件包括环境温度、风机转速、工况类型中的至少一种。
本实施例中,由于风机叶片刚度会随着温度发生变化,随之叶片振型也会相应发生改变,具体的,当工况条件包括环境温度时,采集叶片在不同温度条件下叶片的振型,以-20°至40°的温度范围为例,在该温度范围内,每隔5°为一阶梯,测试不同阶梯温度下,叶片振型的变化,不同温度下的振型作为叶片振型基础数据库。
本实施例中,由于风机叶片在不同转速下会产生离心力,离心力会对叶片产生刚度强化的作用,进而叶片的振型会发生变化。具体的,当工况条件包括风机转速时,在不同转速下,测试叶片振型并且分析变化情况。特别要测试叶片在额定转速下,离心刚化对振型的影响。不同转速下的振型可作为叶片振型基础数据库。
本实施例中,可以根据实际测试数据分析叶片在风机运行时不同工况类型下的振型,比如:叶尖覆冰类型的振型,叶片尾缘或者主梁刚度下降类型的振型,建立与缺陷对应的振型数据库。
本实施例中的方法还可以进一步包括步骤:获取待检测叶片的工况条件,步骤103则具体包括:比较待检测叶片的振型与对应的工况条件下的故障叶片的振型以判断待检测叶片是否发生故障。如,当前的温度为30°,在对待检测叶片进行检测时,则会去数据库中找在温度为30°时风机叶片对应的故障振型,待检测叶片的振型与该工况条件下的振型作比较,以判断待检测叶片是否发生故障。
本实施例中,收集风机叶片正常运行数据。当叶片正常运行时,叶片在不同转速、温度及不同负载类型的情况下,会出现刚度变化的情况,进而影响叶片的振型。采集叶片不现转速度和温度下的振型数据库,作为状态监测的基础数据库,以根据实际工况更准确地判断叶片是否发生故障。
在一种具体的实施方式中,步骤103后还可以进一步包括步骤:当判断待检测叶片发生故障时,根据对应的故障叶片的故障位置确定待检测叶片的故障位置。当确定故障位置后还可以远程上报给有关人员或者有关设备。
本实施例中,后台数据库保存的故障叶片的振型数据具体包括,故障叶片的故障振型,以及对应故障振型下的故障位置,如,故障振型中不同的突变点用于表征不同的故障位置,数据库中保存了突变点与故障位置的对应关系。这些对应关系既可以是实测出的数据,也可以是通过仿真模拟出的数据,当判断待检测叶片发生故障时,则会根据后台数据库中故障振型与故障位置的对应关系来确定待检测叶片发生故障的具体位置。
本实施例中,当叶片结构出现故障时,可以远程定位故障发生的位置,及时通知地面巡视人员进行维修。对发生故障的风机叶片进行远程控制,有利于减少风机叶片的运维成本。
在一种具体的实施方式中,该方法还可以进一步包括:
当故障位置出现的次数高于次数阈值时,将对应的故障位置作为第二目标检测位置,本实施例中可以结合在第二目标检测位置上获取的待检测叶片的振型,与在第一目标检测位置上获取的待检测叶片的振型来判断待检测叶片是否发生故障。如:可以将第一目标检测位置上获取的振型,与第二目标检测位置上获取的振型中,与故障振型更吻合的振型作为叶片故障检测的振型。
本实施例中,可以根据实际测试数据分析叶片出现缺陷概率高的位置,有针对性的布置传感器,提高缺陷甄别的概率。
本实施例中,在步骤103检测出叶片发生故障后,还可以将故障信息及时反馈给主控,主控可以采取控制叶片偏航或者变桨等方式,避免叶尖扫塔的工况发生。
为了便于理解本实施例,下面列具体实例来对本实施例进行说明:
以一既定型号的56m长度的叶片为例,在步骤101中,通过实测或者仿真的方式,通过56m叶片的有限元模型,提取标准叶片的在不同阶次的振型,作为振型比对的参考值。并且在叶片上模拟出现刚度下降的故障,使得叶片在30m位置的刚度下降一半,即模拟刚度下降的故障叶片,获取故障叶片在不同阶次的振型,将标准振型与故障振型做比较,将振幅较大的阶次作为目标阶次,将变化较大的位置作为速度传感器的检测点。
步骤102中,在待检测叶片上安装传感器,通过信号线把传感器与信号采集器相连。在叶尖对叶片进行激振,采集安装在叶片上传感器的速度信号,对采集的速度信号进行分析,提取出目标阶次下的振型,步骤103中将该振型与后台存储的标准叶片或故障叶片的振型做比较,判断待检测叶片是否发生故障,若是,则进一步获取故障发生的位置,并把风机叶片发生故障及故障发生的位置反馈给中控和风机叶片运维相关人员。
实施例2
本实施例提供了一种风机叶片状态监测的系统,如图7所示,该系统包括:位置确认模块201、振型获取模块202以及故障判断模块203。
位置确认模块201用于获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置。振型获取模块202用于获取待检测叶片的第一目标检测位置上的振型。故障判断模块203用于根据待检测叶片的振型判断待检测叶片是否发生故障。
其中,位置确认模块201还可以用于比较待检测叶片的振型与标准叶片的振型来判断待检测叶片是否发生故障。应当理解,若比较对象为故障叶片时,则判断待检测叶片的振型与故障叶片的振型是否吻合,若是,则说明发生了故障,若否,则说明没有发生故障。相反,若比较对象为标准叶片,则判断待检测叶片的振型与标准叶片的振型是否吻合,若是,则说明没有发生故障,若否,则说明发生了故障。
应当理解,本实施例中标准叶片及故障叶片的数值既可以是测量的数值,也可以是仿真出来的数值,在得到这些数值后,将这些数值存储至数据库,以供后续检测待检测叶片时使用,如在获取待检测叶片的振型后,从数据库中找到对应的数据来判断待检测叶片是否发生故障,以及在什么位置上发生了故障。
为了更好地理解位置确认模块201,下面通过一具体场景对位置确认模块201进行说明:
图2示出了叶片上传感器的位置布置示意图,图3示出了标准叶片的振型的示意图,图4示出了故障叶片的振型的示意图。其中,横坐标均表示检测位置距离叶片根部(简称为叶根)的长度,单位为m(米),纵坐标均表示即提取的叶片的振动参数在归一化后的振幅,图3中l1、l2、l3、l4、l5分别表示标准叶片在不同阶次下的振型,具体的,分别表示一阶、二阶、三阶、四阶、五阶下的振型,图4中l1’、l2’、l3’、l4’、l5’分别表示故障叶片在不同阶次下的振型,具体的,分别表示一阶、二阶、三阶、四阶、五阶下的振型。
图5为根据图3的标准叶片的振型及图4的故障叶片的振型的偏差值形成的振型偏差图,为了更好地体现二者的差别,本实施例中对二者的偏差值做了线性变换从而得到图5中的偏差值,具体的,图5为图3的数据与对应的图4的数据的差值,再除以图4中对应的数据而得到的振型偏差图。从图中可以看出,当选择的阶次为五时,距离叶根长度为30米(如图2中的位置a)的位置为偏差值最大的位置,此时,将该位置作为第一目标检测位置;当选择的阶次为二时,距离叶根长度为42米的位置为偏差值最大的位置,此时,将该位置作为第一目标检测位置。
应当理解,虽然本实施例以不同阶次的振型作为举例来说明,但实际中不需要提取全部振型,如,对于标准振型及故障振型均可以只提取一条对应的振型曲线。
本实施例中,后台数据库保存了故障叶片的振型数据,这些对应关系既可以是实测出的数据,也可以是通过仿真模拟出的数据,故障判断模块203具体用于通过比较实际测量出的待检测叶片的振型与数据库中故障叶片的振型是否吻合,即可以得知待检测叶片是否发生故障。
本实施例中,位置确认模块201将标准叶片的振型与故障叶片的振型最大偏差值对应的检测位置作为第一目标检测位置,振型获取模块202在待检测叶片对应的位置上检测振型,故障判断模块203可以根据检测出的振型与故障叶片的振型来判断待检测叶片是否发生故障。本实施例可以获取最优的检测位置,可以将最优检测位置作为检测点,优先布置传感器,以准确判断风机叶片是否发生故障,因此,当叶片出现故障时,可以及时进行反馈,减少风机叶片的运维成本。此外,本实施例检测振型的方法成本低,便于推广,对风机叶片的成本增加不大,有利于大规模应用在风机叶片上。
如图8所示,本实施例中的位置确认模块201包括标准振型采集单元2011、故障振型采集单元2012以及偏差确认单元2013。
标准振型采集单元2011用于采集并解析标准叶片的振动信号以获取标准叶片的振型,故障振型采集单元2012用于采集并解析故障叶片对应检测位置上的振动信号以获取故障叶片的振型,偏差确认单元2013用于根据标准叶片的振型及故障叶片的振型获取偏差值,振型获取模块202具体用于采集并解析待检测叶片的振动信号以获取待检测叶片的振型,具体的,振型获取模块202用于通过传感器获取待检测叶片的振动信号,即通过在叶片的第一目标检测位置上布置传感器来检测叶片的振动信号,其中,本实施例优选通过在叶片上安装速度传感器的方式获取振动信号,即速度信号,或通过安装加速度传感器的方式获取振动信号,即加速度信号。
其中,在一种优选的实施方式中,选择具备自校验功能的传感器来采集振动信号,在叶片运行一段时间后,通过后台对传感器进行控制,实现自检定功能以进一步提高数据获取的准确程度。
为了更好的理解本实施例,下面列举一通过振动信号获取振型的具体实现方式:
本实施例中在叶片上布置传感器,通过不测力法,以一个传感器为参考点,其它传感器与参考点之间的响应获得叶片的频响函数:
在风机叶片上的传感器测试频响函数。对于任意的粘性阻尼的多自由度系统,其动力学微分方程为:
该方程进行拉普拉斯变换得
X(s)=H(s)F(s)
其中:
其中:
其中:
由上述实测的叶片的频响函数和上述系统的频响函数的理论公式就可以确定结构的固有频率、阻尼比和振型,具体的,振型可以通过叶片有限元模型提取,或者通过迭代法求解得出。
应当理解,本实施例中,无论是标准叶片的振型、故障叶片的振型还是待检测叶片的振型均可以通过上述方法提取得到。
在一种具体的实施方式中,标准振型采集单元2011具体用于将标准叶片的振动信号解析成不同阶次的振型,故障振型采集单元2012具体用于将故障叶片的振动信号解析成与标准叶片对应的阶次的振型,偏差确认单元2013具体用于比较对应阶次的标准叶片的振型与故障叶片的振型的差别,并将差别最大的振型对应的阶次作为目标阶次,并获取标准叶片与故障叶片在目标阶次下振型的偏差值。
振型获取模块202具体用于在第一目标检测位置上,采集待检测叶片的振动信号,并将待检测叶片的振动信号解析成目标阶次的振型。
为了更好地理解该实施方式,下面以一具体实例进行说明:
参见图3及图4,标准叶片及故障叶片的振型均被解析为不同的阶次振型,根据图5对二者的比较可以看出,当阶次为五阶时,波动最大,因此,将五阶作为目标阶次,振型获取模块202具体用于将检测出的叶片的振动信号解析成五阶的振型来做分析。
本实施例中,可以将标准叶片及故障叶片解析成对应的不同阶次的振型,并将波动最大的阶次作为目标阶次来解析待检测叶片,从而可以得到更能够反应叶片真实故障情况的数据,以准确地检测到叶片的故障情况。
本实施例通过大量的实验、数据分析的过程,发现叶片故障与高阶振型之间的对应关系,叶片上发生的故障对高阶振型产生显著影响,从而提取出最能反应故障的阶次的振型,该方法简便易行,具备在叶片状态监测项目上大规模推广应用的条件。
在一种具体的实施方式中,故障振型采集单元2012具体用于采集并解析不同工况条件下故障叶片的振动信号以获取故障叶片的振型,工况条件包括环境温度、风机转速、工况类型中的至少一种。
本实施例中,由于风机叶片刚度会随着温度发生变化,随之叶片振型也会相应发生改变,具体的,当工况条件包括环境温度时,采集叶片在不同温度条件下叶片的振型,以-20°至40°的温度范围为例,在该温度范围内,每隔5°为一阶梯,测试不同阶梯温度下,叶片振型的变化,不同温度下的振型作为叶片振型基础数据库。
本实施例中,由于风机叶片在不同转速下会产生离心力,离心力会对叶片产生刚度强化的作用,进而叶片的振型会发生变化。具体的,当工况条件包括风机转速时,在不同转速下,测试叶片振型并且分析变化情况。特别要测试叶片在额定转速下,离心刚化对振型的影响。不同转速下的振型可作为叶片振型基础数据库。
本实施例中,可以根据实际测试数据分析叶片在风机运行时不同工况类型下的振型,比如:叶尖覆冰类型的振型,叶片尾缘或者主梁刚度下降类型的振型,建立与缺陷对应的振型数据库。
该系统还包括工况条件获取模块,用于获取待检测叶片的工况条件,故障判断模块203具体用于比较待检测叶片的振型与对应的工况条件下的故障叶片的振型以判断待检测叶片是否发生故障。如,当前的温度为30°,在对待检测叶片进行检测时,则会去数据库中找在温度为30°时风机叶片对应的故障振型,待检测叶片的振型与该工况条件下的振型作比较,以判断待检测叶片是否发生故障。
本实施例中,收集风机叶片正常运行数据。当叶片正常运行时,叶片在不同转速、温度及不同负载类型的情况下,会出现刚度变化的情况,进而影响叶片的振型。采集叶片不现转速度和温度下的振型数据库,作为状态监测的基础数据库,以根据实际工况更准确地判断叶片是否发生故障。
在一种具体的实施方式中,故障叶片具体包括具有不同故障位置的故障叶片,该系统还包括:位置检测模块,故障判断模块203还用于当判断待检测叶片发生故障时调用位置检测模块,位置检测模块用于根据对应的故障叶片的故障位置确定待检测叶片的故障位置。
本实施例中,后台数据库保存的故障叶片的振型数据具体包括,故障叶片的故障振型,以及对应故障振型下的故障位置,如,故障振型中不同的突变点用于表征不同的故障位置,数据库中保存了突变点与故障位置的对应关系。这些对应关系既可以是实测出的数据,也可以是通过仿真模拟出的数据,当判断待检测叶片发生故障时,则会根据后台数据库中故障振型与故障位置的对应关系来确定待检测叶片发生故障的具体位置。
本实施例中,位置检测模块在确定故障位置后还可以远程上报给有关人员或者有关设备。
本实施例中,当叶片结构出现故障时,可以远程定位故障发生的位置,及时通知地面巡视人员进行维修。对发生故障的风机叶片进行远程控制,有利于减少风机叶片的运维成本。
在一种具体的实施方式中,位置确认模块201还用于当故障位置出现的次数高于次数阈值时,将对应的故障位置作为第二目标检测位置。本实施例中故障判断模块203可以结合在第二目标检测位置上获取的待检测叶片的振型,与在第一目标检测位置上获取的待检测叶片的振型来判断待检测叶片是否发生故障。如:可以将第一目标检测位置上获取的振型,与第二目标检测位置上获取的振型中,与故障振型更吻合的振型作为叶片故障检测的振型。
本实施例中,可以根据实际测试数据分析叶片出现缺陷概率高的位置,有针对性的布置传感器,提高缺陷甄别的概率。
为了便于理解本实施例,下面列具体实例来对本实施例进行说明:
以一既定型号的56m长度的叶片为例,位置确认模块201用于通过实测或者仿真的方式,通过56m叶片的有限元模型,提取标准叶片的在不同阶次的振型,作为振型比对的参考值。并且在叶片上模拟出现刚度下降的故障,使得叶片在30m位置的刚度下降一半,即模拟刚度下降的故障叶片,获取故障叶片在不同阶次的振型,将标准振型与故障振型做比较,将振幅较大的阶次作为目标阶次,将变化较大的位置作为速度传感器的检测点。
在待检测叶片上安装传感器,通过信号线把传感器与信号采集器相连。在叶尖对叶片进行激振,振型获取模块202用于采集安装在叶片上传感器的速度信号,对采集的速度信号进行分析,提取出目标阶次下的振型,故障判断模块203用于将该振型与后台存储的标准叶片或故障叶片的振型做比较,判断待检测叶片是否发生故障,若是,则进一步获取故障发生的位置,并把风机叶片发生故障及故障发生的位置反馈给中控和风机叶片运维相关人员。
实施例3
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),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,其中处理器执行计算机程序时可以实现实施例1中风机叶片状态监测的方法。
图9示出了本实施例的硬件结构示意图,如图9所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1中风机叶片状态监测的方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1中风机叶片状态监测的方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1中风机叶片状态监测的方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (16)
1.一种风机叶片状态监测的方法,其特征在于,所述方法包括:
获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置;
获取待检测叶片的第一目标检测位置上的第一振型;
根据第一振型判断所述待检测叶片是否发生故障。
2.如权利要求1所述的风机叶片状态监测的方法,其特征在于,所述获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值的步骤具体包括:
采集并解析标准叶片的振动信号以获取所述标准叶片的振型;
采集并解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型;
根据所述标准叶片的振型及所述故障叶片的振型获取偏差值。
3.如权利要求2所述的风机叶片状态监测的方法,其特征在于,所述振动信号包括速度信号或加速度信号。
4.如权利要求2所述的风机叶片状态监测的方法,其特征在于,所述解析标准叶片的振动信号以获取所述标准叶片的振型的步骤包括:
将所述标准叶片的振动信号解析成不同阶次的振型;
所述解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型的步骤包括:
将所述故障叶片对应检测位置上的振动信号解析成与所述标准叶片对应的阶次的振型;
所述根据所述标准叶片的振型及所述故障叶片的振型获取偏差值的步骤包括:
比较对应阶次的所述标准叶片的振型与所述故障叶片的振型的差别,并将差别最大的振型对应的阶次作为目标阶次;
获取所述标准叶片与所述故障叶片在所述目标阶次下振型的偏差值;
所述获取待检测叶片的第一目标检测位置上的第一振型的步骤包括:
采集所述待检测叶片的第一目标检测位置上的振动信号;
将所述待检测叶片的振动信号解析成所述目标阶次的第一振型。
5.如权利要求2所述的风机叶片状态监测的方法,其特征在于,所述采集并解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型的步骤包括:
采集并解析不同工况条件下故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型,所述工况条件包括环境温度、风机转速、工况类型中的至少一种;
所述风机叶片状态监测的方法包括步骤:获取待检测叶片的工况条件;
所述根据所述待检测叶片的振型判断所述待检测叶片是否发生故障的步骤包括:比较所述待检测叶片的振型与对应的工况条件下的所述故障叶片的振型以判断所述待检测叶片是否发生故障。
6.如权利要求1所述的风机叶片状态监测的方法,其特征在于,所述故障叶片的振型包括若干突变点,每一所述突变点对应一故障位置,所述风机叶片状态监测的方法包括:
当判断所述待检测叶片发生故障时,获取所述第一振型中的突变点,并根据所述第一振型中的突变点匹配所述故障叶片的振型中的突变点,以确定对应的故障位置。
7.如权利要求6所述的风机叶片状态监测的方法,其特征在于,所述风机叶片状态监测的方法还包括:
当所述故障位置出现的次数高于次数阈值时,将对应的故障位置作为第二目标检测位置;
获取待检测叶片的第二目标检测位置上的第二振型;
所述根据所述第一振型判断所述待检测叶片是否发生故障的步骤具体包括:
根据所述第一振型及所述第二振型判断所述待检测叶片是否发生故障。
8.一种风机叶片状态监测的系统,其特征在于,所述系统包括:位置确认模块、振型获取模块以及故障判断模块;
所述位置确认模块用于获取标准叶片与故障叶片的若干对应检测位置上的振型的偏差值,并将最大偏差值对应的检测位置作为第一目标检测位置;
所述振型获取模块用于获取待检测叶片的第一目标检测位置上的第一振型;
所述故障判断模块用于根据所述第一振型判断所述待检测叶片是否发生故障。
9.如权利要求8所述的风机叶片状态监测的系统,其特征在于,所述位置确认模块包括标准振型采集单元、故障振型采集单元以及偏差确认单元;
所述标准振型采集单元用于采集并解析标准叶片的振动信号以获取所述标准叶片的振型;
所述故障振型采集单元用于采集并解析故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型;
所述偏差确认单元用于根据所述标准叶片的振型及所述故障叶片的振型获取偏差值。
10.如权利要求9所述的风机叶片状态监测的系统,其特征在于,所述振动信号包括速度信号或加速度信号。
11.如权利要求9所述的风机叶片状态监测的系统,其特征在于,所述标准振型采集单元具体用于将所述标准叶片的振动信号解析成不同阶次的振型;
所述故障振型采集单元具体用于将所述故障叶片对应检测位置上的振动信号解析成与所述标准叶片对应的阶次的振型;
所述偏差确认单元具体用于比较对应阶次的所述标准叶片的振型与所述故障叶片的振型的差别,并将差别最大的振型对应的阶次作为目标阶次,并获取所述标准叶片与所述故障叶片在所述目标阶次下振型的偏差值;
所述振型获取模块用于在所述第一目标检测位置上,采集所述待检测叶片的振动信号,并将所述待检测叶片的振动信号解析成所述目标阶次的第一振型。
12.如权利要求9所述的风机叶片状态监测的系统,其特征在于,所述故障振型采集单元具体用于采集并解析不同工况条件下故障叶片对应检测位置上的振动信号以获取所述故障叶片的振型,所述工况条件包括环境温度、风机转速、工况类型中的至少一种;
所述风机叶片状态监测的系统还包括工况条件获取模块,用于获取待检测叶片的工况条件;
所述故障判断模块具体用于比较所述待检测叶片的振型与对应的工况条件下的所述故障叶片的振型以判断所述待检测叶片是否发生故障。
13.如权利要求8所述的风机叶片状态监测的系统,其特征在于,所述故障叶片的振型包括若干突变点,每一所述突变点对应一故障位置,所述风机叶片状态监测的系统还包括:位置检测模块,所述故障判断模块还用于当判断所述待检测叶片发生故障时,获取所述第一振型中的突变点,并根据所述待检测叶片的振型中的突变点匹配所述故障叶片的振型中的突变点,以确定对应的故障位置。
14.如权利要求13所述的风机叶片状态监测的系统,其特征在于,所述位置确认模块还用于当所述故障位置出现的次数高于次数阈值时,将对应的故障位置作为第二目标检测位置;
所述振型获取模块还用于获取待检测叶片的第二目标检测位置上的第二振型;
所述故障判断模块用于根据所述第一振型及所述第二振型判断所述待检测叶片是否发生故障。
15.一种电子设备,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计算机程序时实现权利要求1至7任一项所述的风机叶片状态监测的方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的风机叶片状态监测的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736150.9A CN113504302B (zh) | 2021-06-30 | 2021-06-30 | 风机叶片状态监测的方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736150.9A CN113504302B (zh) | 2021-06-30 | 2021-06-30 | 风机叶片状态监测的方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113504302A true CN113504302A (zh) | 2021-10-15 |
CN113504302B CN113504302B (zh) | 2023-01-24 |
Family
ID=78009682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110736150.9A Active CN113504302B (zh) | 2021-06-30 | 2021-06-30 | 风机叶片状态监测的方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113504302B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114215702A (zh) * | 2021-12-07 | 2022-03-22 | 北京智慧空间科技有限责任公司 | 风机叶片故障检测方法、系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004100517A (ja) * | 2002-09-06 | 2004-04-02 | Mitsubishi Fuso Truck & Bus Corp | 内燃機関の故障検出装置 |
CN102628834A (zh) * | 2012-03-30 | 2012-08-08 | 广东电网公司电力科学研究院 | 大型汽轮机叶片断裂故障在线诊断方法 |
KR20120132804A (ko) * | 2011-05-30 | 2012-12-10 | 대우조선해양 주식회사 | 풍력 블레이드 자동 검사장치 및 검사방법 |
US20120316796A1 (en) * | 2011-04-15 | 2012-12-13 | U.E. Systems, Inc. | System for bearing fault detection |
CN103630604A (zh) * | 2012-08-29 | 2014-03-12 | 沈阳鼓风机集团股份有限公司 | 离心式压缩机半开式叶轮裂纹故障识别方法 |
CN104267097A (zh) * | 2014-09-15 | 2015-01-07 | 北京工业大学 | 一种风机叶片裂纹位置确定方法 |
US20180171980A1 (en) * | 2016-12-21 | 2018-06-21 | Vestas Wind Systems A/S | Control system for a wind turbine |
CN108956075A (zh) * | 2018-08-31 | 2018-12-07 | 天津大学 | 动叶片裂纹在线诊断方法 |
CN109541028A (zh) * | 2018-12-26 | 2019-03-29 | 湖南科技大学 | 一种风力机叶片裂纹位置定位检测方法及系统 |
CN111307439A (zh) * | 2020-03-12 | 2020-06-19 | 三一重能有限公司 | 风力发电机叶片缺陷检测方法、装置、设备及存储介质 |
JP2021011857A (ja) * | 2019-07-08 | 2021-02-04 | 株式会社日立製作所 | 風力発電装置の検査装置及び検査方法 |
CN112945531A (zh) * | 2021-02-03 | 2021-06-11 | 西人马(西安)测控科技有限公司 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
CN113049237A (zh) * | 2021-03-15 | 2021-06-29 | 北京唐智科技发展有限公司 | 一种叶片故障信息提取方法及系统 |
-
2021
- 2021-06-30 CN CN202110736150.9A patent/CN113504302B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004100517A (ja) * | 2002-09-06 | 2004-04-02 | Mitsubishi Fuso Truck & Bus Corp | 内燃機関の故障検出装置 |
US20120316796A1 (en) * | 2011-04-15 | 2012-12-13 | U.E. Systems, Inc. | System for bearing fault detection |
KR20120132804A (ko) * | 2011-05-30 | 2012-12-10 | 대우조선해양 주식회사 | 풍력 블레이드 자동 검사장치 및 검사방법 |
CN102628834A (zh) * | 2012-03-30 | 2012-08-08 | 广东电网公司电力科学研究院 | 大型汽轮机叶片断裂故障在线诊断方法 |
CN103630604A (zh) * | 2012-08-29 | 2014-03-12 | 沈阳鼓风机集团股份有限公司 | 离心式压缩机半开式叶轮裂纹故障识别方法 |
CN104267097A (zh) * | 2014-09-15 | 2015-01-07 | 北京工业大学 | 一种风机叶片裂纹位置确定方法 |
US20180171980A1 (en) * | 2016-12-21 | 2018-06-21 | Vestas Wind Systems A/S | Control system for a wind turbine |
CN108956075A (zh) * | 2018-08-31 | 2018-12-07 | 天津大学 | 动叶片裂纹在线诊断方法 |
CN109541028A (zh) * | 2018-12-26 | 2019-03-29 | 湖南科技大学 | 一种风力机叶片裂纹位置定位检测方法及系统 |
JP2021011857A (ja) * | 2019-07-08 | 2021-02-04 | 株式会社日立製作所 | 風力発電装置の検査装置及び検査方法 |
CN111307439A (zh) * | 2020-03-12 | 2020-06-19 | 三一重能有限公司 | 风力发电机叶片缺陷检测方法、装置、设备及存储介质 |
CN112945531A (zh) * | 2021-02-03 | 2021-06-11 | 西人马(西安)测控科技有限公司 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
CN113049237A (zh) * | 2021-03-15 | 2021-06-29 | 北京唐智科技发展有限公司 | 一种叶片故障信息提取方法及系统 |
Non-Patent Citations (1)
Title |
---|
李录平等: ""振动检测技术在风力机叶片裂纹故障监测中的应用"", 《热能动力工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114215702A (zh) * | 2021-12-07 | 2022-03-22 | 北京智慧空间科技有限责任公司 | 风机叶片故障检测方法、系统 |
CN114215702B (zh) * | 2021-12-07 | 2024-02-23 | 北京智慧空间科技有限责任公司 | 风机叶片故障检测方法、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113504302B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836762B (zh) | 一种风力机及风电场数字镜像模拟展示系统 | |
Kaewniam et al. | Recent advances in damage detection of wind turbine blades: A state-of-the-art review | |
US20110106510A1 (en) | Methods, apparatus and computer readable storage mediums for model-based diagnosis | |
CN105508149B (zh) | 用于风力发电机组的故障检测方法及装置 | |
CN109209783A (zh) | 一种基于噪声检测叶片的雷击损伤的方法及装置 | |
CN106706241B (zh) | 一种风力机叶片损伤主动自检装置及方法 | |
CN107291991B (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
CN108376184A (zh) | 一种桥梁健康监控的方法及系统 | |
CN112629647A (zh) | 大跨悬索桥涡振事件的实时识别和监测预警方法 | |
CN111946559B (zh) | 一种风机基础和塔架结构检测方法 | |
CN112796957B (zh) | 一种风机叶片的检测方法和装置以及设备 | |
EP3642481B1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
CN113504302B (zh) | 风机叶片状态监测的方法、系统、电子设备及存储介质 | |
CN113326592B (zh) | 一种基于模态分解算法的风机叶片故障分析方法及系统 | |
CN110688963A (zh) | 基于聚类算法的大跨度桥梁涡激振动自动识别方法 | |
CN114183312A (zh) | 一种风电机组叶片状态的监测系统及方法 | |
CN108825447B (zh) | 一种风力机监测方法及系统 | |
CN113323816A (zh) | 一种基于叶片载荷分析的叶片检测方法 | |
CN206369617U (zh) | 一种风力机叶片损伤主动自检装置 | |
Pecho et al. | Vibration fault detection of fuel pump using Recurrence Quantification Analysis | |
CN114941610B (zh) | 风机叶片根部螺栓监测方法及监测系统 | |
CN113987871B (zh) | 一种航空发动机叶片损伤在线识别方法 | |
CN114837902B (zh) | 一种风电机组健康度评估方法、系统、设备和介质 | |
CN109283246B (zh) | 一种风力发电机叶片受损位置定位检测系统 | |
Hsu et al. | Condition monitoring and fault detection of wind turbines generator |
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 |