CN114294183A - 一种风机叶片故障监测方法、装置及风机 - Google Patents
一种风机叶片故障监测方法、装置及风机 Download PDFInfo
- Publication number
- CN114294183A CN114294183A CN202111640754.XA CN202111640754A CN114294183A CN 114294183 A CN114294183 A CN 114294183A CN 202111640754 A CN202111640754 A CN 202111640754A CN 114294183 A CN114294183 A CN 114294183A
- Authority
- CN
- China
- Prior art keywords
- blade
- fan
- phase difference
- value
- determining
- 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.)
- Pending
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明提供一种风机叶片故障监测方法、装置及风机,所述方法包括:获取各采样周期内风机各叶片的振动信号;分别计算各振动信号对应的冲击信息敏感值;基于各振动信号的所述冲击信息敏感值,确定信息相差度;根据所述信息相差度,确定所述风机的叶片状态。本发明提供的风机叶片故障监测方法、装置及风机,通过对各叶片的振动信号相关对冲击信息敏感的指标进行分析,得到冲击信息敏感值,进而根据各叶片冲击信息敏感值的比对,将比对获取的信息相差度作为风机的叶片状态识别的依据,能够有效地识别出引发振动信号产生冲击信息的叶片故障,且无需建立故障数据库,监测的结果不易受坏点影响,便于实现,监测成本低。
Description
技术领域
本发明涉及风力发电机技术领域,尤其涉及一种风机叶片故障监测方法、装置及风机。
背景技术
叶片是风力发电机组最关键的部件之一,长期运行在高空恶劣的自然环境下,承受着随机的风载荷,因此研究其故障诊断技术,保证叶片正常运行,对提高机组安全经济运行具有重要意义。
目前,叶片故障在线诊断主要采取的有以下几种方法:应变监测法、噪音监测法和振动监测法。其中,应变监测法是通过监测叶片的应变量判断叶片故障;噪音监测法是通过监测叶片的噪音信号,获得各叶片噪音信号的频谱特征,再根据各叶片噪音信号的频谱特征判断叶片故障;振动监测法是通过监测叶片的振动信号,获得各叶片的振动信息与叶片的固有频率以判断叶片故障。
应变监测法对硬件要求较高,监测成本高;噪音监测法需建立正常样本与故障样本数据库,计算量较大,准确率不高;振动监测法主要通过判断各叶片的振动波形相似度或者通过叶片固有频率的差异去判断叶片故障,监测准确率易受监测设备工况的影响。
发明内容
本发明提供一种风机叶片故障监测方法、装置及风机,用以解决常规的叶片故障监测方法对监测条件要求苛刻、需建立故障特征库、计算量大、检测效率低、检测准确率差等相关缺陷。
第一方面,本发明提供一种风机叶片故障监测方法,包括:获取各采样周期内风机各叶片的振动信号;分别计算各振动信号对应的冲击信息敏感值;基于各振动信号的所述冲击信息敏感值,确定信息相差度;根据所述信息相差度,确定所述风机的叶片状态。
根据本发明提供的一种风机叶片故障监测方法,所述冲击信息敏感值为峭度值或最大峰值。
根据本发明提供的一种风机叶片故障监测方法,在所述冲击信息敏感值为峭度值的情况下,所述分别计算各振动信号对应的冲击信息敏感值,包括:分别对各振动信号进行高通滤波,获取对应的滤波振动信号;计算各滤波振动信号对应的四阶中心距作为所述峭度值。
根据本发明提供的一种风机叶片故障监测方法,所述基于各振动信号的所述冲击信息敏感值,确定信息相差度,包括:利用各振动信号的标准差四阶中心距,分别对各峭度值进行归一化处理,获取各峭度值对应的峭度因子;确定所述信息相差度,所述信息相差度为所有峭度因子的方差。
根据本发明提供的一种风机叶片故障监测方法,在所述冲击信息敏感值为最大峰值的情况下,所述基于各振动信号的所述冲击信息敏感值,确定信息相差度,包括:利用各振动信号的均方根值,分别对所述最大峰值进行归一化处理,获取各最大峰值对应的峰值因子;确定所述信息相差度,所述信息相差度为所有峰值因子的方差。
根据本发明提供的一种风机叶片故障监测方法,在所述冲击信息敏感值为最大峰值的情况下,所述基于各振动信号的所述冲击信息敏感值,确定信息相差度,包括:利用各振动信号的绝对平均值,分别对所述最大峰值进行归一化处理,获取各最大峰值对应的脉冲因子;确定所述信息相差度,所述信息相差度为所有脉冲因子的方差。
根据本发明提供的一种风机叶片故障监测方法,所述根据所述信息相差度,确定所述风机的叶片状态,包括:获取连续K个采样周期内所述风机各叶片的振动信号所对应的信息相差度;在确定M个所述信息相差度大于第一预设阈值的情况下,确定所述风机的叶片状态为严重故障,第二预设阈值≤M≤K;在确定N个所述信息相差度大于第一预设阈值的情况下,确定所述风机的叶片状态为一般故障,第三预设阈值≤N<M;在确定L个所述信息相差度大于第一预设阈值的情况下,确定所述风机的叶片状态为正常,L小于第三预设阈值。
根据本发明提供的一种风机叶片故障监测方法,在确定所述风机的叶片状态之后,还包括:若确定所述风机的叶片状态为严重故障,则控制所述风机停机;若确定所述风机的叶片状态为一般故障,则生成报警提醒;若确定所述风机的叶片状态为正常,则保持所述风机运行。
根据本发明提供的一种风机叶片故障监测方法,所述振动信号包括垂直于叶片方向的第一振动信号和平行于叶片并沿叶片宽度方向的第二振动信号。
根据本发明提供的一种风机叶片故障监测方法,所述根据所述信息相差度,确定所述风机的叶片状态,包括:分别根据所述第一振动信号所对应的信息相差度确定第一叶片状态,根据所述第二振动信号所对应的信息相差度确定第二叶片状态;若所述第一叶片状态和所述第二叶片状态中的至少一个为严重故障,则确定所述风机的叶片状态为严重故障;若所述第一叶片状态和所述第二叶片状态均为非严重故障,但至少一个为一般故障,则确定所述风机的叶片状态为一般故障;若所述第一叶片状态和所述第二叶片状态均为非严重故障且非一般故障,则确定所述风机的叶片状态为正常。
第二方面,本发明还提供一种风机叶片故障监测装置,包括:信号采集单元,用于获取各采样周期内风机各叶片的振动信号;第一运算单元用于分别计算各振动信号对应的冲击信息敏感值;第二运算单元用于基于各振动信号的所述冲击信息敏感值,确定信息相差度;状态判断单元用于根据所述信息相差度,确定所述风机的叶片状态。
第三方面,本发明提供一种风机,包括风机本体,所述风机本体中设置有叶片监测处理器、多个双轴加速度传感器,每个所述双轴加速度传感器分别设置在所述风机本体各叶片上,用于获取各叶片的振动信号;还包括存储器及存储在所述存储器上并可在所述叶片监测处理器上运行的程序或指令,所述程序或指令被所述叶片监测处理器执行时执行如上述任一项风机叶片故障监测方法的步骤。
第四方面,本发明提供一种电子设备,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如上述任一种所述风机叶片故障监测方法的步骤。
第五方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述风机叶片故障监测方法的步骤。
第六方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述风机叶片故障监测方法的步骤。
本发明提供的风机叶片故障监测方法、装置及风机,通过对各叶片的振动信号相关对冲击信息敏感的指标,进行分析得到冲击信息敏感值,进而根据各叶片冲击信息敏感值的比对,将比对获取的信息相差度作为风机的叶片状态识别的依据,能够有效地识别出引发振动信号产生冲击信息的叶片故障,且无需建立故障数据库,监测的结果不易受坏点影响,便于实现,监测成本低。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的风机叶片故障监测方法的流程示意图;
图2是本发明提供的一种计算信息相差度的流程示意图;
图3是本发明提供的对各振动信号在时域上进行高通滤波前后的比对图;
图4是本发明提供的信息相差度的趋势示意图;
图5是本发明提供的根据相差度确定叶片状态的流程示意图;
图6是本发明提供的风机叶片故障监测装置的结构示意图;
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明实施例的描述中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合图1-图6描述本发明实施例所提供的风机叶片故障监测方法和装置。
图1是本发明提供的风机叶片故障监测方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤101:获取各采样周期内风机各叶片的振动信号。
可选地,本发明可以预先在待测风机的每个叶片上分别设置用于实现振动信号采集的传感器,例如加速度传感器。所获取到的各叶片的振动信号,可以是按照预设采样频率,在一个采样周期内,对叶片在某个方向上的振动加速度值进行采集后,在时域上拟合成的振动加速度波形数据。
一般来说,每台风机有三个叶片,若仅仅测量每个叶片在一个方向(如垂直于叶片方向)上的振动信号,则最终在一个采样周期内,可以获取到对应于各叶片的,总计三组振动信号;
若在上述基础上还测量每个叶片在平行于叶片并沿叶片宽度方向上的振动信号,则最终在一个采样周期内,对应于各叶片的振动信号有两组,针对每台风机在一个采样周期内总计会获取到六组振动信号。
需要说明的是,本发明提供的风机叶片故障监测方法总体上来说,其原理是通过对每台风机三个叶片在同一方向的振动信号进行比较,以根据比较结果实现叶片状态的监控。故本发明在同时采集每个叶片在多个方向上的振动信号时,是通过将某一方向上的振动信号作为一组独立的进行处理,获取该方向上的叶片状态判断结果。最后,可以综合各个方向上所确定的叶片状态判断结果,确定风机的最终叶片状态。
步骤102:分别计算各振动信号对应的冲击信息敏感值。振动信号的幅值分布,往往能反映出叶片的正常与否,一般来说,振动信号的幅值越平稳,说明叶片的状态越正常,而振动信号的幅值的波动性越大,可以说明其状态越异常。
本发明通过对各叶片的振动信号对应的波形数据进行分析,以获取对冲击信息敏感的指标所对应的值,即获取各振动信号对应的冲击信息敏感值,以期通过冲击信息敏感值,来分析出引发振动信号产生冲击信息的叶片故障。
步骤103:基于各振动信号的所述冲击信息敏感值,确定信息相差度。
例如,可以计算三个冲击信息敏感值之间的平均差值,也可以计算三个冲击信息敏感值的方差,作为信息相差度,对此本发明不作具体的限定。
本发明主要是通过分别计算出同一风机的三个叶片在同一方向上的振动信号所对应的冲击信息敏感值,然后通过信息相差度来表征三个冲击信息敏感值之间的差异,可以理解为:用信息相差度来表征同一风机三个叶片相关的振动信号的差异性。
步骤104:根据所述信息相差度,确定所述风机的叶片状态。
由于信息相差度能够有效地表征出三个叶片的振动信号差异性,由于风机在正常运行时,其三个叶片的振动信号在理论上相似度是非常高的,即使受到异常干扰瞬时会存在较大差异,在异常干扰撤除后也会迅速的恢复。
故本发明通过三个叶片的振动信号计算出信息相差度,以利用信息相差度作为依据判断述风机的叶片状态。一般来说,在信息相差度越大,尤其是连续多个采样周期内所计算出的信息相差度均超过理论值时,则可以认为风机的叶片状态为故障状态。
本发明提供的风机叶片故障监测方法,通过对各叶片的振动信号相关对冲击信息敏感的指标,进行分析得到冲击信息敏感值,进而根据各叶片冲击信息敏感值的比对,将比对获取的信息相差度作为风机的叶片状态识别的依据,能够有效地识别出引发振动信号产生冲击信息的叶片故障,且无需建立故障数据库,监测的结果不易受坏点影响,便于实现,监测成本低。
基于上述实施例的内容,作为一种可选实施例,所述冲击信息敏感值为峭度值或最大峰值。
峭度值是反映随机变量分布特性的数值统计量,对冲击信号特别敏感。在风机正常运行时,由于各种不确定因素的影响,振动信号的幅值分布接近正态分布。若出现叶片故障,振动信号中大幅值的概率密度增加,信号幅值的分布就会偏离正态分布,正态曲线出现偏斜或分散,峭度值也随之增大。故峭度值的绝对值越大,说明风机叶片偏离其正常状态,故障越严重。
图2是本发明提供的一种计算信息相差度的流程示意图,如图2所示,在待测风机包括3个叶片的情况下,分别获取叶片1、叶片2和叶片3在每个采样周期内的振动信号,通过对每个振动信号进行高通滤波处理后,获取叶片1相关的峭度值1、叶片2相关的峭度值2、叶片3相关的峭度值3;进而对每个峭度值进行归一化,获取到叶片1相关的峭度因子1、叶片2相关的峭度因子2、叶片3相关的峭度因子3;最后计算峭度因子1、峭度因子2和峭度因子3之间的方差作为信息相差度(图2中将峭度相差度表示为信息相差度A)。
振动信号的最大峰值,能直观的表示出叶片在受到冲击时的振动情况,故振动信号的最大峰值也能够反映出风机的叶片状态。
以峭度值为例,当风机的某一叶片发生特定故障(如开裂或分层)时,振动信号会出现高频冲击特征,峭度值会上升,此时三个叶片的峭度值之间的差异会增大,即信息相差度(也可以称作峭度相差度值)会上升,故可以通过信息相差度进行叶片状态的监测。
同样的道理,在风机的某一叶片发生特定故障时,该叶片振动信号的最大值也会增大,此时三个叶片的最大峰值之间的差异同样会增大,即信息相差度会上升,故也可以采用最大峰值来计算出信息相差度,进而实现叶片状态的监测。
本发明提供的风机叶片故障监测方法,通过选取峭度值以及最大峰值等对冲击信息敏感的指标,来诊断叶片有无故障,能有效识别引发振动信号产生冲击信息的叶片故障。
基于上述实施例的内容,作为一种可选实施例,在所述冲击信息敏感值为峭度值的情况下,所述分别计算各振动信号对应的冲击信息敏感值,包括:分别对各振动信号进行高通滤波,获取对应的滤波振动信号;计算各滤波振动信号对应的四阶中心距作为所述峭度值。
本发明所提供的高通滤(high-pass filter)是一种过滤方式,其规则为高于设定临界值的高频信号能正常通过,而低于设定临界值的低频信号则被阻隔、减弱。
图3是本发明提供的一种计算信息相差度的流程示意图,如图3所示,设待监测风机的编号为“F014”,分别对其三个叶片在垂直于叶片方向上的振动信号进行高通滤波,可以直观的发现F014号风机的1号叶片可能存在故障。
通过图3中的上下部分的对比,可以确定出:在采用高通滤波对振动信号进行处理之后,有效地去除了振动信号中不必要的低频成分以及低频干扰,使得能反映出风机叶片故障的特征更为突出。
在对各叶片所对应的振动信号进行高通滤波,获取对应的滤波振动信号之后,分别计算每个滤波振动信号相关的正态分布的四阶中心距,作为各滤波振动信号的峭度值。
其中,四阶中心距的计算公式可以为:
本发明提供的风机叶片故障监测方法,将离散信号的四阶中心矩作为峭度值,反映了信号概率密度函数峰顶的凸平度,使得峭度值对大幅值振动非常敏感,非常有利于探测振动信号中的脉冲信息。当大幅值振动的概率增加时,振动信号的峭度值将迅速增大。
基于上述实施例的内容,作为一种可选实施例,上述基于各振动信号的冲击信息敏感值,确定信息相差度,主要包括:利用各振动信号的标准差四阶中心距,分别对各峭度值进行归一化处理,获取各峭度值对应的峭度因子;确定所述信息相差度,所述信息相差度为所有峭度因子的方差。
由于峭度值是有量纲指标,虽然对信号特征比较敏感,但也会因工作条件(如负载)的变化而变化,并极易受环境干扰的影响,具有表现不够稳定的缺陷。相比而言,无量纲指标能够排除这些扰动因素的影响。有鉴于此,本发明通过对各叶片对应的峭度值进行归一化处理,将其由有量纲指标转换成无量纲指标,其具体的计算公式可以是:
图4是本发明提供的信息相差度的趋势示意图,如图4所示,同一待测风机上三个叶片相关的峭度因子的方差(即此时的信息相差度可以理解为峭度相差度),可以表征三个叶片的高频冲击特征之间的差异。一般来说,在风机的三个叶片均正常运转时,峭度因子的方差趋近于0。
其中,方差σ2的计算公式可以采用:
其中,xi为变量;μ为总体均值;N为总体例数,此时可以取3。
需要说明的是,本发明在计算出同一待测风机上三个叶片相关的峭度因子之后,通过进一步计算三个叶片相关的峭度值因子之间的方差来判断风机状态,方差越小风机发生叶片故障的概率越小,此时不排除两个或者三个叶片同时出现故障的出现。但是,由于多个叶片同时发生故障的概率较小,且由于同时发生故障的原因、故障严重程度等一定会存在差异的,故也同样会造成峭度值因子之间的方差上升。因此,采用本发明提供的计算信息相差度(即峭度因子的方差)以实现对于风机叶片故障的监测方法,仅仅需要通过对各个叶片振动信号的比对,无需建立故障数据库,就能够实现监测,监测的结果不易受坏点影响,便于实现且监测成本低。
基于上述实施例的内容,作为一种可选实施例,在冲击信息敏感值为最大峰值的情况下,上述基于各振动信号的所述冲击信息敏感值,确定信息相差度,主要包括:利用各振动信号的均方根值,分别对所述最大峰值进行归一化处理,获取各最大峰值对应的峰值因子;确定所述信息相差度,所述信息相差度为所有峰值因子的方差。
可选地,本发明提供的风机叶片故障监测方法,叶片故障特征识别的冲击信息敏感值可以不限于峭度值,还可以是对冲击信息敏感的其它指标,例如:还可以是根据最大峰值可以进一步确定出峰值因子相似度值,以通过峰值因子相似度值的大小进行风机叶片故障与否的判断。
其中,峰值因子是确定振动信号的最大峰值,再除以振动信号的均方根值所得到的值。用来检测信号中是否存在冲击的统计指标,其计算公式:
其中,Cf为峰值因子;Xmax为最大峰值;Xrms为均方根值。
其中,最大峰值是指振幅的最大值。
进一步地,在获取到三个叶片的峰值因子之后,就可以计算出三个峰值因子所对应的方差作为信息相差度。
基于上述实施例的内容,作为一种可选实施例,在冲击信息敏感值为最大峰值的情况下,上述基于各振动信号的所述冲击信息敏感值,确定信息相差度,还可以包括:利用各振动信号的绝对平均值,分别对所述最大峰值进行归一化处理,获取各最大峰值对应的脉冲因子;确定所述信息相差度,所述信息相差度为所有脉冲因子的方差。
脉冲因子是计算振动信号的最大峰值之后,再除以振动信号的绝对平均值,以对其进行归一化后所得到的值。
脉冲因子和峰值因子的区别在归一化的处理上,由于对于同一组数据绝对平均值小于有效值,所以脉冲因子会大于峰值因子。脉冲因子也同样可以用于检测振动信号中是否存在冲击。
其中,脉冲因子If的计算公式,可以是:
需要说明的是,本发明所提出的信息相差度,可以是由周期性采样所计算出的三个叶片峭度因子、峰值因子或者脉冲因子之间的方差计算得到,也可以根据三个叶片之间的裕度因子、波形因子、歪度因子、偏度因子等中的一个或者多个,并通过方差计算来确定的。
其中,裕度因子CLf是计算振动信号的最大峰值,再利用振动信号的方根幅值Xr归一化后所得到的值,可以有效地表征风机叶片的磨损情况,其计算公式是:
波形因子Ws是计算振动信号的有效值,再利用振动信号的绝对平均值归一化所得到的值,也可以视作:波形因子Ws=脉冲因子/峰值因子。计算公式:
歪度因子是对振动信号非对称性的描述,如果某一方向存在着摩擦或碰撞,会造成振动信号的波形的不对称,使歪度因子Cw增大,其计算公式可以是:
综合来说,峰值因子、脉冲因子和裕度因子的物理意义是相似的,峰值因子和脉冲因子都是用来检测针对信号中有无冲击的指标,裕度因子用来检测风机叶片的磨损状况。峭度因子也是对振动信号冲击特性的反应。
在评价上述时域特征值指标的性能时,通常使用敏感性与稳定性来衡量。脉冲指标、峰值指标和峭度都对冲击类故障比较敏感,特别是当故障早期发生时,它们有明显的增加;但上升到一定程度后,随故障的逐渐发展,反而会下降,表明它们对早期故障有较高的敏感性,但稳定性不好。有效值的稳定性较好,但对早期故障信号不敏感。为了取得较好的故障诊断效果,可以将它们同时结合应用,以实现对于风机叶片故障的多角度监测。
图5是本发明提供的根据相差度确定叶片状态的流程示意图,如图5所示,在采用上述实施例所提供的方法,计算出待测风机叶片在每个采样周期内的信息相差度之后(假设总共执行了K个采样周期),可以通过将每个采样周内所计算出的信息相差度(无量纲数据),分别与第一预设阈值进行大小比较。
若满足条件1,即在K个(可假设K=100)采样周期内所计算到的K个信息相差度中,有M个(可假设M=20)大于第一预设阈值,即在M个采样周期内风机叶片的振动信号是异常的。
可假设第二阈值为8,由于M大于第二阈值,且小于采样周期数量K,则可以为相关的风机叶片处于严重故障。
若满足条件1,即在K个采样周期内所计算到的K个信息相差度中,有N个(可假设第二预设阈值=5)采样周期内检测到的信息相差度大于第一预设阈值,即共有5个采样周期内风机叶片的振动信号是异常的,
可进一步假设第三预设阈值为0,则由于N大于第三预设阈值,且N小于就认为相关的风机叶片处于一般故障。
进一步地,在确定L(可假设L=1)个所述信息相差度,大于第一预设阈值的情况下,由于L小于一般故障时采样周期内信息相差度大于第一预设阈值的,故可以认为待测风机的叶片整体上是稳定、无故障的。
本发明提供的风机叶片故障监测方法,通过在多个采样周内采集待测风机各叶片的振动信号,并进行在线计算,获取各叶片振动信号相关的信息相差度,当连续和/或多个信息相差度均大于第一预设阈值的情况,认为风机叶片存在故障。同时,本发明还能够根据获取异常振动信号的采样周期数量占所有采样周期数量的比例,准确区分出一般故障和严重,计算量小、且无需建立故障数据库,监测结果不易受坏点影响,故能够实现风机叶片故障的实时在线监测。
基于上述实施例的内容,作为一种可选实施例,在确定所述风机的叶片状态之后,还包括:
若确定所述风机的叶片状态为严重故障,则控制所述风机停机;
若确定所述风机的叶片状态为一般故障,则生成报警提醒;
若确定所述风机的叶片状态为正常,则保持所述风机运行。
结合图5所示,在确定风机的叶片发生了严重故障时,则可以向风机控制器发送故障停机指令,以使得风机停机,避免因叶片故障造成人员、设备的伤亡。
在确定叶片发生了一般故障时,触发主控报警,以提醒工作人员加强关注、分析故障的真假性,以避免故障的进一步恶化。
除此之外,可以维持风机的正常运行,并按照预先设定的采样周,持续监控。
本发明提供的风机叶片故障监测方法,能及时的根据风机叶片的监测结果的不同,制定相应的故障应对策略,能确保在风机安全运行的基础上,最大化风机效率。
基于上述实施例的内容,作为一种可选实施例,所述振动信号包括垂直于叶片方向的第一振动信号和平行于叶片并沿叶片宽度方向的第二振动信号。
可选地,本发明可以通过预先装设在各叶片上的双轴加速度传感器采集垂直于叶片方向(即叶片挥舞方向)的第一振动信号和平行于叶片并沿叶片宽度方向(即叶片摆振方向)的第二振动信号,并分别采样上述实施例所提供的方法,分别对各叶片的第一振动信号和/或第二振动信号进行处理生成与第一振动信号相对应的信息相差度,以及与第二振动信号相对应的信息相差度。
进一步地,上述根据信息相差度,确定风机的叶片状态,可以包括但不限于以下步骤:
分别根据所述第一振动信号所对应的信息相差度确定第一叶片状态,根据所述第二振动信号所对应的信息相差度确定第二叶片状态;
若所述第一叶片状态和所述第二叶片状态中的至少一个为严重故障,则确定所述风机的叶片状态为严重故障;
若所述第一叶片状态和所述第二叶片状态均为非严重故障,但至少一个为一般故障,则确定所述风机的叶片状态为一般故障;
若所述第一叶片状态和所述第二叶片状态均为非严重故障且非一般故障,则确定所述风机的叶片状态为正常。
具体来说,由于本发明所提供的风机叶片故障监测方法,可以同时采集每个叶片在两个不同方向上的振动信号,故可以针对每个振动方向的振动信号进行独立处理,即:
先根据各叶片在垂直于叶片方向上的第一振动信号,综合计算出对应的信息相差度,并根据信息相差度与第一预设阈值的比较,确定出风机的叶片状态,记作第一叶片状态。
然后,根据各叶片在垂直于叶片方向上的第一振动信号,综合计算出对应的信息相差度,并根据信息相差度与第一预设阈值的比较,确定出风机的叶片状态,记作第二叶片状态。
表1风机实际的叶片状态确定表
表1是本发明提供的风机实际的叶片状态确定表,如表1所示的方式,再综合上述第一叶片状态和第二叶片状态确定出风机实际的叶片状态。
其中,风机的叶片状态由好至差分别为:正常、一般故障至严重故障。
上述确定风机的叶片状态仅仅是指根据两个振动方向上的某一信息相差度确定风机实际的叶片状态,在实际监测过程中,还可以通过对各个叶片的同一振动信号,提取出不同的信息相差度,如:分别根据峭度因子、峰值因子以及脉冲因子等分别计算出信息相差度(记作峭度相差度、峰值相差度、脉冲相差度);分别根据不同的信息相差度,在两个方向上确定出对应的叶片状态;最后,综合所确定的所有的叶片状态,确定风机的叶片状态。考虑到风机的安全运行,将任一信息相差度在任一方向上所确定出的最差叶片状态作为风机的叶片状态。
图6是本发明提供的风机叶片故障监测装置的结构示意图,如图6所示,主要包括信号采集单元111、第一运算单元112、第二运算单元113和状态判断单元114,其中:
信号采集单元111主要用于获取各采样周期内风机各叶片的振动信号;第一运算单元112主要用于分别计算各振动信号对应的冲击信息敏感值;第二运算单元113主要用于基于各振动信号的所述冲击信息敏感值,确定信息相差度;状态判断单元114主要用于根据所述信息相差度,确定所述风机的叶片状态。
需要说明的是,本发明实施例提供的风机叶片故障监测装置,在具体运行时,可以执行上述任一实施例所述的风机叶片故障监测,对此本实施例不作赘述。
本发明提供的风机叶片故障监测装置,通过对各叶片的振动信号相关对冲击信息敏感的指标,进行分析得到冲击信息敏感值,进而根据各叶片冲击信息敏感值的比对,将比对获取的信息相差度作为风机的叶片状态识别的依据,能够有效地识别出引发振动信号产生冲击信息的叶片故障,且无需建立故障数据库,监测的结果不易受坏点影响,便于实现,监测成本低。
基于上述实施例的内容,作为一种可选实施例,本发明还提供一种风机,主要包括风机本体,该风机本体中设置有叶片监测处理器、多个双轴加速度传感器,每个双轴加速度传感器分别设置在风机本体各叶片上,用于获取各叶片的振动信号;还包括存储器及存储在所述存储器上并可在所述叶片监测处理器上运行的程序或指令,所述程序或指令被所述叶片监测处理器执行时执行如上述任一实施例所提供的风机叶片故障监测方法的步骤。
本发明提供的风机,能通过对各叶片的振动信号相关对冲击信息敏感的指标进行分析,得到冲击信息敏感值,进而根据各叶片冲击信息敏感值的比对,将比对获取的信息相差度作为风机的叶片状态识别的依据,能够有效地识别出引发振动信号产生冲击信息的叶片故障,且无需建立故障数据库,监测的结果不易受坏点影响,便于实现,监测成本低。
图7是本发明提供的电子设备的结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行风机叶片故障监测方法,该方法包括:获取各采样周期内风机各叶片的振动信号;分别计算各振动信号对应的冲击信息敏感值;基于各振动信号的所述冲击信息敏感值,确定信息相差度;根据所述信息相差度,确定所述风机的叶片状态。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的风机叶片故障监测方法,该方法包括:获取各采样周期内风机各叶片的振动信号;分别计算各振动信号对应的冲击信息敏感值;基于各振动信号的所述冲击信息敏感值,确定信息相差度;根据所述信息相差度,确定所述风机的叶片状态。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的风机叶片故障监测方法,该方法包括:获取各采样周期内风机各叶片的振动信号;分别计算各振动信号对应的冲击信息敏感值;基于各振动信号的所述冲击信息敏感值,确定信息相差度;根据所述信息相差度,确定所述风机的叶片状态。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种风机叶片故障监测方法,其特征在于,包括:
获取各采样周期内风机各叶片的振动信号;
分别计算各振动信号对应的冲击信息敏感值;
基于各振动信号的所述冲击信息敏感值,确定信息相差度;
根据所述信息相差度,确定所述风机的叶片状态。
2.根据权利要求1所述的风机叶片故障监测方法,其特征在于,所述冲击信息敏感值为峭度值或最大峰值。
3.根据权利要求2所述的风机叶片故障监测方法,其特征在于,在所述冲击信息敏感值为峭度值的情况下,所述分别计算各振动信号对应的冲击信息敏感值,包括:
分别对各振动信号进行高通滤波,获取对应的滤波振动信号;
计算各滤波振动信号对应的四阶中心距作为所述峭度值。
4.根据权利要求3所述的风机叶片故障监测方法,其特征在于,所述基于各振动信号的所述冲击信息敏感值,确定信息相差度,包括:
利用各振动信号的标准差四阶中心距,分别对各峭度值进行归一化处理,获取各峭度值对应的峭度因子;
确定所述信息相差度,所述信息相差度为所有峭度因子的方差。
5.根据权利要求2所述的风机叶片故障监测方法,其特征在于,在所述冲击信息敏感值为最大峰值的情况下,所述基于各振动信号的所述冲击信息敏感值,确定信息相差度,包括:
利用各振动信号的均方根值,分别对所述最大峰值进行归一化处理,获取各最大峰值对应的峰值因子;
确定所述信息相差度,所述信息相差度为所有峰值因子的方差。
6.根据权利要求2所述的风机叶片故障监测方法,其特征在于,在所述冲击信息敏感值为最大峰值的情况下,所述基于各振动信号的所述冲击信息敏感值,确定信息相差度,包括:
利用各振动信号的绝对平均值,分别对所述最大峰值进行归一化处理,获取各最大峰值对应的脉冲因子;
确定所述信息相差度,所述信息相差度为所有脉冲因子的方差。
7.根据权利要求1所述的风机叶片故障监测方法,其特征在于,所述根据所述信息相差度,确定所述风机的叶片状态,包括:
获取连续K个采样周期内所述风机各叶片的振动信号所对应的信息相差度;
在确定M个所述信息相差度大于第一预设阈值的情况下,确定所述风机的叶片状态为严重故障,第二预设阈值≤M≤K;
在确定N个所述信息相差度大于第一预设阈值的情况下,确定所述风机的叶片状态为一般故障,第三预设阈值≤N<M;
在确定L个所述信息相差度大于第一预设阈值的情况下,确定所述风机的叶片状态为正常,L小于第三预设阈值。
8.根据权利要求1所述的风机叶片故障监测方法,其特征在于,所述振动信号包括垂直于叶片方向的第一振动信号和平行于叶片并沿叶片宽度方向的第二振动信号。
9.根据权利要求8所述的风机叶片故障监测方法,其特征在于,所述根据所述信息相差度,确定所述风机的叶片状态,包括:
分别根据所述第一振动信号所对应的信息相差度确定第一叶片状态,根据所述第二振动信号所对应的信息相差度确定第二叶片状态;
若所述第一叶片状态和所述第二叶片状态中的至少一个为严重故障,则确定所述风机的叶片状态为严重故障;
若所述第一叶片状态和所述第二叶片状态均为非严重故障,但至少一个为一般故障,则确定所述风机的叶片状态为一般故障;
若所述第一叶片状态和所述第二叶片状态均为非严重故障且非一般故障,则确定所述风机的叶片状态为正常。
10.一种风机叶片故障监测装置,其特征在于,包括:
信号采集单元,用于获取各采样周期内风机各叶片的振动信号;
第一运算单元,用于分别计算各振动信号对应的冲击信息敏感值;
第二运算单元,用于基于各振动信号的所述冲击信息敏感值,确定信息相差度;
状态判断单元,用于根据所述信息相差度,确定所述风机的叶片状态。
11.一种风机,其特征在于,包括风机本体,所述风机本体中设置有叶片监测处理器、多个双轴加速度传感器,每个所述双轴加速度传感器分别设置在所述风机本体各叶片上,用于获取各叶片的振动信号;
还包括存储器及存储在所述存储器上并可在所述叶片监测处理器上运行的程序或指令,所述程序或指令被所述叶片监测处理器执行时执行如权利要求1至9任一项所述风机叶片故障监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111640754.XA CN114294183A (zh) | 2021-12-29 | 2021-12-29 | 一种风机叶片故障监测方法、装置及风机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111640754.XA CN114294183A (zh) | 2021-12-29 | 2021-12-29 | 一种风机叶片故障监测方法、装置及风机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114294183A true CN114294183A (zh) | 2022-04-08 |
Family
ID=80971778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111640754.XA Pending CN114294183A (zh) | 2021-12-29 | 2021-12-29 | 一种风机叶片故障监测方法、装置及风机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114294183A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114777913A (zh) * | 2022-04-28 | 2022-07-22 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
CN117606782A (zh) * | 2024-01-24 | 2024-02-27 | 唐智科技湖南发展有限公司 | 风力发电机叶片故障检测方法、装置、设备及存储介质 |
-
2021
- 2021-12-29 CN CN202111640754.XA patent/CN114294183A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114777913A (zh) * | 2022-04-28 | 2022-07-22 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
CN114777913B (zh) * | 2022-04-28 | 2024-06-07 | 西安热工研究院有限公司 | 一种风机叶片状态监测的预警方法及系统 |
CN117606782A (zh) * | 2024-01-24 | 2024-02-27 | 唐智科技湖南发展有限公司 | 风力发电机叶片故障检测方法、装置、设备及存储介质 |
CN117606782B (zh) * | 2024-01-24 | 2024-04-02 | 唐智科技湖南发展有限公司 | 风力发电机叶片故障检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10725439B2 (en) | Apparatus and method for monitoring a device having a movable part | |
CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
CN114294183A (zh) | 一种风机叶片故障监测方法、装置及风机 | |
JP3321487B2 (ja) | 機器/設備診断方法およびシステム | |
EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
CN101688820A (zh) | 用于使用定子电流噪音消除的轴承故障检测的系统和方法 | |
US7594014B2 (en) | Abnormality detection system, abnormality management apparatus, abnormality management method, probe and program | |
WO2014031370A1 (en) | Monitoring system and method for detecting the change of a mechanical system |and adapting the limit values associated to said mechanical system to reflect|the current conditions of the mechanical system | |
EP3788328B1 (en) | System and process for pattern matching bearing vibration diagnostics | |
CN112378633B (zh) | 机械故障诊断方法 | |
CN113109051B (zh) | 基于振动数据极差序列的故障预警方法和系统 | |
CN110319957A (zh) | 船体结构应力监测系统传感器无规律异常值故障诊断方法 | |
CN112711850A (zh) | 一种基于大数据的机组在线监测方法 | |
US20140058615A1 (en) | Fleet anomaly detection system and method | |
CN110488188B (zh) | 基于动态阈值的机组三维健康量化评价方法 | |
CN114117682B (zh) | 齿轮箱的故障识别方法、装置、设备及存储介质 | |
CN103821750B (zh) | 一种基于电流的通风机失速和喘振监测及诊断方法 | |
JPWO2004068078A1 (ja) | 状態判定方法と状態予測方法及び装置 | |
CN103999316A (zh) | 用于产生说明在供电网中的摆动的信号的方法 | |
CN113051092B (zh) | 一种基于优化核密度估计和js散度的故障诊断方法 | |
CN113557414A (zh) | 用于设备监测的装置 | |
CN115655731A (zh) | 柴油机状态监测方法、装置及存储介质 | |
EP3104152B1 (en) | Method and controller for determining an undesired condition in an electrical drive system | |
CN114689321A (zh) | 风力发电机组的轴承故障诊断方法、装置、电子设备 | |
CN112798097A (zh) | 一种振动监测系统 |
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 |