CN114687955A - 风力发电机组的叶片故障诊断方法、装置、电子设备 - Google Patents
风力发电机组的叶片故障诊断方法、装置、电子设备 Download PDFInfo
- Publication number
- CN114687955A CN114687955A CN202011641149.XA CN202011641149A CN114687955A CN 114687955 A CN114687955 A CN 114687955A CN 202011641149 A CN202011641149 A CN 202011641149A CN 114687955 A CN114687955 A CN 114687955A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- signal sequence
- blade vibration
- blade
- jump
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 66
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 271
- 238000005070 sampling Methods 0.000 claims description 127
- 230000008859 change Effects 0.000 claims description 88
- 230000006870 function Effects 0.000 claims description 56
- 230000009191 jumping Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 208000004117 Congenital Myasthenic Syndromes Diseases 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000000306 component Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000008358 core component Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本申请公开了一种风力发电机组的叶片故障诊断方法、装置、电子设备,能够消除叶片振动信号的信号跳变对叶片故障诊断产生的干扰。其中,风力发电机组的叶片故障诊断方法包括:获取振动信号采集装置采集到的叶片振动信号序列;识别叶片振动信号序列是否存在信号跳变;在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断。
Description
技术领域
本申请属于风力发电技术领域,尤其涉及一种风力发电机组的叶片故障诊断方法、装置、电子设备。
背景技术
为了监测风力发电机组的叶片是否发生故障,可以对叶片的振动进行监测,对采集到的叶片振动信号进行分析,以判断叶片是否发生故障。
但是,发明人发现,由于叶片振动传感器的参数配置错误、或者采集装置的线缆松动等干扰,可能会导致采集到的叶片振动信号发生异常,产生信号的跳变,而这种异常并非由叶片故障导致,是由采集模块的异常导致,那么,如果在采集到的叶片振动信号中,存在由上述在采集过程中的干扰产生的数据质量问题,则可能会导致对叶片故障诊断的误判。
发明内容
本申请实施例提供一种风力发电机组的叶片故障诊断方法、装置、电子设备,能够消除叶片振动信号的信号跳变对叶片故障诊断产生的干扰。
一方面,本申请实施例提供一种风力发电机组的叶片故障诊断方法,该方法包括:获取振动信号采集装置采集到的叶片振动信号序列;识别叶片振动信号序列是否存在信号跳变;在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断。
可选的,叶片振动信号序列包括摆振方向上的第一叶片振动信号序列和挥舞方向上的第二叶片振动信号序列,识别叶片振动信号序列是否存在信号跳变,包括:分别识别第一叶片振动信号序列和第二叶片振动信号序列是否存在信号跳变;在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断,包括:在第一叶片振动信号序列和第二叶片振动信号序列都不存在信号跳变的情况下,根据第一叶片振动信号序列和第二叶片振动信号序列对风力发电机组的叶片进行故障诊断。
可选的,识别叶片振动信号序列是否存在信号跳变,包括:获取叶片振动信号序列中的信号强度为零值的采样点,得到目标采样点;计算目标采样点的信号强度与前一个采样点的信号强度之间的第一变化率,以及目标采样点的信号强度与下一个采样点的信号强度之间的第二变化率;根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变。
可选的,目标采样点为n个,n为大于1的整数,识别叶片振动信号序列是否存在信号跳变,包括:依次的对n个目标采样点判断是否存在信号跳变;在任意一个目标采样点存在信号跳变的情况下,确定叶片振动信号序列存在信号跳变;停止判断剩余的目标采样点是否存在信号跳变。
可选的,叶片振动信号序列包括摆振方向上的第一叶片振动信号序列,在根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变之前,该方法还包括:确定第一叶片振动信号序列的平均变化率;根据平均变化率,确定目标阈值。
可选的,第一叶片振动信号序列为三角函数,确定第一叶片振动信号序列的平均变化率,包括:确定第一叶片振动信号序列的峰峰值A,其中,峰峰值为第一叶片振动信号序列的最大值和最小值之差;估算第一叶片振动信号序列的函数周期T;根据峰峰值A和函数周期T,得到第一叶片振动信号序列在三角函数的的平均变化率
可选的,估算第一叶片振动信号序列的函数周期T,包括:估算第一叶片振动信号序列的周期T的个数;根据第一叶片振动信号序列的采样点总数和采样频率,确定第一叶片振动信号序列的总采样时长;根据总采样时长和函数周期个数,确定第一叶片振动信号序列的函数周期T。
可选的,估算第一叶片振动信号序列的函数周期个数,包括:去除第一叶片振动信号序列中信号强度为零值的采样点,得到第三叶片振动信号序列;计算第三叶片振动信号序列的平均信号强度;统计第三叶片振动信号序列中信号强度等于平均信号强度的采样点个数,得到第一数值;根据第一数值,确定第一叶片振动信号序列的函数周期个数。
可选的,在识别叶片振动信号序列是否存在信号跳变之前,该方法还包括:判断叶片振动信号序列的信号强度是否全部为零值;其中,在叶片振动信号序列的信号强度非全部为零值的信号序列的情况下,识别叶片振动信号序列是否存在信号跳变。
另一方面,本申请实施例提供了一种风力发电机组的叶片故障诊断装置,该装置包括:获取模块,用于获取振动信号采集装置采集到的叶片振动信号序列;识别模块,用于识别叶片振动信号序列是否存在信号跳变;诊断模块,用于在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断。
可选的,叶片振动信号序列包括摆振方向上的第一叶片振动信号序列和挥舞方向上的第二叶片振动信号序列,识别模块包括:识别单元,用于分别识别第一叶片振动信号序列和第二叶片振动信号序列是否存在信号跳变;诊断模块包括:诊断单元,用于在第一叶片振动信号序列和第二叶片振动信号序列都不存在信号跳变的情况下,根据第一叶片振动信号序列和第二叶片振动信号序列对风力发电机组的叶片进行故障诊断。
可选的,识别模块包括:获取单元,用于获取叶片振动信号序列中的信号强度为零值的采样点,得到目标采样点;第一计算单元,用于计算目标采样点的信号强度与前一个采样点的信号强度之间的第一变化率,以及目标采样点的信号强度与下一个采样点的信号强度之间的第二变化率;判断单元,用于根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变。
可选的,目标采样点为n个,n为大于1的整数,识别模块还包括:第一执行单元,用于依次的对n个目标采样点判断是否存在信号跳变;第一确定单元,用于在任意一个目标采样点存在信号跳变的情况下,确定叶片振动信号序列存在信号跳变;第二执行单元,用于停止判断剩余的目标采样点是否存在信号跳变。
可选的,叶片振动信号序列包括摆振方向上的第一叶片振动信号序列,该装置还包括:第一确定模块,用于在根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变之前,确定第一叶片振动信号序列的平均变化率;第二确定模块,用于根据平均变化率,确定目标阈值。
可选的,第一叶片振动信号序列为三角函数,第一确定模块包括:第一确定单元,用于确定第一叶片振动信号序列的峰峰值A,其中,峰峰值为第一叶片振动信号序列的最大值和最小值之差;第一计算单元,用于估算第一叶片振动信号序列的函数周期T;第二计算单元,用于根据峰峰值A和函数周期T,得到第一叶片振动信号序列在三角函数的的平均变化率
可选的,第一计算单元包括:第三计算单元,用于估算第一叶片振动信号序列的函数周期个数;第一确定单元,用于根据第一叶片振动信号序列的采样点总数和采样频率,确定第一叶片振动信号序列的总采样时长;第二确定单元,用于根据总采样时长和函数周期个数,确定第一叶片振动信号序列的函数周期T。
可选的,第三计算单元,用于包括:执行单元,用于去除第一叶片振动信号序列中信号强度为零值的采样点,得到第三叶片振动信号序列;第四计算单元,用于计算第三叶片振动信号序列的平均信号强度;统计单元,用于统计第三叶片振动信号序列中信号强度等于平均信号强度的采样点个数,得到第一数值;第三确定单元,用于根据第一数值,确定第一叶片振动信号序列的函数周期个数。
可选的,该装置还包括:判断模块,用于在识别叶片振动信号序列是否存在信号跳变之前,判断叶片振动信号序列的信号强度是否全部为零值;其中,在叶片振动信号序列的信号强度非全部为零值的信号序列的情况下,识别叶片振动信号序列是否存在信号跳变。
再一方面,本申请实施例提供了一种电子设备,该电子设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现如本申请实施例所述的风力发电机组的叶片故障诊断方法。
再一方面,本申请实施例提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如本申请实施例所述的风力发电机组的叶片故障诊断方法。
本申请实施例的风力发电机组的叶片故障诊断方法、装置、电子设备及计算机存储介质,通过识别叶片振动信号序列是否存在信号跳变,并在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断,这样,可以对叶片振动信号序列进行一个质量检测,判断是否存在信号跳变,根据不存在信号跳变的叶片振动信号序列进行故障诊断,能够消除叶片振动信号的信号跳变对叶片故障诊断产生的干扰。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请一个实施例提供的风力发电机组的叶片故障诊断方法的流程示意图;
图2是摆振方向的叶片振动信号序列在正常状态下的一种可选的示意图;
图3是挥舞方向的叶片振动信号序列在正常状态下的一种可选的示意图;
图4是摆振方向的叶片振动信号序列在存在信号跳变时的一种可选的示意图;
图5是挥舞方向的叶片振动信号序列在存在信号跳变时的一种可选的示意图;
图6是本申请另一个实施例提供的风力发电机组的叶片故障诊断方法的流程示意图;
图7是本申请另一个实施例提供的风力发电机组的叶片故障诊断方法的流程示意图;
图8是本申请另一个实施例提供的风力发电机组的叶片故障诊断方法的流程示意图;
图9是本申请另一个实施例提供的风力发电机组的叶片故障诊断装置的结构示意图;
图10是本申请又一个实施例提供的电子设备的结构示意图;
图11是本申请一个实施例提供的风力发电机组的叶片故障诊断装置的应用场景示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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……”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。
下面首先对本申请实施例所提供的风力发电机组的叶片故障诊断方法的一种可选的应用场景进行介绍。
本申请实施例提供的风力发电机组的叶片故障诊断方法,可以应用于对风力发电机组的叶片进行监测的应用环境中,具体而言,风力发电机组的部件包括叶片,叶片的振动情况可以反映出风力发电机组运行的整体健康状况等,因此,可以对叶片的振动进行监测,以获取叶片的振动监测信号。可以对风力发电机组安装振动信号采集装置,振动信号采集装置可以包括用于感应振动强度的振动传感器,振动传感器可以安装在叶片上。
振动信号采集装置还可以包括与振动传感器相连接的信号处理模块等,与振动传感器相连接的信号处理模块可以通过有线的线缆通信或无线通信的方式与振动传感器通信连接。信号处理模块可以用于接收振动传感器感应振动强度得到的信号,将模拟信号转换为数字信号,每个采样点的信号用于表示对应采样时刻采集到的振动强度的大小。可选的,与振动传感器相连接的信号处理模块等可以安装于风力发电机组的轮毂、机舱等部位,本申请实施例对此不作具体限制。振动传感器按照一定的采样频率进行采样,得到叶片在振动过程中的信号,采集到的振动信号可以包括在叶片的摆振方向上的振动信号,也可以包括在叶片的挥舞方向上的振动信号。在信号正常,不存在跳变的情况下,摆振方向上的叶片振动信号序列的一种可选的示例如图2所示,挥舞方向上的叶片振动信号序列的一种可选的示例如图3所示。图2和图3中横轴为采样时刻,纵轴为振动传感器采集到的信号量,用于表示振动强度。在信号异常,存在跳变的情况下,摆振方向上的叶片振动信号序列的一种可选的示例如图4所示,挥舞方向上的叶片振动信号序列的一种可选的示例如图5所示,由图4和图5可以看出,存在信号突然跳变至零值的情况,也即,存在信号跳变。
振动信号采集装置采集到的叶片振动信号可以发送至监测系统,由监测系统根据叶片振动信号对风力发电机组的各个核心部件的健康状况和风力发电机组的整体健康状况进行分析,具体的分析方式在此不再赘述。监测系统可以是运行在具有运算能力的电子设备中的软件程序,根据接收到的振动信号进行故障诊断。上述电子设备可以是本申请实施例提供的一种电子设备,该电子设备可以包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时,实现如本申请实施例所述的风力发电机组的叶片故障诊断方法。上述电子设备可以设置在风力发电机组的机舱、塔筒等部件的内部,或者,也可以设置在风力发电机组所在风场的监控室内等,本申请实施例对此不作具体限定。
可选的,监测系统可以是风力发电行业常用的状态监测系统(ContentManagement System,简称CMS)。CMS主要通过在风力发电机组的叶片或轴承等部件上加装振动传感器来对机组部件进行实时监测,通过对振动数据分析识别机组各核心部件健康状态以及机组的整体健康状况,并根据部件的健康状态合理安排运维计划。实际中,CMS获取的叶片振动信号采集数据往往由于传感器损坏、传感器参数配置错误、传感器连线松动、网络传输异常、供电引起的电磁干扰等原因导致振动数据异常。振动数据异常直接会影响到振动分析结果,使得CMS误报故障或漏报故障,给运维人员带来了不良体验和困扰。由此可见,对CMS数据质量异常进行实时检测,并及时给出数据质量异常提示,可避免现场运维人员因数据质量问题对CMS诊断结果产生误判,对CMS实际应用意义重大。
为了消除叶片振动信号的信号跳变对叶片故障诊断产生的干扰,本申请实施例提供了一种风力发电机组的叶片故障诊断方法。可选的,本申请实施例提供的方法可以集成于上述的CMS系统。
图1示出了本申请一个实施例提供的风力发电机组的叶片故障诊断方法的流程示意图。如图1所示,该方法包括如下步骤:
步骤101,获取振动信号采集装置采集到的叶片振动信号序列。
振动信号采集装置可以包括振动传感器,用于以一定的信号采样频率对叶片在监测方向上的振动进行采集,监测方向可以是挥舞方向或摆振方向,通过信号幅值来表示在一个方向上监测到的振动强度。叶片振动信号序列包括在一段时间内按照预设采样频率采集到的多个信号的序列,也可以称为多个采样点,每个采样点的时间间隔为一个采样周期,每个采样点的信号强度为对应采样时刻在监测方向上的振动强度。
步骤102,识别叶片振动信号序列是否存在信号跳变。
信号跳变是指信号强度突变为零值的情况,信号跳变通常是由于线缆连接问题或网络传输异常等情况导致的信号接收问题,或者传感器损坏、供电电磁干扰等导致的信号异常。
步骤103,在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断。
在根据步骤102判断出叶片振动信号序列不存在信号跳变的情况下,可以根据叶片振动信号序列对风力发电机组的叶片进行故障诊断,一种可选的示例为,可以由CMS系统根据叶片振动信号序列分析风力发电机组主要核心部件(包括叶片)的运行健康情况等。
在叶片振动信号序列存在信号跳变的情况下,则可以放弃采集的这部分叶片振动信号序列,否则,如果根据存在信号跳变的叶片振动信号序列进行故障诊断,可能会导致故障误报或漏报的错误诊断情况。此外,在叶片振动信号序列存在信号跳变的情况下,可以发出提示报警,以提示运维人员对采集信号的通路进行检测,包括对振动信号采集装置的内部进行检测,如振动传感器是否能正常工作,振动传感器与振动信号采集装置的信号处理模块的通信是否正常,还可以包括对振动信号采集装置与监测系统之间的通信是否正常进行检测等。在维修正常之后,再次采集叶片振动信号序列,执行本申请实施例提供的方法。如果采集到的叶片振动信号序列不存在信号跳变,则可以根据叶片振动信号序列对风力发电机组的叶片进行故障诊断。
可选的,振动信号采集装置的振动传感器可以是多轴传感器,能够分别的采集到叶片在摆振方向上的振动幅度和挥舞方向上的振动幅度,得到摆振方向上的第一叶片振动信号序列和挥舞方向上的第二叶片振动信号序列。
相应的,步骤102中识别叶片振动信号序列是否存在信号跳变,可以分别的去识别第一叶片振动信号序列和第二叶片振动信号序列是否存在信号跳变。
在第一叶片振动信号序列和第二叶片振动信号序列都不存在信号跳变的情况下,可以根据第一叶片振动信号序列和第二叶片振动信号序列对风力发电机组的叶片进行故障诊断。
而在第一叶片振动信号序列或第二叶片振动信号序列存在信号跳变的情况下,则说明监测到的振动信号可能出现数据质量的异常,可以放弃采集到的信号,并可以发出报警提示,以提示工作人员对振动信号采集装置进行检修。
可选的,上述用于识别第一叶片振动信号序列和第二叶片振动信号序列是否存在信号跳变的步骤,可以由不同的软件模块分别执行,通过软件模块一识别第一叶片振动信号序列是否存在信号跳变,通过软件模块二识别第二叶片振动信号序列是否存在信号跳变。
可选的,步骤102识别叶片振动信号序列是否存在信号跳变,可以包括如下步骤:
步骤201,获取叶片振动信号序列中的信号强度为零值的采样点,得到目标采样点;
步骤202,计算目标采样点的信号强度与前一个采样点的信号强度之间的第一变化率,以及目标采样点的信号强度与下一个采样点的信号强度之间的第二变化率;
步骤203,根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变。
信号强度为零的采样点为目标采样点,目标采样点可能存在信号跳变,也可能不是信号跳变,为了进一步判断,在获取目标采样点之后,对目标采样点与前一个和后一个采样点的信号强度进行对比,如果变化率比较高,高于目标阈值,则说明目标采样点发生了突变,是由非零值附近跳变至零值,存在信号跳变。目标阈值可以是预设的值。
在目标采样点为n个(n为大于1的整数)的情况下,步骤102识别叶片振动信号序列是否存在信号跳变可以包括如下步骤:
步骤301,依次的对n个目标采样点判断是否存在信号跳变;
步骤302,在任意一个目标采样点存在信号跳变的情况下,确定叶片振动信号序列存在信号跳变;
步骤303,停止判断剩余的目标采样点是否存在信号跳变。
也即,在识别叶片振动信号序列是否存在信号跳变时,在步骤201获取目标采样点之后,依次的分别对每个目标采样点执行步骤202和步骤203,判断一个目标采样点是否存在信号跳变,如果不存在,则继续判断下一个目标采样点是否存在信号跳变,如果存在信号跳变,则表示叶片振动信号序列中存在信号跳变,可以停止对剩余的目标采样点的判断。由上可知,对多个目标采样点分别判断是否存在信号跳变的步骤是串行处理的,对多个目标采样点识别是否存在信号跳变的次序可以是预设的次序,例如,按照采样时刻由小到大的顺序依次的对n个目标采样点进行判断。
对于摆振方向上的叶片振动信号序列,由于叶片振动信号序列在正常情况下是比较平滑的信号(如图2所示),因此,变化率是比较平稳的,那么,可以计算除信号为零值的目标采样点之外的采样点的平均变化率,根据平均变化率确定第一变化率和第二变化率的阈值(也即目标阈值)。
其中,平均变化率是指,针对一个函数,在x_0处有增量Δx,则y也会有相应的增量Δy,那么我们就称Δy与Δx的增量的比值Δx/Δy为函数f(x)在x_0处增量为Δx的平均变化率。
根据平均变化率确定目标阈值,可以是直接将平均变化率直接作为目标阈值,或者,也可以对平均变化率进行预设算法的处理,例如乘以一个预设系数等处理方法,得到目标阈值。
而对于挥舞方向上的叶片振动信号序列,由于信号比较粗糙不光滑,因此,可以根据经验预设变化率的目标阈值。
由上述分析可知,对于摆振方向上的第一叶片振动信号序列,可以估算出第一叶片振动信号序列的平均变化率,根据平均变化率确定目标阈值。
第一叶片振动信号序列可以视作三角函数,因此,确定第一叶片振动信号序列的平均变化率的一种可选的实施方式为:
首先,确定第一叶片振动信号序列的峰峰值A。
其中,峰峰值A为第一叶片振动信号序列的最大值和最小值之差,可以通过获取第一叶片振动信号序列xx(t)的最大值max(xx(t))和最小值min(xx(t))来计算得到,A=(max(xx(t))-min(xx(t)))。
其次,估算第一叶片振动信号序列的函数周期T。
由于三角函数在一个周期T内,变化率的符号会改变三次方向,分别在nT+T/4、nT+T/2、nT+3T/4这三个位置开始改变变化率的符号(如图2所示),三角函数的一个周期T内被上述的三个位置划分为四个区间,每个区间的时间长度为T/4,由此,可以在变化率符号不变的任意一个T/4的区间内,根据因变量的增量和自变量的增量的比值,可以计算出变化率大小的均值。
对于周期为T的三角函数,以在任意一个变化率符号不变的T/4区间内计算平均变化率为例,因变量的增量为A/2,自变量的增量为T/4。信号xx(t)的平均变化率ratetmp的计算公式如公式1所示:
可选的,估算第一叶片振动信号序列的函数周期T可以通过如下步骤执行:
步骤401,估算第一叶片振动信号序列的函数周期T的个数。
可以先计算第一叶片振动信号序列xx(t)的信号量的平均值mean,也即平均信号强度;然后,统计信号xx(t)中等于信号mean的采样点的个数count(若相邻点相同,则只保留第一个),也即第一数值,从而,得到信号xx(t)的函数周期个数为:round((count-1)/2)。
其中,为了避免可能的跳变信号对平均值的影响,可以去除第一叶片振动信号序列中信号强度为零值的采样点,得到第三叶片振动信号序列;计算第三叶片振动信号序列的平均信号强度。
步骤402,根据第一叶片振动信号序列的采样点总数和采样频率,确定第一叶片振动信号序列的总采样时长;
根据第一叶片振动信号序列的采样频率fs,可以确定第一叶片振动信号序列的采样周期1/fs,也即,每隔多长时间采集一次信号。
进一步的,根据第一叶片振动信号序列x(t)的采样点总数len(x(t))以及采样周期的乘积,可以得到采集第一叶片振动信号序列所耗费的总时长:len(x(t))/fs。
步骤403,根据总采样时长和函数周期个数,确定第一叶片振动信号序列的函数周期T。
将第一叶片振动信号序列所耗费的总时长除以函数周期个数,可以估算出第一叶片振动信号序列的函数的周期(时长)T:
可选的,目标阈值rate可以直接设置为平均变化率,也可以设置为平均变化率的预设倍数,也即与预设系数相乘。
目标阈值直接设置为平均变化率的情况下,可以通过如下公式计算目标阈值rate:
也即,目标阈值可以根据峰峰值和函数周期来确定,通过公式3可以得到更适合判断是否为跳变信号的变化率阈值。
可选的,在获取到叶片振动信号序列之后,在执行步骤102识别叶片振动信号序列是否存在信号跳变之前,还可以判断叶片振动信号序列的信号强度是否全部为零值。如果全部为零值,那么叶片振动信号序列异常,可以直接放弃对叶片振动信号序列是否存在信号跳变的判断,否则,如果叶片振动信号序列的信号强度并非全部为零值,则执行步骤102识别叶片振动信号序列是否存在信号跳变。
下面结合图6~图8对本申请实施例提供的风力发电机组的叶片故障诊断方法的一种可选的具体实施方式进行详细描述如下:
在本示例中,振动信号采集装置包括振动传感器、信号处理模块和解调仪,振动传感器安装在叶片上,采集到的振动信号数据通过信号处理模块转化成基于控制器局域网络(Controller Area Network,简称CAN)总线协议的帧值后,从解调仪发送至监测系统,由监测系统根据振动信号采集装置发送的CAN帧值的数据确定采集到的信号量。
如图6所示,首先,监测系统获取振动信号采集装置采集的CAN帧值,得到叶片振动信号序列。
为避免因采集到的信号数据质量问题导致监测系统产生故障误判,在得到叶片振动信号序列之后,以及根据叶片振动信号序列进行故障检测之前,对叶片振动信号序列进行数据异常的检测,判断是否存在信号跳变。
如图6所示,进行数据异常检测可以通过软件模块一和软件模块二分别判断,软件模块一用于判断摆振方向的叶片振动信号序列是否存在信号跳变,软件模块二用于判断挥舞方向的叶片振动信号序列是否存在信号跳变。
进而,如图6所示,根据软件模块一和软件模块二的判断结果,判断叶片振动信号序列是否存在正常。其中,如果摆振方向和挥舞方向都不存在信号跳变,则信号数据是正常的,可以进一步对叶片振动信号序列执行去温度影响处理,转换为工程量,并根据工程量进行故障检测,其中,在对叶片振动信号序列检测是否信号数据异常之前,不对叶片振动信号序列执行处理,否则有可能会导致有异常的叶片振动信号序列被处理为正常的信号序列,导致判断结果不准确;如果摆振方向和挥舞方向任意一个方向上检测出存在信号跳变,或者任意一个方向上的叶片振动信号序列是全为零值的信号,则确定信号数据是异常的,放弃采集的叶片振动信号,不再根据采集到的叶片振动信号序列进行故障检测,并可以提示采集到的叶片振动信号存在异常。
针对上述的软件模块一,也即摆振方向上是否存在信号跳变,一种可选的流程图如图7所示,包括如下步骤:
步骤一:全0信号判断。
计算叶片振动信号序列x(t)的总信号个数N,等于0的信号个数记为k。如果N=k,则该信号是全0信号,不再进行下一步操作,放弃叶片振动信号序列x(t)。反之,进行下一步的计算和判断。
步骤二:筛选出非零值信号,并计算峰峰值。
峰峰值是指一个周期内信号最高值和最低值之间差的值,即最大和最小之间的范围。它描述了信号值的变化范围的大小。
筛选出摆振方向上叶片振动信号序列x(t)不等于0的所有信号,记作xx(t),如公式4所示。
xx(t)=x(t)[xj!=0] (公式4)
这里j=1,2..len(x(t))。另外分别记等于0的信号为xi(t),其中,i=1,2,k。
步骤三:根据公式1~3,计算目标阈值rate。
步骤四:计算信号量为0值的目标信号(目标采样点)处的变化率。
变化率计算包含目标信号与上一个信号的第一变化率和目标信号与下一个信号的第二变化率:
利用如下公式6和公式7,分别计算第一变化率rateibefore和第二变化率ratei:
其中,目标信号xi(t)的下一个信号为xnext(t),目标信号xi(t)的上一个信号为x_before(t)。
步骤五:识别是否存在信号跳变。
分别针对每个目标信号xi(t),执行如下判断:
第一判断步骤:是否abs(ratei)>co*A*rate,其中,co为预设系数,可选的,典型可取值为10,如果判断结果为是,则说明目标信号为跳变信号。
第二判断步骤:是否abs(rateibefore)>co*A*rate,如果判断结果为是,则说明目标信号为跳变信号。
如果根据上述第一判断步骤和第二判断步骤,判断结果都为否,则目标信号不是跳变信号,将i自增1,返回执行步骤四,直至i=k或在判断出任意一个目标信号为跳变信号,跳出循环。如果根据上述第一判断步骤和第二判断步骤,任意一个判断结果为是,则说明目标信号是跳变信号,可以停止对其它目标信号的判断。可选的,第一判断步骤和第二判断步骤可以是并行的或串行的,在确定任意一个判断步骤的结果为是的情况下,停止执行步骤五,确定目标信号是跳变信号,也即,在摆振方向上的叶片振动信号序列存在信号异常。
其中,上述软件模块一中变化率阈值依据峰峰值和正弦函数1/4周期平均变化率确定,实际上可以也可以采用其他方式确定阈值,典型如专家指定阈值,都在本申请保护范围内。
针对上述的软件模块二,也即挥舞方向上是否存在信号跳变,一种可选的流程图如图8所示,包括如下步骤:
步骤一:全0信号判断。
计算叶片振动信号序列x(t)的总信号个数N,如果N=k,则该信号是全0信号,不再进行下一步操作。反之,进行下一步的计算和判断。
步骤二:信号筛选。
筛选出挥舞方向信号x(t)等于0的所有信号,记作xi(t),i=1,2,k,如公式8所示。
xi(t)=x(t)[xj==0] (公式8)
步骤三:计算目标信号(目标采样点)处的变化率。
变化率计算包含目标信号与上一个信号的第一变化率和目标信号与下一个信号的第二变化率:
利用如下公式9和公式10,分别计算第一变化率rateibefore和第二变化率ratei:
其中,xnext(t)是信号序列x(t)中目标信号xi(t)的下一个信号,fs是采样频率,信号xi(t)的前一个信号是xbefore(t)。
步骤四:识别是否存在信号跳变。
分别针对每个目标信号xi(t),执行如下判断:
第一判断步骤:是否abs(ratei)>b,其中,b为预设的数值(目标阈值),b的典型值可取104。如果判断结果为是,则说明目标信号为跳变信号。
第二判断步骤:是否abs(rateibefore)>b。如果判断结果为是,则说明目标信号为跳变信号。
如果根据上述第一判断步骤和第二判断步骤,判断结果都为否,则目标信号不是跳变信号,将i自增1,返回执行步骤四,直至i=k或在判断出任意一个目标信号为跳变信号,跳出循环。如果根据上述第一判断步骤和第二判断步骤,任意一个判断结果为是,则说明目标信号是跳变信号,可以停止对其它目标信号的判断。可选的,第一判断步骤和第二判断步骤可以是并行的或串行的,在确定任意一个判断步骤的结果为是的情况下,停止执行步骤五,确定目标信号是跳变信号,也即,在挥舞方向上的叶片振动信号序列存在信号异常。
其中,软件模块二采用0信号处与前一信号和后一信号对比的变化率是否大于目标阈值来检测跳变信号,在实际应用中,也可以对变化率的范围进行分段,判断变化率是否处于较高的区间段内,等等。也即,根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变,可以采用不同的对比方法,以上仅为示例性说明,不构成对本申请实施例的限定。
本申请实施例还提供了一种风力发电机组的叶片故障诊断装置,可以用于执行本申请实施例提供的风力发电机组的叶片故障诊断方法。在本申请实施例提供的风力发电机组的叶片故障诊断装置中未详述的部分,可以参考对本申请实施例提供的风力发电机组的叶片故障诊断方法中的描述,在此不再赘述。
如图9所示,本申请实施例提供的风力发电机组的叶片故障诊断装置包括获取模块11,识别模块12和诊断模块13。
其中,获取模块11,用于获取振动信号采集装置采集到的叶片振动信号序列;识别模块12,用于识别叶片振动信号序列是否存在信号跳变;诊断模块13,用于在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断。
图11是本申请一个实施例提供的风力发电机组的叶片故障诊断装置的应用场景示意图,如图11所示,本申请实施例提供的风力发电机组的叶片故障诊断装置731可以集成于风机总控制器73内,风机总控制器73可以设置于风力发电机组71的机舱712和/或塔筒713内,本申请实施例对风机总控制器73的具体安装位置不作限定。风力发电机组的叶片故障诊断装置731的获取模块11可以获取振动信号采集装置72采集到的振动信号。
其中,振动信号采集装置72可以包括振动传感器721和信号处理模块722,振动传感器721可以设置于风力发电机组71的叶片711上,用于采集叶片711的振动信号,可选的,振动传感器721可以是多轴传感器,能够感应到叶片711在摆振方向和挥舞方向上的振动,信号处理模块722可以对振动传感器721感应到的模拟振动信号进行处理,生成数字的叶片振动信号序列。
可选的,风力发电机组的叶片故障诊断装置731可以与设置于风场中控室的服务器74通信,风场中每个风力发电机组可以安装有对应的风机总控制器,中控室服务器74可以与风场中所有风机总控制器进行通信。在本申请实施例中,中控室服务器74可以根据风机总控制器73中集成的风力发电机组的叶片故障诊断装置731的叶片故障诊断结果。
风力发电机组的叶片故障诊断装置731可以将识别模块12的判断结果发送至中控室服务器74,以在中控室服务器74的前端界面上显示报警提示,提示工作人员振动信号采集装置72采集到的振动信号存在信号跳变,提醒工作人员即时对振动信号采集装置72的工作状态进行检修。
风力发电机组的叶片故障诊断装置731还可以将诊断模块13的叶片故障诊断结果发送至中控室服务器74,以在中控室服务器74的前端界面上显示报警提示,提示工作人员根据叶片振动信号序列判断出叶片存在故障,提醒工作人员即时对叶片进行检修。
可选的,叶片振动信号序列包括摆振方向上的第一叶片振动信号序列和挥舞方向上的第二叶片振动信号序列,识别模块12包括:识别单元,用于分别识别第一叶片振动信号序列和第二叶片振动信号序列是否存在信号跳变;诊断模块13包括:诊断单元,用于在第一叶片振动信号序列和第二叶片振动信号序列都不存在信号跳变的情况下,根据第一叶片振动信号序列和第二叶片振动信号序列对风力发电机组的叶片进行故障诊断。
可选的,识别模块12包括:获取单元,用于获取叶片振动信号序列中的信号强度为零值的采样点,得到目标采样点;第一计算单元,用于计算目标采样点的信号强度与前一个采样点的信号强度之间的第一变化率,以及目标采样点的信号强度与下一个采样点的信号强度之间的第二变化率;判断单元,用于根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变。
可选的,目标采样点为n个,n为大于1的整数,识别模块12还包括:第一执行单元,用于依次的对n个目标采样点判断是否存在信号跳变;第一确定单元,用于在任意一个目标采样点存在信号跳变的情况下,确定叶片振动信号序列存在信号跳变;第二执行单元,用于停止判断剩余的目标采样点是否存在信号跳变。
可选的,叶片振动信号序列包括摆振方向上的第一叶片振动信号序列,该装置还包括:第一确定模块,用于在根据第一变化率与目标阈值的对比结果,以及第二变化率与目标阈值的对比结果,判断目标采样点是否存在信号跳变之前,确定第一叶片振动信号序列的平均变化率;第二确定模块,用于根据平均变化率,确定目标阈值。
可选的,第一叶片振动信号序列为三角函数,第一确定模块包括:第一确定单元,用于确定第一叶片振动信号序列的峰峰值A,其中,峰峰值为第一叶片振动信号序列的最大值和最小值之差;第一计算单元,用于估算第一叶片振动信号序列的函数周期T;第二计算单元,用于根据峰峰值A和函数周期T,得到第一叶片振动信号序列在三角函数的的平均变化率
可选的,第一计算单元包括:第三计算单元,用于估算第一叶片振动信号序列的函数周期个数;第一确定单元,用于根据第一叶片振动信号序列的采样点总数和采样频率,确定第一叶片振动信号序列的总采样时长;第二确定单元,用于根据总采样时长和函数周期个数,确定第一叶片振动信号序列的函数周期T。
可选的,第三计算单元,用于包括:执行单元,用于去除第一叶片振动信号序列中信号强度为零值的采样点,得到第三叶片振动信号序列;第四计算单元,用于计算第三叶片振动信号序列的平均信号强度;统计单元,用于统计第三叶片振动信号序列中信号强度等于平均信号强度的采样点个数,得到第一数值;第三确定单元,用于根据第一数值,确定第一叶片振动信号序列的函数周期个数。
可选的,该装置还包括:判断模块,用于在识别叶片振动信号序列是否存在信号跳变之前,判断叶片振动信号序列的信号强度是否全部为零值;其中,在叶片振动信号序列的信号强度非全部为零值的信号序列的情况下,识别叶片振动信号序列是否存在信号跳变。
本申请实施例的风力发电机组的叶片故障诊断装置,通过识别叶片振动信号序列是否存在信号跳变,并在叶片振动信号序列不存在信号跳变的情况下,根据叶片振动信号序列对风力发电机组的叶片进行故障诊断,这样,可以对叶片振动信号序列进行一个质量检测,判断是否存在信号跳变,根据不存在信号跳变的叶片振动信号序列进行故障诊断,能够消除叶片振动信号的信号跳变对叶片故障诊断产生的干扰。
图10示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地,上述处理器601可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器602可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器602可在综合网关容灾设备的内部或外部。在特定实施例中,存储器602是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器601通过读取并执行存储器602中存储的计算机程序指令,以实现上述实施例中的任意一种风力发电机组的叶片故障诊断方法。
在一个示例中,xx设备还可包括通信接口603和总线610。其中,如图3所示,处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线610可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (12)
1.一种风力发电机组的叶片故障诊断方法,其特征在于,包括:
获取振动信号采集装置采集到的叶片振动信号序列;
识别所述叶片振动信号序列是否存在信号跳变;
在所述叶片振动信号序列不存在所述信号跳变的情况下,根据所述叶片振动信号序列对所述风力发电机组的叶片进行故障诊断。
2.根据权利要求1所述的风力发电机组的叶片故障诊断方法,其特征在于,所述叶片振动信号序列包括摆振方向上的第一叶片振动信号序列和挥舞方向上的第二叶片振动信号序列,
所述识别所述叶片振动信号序列是否存在信号跳变,包括:分别识别所述第一叶片振动信号序列和所述第二叶片振动信号序列是否存在所述信号跳变;
在所述叶片振动信号序列不存在所述信号跳变的情况下,根据所述叶片振动信号序列对所述风力发电机组的叶片进行故障诊断,包括:在所述第一叶片振动信号序列和所述第二叶片振动信号序列都不存在所述信号跳变的情况下,根据所述第一叶片振动信号序列和所述第二叶片振动信号序列对所述风力发电机组的叶片进行故障诊断。
3.根据权利要求1所述的风力发电机组的叶片故障诊断方法,其特征在于,所述识别所述叶片振动信号序列是否存在信号跳变,包括:
获取所述叶片振动信号序列中的信号强度为零值的采样点,得到目标采样点;
计算所述目标采样点的信号强度与前一个采样点的信号强度之间的第一变化率,以及所述目标采样点的信号强度与下一个采样点的信号强度之间的第二变化率;
根据所述第一变化率与目标阈值的对比结果,以及所述第二变化率与所述目标阈值的对比结果,判断所述目标采样点是否存在信号跳变。
4.根据权利要求3所述的风力发电机组的叶片故障诊断方法,其特征在于,所述目标采样点为n个,n为大于1的整数,所述识别所述叶片振动信号序列是否存在信号跳变,包括:
依次的对n个目标采样点判断是否存在信号跳变;
在任意一个目标采样点存在所述信号跳变的情况下,确定所述叶片振动信号序列存在信号跳变;
停止判断剩余的目标采样点是否存在信号跳变。
5.根据权利要求3所述的风力发电机组的叶片故障诊断方法,其特征在于,所述叶片振动信号序列包括摆振方向上的第一叶片振动信号序列,在所述根据所述第一变化率与所述目标阈值的对比结果,以及所述第二变化率与所述目标阈值的对比结果,判断所述目标采样点是否存在信号跳变之前,所述方法还包括:
确定所述第一叶片振动信号序列的平均变化率;
根据所述平均变化率,确定所述目标阈值。
7.根据权利要求6所述的风力发电机组的叶片故障诊断方法,其特征在于,所述估算所述第一叶片振动信号序列的函数周期T,包括:
估算所述第一叶片振动信号序列的函数周期个数;
根据所述第一叶片振动信号序列的采样点总数和采样频率,确定所述第一叶片振动信号序列的总采样时长;
根据所述总采样时长和所述函数周期个数,确定所述第一叶片振动信号序列的函数周期T。
8.根据权利要求7所述的风力发电机组的叶片故障诊断方法,其特征在于,所述估算所述第一叶片振动信号序列的函数周期个数,包括:
去除所述第一叶片振动信号序列中信号强度为零值的采样点,得到第三叶片振动信号序列;
计算所述第三叶片振动信号序列的平均信号强度;
统计所述第三叶片振动信号序列中信号强度等于所述平均信号强度的采样点个数,得到第一数值;
根据所述第一数值,确定所述第一叶片振动信号序列的函数周期个数。
9.根据权利要求1至8任一项所述的风力发电机组的叶片故障诊断方法,其特征在于,在识别所述叶片振动信号序列是否存在信号跳变之前,所述方法还包括:
判断所述叶片振动信号序列的信号强度是否全部为零值;
其中,在所述叶片振动信号序列的信号强度非全部为零值的信号序列的情况下,识别所述叶片振动信号序列是否存在信号跳变。
10.一种风力发电机组的叶片故障诊断装置,其特征在于,所述装置包括:
获取模块,用于获取振动信号采集装置采集到的叶片振动信号序列;
识别模块,用于识别所述叶片振动信号序列是否存在信号跳变;
诊断模块,用于在所述叶片振动信号序列不存在所述信号跳变的情况下,根据所述叶片振动信号序列对所述风力发电机组的叶片进行故障诊断。
11.一种电子设备,其特征在于,所述电子设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述的风力发电机组的叶片故障诊断方法。
12.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述的风力发电机组的叶片故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011641149.XA CN114687955A (zh) | 2020-12-31 | 2020-12-31 | 风力发电机组的叶片故障诊断方法、装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011641149.XA CN114687955A (zh) | 2020-12-31 | 2020-12-31 | 风力发电机组的叶片故障诊断方法、装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114687955A true CN114687955A (zh) | 2022-07-01 |
Family
ID=82135869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011641149.XA Pending CN114687955A (zh) | 2020-12-31 | 2020-12-31 | 风力发电机组的叶片故障诊断方法、装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114687955A (zh) |
-
2020
- 2020-12-31 CN CN202011641149.XA patent/CN114687955A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109186813B (zh) | 一种温度传感器自检装置及方法 | |
JP7157293B2 (ja) | 故障検知・予知装置及び故障検知・予知用プログラム | |
CN112161806B (zh) | 风机的故障监测方法和故障监测装置 | |
CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
CN108361207A (zh) | 一种用于离心泵振动监测与故障预警的装置及方法 | |
KR101829134B1 (ko) | 진동을 이용한 회전체 고장 예측 시스템 및 방법 | |
CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
CN103674234A (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
CN114061743A (zh) | 风力发电机组的振动监测方法、装置、设备及介质 | |
CN110398384A (zh) | 旋转机械的机器健康监测 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
CN117028164A (zh) | 一种风电机组振动检测方法和设备 | |
KR20230127337A (ko) | 기계 장치 또는 기계 부품의 이상을 식별하기 위한방법 및 장치 | |
CN117233541A (zh) | 一种配电网电力线路运行状态测量方法及测量系统 | |
CN110763445B (zh) | 制动器监测方法、装置、设备及存储介质 | |
CN118030409A (zh) | 用于风机机组的运行性能异常检测方法及系统 | |
CN114060228B (zh) | 风力发电机组扭矩异常跳变的检测方法、装置及控制器 | |
CN112945531A (zh) | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 | |
CN112326246A (zh) | 基于周期数据及核密度估计的轴承安全状态在线监测方法 | |
CN114689321A (zh) | 风力发电机组的轴承故障诊断方法、装置、电子设备 | |
CN114576102A (zh) | 风电机组轴承状态的预测方法、装置、设备及存储介质 | |
CN114687955A (zh) | 风力发电机组的叶片故障诊断方法、装置、电子设备 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN111456915A (zh) | 风机机舱内部部件的故障诊断装置及方法 | |
CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 |
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 |