CN116223037A - 一种风电轴承保持器的运行监测方法及设备 - Google Patents
一种风电轴承保持器的运行监测方法及设备 Download PDFInfo
- Publication number
- CN116223037A CN116223037A CN202310510947.6A CN202310510947A CN116223037A CN 116223037 A CN116223037 A CN 116223037A CN 202310510947 A CN202310510947 A CN 202310510947A CN 116223037 A CN116223037 A CN 116223037A
- Authority
- CN
- China
- Prior art keywords
- wind power
- predicted
- power bearing
- coordinate data
- motion track
- 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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
-
- 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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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电轴承保持器的运行监测方法及设备,属于数据监督与预测技术领域,用于解决现有风电机组的运行情况难以进行实时在线的监督与预测,对风电机组的故障上报也存在一定的滞后性,不利于对存在异常的风电机组进行快速维修的技术问题。方法包括:通过预设在风电轴承保持器中的多个传感芯片,对风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息;将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到点位的圆周运动轨迹;并对当前圆周运动轨迹进行无规律轨迹的过滤处理,得到理想圆周运动轨迹;再将理想圆周空间区域与预测圆周空间区域进行概率质心的定位比对,得到风电轴承的运行监测信息。
Description
技术领域
本申请涉及数据监督与预测领域,尤其涉及一种风电轴承保持器的运行监测方法及设备。
背景技术
风力发电作为一种绿色能源,从 20世纪80年代开始以超预期的速度发展,随着相关技术的日益成熟,已成为应用广泛的新能源发电方式。风电机组长期在复杂交变载荷的作用下运行,对风电传动系统的要求越来越严格,轴承作为风电机组的关键部件,对保障整个机组的可靠性起着至关重要的作用。
目前风电机组中的齿轮箱、电动机等故障率较高,而这些故障大部分都是由风电轴承的故障导致。现有的一般在风电机组内部安装振动传感器,来对风电主轴的运行状态监测,实现对风电机组中的电压、电流、功率等信号异常监测,间接的实现对风电轴承或者风电轴承保持器的运行监测。
然而上述的振动传感器监测方法,难以对风电轴承或者风电轴承保持器具体运行情况的运行特征量进行监测,存在一定的滞后性,往往是故障发生后,产生剧烈振动后,才能监测到,并且风电发电设备的位置往往比较偏僻,维修时间周期过长,容易对风电机组、叶片、轮毂等造成不可挽回的损失,造成大量资源的浪费。同时,也难以针对风电主轴的运行情况进行实时在线的监督与预测,不能及时地、有预警地反馈给维修人员,增加了对风电机组的运营维修成本。
发明内容
本申请实施例提供了一种风电轴承保持器的运行监测方法及设备,用于解决如下技术问题:现有风电机组的运行情况难以进行实时在线的监督与预测,对风电机组的故障上报也存在一定的滞后性,不利于对存在异常的风电机组进行快速维修,增加了大量的维修成本。
本申请实施例采用下述技术方案:
一方面,本申请实施例提供了一种风电轴承保持器的运行监测方法,包括:通过预设在风电轴承保持器中的多个传感芯片,对所述风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息;其中,所述点位追踪信息包括:在任意时间段下的所有传感芯片的目标坐标数据以及对应的加速度数据;对所述点位追踪信息进行点位的正交覆盖;并将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到所述点位的圆周运动轨迹;其中,所述圆周运动轨迹包括:当前圆周运动轨迹与预测圆周运动轨迹;根据所述风电轴承保持器的振动加速度,获取所述风电轴承保持器的瞬时振动圆周轨迹;通过所述瞬时振动圆周轨迹,对所述圆周运动轨迹中的当前圆周运动轨迹进行无规律轨迹的过滤处理,得到所述风电轴承保持器的理想圆周运动轨迹;对所述理想圆周运动轨迹以及所述预测圆周运动轨迹分别生成对应的理想圆周空间区域以及对应的预测圆周空间区域;并将所述理想圆周空间区域与所述预测圆周空间区域进行空间区域的概率质心的定位比对,得到预测重合空间区域;根据所述预测重合空间区域,对所述风电轴承保持器的运行情况进行是否存在异常判断,得到所述风电轴承的运行监测信息,以完成对风电机组的运行监测。
本申请的有益效果在于通过对风电主轴承中风电轴承保持器的运行轨迹监测,能够根据预测的重合空间区域与实际的重合空间区域的误差比较,来实时监测出风电轴承保持器实在存在异常的运行情况,进而预测出风电主轴以及风电机组的是否存在异常情况,有利于将可能存在的故障问题及时反馈给维修人员,第一时间到达现场,防止潜在故障的进一步发酵。有利于对风电机组的运行情况实时在线的监督与预测,减少了对风电机组的潜在故障上报的延后时间,有利于对存在异常的风电机组进行快速维修,降低了维修成本,保证了风电机组的正常发电效率。
在一种可行的实施方式中,通过预设在风电轴承保持器中的多个传感芯片,对所述风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息,具体包括:通过风电机组中的信号采集装置,对所述风电轴承保持器中的多个传感芯片进行信号采集,以确定出所述风电轴承保持器是否运行;其中,所述多个传感芯片在所述风电轴承保持器中为内嵌式均匀分布且使所述风电轴承保持器符合旋转平衡;在所述风电轴承保持器运行情况下,将运行中的第一传感芯片的信号发送节点确定为主簇头节点,以及将第二传感芯片以及第三传感芯片的信号发送节点确定为相邻簇头节点;其中,所述第二传感芯片以及第三传感芯片分别位于所述第一传感芯片的左右相邻位置;根据预设的RSSI算法,并基于预设时间段,分别对所述主簇头节点与所述相邻簇头节点进行有关接收信号载波功率的三维空间距离计算,分别得到当前时间段内的主坐标数据与相邻坐标数据;其中,所述主坐标数据与相邻坐标数据均为三维坐标数据;根据最小二乘算法,对当前时间段内的相邻坐标数据进行平均空间距离的最小值处理,并对最小值处理后的空间距离进行有关中值的计算,得到辅助坐标数据;基于所述辅助坐标数据以及第一传感芯片的目标坐标数据,确定出所有传感芯片的点位追踪信息。
本申请的有益效果在于通过安装在风电轴承保持器中的多个传感芯片,能够实时监测双列调心滚子轴承的运行情况,即,对风电轴承保持器在三维空间中的运行姿态与运行轨迹进行点位的实时追踪,并根据多簇头的协调融合,基于每个传感芯片的相邻芯片,实现对每个传感芯片的实时追踪,得到当前时间段内的主坐标数据与相邻坐标数据。
在一种可行的实施方式中,基于所述辅助坐标数据以及第一传感芯片的目标坐标数据,确定出所有传感芯片的点位追踪信息,具体包括:基于当前时间段,将所述相邻簇头节点中的辅助坐标数据与所述主簇头节点中的主坐标数据进行有关坐标数据的权值融合,得到所述第一传感芯片的目标坐标数据;根据预设WSN的网格结构,将所述第一传感芯片的信号发送节点确定为相邻簇头节点,并将所述目标坐标数据确定为相邻坐标数据;通过对第四传感芯片的坐标数据与所述第一传感芯片的目标坐标数据进行平均空间距离的最小值处理后,并基于坐标数据的权值融合,得到所述第二传感芯片的目标坐标数据;其中,所述第四传感芯片与所述第一传感芯片均在第二传感芯片放入左右相邻位置;以此类推,对所有传感芯片进行有关坐标数据的权值融合,分别确定出所述所有传感芯片的目标坐标数据;并获取所述多个传感芯片在所述当前时间段下所对应的加速度数据;基于所有传感芯片的目标坐标数据以及对应的加速度数据,确定出所有传感芯片的点位追踪信息。
本申请的有益效果在于将相邻簇头节点融合到主簇头节点中,实现了辅助坐标与主坐标的权值融合,有利于根据相邻的辅助簇头节点,实现对主簇头节点的目标追踪,即实现对第一传感芯片的追踪,最终得到有关第一传感芯片的坐标数据与对应加速度数据,以此类推,分别得出第二、第三、第四等等传感芯片的点位追踪信息,实现对风电轴承保持器中所有传感芯片的点位追踪。
在一种可行的实施方式中,对所述点位追踪信息进行点位的正交覆盖,具体包括:基于正交覆盖机制,对所述点位追踪信息中每个传感芯片对应的目标坐标数据进行当前时间段下的点位取样,得到有关目标坐标数据的多点位的位置数据;根据所述多点位的位置数据,划分出与所述点位取样对应的抽样空间区域;通过所述抽样空间区域,对所述多点位的位置数据进行有关信号强弱的标定,得到有关所述多点位的信号强弱序号;根据所述信号强弱序号以及所述抽样空间区域中的点位密度,对所述多点位的位置数据进行运动趋势的判定,并根据所述信号强弱序号中信号强度最大的点位作为的基准点位,确定出基于所述当前时间段下的点位运动趋势数据;获取所述点位追踪信中每个传感芯片对应的加速度数据;并根据所述点位运动趋势数据,将所述加速度数据与所述抽样空间区域中多点位的位置数据进行一一对应,生成基于所述点位追踪信息的所述当前圆周运动轨迹。
本申请的有益效果在于通过每个传感芯片的点位追踪信息,然后确定出当前时间段下的抽样空间区域,基于抽样空间区域内的每个传感芯距离信号采集装置的距离不同,形成不同的信号强弱序号,有利于根据信号强弱序号与抽样空间的点位密度和点位位置,能够更好的判断出当前抽样空间区域中多个点位的运动趋势,然后再结合上每个点位的加速度,最终形成了当前圆周运动轨迹。
在一种可行的实施方式中,将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到所述点位的圆周运动轨迹,具体包括:获取当前时间段下正交覆盖后的点位追踪信息;根据朗格朗日插值函数,并基于当前圆周运动轨迹中的加速度数据,对所述当前圆周运动轨迹中的目标坐标数据进行下一时间段的坐标位置矢量预测,得到预测目标坐标数据;根据所述当前圆周运动轨迹中每个点位之间的定位距离,对所述当前圆周运动轨迹中的加速度数据进行下一时间段的加速度矢量预测,得到预测加速度数据;对所述预测目标坐标数据进行预测点位的取样;并划分出与预测目标坐标数据对应的预测抽样空间区域;根据所述预测抽样空间区域中预测点位的信号强弱序号以及对应的预测点位密度,对所述预测抽样空间区域中的多点位进行预测运动趋势的判定;并根据所述预测抽样空间区域中预测点位以及对应的所述预测加速度数据,生成基于下一时间段的预测圆周运动轨迹;基于所述预测圆周运动轨迹与所述当前圆周运动轨迹,得到所述点位的圆周运动轨迹。
本申请的有益效果在于通过拉格朗日差值函数,能够更好的预测出下一时间段内所有点位的坐标数据与加速度数据,然后生成与当前圆周运动轨迹对应的预测与圆周运动轨迹,有利于后续对风电轴承保持器的运行轨迹的对比预测。
在一种可行的实施方式中,根据所述风电轴承保持器的振动加速度,获取所述风电轴承保持器的瞬时振动圆周轨迹,具体包括:通过风电机组中的振动传感器,获取当前时间段下的振动加速度;通过四元参数算法,对当前圆周运动轨迹中的运动趋势数据进行四元数的微分划分,得到有关四元微分的运行姿态矩阵;根据所述运行姿态矩阵,将所述当前时间段下的振动加速度进行三维空间中各轴向的分量划分,得到振动矢量坐标数据;将所述振动加速度以及所述振动矢量坐标数据进行圆周曲线的瞬态拟合,得到瞬态拟合曲线;基于所述风电轴承保持器所在的三维空间,将所述瞬态拟合曲线进行对应位置的匹配,确定出基于所述当前时间段下的瞬时振动圆周轨迹。
本申请的有益效果在于通过预设在风电机组中的振动传感器,将获取的振动加速度划分到各个轴向中,然后将振动矢量数据进行曲线的瞬态拟合后,得到有关振动加速度的瞬时振动圆周轨迹,从而精准的识别出因为叶轮负载振动所产生的的偏移量,得出基于该偏移量状态下的风电轴承保持器的瞬时振动圆周轨迹。
在一种可行的实施方式中,通过所述瞬时振动圆周轨迹,对所述圆周运动轨迹中的当前圆周运动轨迹进行无规律轨迹的过滤处理,得到所述风电轴承保持器的理想圆周运动轨迹,具体包括:将所述瞬时振动圆周轨迹以及所述当前圆周运动轨迹进行线性归一化处理,分别得到瞬时振动圆周曲线与当前圆周曲线;其中,所述到瞬时振动圆周曲线与当前圆周曲线均为螺旋圆周曲线;将所述瞬时振动圆周曲线与所述当前圆周曲线进行对应坐标点的差值处理,得到多个坐标点的距离;并将所述多个坐标点的距离进行中值处理,得到振动差值距离;根据所述振动差值距离,对所述当前圆周曲线进行曲线修正,得到修正圆周曲线;并根据所述当前圆周运动轨迹中的加速度数据,将所述修正圆周曲线进行矢量处理,确定出修正圆周运动轨迹;通过将所述修正圆周运动轨迹,对所述当前圆周运动轨迹在预设误差范围内进行无规律轨迹的过滤筛选,得到所述风电轴承保持器的理想圆周运动轨迹。
本申请的有益效果在于通过识别到的瞬时振动圆周轨迹,对当前圆周运动轨迹进行误差的修正,根据振动差值距离,及时对当前圆周曲线进行对应修正,从而可以精准的获取到风电机组内部的真实运行情况,即风电轴承保持器的真实圆周运动轨迹。
在一种可行的实施方式中,对所述理想圆周运动轨迹以及所述预测圆周运动轨迹分别生成对应的理想圆周空间区域以及对应的预测圆周空间区域;并将所述理想圆周空间区域与所述预测圆周空间区域进行空间区域的概率质心的定位比对,得到预测重合空间区域,具体包括:根据所述理想圆周运动轨迹以及所述预测圆周运动轨迹,分别生成与所述理想圆周空间区域对应的第一螺旋圆柱体以及与所述预测圆周空间区域对应的第二螺旋圆柱体;其中,所述第一螺旋圆柱体与所述第二螺旋圆柱体均包含多个点位位置信息;获取所述第一螺旋圆柱体中的第一点位位置信息;根据概率分布函数的显著度,获取与所述第一点位位置信息对应的点位分布平面区域;并通过概率密度函数,对所述点位分布平面区域进行螺旋圆柱体的质心定位,得到所述第一螺旋圆柱体的第一质心位置信息;对所述第二螺旋圆柱体进行有关点位分布平面区域的质心定位,得到所述第二螺旋圆柱体的第二质心位置信息;根据所述第一质心位置信息与所述第二质心位置信息,对所述第一螺旋圆柱体以及所述第二螺旋圆柱体之间进行同一时间域以及同一空间域的三维空间重合比对,确定出与所述第一螺旋圆柱体以及所述第二螺旋圆柱体相互重合的预测重合空间区域。
本申请的有益效果在于根据在每一段时间段下的对三维空间中圆周运动轨迹,构建出具有时间分量的运动轨迹量,即螺旋圆柱体,然后根据质心位置,将不同时间段的螺旋圆柱体所在的空间区域进行重合比对,得出预测情况下的重合区域,有利于对风电轴承保持器的运行监测,预测出正常情况下不同时间段内空间区域的重合情况。
在一种可行的实施方式中,根据所述预测重合空间区域,对所述风电轴承保持器的运行情况进行是否存在异常判断,得到所述风电轴承的运行监测信息,具体包括:根据与下一时间段所对应的实际圆周运动轨迹,确定出有关实际圆周空间区域的第三螺旋圆柱体;其中,所述实际圆周运动轨迹为基于所述理想圆周运动轨迹的下一时间段的点位圆周运动轨迹;对所述第三螺旋圆柱体进行有关点位分布平面区域的质心定位,得到所述第三螺旋圆柱体的第三质心位置信息;根据所述第三质心位置信息,对第一螺旋圆柱体以及所述第三螺旋圆柱体之间进行同一时间域以及同一空间域的三维空间重合比对,得到真实重合空间区域;通过所述真实重合空间区域与所述预测重合空间区域的空间区域大小判断信息,对所述风电轴承保持器的运行情况进行是否存在异常判断,得到所述风电轴承的运行监测信息,以完成对风电机组的运行监测。
另一方面,本申请实施例还提供了一种风电轴承保持器的运行监测设备,所述设备包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行上述任一实施例所述的一种风电轴承保持器的运行监测方法。
本申请的有益效果在于通过对风电主轴承中风电轴承保持器的运行轨迹监测,能够根据预测的重合空间区域与实际的重合空间区域的误差比较,来实时监测出风电轴承保持器实在存在异常的运行情况,进而预测出风电主轴以及风电机组的是否存在异常情况,有利于将可能存在的故障问题及时反馈给维修人员,第一时间到达现场,防止潜在故障的进一步发酵。有利于对风电机组的运行情况实时在线的监督与预测,减少了对风电机组的潜在故障上报的延后时间,有利于对存在异常的风电机组进行快速维修,降低了维修成本,保证了风电机组的正常发电效率。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,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。在附图中:
图1为本申请实施例提供的一种风电轴承保持器的运行监测方法流程图;
图2为本申请实施例提供的一种双列调心滚子轴承的结构示意图;
图3为本申请实施例提供的一种对风电轴承运行监测的结构示意简图;
图4为本申请实施例提供的一种风电轴承保持器的传感芯片分布示意图;
图5为本申请实施例提供的一种风电轴承保持器的运行监测设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本申请保护的范围。
本申请实施例提供了一种风电轴承保持器的运行监测方法,如图1所示,风电轴承保持器的运行监测方法具体包括步骤S101-S106:
需要说明的是,对于风力发电设备中风电机组的风电传动主轴,会有两个风电轴承,一般采用双列调心滚子轴承。可选择地,例如图2为本申请实施例提供的一种双列调心滚子轴承的结构示意图,如图2所示,该调心滚子轴承中具有双列滚珠,并通过轴承保持器进行固定保持。在风电机组运行过程中,主轴会承载一定的负载压力,从而使主轴的质心产生偏转,所以通过调心滚子轴承的特征,能够使主轴实现一定的偏移,而风电轴承保持器也会随主轴的偏移进行一定的运动偏转,即不仅仅是水平的转动,还具有各个方向角的偏移,所以对风电轴承保持器的运动轨迹监测,便实现了对风电轴承的运行监测,从而能够更好的反映出该风电主轴的运行情况,从而反映出整个风电机组的运行情况。
S101、通过预设在风电轴承保持器中的多个传感芯片,对风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息。其中,点位追踪信息包括:在任意时间段下的所有传感芯片的目标坐标数据以及对应的加速度数据。
具体地,通过风电机组中的信号采集装置,对风电轴承保持器中的多个传感芯片进行信号采集,以确定出风电轴承保持器是否运行。其中,多个传感芯片在风电轴承保持器中为内嵌式均匀分布且使风电轴承保持器符合旋转平衡。在风电轴承保持器运行情况下,再将运行中的第一传感芯片的信号发送节点确定为主簇头节点,以及将第二传感芯片以及第三传感芯片的信号发送节点确定为相邻簇头节点。其中,第二传感芯片以及第三传感芯片分别位于第一传感芯片的左右相邻位置。
在一个实施例中,图4为本申请实施例提供的一种风电轴承保持器的传感芯片分布示意图,如图4所示,在制备符合双列调心滚子轴承的风电轴承保持器时,通过冲压工艺或者整体式制造工艺,将若干传感芯片放入风电轴承保持器中,并均匀分布在该保持器的内部,以使该保持器在运行时符合动平衡要求,保证保持器的正常稳定运行。并按照图4所示的,排列方法,将8块传感芯片分左右两边一次排列放置。同时,该传感芯片具有发送实时坐标数据与加速度数据的信号发送功能,以使信号采集装置采集到发送的信号。
在一个实施例中,图3为本申请实施例提供的一种对风电轴承运行监测的结构示意简图,如图3所示,通过与风电机组中的信号采集装置相连的信号服务器,对运行中的风电轴承保持器进行多点位的多簇头协助追踪。同时,利用不同级别的簇头在不同阶段完成不同的任务,用于提高对传感芯片的定位跟踪精度、降低对点位目标丢失率,并将簇头分为:主簇头节点与辅助簇头节点。
进一步地,根据预设的RSSI(Received Signal Strength Indicator )算法,并基于预设时间段,分别对主簇头节点与相邻簇头节点进行有关接收信号载波功率的三维空间距离计算,分别得到当前时间段内的主坐标数据与相邻坐标数据。其中,主坐标数据与相邻坐标数据均为三维坐标数据。
在一个实施例中,通过信号接收装置,基于RSSI算法,对确定出的主簇头节点与相邻簇头节点进行接收信号载波功率的相对距离计算,根据、/>以及/>,其中,/>、/>、/>为坐标参考中间量,/>为标准信号载波功率、/>、/>、/>分别为y、x、z轴向的载波功率,/>为预设标准信号接收距离,然后分别确定出当前时间段内的主坐标数据与相邻坐标数据。
进一步地,根据最小二乘算法,对当前时间段内的相邻坐标数据进行平均空间距离的最小值处理,并对最小值处理后的空间距离进行有关中值的计算,得到辅助坐标数据。
在一个实施例中,将当前时间段内的两个相邻坐标数据进行多变定位的矩阵表示,分别得到有关第二传感芯片的矩阵A与第三传感芯片对应的矩阵B,因为可能会存在测距误差,所以通过加入随机误差向量,并结合最小二乘算法,对矩阵A和矩阵B之间的平均空间距离进行最小值处理,然后将最小值处理后的平均空间距离,再进行中值求导,最终得到相邻两个坐标相互映射的辅助坐标数据。
进一步地,基于当前时间段,再将相邻簇头节点中的辅助坐标数据与主簇头节点中的主坐标数据进行有关坐标数据的权值融合,得到第一传感芯片的目标坐标数据。
作为一种可行的实施方式,将相邻簇头节点中的辅助坐标数据发送到主簇头节点中,然后通过辅助坐标数据与主坐标数据的权值所占比重不同,将两者进行去权值的划分,即通过辅助坐标数据融合到主坐标数据中,以减少单一追踪定位第一传感芯片的过程中,引发的追踪定位误差,保证了主簇头节点中主坐标数据定位追踪的准确性。
进一步地,以此类推,根据预设WSN(wireless sensor network,无线传感器网络)的网格结构,先将第一传感芯片的信号发送节点确定为相邻簇头节点,并将目标坐标数据确定为相邻坐标数据。通过对第四传感芯片的坐标数据与第一传感芯片的目标坐标数据进行平均空间距离的最小值处理后,并基于坐标数据的权值融合,得到第二传感芯片的目标坐标数据。其中,第四传感芯片与第一传感芯片均在第二传感芯片放入左右相邻位置。以此类推,对所有传感芯片进行有关坐标数据的权值融合,分别确定出所有传感芯片的目标坐标数据。并获取多个传感芯片在当前时间段下所对应的加速度数据。然后基于所有传感芯片的目标坐标数据以及对应的加速度数据,最终确定出所有传感芯片的点位追踪信息。
作为一种可行的实施方式,如图4所示,按照第一传感芯片的点位追踪,依次进行剩余传感器的点位追踪。依次类推,依次将第二传感芯片、第三传感芯片、第四传感芯片等等分别确定为主簇头节点,并将对应的相邻传感芯片依次确定为相邻簇头节点,最终得出每个传感芯片的目标坐标数据,然后再结合每个传感芯片所在的时间段,获取每个传感芯片在对应时间段下的加速度数据,最终将每个传感芯片的加速度数据与目标坐标数据确定为该传感芯片所在点位的点位追踪信息。
S102、对点位追踪信息进行点位的正交覆盖。并将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到点位的圆周运动轨迹。其中,圆周运动轨迹包括:当前圆周运动轨迹与预测圆周运动轨迹。
具体地,基于正交覆盖机制,对点位追踪信息中每个传感芯片对应的目标坐标数据进行当前时间段下的点位取样,得到有关目标坐标数据的多点位的位置数据。再根据多点位的位置数据,划分出与点位取样对应的抽样空间区域。
在一个实施例中,通过对点位追踪信息中的任意两个抽样样本的提取,对两个点位所对应的三维坐标进行取样划分,然后再根据正交机制对上述两个点位进行正交覆盖,即,样本点1(X1,Y1,Z1)和样本点2(X2,Y2,Z2),再根据、/>、,得到多点位的位置数据,即位置数据中的多点位置坐标(/>,/>,/>),然后根据这些抽样提取后的位置数据,再划分出与取样点位对应的抽样空间区域,其中,/>与/>为正交覆盖中间量。
进一步地,通过抽样空间区域,对多点位的位置数据进行有关信号强弱的标定,得到有关多点位的信号强弱序号。再根据信号强弱序号以及抽样空间区域中的点位密度,对多点位的位置数据进行运动趋势的判定,并根据信号强弱序号中信号强度最大的点位作为的基准点位,确定出基于当前时间段下的点位运动趋势数据。
在一个实施例中,根据,对抽样区域的位置数据进行了有关信号强弱的判定,得到每个点位的信号强弱序号/>,L为点位密度,/>为抽样空间区域,d1为点位与信号采集装置的信号接收距离,d0为固有误差距离,/>为信号片频率参数,然后根据每个点位的信号强弱序号,对每个点位进行对应标记,然后再根据标记的序号,对多点位的位置数据进行运动趋势的判定,并将信号强度最大的点位作为的基准点位,最终确定出基于当前时间段下的点位运动趋势数据。
进一步地,先获取点位追踪信中每个传感芯片对应的加速度数据。并根据点位运动趋势数据,再将加速度数据与抽样空间区域中多点位的位置数据进行一一对应,生成基于点位追踪信息的当前圆周运动轨迹。
进一步地,获取当前时间段下正交覆盖后的点位追踪信息。根据朗格朗日插值函数,并基于当前圆周运动轨迹中的加速度数据,对当前圆周运动轨迹中的目标坐标数据进行下一时间段的坐标位置矢量预测,得到预测目标坐标数据。
在一个实施例中,正交覆盖后的点位追踪信息中的基于WSN(wireless sensornetwork,无线传感器网络)的点位坐标均为一次性坐标,在下一时间段下的WSN点位坐标可能随着自身运动进入新的覆盖区域。由于移动无线传感器网络节点处于低速状态,且覆盖半径一般不低于10m,因此可让在1s的时间段范围内点位追踪信息,均处于该时间段下抽样空间区域的正交覆盖区域内。然后假设在k时间段对应的坐标为(Xk,Yk,Xk),拉格朗日插值函数L ( k)对应k时间段进行取值预测。即拉格朗日插值函数 L ( k) 并通过获取当前k时间段下的目标坐标数据进行拉格朗日预测,以便获得k + 1时间段下的预测目标坐标数据(,/>,/>)。
作为一种可行的实施方式,根据,得到当前k时间段下的拉格朗日插值函数/>,其中,tk为k时间段下的时间量,tk-1为k-1时间段下的时间量,L为点位密度。然后再根据k时间段的x轴的坐标值:/>,为在t时间量下的拉格朗日插值函数,即可进一步得出在k+1时间段下的x轴的坐标值。以此类推,再分别得出在k+1时间段下的y轴坐标以及z轴坐标,最终获得k + 1时间段下的预测目标坐标数据(/>,/>,/>)。
进一步地,根据当前圆周运动轨迹中每个点位之间的定位距离,对当前圆周运动轨迹中的加速度数据进行下一时间段的加速度矢量预测,得到预测加速度数据。然后对预测目标坐标数据进行预测点位的取样。并划分出与预测目标坐标数据对应的预测抽样空间区域。
在一个实施中,通过抽样空间区域中当前圆周运动轨迹中的每个节点在正交覆盖下对各个轴向的边际值,然后再根据/>,得到当前圆周运动轨迹中每个点位之间的定位距离/>,其中,r为每个节点的标准半径距离。再与当前k时间段下的拉格朗日插值函数/>,对当前圆周运动轨迹中的加速度数据进行k+1时间段的加速度矢量预测,得到每个轴向,即x轴、y轴以及z轴的加速度矢量,在k + 1时间段下的预测速度,然后将三轴向的速度进行矢量相加后,得到在k + 1时间段下的每个点位的加速度数据,其中,x轴与y轴为滚珠在同一平面的坐标轴,z轴为风电主轴的方向。
进一步地,根据预测抽样空间区域中预测点位的信号强弱序号以及对应的预测点位密度,对预测抽样空间区域中的多点位进行预测运动趋势的判定。并基于预测加速度数据与预测抽样空间区域中预测点位的匹配后,生成基于下一时间段的预测圆周运动轨迹。基于预测圆周运动轨迹与当前圆周运动轨迹,得到点位的圆周运动轨迹。
作为一种可行的实施方式,在得到预测目标坐标数据以及对应的加速度数据后,在对预测后的点位追踪信息中每个传感芯片对应的预测目标坐标数据进行下一时间段下的点位取样,得到有关预测目标坐标数据的预测多点位的位置数据。再根据预测多点位的位置数据,划分出与点位取样对应的预测抽样空间区域。通过预测抽样空间区域,再对预测的多点位的位置数据进行有关信号强弱的标定,得到有关预测的多点位的信号强弱序号。再根据信号强弱序号以及预测抽样空间区域中的点位密度,对多点位的位置数据进行预测运动趋势的判定,并根据上述得到的预测加速度数据与预测抽样空间区域中预测点位的匹配后,生成基于下一时间段的预测圆周运动轨迹。
S103、根据风电轴承保持器的振动加速度,获取风电轴承保持器的瞬时振动圆周轨迹。
具体地,首先通过风电机组中的振动传感器,获取当前时间段下的振动加速度。再通过四元参数算法,对当前圆周运动轨迹中的运动趋势数据进行四元数的微分划分,得到有关四元微分的运行姿态矩阵。
进一步地,根据运行姿态矩阵,将当前时间段下的振动加速度进行三维空间中各轴向的分量划分,得到振动矢量坐标数据。然后将振动加速度以及振动矢量坐标数据进行圆周曲线的瞬态拟合,得到瞬态拟合曲线。
进一步地,根据风电轴承保持器所在的三维空间,然后将瞬态拟合曲线进行对应位置的匹配,确定出基于当前时间段下的瞬时振动圆周轨迹。
在一个实施例中,首先根据风电机组中存在的振动传感器,获取到当前时间段下的振动加速度,首先根据绝对坐标与相对坐标之间的转换关系,再利用四元数,将当前圆周运动轨迹中的运动趋势数据进行坐标下的转换,即每个点位的目标坐标数据与加速度数据的数据转换,生成四元数微分方程,然后再将四元数微分方程进行矩阵的转化,生成有关四元微分的运行姿态矩阵。
在一个实施例中,基于运行姿态矩阵中的四元参数,将当前时间段下的振动加速度进行x轴、y轴以及z轴的分量划分,生成有关个轴向的振动加速度分量矩阵,然后再通过积分运算,将振动加速度分量矩阵进行有关圆周曲线的瞬态拟合得到瞬态拟合曲线,然后再将瞬态拟合曲线与当前圆周运动轨迹所在的三维空间进行同一时间段下,各个对应点位的一一匹配,使瞬态拟合曲线与当前圆周运动轨迹处于同一个时间与空间下的圆周空间区域,然后再基于对应的振动加速度与瞬态拟合圆周运动轨迹,确定出基于当前时间段下的瞬时振动圆周轨迹。
S104、通过瞬时振动圆周轨迹,对圆周运动轨迹中的当前圆周运动轨迹进行无规律轨迹的过滤处理,得到风电轴承保持器的理想圆周运动轨迹。
具体地,先将瞬时振动圆周轨迹以及当前圆周运动轨迹进行线性归一化处理,分别得到瞬时振动圆周曲线与当前圆周曲线。其中,到瞬时振动圆周曲线与当前圆周曲线均为螺旋圆周曲线。
进一步地,先将瞬时振动圆周曲线与当前圆周曲线进行对应坐标点的差值处理,得到多个坐标点的距离。并将多个坐标点的距离进行中值处理,得到振动差值距离。
进一步地,根据振动差值距离,然后对当前圆周曲线进行曲线修正,得到修正圆周曲线。并根据当前圆周运动轨迹中的加速度数据,将修正圆周曲线进行矢量处理,确定出修正圆周运动轨迹。接着通过将修正圆周运动轨迹,对当前圆周运动轨迹在预设误差范围内进行无规律轨迹的过滤筛选,得到风电轴承保持器的理想圆周运动轨迹。
在一个实施例中,先将将瞬时振动圆周轨迹以及当前圆周运动轨迹进行线性归一化处理,以便于得出方便对比计算的瞬时振动圆周曲线与当前圆周曲线。然后基于瞬时振动圆周曲线与当前圆周曲线进行对应坐标点的差值,确定出每个点位的振动差值距离,以帮助当前圆周曲线进行消除振动,保证当前圆周曲线的均匀性与完整性,然后再通过修正圆周运动轨迹,对当前圆周运动轨迹在预设误差范围内进行无规律轨迹的过滤筛选,得到风电轴承保持器的理想圆周运动轨迹。
S105、对理想圆周运动轨迹以及预测圆周运动轨迹分别生成对应的理想圆周空间区域以及对应的预测圆周空间区域。并将理想圆周空间区域与预测圆周空间区域进行空间区域的概率质心的定位比对,得到预测重合空间区域。
具体地,根据理想圆周运动轨迹以及预测圆周运动轨迹,分别生成与理想圆周空间区域对应的第一螺旋圆柱体以及与预测圆周空间区域对应的第二螺旋圆柱体。其中,第一螺旋圆柱体与第二螺旋圆柱体均包含多个点位位置信息。
进一步地,获取第一螺旋圆柱体中的第一点位位置信息。然后根据概率分布函数的显著度,获取与第一点位位置信息对应的点位分布平面区域。并通过概率密度函数,对点位分布平面区域进行螺旋圆柱体的质心定位,得到第一螺旋圆柱体的第一质心位置信息。接着对第二螺旋圆柱体进行有关点位分布平面区域的质心定位,得到第二螺旋圆柱体的第二质心位置信息。
进一步地,根据第一质心位置信息与第二质心位置信息,对第一螺旋圆柱体以及第二螺旋圆柱体之间进行同一时间域以及同一空间域的三维空间重合比对,确定出与第一螺旋圆柱体以及第二螺旋圆柱体相互重合的预测重合空间区域。
在一个实施例中,根据理想圆周运动轨迹以及预测圆周运动轨迹在三维空间中的数据表示情况,分别生成与理想圆周空间区域对应的第一螺旋圆柱体以及与预测圆周空间区域对应的第二螺旋圆柱体,其中,基于不同的时间段,螺旋圆柱体的空间位置以及螺旋角度都是不同的,然后通过概率分布函数的显著度,对第一螺旋圆柱体中的第一点位位置信息进行显著性识别,然后获取与第一点位位置信息对应的点位分布平面区域。之后通过概率密度函数,对点位分布平面区域进行螺旋圆柱体的质心定位,识别出第一螺旋圆柱体的质心位置数据,得到第一螺旋圆柱体的第一质心位置信息。以此类推,继续对第二螺旋圆柱体进行有关点位分布平面区域的质心定位,识别出第二螺旋圆柱体的质心位置数据,最终得到第二螺旋圆柱体的第二质心位置信息。
作为一种可行的实施方式,根据第一质心位置信息与第二质心位置信息,将第一螺旋圆柱体以及第二螺旋圆柱体在同一时间域以及同一空间域的三维空间中进行螺旋圆柱体的对应移动处理,然后根据每个对应的点位位置,将第一螺旋圆柱体以及第二螺旋圆柱体进行空间体积的重叠,然后确定出第一螺旋圆柱体以及第二螺旋圆柱体之间的相互重合预测重合空间区域,以便于识别出理想圆周运动轨迹以及预测圆周运动轨迹之间相同圆周轨迹的轨迹部分,剔除不同圆周轨迹的轨迹部分。
S106、根据预测重合空间区域,对风电轴承保持器的运行情况进行是否存在异常判断,得到风电轴承的运行监测信息,以完成对风电机组的运行监测。
具体地,根据与下一时间段所对应的实际圆周运动轨迹,确定出有关实际圆周空间区域的第三螺旋圆柱体。其中,实际圆周运动轨迹为基于理想圆周运动轨迹的下一时间段的点位圆周运动轨迹。
进一步地,对第三螺旋圆柱体进行有关点位分布平面区域的质心定位,得到第三螺旋圆柱体的第三质心位置信息。
进一步地,根据第三质心位置信息,对第一螺旋圆柱体以及第三螺旋圆柱体之间进行同一时间域以及同一空间域的三维空间重合比对,得到真实重合空间区域。
进一步地,通过真实重合空间区域与预测重合空间区域的空间区域大小判断信息,对风电轴承保持器的运行情况进行是否存在异常判断,得到风电轴承的运行监测信息,以完成对风电机组的运行监测。
在一个实施例中,先获取下一时间段中对应的实际圆周运动轨迹,构建有关实际圆周空间区域的第三螺旋圆柱体,即,与下一时间段风电轴承保持器运行轨迹对应的螺旋圆柱体,然后再将第三螺旋圆柱体与当前时间段下的第一螺旋圆柱体进行有关质心位置信息的空间体积比对,得到第一螺旋圆柱体以及第三螺旋圆柱体之间的真实重合空间区域,即,风电轴承保持器从当前时间段到下一时间段的实际点位圆周运动轨迹。然后将真实重合空间区域与预测重合空间区域进行同一时间域与空间域下的三维空间重合度比对,重合度越高,则代表风电轴承保持器的运行情况越符合正常的运行情况,也就是,风电轴承的运行情况越符合正常运行情况。反之,重合度越低,风电轴承保持器的运行情况越偏离正常运行情况,风电轴承的异常情况越发明显,越容易产生潜在故障情况。最后再将风电轴承的运行监测信息,通过风电机组中的服务器发送给维修人员,实现了对风电机组的实时运行监测,有利于及时发现异常运行情况下的潜在故障,让维修人员提前规划维修计划,防止风电机组故障的进一步加大,提前解决可能引发大故障的潜在异常风险。
另外,本申请实施例还提供了一种风电轴承保持器的运行监测设备,如图5所示,风电轴承保持器的运行监测设备500具体包括:
至少一个处理器501。以及,与至少一个处理器通信连接的存储器502。其中,存储器502存储有能够被至少一个处理器501执行的指令,以使至少一个处理器501能够执行:
通过预设在风电轴承保持器中的多个传感芯片,对风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息;其中,点位追踪信息包括:在任意时间段下的所有传感芯片的目标坐标数据以及对应的加速度数据;
对点位追踪信息进行点位的正交覆盖;并将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到点位的圆周运动轨迹;其中,圆周运动轨迹包括:当前圆周运动轨迹与预测圆周运动轨迹;
根据风电轴承保持器的振动加速度,获取风电轴承保持器的瞬时振动圆周轨迹;
通过瞬时振动圆周轨迹,对圆周运动轨迹中的当前圆周运动轨迹进行无规律轨迹的过滤处理,得到风电轴承保持器的理想圆周运动轨迹;
对理想圆周运动轨迹以及预测圆周运动轨迹分别生成对应的理想圆周空间区域以及对应的预测圆周空间区域;并将理想圆周空间区域与预测圆周空间区域进行空间区域的概率质心的定位比对,得到预测重合空间区域;
根据预测重合空间区域,对风电轴承保持器的运行情况进行是否存在异常判断,得到风电轴承的运行监测信息,以完成对风电机组的运行监测。
本申请的有益效果在于通过对风电主轴承中风电轴承保持器的运行轨迹监测,能够根据预测的重合空间区域与实际的重合空间区域的误差比较,来实时监测出风电轴承保持器实在存在异常的运行情况,进而预测出风电主轴以及风电机组的是否存在异常情况,有利于将可能存在的故障问题及时反馈给维修人员,第一时间到达现场,防止潜在故障的进一步发酵。有利于对风电机组的运行情况实时在线的监督与预测,减少了对风电机组的潜在故障上报的延后时间,有利于对存在异常的风电机组进行快速维修,降低了维修成本,保证了风电机组的正常发电效率。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本申请特定实施例进行了描述。在一些情况下,在说明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。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的说明书范围之内。
Claims (10)
1.一种风电轴承保持器的运行监测方法,其特征在于,所述方法包括:
通过预设在风电轴承保持器中的多个传感芯片,对所述风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息;其中,所述点位追踪信息包括:在任意时间段下的所有传感芯片的目标坐标数据以及对应的加速度数据;
对所述点位追踪信息进行点位的正交覆盖;并将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到所述点位的圆周运动轨迹;其中,所述圆周运动轨迹包括:当前圆周运动轨迹与预测圆周运动轨迹;
根据所述风电轴承保持器的振动加速度,获取所述风电轴承保持器的瞬时振动圆周轨迹;
通过所述瞬时振动圆周轨迹,对所述圆周运动轨迹中的当前圆周运动轨迹进行无规律轨迹的过滤处理,得到所述风电轴承保持器的理想圆周运动轨迹;
对所述理想圆周运动轨迹以及所述预测圆周运动轨迹分别生成对应的理想圆周空间区域以及对应的预测圆周空间区域;并将所述理想圆周空间区域与所述预测圆周空间区域进行空间区域的概率质心的定位比对,得到预测重合空间区域;
根据所述预测重合空间区域,对所述风电轴承保持器的运行情况进行是否存在异常判断,得到所述风电轴承的运行监测信息,以完成对风电机组的运行监测。
2.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,通过预设在风电轴承保持器中的多个传感芯片,对所述风电轴承保持器的运行状态进行多点位的多簇头协助追踪,得到点位追踪信息,具体包括:
通过风电机组中的信号采集装置,对所述风电轴承保持器中的多个传感芯片进行信号采集,以确定出所述风电轴承保持器是否运行;其中,所述多个传感芯片在所述风电轴承保持器中为内嵌式均匀分布且使所述风电轴承保持器符合旋转平衡;
在所述风电轴承保持器运行情况下,将运行中的第一传感芯片的信号发送节点确定为主簇头节点,以及将第二传感芯片以及第三传感芯片的信号发送节点确定为相邻簇头节点;其中,所述第二传感芯片以及第三传感芯片分别位于所述第一传感芯片的左右相邻位置;
根据预设的RSSI算法,并基于预设时间段,分别对所述主簇头节点与所述相邻簇头节点进行有关接收信号载波功率的三维空间距离计算,分别得到当前时间段内的主坐标数据与相邻坐标数据;其中,所述主坐标数据与相邻坐标数据均为三维坐标数据;
根据最小二乘算法,对当前时间段内的相邻坐标数据进行平均空间距离的最小值处理,并对最小值处理后的空间距离进行有关中值的计算,得到辅助坐标数据;
基于所述辅助坐标数据以及第一传感芯片的目标坐标数据,确定出所有传感芯片的点位追踪信息。
3.根据权利要求2所述的一种风电轴承保持器的运行监测方法,其特征在于,基于所述辅助坐标数据以及第一传感芯片的目标坐标数据,确定出所有传感芯片的点位追踪信息,具体包括:
基于当前时间段,将所述相邻簇头节点中的辅助坐标数据与所述主簇头节点中的主坐标数据进行有关坐标数据的权值融合,得到所述第一传感芯片的目标坐标数据;
根据预设WSN的网格结构,将所述第一传感芯片的信号发送节点确定为相邻簇头节点,并将所述目标坐标数据确定为相邻坐标数据;
通过对第四传感芯片的坐标数据与所述第一传感芯片的目标坐标数据进行平均空间距离的最小值处理后,并基于坐标数据的权值融合,得到所述第二传感芯片的目标坐标数据;其中,所述第四传感芯片与所述第一传感芯片均在第二传感芯片放入左右相邻位置;
以此类推,对所有传感芯片进行有关坐标数据的权值融合,分别确定出所述所有传感芯片的目标坐标数据;并获取所述多个传感芯片在所述当前时间段下所对应的加速度数据;
基于所有传感芯片的目标坐标数据以及对应的加速度数据,确定出所有传感芯片的点位追踪信息。
4.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,对所述点位追踪信息进行点位的正交覆盖,具体包括:
基于正交覆盖机制,对所述点位追踪信息中每个传感芯片对应的目标坐标数据进行当前时间段下的点位取样,得到有关目标坐标数据的多点位的位置数据;
根据所述多点位的位置数据,划分出与所述点位取样对应的抽样空间区域;
通过所述抽样空间区域,对所述多点位的位置数据进行有关信号强弱的标定,得到有关所述多点位的信号强弱序号;
根据所述信号强弱序号以及所述抽样空间区域中的点位密度,对所述多点位的位置数据进行运动趋势的判定,并根据所述信号强弱序号中信号强度最大的点位作为的基准点位,确定出基于所述当前时间段下的点位运动趋势数据;
获取所述点位追踪信中每个传感芯片对应的加速度数据;并根据所述点位运动趋势数据,将所述加速度数据与所述抽样空间区域中多点位的位置数据进行一一对应,生成基于所述点位追踪信息的所述当前圆周运动轨迹。
5.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,将正交覆盖后的点位追踪信息进行有关点位的运动矢量修正与预测,得到所述点位的圆周运动轨迹,具体包括:
获取当前时间段下正交覆盖后的点位追踪信息;
根据朗格朗日插值函数,并基于当前圆周运动轨迹中的加速度数据,对所述当前圆周运动轨迹中的目标坐标数据进行下一时间段的坐标位置矢量预测,得到预测目标坐标数据;
根据所述当前圆周运动轨迹中每个点位之间的定位距离,对所述当前圆周运动轨迹中的加速度数据进行下一时间段的加速度矢量预测,得到预测加速度数据;
对所述预测目标坐标数据进行预测点位的取样;并划分出与预测目标坐标数据对应的预测抽样空间区域;
根据所述预测抽样空间区域中预测点位的信号强弱序号以及对应的预测点位密度,对所述预测抽样空间区域中的多点位进行预测运动趋势的判定;并根据所述预测抽样空间区域中预测点位以及对应的所述预测加速度数据,生成基于下一时间段的预测圆周运动轨迹;
基于所述预测圆周运动轨迹与所述当前圆周运动轨迹,得到所述点位的圆周运动轨迹。
6.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,根据所述风电轴承保持器的振动加速度,获取所述风电轴承保持器的瞬时振动圆周轨迹,具体包括:
通过风电机组中的振动传感器,获取当前时间段下的振动加速度;
通过四元参数算法,对当前圆周运动轨迹中的运动趋势数据进行四元数的微分划分,得到有关四元微分的运行姿态矩阵;
根据所述运行姿态矩阵,将所述当前时间段下的振动加速度进行三维空间中各轴向的分量划分,得到振动矢量坐标数据;
将所述振动加速度以及所述振动矢量坐标数据进行圆周曲线的瞬态拟合,得到瞬态拟合曲线;
基于所述风电轴承保持器所在的三维空间,将所述瞬态拟合曲线进行对应位置的匹配,确定出基于所述当前时间段下的瞬时振动圆周轨迹。
7.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,通过所述瞬时振动圆周轨迹,对所述圆周运动轨迹中的当前圆周运动轨迹进行无规律轨迹的过滤处理,得到所述风电轴承保持器的理想圆周运动轨迹,具体包括:
将所述瞬时振动圆周轨迹以及所述当前圆周运动轨迹进行线性归一化处理,分别得到瞬时振动圆周曲线与当前圆周曲线;其中,所述到瞬时振动圆周曲线与当前圆周曲线均为螺旋圆周曲线;
将所述瞬时振动圆周曲线与所述当前圆周曲线进行对应坐标点的差值处理,得到多个坐标点的距离;并将所述多个坐标点的距离进行中值处理,得到振动差值距离;
根据所述振动差值距离,对所述当前圆周曲线进行曲线修正,得到修正圆周曲线;并根据所述当前圆周运动轨迹中的加速度数据,将所述修正圆周曲线进行矢量处理,确定出修正圆周运动轨迹;
通过将所述修正圆周运动轨迹,对所述当前圆周运动轨迹在预设误差范围内进行无规律轨迹的过滤筛选,得到所述风电轴承保持器的理想圆周运动轨迹。
8.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,对所述理想圆周运动轨迹以及所述预测圆周运动轨迹分别生成对应的理想圆周空间区域以及对应的预测圆周空间区域;并将所述理想圆周空间区域与所述预测圆周空间区域进行空间区域的概率质心的定位比对,得到预测重合空间区域,具体包括:
根据所述理想圆周运动轨迹以及所述预测圆周运动轨迹,分别生成与所述理想圆周空间区域对应的第一螺旋圆柱体以及与所述预测圆周空间区域对应的第二螺旋圆柱体;其中,所述第一螺旋圆柱体与所述第二螺旋圆柱体均包含多个点位位置信息;
获取所述第一螺旋圆柱体中的第一点位位置信息;
根据概率分布函数的显著度,获取与所述第一点位位置信息对应的点位分布平面区域;并通过概率密度函数,对所述点位分布平面区域进行螺旋圆柱体的质心定位,得到所述第一螺旋圆柱体的第一质心位置信息;
对所述第二螺旋圆柱体进行有关点位分布平面区域的质心定位,得到所述第二螺旋圆柱体的第二质心位置信息;
根据所述第一质心位置信息与所述第二质心位置信息,对所述第一螺旋圆柱体以及所述第二螺旋圆柱体之间进行同一时间域以及同一空间域的三维空间重合比对,确定出与所述第一螺旋圆柱体以及所述第二螺旋圆柱体相互重合的预测重合空间区域。
9.根据权利要求1所述的一种风电轴承保持器的运行监测方法,其特征在于,根据所述预测重合空间区域,对所述风电轴承保持器的运行情况进行是否存在异常判断,得到所述风电轴承的运行监测信息,具体包括:
根据与下一时间段所对应的实际圆周运动轨迹,确定出有关实际圆周空间区域的第三螺旋圆柱体;其中,所述实际圆周运动轨迹为基于所述理想圆周运动轨迹的下一时间段的点位圆周运动轨迹;
对所述第三螺旋圆柱体进行有关点位分布平面区域的质心定位,得到所述第三螺旋圆柱体的第三质心位置信息;
根据所述第三质心位置信息,对第一螺旋圆柱体以及所述第三螺旋圆柱体之间进行同一时间域以及同一空间域的三维空间重合比对,得到真实重合空间区域;
通过所述真实重合空间区域与所述预测重合空间区域的空间区域大小判断信息,对所述风电轴承保持器的运行情况进行是否存在异常判断,得到所述风电轴承的运行监测信息,以完成对风电机组的运行监测。
10.一种风电轴承保持器的运行监测设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行根据权利要求1-9任一项所述的一种风电轴承保持器的运行监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510947.6A CN116223037B (zh) | 2023-05-09 | 2023-05-09 | 一种风电轴承保持器的运行监测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510947.6A CN116223037B (zh) | 2023-05-09 | 2023-05-09 | 一种风电轴承保持器的运行监测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116223037A true CN116223037A (zh) | 2023-06-06 |
CN116223037B CN116223037B (zh) | 2023-09-19 |
Family
ID=86587662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310510947.6A Active CN116223037B (zh) | 2023-05-09 | 2023-05-09 | 一种风电轴承保持器的运行监测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116223037B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012026500A (ja) * | 2010-07-22 | 2012-02-09 | Ntn Corp | 軸受保持器の動的応力解析方法および解析システム |
CN105043737A (zh) * | 2015-07-21 | 2015-11-11 | 河南科技大学 | 一种基于误差分离技术的轴承保持架运动轨迹测量方法 |
CN105222772A (zh) * | 2015-09-17 | 2016-01-06 | 泉州装备制造研究所 | 一种基于多源信息融合的高精度运动轨迹检测系统 |
CN208810609U (zh) * | 2018-09-11 | 2019-05-03 | 中国计量大学 | 平面推力轴承保持架成品质量自动检测分选装置 |
US20190226943A1 (en) * | 2018-01-23 | 2019-07-25 | Mitsubishi Heavy Industries, Ltd. | Facility condition monitoring device and facility condition monitoring method |
CN110823540A (zh) * | 2019-10-24 | 2020-02-21 | 人本集团有限公司 | 双列球轴承保持架的自动检测装置 |
CN110907170A (zh) * | 2019-11-30 | 2020-03-24 | 华能如东八仙角海上风力发电有限责任公司 | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 |
CN211178975U (zh) * | 2019-12-26 | 2020-08-04 | 江苏铍迪埃坶节能科技有限公司 | 一种轴承运动轨迹检测装备 |
WO2021036639A1 (zh) * | 2019-08-31 | 2021-03-04 | 深圳市广宁股份有限公司 | 风电设备的智能检测方法及相关产品 |
CN112965476A (zh) * | 2021-01-22 | 2021-06-15 | 西安交通大学 | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 |
CN213516341U (zh) * | 2020-09-25 | 2021-06-22 | 华能大理风力发电有限公司 | 一种风电机组故障诊断的在线振动数据监控系统 |
CN113347561A (zh) * | 2021-05-31 | 2021-09-03 | 南京邮电大学 | 基于改进粒子群的多维标度节点定位方法 |
CN114576102A (zh) * | 2020-12-02 | 2022-06-03 | 新疆金风科技股份有限公司 | 风电机组轴承状态的预测方法、装置、设备及存储介质 |
CN114629609A (zh) * | 2020-12-11 | 2022-06-14 | 维沃移动通信有限公司 | 导频传输方法、装置、网络侧设备及存储介质 |
CN114918739A (zh) * | 2022-06-10 | 2022-08-19 | 中科航迈数控软件(深圳)有限公司 | 一种机床主轴故障检测方法、装置、终端及存储介质 |
CN115114965A (zh) * | 2022-08-29 | 2022-09-27 | 中国长江三峡集团有限公司 | 风电机组齿轮箱故障诊断模型、方法、设备及存储介质 |
CN115493843A (zh) * | 2022-11-18 | 2022-12-20 | 聊城市义和轴承配件有限公司 | 一种基于轴承保持器的质量监测方法及设备 |
CN115728057A (zh) * | 2022-11-03 | 2023-03-03 | 华能国际电力股份有限公司安徽风电分公司 | 一种风力发电机组齿轮箱振动监测与故障诊断方法 |
CN116070154A (zh) * | 2023-03-29 | 2023-05-05 | 山东金帝精密机械科技股份有限公司 | 一种大型轴承保持器的故障检测方法、设备及介质 |
-
2023
- 2023-05-09 CN CN202310510947.6A patent/CN116223037B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012026500A (ja) * | 2010-07-22 | 2012-02-09 | Ntn Corp | 軸受保持器の動的応力解析方法および解析システム |
CN105043737A (zh) * | 2015-07-21 | 2015-11-11 | 河南科技大学 | 一种基于误差分离技术的轴承保持架运动轨迹测量方法 |
CN105222772A (zh) * | 2015-09-17 | 2016-01-06 | 泉州装备制造研究所 | 一种基于多源信息融合的高精度运动轨迹检测系统 |
US20190226943A1 (en) * | 2018-01-23 | 2019-07-25 | Mitsubishi Heavy Industries, Ltd. | Facility condition monitoring device and facility condition monitoring method |
CN208810609U (zh) * | 2018-09-11 | 2019-05-03 | 中国计量大学 | 平面推力轴承保持架成品质量自动检测分选装置 |
WO2021036639A1 (zh) * | 2019-08-31 | 2021-03-04 | 深圳市广宁股份有限公司 | 风电设备的智能检测方法及相关产品 |
CN110823540A (zh) * | 2019-10-24 | 2020-02-21 | 人本集团有限公司 | 双列球轴承保持架的自动检测装置 |
CN110907170A (zh) * | 2019-11-30 | 2020-03-24 | 华能如东八仙角海上风力发电有限责任公司 | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 |
CN211178975U (zh) * | 2019-12-26 | 2020-08-04 | 江苏铍迪埃坶节能科技有限公司 | 一种轴承运动轨迹检测装备 |
CN213516341U (zh) * | 2020-09-25 | 2021-06-22 | 华能大理风力发电有限公司 | 一种风电机组故障诊断的在线振动数据监控系统 |
CN114576102A (zh) * | 2020-12-02 | 2022-06-03 | 新疆金风科技股份有限公司 | 风电机组轴承状态的预测方法、装置、设备及存储介质 |
CN114629609A (zh) * | 2020-12-11 | 2022-06-14 | 维沃移动通信有限公司 | 导频传输方法、装置、网络侧设备及存储介质 |
CN112965476A (zh) * | 2021-01-22 | 2021-06-15 | 西安交通大学 | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 |
CN113347561A (zh) * | 2021-05-31 | 2021-09-03 | 南京邮电大学 | 基于改进粒子群的多维标度节点定位方法 |
CN114918739A (zh) * | 2022-06-10 | 2022-08-19 | 中科航迈数控软件(深圳)有限公司 | 一种机床主轴故障检测方法、装置、终端及存储介质 |
CN115114965A (zh) * | 2022-08-29 | 2022-09-27 | 中国长江三峡集团有限公司 | 风电机组齿轮箱故障诊断模型、方法、设备及存储介质 |
CN115728057A (zh) * | 2022-11-03 | 2023-03-03 | 华能国际电力股份有限公司安徽风电分公司 | 一种风力发电机组齿轮箱振动监测与故障诊断方法 |
CN115493843A (zh) * | 2022-11-18 | 2022-12-20 | 聊城市义和轴承配件有限公司 | 一种基于轴承保持器的质量监测方法及设备 |
CN116070154A (zh) * | 2023-03-29 | 2023-05-05 | 山东金帝精密机械科技股份有限公司 | 一种大型轴承保持器的故障检测方法、设备及介质 |
Non-Patent Citations (4)
Title |
---|
刘方正 等: "基于Romax的双列调心滚子轴承接触特性分析", 现代制造技术与装备 * |
杜刚;张善文;邱力军;: "基于运动轨迹捕捉与正交覆盖的WSN节点定位算法", 计算机工程 * |
涂文兵 等: "变工况下滚动轴承保持架碰撞接触动力学特性分析", 振动与冲击 * |
马兴建 等: "基于杂草种群扩散思想的三维空间定位算法研究", 信息化研究 * |
Also Published As
Publication number | Publication date |
---|---|
CN116223037B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102455338B1 (ko) | 결함 검출 방법 및 장치, 모델 훈련 방법 및 장치, 및 디바이스 및 저장 매체 | |
CN105891546B (zh) | 基于大数据的风电机组偏航系统中风向标故障诊断的方法 | |
CN107133632A (zh) | 一种风电设备故障诊断方法及系统 | |
CN105547730A (zh) | 水轮发电机组故障检测系统 | |
CN102081979A (zh) | 堆芯中子注量率数据采集和处理系统 | |
CN113339205A (zh) | 一种风力发电机组叶片运行轨迹监测方法及系统 | |
CN116223037B (zh) | 一种风电轴承保持器的运行监测方法及设备 | |
CN106767501A (zh) | 一种测量大型圆柱体圆度的方法 | |
CN108843497B (zh) | 风力发电机组的偏航控制方法和设备 | |
CN105004306B (zh) | 基于沟道轴向综合位置变差的轮毂轴承轴向游隙计算方法 | |
CN113297728A (zh) | 一种基于风场风速关联的单风机虚拟风速计算方法及系统 | |
CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
CN115693666B (zh) | 基于卫星反演的海上风电场发电量确定方法及系统 | |
CN111894814A (zh) | 一种用于发电系统的故障处理系统及方法 | |
CN110969214A (zh) | 一种基于支持向量机综合模型的暂态安全域在线构建方法 | |
CN116017683A (zh) | 一种基于预设高度的BLE蓝牙AoA定位方法及系统 | |
Lu et al. | Event-triggered federated learning for fault diagnosis of offshore wind turbines with decentralized data | |
CN110094299B (zh) | 风电机组的偏航对风自矫正方法和设备 | |
CN111797545B (zh) | 一种基于实测数据的风电机组偏航折减系数计算方法 | |
Cui et al. | A Novel Robust Dual Unscented Particle Filter Method for Remaining Useful Life Prediction of Rolling Bearings | |
CN115498695A (zh) | 一种含光伏发电的主动配电网分布式状态估计方法 | |
CN110375684A (zh) | 一种水轮机转子不圆度测量方法 | |
CN113596988A (zh) | 一种基于5g及北斗的电网巡检机器人定位方法 | |
CN113757052B (zh) | 风力发电机运行状态的检测方法及系统 | |
Wang et al. | Multi-Rate Data Fusion for Wireless Sensor Networks with Time-Delay Based on Improved Cubature Kalman Filter |
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 |