CN116296343A - 一种风电叶片连接件的故障诊断方法、系统及存储介质 - Google Patents

一种风电叶片连接件的故障诊断方法、系统及存储介质 Download PDF

Info

Publication number
CN116296343A
CN116296343A CN202310472969.8A CN202310472969A CN116296343A CN 116296343 A CN116296343 A CN 116296343A CN 202310472969 A CN202310472969 A CN 202310472969A CN 116296343 A CN116296343 A CN 116296343A
Authority
CN
China
Prior art keywords
difference value
stress
data
load stress
wind power
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
Application number
CN202310472969.8A
Other languages
English (en)
Inventor
梁鹏程
严煜坤
高康
王岩
雷志敏
陈娜娜
冯学斌
姚运帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuzhou Times New Material Technology Co Ltd
Original Assignee
Zhuzhou Times New Material Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuzhou Times New Material Technology Co Ltd filed Critical Zhuzhou Times New Material Technology Co Ltd
Priority to CN202310472969.8A priority Critical patent/CN116296343A/zh
Publication of CN116296343A publication Critical patent/CN116296343A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0075—Strain-stress relations or elastic constants
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/067—Parameter measured for estimating the property
    • G01N2203/0676—Force, weight, load, energy, speed or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/067—Parameter measured for estimating the property
    • G01N2203/0682—Spatial dimension, e.g. length, area, angle
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种风电叶片连接件的故障诊断方法、系统及存储介质，该方法包括如下步骤：通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据；获取所述风力发电机中风力涡轮机的运行数据；基于所述运行数据确定应力数据筛选条件；根据所述应力数据筛选条件从所述轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据；基于所述目标轴向应力数据分别计算各个所述时间段内所述风电叶片连接件的应力数据差异值；根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型。本发明具有可以及时、准确地诊断风电叶片连接件故障的效果。

Description

一种风电叶片连接件的故障诊断方法、系统及存储介质
技术领域
本发明属于风力发电机技术领域，具体是涉及到一种风电叶片连接件的故障诊断方法、系统及存储介质。
背景技术
风力发电是大规模利用可再生新能源的重要途径，随着全球风电产业的迅猛发展，风力发电机的装机规模和单机容量也在不断扩大。风力发电机中的风电叶片是捕获风能的核心部件，风电叶片通过风电叶片连接件与风力发电机轮毂连接，在风力发电机的运行过程中，连接件起到至关重要的作用，假如机组正常运行过程中出现连接件断裂的情况时，会伴随着机组异响或者连接件断裂部分砸毁变桨控制柜，导致变桨系统出现相关通讯故障，机组才会识别到变桨通讯故障并停机。如果不及时对故障连接件进行维护和更换，会出现机组叶片毁坏或断裂的情况，很容易导致风力发电机失效或损毁。
风力发电机运行过程中风电叶片连接件的受力情况复杂多变，因此，在复杂工况下针对风电叶片连接件的实时监测和故障诊断具有非常重大的现实意义。目前，对于风力发电机组叶片与轮毂连接处的连接件的故障诊断通常采用人工定期排查的方式，技术人员每半年定期巡检一次，并用肉眼观察连接件是否出现断裂或毁坏的情况。然而人工定期排查的方式不仅需要耗费人力，而且只能通过肉眼观察连接件的情况，若连接件表面未出现任何问题，但内部出现裂痕，则很难诊断出故障，导致诊断结果不准确。
发明内容
本发明提供一种风电叶片连接件的故障诊断方法、系统及存储介质，以解决人工诊断风电叶片连接件时诊断结果不准确的问题。
第一方面，本发明提供一种风电叶片连接件的故障诊断方法，该方法包括如下步骤：
通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据；
获取所述风力发电机中风力涡轮机的运行数据；
基于所述运行数据确定应力数据筛选条件；
根据所述应力数据筛选条件从所述轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据；
基于所述目标轴向应力数据分别计算各个所述时间段内所述风电叶片连接件的应力数据差异值；
根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型。
可选的，所述运行数据包括切向风速、变桨角度、旋转频率和旋转周期。
可选的，所述基于所述运行数据确定应力数据筛选条件包括如下步骤：
根据所述旋转周期确定筛选时间段的最小时间段长度，所述最小时间段长度大于等于所述旋转周期；
结合所述筛选时间段内所述切向风速的风速平均值和所述变桨角度确定工况筛选条件，所述工况筛选条件为所有所述筛选时间段内所述风速平均值和所述变桨角度均相同；
基于所述旋转频率计算得到数据筛选频率；
结合所述最小时间段长度、所述工况筛选条件和所述数据筛选频率确定应力数据筛选条件。
可选的，所述应力数据差异值包括静载应力差异值、动载应力平均差异值、动载应力幅值差异值和动载应力频率差异值。
可选的，所述风电叶片连接件包括紧固连接件、轮毂连接件和叶片连接件，所述根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型包括如下步骤：
判断所述静载应力差异值是否变化；
若所述静载应力差异值不变，则判断所述动载应力频率差异值是否变化；
若所述动载应力频率差异值不变，则判断所述动载应力平均差异值和所述动载应力幅值差异值是否均与所述静载应力差异值相同；
若所述动载应力平均差异值和所述动载应力幅值差异值均与所述静载应力差异值相同，则判定所述风电叶片连接件的故障类型为所述叶片连接件损坏。
可选的，所述方法还包括如下步骤：
若所述静载应力差异值发生变化，则判断所述静载应力差异值是否减小；
若所述静载应力差异值减小，则判断所述静载应力差异值是否为0；
若所述静载应力差异值不为0，则判断所述动载应力平均差异值和所述动载应力幅值差异值是否均减小；
若所述动载应力平均差异值和所述动载应力幅值差异值均减小，则判断所述动载应力频率差异值是否变化；
若所述动载应力差异值不变，则判定所述故障类型为所述叶片连接件损坏或所述紧固连接件损坏。
可选的，所述方法还包括如下步骤：
若所述静载应力差异值为0，则判断所述动载应力平均差异值、所述动载应力幅值差异值和所述动载应力频率差异值是否均为0；
若所述动载应力平均差异值、所述动载应力幅值差异值和所述动载应力频率差异值均为0，则判定所述故障类型为所述轮毂连接件损坏。
可选的，所述传感器为超声波传感器、电阻式应变传感器或光纤光栅式应变传感器。
第二方面，本发明还提供一种风电叶片连接件的故障诊断系统，所述系统包括：
应力数据获取模块，用于通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据；
运行数据获取模块，用于获取所述风力发电机中风力涡轮机的运行数据；
条件生成模块，用于根据所述运行数据确定应力数据筛选条件；
数据筛选模块，用于根据所述应力数据筛选条件从所述轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据；
差异值计算模块，用于根据所述目标轴向应力数据分别计算各个所述时间段内所述风电叶片连接件的应力数据差异值；
故障诊断模块，用于根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型。
第三方面，本发明还提供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第一方面中所述方法的步骤。
本发明的有益效果是：
先通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据，再通过获取所述风力发电机中风力涡轮机的运行数据，并基于所述运行数据确定应力数据筛选条件。利用应力数据筛选条件可以从轴向应力数据中筛选出不同时间段但运行工况相同的目标轴向应力数据。从而根据不同时间段内的目标轴向应力数据计算出应力数据差异值，最后根据应力数据差异值的变化特征分析诊断出风电叶片连接件的故障类型。相较于人工故障诊断的方式，不仅能节省人力，且效率更高、准确性也更高。
附图说明
图1为本申请其中一种实施方式中风电叶片连接件的故障诊断方法的流程示意图。
图2为本申请其中一种实施方式中风电叶片连接件的截面示意图。
图3为本申请其中一种实施方式中风电叶片连接件的故障诊断系统的系统结构图。
附图标记说明：
1、传感器；2、紧固连接件；3、轮毂连接件；4、叶片连接件；5、叶片结构件；6、轮毂结构件。
具体实施方式
本发明公开一种风电叶片连接件的故障诊断方法。
参照图1，风电叶片连接件的故障诊断方法具体包括如下步骤：
S101.通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据。
其中，通过声发射、应变片、光传导等形式的应力测量传感器，实时测量风力发电机中风电叶片连接件的轴向应力数据，将时间连续的轴向应力数据变化作为连接件故障判断的依据。其中，声发射形式对应的传感器为超声波传感器，应变片形式对应的传感器通常为电阻式应变传感器，光传导形式对应的传感器通常为光纤光栅式应变传感器，传感器采集到风电叶片连接件的应变数据，再根据连接件的标定测试转化得到连接件所受轴向应力的轴向应力数据。
S102.获取风力发电机中风力涡轮机的运行数据。
其中，风力发电机的所有运行数据存储于控制中心的存储模块中，可以从存储模块中调用运行数据。运行数据包括切向风速、变桨角度、旋转频率和旋转周期。切向风速是指风力涡轮机前方风的流速，即风通过风力涡轮机前缘时的风速。风力涡轮机的发电能力与切向风速有很大的关系，因此在风力涡轮机的选址和设计中，切向风速是一个非常重要的参数。
风力涡轮机的变桨角度是指风力涡轮机叶片相对于其轴线的旋转角度，用于调节叶片的进出风角度，以控制叶片捕捉风力的大小。当风力涡轮机叶片的变桨角度增大时，叶片面对风的面积变大，从而提高了风能转换效率；反之，当变桨角度减小时，叶片面对风的面积变小，从而减小了风能转换效率，同时可以减小风力涡轮机的旋转速度，保护风力涡轮机的安全。
风力涡轮机的旋转频率是指每秒钟旋转的圈数，单位是Hz(赫兹)，也可以用RPM(每分钟转数)来表示。旋转频率越高，风力涡轮机的发电能力就越大。旋转周期是指风力涡轮机完成一次旋转所需要的时间，通常用秒(s)来表示。旋转周期与旋转频率的关系为：旋转周期＝1/旋转频率。例如，如果风力涡轮机的旋转频率为1Hz，那么它的旋转周期就是1秒。旋转周期越短，风力涡轮机的发电效率就越高。
S103.基于运行数据确定应力数据筛选条件。
其中，由于传感器可以对风电叶片连接件进行持续测量，并得到时间连续的轴向应力数据，再经过软件处理后可实时存储。若采用全部数据进行故障分析会大大降低故障分析的效率，而且分析结果还容易受到无关数据的干扰，进而导致故障诊断准确率降低。因此，为了提升故障诊断的分析效率和故障诊断的准确性，需要从大量轴向应力数据中选取合适的数据进行分析。轴向应力数据的应力数据筛选条件则可以根据风力涡轮机的运行数据进行确定。
S104.根据应力数据筛选条件从轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据。
其中，为保障故障诊断的准确性和可靠性，根据应力数据筛选条件可以筛选出处于不同时间段但工况条件相同的目标轴向应力数据，从而可以根据不同时间段的目标轴向应力数据分析风电叶片连接件的受力变化，给风电叶片连接件的故障诊断提供依据。
S105.基于目标轴向应力数据分别计算各个时间段内风电叶片连接件的应力数据差异值。
其中，应力数据差异值包括静载应力差异值、动载应力平均差异值、动载应力幅值差异值和动载应力频率差异值。静载应力差异值为风电叶片静止状态时不同时间段应力值之差的绝对值。动载应力平均差异值为风电叶片运动状态时不同时间段应力平均值之差的绝对值。动载应力幅值差异值为风电叶片运动状态时一个时间段内应力值最大值与最小值之差的绝对值。动载应力频率差异值为风电叶片运动状态时不同时间段应力波动周期值之差的绝对值，应力波动是由叶片旋转产生的，与叶片旋转周期同周期。
S106.根据应力数据差异值在所有时间段内的变化特征，分析得到风电叶片连接件的故障类型。
本实施方式的实施原理为：
通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据，再通过获取所述风力发电机中风力涡轮机的运行数据，并基于所述运行数据确定应力数据筛选条件。利用应力数据筛选条件可以从轴向应力数据中筛选出不同时间段但运行工况相同的目标轴向应力数据。从而根据不同时间段内的目标轴向应力数据计算出应力数据差异值，最后根据应力数据差异值的变化特征分析诊断出风电叶片连接件的故障类型。相较于人工故障诊断的方式，不仅能节省人力，且效率更高、准确性也更高。
在其中一种实施方式中，步骤S103即基于运行数据确定应力数据筛选条件具体包括如下步骤：
根据旋转周期确定筛选时间段的最小时间段长度，最小时间段长度大于等于旋转周期；
结合筛选时间段内切向风速的风速平均值和变桨角度确定工况筛选条件，工况筛选条件为所有筛选时间段内风速平均值和变桨角度均相同；
基于旋转频率计算得到数据筛选频率；
结合最小时间段长度、工况筛选条件和数据筛选频率确定应力数据筛选条件。
在本实施方式中，风电叶片连接件的应力变化周期与叶片旋转一周的周期相同，而叶片旋转一周的周期又与风力涡轮机的旋转周期相同，因此，为了数据筛选过程中的数据全面性，进行数据筛选时的筛选时间段的最小时间段长度应大于等于旋转周期。筛选多个不同时间段的轴向应力数据的意义在于进行多时段的数据对比，以根据对比结果诊断故障。因此需要确保不同时间段的背景条件是相通的，即需要满足工况筛选条件。数据筛选频率可以通过F＝f/6计算得到，式中F为数据筛选频率，f为旋转频率，此时的数据筛选频率为最小值，数据筛选频率还可以为其他值，但必须满足F≥f/6。
在其中一种实施方式中，参照图2，风电叶片连接件包括紧固连接件、轮毂连接件和叶片连接件。叶片连接件嵌合于叶片结构件内部，紧固连接件穿过轮毂结构件与叶片连接件螺纹连接，使得轮毂结构件和叶片结构件紧密连接，轮毂连接件起到加固作用。
在本实施方式中，步骤S106即根据应力数据差异值在所有时间段内的变化特征，分析得到风电叶片连接件的故障类型具体包括如下步骤：
判断静载应力差异值是否变化；
若静载应力差异值不变，则判断动载应力频率差异值是否变化；
若动载应力频率差异值不变，则判断动载应力平均差异值和动载应力幅值差异值是否均与静载应力差异值相同；
若动载应力平均差异值和动载应力幅值差异值均与静载应力差异值相同，则判定风电叶片连接件的故障类型为叶片连接件损坏。
在本实施方式中，经过上述故障判断条件可以得出结论，静载应力差异值和动载应力频率差异值在多个同工况的不同时段内均未发生变化，且动载应力平均差异值和动载应力幅值差异值均与静载应力差异值相同，则可以判定风电叶片连接件出现故障，故障类型为叶片连接件损坏，具体损坏情况为叶片连接件与叶片结构件之间发生脱离。在本实施方式中，若判断静载应力差异值是否变化的判断结果为静载应力差异值发生变化，则继续执行如下步骤：
判断静载应力差异值是否减小；
若静载应力差异值减小，则判断静载应力差异值是否为0；
若静载应力差异值不为0，则判断动载应力平均差异值和动载应力幅值差异值是否均减小；
若动载应力平均差异值和动载应力幅值差异值均减小，则判断动载应力频率差异值是否变化；
若动载应力差异值不变，则判定故障类型为叶片连接件损坏或紧固连接件损坏。
在本实施方式中，经过上述故障判断条件可以得出结论，静载应力差异值在多个同工况的不同时段内呈现减小的变化，但并未减小为0。动载应力平均差异值和动载应力幅值差异值也都在多个同工况的不同时段内呈现减小的变化，而动载应力频率差异值保持不变，则可以判定风电叶片连接件出现故障，故障类型为叶片连接件损坏或紧固连接件损坏。若为叶片连接件损坏，则具体损坏情况为叶片连接件垂直于轴向的方向发生开裂。若为紧固连接件损坏，则具体损坏情况为紧固连接件与叶片连接件的连接部分出现断裂，和/或紧固连接件与轮毂连接件的连接部分出现断裂。在本实施方式中，若判断静载应力差异值是否为0的判断结果为静载应力差异值为0，则继续执行如下步骤：
判断动载应力平均差异值、动载应力幅值差异值和动载应力频率差异值是否均为0；
若动载应力平均差异值、动载应力幅值差异值和动载应力频率差异值均为0，则判定故障类型为轮毂连接件损坏。
在本实施方式中，经过上述故障判断条件可以得出结论，静载应力差异值、动载应力平均差异值、动载应力幅值差异值和动载应力频率差异值均为0，则可以判定风电叶片连接件出现故障，故障类型为轮毂连接件损坏，具体损坏情况为轮毂连接件轴向断裂。
本发明还公开一种风电叶片连接件的故障诊断系统，系统包括：
应力数据获取模块，用于通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据；
运行数据获取模块，用于获取风力发电机中风力涡轮机的运行数据；
条件生成模块，用于根据运行数据确定应力数据筛选条件；
数据筛选模块，用于根据应力数据筛选条件从轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据；
差异值计算模块，用于根据目标轴向应力数据分别计算各个时间段内风电叶片连接件的应力数据差异值；
故障诊断模块，用于根据应力数据差异值在所有时间段内的变化特征，分析得到风电叶片连接件的故障类型。
本实施方式的实施原理为：
通过程序的调取，可以先通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据，再通过获取风力发电机中风力涡轮机的运行数据，并基于运行数据确定应力数据筛选条件。利用应力数据筛选条件可以从轴向应力数据中筛选出不同时间段但运行工况相同的目标轴向应力数据。从而根据不同时间段内的目标轴向应力数据计算出应力数据差异值，最后根据应力数据差异值的变化特征分析诊断出风电叶片连接件的故障类型。相较于人工故障诊断的方式，不仅能节省人力，且效率更高、准确性也更高。
本发明还公开一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施方式中风电叶片连接件的故障诊断方法的步骤。
本实施方式的实施原理为：
通过程序的调取，可以先通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据，再通过获取风力发电机中风力涡轮机的运行数据，并基于运行数据确定应力数据筛选条件。利用应力数据筛选条件可以从轴向应力数据中筛选出不同时间段但运行工况相同的目标轴向应力数据。从而根据不同时间段内的目标轴向应力数据计算出应力数据差异值，最后根据应力数据差异值的变化特征分析诊断出风电叶片连接件的故障类型。相较于人工故障诊断的方式，不仅能节省人力，且效率更高、准确性也更高。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的保护范围限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上的本申请中一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本申请中一个或多个实施例旨在涵盖落入本申请的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请中一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种风电叶片连接件的故障诊断方法，其特征在于，包括如下步骤：
通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据；
获取所述风力发电机中风力涡轮机的运行数据；
基于所述运行数据确定应力数据筛选条件；
根据所述应力数据筛选条件从所述轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据；
基于所述目标轴向应力数据分别计算各个所述时间段内所述风电叶片连接件的应力数据差异值；
根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型。
2.根据权利要求1所述的风电叶片连接件的故障诊断方法，其特征在于，所述运行数据包括切向风速、变桨角度、旋转频率和旋转周期。
3.根据权利要求2所述的风电叶片连接件的故障诊断方法，其特征在于，所述基于所述运行数据确定应力数据筛选条件包括如下步骤：
根据所述旋转周期确定筛选时间段的最小时间段长度，所述最小时间段长度大于等于所述旋转周期；
结合所述筛选时间段内所述切向风速的风速平均值和所述变桨角度确定工况筛选条件，所述工况筛选条件为所有所述筛选时间段内所述风速平均值和所述变桨角度均相同；
基于所述旋转频率计算得到数据筛选频率；
结合所述最小时间段长度、所述工况筛选条件和所述数据筛选频率确定应力数据筛选条件。
4.根据权利要求1所述的风电叶片连接件的故障诊断方法，其特征在于，所述应力数据差异值包括静载应力差异值、动载应力平均差异值、动载应力幅值差异值和动载应力频率差异值。
5.根据权利要求4所述的风电叶片连接件的故障诊断方法，其特征在于，所述风电叶片连接件包括紧固连接件、轮毂连接件和叶片连接件，所述根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型包括如下步骤：
判断所述静载应力差异值是否变化；
若所述静载应力差异值不变，则判断所述动载应力频率差异值是否变化；
若所述动载应力频率差异值不变，则判断所述动载应力平均差异值和所述动载应力幅值差异值是否均与所述静载应力差异值相同；
若所述动载应力平均差异值和所述动载应力幅值差异值均与所述静载应力差异值相同，则判定所述风电叶片连接件的故障类型为所述叶片连接件损坏。
6.根据权利要求5所述的风电叶片连接件的故障诊断方法，其特征在于，所述方法还包括如下步骤：
若所述静载应力差异值发生变化，则判断所述静载应力差异值是否减小；
若所述静载应力差异值减小，则判断所述静载应力差异值是否为0；
若所述静载应力差异值不为0，则判断所述动载应力平均差异值和所述动载应力幅值差异值是否均减小；
若所述动载应力平均差异值和所述动载应力幅值差异值均减小，则判断所述动载应力频率差异值是否变化；
若所述动载应力差异值不变，则判定所述故障类型为所述叶片连接件损坏或所述紧固连接件损坏。
7.根据权利要求6所述的风电叶片连接件的故障诊断方法，其特征在于，所述方法还包括如下步骤：
若所述静载应力差异值为0，则判断所述动载应力平均差异值、所述动载应力幅值差异值和所述动载应力频率差异值是否均为0；
若所述动载应力平均差异值、所述动载应力幅值差异值和所述动载应力频率差异值均为0，则判定所述故障类型为所述轮毂连接件损坏。
8.根据权利要求1所述的风电叶片连接件的故障诊断方法，其特征在于，所述传感器为超声波传感器、电阻式应变传感器或光纤光栅式应变传感器。
9.一种风电叶片连接件的故障诊断系统，其特征在于，所述系统包括：
应力数据获取模块，用于通过传感器测量得到风力发电机中风电叶片连接件的轴向应力数据；
运行数据获取模块，用于获取所述风力发电机中风力涡轮机的运行数据；
条件生成模块，用于根据所述运行数据确定应力数据筛选条件；
数据筛选模块，用于根据所述应力数据筛选条件从所述轴向应力数据中筛选出至少两个不同时间段的目标轴向应力数据；
差异值计算模块，用于根据所述目标轴向应力数据分别计算各个所述时间段内所述风电叶片连接件的应力数据差异值；
故障诊断模块，用于根据所述应力数据差异值在所有所述时间段内的变化特征，分析得到所述风电叶片连接件的故障类型。
10.一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8中任一项所述的方法的步骤。
CN202310472969.8A 2023-04-27 2023-04-27 一种风电叶片连接件的故障诊断方法、系统及存储介质 Pending CN116296343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310472969.8A CN116296343A (zh) 2023-04-27 2023-04-27 一种风电叶片连接件的故障诊断方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310472969.8A CN116296343A (zh) 2023-04-27 2023-04-27 一种风电叶片连接件的故障诊断方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN116296343A true CN116296343A (zh) 2023-06-23

Family

ID=86788930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310472969.8A Pending CN116296343A (zh) 2023-04-27 2023-04-27 一种风电叶片连接件的故障诊断方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN116296343A (zh)

Similar Documents

Publication Publication Date Title
US9404791B2 (en) Lateral, angular and torsional vibration monitoring of rotordynamic systems
US10495693B2 (en) Wind turbine fault detection using acoustic, vibration, and electrical signals
US7895018B2 (en) Event monitoring via combination of signals
CN102507205B (zh) 一种检测航空发动机风扇叶片颤振故障的方法
US9557210B2 (en) Method for non-intrusive on-line detection of turbine blade condition
CN101592590B (zh) 一种转动叶片故障间接诊断技术
JP5113874B2 (ja) 構造的完全性監視システム
US20100004878A1 (en) Wind turbine monitoring
JP2824523B2 (ja) 振動部材の疲れ測定方法および装置
US7318007B2 (en) Real time gear box health management system and method of using the same
JP6628609B2 (ja) 風力発電設備の異常診断装置
CN111946559A (zh) 一种风机基础和塔架结构检测方法
KR101358397B1 (ko) 가속도 센서 및 출력 전력에 기반하는 풍력 발전기의 고장진단장치 및 고장 진단 방법
CN115539139A (zh) 一种汽轮机安全性的监测方法
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
Krause et al. Asynchronous response analysis of non-contact vibration measurements on compressor rotor blades
CN105332862B (zh) 用于检测风力发电机组工作状态的方法、装置和系统
CN113933393A (zh) 一种基于电磁超声与3d相控阵的螺栓监测系统及方法
CN212254562U (zh) 汽轮机动叶片振动监测系统
CN111174903B (zh) 一种透平机械故障的诊断方法
Wu et al. A hybrid fault diagnosis approach for blade crack detection using blade tip timing
JP2572530B2 (ja) 振動スペクトルモニタリング装置、並びにヘルスモニタリング方法及び装置
CN116296343A (zh) 一种风电叶片连接件的故障诊断方法、系统及存储介质
CN113504302B (zh) 风机叶片状态监测的方法、系统、电子设备及存储介质

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