CN116892489A - 一种基于声发射及振动的风机传动链状态监测方法及系统 - Google Patents
一种基于声发射及振动的风机传动链状态监测方法及系统 Download PDFInfo
- Publication number
- CN116892489A CN116892489A CN202310589242.8A CN202310589242A CN116892489A CN 116892489 A CN116892489 A CN 116892489A CN 202310589242 A CN202310589242 A CN 202310589242A CN 116892489 A CN116892489 A CN 116892489A
- Authority
- CN
- China
- Prior art keywords
- data
- acoustic emission
- monitoring
- vibration
- state
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 138
- 230000005540 biological transmission Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 8
- 108010014172 Factor V Proteins 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 42
- 238000012423 maintenance Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 10
- 230000036541 health Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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)
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于声发射及振动的风机传动链状态监测方法,包括:根据风机运行状态选择只采集声发射数据或者同时采集声发射数据和振动数据作为监测数据;分频段计算监测数据的特征指标,发送并保存原始波形数据和每个特征指标;在每个频段内根据监测数据的特征指标计算其历史趋势指标;综合监测数据的特征指标和历史趋势指标作为监测指标,根据监测指标阈值判断传动链状态;还公开了一种应用该方法的风机传动链状态监测系统。本发明基于声发射及振动的状态监测方法,能弥补单一振动信号在低转速及轴承早期高频故障信号诊断预警方面的劣势,能够有效监测早期缺陷故障产生的高频段信号,提升状态预警的准确度,以便于及时准确地发现故障问题。
Description
技术领域
本发明涉及风电监测技术领域,尤其是涉及一种基于声发射及振动的风机传动链状态监测方法及系统。
背景技术
风力发电机组二十年的寿命周期内,机组的稳定可靠运行是风电场经济效益最直接的保证。在故障停机后被动地进行非计划的维修更换,不仅提高维修更换所需的成本,还造成了发电量的损失。此外,完好设备的重复检修也会增加运维成本,严重的还会造成过度维护,影响设备的使用寿命。根据业内调查统计显示,风电机组发电机、齿轮箱、主轴承等传动链故障导致机组停机的时间最长,且从维修成本上来看,这些传动链部件的维修和更换成本高昂,占风机发电成本的比例较高。因此,研究发展风力发电机组传动链设备的状态监测技术,对传动链设备进行故障预警,是风电行业降本增效的关键课题。目前传动链状态监测系统主要是通过在风电机组相关位置安装振动传感器,获取机组传动链上设备的振动信号,再通过专用的数据采集分析获得风电机组各主要设备的运行状况,对风电机组可能发生的故障进行预警判断,但是振动监测方法对低转速设备以及非全周期场合下作用有限,且振动传感器的频率检测范围一般在2000Hz以下的低频段,容易遗漏早期故障缺陷的高频段信号,因此其故障预警准确度低。
在中国专利文献上公开的“一种无转速测量的风机传动链故障检测方法及装置”,其公开号为CN114624023A,公开日期为2022-06-14,包括如下步骤:获取已等时离散的振动信号;通过对振动信号的处理提取瞬时轴速度,对瞬时轴速度进行时域积分获得轴的瞬时相位;基于轴的瞬时相位生成转速计;基于转速计信息,进行等相位角同步离散;基于轴等相位角离散信号进行同步分析,获取风机传动链的部件损伤特征。当轴速实时信号缺失时,从振动信号中提取风机传动链高速轴的瞬时轴速度,并对振动信号进行同步重采集和同步分析,提高了风机传动链中故障检测的精准度。但是该技术仍然只是基于单一的振动信号的状态监测,无法克服振动监测对低转速设备以及非全周期场合下作用有限,且监测频率范围受到限制的问题,使得状态预警的准确度低。
发明内容
本发明是为了克服现有技术中只通过振动信号对风机传动链进行状态监测时,因为振动监测对低转速设备以及非全周期场合下作用有限,且监测频率范围受到限制,导致状态预警的准确度低的问题,提供了一种基于声发射及振动的风机传动链状态监测方法及系统,通过声发射的检测,将材料内产生形变或断裂释放出的弹性波转变为电信号,结合振动信号一起进行风机传动链的状态监测,从而克服单一振动信号不能有效检测低转速设备且检测频率受限的问题,能够有效监测早期缺陷故障产生的高频段信号,提升状态预警的准确度,以便于及时准确地发现故障问题。
为了实现上述目的,本发明采用以下技术方案:
一种基于声发射及振动的风机传动链状态监测方法,包括:
根据风机运行状态选择只采集声发射数据或者同时采集声发射数据和振动数据作为监测数据;
分频段计算监测数据的特征指标,发送并保存原始波形数据和每个特征指标;
在每个频段内根据监测数据的特征指标计算其历史趋势指标;
综合监测数据的特征指标和历史趋势指标作为监测指标,根据监测指标阈值判断传动链状态。
本发明中声发射数据的采集与振动数据的采集类似,是一种需要与被测物体接触的采集方法,声发射检测就是利用耦合在试样或结构表面上的声发射传感器,当材料或结构内产生变形或断裂时内部会释放出弹性波,将材料内的声发射源产生的弹性波转变为电信号,从而推知材料内部的缺陷状态及严重程度,相比于振动检测未能对主轴承等低速旋转设备进行有效地监测以及振动传感器的频率检测范围一般在2000Hz以下的低频段,从而不能有效的检测到传动链设备的早期故障的问题,声发射检测可以对振动检测的缺点进行弥补,从而能够增加状态监测数据的获取来源,提高状态预警的准确度,以便于及时准确地发现故障问题。
作为优选,所述风机运行状态包括小风待机状态和正常发电状态,在小风待机状态时只采集声发射数据;
在正常发电状态时,当高速转轴转速低于转速阈值时只采集声发射数据,当高速转轴转速大于或等于转速阈值时同时采集声发射数据和振动数据。
本发明中通过实时获取风机的运行状态数据来判断风机是处于正常发电状态还是小风待机状态,由于振动监测对于低转速设备的检测受限,因此对于低于转速阈值的正常发电状态和小风待机状态采用声发射监测,对于转速高于转速阈值的正常发电状态采用两者结合监测。
作为优选,对于声发射数据,按照(0,f1]、(f1,f3]和大于f3三个声发射频段分别计算声发射数据的特征指标;对于振动数据,按照(0,f1]、(f1,f2]和(f2,f3]三个振动频段分别计算振动数据的特征指标。
本发明中不同的故障会出现在不同的频段,分频段计算的目的是为了确定在哪个频段出现异常,进而确定具体的故障类型;对于具体的分频段取值可以根据专家经验给出并在后期进行调整,f1<f2<f3。
作为优选,当只采集声发射数据时,分别计算各个声发射频段内声发射数据的有效值AERMS和平均值ASL作为特征指标:
当同时采集声发射数据和振动数据时,除了计算各个声发射频段内声发射数据的有效值AERMS和平均值ASL作为特征指标外,还需计算各个振动频段内振动数据的有效值VRMS和波峰因子VF作为特征指标。
本发明中在声发射监测时,在三个声发射频段内分别计算有效值和平均值作为特征指标,因此可以得到六个特征指标;在声发射检测和振动监测结合使用时,则可以得到属于声发射监测的六个特征指标和属于振动监测的六个特征指标。
作为优选,所述在每个频段内根据监测数据的特征指标计算其历史趋势指标的过程为:对于每个频段内的特征指标,以该特征指标在时间间隔Δt内的变化率作为该频段内的历史趋势指标。
本发明中对于历史趋势指标则是以特征指标的变化率来进行反应,因此在声发射监测时,可以得到六个历史趋势指标;在声发射检测和振动监测结合使用时,则可以得到属于声发射监测的六个历史趋势指标和属于振动监测的六个历史趋势指标。
作为优选,对于风机传动链中判断某一设备处于异常状态需要满足以下任意一个条件:从该设备上采集计算得到的监测指标中,任意一监测指标超过其监测指标阈值,且超限幅度大于预设幅度,超限持续时间大于第一预设时间;或
从该设备上采集计算得到的监测指标中,超过监测指标阈值的监测指标的数量占比大于预设占比,且超限持续时间大于第二预设时间。
本发明中在声发射监测时,六个声发射的特征指标和六个历史趋势指标都作为监测指标来进行状态监测判断;在声发射检测和振动监测结合使用时,属于声发射监测的六个特征指标、六个历史趋势指标和属于振动监测的六个特征指标、六个历史趋势指标都作为监测指标来进行状态监测判断;对于风机传动链中的某一设备的异常状态判断,则根据设置在该设备上的声发射传感器单元和振动传感器单元采集到的数据计算得到的监测指标进行判断。
作为优选,对于风机传动链状态评估分为正常、警告和报警三个等级:
当风机传动链中的任意一个设备状态异常,且异常持续时间大于预设异常时间时为警告等级;当有两个及以上的设备状态异常,且异常持续时间大于预设异常时间时为报警等级;
未达到警告等级或报警等级的风机传动链都判定为正常等级。
本发明中不仅对风机传动链上的每个单独的设备进行异常状态的监测,同时在综合所有设备的异常状态来判断整个风机传动链的运行状态是否健康,并根据不同的健康等级采取不同的措施。
作为优选,对于原始波形数据,只有满足波形发送保存规则时才会将原始波形数据进行发送和保存,否则只发送和保存对应的特征指标。
本发明中如果将所有的原始波形数据都发送到服务器中会极大地增加传输的数据量,因此,为减少发送到服务器的总数据量,提高计算分析效率,可以设置相应的波形发送保存规则,既能减少传输的数据量又能避免重要的原始波形数据的遗漏。
一种基于声发射及振动的风机传动链状态监测系统,包括:
设置在风机传动链设备上的若干组数据采集装置,每组数据采集装置包括一对声发射传感器单元和振动传感器单元;
风机数据实时获取单元,实时获取风机的运行数据并判断风机的运行状态;
数据采集装置和风机数据实时获取单元采集到的数据经过边缘处理单元的数据处理后发送到服务器中,服务器接收并保存数据后进行风机传动链的状态判断。
本发明中振动传感器单元用于获取风机传动链设备的振动信号,声发射传感器单元用于获取风机传动链设备的声发射信号,这些传感器分别安装于主轴承、齿轮箱、发电机的旋转部件上;风机数据实时获取单元3可从风机控制系统中实时地获取风机的运行状态数据,边缘处理单元用于做一定量的计算和数据处理并执行相关采集策略,再把处理过的数据传递到服务器,服务器对数据进行处理分析,综合多个指标分析判断风机传动链的运行状态。
作为优选,声发射传感器单元获取的声发射信号由声发射数据采集单元采集并传递到边缘处理单元,振动传感器单元获取的振动信号由振动数据采集单元采集并传递到边缘处理单元;风机数据实时获取单元、声发射数据采集单元、振动数据采集单元和边缘处理单元内置在一个集成装置中。
本发明中对于每一个传感器单元都要进行本发明的状态监测方法中的计算,即每一个传感器单元采集到的数据都会计算生成六个特征指标和六个历史趋势指标,然后根据这些监测指标进行状态判断;此外将风机传动链附近的部分单元集成到一个集成装置内,能够便于状态监测系统的安装和维修。
本发明具有如下有益效果:通过声发射的检测,将材料内产生形变或断裂释放出的弹性波转变为电信号,结合振动信号一起进行风机传动链的状态监测,从而克服单一振动信号不能有效检测低转速设备且检测频率受限的问题,能够有效监测早期缺陷故障产生的高频段信号,提升状态预警的准确度,以便于及时准确地发现故障问题;能够快速准确地发现传动链设备的早期失效问题,实现从故障发生后的被动维修向故障发生前的计划维修方式的转变,有效降低设备的故障率、提高机组的运行可靠性,从而达到降低风电运维成本的目的。
附图说明
图1是本发明中风机传动链状态监测方法的流程图;
图2是本发明中风机传动链状态监测系统的示意图;
图3是本发明实施例中风机传动链上的数据采集装置的示意图;
图中:1、振动传感器单元;2、声发射传感器单元;3、风机数据实时获取单元;4、振动数据采集单元;5、声发射数据采集单元;6、边缘处理单元;7、交换机单元;8、服务器;81、数据存储单元;82、数据分析预警单元;11、第一声发射传感器;12、第一振动传感器;13、第二声发射传感器;14、第二振动传感器;15、第三声发射传感器;16、第三振动传感器;17、第四声发射传感器;18、第四振动传感器;19、第五声发射传感器;20、第五振动传感器;21、第六声发射传感器;22、第六振动传感器;31、集成装置。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
如图1所示,一种基于声发射及振动的风机传动链状态监测方法,包括:
根据风机运行状态选择只采集声发射数据或者同时采集声发射数据和振动数据作为监测数据。
风机运行状态包括小风待机状态和正常发电状态:
1)当风速条件满足启机运行条件,且运行状态为正常时,判定风机为正常发电状态,反之风机处于故障或维护状态;
2)当风速条件不满足启机运行条件,且机组未处于故障或维护时,判定风机为小风待机状态。
在小风待机状态时只采集声发射数据;在正常发电状态时,当高速转轴转速低于转速阈值时只采集声发射数据,当高速转轴转速大于或等于转速阈值时同时采集声发射数据和振动数据。
分频段计算监测数据的特征指标,发送并保存原始波形数据和每个特征指标。
对于声发射数据,按照(0,f1]、(f1,f3]和大于f3三个声发射频段分别计算声发射数据的特征指标;对于振动数据,按照(0,f1]、(f1,f2]和(f2,f3]三个振动频段分别计算振动数据的特征指标。
当只采集声发射数据时,分别计算各个声发射频段内声发射数据的有效值AERMS和平均值ASL作为特征指标;
当同时采集声发射数据和振动数据时,除了计算各个声发射频段内声发射数据的有效值AERMS和平均值ASL作为特征指标外,还需计算各个振动频段内振动数据的有效值VRMS和波峰因子VF作为特征指标。
对于原始波形数据,只有满足波形发送保存规则时才会将原始波形数据进行发送和保存,否则只发送和保存对应的特征指标。
波形发送保存规则为:
1)当前时刻计算的特征指标超出任一设定报警阈值的波形数据;
2)当前时刻计算的特征指标较前72小时的平均指标的增长幅度超20%;
3)当前时刻距上一次波形数据发送时刻的间隔大于6小时。
在每个频段内根据监测数据的特征指标计算其历史趋势指标。在每个频段内根据监测数据的特征指标计算其历史趋势指标的过程为:对于每个频段内的特征指标,以该特征指标在时间间隔Δt内的变化率作为该频段内的历史趋势指标。
综合监测数据的特征指标和历史趋势指标作为监测指标,根据监测指标阈值判断传动链状态。当传动链对应的设备状态出现异常,则制定相应的维修计划;监测指标阈值以及异常判断条件可根据后期预警反馈的结果不断优化改善。
对于风机传动链中判断某一设备处于异常状态需要满足以下任意一个条件:
从该设备上采集计算得到的监测指标中,任意一监测指标超过其监测指标阈值,且超限幅度大于预设幅度,超限持续时间大于第一预设时间;或
从该设备上采集计算得到的监测指标中,超过监测指标阈值的监测指标的数量占比大于预设占比,且超限持续时间大于第二预设时间。
对于风机传动链状态评估分为正常、警告和报警三个等级:
当风机传动链中的任意一个设备状态异常,且异常持续时间大于预设异常时间时为警告等级;当有两个及以上的设备状态异常,且异常持续时间大于预设异常时间时为报警等级;
未达到警告等级或报警等级的风机传动链都判定为正常等级。
本发明中声发射数据的采集与振动数据的采集类似,是一种需要与被测物体接触的采集方法,声发射检测就是利用耦合在试样或结构表面上的声发射传感器,当材料或结构内产生变形或断裂时内部会释放出弹性波,将材料内的声发射源产生的弹性波转变为电信号,从而推知材料内部的缺陷状态及严重程度,相比于振动检测未能对主轴承等低速旋转设备进行有效地监测以及振动传感器的频率检测范围一般在2000Hz以下的低频段,从而不能有效的检测到传动链设备的早期故障的问题,声发射检测可以对振动检测的缺点进行弥补,从而能够提高状态预警的准确度,以便于及时准确地发现故障问题。
本发明采用基于声发射及振动的传动链设备状态监测方法,该方法可弥补单一振动信号在低转速及轴承早期高频故障信号诊断预警方面的劣势。针对风电机组的不同运行状态,本发明采取不同的信号采集策略,从而对风机传动链设备的健康状态进行全方位的实时监控。此外,本发明基于声发射与振动信号建立了多个对传动链设备健康状态较为敏感的特征及其历史趋势监测指标,可捕捉到设备早期故障的关键信息,并可较好地表征出故障的严重程度。
本发明中通过实时获取风机的运行状态数据来判断风机是处于正常发电状态还是小风待机状态,由于振动监测对于低转速设备的检测受限,因此对于低于转速阈值的正常发电状态和小风待机状态采用声发射监测,对于转速高于转速阈值的正常发电状态采用两者结合监测。
本发明中不同的故障会出现在不同的频段,分频段计算的目的是为了确定在哪个频段出现异常,进而确定具体的故障类型;对于具体的分频段取值可以根据专家经验给出并在后期进行调整,f1<f2<f3。
本发明中在声发射监测时,在三个声发射频段内分别计算有效值和平均值作为特征指标,因此可以得到六个特征指标;在声发射检测和振动监测结合使用时,则可以得到属于声发射监测的六个特征指标和属于振动监测的六个特征指标。
本发明中对于历史趋势指标则是以特征指标的变化率来进行反应,因此在声发射监测时,可以得到六个历史趋势指标;在声发射检测和振动监测结合使用时,则可以得到属于声发射监测的六个历史趋势指标和属于振动监测的六个历史趋势指标。
本发明中在声发射监测时,六个声发射的特征指标和六个历史趋势指标都作为监测指标来进行状态监测判断;在声发射检测和振动监测结合使用时,属于声发射监测的六个特征指标、六个历史趋势指标和属于振动监测的六个特征指标、六个历史趋势指标都作为监测指标来进行状态监测判断;对于风机传动链中的某一设备的异常状态判断,则根据设置在该设备上的声发射传感器单元和振动传感器单元采集到的数据计算得到的监测指标进行判断。
本发明中不仅对风机传动链上的每个单独的设备进行异常状态的监测,同时在综合所有设备的异常状态来判断整个风机传动链的运行状态是否健康,并根据不同的健康等级采取不同的措施。
本发明中如果将所有的原始波形数据都发送到服务器中会极大地增加传输的数据量,因此,为减少发送到服务器的总数据量,提高计算分析效率,可以设置相应的波形发送保存规则,既能减少传输的数据量又能避免重要的原始波形数据的遗漏。
如图2所示,一种基于声发射及振动的风机传动链状态监测系统,包括:
设置在风机传动链设备上的若干组数据采集装置,每组数据采集装置包括一对声发射传感器单元2和振动传感器单元1;
风机数据实时获取单元3,实时获取风机的运行数据并判断风机的运行状态;
数据采集装置和风机数据实时获取单元3采集到的数据经过边缘处理单元6的数据处理后通过交换机单元7发送到服务器8中,服务器8接收并保存数据后进行风机传动链的状态判断。
声发射传感器单元2获取的声发射信号由声发射数据采集单元5采集并传递到边缘处理单元6,振动传感器单元1获取的振动信号由振动数据采集单元4采集并传递到边缘处理单元6;风机数据实时获取单元3、声发射数据采集单元5、振动数据采集单元4和边缘处理单元6内置在一个集成装置31中。
本发明中振动传感器单元用于获取风机传动链设备的振动信号,声发射传感器单元用于获取风机传动链设备的声发射信号,这些传感器分别安装于主轴承、齿轮箱、发电机的旋转部件上;风机数据实时获取单元3可从风机控制系统中实时地获取风机的运行状态数据,边缘处理单元用于做一定量的计算和数据处理并执行相关采集策略,再把处理过的数据传递到服务器,服务器对数据进行处理分析,综合多个指标分析判断风机传动链的运行状态。
本发明中对于每一个传感器单元都要进行本发明的状态监测方法中的计算,即每一个传感器单元采集到的数据都会计算生成六个特征指标和六个历史趋势指标,然后根据这些监测指标进行状态判断;此外将风机传动链附近的部分单元集成到一个集成装置内,能够便于状态监测系统的安装和维修。
在本发明的实施例中如图3所示,是针对双馈风电机组的声发射及振动传感器测点位置的示意图;对于声发射传感器由于传动链设备表面温度较高,故本实施例选用高温宽带型声发射传感器;对于振动传感器,其中第一振动传感器12、第二振动传感器14采用较高灵敏度的压电式加速度传感器。这些传感器分别安装于主轴承、齿轮箱、发电机的旋转部件上,用于采集传动链上关键部件的声发射及振动信号,其中主轴承部位安装了1组数据采集装置(包括第一振动传感器12和第一声发射传感器11),齿轮箱部位安装了3组数据采集装置(包括第二振动传感器14和第二声发射传感器13、第三振动传感器16和第三声发射传感器15、第四振动传感器18和第四声发射传感器17),发电机部位安装了2组数据采集装置(包括第五振动传感器20和第五声发射传感器19、第六振动传感器22和第六声发射传感器21)。本实施例所示的传感器点位及数量为一个优选方案,也可分别在旋转部件的轴向、径向水平、径向垂直等位置都放置传感器。风机数据实时获取单元3、振动数据采集单元4、声发射数据采集单元5、边缘处理单元6内置于集成装置31中,风机数据实时获取单元3为可从SCADA风机控制系统中实时地获取风机的运行状态、发电功率、风速、高速轴转速以及风轮转速等机组数据。振动数据采集单元4负责采集振动数据并进行初步处理。声发射数据采集单元5用于采集声发射数据并进行初步处理。边缘处理单元6用于做一定量的计算和数据处理并执行相关采集策略,再把处理过的数据传递到服务器。交换机单元7的作用是将数据经风电场光纤环网传输到服务器。服务器8的数据存储单元81用于接收及存储数据。服务器8的数据分析预警单元82,用于对数据进行处理分析,综合多个指标分析判断风机传动链的运行状态并输出预警结果。
实施例一、从风机SCADA系统中实时获取风机的运行状态、发电功率、风速、高速轴转速以及风轮转速等运行参数;利用SCADA数据判断风机运行状态:
当风速条件不满足启机运行条件,且机组未处于故障或维护时,判定风机为小风待机状态,此时只采集声发射数据;
或当风速条件满足启机运行条件,且运行状态为正常时,判定风机为正常发电状态,同时测得高速转轴的转速低于转速阈值1000RPM时,此时只采集声发射数据。
分别计算各个声发射传感器采集到的声发射数据的有效值AERMS和平均值ASL作为特征指标:
其中V为声发射信号,t0为初始采样时刻,T为采样时长,N为数据点数量即信号长度。
对于声发射数据的特征指标按照声发射频段(0,10Hz]、(10Hz,5kHz]和大于5kHz分频段计算,得到三个频段的有效值AERMS10、AERMS10-5k和AERMS>5k以及三个频段的平均值ASL10、ASL10-5k和ASL>5k总共六个特征指标。
然后在每个频段内,按照声发射的特征指标的曲线斜率变化来反映对应的历史趋势指标:
其中T0表示当前时刻,Δt表示时间间隔,本实施例中以14天作为一个检测周期。则得到声发射的三个频段内的对应于有效值的历史趋势指标和对应于平均值的历史趋势指标,共六个历史趋势指标。将声发射数据计算得到的六个特征指标和六个历史趋势指标都作为监测指标进行运行状态判断。
针对设置在传动链主轴承上的第一声发射传感器11,当其信号的监测指标满足以下条件时,则判断传动链主轴承部位状态异常:
1)某一监测指标超过其监测指标阈值,且其超限幅度大于50%,且超限持续时间大于48H;2)监测指标的超限数量占比大于50%,且持续时间大于72H。
针对设置在传动链齿轮箱上的第二声发射传感器13、第三声发射传感器15和第四声发射传感器17,当任意一个传感器信号的监测指标满足以下条件时,则判断传动链齿轮箱部位状态异常:
1)某一监测指标超过其监测指标阈值,且其超限幅度大于30%,且超限持续时间大于24H;2)监测指标的超限数量占比大于20%,且持续时间大于48H。
针对设置在传动链发电机上的第五声发射传感器19和第六声发射传感器21,当任意一个传感器信号的监测指标满足以下条件时,则判断传动链发电机部位状态异常:
1)某一监测指标超过监测指标阈值,且其超限幅度大于40%,且超限持续时间大于24H;
2)监测指标的超限数量占比大于30%,且持续时间大于48H。
传动链健康状态严重程度判断,主要分为正常、警告、报警三种等级。各健康状态严重程度判定规则如下:
1)警告:传动链主轴承、齿轮箱、发电机部位中任一部位状态异常,且该异常持续时间大于24H,此时需运维人员在一周内对设备开展维护;
2)报警:传动链中有两个及以上部位状态异常,且该异常持续时间大于24H,机组需立刻停机维护;
3)正常:未达到警告或报警程度的传动链,判定为正常状态,可继续观察运行。
实施例二、从风机SCADA系统中实时获取风机的运行状态、发电功率、风速、高速轴转速以及风轮转速等运行参数;利用SCADA数据判断风机运行状态:
当风速条件满足启机运行条件,且运行状态为正常时,判定风机为正常发电状态,同时测得高速转轴的转速大于或等于转速阈值1000RPM时,此时同时采集声发射数据和振动数据。
分别计算各个声发射传感器采集到的声发射数据的有效值AERMS和平均值ASL作为特征指标:
其中V为声发射信号,t0为初始采样时刻,T为采样时长,N为数据点数量即信号长度。
同时分别计算各个振动传感器采集到的振动数据的有效值VRMS和波峰因子VF作为特征指标:
其中振动信号为X(x1,x2,…,xM),M为数据点数量即信号长度。
对于声发射数据的特征指标按照声发射频段(0,10Hz]、(10Hz,5kHz]和大于5kHz分频段计算,得到三个频段的有效值AERMS10、AERMS10-5k和AERMS>5k以及三个频段的平均值ASL10、ASL10-5k和ASL>5k共六个声发射的特征指标。同时对于振动数据的特征指标按照振动频段(0,10Hz]、(10Hz,2kHz]和大于(2kHz,5kHz]分频段计算,得到三个频段的有效值VRMS10、VRMS10-2k和VRMS2k-5k以及三个频段的波峰因子VF10、VF10-2k和VF2k-5k共六个振动的特征指标。总共为十二个特征指标。
然后在每个频段内,按照声发射的特征指标的曲线斜率变化来反映对应的历史趋势指标:
按照振动的特征指标的曲线斜率变化来反映对应的历史趋势指标:
其中T0表示当前时刻,Δt表示时间间隔,本实施例中以14天作为一个检测周期。则得到声发射的三个频段内的对应于有效值的历史趋势指标和对应于平均值的历史趋势指标,和振动的三个频段内的对应于有效值的历史趋势指标和对应于波峰因子的历史趋势指标,共十二个历史趋势指标。将声发射数据计算得到的六个特征指标和六个历史趋势指标,振动数据计算得到的六个特征指标和六个历史趋势指标都作为监测指标进行运行状态判断。
针对设置在传动链主轴承上的第一声发射传感器11和第一振动传感器12,当任意一个传感器信号的监测指标满足以下条件时,则判断传动链主轴承部位状态异常:
1)某一监测指标超过其监测指标阈值,且其超限幅度大于50%,且超限持续时间大于48H;2)监测指标的超限数量占比大于50%,且持续时间大于72H。
针对设置在传动链齿轮箱上的第二声发射传感器13、第二振动传感器14、第三声发射传感器15、第三振动传感器16、第四声发射传感器17和第四振动传感器18,当任意一个传感器信号的监测指标满足以下条件时,则判断传动链齿轮箱部位状态异常:
1)某一监测指标超过其监测指标阈值,且其超限幅度大于30%,且超限持续时间大于24H;2)监测指标的超限数量占比大于20%,且持续时间大于48H。
针对设置在传动链发电机上的第五声发射传感器19、第五振动传感器20、第六声发射传感器21和第六振动传感器22,当任意一个传感器信号的监测指标满足以下条件时,则判断传动链发电机部位状态异常:
1)某一监测指标超过监测指标阈值,且其超限幅度大于40%,且超限持续时间大于24H;
2)监测指标的超限数量占比大于30%,且持续时间大于48H。
传动链健康状态严重程度判断,主要分为正常、警告、报警三种等级。各健康状态严重程度判定规则如下:
1)警告:传动链主轴承、齿轮箱、发电机部位中任一部位状态异常,且该异常持续时间大于24H,此时需运维人员在一周内对设备开展维护;
2)报警:传动链中有两个及以上部位状态异常,且该异常持续时间大于24H,机组需立刻停机维护;
3)正常:未达到警告或报警程度的传动链,判定为正常状态,可继续观察运行。
上述实施例是对本发明的进一步阐述和说明,以便于理解,并不是对本发明的任何限制,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于声发射及振动的风机传动链状态监测方法,其特征在于,包括:
根据风机运行状态选择只采集声发射数据或者同时采集声发射数据和振动数据作为监测数据;分频段计算监测数据的特征指标,发送并保存原始波形数据和每个特征指标;
在每个频段内根据监测数据的特征指标计算其历史趋势指标;
综合监测数据的特征指标和历史趋势指标作为监测指标,根据监测指标阈值判断传动链状态。
2.根据权利要求1所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,所述风机运行状态包括小风待机状态和正常发电状态,在小风待机状态时只采集声发射数据;在正常发电状态时,当高速转轴转速低于转速阈值时只采集声发射数据,当高速转轴转速大于或等于转速阈值时同时采集声发射数据和振动数据。
3.根据权利要求1或2所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,对于声发射数据,按照(0,f1]、(f1,f3]和大于f3三个声发射频段分别计算声发射数据的特征指标;对于振动数据,按照(0,f1]、(f1,f2]和(f2,f3]三个振动频段分别计算振动数据的特征指标。
4.根据权利要求3所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,当只采集声发射数据时,分别计算各个声发射频段内声发射数据的有效值AERMS和平均值ASL作为特征指标;
当同时采集声发射数据和振动数据时,除了计算各个声发射频段内声发射数据的有效值AERMS和平均值ASL作为特征指标外,还需计算各个振动频段内振动数据的有效值VRMS和波峰因子VF作为特征指标。
5.根据权利要求1或2或4所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,所述在每个频段内根据监测数据的特征指标计算其历史趋势指标的过程为:
对于每个频段内的特征指标,以该特征指标在时间间隔Δt内的变化率作为该频段内的历史趋势指标。
6.根据权利要求1或2或4所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,对于风机传动链中判断某一设备处于异常状态需要满足以下任意一个条件:
从该设备上采集计算得到的监测指标中,任意一监测指标超过其监测指标阈值,且超限幅度大于预设幅度,超限持续时间大于第一预设时间;或
从该设备上采集计算得到的监测指标中,超过监测指标阈值的监测指标的数量占比大于预设占比,且超限持续时间大于第二预设时间。
7.根据权利要求8所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,对于风机传动链状态评估分为正常、警告和报警三个等级:
当风机传动链中的任意一个设备状态异常,且异常持续时间大于预设异常时间时为警告等级;当有两个及以上的设备状态异常,且异常持续时间大于预设异常时间时为报警等级;
未达到警告等级或报警等级的风机传动链都判定为正常等级。
8.根据权利要求1或4所述的一种基于声发射及振动的风机传动链状态监测方法,其特征在于,对于原始波形数据,只有满足波形发送保存规则时才会将原始波形数据进行发送和保存,否则只发送和保存对应的特征指标。
9.一种基于声发射及振动的风机传动链状态监测系统,适用于如权利要求1-8任一项所述的方法,其特征在于,包括:
设置在风机传动链设备上的若干组数据采集装置,每组数据采集装置包括一对声发射传感器单元和振动传感器单元;
风机数据实时获取单元,实时获取风机的运行数据并判断风机的运行状态;
数据采集装置和风机数据实时获取单元采集到的数据经过边缘处理单元的数据处理后发送到服务器中,服务器接收并保存数据后进行风机传动链的状态判断。
10.根据权利要求9所述的一种基于声发射及振动的风机传动链状态监测系统,其特征在于,声发射传感器单元获取的声发射信号由声发射数据采集单元采集并传递到边缘处理单元,振动传感器单元获取的振动信号由振动数据采集单元采集并传递到边缘处理单元;
风机数据实时获取单元、声发射数据采集单元、振动数据采集单元和边缘处理单元内置在一个集成装置中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310589242.8A CN116892489A (zh) | 2023-05-24 | 2023-05-24 | 一种基于声发射及振动的风机传动链状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310589242.8A CN116892489A (zh) | 2023-05-24 | 2023-05-24 | 一种基于声发射及振动的风机传动链状态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116892489A true CN116892489A (zh) | 2023-10-17 |
Family
ID=88311327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310589242.8A Pending CN116892489A (zh) | 2023-05-24 | 2023-05-24 | 一种基于声发射及振动的风机传动链状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116892489A (zh) |
-
2023
- 2023-05-24 CN CN202310589242.8A patent/CN116892489A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110469462B (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
Crabtree et al. | Detecting incipient wind turbine gearbox failure: a signal analysis method for on-line condition monitoring | |
Wang et al. | SCADA data based condition monitoring of wind turbines | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断系统 | |
CN103343728A (zh) | 风力发电机组远程在线多模式健康状态监测与故障诊断系统 | |
WO2017018112A1 (ja) | 異常診断装置およびセンサ外れ検知方法 | |
Lu et al. | Condition monitoring and fault diagnostics of wind turbines | |
CN102620807A (zh) | 风力发电机状态监测系统及方法 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN109840666B (zh) | 一种预测未来风电机组发生故障的模型构建方法及系统 | |
CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
CN109268214B (zh) | 一种风力发电机联轴器对中状态智能监测方法 | |
TW201120310A (en) | The state telemetry technology and fault diagnosing system in large-scale wind power farms | |
CN111927717B (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
CN110907170A (zh) | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 | |
JP2017122635A (ja) | 風力発電設備の異常診断装置 | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
Saidi et al. | Wind turbine high-speed shaft bearing degradation analysis for run-to-failure testing using spectral kurtosis | |
KR20120063634A (ko) | 기계시스템 상태감시장치 및 상태감시방법 | |
WO2022147684A1 (zh) | 用于识别机械装置或机械部件中的异常的方法及装置 | |
EP2551513A2 (en) | Wind turbine condition monitoring method | |
Saeed | on line condition monitoring system for wind turbine | |
CN116892489A (zh) | 一种基于声发射及振动的风机传动链状态监测方法及系统 | |
CN110794683A (zh) | 基于深度神经网络和峭度特征的风电齿轮箱状态评估方法 | |
CN113323803B (zh) | 一种基于风机动态控制的变桨轴承检测方法 |
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 |