CN212363649U - 一种实现齿轮箱故障诊断方法的系统 - Google Patents
一种实现齿轮箱故障诊断方法的系统 Download PDFInfo
- Publication number
- CN212363649U CN212363649U CN202021665738.7U CN202021665738U CN212363649U CN 212363649 U CN212363649 U CN 212363649U CN 202021665738 U CN202021665738 U CN 202021665738U CN 212363649 U CN212363649 U CN 212363649U
- Authority
- CN
- China
- Prior art keywords
- fault diagnosis
- box
- acceleration sensor
- horizontal vibration
- generator
- 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.)
- Active
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本实用新型公开了一种实现齿轮箱故障诊断方法的系统，包括：风力发电机的齿轮传动箱，齿轮传动箱的输入轴连接风力旋转叶片轮毂，齿轮传动箱的输出轴连接发电机，在输入轴与风力旋转叶片轮毂对接的轴承座、齿轮传动箱以及发电机外壳上分别设置有加速度传感器感应齿轮轴水平振动信号和垂直振动信号，加速度传感器通过有线或无线连接故障诊断分析计算机。本实用新型对加速度传感器在风力发电机的不同部位的分布设置，为故障诊断方法提供了准确的分析信号，提高了风力发电机故障诊断的准确率，提高了风力发电机齿轮箱故障诊断的自动化水平，可以实时的监控风力发电机齿轮箱的工作状况，降低了人员的劳动强度。
Description
技术领域
本实用新型涉及一种实现齿轮箱故障诊断方法的系统。
背景技术
齿轮箱在风力发电机中扮演着实现传动，变速，调速等功能的重要角色，特别随着风电技术的发展，为了更好地实现风能到机械能，再到电能的转换，齿轮箱也朝着复杂化，精密化的方向发展，导致故障点产生的振动信号复杂，故障诊断难度增加。传统的故障判断方法一般先通过特征提取，例如通过时频分析的方法，分析振动信号的时频特征，通过傅里叶变换，小波变换等方法进行特征提取，后续再通过专家系统，支持向量机等模型进行故障的分类与诊断，传统的方法的理论支持性较强，但在处理非线性，非平稳的振动信号过程中，往往不能深度挖掘到深层信息，从而出现故障的误判，产生了不必要的经济损失，为此需要进行判断方法的改进，并随判断方法要进行有效的传感器的定位与设置。
发明内容
本实用新型的目的是提出一种实现齿轮箱故障诊断方法的系统，系统将加速度传感器设置在风力发电机的不同部位，为故障诊断方法提供了可靠的分析信号。
为了实现上述目的，本实用新型的技术方案是：
一种实现齿轮箱故障诊断方法的系统，包括：风力发电机的齿轮传动箱，齿轮传动箱的输入轴连接风力旋转叶片轮毂，齿轮传动箱的输出轴连接发电机，其特征在于，在输入轴与风力旋转叶片轮毂对接的轴承座、齿轮传动箱以及发电机外壳上分别设置有加速度传感器感应齿轮轴水平振动信号和垂直振动信号，加速度传感器通过有线或无线连接故障诊断分析计算机，在计算机中设置有信号接收接口卡，信号接收接口卡连接加速度传感器将接收的齿轮水平振动信号和垂直振动信号送至中央处理器。
方案进一步是：所述加速度传感器包括：在输入轴与风力旋转叶片轮毂对接的轴承座轴向端面设置的输入轴轴向水平振动传感器、在轴承座水平径向端面设置的输入轴径向水平振动传感器、在齿轮传动箱体上设置的箱体垂直振动传感器和箱体径向水平振动传感器、在发电机的出入输出轴上分别设置的发电机轴径向水平振动传感器。
方案进一步是：所述箱体垂直振动传感器设置在箱体上侧面中间，所述箱体径向水平振动传感器有两个，两个箱体径向水平振动传感器方别设置在箱体侧面的箱体垂直振动传感器两侧。
方案进一步是：所述加速度传感器是通过镶嵌的方式固定在所设定的位置上。
方案进一步是：所述中央处理器中设置有振动数据信号采集与预处理模块、特征数据提取模块和深度卷积神经网络模块；
所述振动数据信号采集与预处理模块进行振动信号采集与预处理；
所述特征数据提取模块对预处理模块提供的样本信号进行多尺度时域IMF分量特征提取和深度降噪特征提取；
所述深度卷积神经网络模块对特征数据提取模块提取的特征数据进行故障诊断，输出诊断结果。
本实用新型的有益效果是：系统对加速度传感器在风力发电机的不同部位的分布设置，为故障诊断方法提供了准确的分析信号，提高了风力发电机故障诊断的准确率，提高了风力发电机齿轮箱故障诊断的自动化水平，可以实时的监控风力发电机齿轮箱的工作状况，降低了人员的劳动强度。
附图说明
图1为本实用新型系统加速度传感器分布示意图；
图2为本实用新型中央处理器处理模块框图。
具体实施方式
下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本实用新型的一部分实施例，而不是全部的实施例，基于本实用新型中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本实用新型的保护范围。
一种实现齿轮箱故障诊断方法的系统，用于风力发电机齿轮箱故障诊断，如图1所示，故障诊断系统包括：风力发电机的齿轮传动箱1，齿轮传动箱1的输入轴101连接风力旋转叶片轮毂2，齿轮传动箱的输出轴102连接发电机3，其中，在输入轴与风力旋转叶片轮毂对接的轴承座8、齿轮传动箱1以及发电机3外壳上分别设置有加速度传感器感应齿轮轴水平振动信号和垂直振动信号，加速度传感器通过有线或无线连接故障诊断分析计算机（图中未示出），在计算机中设置有信号接收接口卡，信号接收接口卡连接加速度传感器将接收的齿轮水平振动信号和垂直振动信号送至中央处理器。
所述加速度传感器包括：在输入轴与风力旋转叶片轮毂对接的轴承座8轴向端面设置的输入轴轴向水平振动传感器9、在轴承座水平径向端面设置的输入轴径向水平振动传感器10、在齿轮传动箱体上设置的箱体垂直振动传感器11和箱体径向水平振动传感器12、在发电机的输入输出轴上分别设置的发电机轴径向水平振动传感器13。
其中：轴承座8轴向端面设置的输入轴轴向水平振动传感器9和轴承座8水平径向端面设置的输入轴径向水平振动传感器10相差90度角设置，所述箱体垂直振动传感器11设置在箱体上侧面中间，所述箱体径向水平振动传感器12有两个，两个箱体径向水平振动传感器方别设置在箱体侧面的箱体垂直振动传感器两侧。为了固定牢固，所述加速度传感器是通过镶嵌的方式固定在所设定的位置上，是通过加工凹槽镶嵌固定的。
如图2所示，系统中通过在中央处理器中设置有振动数据信号采集与预处理模块5、特征数据提取模块6和深度卷积神经网络模块7即多特征融合卷积神经网络模块，实现对齿轮箱故障的诊断。
所述振动数据信号采集与预处理模块进行振动信号采集，并将获取的齿轮轴水平振动信号和垂直振动信号的长度用等长度的窗口进行多个样本信号划分，记录对应振动信号的设备名称、采样点数、灵敏度、采集时间参数，检查每一组多个样本信号相应字段是否有空缺值，字段是否完整；
特征数据提取模块对预处理模块提供的样本信号进行多尺度时域IMF分量特征提取和深度降噪特征提取；
深度卷积神经网络模块对特征数据提取模块提取的特征数据进行故障诊断，输出诊断结果。
系统对加速度传感器在风力发电机的不同部位的分布设置，为故障诊断方法提供了准确的分析信号，提高了风力发电机故障诊断的准确率，提高了风力发电机齿轮箱故障诊断的自动化水平，可以实时的监控风力发电机齿轮箱的工作状况，降低了人员的劳动强度。
以上所述仅是本实用新型的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本实用新型原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本实用新型的保护范围。
Claims (4)
1.一种实现齿轮箱故障诊断方法的系统，包括：风力发电机的齿轮传动箱，齿轮传动箱的输入轴连接风力旋转叶片轮毂，齿轮传动箱的输出轴连接发电机，其特征在于，在输入轴与风力旋转叶片轮毂对接的轴承座、齿轮传动箱以及发电机外壳上分别设置有加速度传感器感应齿轮轴水平振动信号和垂直振动信号，加速度传感器通过有线或无线连接故障诊断分析计算机，在计算机中设置有信号接收接口卡，信号接收接口卡连接加速度传感器将接收的齿轮水平振动信号和垂直振动信号送至中央处理器。
2.根据权利要求1所述的系统，其特征在于，所述加速度传感器包括：在输入轴与风力旋转叶片轮毂对接的轴承座轴向端面设置的输入轴轴向水平振动传感器、在轴承座水平径向端面设置的输入轴径向水平振动传感器、在齿轮传动箱体上设置的箱体垂直振动传感器和箱体径向水平振动传感器、在发电机的出入输出轴上分别设置的发电机轴径向水平振动传感器。
3.根据权利要求2所述的系统，其特征在于，所述箱体垂直振动传感器设置在箱体上侧面中间，所述箱体径向水平振动传感器有两个，两个箱体径向水平振动传感器方别设置在箱体侧面的箱体垂直振动传感器两侧。
4.根据权利要求2所述的系统，其特征在于，所述加速度传感器是通过镶嵌的方式固定在所设定的位置上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202021665738.7U CN212363649U (zh) | 2020-08-12 | 2020-08-12 | 一种实现齿轮箱故障诊断方法的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202021665738.7U CN212363649U (zh) | 2020-08-12 | 2020-08-12 | 一种实现齿轮箱故障诊断方法的系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN212363649U true CN212363649U (zh) | 2021-01-15 |
Family
ID=74132421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202021665738.7U Active CN212363649U (zh) | 2020-08-12 | 2020-08-12 | 一种实现齿轮箱故障诊断方法的系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN212363649U (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113532848A (zh) * | 2021-06-24 | 2021-10-22 | 南京工业大学 | 一种行星齿轮箱故障诊断系统 |
| CN114813118A (zh) * | 2022-06-27 | 2022-07-29 | 浙江中自庆安新能源技术有限公司 | 一种基于多物理场仿真的声纹监测装置布局方法及系统 |
-
2020
- 2020-08-12 CN CN202021665738.7U patent/CN212363649U/zh active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113532848A (zh) * | 2021-06-24 | 2021-10-22 | 南京工业大学 | 一种行星齿轮箱故障诊断系统 |
| CN114813118A (zh) * | 2022-06-27 | 2022-07-29 | 浙江中自庆安新能源技术有限公司 | 一种基于多物理场仿真的声纹监测装置布局方法及系统 |
| CN114813118B (zh) * | 2022-06-27 | 2022-09-23 | 浙江中自庆安新能源技术有限公司 | 一种基于多物理场仿真的声纹监测装置布局方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN212363649U (zh) | 一种实现齿轮箱故障诊断方法的系统 | |
| CN111947928A (zh) | 一种多源信息融合的轴承故障预测系统及方法 | |
| CN108507787A (zh) | 基于多特征融合的风电齿轮增速箱故障诊断试验平台及方法 | |
| CN111855202A (zh) | 一种齿轮箱故障诊断方法及系统 | |
| CN104929864A (zh) | 基于fpga的嵌入式风力发电机组运行状态监测及故障诊断系统 | |
| CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
| CN112665852B (zh) | 一种基于深度学习的变工况行星齿轮箱故障诊断方法及装置 | |
| CN111878322B (zh) | 风力发电机装置 | |
| CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
| CN111428386B (zh) | 基于复杂网络的电梯曳引机转子故障诊断信息融合方法 | |
| CN102928224A (zh) | 一种检测风力发电机组轴承故障的方法 | |
| CN111412114B (zh) | 一种基于定子电流包络谱的风电机组叶轮不平衡检测方法 | |
| CN113240022A (zh) | 多尺度单分类卷积网络的风电齿轮箱故障检测方法 | |
| CN113357099A (zh) | 一种基于加速度传感器的风机塔筒的疲劳诊断检测方法 | |
| CN113279919B (zh) | 一种风力发电的模型仿真系统及方法 | |
| CN112177865B (zh) | 一种用于解决风机故障检测中标记噪音和标记不足的方法 | |
| CN112686181B (zh) | 一种基于插值轴心轨迹的水轮机故障诊断方法 | |
| CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
| KR20210010123A (ko) | 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치 | |
| CN112395968B (zh) | 基于神经网络的机械旋转部件故障诊断方法及装置 | |
| CN203881539U (zh) | 一种风电机组状态监测与故障诊断装置 | |
| CN218439629U (zh) | 一种基于5g+工业互联网的风电机组状态监测系统 | |
| CN117006000A (zh) | 一种分离式风力发电机监测装置 | |
| CN204253291U (zh) | 带工况数据实时在线采集及预处理装置的海上风力发电机 | |
| CN107271184B (zh) | 一种滚动轴承故障诊断的核回归分解方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |