CN101566523B - 风力发电机组齿轮箱状态监测方法 - Google Patents
风力发电机组齿轮箱状态监测方法 Download PDFInfo
- Publication number
- CN101566523B CN101566523B CN2009100838840A CN200910083884A CN101566523B CN 101566523 B CN101566523 B CN 101566523B CN 2009100838840 A CN2009100838840 A CN 2009100838840A CN 200910083884 A CN200910083884 A CN 200910083884A CN 101566523 B CN101566523 B CN 101566523B
- Authority
- CN
- China
- Prior art keywords
- state
- gear case
- ijk
- value
- status information
- 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
本发明提供了一种风力发电机组齿轮箱状态监测方法,包括:A、采集反映齿轮箱状态的各个状态信息;B、将采集的各个状态信息进行量化处理,得到各个状态信息的量化值;C、根据各个状态信息的量化值建立齿轮箱的综合状态值;D、根据齿轮箱综合状态值确定齿轮箱状态。使用本发明,可以实现对风力发电机组齿轮箱综合状态进行监控与分析,以掌握齿轮箱综合工作状态,便于在故障出现前进行维护或更换,减少风力发电机组停机时间。
Description
技术领域
本发明涉及风力发电机组的监控技术领域,特别是指一种风力发电机组齿轮箱状态监测方法。
背景技术
风力发电机组是风电场的关键设备,对于风力发电机组的齿轮箱来说,由于温度、转速的不断变化,导致其受力情况不断变化,其故障率较大。
风力发电机组通常设置在远离市郊风力强的地区,因此,由于其位置的关系很难经常被维护检查。长期以来,一直采用计划维修与事后维修方式。
计划维修即运行一定时间,如2500小时和5000小时后的例行维护,如检查螺栓力矩,加注润滑脂等。例行维护是在停机状态下进行的检测维修,处于停机状态时的检测无法反映机组运行时的状况,况且每次例行维护之间时间间隔太长,即便有问题也不能及时发现。
事后维修即风力发电机组发生故障停机后进行维修,由于事后维修因派遣技术人员到遥远的故障现场、分析事故原因、申请备件及备件运输都需要一定时间,往往造成维修工作旷日持久,损失重大。
目前,虽然可以通过远程监控***对风力发电机组的齿轮箱进行监控,但只能监控其是否发生故障,即检测结果仅为故障和正常两种,仍无法很好的解决上述停机时间较长的问题。
因此,迫切需要一种能够监测风电机齿轮箱状态的方法,去分析齿轮箱的状态,以便于可以提前对齿轮箱进行维修或更换,缩短因上述原因导致的停机时间。
发明内容
有鉴于此,本发明的主要目的在于提供一种风力发电机组齿轮箱状态监测方法,以实现对风力发电机组齿轮箱综合状态进行监控。
本发明提供的风力发电机组齿轮箱状态监测方法,包括:
A、采集反映齿轮箱状态的各个状态信息;
B、将采集的各个状态信息进行量化处理,得到各个状态信息的量化值;
C、根据各个状态信息的量化值建立齿轮箱的综合状态值;
D、根据齿轮箱综合状态值确定齿轮箱状态。
由上,可以实现对风力发电机组齿轮箱综合状态进行监控与分析,并未简单将其状态分为“正常”和“故障”状态,而是采集各个状态信息进行综合评估,将多参数量化后,采用融合技术实现模糊综合评价理论和不同类型状态参数评估模型的结合,给出风力发电机组齿轮箱状态监测的方法,从而可以掌握齿轮箱的综合状态,为故障分析和维护提供了依据,从而在故障出现前进行维护或更换,减少风力发电机组停机时间
其中,步骤A采集的数据包括至少以下之一类型的数据:齿轮箱的设计参数、运行工况、试验状态、故障特征、检修历史、在线监测值。
由上可见,本发明所采集的状态信息类别多样,以实现从不同的角度来建立对齿轮箱的综合状态,未根据单相指标或单相试验数据判断齿轮箱状态。
其中,步骤B所述进行量化处理的步骤包括:判断所采集的状态信息不能直接量化的,采用经验统计或打分的方式量化;判断所采集的状态信息可直接量化的,根据所采集的状态信息变化量大小采用静态评估量化方式、渐变量化方式或突变量化方式进行量化。
由上可见,本发明还提供了量化方式,以解决由于采集的状态信息中既有定量指标又有定性指标,且具有不同的量纲和数量级导致的不能直接进行比较的问题。
其中,所述静态评估量化方式进行量化是在状态信息变化量小于设定的第一阀值时采用,采用的量化公式为:
其中z1、z2分别表示该参数指标的优良值和报警值;
所述渐变量化方式进行量化是在状态信息变化量大于所述第一阀值、小于设定的第二阀值时采用,采用的量化公式为:
其中xijmax表示第i项目第j子项目可能的最大值,xijmin表示第i项目第j子项目可能的最小值;
所述突变量化方式进行量化是在状态信息变化量大于所述第二阀值时采用,采用的量化公式为:
其中αijk表示第i项目第j子项目对应的第k次量化值,xijk表示第i项目第j子项目第k次测量值。
由上,本发明采用了多种量化方式,以反映各个状态信息对齿轮箱的影响。
其中,根据不同状态信息对齿轮箱运行影响的不同程度设定不同状态信息的权重值;步骤C所述建立齿轮箱的综合状态值时还根据各个状态信息的权重进行建立。
由于不同状态指标对于影响齿轮箱运行的重要程度不同,因此设置不同的权重值。由上本发明还设置不同的权重值以表示对齿轮箱不同的影响程度。
其中,根据不同状态信息之间相互影响的程度设定不同状态信息的关联度;步骤C所述建立齿轮箱的综合状态值时还根据各个状态信息之间的关联度进行建立。
由上,可以通过设置关联度,来表示参数之间的关系,并且以关联度的大小来表示该状态参数对其他参数影响的大小。
其中,步骤C所述建立齿轮箱的综合状态值采用如下公式建立:
其中S为齿轮箱综合状态值,wn为指标权重,矩阵R为各指标的关联度关系矩阵,αm为各状态指标的量化值。
其中,步骤D所述确定齿轮箱状态的步骤包括:预先设置不同的区间表示不同的状态区间;判断综合状态值的各个参数所属状态区间;统计处于各个状态区间内的各个参数的百分比,根据百分比确定齿轮箱状态。
由上方式可以运用所建立的齿轮箱的综合状态值来确定齿轮箱当前的状态。
其中,所述步骤D后还包括:根据确定的齿轮箱的不同状态提供不同的维护方案。以便于给普通维护人员一个维护的指导。
由上可以看出,本发明并未简单将其状态分为“正常”和“故障”状态,也未根据单相指标或单相试验数据判断齿轮箱状态。本发明对齿轮箱状态进行不同部件的不同状态参数,并分类进行综合评估,将多参数量化后,采用融合技术,通过权重值实现模糊综合评价理论和不同类型状态参数评估模型的结合,给出风力发电机组齿轮箱状态评估的方法,建立齿轮箱综合状态决策模型。从而可以掌握齿轮箱的综合状态并进行预测,以在故障出现前进行维护或更换,减少风力发电机组停机时间。
由上,本发明分析齿轮箱设计,生产,安装,运行,维护处理等过程,全面分析齿轮箱设计参数,运行工况,预试状态,故障状况,检修历史,在线监测值等状态信息,科学评判转速、油温、轴同心度、轴弯曲度、振动、磨损程度、运行时间等状态指标,深入研究齿轮箱渐变及突变故障特征,从而准确评估风力发电机组齿轮箱状态,为齿轮箱运行、维修和退役提供技术依据。
附图说明
图1为风力发电机组齿轮箱综合状态监测流程图;
图2为齿轮箱状态信息分层模型结构图;
图3为一具体实施例获取齿轮箱状态信息的示意图。
具体实施方式
本发明的基本步骤包括以下步骤:
首先,本发明采集可反映风力发电机组齿轮箱状态的各个状态信息。
然后,将采集的各个状态信息根据其特性,采用不同的方式进行量化处理,得出本次采集各个状态信息的各个量化值。
之后,再根据各个状态参数的权重、各个参数之间的关联度,将所述量化值进行融合处理,建立齿轮箱的综合状态值。
最后,根据齿轮箱综合状态值分析当前齿轮箱状态,并提供相应的解决方案。
下面参见图1示出的风力发电机组齿轮箱综合状态监测流程图,对本发明齿轮箱综合状态监测方法进行详细说明,包括以下步骤:
步骤101:采集可反映风力发电机组齿轮箱状态的各种状态信息。
图2示出了齿轮箱状态信息分层模型结构图,根据状态信息的来源或种类,将齿轮箱综合状态信息2分为包含六种类型状态,形成第一层结构,具体包括:齿轮箱设计参数21、运行工况22、试验状态23、故障特征24、检修历史25、在线监测值26。其中每种类型状态又包括若干子状态信息,形成第二层。每种子状态信息还可包含其子状态信息,形成第三层。下面对齿轮箱状态信息分层模型包含的六种类型状态进行说明。
如图2所示,齿轮箱设计参数21的子状态信息(即第二层状态信息)可以包括传动功率、传动比、传动结构、输入连接方式、冷却方式、润滑方式、静动载荷、效率、结构应力分布、噪声级和可靠性等。其中的传动结构可包括的子状态信息(第三层状态信息)可包括一级行星+两级斜齿、两级行星+一级斜齿等传动结构;输入连接方式可包括的子状态信息(第三层状态信息)可包括花键连接、法兰连接、刚性胀套连接等连接方式;润滑方式可包括的子状态信息(第三层状态信息)可包括飞溅润滑和强制润滑等润滑方式。不难理解,图2中仅列出一部分状态信息作为举例说明,例如冷却方式还可包括水冷、风冷等冷却方式。
由于不同类型的齿轮箱有不同的设计参数,同一类型的齿轮箱的设计参数具有一些公用性状态信息,如具有相同的传动功率、传动比、传动结构等,因此,可以预先建立存储各种类型齿轮箱设计参数的数据库,记录不同类型的齿轮箱所对应的不同的设计参数。
当需要采集到风力发电机组齿轮箱设计参数时,可以采集齿轮箱的标示,并根据该标示中记载的齿轮箱类型码(例如可以规范齿轮箱标示中的两位代码表示齿轮箱类型码)访问所述数据库,读取出该类型码对应的齿轮箱的设计参数。
数据库中还需建立对应各个齿轮箱标示的各个非公用性状态参数信息库,已将非公用信息,如输入连接方式等信息进行存储。当读取某齿轮箱标示对应的设计参数时,将该齿轮箱类型码对应的齿轮箱设计参数和该齿轮箱标示对应的非公用性状态信息数据均读取出来,对于数据重合的内容以非公用性状态信息为准。
其中,齿轮箱标示可以是以可视状态,如扫码状态(如条形码)或文字/图像状态存在,相应的采集齿轮箱的标示设备则为扫码仪器或摄像头等。或者将齿轮箱标示存储在射频芯片中,采集设备为相应的射频接收装置。由于齿轮箱的位置较高,因此采用无线方式,如上述射频方式采集其标示较佳。
对于齿轮箱运行工况22的子状态信息,包括风速、齿轮转速、齿轮负荷、环境温度等。又如,还可以包括环境湿度等。
对于运行工况信息的采集,可以采用相应的传感器进行采集,例如风速、转速传感器、压力、温度传感器等,通过相应的传感器获取运行工况所包含的各个参数。另外,由于已经设置了对风力发电机组的风速、转速等信息进行采集监控的监控中心时,部分运行工况信息也可以从现有的监控中心获取,而不需要另外的单独增加传感器装置。
对于齿轮箱试验状态23的子状态信息,包括空载试验、性能试验、空载功率损耗试验、齿面接触疲劳寿命试验、噪声试验、油液检测试验和振动检测试验等试验结果。又如,其中的油液检测试验项可包括油品的衰化程度、油液添加剂的损耗程度、油液污染程度、油液中磨粒含量等。振动检测试验测点包括输入端行星架前后轴承,行星齿齿圈,低速轴前后轴承,中间轴前后轴承,高速轴前后轴承等位置点。
其中,齿轮箱试验指出厂时所做的试验,以及在检修、运行中所做的各种测试试验。试验状态信息可以在试验中直接采集的试验结果数据,并对应所述齿轮箱的标示保存到数据库中。上面的对子状态信息的描述中仅将油液检测试验和振动检测试验进行了举例。在实际的信息采集中,涉及齿轮箱状态的参数均可进行采集,例如上述空载功率损耗试验,其中可以包括不同风力下的不同损耗参数。若为短时间内温差变化较大的地区(如昼夜温差大的沙漠地带),还可以有不同温度下的不同损耗参数。在齿轮箱试验状态信息采集时,可以根据实际的需要进行选择。
对于齿轮箱故障特征24信息来说,齿轮箱风力发电机组主要部件包括滚动轴承,齿轮,传动轴,润滑油以及箱体等。实际使用过程中齿轮箱主要故障特征包括齿形误差、齿轮承载能力设计不当、运行载荷过高、齿轮均匀磨损、箱体共振、轴弯曲、断齿、轴不平衡、轴向窜动、润滑不良、油封不良、轴承疲劳剥落和点蚀等。
故障状况类型属于经验型数据库,即预先建立的齿轮箱的各种故障特征,将每种故障类型分别编码保存在数据库中。由于同一故障的故障程度对齿轮箱影响不同,因此,上述各个故障均可以设置相应的故障程度参数,为了便于单位的统一,可以采用百分比来替代具体差值,例如使用齿形误差的百分比、齿轮承载能力设计误差百分比替代误差量,运行载荷相对于标准载荷的百分比、齿轮磨损程度的百分比、箱体共振振幅相对设计振幅的百分比、轴弯曲角度相对于限定值的百分比、断齿数量所占齿数百分比、轴偏移角度的百分比,轴向窜动相对于轴向允许窜动值百分比、摩擦系数、剩余油量百分比、轴承疲劳剥落和点蚀所占面积百分比等。
对于齿轮箱检修历史25,即将检修的历史记入数控,其子状态参数包括更换传动轴、轴承、齿轮、润滑油等。还可以包括各个传动轴、齿轮等部件的连续运行时间、齿轮箱总运行时间等。
检修历史信息需要在进行检修后将相应的信息录入数据库中对应相应齿轮箱标示的数据中。信息的录入可以是技术人员录入,或者根据技术人员提供的维修单(纸件或电子单),从维修单中采集信息录入数据库。例如,简单的,可以设置所检修部件是否更换对应的状态参数值为0、1。若需要进一步的精确,则各个部件可以以实际运行时间和设计运行时间的比例记为各个部件的状态参数值,当然由于设备的磨损通常非线性的,通过实际运行时间和设计运行时间计算状态参数值时,也可以采用曲线函数,例如平方差、平放比等。当然,对于运行时间参数也可以归到齿轮箱运行工况22的类别中。
对于在线监测值26,即对齿轮箱本身所实时检测的状态参数,其子状态参数包括油温、油压、油位、轴承温度、振动值等。例如振动值还可以包括水平向振动值、竖直向振动值等。
其中,在线检测的信息可以通过设置相应的传感器去采集,如温度、压力、液位传感器、振动传感器等,通过传感器去采集得到相应的参数。另外,由于风力发电机组已经设置了对某些信息进行监控采集的监控中心,故部分运行工况信息也可以从现有的监控中心获取,而不需要另外的单独增加传感器装置。
这里说明的是,对于图2的各个状态参数的划分方式,是结合数据的来源、数据的类型和特性划分的,实际的状态信息采集中,只要将各个参数采集到即可,与划分方式无关。并且,可以根据实际的需要选择所要采集的参数,并不一定将图2中示出的全部状态参数全部采集。例如图3所示的实施例中,根据实际需要,所要采集的信息为左侧列出的各个状态信息。
步骤102:将采集的各个状态信息根据其特性,采用不同的方式进行量化处理,得出本次采集各个状态信息的各个量化值。
由于采集的状态信息中既有定量指标又有定性指标,且具有不同的量纲和数量级,因此不能直接进行比较,本步骤针对不同的状态信息采用不同的方式进行量化。具体如下:
首先,确定所采集的状态信息是否可以直接量化,对于不能直接量化的,根据状态参数的特性采用下述第四种经验统计或专家打分的方式进行量化。对于可以直接量化的,则判断本次采集的状态信息变化量大小,可以采用与前次采集的相同参数进行比较判断变化量大小的方式,当变化量小于设定第一阀值时,采用下述第三种静态评估量化方式;当变化量大于第一阀值,而小于设定的第二阀值时采用下述第二种渐变量化方式;当变化量大于第二阀值时采用下述第一种突变的量化方式。所述划分第一阀值第二阀值的值可以预先设定。
下面列出了上面提到的四种量化方式:
A、状态信息突变的量化
对于影响齿轮箱安全运行的重要指标,通常要考虑该指标参数的历史发展过程和未来发展趋势,以便及时在综合状态值中反映该重要指标值的变化。
其中aijk表示第i项目第j子项目对应的第k次量化值,xijk表示第i项目第j子项目第k次测量值。
比如对于油温,油压,油位,轴承温度,振动值等,其值突然变化时,即超过第二阀值时,对齿轮箱状态的影响就可以用上述公式定义。不难理解,也可以采用其他的公式,例如本例中采用了前5次参数的均值,也可以采用更多或更少次参数的均值。
B、状态信息渐变的量化
其中xijmax表示第i项目第j子项目可能的最大值,xijmin表示第i项目第j子项目可能的最小值。
比如对于振动值等,其值低于一定的数值变化时,即变化量大于第一阀值,而小于设定的第二阀值时,则振动值逐渐变化对齿轮箱状态的影响就可以用上述公式定义。
C、状态信息静态评估
其中z1、z2分别表示该参数指标的优良值(或报警值)和报警值(或优良值)。
比如对于风速,转速,负荷,环境温度,油温,油压,油位,轴承温度,油液检测值等,其值在一定的范围内变化时,即变化量小于设定第一阀值时,此时该状态量对齿轮箱状态的影响就可以用上述公式定义。
需要说明的是,也可以采用其他的公式,例如为了使参数更灵敏,可以使用每个参数的平方数替代上述参数,最后再进行开方计算。
D、状态信息专家打分或经验统计
对于齿轮箱设计值等难以量化的状态信息,可以采取专家打分或经验统计值,打分范围或经验取值范围0到1,数值越大,状态越接近优良。
比如对于齿轮箱设计参数包括传动功率,传动比,传动结构,输入连接方式,冷却方式,润滑方式,静动载荷,效率,结构应力分布,噪声级,可靠性等,齿轮箱试验记录,包括空载试验,性能试验,空载功率损耗试验,齿面接触疲劳寿命试验、噪声试验等,齿轮箱故障情况包括齿形误差、齿轮承载能力设计不当、运行载荷过高、齿轮均匀磨损、箱体共振、轴弯曲、断齿、轴不平衡、轴向窜动、润滑不良、油封不良、轴承疲劳剥落和点蚀等,齿轮箱检修历史包括更换传动轴,更换轴承,更换齿轮箱,更换润滑油等,也可以采取专家打分或经验统计值。
可见通过上述方式的量化处理,可以得出本次采集各个状态信息的各个量化值。由上可以看出,对于每次量化时,即使是相同的状态信息,也可能会采用不同的量化方式,例如上面提到的油温、油压。具体每次量化时采用哪种量化方式,根据当前的情况,例如油温、油压变化很小,则采用第三种静态评估量化方式,当变化范围到达一定值,会采用第二种渐变量化方式,当变化范围超过另一定值,属于突变量化方式。具体判断属于哪种变化,可以采用将采集的参数与前次参数的差值,或计算出的变化斜率来确定。
步骤103:根据各状态指标的权重以及各指标的关联度,建立本次监测的齿轮箱综合状态与状态指标之间的关系。
由于不同状态指标对于影响齿轮箱运行的重要程度不同,因此设置不同的权重值。举例来说,例如,对于各种不同的故障类型,由于对齿轮箱工作状态影响程度(如安全度的影响、破坏力程度的影响)不同,因此不同的故障类型有不同的权重值。又如,检修历史状态中的不同状态也会对齿轮箱的工作状态影响程度不同(例如更换润滑油基本不会有多少影响,而更换齿轮,则新齿轮有一个磨合过程,对齿轮箱恢复到稳定其他部件作有影响),因此不同的检修历史类型也有不同的权重值。以此类推,各个状态参数、状态子参数对齿轮箱工作状态的影响有各自不同程度的影响,因此各个参数均有相应不同的权重值。
同时,由于不同参数之间的关联性,因此设置关联度以建立起齿轮箱综合状态与各个状态指标之间的关系。例如,仍以上面检修历史状态中的更换润滑油和更换齿轮为例。更换润滑油的参数对于在线监测值中的油温、油压、油位会有影响,对故障状态中的润滑不良也有影响。更换齿轮由于新齿轮的磨合过程,对在线监测值中的振动值、故障状态中的齿轮均匀磨损会有影响,因此设置关联度,来表示参数之间的关系,并且以关联度的大小来表示该状态参数对其他参数影响的大小。以上仅简单举例说明,并不表示所述例子与其他参数没有关联。由上可见,设置关联度来建立各个参数之间的关联性以及建立关联程度。
其中,可以采用如下的公式建立齿轮箱综合状态与状态指标之间的关系:
其中S为齿轮箱综合状态值,wn为指标权重,矩阵R为各指标的关联度关系矩阵,αm为各状态指标的量化值。
上述公式通过矩阵R来表征各状态量之间的关系,比如对于环境温度i和齿轮箱油温j具有一定的关联度,则其相关度定义为Rij,如根据经验或数学模型,其值可设为0.2。对于传动结构i和环境温度j,没有关联,则其相关度Rij为0。
例如,当有4个参数为a1、a2、a3、a4,其之间的关联度关系为a1和a2、a3、a4分别为0、0.8、0.6,a2和a3、a4的关联关系为0.4、0,a3和a4的关联关系为0.7,a1、a2、a3和a4的权重分别为0.7、0.9、0.5、0.2。则S可以表示为
步骤104:根据计算出的齿轮箱综合状态值,确定齿轮箱状态,并提供对应的维护方式。
本例中为便于运行和维护人员准确判断齿轮箱的状态,将齿轮箱状态评估为下面的五种状态,并对应这五种状态,给出了对应的确定进入该状态的方法,以及对应的维护方式,具体如下:
首先对步骤103的结果,即综合状态值的各个参数进行判断。预先将各个参数设置有不同的区间,例如可以有表示其状态为良好、合格、不合格或危险的几个区间。通过判断综合状态值的各个参数所属区间确认各个参数所处状态。例如,对于步骤103中给出的a1、a2、a3、a4的例子计算出的S,其综合状态值包括4个值,分别将4个值对应其区间确定所属区间以确认各个参数状态。
然后,将各个参数的结果进行统计,判断处于各个状态的百分比,设定为不同的齿轮箱状态。或者采用综合评分机制(即将判断处于各个状态的百分比转换为综合评分),不同的评分设定为不同的齿轮箱状态,如下所示:
(1)统计计算结果为90%以上的状态参数处于良好水平,其它参数处于合格水平,或综合评分在85分以上,齿轮箱状态评估为优良状态。可采用比规程规定的检修周期时间稍长的检修周期。
(2)统计计算结果为60%以上的状态参数处于良好水平,其它参数处于合格水平,综合评分在70~85分之间,齿轮箱状态评估为正常状态。应采用与规程规定的检修周期时间相同的检修周期。
(3)统计计算结果为10%以下的参数为不合格水平,其它参数处于合格水平,或综合评分在50~70分之间,齿轮箱状态评估为开始劣化状态。可采用比规程规定的检修周期时间稍短的检修周期。
(4)统计计算结果为10%以上的参数为不合格水平,其它参数处于合格水平,或综合评分在30~50分之间,齿轮箱状态评估为可靠性下降状态。除采用比规程规定的检修周期时间短的检修周期以外,应当在齿轮箱的日常运行时注意对该齿轮箱进行严密的监督。
(5)统计计算结果为10%以上的参数为危险水平,或综合评分低于30分,齿轮箱状态评估为危险状态。应立即使齿轮箱退出运行进行检修,以免给风力发电机组带来不必要的损失。
另外,进行齿轮箱状态的评估时,可进一步进行如图3中示出的寿命预测,例如将对应齿轮箱状态评估值与寿命建立联系,状态评估值的范围对应寿命的范围,最长寿命为出厂设计寿命。
由上可以看出,本发明通过获取齿轮箱设计参数,记录试验数据和检修记录,在线实时采集运行数据,检测振动状况和油液质量,以得到反映齿轮箱状态的指标值,通过指标值量化,并考虑各个参数对齿轮箱工作状态影响的权重,评估齿轮箱综合状态,根据综合状态包含的各个参数,对齿轮箱故障判断和寿命预测,以在齿轮箱故障之前预先预测出其状态以进行维修或更换。
并且,由上可以看出,可以实现针对不同状态的齿轮箱采用不同的检修周期、监督方式,实现有限资源的合理分配。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明。例如本发明图2示出的六种分类是根据信息的来源对状态信息进行分类,也可以采用其他标准进行分类。或者增加其他状态信息,如连续运行时间、总运行时间,又如环境湿度情况等状态信息。这些修改、改进、替换等,均在本发明的精神和原则之内,均应包含在本发明的保护范围之内。
Claims (4)
1.一种风力发电机组齿轮箱状态监测方法,其特征在于,包括:
A、采集反映齿轮箱状态的各个状态信息;
所述反映齿轮箱状态的各个状态信息包括至少以下之一类型的数据:齿轮箱的设计参数、运行工况、试验状态、故障特征、检修历史、在线监测值;
B、将采集的各个状态信息进行量化处理,得到各个状态信息的量化值,包括:
判断所采集的状态信息不能直接量化的,采用经验统计或专家打分的方式量化;
判断所采集的状态信息可直接量化的,根据所采集的状态信息变化量大小采用静态评估量化方式、渐变量化方式或突变量化方式进行量化;
所述经验统计或专家打分的量化方式为:采用取值范围0到1的经验统计值或专家打分,所述数值越大,由所述状态信息反映出的齿轮箱状态越接近优良;
对于所述采集的状态信息可直接量化的,由本次采集的参数与前次采集的相同参数进行比较判断本次采集的状态信息变化量的大小;
当所述状态信息变化量小于设定的第一阀值时,使用所述静态评估量化方式进行量化,采用的量化公式为:
当所述状态信息变化量大于所述第一阀值,而小于设定的第二阀值时,使用所述渐变量化方式进行量化,采用的量化公式为:
当所述状态信息变化量大于所述第二阀值时,使用所述突变量化方式进行量化,采用的量化公式为:
上述公式中,αijk表示第i项目第j子项目对应的第k次量化值,xijk表示第i项目第j子项目第k次测量值;z1、z2分别表示该参数指标的优良值和报警值;xijmax表示第i项目第j子项目的最大值,xijmin表示第i项目第j子项目的最小值;
C、根据各个状态信息的量化值,采用如下公式建立齿轮箱的综合状态值:
其中S为齿轮箱综合状态值,wn为指标权重,矩阵R为各指标的关联度关系矩阵,αm为各状态指标的量化值;
D、根据齿轮箱综合状态值确定齿轮箱状态,包括:
预先设置不同的区间表示不同的状态区间;
判断综合状态值的各个参数所属状态区间;
统计处于各个状态区间内的各个参数的百分比,根据所述百分比确定齿轮箱状态。
2.根据权利要求1所述的方法,其特征在于,根据不同状态信息对齿轮箱运行影响的不同程度设定不同状态信息的权重值;
步骤C所述建立齿轮箱的综合状态值时还根据各个状态信息的权重进行建立。
3.根据权利要求1或2所述的方法,其特征在于,根据不同状态信息之间相互影响的程度设定不同状态信息的关联度;
步骤C所述建立齿轮箱的综合状态值时还根据各个状态信息之间的关联度进行建立。
4.根据权利要求1所述的方法,其特征在于,所述步骤D后还包括:
根据确定的齿轮箱的不同状态提供不同的维护方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100838840A CN101566523B (zh) | 2009-05-11 | 2009-05-11 | 风力发电机组齿轮箱状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100838840A CN101566523B (zh) | 2009-05-11 | 2009-05-11 | 风力发电机组齿轮箱状态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101566523A CN101566523A (zh) | 2009-10-28 |
CN101566523B true CN101566523B (zh) | 2011-04-13 |
Family
ID=41282787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100838840A Active CN101566523B (zh) | 2009-05-11 | 2009-05-11 | 风力发电机组齿轮箱状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101566523B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312B (zh) * | 2010-05-31 | 2012-02-08 | 重庆大学 | 风力发电机组实时运行状态评估***及评估方法 |
EP2498076A1 (en) | 2011-03-11 | 2012-09-12 | Hexagon Technology Center GmbH | Wear-Monitoring of a Gearbox in a Power Station |
CN103134676B (zh) * | 2011-11-30 | 2016-10-05 | 上海宝钢工业检测公司 | 齿轮箱运行状态的在线监测预警方法 |
CN103769425A (zh) * | 2012-10-26 | 2014-05-07 | 上海宝钢工业技术服务有限公司 | 减定径机振动状态在线监测方法 |
CN102928221A (zh) * | 2012-11-09 | 2013-02-13 | 昆山北极光电子科技有限公司 | 一种风机齿轮箱故障诊断方法 |
CN103019135B (zh) * | 2012-11-28 | 2015-07-01 | 北京金风科创风电设备有限公司 | 风机部件的寿命预测方法及*** |
CN103852255B (zh) * | 2013-11-15 | 2017-06-06 | 北京能高自动化技术股份有限公司 | 基于神经网络风力发电机组典型传动故障智能诊断方法 |
CN103604604A (zh) * | 2013-12-02 | 2014-02-26 | 清华大学 | 一种风力发电机齿轮传动箱故障模拟装置 |
CN103645052B (zh) * | 2013-12-11 | 2016-03-30 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
CN103983452B (zh) * | 2014-04-18 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 利用混合域特征向量和灰色关联分析对行星齿轮箱进行故障模式识别的方法 |
CN103940608B (zh) * | 2014-04-29 | 2016-10-19 | 中能电力科技开发有限公司 | 一种提高风电机组齿轮箱故障等级判断精度的方法 |
CN104748962B (zh) * | 2015-04-03 | 2017-02-22 | 西安交通大学 | 一种基于堆叠自动编码机的行星齿轮箱智能诊断方法 |
CN105259826B (zh) * | 2015-10-15 | 2017-12-26 | 国家电网公司 | 利用风力发电机齿轮箱预警装置的预警方法 |
CN106813923A (zh) * | 2015-11-30 | 2017-06-09 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 一种发电机组轴承故障检测装置和检测方法 |
JP6153145B1 (ja) * | 2016-03-29 | 2017-06-28 | 巴バルブ株式会社 | バルブ診断方法及びバルブ診断装置 |
CN108132148A (zh) * | 2016-12-01 | 2018-06-08 | 舍弗勒技术股份两合公司 | 轴承寿命评估方法及装置 |
CN106874525B (zh) * | 2017-04-18 | 2020-05-19 | 重庆工商大学 | 一种风电机组设备故障筛查、统计的方法与装置 |
CN107504999B (zh) * | 2017-08-08 | 2020-01-10 | 北京物资学院 | 一种仓储货架安全预警与健康评估方法及装置 |
CN107677438A (zh) * | 2017-10-12 | 2018-02-09 | 电子科技大学 | 行星齿轮箱太阳轮渐变点蚀时变啮合刚度分析方法 |
CN109765051A (zh) * | 2017-11-09 | 2019-05-17 | 核工业理化工程研究院 | 旋转机械偏摆量的测量装置及测量方法 |
CN108507787B (zh) * | 2018-06-28 | 2024-03-15 | 山东大学 | 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 |
CN109269801B (zh) * | 2018-09-27 | 2020-08-21 | 中北大学 | 一种用于风电的齿轮箱故障监测装置 |
CN109855779A (zh) * | 2018-12-20 | 2019-06-07 | 佛山市罗斯特传动设备有限公司 | 一种行星减速机扭矩测试***及测试方法 |
CN112032031B (zh) * | 2019-06-03 | 2022-08-09 | 东泽节能技术(苏州)有限公司 | 一种空压机的云数据分析方法、装置及*** |
CN110567712A (zh) * | 2019-09-12 | 2019-12-13 | 华润电力技术研究院有限公司广东检测认证中心 | 一种风机齿轮箱磨损的评估方法及相关设备 |
CN111175651B (zh) * | 2020-01-10 | 2021-12-31 | 河北大学 | 一种基于大数据的风电机组故障预警诊断*** |
CN111222653A (zh) * | 2020-02-14 | 2020-06-02 | 众能联合数字技术有限公司 | 结合物联网实现的高空作业设备保养计划智能制定方法及*** |
CN111562496A (zh) * | 2020-05-15 | 2020-08-21 | 北京天工智造科技有限公司 | 一种基于数据挖掘的电机运行状态判断方法 |
CN113155443B (zh) * | 2021-04-22 | 2022-04-26 | 山东科技大学 | 一种采煤机减速器润滑油状态监测与故障诊断***及方法 |
CN113670602B (zh) * | 2021-07-29 | 2022-08-09 | 西安交通大学 | 一种旋转动密封损失测试装置及方法 |
CN113669214B (zh) * | 2021-08-17 | 2024-05-03 | 德力佳传动科技(江苏)有限公司 | 风电齿轮箱行星级运行状态检测的方法、***和存储介质 |
CN114065430B (zh) * | 2021-11-18 | 2022-07-12 | 德力佳传动科技(江苏)有限公司 | 一种行星级齿轮箱的状态数据处理方法及*** |
CN116881658B (zh) * | 2023-07-12 | 2024-01-26 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮发电机组的智能状态评估方法及*** |
CN117347091B (zh) * | 2023-10-23 | 2024-05-28 | 南京讯联液压技术股份有限公司 | 一种风电齿轮箱润滑冷却功能性测试***及方法 |
-
2009
- 2009-05-11 CN CN2009100838840A patent/CN101566523B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101566523A (zh) | 2009-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101566523B (zh) | 风力发电机组齿轮箱状态监测方法 | |
Ribrant | Reliability performance and maintenance-a survey of failures in wind power systems | |
Hameed et al. | Condition monitoring and fault detection of wind turbines and related algorithms: A review | |
Igba et al. | Analysing RMS and peak values of vibration signals for condition monitoring of wind turbine gearboxes | |
Fischer et al. | Condition monitoring of wind turbines: State of the art, user experience and recommendations | |
Hashemian | Wireless sensors for predictive maintenance of rotating equipment in research reactors | |
Gray et al. | Physics of failure approach to wind turbine condition based maintenance | |
CN111401583A (zh) | 基于预测性维护的自动扶梯全生命周期健康管理*** | |
CN102022264B (zh) | 用于风力涡轮机健康管理的***和方法 | |
CN113027703A (zh) | 包括传动***、齿轮箱和发电机的旋转机械的损害和剩余使用寿命的确定 | |
CN101893875A (zh) | 基于状态的机械设备一体化综合管理*** | |
CN101995290A (zh) | 风力发电机振动监测的方法和*** | |
Al-Najjar | Accuracy, effectiveness and improvement of vibration-based maintenance in paper mills: case studies | |
WO2021095436A1 (ja) | 潤滑油の診断システムおよび潤滑油の診断方法 | |
Dempsey | Gear damage detection using oil debris analysis | |
Wiggelinkhuizen et al. | CONMOW: Condition monitoring for offshore wind farms | |
Aziz et al. | General review of fault diagnostic in wind turbines | |
CN103994199A (zh) | 基于状态监测的齿轮箱维护时间确定方法 | |
CN113007040B (zh) | 风电机组主轴总成窜动在线监测与故障预警***及方法 | |
Baglee et al. | A proposed maintenance strategy for a wind turbine gearbox using condition monitoring techniques | |
Lucente | Condition monitoring system in wind turbine gearbox | |
Zwetsloot et al. | Remaining useful life modelling with an escalator health condition analytic system | |
Carroll et al. | Availability improvements from condition monitoring systems and performance based maintenance contracts | |
Singh et al. | Developing RCM strategy for wind turbines utilizing e-condition monitoring | |
Orsagh et al. | Advanced vibration monitoring for wind turbine health management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |