CN105136435B - 一种风力发电机组叶片故障诊断的方法和装置 - Google Patents
一种风力发电机组叶片故障诊断的方法和装置 Download PDFInfo
- Publication number
- CN105136435B CN105136435B CN201510415280.7A CN201510415280A CN105136435B CN 105136435 B CN105136435 B CN 105136435B CN 201510415280 A CN201510415280 A CN 201510415280A CN 105136435 B CN105136435 B CN 105136435B
- Authority
- CN
- China
- Prior art keywords
- blade
- noise signal
- spectrum signature
- current
- generating set
- 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
Landscapes
- Wind Motors (AREA)
Abstract
本发明公开了一种风力发电机组叶片故障诊断的方法和装置,该方法包括:采集风力发电机组各叶片的噪音信号;获得各叶片的噪音信号的频谱特征;根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。上述可知,本发明提供的技术方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组各叶片的噪音信号的采集、处理和分析,实时监测叶片状态,能够及时、准确地对叶片的各种异常状态或故障状态做出诊断,进而能够针对所诊断出的故障制定相应的应对措施,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,减少叶片的维修维护成本,提高风力发电机组的整体可靠性、稳定性与综合效益。
Description
技术领域
本发明涉及风力发电领域,尤其涉及一种风力发电机组叶片故障诊断的方法和装置。
背景技术
叶片是风力发电机组的关键部件之一,在工作过程中受到强风负荷、砂粒冲刷、大气氧化与潮湿空气腐蚀、雷击等因素的影响,不可避免会出现气孔、裂缝、磨损、腐蚀等问题,如不及时进行处理会导致叶片断裂,轻则造成停机,重则烧坏机组,影响正常供电,造成不可挽回的损失。
因此,如何在不影响风力发电机组正常运行的前提下,实时监测风力发电机组叶片状态,及时、准确地对叶片的各种异常状态或故障状态做出诊断,对于风力发电机组的安全运行具有十分重要的意义。
发明内容
鉴于上述问题,本发明提供了一种风力发电机组叶片故障诊断的方法和装置,以解决上述问题或者至少部分地解决上述问题。
依据本发明的一个方面,提供了一种风力发电机组叶片故障诊断的方法,该方法包括:
采集风力发电机组各叶片的噪音信号;
获得各叶片的噪音信号的频谱特征;
根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
可选地,所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:
实时分析不同叶片的噪音信号的频谱特征之间的差异;
对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异均出现异常,则确定该叶片发生故障;
其中,该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
可选地,所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:
如果一个叶片的噪音信号的频谱的频率范围达到啸叫频率范围,则确定该叶片发生故障。
可选地,在所述采集风力发电机组各叶片的噪音信号之前,该方法进一步包括:采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,作为各叶片的全转速标准噪音信号;
在所述采集风力发电机组各叶片的噪音信号之后,该方法进一步包括:根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号;获得各叶片的当前标准噪声信号的频谱特征;
则所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:对于每个叶片,比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征,如果存在异常,则确定该叶片发生故障。
可选地,所述采集风力发电机组各叶片的噪音信号包括:
将拾音器或拾音器阵列安装在所述风力发电机组的机舱部位,利用所述拾音器或拾音器阵列采集风力发电机组各叶片的噪音信号。
依据本发明的另一个方面,提供了一种风力发电机组叶片故障诊断的装置,该装置包括:
信号采集器,用于采集风力发电机组各叶片的噪音信号;
分析处理模块,用于获得各叶片的噪音信号的频谱特征;根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
可选地,所述分析处理模块,用于实时分析不同叶片的噪音信号的频谱特征之间的差异;对于每个叶片,判断该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异是否均出现异常,是则确定该叶片发生故障;
其中,该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
可选地,所述分析处理模块,用于判断一个叶片的噪音信号的频谱的频率范围是否达到啸叫频率范围,是则确定该叶片发生故障。
可选地,所述信号采集器,进一步用于采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,作为各叶片的全转速标准噪音信号;
所述分析处理模块,进一步用于根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号,获得各叶片的当前标准噪声信号的频谱特征;对于每个叶片,比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征,如果存在异常,则确定该叶片发生故障。
可选地,所述信号采集器包括:安装在所述风力发电机组的机舱部位的拾音器或拾音器阵列。
由上述可知,本发明提供的技术方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组各叶片的噪音信号的采集、处理和分析,实时监测叶片状态,能够及时、准确地对叶片的各种异常状态或故障状态做出诊断,进而能够针对所诊断出的故障制定相应的应对措施,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,减少叶片的维修维护成本,提高风力发电机组的整体可靠性、稳定性与综合效益。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的方法的流程图;
图2示出了根据本发明一个实施例的风力发电机组的示意图;
图3示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的装置的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的方法的流程图。如图1所示,该方法包括:
步骤S110,采集风力发电机组各叶片的噪音信号。
步骤S120,获得各叶片的噪音信号的频谱特征。
本步骤中,通过将噪音信号从时域信号转换为频域信号,获得噪音信号的频谱;所述噪音信号的频谱特征包括:噪音信号的频谱的幅值、噪音信号的频谱的幅值的平均值、噪音信号的频谱的幅值的均方根值以及噪音信号的频谱频率范围分布等参数,噪音信号的频谱特征能够反映噪音信号的分贝、能量、频率分布等特性。
步骤S130,根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
可见,图1所示的方法在不影响风力发电机组正常运行的前提下,通过对风力发电机组各叶片的噪音信号的采集、处理和分析,实时监测叶片状态,能够及时、准确地对叶片的各种异常状态或故障状态做出诊断,进而能够针对所诊断出的故障制定相应的应对措施,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,减少叶片的维修维护成本,提高风力发电机组的整体可靠性、稳定性与综合效益。
图2示出了根据本发明一个实施例的风力发电机组的示意图。如图2所示,该风力发电机组包括:三个叶片210(由于视角原因,图2中只示出两个叶片210)、机舱220和塔筒230。为了实现对图2所示的风力发电机组的叶片状态的实时监测,首先要根据风力发电机组的结构特点和运行环境选取合适的信号采集点,所选取的信号采集点要能充分反映各叶片的工作状态,应具有信号稳定、信噪比高、对故障敏感等特点,并且信号采集点应该便于安装和测试,尽可能不影响风力发电机组的运行状态,在生产实际中切实可行。在本实施例中,将信号采集器240安装在风力发电机组的机舱220的上方部位,当然,在本发明的其他实施例中,信号采集器240也可以安装在其他能够接收到稳定、高信噪比、敏感的噪音信号的位置,本发明对此不做限制;其中,信号采集器240为拾音器或拾音器阵列,要求具有较强的方向性。
在上述基础上,采集风力发电机组各叶片的噪音信号,通过傅里叶变换将各叶片的噪音信号从时域信号转换为频域信号,获得噪音信号的频谱,噪音信号的频谱特征包括:噪音信号的频谱的幅值、噪音信号的频谱的幅值的平均值、噪音信号的频谱的幅值的均方根值以及噪音信号的频谱频率范围分布等参数,能够反映噪音信号的分贝、能量、频率分布等特性;根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。该风力发电机组叶片故障诊断的方案具体包括以下几种诊断方案:
方案一,采集风力发电机组各叶片的噪音信号,获得各叶片的噪音信号的频谱特征;实时分析不同叶片的噪音信号的频谱特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异均出现异常,则确定该叶片发生故障。
对于叶片未发生故障的风力发电机组来说,理想情况下三个叶片的噪音信号的频谱特征是相同的,但在实际情况下,由于风力发电机组在出厂装配时,三个叶片210的安装角以及结构不是完全对称的,导致三个叶片210未发生故障时,其噪音信号不完全相同,噪音信号的频谱特征之间存在差异,该差异不随外界环境的影响而变化,称为噪音信号的频谱特征之间的***差异。对于每两个叶片来说,如果二者的噪音信号的频谱特征之间的差异与***差异不匹配,容易推理得到,二者中存在发生故障的叶片。例如,在图2所示的风力发电机组中,第一个叶片与第二个叶片的噪音信号的分贝值之间的***差异为+20dB,第一个叶片与第三个叶片的噪音信号的分贝值之间的***差异为+15dB,在实时检测各叶片的运行状态的过程中,对于第一个叶片来说,实时分析第一个叶片与第二个叶片的噪音信号的分贝值之间的差异,以及第一个叶片与第三个叶片的噪音信号的分贝值之间的差异,如果第一个叶片与第二个叶片的当前噪音信号的分贝值之间的差异是+27dB,该差异超过了***差异(+20dB)35%;并且第一个叶片与第三个叶片的当前噪音信号的分贝值之间的差异是+20dB,该差异超过了***差异(+15dB)33%;认为第一个叶片与其他两个叶片的当前噪音信号的分贝值之间的差异均出现异常,确定第一个叶片发生故障,针对该故障对风力发电机组的运维人员发出报警。依据本方案一对其他叶片的故障的诊断,对其他噪音信号的频谱特征或噪音信号的频谱特征所表征的物理量的分析,均与上述同理,在此不再赘述。
可见,方案一通过对同一时间的风力发电机组的不同叶片之间的相对比较,实现了叶片故障的诊断,由于同一时间内各叶片运行的外界环境相同,因此所采集到的各叶片的噪音信号中的背景噪音也相同,该方案在不同叶片的噪音信号的相对比较中巧妙地直接消除了背景噪音对各叶片的噪音信号的影响,故障诊断的成本低、可靠性高、稳定性高,符合需求。
方案二,考虑到每个风力发电机组在出厂装配后初始运行时各部分结构正常、运行状态良好,因此采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,即正常情况下各叶片在各个不同转速下的噪音信号,作为各叶片的全转速标准噪音信号。在采集风力发电机组各叶片的噪音信号之后,可以根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号,进而获得各叶片的当前标准噪声信号的频谱特征。对于每个叶片,比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征,如果存在异常,则确定该叶片发生故障。
例如,在图2所示的风力发电机组中,在风速为5m/s时,第一个叶片的标准噪音信号的分贝值为5dB,而根据监测结果,所采集到的第一个叶片的当前噪音信号的分贝值为20dB,与标准噪音信号的分贝值不符,存在异常,则确定该第一个叶片发生故障,针对该故障对风力发电机组的运维人员发出报警。依据本方案三对其他叶片的故障的诊断,对其他噪音信号的频谱特征或噪音信号的频谱特征所表征的物理量的分析,均与上述同理,在此不再赘述。
可见,方案二通过对风力发电机组的每个叶片的当前噪音信号的频谱特征与同转速下的标准噪音信号之间的绝对比较,实现了叶片故障的诊断,该方案通过对同一叶片在同转速下的运行状态的绝对比较巧妙地直接消除了外界风速的影响,故障诊断的可靠性高、稳定性高,符合需求。
方案三,采集风力发电机组各叶片的噪音信号,获得各叶片的噪音信号的频谱特征;如果一个叶片的噪音信号的频谱的频率范围达到啸叫频率范围,则确定该叶片发生故障。一般情况下,所述啸叫频率范围在6kHz-10kHz之间,当一个叶片的噪音信号的频谱的频率范围达到该啸叫频率范围,并达到一定的程度时,确定该叶片发生故障。
在本发明的一个实施例中,上述提到的叶片发生故障包括:叶片的前、尾缘开裂,叶片表面大面积磨损,叶片遭遇雷击而产生的开裂,叶片安装角的非***差异的异常等。
图3示出了根据本发明一个实施例的一种风力发电机组叶片故障诊断的装置的示意图。如图3所示,该风力发电机组叶片故障诊断的装置300包括:
信号采集器310,用于采集风力发电机组各叶片的噪音信号。
分析处理模块320,用于获得各叶片的噪音信号的频谱特征,根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片。
该分析处理模块320通过将噪音信号从时域信号转换为频域信号,获得噪音信号的频谱;所述噪音信号的频谱特征包括:噪音信号的频谱的幅值、噪音信号的频谱的幅值的平均值、噪音信号的频谱的幅值的均方根值以及噪音信号的频谱频率范围分布等参数,噪音信号的频谱特征能够反映噪音信号的分贝、能量、频率分布等特性。
可见,图3所示的装置在不影响风力发电机组正常运行的前提下,通过对风力发电机组各叶片的噪音信号实施非接触式的采集、处理和分析,实时监测叶片状态,能够及时、准确地对叶片的各种异常状态或故障状态做出诊断,进而能够针对所诊断出的故障制定相应的应对措施,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,减少叶片的维修维护成本,提高风力发电机组的整体可靠性、稳定性与综合效益。
在本发明的一个实施例中,图3所示装置的分析处理模块320,用于实时分析不同叶片的噪音信号的频谱特征之间的差异;对于每个叶片,判断该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异是否均出现异常,是则确定该叶片发生故障。其中,该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
在本发明的一个实施例中,图3所示装置的分析处理模块320,用于判断一个叶片的噪音信号的频谱的频率范围是否达到啸叫频率范围,是则确定该叶片发生故障。
在本发明的一个实施例中,图3所示装置的信号采集器310,进一步用于采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,作为各叶片的全转速标准噪音信号;分析处理模块320,进一步用于根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号,获得各叶片的当前标准噪声信号的频谱特征;对于每个叶片,比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征,如果存在异常,则确定该叶片发生故障。
在本发明的一个实施例中,图3所示装置的信号采集器310包括:安装在所述风力发电机组的机舱部位的拾音器或拾音器阵列。
在本发明的一个实施例中,将上述拾音器或拾音器阵列设置在耳蜗结构中,利用耳蜗结构的特点能够实现定向、定距离对噪音信号的采集,能够抑制环境噪声,实现回声消除,并对拾音器或拾音器阵列进行防雨、防风沙的保护,提高拾音器或拾音器阵列的采集效率,延长拾音器或拾音器阵列的使用寿命。
图3所示的装置的各实施例与图1-图2相关的各实施例相对应,上文中已详细说明,在此不再赘述。
综上所述,本发明提供的技术方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组各叶片实施非接触式的噪音信号的采集、处理和分析,实时监测叶片状态,能够及时、准确地对叶片的各种异常状态或故障状态做出诊断,进而能够针对所诊断出的故障制定相应的应对措施,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,减少叶片的维修维护成本,提高风力发电机组的整体可靠性、稳定性与综合效益,减少巡检工作中的人为疏忽和安全隐患,对山区等风况复杂、不易巡检地区尤为适合。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种风力发电机组叶片故障诊断的方法,其特征在于,该方法包括:
采集风力发电机组各叶片的噪音信号;
获得各叶片的噪音信号的频谱特征;
根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片;
在所述采集风力发电机组各叶片的噪音信号之前,该方法进一步包括:采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,作为各叶片的全转速标准噪音信号;
在所述采集风力发电机组各叶片的噪音信号之后,该方法进一步包括:根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号;获得各叶片的当前标准噪声信号的频谱特征;
则所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:对于每个叶片,比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征,如果存在异常,则确定该叶片发生故障。
2.如权利要求1所述的方法,其特征在于,所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:
分析不同叶片的噪音信号的频谱特征之间的差异;
对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异均出现异常,则确定该叶片发生故障;
其中,该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
3.如权利要求1所述的方法,其特征在于,所述根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片包括:
如果一个叶片的噪音信号的频谱的频率范围达到啸叫频率范围,则确定该叶片发生故障。
4.如权利要求1所述的方法,其特征在于,所述采集风力发电机组各叶片的噪音信号包括:
将拾音器或拾音器阵列安装在所述风力发电机组的机舱部位,利用所述拾音器或拾音器阵列采集风力发电机组各叶片的噪音信号。
5.一种风力发电机组叶片故障诊断的装置,其特征在于,该装置包括:
信号采集器,用于采集风力发电机组各叶片的噪音信号;
分析处理模块,用于获得各叶片的噪音信号的频谱特征;根据各叶片的噪音信号的频谱特征判断是否存在发生故障的叶片;
所述信号采集器,进一步用于采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,作为各叶片的全转速标准噪音信号;
所述分析处理模块,进一步用于根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速对应的各叶片的当前标准噪音信号,获得各叶片的当前标准噪声信号的频谱特征;对于每个叶片,比较该叶片的当前噪音信号的频谱特征与当前标准噪音信号的频谱特征,如果存在异常,则确定该叶片发生故障。
6.如权利要求5所述的装置,其特征在于,
所述分析处理模块,用于实时分析不同叶片的噪音信号的频谱特征之间的差异;对于每个叶片,判断该叶片与其他各叶片的当前噪音信号的频谱特征之间的差异是否均出现异常,是则确定该叶片发生故障;
其中,该叶片与其他任一叶片的当前噪音信号的频谱特征之间的差异出现异常包括:二者的当前噪音信号的频谱特征之间的差异超出预定范围。
7.如权利要求5所述的装置,其特征在于,
所述分析处理模块,用于判断一个叶片的噪音信号的频谱的频率范围是否达到啸叫频率范围,是则确定该叶片发生故障。
8.如权利要求5所述的装置,其特征在于,所述信号采集器包括:安装在所述风力发电机组的机舱部位的拾音器或拾音器阵列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510415280.7A CN105136435B (zh) | 2015-07-15 | 2015-07-15 | 一种风力发电机组叶片故障诊断的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510415280.7A CN105136435B (zh) | 2015-07-15 | 2015-07-15 | 一种风力发电机组叶片故障诊断的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105136435A CN105136435A (zh) | 2015-12-09 |
CN105136435B true CN105136435B (zh) | 2017-10-31 |
Family
ID=54721866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510415280.7A Active CN105136435B (zh) | 2015-07-15 | 2015-07-15 | 一种风力发电机组叶片故障诊断的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105136435B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105738806B (zh) * | 2016-02-03 | 2019-02-19 | 北京汉能华科技股份有限公司 | 一种风力发电机组故障诊断***和方法 |
CN105784380B (zh) * | 2016-04-19 | 2018-05-08 | 上海交通大学 | 航空发动机压气机转子叶片***性故障检测方法 |
CN108266313A (zh) * | 2018-02-27 | 2018-07-10 | 青岛华创风能有限公司 | 一种低气动噪声风电机组 |
CN109236586A (zh) * | 2018-08-08 | 2019-01-18 | 远景能源(江苏)有限公司 | 基于声音采集的风力发电机螺栓失效监测方法 |
CN109209783A (zh) * | 2018-09-18 | 2019-01-15 | 远景能源(江苏)有限公司 | 一种基于噪声检测叶片的雷击损伤的方法及装置 |
CN109695579B (zh) * | 2018-12-28 | 2021-06-08 | 三一重能股份有限公司 | 风力发电机的预警方法和装置 |
CN110567703A (zh) * | 2019-10-15 | 2019-12-13 | 徐州徐工基础工程机械有限公司 | 基于声音的旋挖钻机故障远程诊断预测***及方法 |
CN111120223B (zh) * | 2019-12-16 | 2021-09-03 | 大连赛听科技有限公司 | 一种基于双阵列的叶片故障监测方法与设备 |
CN111306008B (zh) * | 2019-12-31 | 2022-03-11 | 远景智能国际私人投资有限公司 | 风机叶片的检测方法、装置、设备及存储介质 |
CN112432791B (zh) * | 2020-12-16 | 2022-11-01 | 广东省科学院智能制造研究所 | 一种基于阿兰方差的轴承振动信号自动故障诊断方法 |
CN112651452A (zh) * | 2020-12-30 | 2021-04-13 | 福州数据技术研究院有限公司 | 一种风机叶片异常检测方法及存储介质 |
CN113883015B (zh) * | 2021-11-11 | 2022-05-13 | 北京协合运维风电技术有限公司 | 一种风力发电机组叶片失效分析方法 |
CN114414037A (zh) * | 2022-01-18 | 2022-04-29 | 华能湖北新能源有限责任公司 | 一种风力发电机组叶片健康监测装置及监测方法 |
CN115033461B (zh) * | 2022-08-09 | 2023-04-18 | 苏州浪潮智能科技有限公司 | 一种风扇监控方法、***、装置、服务器及可读存储介质 |
CN117536800B (zh) * | 2023-11-13 | 2024-06-18 | 无锡学院 | 风电设备数据采集*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101743398A (zh) * | 2007-06-25 | 2010-06-16 | 西门子风力发电公司 | 风力涡轮机叶片频率的监控 |
CN102507205A (zh) * | 2011-10-27 | 2012-06-20 | 西北工业大学 | 一种检测航空发动机风扇叶片颤振故障的方法 |
CN102840979A (zh) * | 2012-09-04 | 2012-12-26 | 国电联合动力技术有限公司 | 一种风电机组传动链故障检测方法及装置 |
CN104677623A (zh) * | 2015-03-16 | 2015-06-03 | 西安交通大学 | 一种风力发电机叶片故障在位声学诊断方法及监测*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005017054B4 (de) * | 2004-07-28 | 2012-01-05 | Igus - Innovative Technische Systeme Gmbh | Verfahren und Vorrichtung zur Überwachung des Zustandes von Rotorblättern an Windkraftanlagen |
-
2015
- 2015-07-15 CN CN201510415280.7A patent/CN105136435B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101743398A (zh) * | 2007-06-25 | 2010-06-16 | 西门子风力发电公司 | 风力涡轮机叶片频率的监控 |
CN102507205A (zh) * | 2011-10-27 | 2012-06-20 | 西北工业大学 | 一种检测航空发动机风扇叶片颤振故障的方法 |
CN102840979A (zh) * | 2012-09-04 | 2012-12-26 | 国电联合动力技术有限公司 | 一种风电机组传动链故障检测方法及装置 |
CN104677623A (zh) * | 2015-03-16 | 2015-06-03 | 西安交通大学 | 一种风力发电机叶片故障在位声学诊断方法及监测*** |
Non-Patent Citations (1)
Title |
---|
水轮机转轮安全评估基础方法研究;黄振峰等;《华电技术》;20080430;第30卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105136435A (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105136435B (zh) | 一种风力发电机组叶片故障诊断的方法和装置 | |
CN105179179B (zh) | 一种风力发电机组的全状态监测方法和*** | |
CN101592590B (zh) | 一种转动叶片故障间接诊断技术 | |
CN105738806B (zh) | 一种风力发电机组故障诊断***和方法 | |
CN102718100B (zh) | 电梯故障预警***及其预警方法 | |
CN103890384B (zh) | 用于控制风能设备的方法 | |
CN102706560B (zh) | 一种风力发电机组的状态监测方法和装置 | |
CN107781118B (zh) | 基于多元传感信息的风力发电机叶片健康状态监测*** | |
CN203519144U (zh) | 一种风力发电机叶片与塔筒状态监测*** | |
CN103512651B (zh) | 基于振动突变报警的风电机组状态监测方法及装置 | |
CN105756864B (zh) | 基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法 | |
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*** | |
CN103411659A (zh) | 一种风力发电机叶片与塔筒状态监测方法及*** | |
CN113286944B (zh) | 一种用于监测叶根紧固件的健康状态的方法及*** | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN102341597A (zh) | 用于监控风力涡轮机的方法 | |
CN202326011U (zh) | 一种风电机组的状态监测与故障诊断*** | |
CN103901111A (zh) | 风力发电机组叶片的无损检测***及方法 | |
CN103575326A (zh) | 紧凑型风电机组信号检测装置及方法 | |
CN103674234A (zh) | 一种风力发电机组振动异常的状态预警方法及*** | |
CN112684292A (zh) | 一种风电场集电线路监控***、方法及装置 | |
CN111156136A (zh) | 一种风力发电机变桨轴承及连接螺栓状态监测方法及*** | |
CN106044434B (zh) | 一种电梯主机的保护装置 | |
CN110905736A (zh) | 一种风机运行监控*** | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |