CN107144426A - 一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法 - Google Patents
一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法 Download PDFInfo
- Publication number
- CN107144426A CN107144426A CN201710291403.XA CN201710291403A CN107144426A CN 107144426 A CN107144426 A CN 107144426A CN 201710291403 A CN201710291403 A CN 201710291403A CN 107144426 A CN107144426 A CN 107144426A
- Authority
- CN
- China
- Prior art keywords
- wind turbines
- detects
- analysis method
- gray relative
- relative analysis
- 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
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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:步骤一:基于角域信号无量纲因子趋势的故障特征提取;步骤二:通过灰色关联分析法分析参数与故障模式特征之间的关联度,从而得到较为准确的分析结果。本发明提出阶比重采样法,通过机组检测数据由时域向角域转化处理,完成数据特征从非线性到平稳的过渡,从而考虑到齿轮箱中轴系波动对数据带来的影响。
Description
技术领域
本发明涉及一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,属于故障检测领域。
背景技术
作为户外发电设备,风力发电机组的运行工况受自然因素影响十分明显。由于风速的随时变化,机组轴系转速也相应的发生变化,造成风电机组运行工况具有较为明显的波动性。
齿轮箱是双馈发电机组的重要增速机构,其结构紧凑,部件繁多,长期受到变转速、变载荷的影响,容易发生齿轮表面磨损、点蚀等故障,严重时会造成设备失效。虽然齿轮箱故障占整机故障的比率不算高,但是其故障造成的停机时间较长、电场的经济损失非常大。
针对这类问题,国内外学者提出了许多针对齿轮箱故障诊断的分析方法,其中有小波分、神经网络、支持向量机等方法。这些方法虽然能够实现对齿轮箱数据特征的提取与诊断,但是在整个分析过程中,通常只关心不同故障模式下特征参数之间的差异,很少考虑因为齿轮箱中轴系波动对数据带来的影响。同时,在故障诊断过程中,缺乏对参与计算的各个特征参数与故障模式之间联系的深入研究,致使在实际应用中,并不能得到十分理想的效果。受风速影响,风电机组齿轮箱轴系的转速时刻发生改变,监测数据、运行参数随工况的变化对于最终故障分析结果有明显影响。由此可见,对于风电机组设备的状态监测与故障诊断内容的研究十分重要。为此本发明提供了一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法。
发明内容
本发明的目的在于提供一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法。
为实现上述目的,本发明采取的技术方案是:一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:步骤一:基于角域信号无量纲因子趋势的故障特征提取;步骤二:通过灰色关联分析法分析参数与故障模式特征之间的关联度,从而得到较为准确的分析结果。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,所述的步骤一包括阶比重采样信号的预处理及机组齿轮箱故障信号的特征提取两个部分。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,所述的阶比重采样方法将时域信号转化成角域信号,以提高信号的平稳性。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,所述的故障信号特征提取及通过对角域信号多种无量纲参数的提取,以此作为分析初论箱运行的依据,且由于故障的确定性,其故障状态也分为n种。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,所述的灰色关联法的实质是比较数据曲线集合形状的接近程度,及数据曲线的几何形状越接近,关联度越大,实际检测数据就越接近参考情况。
附图说明
附图1 是本发明的原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:步骤一:基于角域信号无量纲因子趋势的故障特征提取;步骤二:通过灰色关联分析法分析参数与故障模式特征之间的关联度,从而得到较为准确的分析结果。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的步骤一包括阶比重采样信号的预处理及机组齿轮箱故障信号的特征提取两个部分。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的阶比重采样方法将时域信号转化成角域信号,以提高信号的平稳性。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的故障信号特征提取及通过对角域信号多种无量纲参数的提取,以此作为分析初论箱运行的依据,且由于故障的确定性,其故障状态也分为n种。
所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的灰色关联法的实质是比较数据曲线集合形状的接近程度,及数据曲线的几何形状越接近,关联度越大,实际检测数据就越接近参考情况。
Claims (5)
1.一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:
步骤一:基于角域信号无量纲因子趋势的故障特征提取;
步骤二:通过灰色关联分析法分析参数与故障模式特征之间的关联度,从而得到较为准确的分析结果。
2.根据权利要求1所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的步骤一包括阶比重采样信号的预处理及机组齿轮箱故障信号的特征提取两个部分。
3.根据权利要求2所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的阶比重采样方法将时域信号转化成角域信号,以提高信号的平稳性。
4.根据权利要求2所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的故障信号特征提取及通过对角域信号多种无量纲参数的提取,以此作为分析初论箱运行的依据,且由于故障的确定性,其故障状态也分为n种。
5.根据权利要求1所述的一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法,其特征是:所述的灰色关联法的实质是比较数据曲线集合形状的接近程度,及数据曲线的几何形状越接近,关联度越大,实际检测数据就越接近参考情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710291403.XA CN107144426A (zh) | 2017-04-28 | 2017-04-28 | 一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710291403.XA CN107144426A (zh) | 2017-04-28 | 2017-04-28 | 一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107144426A true CN107144426A (zh) | 2017-09-08 |
Family
ID=59774180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710291403.XA Pending CN107144426A (zh) | 2017-04-28 | 2017-04-28 | 一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107144426A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069626A (zh) * | 2020-09-14 | 2020-12-11 | 哈尔滨理工大学 | 一种基于灰关联的铣削表面三维形貌参数与磨损量相关性分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983452A (zh) * | 2014-04-18 | 2014-08-13 | 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 |
CN104330258A (zh) * | 2014-10-23 | 2015-02-04 | 徐州隆安光电科技有限公司 | 一种基于特征参量的滚动轴承故障灰色关联度辨识方法 |
CN105606360A (zh) * | 2015-11-24 | 2016-05-25 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多传感器信息融合的变工况行星齿轮箱故障诊断方法 |
CN106127136A (zh) * | 2016-06-21 | 2016-11-16 | 上海电机学院 | 滚动轴承故障诊断方法 |
-
2017
- 2017-04-28 CN CN201710291403.XA patent/CN107144426A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983452A (zh) * | 2014-04-18 | 2014-08-13 | 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 |
CN104330258A (zh) * | 2014-10-23 | 2015-02-04 | 徐州隆安光电科技有限公司 | 一种基于特征参量的滚动轴承故障灰色关联度辨识方法 |
CN105606360A (zh) * | 2015-11-24 | 2016-05-25 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多传感器信息融合的变工况行星齿轮箱故障诊断方法 |
CN106127136A (zh) * | 2016-06-21 | 2016-11-16 | 上海电机学院 | 滚动轴承故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
张文斌: "一种有效的齿轮故障识别方法", 《工况自动化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069626A (zh) * | 2020-09-14 | 2020-12-11 | 哈尔滨理工大学 | 一种基于灰关联的铣削表面三维形貌参数与磨损量相关性分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | The structure healthy condition monitoring and fault diagnosis methods in wind turbines: A review | |
Yang et al. | Wind turbine condition monitoring: technical and commercial challenges | |
Qiao et al. | A survey on wind turbine condition monitoring and fault diagnosis—Part I: Components and subsystems | |
Yang et al. | Wind turbine condition monitoring by the approach of SCADA data analysis | |
Biswal et al. | Design and development of a wind turbine test rig for condition monitoring studies | |
CN105894391B (zh) | 基于scada运行数据提取的风电机组转矩控制性能评估方法 | |
CN103759891B (zh) | 一种双馈风力发电机叶片不平衡在线故障诊断方法 | |
US20180291878A1 (en) | Method for Early Error Detection in a Drive System, a System for Early Error Detection, Wind Generator Comprising the System and Use of the System | |
CN202661241U (zh) | 一种模拟风电齿轮箱的振动测试装置 | |
Li et al. | Imbalance fault detection based on the integrated analysis strategy for variable-speed wind turbines | |
CN108072524A (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN106055734A (zh) | 一种风电齿轮箱故障诊断方法 | |
Jun et al. | An overview of condition monitoring and fault diagnostic for wind energy conversion system | |
Kim et al. | Design of wind turbine fault detection system based on performance curve | |
CN108278184A (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
Shahriar et al. | Speed-based diagnostics of aerodynamic and mass imbalance in large wind turbines | |
CN107144426A (zh) | 一种利用灰色关联分析法检测风电机组齿轮故障的诊断方法 | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
Morshedizadeh et al. | A case study of wind turbine rotor over-speed fault diagnosis using combination of SCADA data, vibration analyses and field inspection | |
Bharti et al. | Reliability assessment and performance analysis of DFIG-based WT for wind energy conversion system | |
Brandão et al. | Neural networks for condition monitoring of wind turbines | |
Amin et al. | Condition monitoring in a wind turbine planetary gearbox using sensor fusion and convolutional neural network | |
CN104344956A (zh) | 一种风力发电齿轮箱轴承故障模拟方法 | |
Brandão et al. | Neural networks for condition monitoring of wind turbines gearbox | |
Braam et al. | CONMOW: condition monitoring for offshore wind farms |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170908 |