CN109416298A - 识别风力涡轮机中的齿轮***中的故障的方法 - Google Patents
识别风力涡轮机中的齿轮***中的故障的方法 Download PDFInfo
- Publication number
- CN109416298A CN109416298A CN201780041525.1A CN201780041525A CN109416298A CN 109416298 A CN109416298 A CN 109416298A CN 201780041525 A CN201780041525 A CN 201780041525A CN 109416298 A CN109416298 A CN 109416298A
- Authority
- CN
- China
- Prior art keywords
- amplitude
- harmonic frequency
- failure
- gear
- center
- 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
-
- 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
- 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
-
- 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
- F03D15/00—Transmission of mechanical power
- F03D15/10—Transmission of mechanical power using gearing not limited to rotary motion, e.g. with oscillating or reciprocating members
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/16—Amplitude
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/334—Vibration measurements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/02—Gearboxes; Mounting gearing therein
- F16H2057/02039—Gearboxes for particular applications
- F16H2057/02078—Gearboxes for particular applications for wind turbines
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Wind Motors (AREA)
Abstract
提供了一种识别风力涡轮机中的齿轮***中的故障的方法。方法根据齿轮***的振动来确定(204)两个或更多中心谐波频率幅度,并确定(205)中心谐波频率幅度中的每一个的多个边带幅度。此外,方法对中心谐波频率幅度进行求和(207),以计算总的中心谐波频率幅度,并且对中心谐波频率幅度的边带幅度中的每一个进行求和(206),以计算总的边带幅度。方法然后基于第一中心谐波频率幅度和平均边带幅度来确定(208)指示由齿轮***引起的损伤的值。方法可以由控制器实施,控制器可以用于基于指示损伤的值来控制风力涡轮机或风电厂。中心谐波频率可以是谐波齿啮合频率,且指示损伤的值可以是总的中心谐波频率幅度和总的边带幅度的比,或相反。方法可以分析获得的任何比的值,并使用比值来识别和监测故障的进展。
Description
背景技术
本发明涉及识别齿轮***中的故障的领域,并且特别是涉及识别风力涡轮机中的齿轮***中的故障的领域。
风力涡轮机是可再生能源,并且许多国家在减少他们对有害的化石燃料的依赖的努力中增大了他们对这些风力涡轮机的使用。确实,作为减少污染的策略的部分,全世界正在创建风力涡轮机的大的阵列,称为风电厂。
从而,确保风力涡轮机的连续和平滑的运行变得越来越重要,这是最小化任何故障涡轮机的停机时间的需要。然而,随着操作中的风力涡轮机的数量的迅速增长,这变得日益困难。
风力涡轮机中的一种普遍类型的故障是风力涡轮机齿轮箱内的故障。由于齿轮箱的复杂性和低信噪比,这些故障是人所皆知的难以诊断的。与由小的齿轮缺陷产生的相对弱的信号相比,大的噪声由齿轮的运行产生。因此,此类型的故障典型地导致长的停机时间并且是风力涡轮机成为对化石燃料的可行替代能源中的主要问题。
已经进行了各种尝试来克服此问题。例如,在专利文档US8171797B2中,公开了用于评估齿轮箱中的退化的方法。此方法使用从操作的齿轮箱获得的数据,并使用此数据来提供退化的指示。
然而,该方法没有考虑齿轮故障导致的能量分配的真实表示。结果,这些方法不提供齿轮进展的精确表示,并且可以不正确地将健康齿轮箱诊断为具有故障,或可以提供误导或不正确的信息。
发明内容
我们已经意识到改进当前可用的显存***和方法的需要并且相应地提供了发明实施例,其具有包括减少的担保成本、增大的机器寿命和可靠性、减少的备件成本以及增大了用于维护和备用计划的交付周期。
本发明在独立权利要求中限定,现在主要涉及对独立权利要求的引用。优选的特征在从属权利以要求中陈述。
本发明提供了一种识别风力涡轮机中的齿轮***中的故障的方法。所述方法包括根据所述齿轮***的振动来确定两个或更多中心谐波频率幅度。所述方法还包括确定所述中心谐波频率幅度的多个边带幅度。所述方法还包括对所述中心谐波频率幅度进行求和,以计算总的中心谐波频率幅度,以及对所述中心谐波频率幅度的所述边带幅度中的每一个进行求和,以计算总的边带幅度。另外,确定基于所述总的边带幅度和所述总的中心谐波频率幅度来指示由所述齿轮***引起的损伤的值。
该方法是有利的,因为当前在工业中没有关于需要分析哪个谐波以识别并跟踪齿轮***内的任何给定故障的清楚指南。这是因为对给定状况进行分析的大多数适合的谐波可以从故障到故障变化,这意味着不能够跨所有故障使用单个谐波。这增加了识别和跟踪故障的复杂性。本发明通过在分析中考虑一个以上的谐波以及考虑与每一个谐波相关联的边带解决了此问题。得到的关系然后能够用于大体上跨所有故障;不必单独分析不同的谐波和它们相应的边带,因为在于此描述的总和中已经考虑了它们。
可选地,所述中心谐波频率幅度是中心谐波齿啮合频率幅度。
可选地,所述齿轮***是多级齿轮***,其中,每一个中心谐波频率幅度与齿轮之间的啮合相关。此外,所述方法可选地包括对于特定中心谐波频率,基于指示损伤的值来确定所述齿轮***内的特定齿轮啮合内的故障。这是有利的,因为其容许风力涡轮机或风电厂的控制器,或替代地或附加地,操作者,确定故障位于齿轮***中哪里,并且因此容许高效地处理故障。
可选地,所述两个或更多中心谐波频率幅度中的第一中心谐波频率幅度是在对于所述齿轮***的基本谐波频率处。
可选地,所述两个或更多中心谐波频率幅度中的一个或更多处于基频幅度的谐波处。
可选地,第三中心谐波频率幅度处于所述第一谐波频率幅度的第二谐波处,并且第二谐波频率幅度处于与所述第二谐波频率幅度不同的第一谐波频率幅度的第一谐波处。
可选地,确定所述值包括计算所述总的中心谐波频率幅度与关联的总的边带幅度的比,或替代地,计算关联的总的边带幅度与所述总的中心谐波频率幅度的比。将所述比与阈值进行比较,以识别所述齿轮***中是否存在故障。此外,可选地,在所述比在所述阈值内时,重复地计算所述比,以获得多个比值,并且如果计算的比值在所述阈值之外,则可选地输出指示已经在所述齿轮***中识别到了故障的数据。这容许通过具体化本发明的***来监测齿轮***的健康,使得需要与故障有关的行动时,发出推荐。
可选地,所述方法还包括在预定时间段中重复地计算所述比以获得多个比值。
可选地,所述比值用于跟踪故障的进展。可选地,通过将每一个相继计算的比值与阈值值进行比较来跟踪所述故障。替代地,或附加地,通过将所述多个比值中的每一个比值与所述多个比值中的一个或更多其它比值进行比较来跟踪所述故障。这是有利的,因为其容许跟踪总的中心幅度和总的边带幅度之间的高度的降低,并且该跟踪指示齿轮故障进展。
可选地,每一个中心谐波频率幅度的任一侧上的至少六个边带幅度用于计算相应的平均边带幅度。
可选地,还包括基于指示损伤的值来控制所述风力涡轮机。
本发明的实施例还提供一种用于控制风力涡轮机或风力发电厂的控制器,所述控制器被配置为执行于此描述的任一方法。本发明还提供包括该控制器的风力涡轮机或风力发电厂。
本发明的实施例还提供一种计算机程序,其在控制器或其它计算装置上运行时,使得所述控制器执行于此描述的任一方法。
附图说明
将参照附图通过范例更详细地描述本发明,其中:
图1是具体化本发明的***的主要功能部件的图;
图2是具体化本发明的方法的主要功能步骤的流程图;
图3示出了根据本发明的第一特定实施的健康齿轮***的快速傅里叶变换谱;
图4示出了根据本发明的第一特定实施的故障齿轮***的快速傅里叶变换谱;
图5示出了根据本发明的第一特定实施的对于齿轮***的多个中心谐波频率幅度的CSER趋势绘图;
图6示出了根据本发明的第二特定实施的健康齿轮***的快速傅里叶变换谱;
图7示出了根据本发明的第二特定实施的故障齿轮***的快速傅里叶变换谱;
图8示出了根据本发明的第二特定实施的对于齿轮***的多个中心谐波频率幅度的CSER趋势绘图。
具体实施方式
可以以用于识别风力涡轮机中的齿轮***中的故障的各种方法和***来具体化本发明。描述的主要实施例是控制器,该控制器用于实施根据本发明的识别风力涡轮机中的齿轮***中的故障的方法。将首先参照图1来描述具体化本发明的***。然后在转到提供可以如何实施本发明的进一步的细节的两个特定范例之前,将参照图2来描述由具体化***实施的具体化方法。
图1示出了根据本发明的实施例的***100。***100包括风力涡轮机101,其自身包括齿轮***102和传感器103。风力涡轮机内的齿轮的总体安装和布置在本领域是公知的,并且从而不对其进行详细描述。然而,为了有助于理解,应当注意,用于风力涡轮机中的齿轮***典型地是多级的,例如低速度级、中间速度级、以及高速度级,容许齿轮的旋转速度适合地逐步增大和降低。在本实施例中,使用三级齿轮箱。然而,将理解,本发明可应用于能够设想地用于风力涡轮机内的任何齿轮布置。例如,能够使用适合用于风力涡轮机中的使用的任何两级、三级齿轮箱或其它多级齿轮箱。
***还包括控制器104和显示器105。控制器104和显示器105被集成以形成单个单元并独立于风力涡轮机设置。单个单元可以是与风力涡轮机101通信的计算机。替代地,单个单元可以是平板或其它适合的装置。此外,虽然将控制器和显示器描述为单个单元,但是其它布置是可能的。例如,***100可以被整个集成到风力涡轮机101中,使得控制器104和显示器105直接附接至风力涡轮机101。替代地,控制器可以集成到风力涡轮机中,但是显示器设置在其它地方,或者反过来,或任何另外可设想的布置。
响应于风力涡轮机101的旋转,齿轮***102中的齿轮将旋转。齿轮的旋转使得齿轮***102振动,产生对于该齿轮***102的振动模式。此振动模式取决于齿轮***102的健康。如果齿轮***中不存在故障(即,其为健康***),则相邻齿轮的齿将平滑地互锁或啮合,并且将产生某振动模式。如果存在故障,则包含故障的齿轮将不与其相邻齿轮平滑地啮合并且这将改变振动模式。
齿轮***中的故障典型地涉及损坏的齿轮齿。例如,破裂或破坏的齿轮齿将影响齿轮如何与与其所互锁的齿轮啮合,这影响***的振动模式。然而,其它类型的齿轮故障是可能的,这对本领域技术人员将是明显的。将理解,本方法可应用于影响齿轮啮合的任何可设想齿轮故障。
传感器103用于测量齿轮***产生的振动,并且能够用于收集关于齿轮***的状况的数据。可以将传感器数据提供为状况监测***(CMS)数据的部分。传感器103可以是检测由振动引起的加速度的加速度计,并且安装于齿轮箱上。将理解,可以以容许传感器测量齿轮***的振动的任何方式相对于齿轮***安装传感器。例如,在本实施例中,传感器可以安装于齿轮箱的外部表面上,或传感器可以安装于齿轮箱的内部表面上。替代地,传感器可以安装于使得能够测量振动数据的风力涡轮机的任何表面上。传感器103可以是加速度计或适合于测量齿轮***102的振动的任何其它传感器。
然后由控制器104收集或接收由传感器103获得的振动数据。数据可以由使用任何适合的数据采集装置(DAU)的控制器104来收集。
控制器104然后将收集的振动数据储存在存储器中。控制器可以包括诸如硬盘驱动或固态驱动的储存装置,其中可以储存或检索振动数据。替代地,或附加地,控制器可连接至服务器,控制器能够访问服务器以既储存新收集的振动数据并且又检索已经存储的振动数据。
虽然在本实施例中将控制器描述为包括DAU,但是将理解DAU可以是从传感器收集数据并将数据中继至控制器的独立部件。替代地,或附加地,如果控制器连接至服务器,则DUA可以将振动数据直接发送至服务器。
控制器104从存储器检索振动数据并根据于此描述的方法分析数据。根据分析的结果,控制器104能够识别风力涡轮机101中的齿轮***102中是否存在故障。控制器104可以使用MATLAB(TM)平台上的算法来执行分析。替代地,可以使用用于实施本发明的任何适合的软件平台。结果可以由控制器104以任何适合的格式写入,包括xl格式,并且能够相应地视觉显示结果,诸如通过将结果绘图为一个或更多图表。这有助于将关于故障的信息传送给***100的操作者。
如以下解释的,控制器104能够通过监测其从传感器103接收的振动数据来跟踪齿轮***中的故障的进展。此外,控制器104可以将关于故障及其进展的信息,可选地连同关于任何行动的建议,发送至显示器105,该任何行动是关于故障应当采取的行动,显示器105能够由终端用户观看。这容许终端用户在任何时间点容易地确定齿轮***的健康并且故障是否是使得需要进一步的行动。
图2示出了具体化识别风力涡轮机中的齿轮***中的故障的本发明的方法的范例。在本实施例中,方法由图1中示出的***100的控制器104实施。然而,图1中示出的***以外的***可以用于实施本发明。
识别故障的过程在步骤201开始。在步骤202,控制器104接收来自传感器103的原始时间波形形式的振动数据。控制器104然后在步骤203计算快速傅里叶变换(FFT),将原始时间波形转换到频域。步骤202和203后的普遍原理均是本领域公知的并且从而将不进一步对其进行描述。
控制器104然后在步骤204分析FFT数据并根据测得的齿轮***的振动来获得第一和第二中心谐波频率幅度。第一中心谐波频率幅度是基本齿啮合频率幅度,且第二中心谐波频率幅度是第一中心齿啮合频率幅度的谐波。齿轮***102中的每一个齿轮啮合具有基本齿啮合频率(TMF1),其表示互锁齿轮用以会合的频率,即齿的数量乘以轴速度。这样,控制器可以获得与特定齿轮啮合相关的特定幅度,容许***监测与齿轮***102的特定级相关的故障,即用以测量幅度的频率指示负责用于产生该幅度的特定啮合。
由控制器104获得的任何幅度表示由传感器测得的振动的加速度。在齿轮***中的特定啮合的齿啮合频率,在测得的振动加速度中将通常存在尖峰。因为齿啮合频率是已知量,所以控制器能够直接注意到(look to)此频率并获得加速度中的尖峰。由控制器104获得的加速度的值是用于啮合的齿啮合频率幅度。因为齿啮合频率是已知量,所以频率峰(包括谐波)能够与负责生成所述峰的特定齿轮相关联。
此外,每一个基本齿啮合频率具有与其相关联的高次谐波(TMF2、TMF3等)。这些高次谐波提供关于故障及其进展的附加补充信息。另外,对于特定类型的故障,这些高次谐波中的任何一个可以比TMF1幅度更适合于识别和跟踪故障的进展(即,对于某些类型的故障,特定谐波可能比另一谐波更适合用于监测)。应当理解,基本齿啮合频率的这些高次谐波均涉及与基本频率相关联的特定齿轮啮合;这些中心谐波频率是与特定齿轮啮合相关的一组谐波频率。
此外,应当理解,控制器104可以获得来自齿轮***的一个以上的齿轮啮合的振动数据。从而,控制器能够获得一组以上的谐波频率,每组谐波频率与特定齿轮啮合相关联。因此,控制器104不限于检测单个齿轮啮合。确实,通过如下所述地对多组谐波频率执行分析,控制器104可以监测多个齿轮啮合的健康。结果,如果跨一个以上齿轮啮合存在一个以上故障,则控制器104能够识别并跟踪这些故障之一的进展,或同时跟踪这些故障中的两个或更多。
虽然已经关于齿啮合频率幅度描述了本实施例,但是将理解的是,可以使用其它适合的谐波频率幅度。例如,可以使用旋转频率或由CMS数据获得的其它适合的量。此外,可以在步骤204由控制器获得附加谐波。例如,可以获得TMF1、TMF2和TMF3,或可以获得TMF2和TMF3而不获得TMF1,或适合于识别故障的任何其它振动。
一旦在步骤204已经获得了中心谐波频率幅度,控制器104就在步骤205确定TMF1幅度的多个边带幅度和第二中心谐波频率幅度的多个边带幅度。这些边带是归因于齿轮中的缺陷的中心谐波频率的调制的结果。换句话说,作为中心频率的调制的结果,边带围绕中该心频率发展。此调制本身是啮合缺陷的结果并且边带的数量及它们的幅度取决于特定缺陷。如果齿轮***102是健康的并且齿轮有效地啮合,则边带幅度与它们的中心幅度相比将是小的,因为将存在中心幅度的很少的调制。如果存在故障,且齿轮未正确地啮合,则将存在中心频率的较大调制,并且边带的幅度相对于中心频率幅度将增大。
典型地,将存在多个边带幅度,该多个边带幅度以均匀间隔的频率布置在在中心频率的任一侧上,每一个边带幅度包含关于中心频率的调制的一些信息。在本实施例中,在步骤205计算中心频率中的每一个的任一侧上的第一六个边带幅度。已经实验上发现了此数量提供用于识别和跟踪故障的进展的最佳结果。然而,将理解的是,能够使用更多或更少的边带。也将理解的是,不必在中心频率的任一侧上使用相等数量的边带。例如,能够在中心频率的一侧上获得12个边带,而在另一侧上没有边带。
然后在步骤206将在步骤205获得的所有边带一起求和以获得总的边带幅度,即TMF1幅度和TMF2幅度二者的边带幅度均包括在和中以获得单个总的边带幅度。
在步骤207,将中心幅度TMF1和TMF2一起求和以获得总的中心谐波频率幅度。
如以上讨论的,如果在步骤204由控制器获得了附加谐波,则这些幅度和它们的边带幅度分别包括在在步骤207和206的计算中。
一旦已经通过控制器104计算了基本齿啮合频率幅度的总的齿啮合频率幅度和总的边带幅度,则在步骤208,控制器就基于总的中心谐波频率幅度和总的边带幅度来确定指示由齿轮***引起的损伤的值。在本实施例中,此值是总的边带幅度与总的中心谐波频率幅度的比,其从现在起被称为组合边带能量比(CSER)。
在步骤209-212,控制器104分析CSER,识别在齿轮***102中是否存在故障,并基于分析的数据确定是否发出推荐。
如以上讨论的,如果存在故障,则相比于不存在故障,边带的幅度相对于中心幅度更大。从而,CSER的值越小,则齿轮***102越健康,并且相反,CSER越大,则故障越严重。因此,在步骤209,控制器104可以将CSER与阈值值进行比较。在步骤210,控制器可以评估CSER是在阈值值以上还是以下。如果CSER在阈值以上,则故障严重,并且需要行动(例如,安装新齿轮),并且控制器可以在步骤212发出推荐。此推荐被发送至显示器105以由终端用户观看。相应地,如果CSER在阈值以下,则故障不严重,且控制器在步骤211重新开始过程。
控制器然后可以重复过程,直至达到阈值,计算多个CSER值。可以间隔地重复过程,并且特别是可以周期性地重复过程。在步骤209可以比较这些值,并且能够监测值中的任何改变。以此方式,可以由控制器连续地监测故障的进展。进行这个,直至故障达到需要行动的点。在该点,可以发出推荐。推荐可以指示故障位于齿轮***中何处,需要什么行动,或提供对处理故障可以有用的任何信息。如以上讨论的,值可以被以xl格式写入并且相应地绘图。从而,控制器可以产生清楚地示出故障的进展的图表。
推荐可以和对操作者处理故障有用的任何图表或附加信息一起被输出至显示器105,用于操作者观看。
从而,提供了能够精确地识别故障并跟踪它们的进展的识别风力涡轮机中的齿轮***中的故障的方法。
实施例的特征的变化是可能的。例如,指示由齿轮***引起的损伤的值不必是CSER。值可以等于CSER的倒数。替代地,值不必是比率,其可以是量之间的差,或适合作为指示由齿轮***引起的损伤的值的任何其它数学运算。
此外,控制器将计算的值与阈值进行比较或发出推荐不是必须的。例如,由控制器计算的CSER值可以如它们被计算的那样简单地输出至显示器。操作者然后可以分析值并且确定是否需要与故障有关的任何行动。替代体,或附加地,控制器可以比较CSER值并跟踪CSER值随时间的改变。这些改变然后可以被输出至显示器。替代地,或附加地,可以将这些改变与阈值值进行比较,并且在超过阈值(即,指示故障进展至需要行动的点)时,输出推荐。指示由齿轮***引起的损伤的值可以由控制器以任何其它适合的方式使用已识别风力涡轮机中的齿轮***中的故障。
除本发明的以上描述外,现在将提供可以如何实施本发明的两个特定范例。
用于齿轮健康状况评估的组合边带能量比是状况监测技术,其能够通过运行用于对接收的*.UFF数据(即CMS数据)进行信号处理的Matlab(TM)脚本来实施。CSER的计算和结果将提供对齿轮状况评估的指导。计算和结果可以自动写入例如输出展开表(outputspread sheet)中。结果能够趋向用于评估齿轮的状况。
具体范例1:3MW齿轮箱中的破裂高速(HS)小齿轮齿。
现在将与以3MW三级齿轮箱执行的测试相关地来描述本发明的范例,该三级齿轮箱具有两个行星级和一个并行级,比率为1:112.63(升高)。名义高速级(HSS)速度是1450RPM并且在HSS的名义扭矩为34kNm。高速小齿轮齿在在测试期间发生的失效者两侧。
表1:齿轮箱轴速度和3MW齿轮箱的TMF的汇总
所有三级的齿啮合频率(TMF)和轴速度在表1中得到了呈现,并且在此部分中被提及。在此部分中使用了相对趋势绘图定量地解释了归因于破裂齿轮齿的健康和故障齿啮合的CSER的重要性。
图3示出了对于健康齿轮的具有500至2200Hz的频率范围和0.5Hz的分辨率的FFT谱301。在1X、2X&3X TMF幅度(即TMF1、TMF2和TMF3频率)中的每一个附近呈现了边带能量水平。然而,因为这是针对健康齿轮的谱,所以这些边带小。对于健康齿轮啮合的CSER为0.718。
健康齿轮的时间波形将没有周期性冲击尖峰。还在测试期间计算为峰加速度与RMS加速度的比的波峰因子(Crest Factor,CF)值,以提供健康齿轮箱的指示,作为跟踪损伤和确认确实能够基于第一中心谐波频率幅度和平均边带幅度来确定由齿轮***引起的损伤的方式。例如,此范例中测试期间对于健康齿轮啮合的波峰因子为4.31。
图4示出了故障齿轮啮合的FFT谱401。FFT谱401具有HS级的1X&2XTMF附近的边带能量水平,其比对图3示出的那些显著要高。
对于故障齿轮啮合的CSER为4.59,与健康齿轮啮合CSER相比,其是显著的增大。谱中的1X和2X TMF附近的边带的存在和间隔指示高速轴的每转发生一次边带调制。还有,1X和2X中心啮合频率属于HS齿轮啮合的事实指示引起调制的损伤通过该啮合传递。根据此信息,能够诊断存在对此齿轮箱中的HS小齿轮的损伤。
故障齿轮啮合的时间波形可以具有CF值,其指示齿轮***中存在故障。例如,在此范例中的测试期间,对于故障齿轮啮合的CF值为5.9333。与健康齿轮啮合CF相比,这是CF的显著增大。CSER中也存在增大,这是时间波形中存在的冲击尖峰的证据。对于故障齿轮啮合的时间波形还可以示出高速轴(此范例中为24.83Hz)的每转一次的冲击尖峰。周期性冲击在整个时间波形窗口中可以是清楚可看见的。
趋势绘图,诸如随时间更新的振动加速度幅度(m/s2)和频率(Hz)的绘图,能够清楚地揭露在从健康至故障齿轮啮合的时间段上,1X和2XTMF附近的边带的数量的增大。还观察到了该绘图上边带的幅度及其谐波对于损伤的齿轮增大了。该绘图能够定量地指示与齿轮故障进展(从齿轮缺陷开始至失效)成比例的CSER的增大。
图5示出了CSER趋势绘图。X轴和Y轴分别表示样本数量和CSER值。
参照图5,每一个样本数量表示具体化上述本发明的方法中的迭代。控制器104在步骤204第一次(即,第一次迭代)获得基本齿啮合频率(TMF1)幅度和基本频率(TMF2)的谐波处的幅度。控制器104然后在步骤205、206以及207,在中心幅度的任一侧上获得六个边带幅度,计算所有边带幅度的和以及中心幅度的和。控制器104然后在步骤208计算此时间点对于齿轮***的CSER值。这在图中表示为远左侧上的数据点。
在此时间点,齿轮***中没有故障。结果,中心幅度的调制小。从而,总的中心幅度相对于总的边带幅度大,并且CSER值相对小。此值在阈值以下,并且同样,控制器重复过程
如从图5能够看到的,控制器104重复过程18次,计算总的中心频率幅度、总的边带幅度、和CSER值随时间的18个值。如能够看到的,在该时段中,方法运行,故障在齿轮***中发展。CSER的值有显著的上升。
可以将此信息连同任何推荐一起输出至显示器105,用于操作者观看。
特定范例2:2MW齿轮箱中的小齿轮齿破裂
此范例情况研究中的齿轮箱是三级的,一个行星级和两个并联级,具有齿轮比1:112.24(增加)的螺旋单元配置。名义HSS速度是1553RPM且HSS处的名义扭矩是21kNm。归因于疲劳失效,在测试末端发生了中间小齿轮齿破裂。
表2:齿轮箱轴速度和1.8MW齿轮箱的TMF的汇总
在表2中将齿轮箱轴速度和2MW齿轮箱的TMF的汇总列成了表格。此外,行星、中间以及高速级的TMF及其谐波,以及它们对应的轴速度呈现于表2中并且在此部分中被提及。
图6示出了健康齿轮啮合的FFT谱601具有1X和2X TMF及其谐波连同在IMS转动处间隔的边带一起。因为FFT谱601是健康齿轮啮合的,所以观察到1X和2X TMF附近的边带能量水平小。对于健康齿轮部件的CSER为1.4。
如上所述,健康齿轮的时间波形可以对中间速度(IMS)轴转动不具有周期冲击尖峰。此范例中对于健康齿轮的CF值为4.38。
图7示出了对于故障齿轮啮合的FFT谱701。FFT谱701具有IMS的1X TMF和谐波,具有以IMS运行速度间隔的指示IMS小齿轮损伤的边带。
对于故障齿轮啮合的CSER为7.34,与健康齿轮啮合CSER相比,这是显著的增大。谱中的1X、2X以及3X TMF附近的边带的存在和间隔指示IMS的每转发生一次边带调制。还有,1X、2X中心啮合频率属于IS齿轮啮合的事实指示引起调制的损伤通过该啮合传递。根据此信息,我们能够诊断存在对此齿轮箱中的中间小齿轮的损伤。
此范例中的故障齿轮的时间波形具有7.22的CF值。此外,时间波形具有遍及时间波形窗口清楚可见的周期性冲击尖峰。在健康齿轮啮合与故障齿轮啮合时间波形之间存在显著差异,因为幅度调制是明显的。这确认了沿FFT谱的齿轮缺陷。
图8示出了CSER趋势绘图。X轴和Y轴分别表示样本数和CSER值。用于此绘图的数据是以与关于图5描述的方式相同的方式收集的。对于此第二特定范例,能够看到控制器104重复过程40次,计算总的中心频率幅度、总的边带幅度和CSER值随时间的40个值。如能够看到的,在该时段中,方法运行,故障在齿轮***中发展。CSER的值有显著的上升。
虽然已经主要关于风力涡轮机控制器描述了本发明,但是能够在任何适合的计算装置或平台上实施实施例。
本发明的实施例可以包括风力涡轮机、或风电场、被配置为基于于此描述的任何方法的输出来调整风力涡轮机的一个或多个操作参数的控制器。特别是,在方法输出指示发生了损伤时,控制器可以关闭或减小由风力涡轮机生成的功率。这可以使用施加于针对例如分别的谐波的一个或多个MI比的一个或多个阈值来实现,由此在阈值传递,或被特定MI比超过时,由控制器采取行动以限制或防止对齿轮部件的进一步的损伤。
Claims (20)
1.一种识别风力涡轮机中的齿轮***中的故障的方法,所述方法包括:
根据所述齿轮***的振动来确定(204)两个或更多中心谐波频率幅度;
确定(205)所述中心谐波频率幅度中的每一个的多个边带幅度;
对所述中心谐波频率幅度进行求和(207),以计算总的中心谐波频率幅度;
对所述中心谐波频率幅度的所述边带幅度中的每一个进行求和(206),以计算总的边带幅度;
基于所述总的边带幅度和所述总的中心谐波频率幅度来确定(208)指示由所述齿轮***引起的损伤的值。
2.根据权利要求1所述的方法,其中,所述中心谐波频率幅度是中心谐波齿啮合频率幅度。
3.根据权利要求2所述的方法,其中,所述齿轮***是多级齿轮***,并且其中,每一个中心谐波频率幅度与齿轮之间的啮合相关,所述方法还包括:
对于所述中心谐波频率幅度,基于指示损伤的值来确定所述齿轮***内的特定齿轮啮合内的故障。
4.根据任一前述权利要求所述的方法,其中,所述两个或更多中心谐波频率幅度中的第一中心谐波频率幅度处于对于所述齿轮***的基本谐波频率处。
5.根据任一前述权利要求所述的方法,其中,所述两个或更多中心谐波频率幅度中的一个或更多处于基本谐波频率幅度的谐波处。
6.根据任一前述权利要求所述的方法,其中,第三中心谐波频率幅度处于所述第一谐波频率幅度的第二谐波处,并且第二谐波频率幅度处于与所述第二谐波频率幅度不同的所述第一谐波频率幅度的第一谐波处。
7.根据任一前述权利要求所述的方法,其中,确定所述值包括计算所述总的中心谐波频率幅度与所述总的边带幅度的比或计算所述总的边带幅度与所述总的中心谐波频率幅度的比。
8.根据权利要求7所述的方法,其中,将所述比与阈值进行比较,以识别所述齿轮***中是否存在故障。
9.根据权利要求8所述的方法,其中,所述方法还包括在所述比在所述阈值内时,重复地计算所述比,以获得多个比值。
10.根据权利要求8或9所述的方法,其中,如果计算的比值在所述阈值之外,则输出指示已经在所述齿轮***中识别到了故障的数据。
11.根据权利要求7所述的方法,其中,所述方法还包括在预定时间段中重复地计算所述比以获得多个比值。
12.根据权利要求9-11中任一项所述的方法,其中,所述比值用于跟踪故障的进展。
13.根据权利要求12所述的方法,其中,通过将每一个相继计算的比值与阈值值进行比较来跟踪所述故障。
14.根据权利要求12或13所述的方法,其中,通过将所述多个比值中的每一个比值与所述多个比值中的一个或更多其它比值进行比较来跟踪所述故障。
15.根据任一前述权利要求所述的方法,其中,每一个中心谐波频率幅度的任一侧上的至少六个边带幅度用于计算所述平均边带幅度。
16.根据任一前述权利要求所述的方法,还包括基于指示损伤的值来控制所述风力涡轮机。
17.一种用于控制风力涡轮机或风力发电厂的控制器,所述控制器被配置为执行权利要求1至16中任一项所述的方法。
18.一种风力涡轮机,包括根据权利要求17所述的控制器。
19.一种风力发电厂,包括根据权利要求17所述的控制器。
20.一种计算机程序,其在控制器上运行时,使得所述控制器执行如权利要求1至16中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DKPA201670295 | 2016-05-04 | ||
DKPA201670295 | 2016-05-04 | ||
PCT/DK2017/050136 WO2017190746A1 (en) | 2016-05-04 | 2017-05-04 | Method of identifying a fault in a system of gears in a wind turbine |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109416298A true CN109416298A (zh) | 2019-03-01 |
Family
ID=58707272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780041525.1A Pending CN109416298A (zh) | 2016-05-04 | 2017-05-04 | 识别风力涡轮机中的齿轮***中的故障的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11333131B2 (zh) |
EP (1) | EP3452799B1 (zh) |
CN (1) | CN109416298A (zh) |
ES (1) | ES2951264T3 (zh) |
WO (1) | WO2017190746A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345238A (zh) * | 2020-10-29 | 2021-02-09 | 上海电气风电集团股份有限公司 | 齿轮箱振动监控方法及其***及计算机可读存储介质 |
CN112345250A (zh) * | 2020-10-29 | 2021-02-09 | 上海电气风电集团股份有限公司 | 轴承振动监控方法及其***及计算机可读存储介质 |
CN115060959A (zh) * | 2022-05-13 | 2022-09-16 | 重庆大学 | 一种轨道交通车辆车轮故障监测方法 |
CN116428131A (zh) * | 2023-06-13 | 2023-07-14 | 中国电建集团西北勘测设计研究院有限公司 | 风力发电机故障预警方法及装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109416298A (zh) | 2016-05-04 | 2019-03-01 | 维斯塔斯风力***集团公司 | 识别风力涡轮机中的齿轮***中的故障的方法 |
CN108613806A (zh) * | 2018-07-23 | 2018-10-02 | 潍柴动力股份有限公司 | 一种齿轮检测方法及装置 |
US11486483B1 (en) * | 2019-07-08 | 2022-11-01 | Gpms International, Inc. | Condition monitoring for components of a gearbox |
WO2023217724A1 (fr) * | 2022-05-09 | 2023-11-16 | Safran | Procédé de détection d'un défaut d'au moins un engrenage d'une turbomachine d'aéronef à partir d'un signal vibratoire de l'engrenage |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5875420A (en) * | 1997-06-13 | 1999-02-23 | Csi Technology, Inc. | Determining machine operating conditioning based on severity of vibration spectra deviation from an acceptable state |
US20100256932A1 (en) * | 2009-04-02 | 2010-10-07 | Honeywell International Inc. | System and method for gearbox health monitoring |
US20120073364A1 (en) * | 2010-09-23 | 2012-03-29 | General Electric Company | Sideband energy ratio method for gear mesh fault detection |
CN103140672A (zh) * | 2010-06-28 | 2013-06-05 | 维斯塔斯风力***有限公司 | 在风力发电厂中执行状况监测的方法 |
CN104236908A (zh) * | 2014-09-23 | 2014-12-24 | 石家庄铁道大学 | 基于mid算法的组合切片轴承故障诊断方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711523B2 (en) | 2001-05-24 | 2004-03-23 | Simmonds Precision Products, Inc. | Method and apparatus for determining a condition indicator for use in evaluating the health of a component |
PL200003B1 (pl) | 2002-08-26 | 2008-11-28 | Abb Sp Zoo | Sposób wykrywania i automatycznej identyfikacji defektów urządzeń technicznych |
EP2072975A1 (en) | 2007-12-19 | 2009-06-24 | Siemens Aktiengesellschaft | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine |
US9086488B2 (en) * | 2010-04-20 | 2015-07-21 | Michigan Aerospace Corporation | Atmospheric measurement system and method |
US20120025526A1 (en) * | 2010-07-30 | 2012-02-02 | General Electric Company | System and method for monitoring wind turbine gearbox health and performance |
US8364424B2 (en) | 2010-07-30 | 2013-01-29 | General Electric Company | System and method for monitoring a wind turbine gearbox |
DE102011117468B4 (de) | 2011-11-02 | 2022-10-20 | Weidmüller Monitoring Systems Gmbh | Verfahren, Recheneinheit und Einrichtung zur Überwachung eines Antriebstrangs |
US9797808B2 (en) | 2014-05-16 | 2017-10-24 | RMCI, Inc. | Diagnosis of gear condition by comparing data from coupled gears |
JP6539594B2 (ja) * | 2016-01-18 | 2019-07-03 | 株式会社神戸製鋼所 | 回転機異常検出装置および該方法ならびに回転機 |
CN109416298A (zh) | 2016-05-04 | 2019-03-01 | 维斯塔斯风力***集团公司 | 识别风力涡轮机中的齿轮***中的故障的方法 |
-
2017
- 2017-05-04 CN CN201780041525.1A patent/CN109416298A/zh active Pending
- 2017-05-04 ES ES17723256T patent/ES2951264T3/es active Active
- 2017-05-04 US US16/098,682 patent/US11333131B2/en active Active
- 2017-05-04 EP EP17723256.8A patent/EP3452799B1/en active Active
- 2017-05-04 WO PCT/DK2017/050136 patent/WO2017190746A1/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5875420A (en) * | 1997-06-13 | 1999-02-23 | Csi Technology, Inc. | Determining machine operating conditioning based on severity of vibration spectra deviation from an acceptable state |
US20100256932A1 (en) * | 2009-04-02 | 2010-10-07 | Honeywell International Inc. | System and method for gearbox health monitoring |
CN103140672A (zh) * | 2010-06-28 | 2013-06-05 | 维斯塔斯风力***有限公司 | 在风力发电厂中执行状况监测的方法 |
US20120073364A1 (en) * | 2010-09-23 | 2012-03-29 | General Electric Company | Sideband energy ratio method for gear mesh fault detection |
CN104236908A (zh) * | 2014-09-23 | 2014-12-24 | 石家庄铁道大学 | 基于mid算法的组合切片轴承故障诊断方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345238A (zh) * | 2020-10-29 | 2021-02-09 | 上海电气风电集团股份有限公司 | 齿轮箱振动监控方法及其***及计算机可读存储介质 |
CN112345250A (zh) * | 2020-10-29 | 2021-02-09 | 上海电气风电集团股份有限公司 | 轴承振动监控方法及其***及计算机可读存储介质 |
CN115060959A (zh) * | 2022-05-13 | 2022-09-16 | 重庆大学 | 一种轨道交通车辆车轮故障监测方法 |
CN116428131A (zh) * | 2023-06-13 | 2023-07-14 | 中国电建集团西北勘测设计研究院有限公司 | 风力发电机故障预警方法及装置 |
CN116428131B (zh) * | 2023-06-13 | 2023-12-01 | 中国电建集团西北勘测设计研究院有限公司 | 风力发电机故障预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US11333131B2 (en) | 2022-05-17 |
US20210239098A1 (en) | 2021-08-05 |
ES2951264T3 (es) | 2023-10-19 |
WO2017190746A1 (en) | 2017-11-09 |
EP3452799C0 (en) | 2023-07-26 |
EP3452799A1 (en) | 2019-03-13 |
EP3452799B1 (en) | 2023-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416298A (zh) | 识别风力涡轮机中的齿轮***中的故障的方法 | |
EP2434266B1 (en) | Sideband energy ratio method for gear mesh fault detection | |
Sheng | Wind turbine gearbox condition monitoring round robin study-vibration analysis | |
Dhamande et al. | Compound gear-bearing fault feature extraction using statistical features based on time-frequency method | |
US20160187226A1 (en) | Bearing device vibration analysis method, bearing device vibration analyzer, and rolling bearing condition monitoring system | |
Villa et al. | Statistical fault diagnosis based on vibration analysis for gear test-bench under non-stationary conditions of speed and load | |
Bartelmus et al. | Vibration condition monitoring of planetary gearbox under varying external load | |
Zappalá et al. | Side‐band algorithm for automatic wind turbine gearbox fault detection and diagnosis | |
CN103140672B (zh) | 在风力发电厂中执行状况监测的方法 | |
US11047364B2 (en) | Method of identifying a fault in a system of gears in a wind turbine | |
Barszcz | Vibration-based condition monitoring of wind turbines | |
Mauricio et al. | Vibration-based condition monitoring of wind turbine gearboxes based on cyclostationary analysis | |
CN102016736A (zh) | 齿轮箱模型式诊断方法、工具以及计算机可读取存储介质 | |
Elforjani et al. | Analysis of extremely modulated faulty wind turbine data using spectral kurtosis and signal intensity estimator | |
Zhao et al. | An integrated framework of drivetrain degradation assessment and fault localization for offshore wind turbines | |
Jablonski et al. | Vibration-based diagnostics of epicyclic gearboxes–From classical to soft-computing methods | |
Kannan et al. | Demodulation band optimization in envelope analysis for fault diagnosis of rolling element bearings using a real-coded genetic algorithm | |
Abouel-seoud | Fault detection enhancement in wind turbine planetary gearbox via stationary vibration waveform data | |
JP2017207435A (ja) | 異常診断方法 | |
JP6192414B2 (ja) | 転がり軸受の状態監視装置 | |
Jayaswal et al. | Application of vibration signature analysis techniques for rolling element bearing fault identification | |
Liu | A Systematic Framework for Unsupervised Feature Mining and Fault Detection for Wind Turbine Drivetrain Systems | |
De Donno | Definition and Vibration Monitoring of the Endurance Test for an e-Axle | |
Sann et al. | Methods of detection and localization of the sources of noise and vibration on car gearboxes: a review | |
Abouhnik | An Investigation into Vibration Based Techniques for Wind Turbine Blades Condition Monitoring |
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: 20190301 |