CN111120388A - 一种风机状态联合监测方法及*** - Google Patents

一种风机状态联合监测方法及*** Download PDF

Info

Publication number
CN111120388A
CN111120388A CN202010239902.6A CN202010239902A CN111120388A CN 111120388 A CN111120388 A CN 111120388A CN 202010239902 A CN202010239902 A CN 202010239902A CN 111120388 A CN111120388 A CN 111120388A
Authority
CN
China
Prior art keywords
time
working condition
fan
real
state
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.)
Granted
Application number
CN202010239902.6A
Other languages
English (en)
Other versions
CN111120388B (zh
Inventor
胡伟锋
竹渝晓
卢青青
陈一伟
石红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Shangfeng high tech special wind industry Co.,Ltd.
Original Assignee
Zhejiang Shangfeng Hi Tech Specialized Wind Industrial Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Shangfeng Hi Tech Specialized Wind Industrial Co ltd filed Critical Zhejiang Shangfeng Hi Tech Specialized Wind Industrial Co ltd
Priority to CN202010239902.6A priority Critical patent/CN111120388B/zh
Publication of CN111120388A publication Critical patent/CN111120388A/zh
Application granted granted Critical
Publication of CN111120388B publication Critical patent/CN111120388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D25/00—Pumping installations or systems
    • F04D25/02—Units comprising pumps and their driving means
    • F04D25/08—Units comprising pumps and their driving means the working fluid being air, e.g. for ventilation

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种风机状态联合监测方法及***，方法包括：计算风机各个工况状态下的标准时域信号；对标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；采集风机实时振动信号，对实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；截取实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；对各个截取时频谱图进行逆同步压缩小波变换，得到实时振动信号子成分的时域信号；计算实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数、第二相关系数、第三相关系数，根据第三相关系数判断风机的状态。本发明准确判断风机的运行状态，处理效率高。

Description

一种风机状态联合监测方法及***
技术领域
本发明涉及信号处理领域，具体涉及一种风机状态联合监测方法及***。
背景技术
随着运转时间的加长，风机内粉尘会不均匀的附着在叶轮上，逐渐破坏风机的动平衡，使轴承振动逐渐加大，一旦振动达到风机允许的最大值时，风机必须停机修理。每年风机故障损失的发电量和故障导致的维护费用都给风电场带来巨大的经济损失。从减少故障维护时间和维护成本上讲，风机状态的及时评估是非常必要的。
目前基于风机振动信号的风机状态判断方法主要有时域方法和频域方法。时域方法主要是通过截取一段振动时域信号，然后对其进行各类统计参数的计算，如平均值、峰值、峰峰值、标准差、方差、均方根等，通过与己有的标准对比，进而判断当前风机的振动是否处于正常范围内。然而，时域信号参数值的计算只能反映振动幅度的大小，而不能有效判断风机的状态。频域方法主要有傅里叶变换、短时傅里叶变换、小波变换等，用于提取信号的时频特征。但想要用这些方法分析我们感兴趣的成分时，往往需要经历复杂的筛选过程，同时时频分辨率受限，难以直观反映信号的局部特征；主成分分析、经验模态分解等方法，虽然可以用于提取信号中感兴趣的子成分，但是这一类方法需要保证感兴趣成分的贡献率达到较高水平；同时对于提取的成分而言，应该给出符合风机工作状态的物理解释，这在风机工业应用中实施难度较大。且现有的频域方法主要涉及提取子成分，完全不涉及如何基于子成分进行具体的风机状态监测。
公开号为CN 108843611A的发明专利申请公开了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，（1）营造轴流风机的各种工况状态，建立轴流风机标准工况数据库；（2）建立轴流风机标准工况幅值谱数据库和倒频谱数据库；（3）采集实时运行的轴流风机振动信号，数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；（4）分别计算实时工况与标准工况的振动信号幅值谱相关系数和倒频谱相关系数；（5）绘制联合谱相关系数点并计算与点（1，1）之间的绝对距离；（6）根据绝对距离，确定轴流风机当前的实时运行状态。
上述专利申请虽然能对风机的运行状态进行识别和判断，但是其是基于振动信号的频率成分信息及主要调制频率信息进行分析，当频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态。此外，上述申请通过快速傅里叶变换得到轴流风机振动信号子成分，但是其处理过程复杂，也不能兼顾频率与时间分辨率的需求。因此有必要寻求一种实施复杂度低、普适性好、有效性高的风机状态判断方法。
发明内容
本发明的目的是针对现有技术的缺陷，提供了一种风机状态联合监测方法及***。本发明通过可以从时频谱中将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态。同时利用时域信号与时频谱图对信号的相关系数进行计算，提高风机状态判断的准确性。
为了实现以上目的，本发明采用以下技术方案：
一种风机状态联合监测方法，包括步骤：
S1、多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
S2、对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
S3、采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
S4、截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
S5、对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
S6、依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
S7、依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
S8、基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
进一步地，所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号。
进一步地，所述截取时频谱图
Figure 749906DEST_PATH_IMAGE001
为：
Figure 650866DEST_PATH_IMAGE002
其中，
Figure 682407DEST_PATH_IMAGE003
为待监测时间段的时间索引，
Figure 745041DEST_PATH_IMAGE004
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
进一步地，实时振动信号子成分的时域信号
Figure 885036DEST_PATH_IMAGE005
与启动工况下的标准时域信号
Figure 373042DEST_PATH_IMAGE006
间的第一相关系数
Figure 914882DEST_PATH_IMAGE007
为：
Figure 413996DEST_PATH_IMAGE008
截取时频谱图
Figure 792019DEST_PATH_IMAGE001
与启动工况下的标准三维时频谱图
Figure 769202DEST_PATH_IMAGE009
间的第二相关系数
Figure 431128DEST_PATH_IMAGE010
为：
Figure 835564DEST_PATH_IMAGE011
其中，
Figure 199419DEST_PATH_IMAGE012
分别为
Figure 980293DEST_PATH_IMAGE001
与
Figure 496725DEST_PATH_IMAGE009
的方差，
Figure 337642DEST_PATH_IMAGE013
为
Figure 690257DEST_PATH_IMAGE001
与
Figure 9243DEST_PATH_IMAGE009
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 645760DEST_PATH_IMAGE014
其中，
Figure 392000DEST_PATH_IMAGE015
为第一相关系数
Figure 721657DEST_PATH_IMAGE016
的权重。
进一步地，所述步骤S8具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
本发明还提出一种风机状态联合监测***，包括：
标准时域信号模块，用于多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
第一变换模块，用于对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
第二变换模块，用于采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
截取模块，用于截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
第三变换模块，用于对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
第一计算模块，用于依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
第二计算模块，用于依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
状态判断模块，用于基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
进一步地，所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号。
进一步地，所述截取时频谱图
Figure 109913DEST_PATH_IMAGE001
为：
Figure 335358DEST_PATH_IMAGE002
其中，
Figure 518077DEST_PATH_IMAGE003
为待监测时间段的时间索引，
Figure 110864DEST_PATH_IMAGE004
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
进一步地，实时振动信号子成分的时域信号
Figure 568390DEST_PATH_IMAGE005
与启动工况下的标准时域信号
Figure 648342DEST_PATH_IMAGE006
间的第一相关系数
Figure 251230DEST_PATH_IMAGE007
为：
Figure 315001DEST_PATH_IMAGE008
截取时频谱图
Figure 45060DEST_PATH_IMAGE001
与启动工况下的标准三维时频谱图
Figure 979518DEST_PATH_IMAGE017
间的第二相关系数
Figure 520352DEST_PATH_IMAGE010
为：
Figure 651512DEST_PATH_IMAGE018
其中，
Figure 654103DEST_PATH_IMAGE012
分别为
Figure 974226DEST_PATH_IMAGE001
与
Figure 669649DEST_PATH_IMAGE017
的方差，
Figure 927587DEST_PATH_IMAGE013
为
Figure 999448DEST_PATH_IMAGE001
与
Figure 174077DEST_PATH_IMAGE017
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 40402DEST_PATH_IMAGE014
其中，
Figure 549750DEST_PATH_IMAGE015
为第一相关系数
Figure 425302DEST_PATH_IMAGE016
的权重。
进一步地，所述状态判断模块具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
本发明提出的风机状态联合监测方法及***，同时利用时域信号与时频谱图对信号的相关系数进行计算，提高风机状态判断的准确性，避免当频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。对于时频谱图，本发明将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，提高了风机状态判断的效率。
附图说明
图1是实施例一提供的一种风机状态联合监测方法流程图；
图2是实施例二提供的一种风机状态联合监测***结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
实施例一
如图1 所示，本实施例提出了一种风机状态联合监测方法，包括：
S1、多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
本发明将风机振动信号与风机各个工况状态下的标准信号进行比较，以确定风机的实时状态。为了构建风机标准信号数据，本发明让风机在不同的工况状态下运行，采集风机各个工况状态下的振动信号。具体地，可以在风机轴承设置振动传感器，获取风机轴承的振动信号。振动信号采用特定的采样频率进行采样，采集一段时间内的风机振动信号，得到时域振动信号。
本发明将风机的状态划分为启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况。分别使风机在启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况下运行。
具体地，首先开启风机，采集风机在启动过程中的振动信号，例如，对启动工况以采样频率为3000Hz的条件采样20秒。启动工况是指开启风机按钮到风机进入稳定工作状态下的工况。风机正常启动后，进入正常工况，正常工况是指风机在各机械状态良好的情况下，按正常速度运行的工况，能够进行正常的工作。关停工况是指关闭风机按钮到风机完全停止运行的工况。为了采集风机在转子不平衡工况、地脚螺栓松动工况下的振动信号，人为在叶片根部的固定螺栓上增加指定配重，以实现转子不平衡工况，将地脚螺栓松动以实现地脚螺栓松动工况。
风机多次运行时，其振动信号也不尽相同，因此，为了提高风机各个工况状态下振动信号的标准化程度，本发明多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取平均信号，得到风机各个工况状态下的标准时域信号。此外，风机包括多个地脚螺栓，因此，本发明分别松动不同的地脚螺栓，得到不同地脚螺栓松动条件下的振动信号，并对不同地脚螺栓松动条件下的振动信号求取平均信号，作为地脚螺栓松动工况下的标准时域信号。
S2、对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
本发明采用同步压缩小波变换对各个工况状态下的标准时域信号进行处理，利用小波变换后信号频域中相位不受尺度变换影响的特性求取各尺度下对应的频率，再将同一频率下的尺度相加，即重新分配小波变换得到的小波系数并对其进行压缩，从而将相同频率附近的值压缩至该频率中，改善了尺度方向的模糊现象，提高了时频分辨率。具体为：
首先对标准时域信号
Figure 454438DEST_PATH_IMAGE019
做连续小波变换，得到小波系数
Figure 491664DEST_PATH_IMAGE020
，其中
Figure 255352DEST_PATH_IMAGE021
为伸缩因子、b为时间平移因子。再利用小波系数
Figure 669015DEST_PATH_IMAGE022
求取瞬时频率
Figure 552658DEST_PATH_IMAGE023
，将时间-尺度平面
Figure 278562DEST_PATH_IMAGE024
转换到时间-频率平面
Figure 247655DEST_PATH_IMAGE025
。假设尺度坐标步长
Figure 199430DEST_PATH_IMAGE026
，频率坐标步长
Figure 937579DEST_PATH_IMAGE027
，尺度与频率的关系为
Figure 316608DEST_PATH_IMAGE028
，其中
Figure 523729DEST_PATH_IMAGE029
为
Figure 544775DEST_PATH_IMAGE030
的频窗中心频率，
Figure 403010DEST_PATH_IMAGE031
为采样频率，此时可以将频率
Figure 467786DEST_PATH_IMAGE032
附近
Figure 145892DEST_PATH_IMAGE033
的值压缩到
Figure 439471DEST_PATH_IMAGE032
上，从而获得同步压缩小波变换的值wt，即：
Figure 152212DEST_PATH_IMAGE034
其中
Figure 138622DEST_PATH_IMAGE035
表示求和符号。
Figure 54757DEST_PATH_IMAGE036
表示绝对值。
通过同步压缩小波变换，得到风机各个工况状态下的标准时域信号对应的三维时频谱图，其横坐标为时间b，纵坐标为频率f，图像wt的颜色表征信号能量分布。不同工况状态下风机的三维时频谱图用不同的名字命名保存，命名规则在此不作限制。
S3、采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
为了对风机的状态进行监测，本发明对风机实时振动信号进行采集。实时振动信号的采集与标准信号一样，在与标准信号采集相同的位置设置振动传感器，如风机轴承，获取风机轴承的实时振动信号。实时振动信号采集后，实时振动信号进行同步压缩小波变换，得到实时三维时频谱图。实时三维时频谱图的生成与步骤S2生成标准三维时频谱图一致，在此不再赘述。
S4、截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
为了克服时频分辨率受限、难以直观反映信号局部特征的问题，本发明对实时振动信号中的子成分进行提取，可以根据需要选择实时三维时频谱图中任意感兴趣时间段的时频信息，以对实时振动信号的局部特征进行全面分析。
具体地，当对
Figure 152026DEST_PATH_IMAGE037
时间段内的实时振动信号感兴趣时，获取截取区域对应的时间索引
Figure 719273DEST_PATH_IMAGE038
和频率索引
Figure 876585DEST_PATH_IMAGE039
，然后将目标区域以外的区域置零，从而获得目标区域对应的时频谱
Figure 47060DEST_PATH_IMAGE040
。即：
Figure 682441DEST_PATH_IMAGE002
。
S5、对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
获取到感兴趣时间段实时振动信号的截取时频谱图后，本发明对其进行逆同步压缩小波变换，以无损重构目标子成分信号，得到实时振动信号子成分的时域信号。本发明从风机实时时频谱中将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个子成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，能够对实时振动信号的局部特征进行分析。
S6、依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
本发明同时利用振动信号的时域信息及频域信息对风机的状态进行判断，以克服现有的频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。因此，本发明首先将实时振动信号子成分的时域信号
Figure 104195DEST_PATH_IMAGE005
与各个工况状态下的标准时域信号进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况对于的标准时域信号x1(t)、x2(t)、x3(t)、x4(t)、x5(t)，分别计算
Figure 963566DEST_PATH_IMAGE041
与x1(t)、x2(t)、x3(t)、x4(t)、x5(t)的相关系数P11、P12、P13、P14、P15，具体为：
Figure 854293DEST_PATH_IMAGE008
类似地，依次计算出P12、P13、P14、P15。
S7、依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
本发明将截取时频谱图
Figure 558944DEST_PATH_IMAGE001
与各个工况状态下的标准三维时频谱图进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况对于的标准三维时频谱图
Figure 100784DEST_PATH_IMAGE042
、
Figure 599898DEST_PATH_IMAGE043
、
Figure 210877DEST_PATH_IMAGE044
、
Figure 188060DEST_PATH_IMAGE045
、
Figure 849986DEST_PATH_IMAGE046
，分别计算
Figure 520001DEST_PATH_IMAGE047
与WT1、WT2、WT3、WT4、WT5的相关系数P21、P22、P23、P24、P25，具体为：
Figure 385320DEST_PATH_IMAGE048
其中，
Figure 166194DEST_PATH_IMAGE049
分别为
Figure 682626DEST_PATH_IMAGE050
与
Figure 257964DEST_PATH_IMAGE051
的方差，
Figure 859847DEST_PATH_IMAGE052
为
Figure 708328DEST_PATH_IMAGE050
与
Figure 79266DEST_PATH_IMAGE051
的协方差。类似地，依次计算出P22、P23、P24、P25。
S8、基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
基于第一相关系数、第二相关系数，计算实时振动信号与启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况的振动信号间的第三相关系数P31、P32、P33、P34、P35，具体为：
Figure 91085DEST_PATH_IMAGE053
其中，
Figure 914684DEST_PATH_IMAGE054
为第一相关系数
Figure 788094DEST_PATH_IMAGE055
的权重。
当两个振动信号完全相同时，其第三相关系数为1，当两个振动信号完全不同时，其第三相关系数为0。因此，第三相关系数越大，说明两个振动信号越相似。因此，本发明计算出P31、P32、P33、P34、P35，比较P31、P32、P33、P34、P35的大小，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况，实现风机状态的自动判断。
实施例二
如图2所示，本实施例提出了一种风机状态联合监测***，包括：
标准时域信号模块，用于多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
本发明将风机振动信号与风机各个工况状态下的标准信号进行比较，以确定风机的实时状态。为了构建风机标准信号数据，本发明让风机在不同的工况状态下运行，采集风机各个工况状态下的振动信号。具体地，可以在风机轴承设置振动传感器，获取风机轴承的振动信号。振动信号采用特定的采样频率进行采样，采集一段时间内的风机振动信号，得到时域振动信号。
本发明将风机的状态划分为启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况。分别使风机在启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况下运行。
具体地，首先开启风机，采集风机在启动过程中的振动信号，例如，对启动工况以采样频率为3000Hz的条件采样20秒。启动工况是指开启风机按钮到风机进入稳定工作状态下的工况。风机正常启动后，进入正常工况，正常工况是指风机在各机械状态良好的情况下，按正常速度运行的工况，能够进行正常的工作。关停工况是指关闭风机按钮到风机完全停止运行的工况。为了采集风机在转子不平衡工况、地脚螺栓松动工况下的振动信号，人为在叶片根部的固定螺栓上增加指定配重，以实现转子不平衡工况，将地脚螺栓松动以实现地脚螺栓松动工况。
风机多次运行时，其振动信号也不尽相同，因此，为了提高风机各个工况状态下振动信号的标准化程度，本发明多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取平均信号，得到风机各个工况状态下的标准时域信号。此外，风机包括多个地脚螺栓，因此，本发明分别松动不同的地脚螺栓，得到不同地脚螺栓松动条件下的振动信号，并对不同地脚螺栓松动条件下的振动信号求取平均信号，作为地脚螺栓松动工况下的标准时域信号。
第一变换模块，用于对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
本发明采用同步压缩小波变换对各个工况状态下的标准时域信号进行处理，利用小波变换后信号频域中相位不受尺度变换影响的特性求取各尺度下对应的频率，再将同一频率下的尺度相加，即重新分配小波变换得到的小波系数并对其进行压缩，从而将相同频率附近的值压缩至该频率中，改善了尺度方向的模糊现象，提高了时频分辨率。具体为：
首先对标准时域信号
Figure 13539DEST_PATH_IMAGE056
做连续小波变换，得到小波系数
Figure 196258DEST_PATH_IMAGE057
，其中
Figure 772733DEST_PATH_IMAGE058
为伸缩因子、b为时间平移因子。再利用小波系数
Figure 213948DEST_PATH_IMAGE059
求取瞬时频率
Figure 293899DEST_PATH_IMAGE060
，将时间-尺度平面
Figure 913099DEST_PATH_IMAGE061
转换到时间-频率平面
Figure 711291DEST_PATH_IMAGE062
。假设尺度坐标步长
Figure 926503DEST_PATH_IMAGE063
，频率坐标步长
Figure 126540DEST_PATH_IMAGE064
，尺度与频率的关系为
Figure 651062DEST_PATH_IMAGE065
，其中
Figure 670971DEST_PATH_IMAGE066
为
Figure 456918DEST_PATH_IMAGE067
的频窗中心频率，
Figure 511461DEST_PATH_IMAGE068
为采样频率，此时可以将频率
Figure 206885DEST_PATH_IMAGE069
附近
Figure 979669DEST_PATH_IMAGE070
的值压缩到
Figure 785951DEST_PATH_IMAGE071
上，从而获得同步压缩小波变换的值wt，即：
Figure 445733DEST_PATH_IMAGE072
Figure 577637DEST_PATH_IMAGE071
其中
Figure 572138DEST_PATH_IMAGE073
表示求和符号。
Figure 182111DEST_PATH_IMAGE074
表示绝对值。
通过同步压缩小波变换，得到风机各个工况状态下的标准时域信号对应的三维时频谱图，其横坐标为时间b，纵坐标为频率f，图像wt的颜色表征信号能量分布。不同工况状态下风机的三维时频谱图用不同的名字命名保存，命名规则在此不作限制。
第二变换模块，用于采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
为了对风机的状态进行监测，本发明对风机实时振动信号进行采集。实时振动信号的采集与标准信号一样，在与标准信号采集相同的位置设置振动传感器，如风机轴承，获取风机轴承的实时振动信号。实时振动信号采集后，实时振动信号进行同步压缩小波变换，得到实时三维时频谱图。实时三维时频谱图的生成与步骤S2生成标准三维时频谱图一致，在此不再赘述。
截取模块，用于截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
为了克服时频分辨率受限、难以直观反映信号局部特征的问题，本发明对实时振动信号中的子成分进行提取，可以根据需要选择实时三维时频谱图中任意感兴趣时间段的时频信息，以对实时振动信号的局部特征进行全面分析。
具体地，当对
Figure 460514DEST_PATH_IMAGE075
时间段内的实时振动信号感兴趣时，获取截取区域对应的时间索引
Figure 497741DEST_PATH_IMAGE076
和频率索引
Figure 245117DEST_PATH_IMAGE077
，然后将目标区域以外的区域置零，从而获得目标区域对应的时频谱
Figure 658781DEST_PATH_IMAGE078
。即：
Figure 293155DEST_PATH_IMAGE079
。
第三变换模块，用于对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
获取到感兴趣时间段实时振动信号的截取时频谱图后，本发明对其进行逆同步压缩小波变换，以无损重构目标子成分信号，得到实时振动信号子成分的时域信号。本发明从风机实时时频谱中将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个子成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，能够对实时振动信号的局部特征进行分析。
第一计算模块，用于依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
本发明同时利用振动信号的时域信息及频域信息对风机的状态进行判断，以克服现有的频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。因此，本发明首先将实时振动信号子成分的时域信号
Figure 32441DEST_PATH_IMAGE080
与各个工况状态下的标准时域信号进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况对于的标准时域信号x1(t)、x2(t)、x3(t)、x4(t)、x5(t)，分别计算
Figure 1534DEST_PATH_IMAGE081
与x1(t)、x2(t)、x3(t)、x4(t)、x5(t)的相关系数P11、P12、P13、P14、P15，具体为：
Figure 471086DEST_PATH_IMAGE082
类似地，依次计算出P12、P13、P14、P15。
第二计算模块，用于依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
本发明将截取时频谱图
Figure 209235DEST_PATH_IMAGE047
与各个工况状态下的标准三维时频谱图进行相似性计算。具体地，对于启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况对于的标准三维时频谱图WT1、WT2、WT3、WT4、WT5，分别计算
Figure 853843DEST_PATH_IMAGE050
与WT1、WT2、WT3、WT4、WT5的相关系数P21、P22、P23、P24、P25，具体为：
Figure 44653DEST_PATH_IMAGE048
其中，
Figure 800119DEST_PATH_IMAGE049
分别为
Figure 409086DEST_PATH_IMAGE050
与
Figure 755754DEST_PATH_IMAGE051
的方差，
Figure 433860DEST_PATH_IMAGE052
为
Figure 242285DEST_PATH_IMAGE050
与
Figure 955026DEST_PATH_IMAGE051
的协方差。类似地，依次计算出P22、P23、P24、P25。
状态判断模块，用于基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
基于第一相关系数、第二相关系数，计算实时振动信号与启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况的振动信号间的第三相关系数P31、P32、P33、P34、P35，具体为：
Figure 675857DEST_PATH_IMAGE053
其中，
Figure 106839DEST_PATH_IMAGE054
为第一相关系数
Figure 954840DEST_PATH_IMAGE055
的权重。
当两个振动信号完全相同时，其第三相关系数为1，当两个振动信号完全不同时，其第三相关系数为0。因此，第三相关系数越大，说明两个振动信号越相似。因此，本发明计算出P31、P32、P33、P34、P35，比较P31、P32、P33、P34、P35的大小，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况，实现风机状态的自动判断。
本发明提出的风机状态联合监测方法及***，同时利用时域信号与时频谱图对信号的相关系数进行计算，提高风机状态判断的准确性，避免当频率信息相似但时间变化趋势完全不同时，仍然会被误认为属于相同的风机运行状态的问题。对于时频谱图，本发明将风机特定时段和特定频段信号的子成分准确的提取出来，只用一个成分代替复杂的特征频率所表达的工况，能够直观的有效监测风机的运行状态，提高了风机状态判断的效率。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例， 而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种风机状态联合监测的方法，其特征在于，包括步骤：
S1、多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
S2、对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
S3、采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
S4、截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
S5、对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
S6、依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
S7、依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
S8、基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
2.根据权利要求1所述的风机状态联合监测方法，其特征在于，所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号。
3.根据权利要求1所述的风机状态联合监测方法，其特征在于，所述截取时频谱图
Figure 64678DEST_PATH_IMAGE001
为：
Figure 512977DEST_PATH_IMAGE002
其中，
Figure 823873DEST_PATH_IMAGE003
为待监测时间段的时间索引，
Figure 15820DEST_PATH_IMAGE004
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
4.根据权利要求2所述的风机状态联合监测方法，其特征在于，实时振动信号子成分的时域信号
Figure 613548DEST_PATH_IMAGE005
与启动工况下的标准时域信号
Figure 967169DEST_PATH_IMAGE006
间的第一相关系数
Figure 499781DEST_PATH_IMAGE007
为：
Figure 229840DEST_PATH_IMAGE008
截取时频谱图
Figure 180609DEST_PATH_IMAGE001
与启动工况下的标准三维时频谱图
Figure 705132DEST_PATH_IMAGE009
间的第二相关系数
Figure 990619DEST_PATH_IMAGE010
为：
Figure 993211DEST_PATH_IMAGE011
其中，
Figure 828180DEST_PATH_IMAGE012
分别为
Figure 789183DEST_PATH_IMAGE001
与
Figure 561967DEST_PATH_IMAGE009
的方差，
Figure 384561DEST_PATH_IMAGE013
为
Figure 559190DEST_PATH_IMAGE001
与
Figure 425515DEST_PATH_IMAGE009
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 685595DEST_PATH_IMAGE014
其中，
Figure 559484DEST_PATH_IMAGE015
为第一相关系数
Figure 588620DEST_PATH_IMAGE007
的权重。
5.根据权利要求4所述的风机状态联合监测方法，其特征在于，所述步骤S8具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
6.一种风机状态联合监测***，其特征在于，包括：
标准时域信号模块，用于多次采集风机各个工况状态下的振动信号，计算风机各个工况状态下的标准时域信号；
第一变换模块，用于对所述标准时域信号进行同步压缩小波变换，得到对应的标准三维时频谱图；
第二变换模块，用于采集风机实时振动信号，对所述实时振动信号进行同步压缩小波变换，得到实时三维时频谱图；
截取模块，用于截取所述实时三维时频谱图中待监测时间段及其对应的特征频段，生成各个截取时频谱图；
第三变换模块，用于对所述各个截取时频谱图进行逆同步压缩小波变换，得到所述实时振动信号子成分的时域信号；
第一计算模块，用于依次计算所述实时振动信号子成分的时域信号与各个工况状态下的标准时域信号间的第一相关系数；
第二计算模块，用于依次计算所述截取时频谱图与各个工况状态下的标准三维时频谱图间的第二相关系数；
状态判断模块，用于基于所述第一相关系数、第二相关系数计算实时振动信号与各个工况状态下的振动信号间的第三相关系数，根据所述第三相关系数判断风机的状态。
7.根据权利要求6所述的风机状态联合监测***，其特征在于，所述工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况；所述标准时域信号为多次对风机在各个工况状态下的振动信号进行采集，对多次采集的振动信号求取的平均信号。
8.根据权利要求6所述的风机状态联合监测***，其特征在于，所述截取时频谱图
Figure 891425DEST_PATH_IMAGE001
为：
Figure 920692DEST_PATH_IMAGE002
其中，
Figure 599935DEST_PATH_IMAGE016
为待监测时间段的时间索引，
Figure 483577DEST_PATH_IMAGE017
为应的特征频段的频率索引，b为时间，f为频率，wt为所述实时三维时频谱图。
9.根据权利要求7所述的风机状态联合监测***，其特征在于，实时振动信号子成分的时域信号
Figure 206552DEST_PATH_IMAGE005
与启动工况下的标准时域信号
Figure 175645DEST_PATH_IMAGE006
间的第一相关系数
Figure 127420DEST_PATH_IMAGE007
为：
Figure 131148DEST_PATH_IMAGE018
截取时频谱图
Figure 526489DEST_PATH_IMAGE001
与启动工况下的标准三维时频谱图
Figure 248457DEST_PATH_IMAGE009
间的第二相关系数
Figure 3923DEST_PATH_IMAGE010
为：
Figure 596579DEST_PATH_IMAGE011
其中，
Figure 664285DEST_PATH_IMAGE019
分别为
Figure 607971DEST_PATH_IMAGE001
与
Figure 901549DEST_PATH_IMAGE020
的方差，
Figure 614290DEST_PATH_IMAGE021
为
Figure 85853DEST_PATH_IMAGE001
与
Figure 516835DEST_PATH_IMAGE020
的协方差；
实时振动信号与启动工况下的振动信号间所述第三相关系数为：
Figure 614104DEST_PATH_IMAGE014
其中，
Figure 446931DEST_PATH_IMAGE015
为第一相关系数
Figure 587931DEST_PATH_IMAGE007
的权重。
10.根据权利要求9所述的风机状态联合监测***，其特征在于，所述状态判断模块具体为：
比较实时振动信号与工况状态包括启动工况、转子不平衡工况、地脚螺栓松动工况下、正常工况、关停工况下的振动信号的第三相关系数，选择最大第三相关系数所对应的标准信号的工况，作为风机的实时工况。
CN202010239902.6A 2020-03-31 2020-03-31 一种风机状态联合监测方法及*** Active CN111120388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010239902.6A CN111120388B (zh) 2020-03-31 2020-03-31 一种风机状态联合监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010239902.6A CN111120388B (zh) 2020-03-31 2020-03-31 一种风机状态联合监测方法及***

Publications (2)

Publication Number Publication Date
CN111120388A true CN111120388A (zh) 2020-05-08
CN111120388B CN111120388B (zh) 2020-07-28

Family

ID=70493850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010239902.6A Active CN111120388B (zh) 2020-03-31 2020-03-31 一种风机状态联合监测方法及***

Country Status (1)

Country Link
CN (1) CN111120388B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111594893A (zh) * 2020-05-13 2020-08-28 宁波方太厨具有限公司 一种吸油烟机抖动故障诊断方法
CN112968886A (zh) * 2021-02-02 2021-06-15 东北大学 振动信号压缩方法及装置、存储介质、计算机设备
CN113358359A (zh) * 2021-05-25 2021-09-07 中国人民解放军92493部队计量测试研究所 一种柴油机工作性能状态检测方法
CN113358342A (zh) * 2021-06-25 2021-09-07 中国华能集团清洁能源技术研究院有限公司 一种风力发电机组螺栓监测***及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572473A (zh) * 2015-12-18 2016-05-11 中国航天科工集团八五一一研究所 高分辨率线性时频分析方法
CN108843611A (zh) * 2018-06-15 2018-11-20 浙江大学 一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法
CN109766874A (zh) * 2019-02-02 2019-05-17 王卓然 一种基于深度学习算法的风机故障分类识别方法
CN110245595A (zh) * 2019-06-05 2019-09-17 重庆邮电大学 基于时频谱图和二维主成分分析的机械轴承故障诊断方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572473A (zh) * 2015-12-18 2016-05-11 中国航天科工集团八五一一研究所 高分辨率线性时频分析方法
CN108843611A (zh) * 2018-06-15 2018-11-20 浙江大学 一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法
CN109766874A (zh) * 2019-02-02 2019-05-17 王卓然 一种基于深度学习算法的风机故障分类识别方法
CN110245595A (zh) * 2019-06-05 2019-09-17 重庆邮电大学 基于时频谱图和二维主成分分析的机械轴承故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIANHUA LU: "Synchrosqueezed wavelet transforms: An empirical mode decomposition-like tool", 《APPLIED AND COMPUTATIONAL HARMONIC ANALYSIS》 *
刘义亚等: "基于同步压缩小波变换的滚动轴承故障诊断", 《中国机械工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111594893A (zh) * 2020-05-13 2020-08-28 宁波方太厨具有限公司 一种吸油烟机抖动故障诊断方法
CN111594893B (zh) * 2020-05-13 2021-05-18 宁波方太厨具有限公司 一种吸油烟机抖动故障诊断方法
CN112968886A (zh) * 2021-02-02 2021-06-15 东北大学 振动信号压缩方法及装置、存储介质、计算机设备
CN112968886B (zh) * 2021-02-02 2021-12-03 东北大学 振动信号压缩方法及装置、存储介质、计算机设备
CN113358359A (zh) * 2021-05-25 2021-09-07 中国人民解放军92493部队计量测试研究所 一种柴油机工作性能状态检测方法
CN113358342A (zh) * 2021-06-25 2021-09-07 中国华能集团清洁能源技术研究院有限公司 一种风力发电机组螺栓监测***及方法

Also Published As

Publication number Publication date
CN111120388B (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111120388B (zh) 一种风机状态联合监测方法及***
Salameh et al. Gearbox condition monitoring in wind turbines: A review
Zhao et al. A tacho-less order tracking technique for large speed variations
Urbanek et al. Comparison of amplitude-based and phase-based method for speed tracking in application to wind turbines
CA2868643C (en) Wind turbine and method for evaluating the health state of the blades thereof
JP3321487B2 (ja) 機器／設備診断方法およびシステム
US20050209814A1 (en) System and methodology for vibration analysis and condition monitoring
CN109883703B (zh) 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法
Lu et al. Condition monitoring and fault diagnostics of wind turbines
CN111256993A (zh) 一种风电机组主轴承故障类型诊断方法及***
CN109655266B (zh) 一种基于avmd和谱相关分析的风电机组轴承故障诊断方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
Wang et al. Fault diagnosis of wind turbine bearing based on optimized adaptive chirp mode decomposition
Dahiya Condition monitoring of wind turbine for rotor fault detection under non stationary conditions
CN108278184B (zh) 基于经验模态分解的风电机组叶轮不平衡监测方法
Devriendt et al. Continuous dynamic monitoring of an offshore wind turbine on a monopile foundation
CN113239613A (zh) 一种水轮机组摆度报警判断方法
Son et al. An experimental study on the fault diagnosis of wind turbines through a condition monitoring system
CN110953179A (zh) 一种基于逆小波变换的风机状态监测方法及***
Kebabsa et al. Experimental vibratory analysis of a fan motor in industrial environment
Garg et al. Current signature analysis and its application in the condition monitoring of wind turbine for rotor faults
Koukoura et al. Investigating parallel multi-step vibration processing pipelines for planetary stage fault detection in wind turbine drivetrains
Tranter The fundamentals of, and the application of computers to, condition monitoring and predictive maintenance
Liu et al. Bispectrum analysis for feature extraction of pitting fault in wind turbine gearbox
Antonino-Daviu et al. Guest editorial special section on advanced signal and image processing techniques for electric machines and drives fault diagnosis and prognosis

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 312300 No. 1818, Renmin West Road, Dongguan Street, Shangyu District, Shaoxing City, Zhejiang Province

Patentee after: Zhejiang Shangfeng high tech special wind industry Co.,Ltd.

Address before: 312300 No. 1818 Renmin West Road, Shangyu District, Zhejiang, Shaoxing

Patentee before: ZHEJIANG SHANGFENG HI-TECH SPECIALIZED WIND INDUSTRIAL Co.,Ltd.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Chu Ning

Inventor after: Xu Jianfeng

Inventor before: Hu Weifeng

Inventor before: Zhu Yu Xiao

Inventor before: Lu Qingqing

Inventor before: Chen Yiwei

Inventor before: Shi Hong