CN113919102A - 一种风电机组主传动***载荷传递特性分析方法及*** - Google Patents
一种风电机组主传动***载荷传递特性分析方法及*** Download PDFInfo
- Publication number
- CN113919102A CN113919102A CN202111313358.6A CN202111313358A CN113919102A CN 113919102 A CN113919102 A CN 113919102A CN 202111313358 A CN202111313358 A CN 202111313358A CN 113919102 A CN113919102 A CN 113919102A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- turbine generator
- transmission system
- main transmission
- load
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 202
- 238000012546 transfer Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008878 coupling Effects 0.000 claims abstract description 56
- 238000010168 coupling process Methods 0.000 claims abstract description 56
- 238000005859 coupling reaction Methods 0.000 claims abstract description 56
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 238000010219 correlation analysis Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000005284 excitation Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000009347 mechanical transmission Effects 0.000 claims description 3
- 238000005312 nonlinear dynamic Methods 0.000 claims description 3
- 238000012916 structural analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000010248 power generation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明一种风电机组主传动***载荷传递特性分析方法及***,涉及风力发电技术领域,包括:风电机组载荷现场测量及风电机组主传动***载荷测算;建立风机运行状态参数与载荷间的映射关系,重构风电机组主传动***历史载荷;建立风电机组主传动***刚柔耦合动力学模型;求解模型,分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷。解决了现有技术中提出的动力学模型不足以描述风电机组主传动***服役过程中运行动态特性,载荷传递机制不够明晰的问题。
Description
技术领域
本发明涉及风力发电技术领域,具体为一种风电机组主传动***载荷传递特性分析方法及***。
背景技术
双馈齿轮箱驱动技术、无齿轮箱直驱技术和半直驱技术是当今世界兆瓦级风电产业的主流技术,双馈型风力发电机因价额的优势占据着市场85%左右的份额。
双馈型风电机组主传动***主要由轮毂、主轴、轴承、齿轮箱、联轴器等组成,由于双馈机组主传动***长期处于极端的气候条件、恶劣的工作环境中,工作转速范围广、激励频带宽、传动***转速变化过程中激励易与***固有频率产生共振,传动***部件的惯性力与***气动载荷等相互耦合,使部件受力波动程度增大,导致故障率增多,因主传动***机械故障导致的停机时间占据了风机故障停机时间的40%-60%,主传动***运行状态异常早发的原因之一是***实时动态载荷及其传递特性不清,因此,研究风电机组主传动***实时动态载荷,追溯其历史载荷,掌握***时程服役载荷规律及其动力学特性是风电机组安全、可靠服役的关键。
目前有关风电机组载荷分析,主要考虑了机械***内部因素引起的激励,对于***所受外部载荷无法做到精确分析,不能反映风场风电机组的实际工况,并且已有的动力学模型不足以描述风电机组主传动***服役过程中运行动态特性,载荷传递机制不够明晰。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种风电机组主传动***载荷传递特性分析方法及***,解决了上述背景技术中提出的现有的动力学模型不足以描述风电机组主传动***服役过程中运行动态特性,载荷传递机制不够明晰的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种风电机组主传动***载荷传递特性分析方法,所述方法包括:
风电机组载荷现场测量及风电机组主传动***载荷测算;
建立风机运行状态参数与载荷间的映射关系,重构风电机组主传动***历史载荷;
建立风电机组主传动***刚柔耦合动力学模型求解模型;
分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷。
优选地,所述风电机组载荷现场测量及风电机组主传动***载荷测算;包括:运用无线应变片获取风电机组叶片根部应变,构建应变与叶片载荷关系模型,通过实测得到的应变数据计算得到叶片等效力矩。
优选地,所述建立状态参数与载荷间的映射关系以及风电机组主传动***载荷历史重构,包括:选择实时的SCADA数据,对SCADA数据进行预处理,进行SCADA数据中相关变量集的趋势分析,然后通过相关性分析探究各状态参数之间的关联关系;建立风电机组主传动***状态参数与风电机组载荷之间的映射关系,选择风电机组主传动***历史状态数据,通过建立的映射关系模型重构风电机组的历史载荷。
优选地,所述建立风电机组主传动***刚柔耦合动力学模型,求解模型,分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷,包括:分析风电机组主传动***中各内部结构的耦合机制及其连接边界条件,建立基于柔性支撑的风电机组主传动***刚柔耦合动力学模型;
根据建立的风电机组主传动***动力学模型,考虑风机主传动***受到的时变啮合刚度、传递误差等内部激励以及重构的风电机组主传动***历史载荷,分析主传动***的载荷传递特性,得出主传动***通过耦合机制传递到各内部结构上的载荷。
优选地,所述运用无线应变片获取风电机组叶片根部应变,构建应变与叶片载荷关系模型,通过实测得到的应变数据计算得到叶片等效力矩,具体为:
将无线应变片粘贴在风电机组叶片的根部采集提取应变数据;
建立风机叶片的有限元模型,得出叶片应变与载荷的关系模型,根据采集提取的应变数据,将其输入到模型中得出所需的力矩;根据力系等效原理得风电机组载荷。
优选地,所述通过相关性分析从状态数据中探究各状态参数之间的关联关系;包括:使用ReliefF算法计算出各个状态参数的权重大小并选取权重较大的状态参数;使用皮尔逊相关系数方法对选择的状态参数权重较大的进行相关分析,若两者相关系数较大则抛弃其中权重值较小的参数,若两者相关系数较小则都保留。
优选地,所述建立风电机组主传动***相状态参数与风电机组载荷之间的映射关系,包括:建立神经网络模型,根据选取的风电机组的主传动***状态参数作为神经网络模型的输入,对神经网络模型进行训练,得到风电机组主传动***状态参数与风电机组载荷之间的映射关系模型;选取风电机组的主传动***历史运行状态参数,通过建立的风电机组主传动***状态参数与风机载荷之间的映射关系模型,重构出风电机组主传动***的历史载荷。
优选地,所述建立基于柔性支撑的风电机组主传动***刚柔耦合动力学模型,包括:
首先对风电机组的主传动***的进行结构分析,将主传动***的运动耦合具体划分为轮毂、主轴、轴承以及齿轮箱四个部分相互作用,分析每个部分之间的耦合关系,考虑每个部分之间的机械传动***间隙效应,柔性变形以及摩擦阻尼特性;
确定主传动***四个部分的结构参数,建立轮毂动力学子模型,主轴动力学子模型、轴承动力学子模型以及齿轮箱动力学子模型,根据分析得到的各个部分之间的耦合特性,建立起集成“轮毂-主轴-轴承-齿轮箱”的风电机组主传动***刚柔耦合动力学模型。
优选地,所述对风电机组主传动***动态载荷传递特性进行分析并确定主传动***通过耦合机制传递到各内部结构上的载荷,包括:
根据建立的主传动***刚柔耦合动力学模型,在考虑各部分之间的耦合特定条件下,导出其主传动***的非线性动力学微分方程组;
根据重构的风电机组的历史载荷以及风机主传动***受到的时变啮合刚度、传递误差等内部激励,结合***级间的力和功率的传递特性,求解出各个部分的运动微分方程,从而得到各个部分相应的位移、速度以及加速度响应,分析各部分的位移,加速度响应,得到风电机组主传动***的载荷传递特性;
进一步分析得到的风电机组主传动***的载荷传递特性,根据载荷传递特性确定主传动***传递到各个内部结构上的载荷。
本发明还提供一种风电机组主传动***载荷传递特性分析***,包括:
载荷测算模块,用于风电机组载荷现场测量及风电机组主传动***载荷测算;
载荷历史重构模块,用于建立状态参数与载荷间的映射关系,重构风电机组主传动***历史载荷;
传递特性分析模块,用于建立风电机组主传动***多体耦合动力学模型,对风电机组主传动***动态载荷传递特性进行分析并确定主传动***通过耦合机制传递到各内部结构上的载荷。
有益效果
本发明提供了一种风电机组主传动***载荷传递特性分析方法及***。
具备以下有益效果:
1、本发明技术方案提出的采用无线应变片现场测算风电机组载荷,可以避免风电机组在运行期间根据随机风载理论计算和试验研究不准确,导致载荷计算不准确的问题;
2、本发明技术方案提出的通过相关性分析从大量的状态数据中探究各状态参数与风电机组主传动***载荷之间的关联关系,选取其中相关性较大的特征参数,避免了由于数据信息的冗余导致映射模型复杂,且泛化性能较差的问题;
3、本发明技术方案提出的重构风电机组历史载荷,可以了解风电机组全寿命周期的承载历史,进一步掌握风电机组的动力学特性及运行状态;
4、本发明技术方案提出的建立风电机组主传动***的刚柔耦合动力学模型,根据重构的风电机组主传动***的历史载荷,确定主传动***的载荷传递特性,揭示在服役过程中风电机组主传动***局部子***动态特性,为研究风电机组主传动***服役过程中动态特性以及风电机组寿命评估提供有效支持,降低风电机组维修成本,提高风机的经济性。
附图说明
图1为本发明提供的一种风电机组主传动***载荷传递特性分析方法流程图;
图2为本发明提供的一种风电机组主传动***载荷传递特性分析***结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供一种风电机组主传动***载荷传递特性分析方法及***,旨在掌握主传动***服役期间的载荷传递特性、动力学特性,为研究风电机组主传动***服役过程中运行动态特性以及风电机组寿命评估提供有效支持,降低风电机组维修成本,提高风机的经济性。
如图1所示,本发明实施例提供一种风电机组主传动***载荷传递特性分析方法,包括:
S1风电机组载荷现场测量及风电机组主传动***载荷测算;
S2建立状态参数与载荷间的映射关系以及风电机组主传动***载荷历史重构;
S3建立风电机组主传动***多体耦合动力学模型;
S4求解模型,分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷。
进一步地,所述风电机组载荷现场测量及风电机组主传动***载荷测算;包括:运用无线应变片获取风电机组叶片根部应变,构建应变与叶片载荷关系模型,通过实测得到的应变数据计算得到叶片等效力矩;
进一步地,所述运用无线应变片获取风电机组叶片根部应变,构建应变与叶片载荷关系模型,通过实测得到的应变数据计算得到叶片等效力矩,具体为:
将无线应变片粘贴在风电机组叶片的根部采集提取应变数据,为防止现场测试数据受到干扰,对传感器的位置进行优化布置;
运用有限元软件ANSYS建立叶片的数值仿真模型,分析得出叶片的应力应变与载荷之间的关系,得到应变与叶片载荷之间的关系模型;
根据现场测量的应变数据以及建立的叶片应变载荷模型得出风电机组载荷。
进一步地,所述建立状态参数与载荷间的映射关系以及风电机组主传动***载荷历史重构,包括:选择实时的SCADA数据,对SCADA数据进行预处理,进行SCADA数据中相关变量集的趋势分析,然后通过相关性分析探究各状态参数之间的关联关系;建立风电机组主传动***状态参数与风电机组载荷之间的映射关系,选择风电机组主传动***历史状态数据,通过建立的映射关系模型重构风电机组的历史载荷。
进一步地,所述通过相关性分析从状态数据中探究各状态参数之间的关联关系;包括:使用ReliefF算法计算出各个状态参数的权重大小并选取权重较大的状态参数;使用皮尔逊相关系数方法对选择的状态参数权重较大的进行相关分析,若两者相关系数较大则抛弃其中权重值较小的参数,若两者相关系数较小则都保留。收集风电机组SCADA数据,包括风电机组的历史运行数据以及机组主传动***的故障信息;
对风电机组的运行参数进行预处理,剔除遗漏无效数据,进行归一化处理;
进一步地,对所述的风电机组所选的SCADA数据进行预处理,包括:
参照风电机组的故障记录,剔除风电机组因故障维修停机时间段的数据;
去除状态参数中因传感器故障或者检测异常导致参数缺失和异常数据;
为去除单位影响,采用特征值法无量纲化公式数将据归一化处理,其公式为:
建立基于ReliefF算法的子集,根据样本训练得到权值来反映特征参数与样本类别的相关程度;选取权重较大的状态参数,利用相关性分析方法对权重较大的状态参数进行两两相关性分析;
进一步地,所述建立基于ReliefF算法的子集,根据样本训练得到权值来反映特征参数与样本类别的相关程度,包括:
建立样本数据集m×n的数据,包括有m个样本,其中包括风电机组主传动***正常运行的数据集以及主传动***故障数据集,每个样本中有n个待选的特征参数,同时样本集合具有c种不同类别的数据;
任意选取一个样本数据集Ri,设其权值为将权值初值设为0,设置整个算法的迭代次数为r,在数据集中选择K个和Ri具有相同分类的最邻近样本数据集Hj,j=1,2,3,…K,class(Ri)表示的是Ri类别,同时在数据集中选择K个和Ri具有不同分类的最邻近样本数据集Mj,j=1,2,3,…K;
对m×n个待选参数依次进行样本迭代训练,更新迭代每个特征的权值
其中diff(Al,Ri,Hj)表示的是参数Al和Ri,Hj之间的欧式距离,用于度量两种样本的区分度,其计算公式如下:
通过对权值进行循环迭代,对于样本分类影响较大的待选参数,与同类样本的欧式距离较近,与不同类的样本距离较远,从而计算得到的权值较大,因此能够反映出该特征参数与样本类别之间的相关性,然后根据所计算的权值大小来选取风电机组主传动***状态参数组成特征子集;
进一步地,在所选的风电机机组主传动***状态参数中,利用相关性分析方法对权重较大的状态参数进行两两相关性分析,包括:
为了进一步的分析数据中相关变量集的趋势,能够更好的为后面对SCADA数据进行特征提取,在运用ReliefF算法选取风电机组主传动***特征参数的基础之上,采用相关性分析方法,选取权值较大的特征参数,计算权值较大的特征参数之间皮尔逊(Pearson)相关系数;
当两特征参数之间的相关系数较大时,说明所选的两个特征参数具有较大的相关性,因此选用两者中的权值较大者作为最终的所选特征参数,这样可以防止由于风电机组状态参数之间的相关性较强造成参数的冗余问题。
进一步地,所述建立风电机组主传动***相状态参数与风电机组载荷之间的映射关系,包括:建立神经网络模型,根据选取的风电机组的主传动***状态参数作为神经网络模型的输入,以实测载荷作为网络模型的输出,对神经网络模型进行训练,得到风电机组主传动***状态参数与风电机组载荷之间的映射关系模型;选取风电机组的主传动***历史运行状态参数,建立风电机组主传动***状态参数与风机载荷之间的映射关系模型,重构出风电机组主传动***的历史载荷。
进一步地,所述建立风电机组主传动***多体耦合动力学模型,对风电机组主传动***动态载荷传递特性进行分析并确定主传动***通过耦合机制传递到各内部结构上的载荷,包括:分析风电机组主传动***中各内部结构的耦合机制及其连接边界条件,建立基于柔性支撑的风电机组主传动***刚柔耦合动力学模型;
根据建立的风电机组主传动***动力学模型,考虑风机主传动***受到的时变啮合刚度、传递误差等内部激励以及重构的风电机组主传动***历史载荷,分析主传动***的载荷传递特性,得出主传动***通过耦合机制传递到各内部结构上的载荷。
进一步地,所述建立基于柔性支撑的风电机组主传动***刚柔耦合动力学模型,包括:
首先对风电机组的主传动***的进行结构分析,将主传动***的运动耦合具体划分为轮毂、主轴、轴承以及齿轮箱四个部分相互作用,分析每个部分之间的耦合关系,考虑每个部分之间的机械传动***间隙效应,柔性变形以及摩擦阻尼特性;
确定主传动***四个部分的结构参数,建立轮毂动力学子模型,主轴动力学子模型、轴承动力学子模型以及齿轮箱动力学子模型,根据分析得到的各个部分之间的耦合特性,建立起集成“轮毂-主轴-轴承-齿轮箱”的风电机组主传动***刚柔耦合动力学模型。
进一步地,所述对风电机组主传动***动态载荷传递特性进行分析并确定主传动***通过耦合机制传递到各内部结构上的载荷,包括:
根据建立的主传动***刚柔耦合动力学模型,在考虑各部分之间的耦合特定条件下,导出其主传动***的非线性动力学微分方程组;
根据重构的风电机组的历史载荷以及风机主传动***受到的时变啮合刚度、传递误差等内部激励,结合***级间的力和功率的传递特性,求解出各个部分的运动微分方程,从而得到各个部分相应的位移、速度以及加速度响应,分析各部分的位移,加速度响应,得到风电机组主传动***的载荷传递特性;
进一步分析得到的风电机组主传动***的载荷传递特性,根据载荷传递特性确定主传动***传递到各个内部结构上的载荷。
如图2所示,本发明实施例还提供一种风电机组主传动***载荷传递特性分析***,包括:
载荷测算模块,用于风电机组载荷现场测量及风电机组主传动***载荷测算;
载荷历史重构模块,用于建立状态参数与载荷间的映射关系,重构风电机组主传动***历史载荷;
传递特性分析模块,用于建立风电机组主传动***多体耦合动力学模型,对风电机组主传动***动态载荷传递特性进行分析并确定主传动***通过耦合机制传递到各内部结构上的载荷。
综上所述,本发明提供了一种风电机组主传动***载荷传递特性分析方法及***。
1、本发明技术方案提出的采用无线应变片现场测算风电机组载荷,可以避免风电机组在运行期间根据随机风载理论计算和试验研究不准确,导致载荷计算不准确的问题;
2、本发明技术方案提出的通过相关性分析从大量的状态数据中探究各状态参数与风电机组主传动***载荷之间的关联关系,选取其中相关性较大的特征参数,避免了由于数据信息的冗余导致映射模型复杂,且泛化性能较差的问题;
3、本发明技术方案提出的重构风电机组历史载荷,可以了解风电机组全寿命周期的承载历史,进一步掌握风电机组的动力学特性及运行状态;
4、本发明技术方案提出的建立风电机组主传动***的刚柔耦合动力学模型,根据重构的风电机组主传动***的历史载荷,确定主传动***的载荷传递特性,揭示在服役过程中风电机组主传动***局部子***动态特性,为研究风电机组主传动***服役过程中动态特性以及风电机组寿命评估提供有效支持,降低风电机组维修成本,提高风机的经济性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述方法包括:
风电机组载荷现场测量及风电机组主传动***载荷测算;
建立风机运行状态参数与载荷间的映射关系,重构风电机组主传动***历史载荷;
建立风电机组主传动***刚柔耦合动力学模型;
求解模型,分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷。
2.根据权利要求1所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述风电机组载荷现场测量及风电机组主传动***载荷测算;包括:运用无线应变片获取风电机组叶片根部应变,构建应变与叶片载荷关系模型,通过实测得到的应变数据计算得到叶片等效力矩。
3.根据权利要求2所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述建立风机运行状态参数与载荷间的映射关系,重构风电机组主传动***历史载荷,包括:选择实时的SCADA数据,对SCADA数据进行预处理,进行SCADA数据中相关变量集的趋势分析,然后通过相关性分析探究各状态参数之间的关联关系;建立风电机组主传动***运行状态参数与风电机组载荷之间的映射关系,选择风电机组主传动***历史状态数据,通过建立的映射关系模型重构风电机组的历史载荷。
4.根据权利要求3所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述建立风电机组主传动***刚柔耦合动力学模型,求解模型,分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷;包括:分析风电机组主传动***中各内部结构的耦合机制及其连接边界条件,建立基于柔性支撑的风电机组主传动***刚柔耦合动力学模型;
根据建立的风电机组主传动***动力学模型,考虑风机主传动***受到的时变啮合刚度、传递误差等内部激励以及重构的风电机组主传动***历史载荷,分析主传动***的载荷传递特性,得出主传动***通过耦合机制传递到各内部结构上的载荷。
5.根据权利要求4所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述运用无线应变片获取风电机组叶片根部应变,构建应变与叶片载荷关系模型,通过实测得到的应变数据计算得到叶片等效力矩,具体为:
将无线应变片粘贴在风电机组叶片的根部采集提取应变数据;
建立风机叶片的有限元模型,得出叶片应变与载荷的关系模型,根据采集提取的应变数据,将其输入到模型中得出所需的力矩;根据力系等效原理得风电机组载荷。
6.根据权利要求5所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述通过相关性分析探究各状态参数之间的关联关系;包括:使用ReliefF算法计算出各个状态参数的权重大小并选取权重较大的状态参数;使用皮尔逊相关系数方法对选择的状态参数权重较大的进行相关分析,若两者相关系数较大则抛弃其中权重值较小的参数,若两者相关系数较小则都保留。
7.根据权利要求6所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述建立风电机组主传动***状态参数与风电机组载荷之间的映射关系,包括:建立神经网络模型,根据选取的风电机组的主传动***状态参数作为神经网络模型的输入,对神经网络模型进行训练,得到风电机组主传动***状态参数与风电机组载荷之间的映射关系模型;选取风电机组的主传动***历史运行状态参数,通过建立的风电机组主传动***状态参数与风机载荷之间的映射关系模型,重构出风电机组主传动***的历史载荷。
8.根据权利要求7所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述建立基于柔性支撑的风电机组主传动***刚柔耦合动力学模型,包括:
首先对风电机组的主传动***进行结构分析,将主传动***各个子***之间的运动耦合具体划分为轮毂、主轴、轴承以及齿轮箱四个部分相互作用,分析每个部分之间的耦合关系,考虑每个部分之间的机械传动***间隙效应,柔性变形以及摩擦阻尼特性;
确定主传动***四个部分的结构参数,建立轮毂动力学子模型,主轴动力学子模型、轴承动力学子模型以及齿轮箱动力学子模型,根据分析得到的各个部分之间的耦合特性,建立起集成“轮毂-主轴-轴承-齿轮箱”的风电机组主传动***刚柔耦合动力学模型。
9.根据权利要求8所述的一种风电机组主传动***载荷传递特性分析方法,其特征在于,所述求解模型,分析风电机组主传动***载荷传递特性,确定通过耦合机制传递到各内部结构上的载荷,包括:
根据建立的主传动***刚柔耦合动力学模型,在考虑各部分之间的耦合特性条件下,导出其主传动***的非线性动力学微分方程组;
根据重构的风电机组历史载荷以及风机主传动***受到的时变啮合刚度、传递误差等内部激励,结合***级间的力和功率的传递特性,求解出各个部分的运动微分方程,从而得到各个部分相应的位移、速度以及加速度响应,分析各部分的位移,加速度响应,得到风电机组主传动***的载荷传递特性;
进一步分析得到的风电机组主传动***的载荷传递特性,根据载荷传递特性确定主传动***传递到各个内部结构上的载荷。
10.一种风电机组主传动***载荷传递特性分析***,其特征在于,包括:
载荷测算模块,用于风电机组载荷现场测量及风电机组主传动***载荷测算;
载荷历史重构模块,用于建立状态参数与载荷间的映射关系以及风电机组主传动***载荷历史重构;
传递特性分析模块,用于建立风电机组主传动***刚柔耦合动力学模型,对风电机组主传动***载荷传递特性进行分析并确定主传动***通过耦合机制传递到各内部结构上的载荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313358.6A CN113919102A (zh) | 2021-11-08 | 2021-11-08 | 一种风电机组主传动***载荷传递特性分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313358.6A CN113919102A (zh) | 2021-11-08 | 2021-11-08 | 一种风电机组主传动***载荷传递特性分析方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113919102A true CN113919102A (zh) | 2022-01-11 |
Family
ID=79245603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111313358.6A Pending CN113919102A (zh) | 2021-11-08 | 2021-11-08 | 一种风电机组主传动***载荷传递特性分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919102A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116146421A (zh) * | 2023-03-08 | 2023-05-23 | 大唐凉山新能源有限公司 | 一种基于风机状态感知的智能控制方法及*** |
CN117390519A (zh) * | 2023-12-06 | 2024-01-12 | 中汽研汽车检验中心(天津)有限公司 | 一种轮毂电机故障情况预测方法 |
-
2021
- 2021-11-08 CN CN202111313358.6A patent/CN113919102A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116146421A (zh) * | 2023-03-08 | 2023-05-23 | 大唐凉山新能源有限公司 | 一种基于风机状态感知的智能控制方法及*** |
CN117390519A (zh) * | 2023-12-06 | 2024-01-12 | 中汽研汽车检验中心(天津)有限公司 | 一种轮毂电机故障情况预测方法 |
CN117390519B (zh) * | 2023-12-06 | 2024-04-09 | 中汽研汽车检验中心(天津)有限公司 | 一种轮毂电机故障情况预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hasan et al. | Acoustic spectral imaging and transfer learning for reliable bearing fault diagnosis under variable speed conditions | |
Saufi et al. | Challenges and opportunities of deep learning models for machinery fault detection and diagnosis: A review | |
Jiao et al. | Deep coupled dense convolutional network with complementary data for intelligent fault diagnosis | |
JP6698715B2 (ja) | 設備状態監視装置および設備状態監視方法 | |
CN106682814B (zh) | 一种基于故障知识库的风电机组故障智能诊断方法 | |
CN103645052B (zh) | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 | |
JP4995134B2 (ja) | 風車の監視装置及び方法並びにプログラム | |
CN111539553B (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
CN113919102A (zh) | 一种风电机组主传动***载荷传递特性分析方法及*** | |
CN104614179B (zh) | 一种风电机组齿轮箱状态监测方法 | |
WO2011024304A1 (ja) | 風車の監視装置及び方法並びにプログラム | |
CN111922095A (zh) | 一种冷轧机轧辊扭振故障异常的振动诊断方法 | |
CN113188794B (zh) | 一种基于改进pso-bp神经网络齿轮箱故障诊断方法及装置 | |
CN104122086A (zh) | 基于Kriging模型的风力机齿轮箱故障诊断方法 | |
Li et al. | A dynamic-model-based fault diagnosis method for a wind turbine planetary gearbox using a deep learning network | |
Wang et al. | Research on rotor system fault diagnosis method based on vibration signal feature vector transfer learning | |
CN113240022A (zh) | 多尺度单分类卷积网络的风电齿轮箱故障检测方法 | |
CN116771610A (zh) | 一种调整风电机组变桨***故障评估值的方法 | |
KR102226971B1 (ko) | 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치 | |
Amin et al. | Wind turbine gearbox fault diagnosis using cyclostationary analysis and interpretable CNN | |
Mehlan et al. | Rotor imbalance detection and diagnosis in floating wind turbines by means of drivetrain condition monitoring | |
CN117846894A (zh) | 风电机组的数据处理方法、预警方法及装置、设备、介质 | |
Ogaili et al. | Enhanced fault detection of wind turbine using extreme gradient boosting technique based on nonstationary vibration analysis | |
CN113987870A (zh) | 一种风电机组主传动***状态评估方法及终端设备 | |
CN114358074A (zh) | 一种数据驱动的转子***典型故障诊断方法 |
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 |