【技术实现步骤摘要】
一种风力发电机传动链的故障检测方法及装置
[0001]相关申请的交叉引用
[0002]本专利技术要求于2021年12月27日提交的标题为“一种风力发电机传动链的故障检测方法及装置”的中国专利申请第202111619294.2号的优先权。上述申请的全部内容通过引用全部并入本专利技术。
[0003]本专利技术涉及风力发电机的相关
,尤其涉及一种风力发电机传动链的故障检测方法及装置。
技术介绍
[0004]作为清洁能源的风电,是新能源行业的重要组成部分。风力发电机机舱在百米高空工作,环境恶劣,对其故障提前预测诊断及其重要,是降低风机运营维护成本的重要举措。
[0005]风力发电机的传动链低速级轴承和齿轮磨损断齿类故障,包括主轴轴承故障、一级行星架轴承故障、一级行星轮轴承故障、一级行星齿轮磨损和断齿故障、一级内齿圈磨损和断齿故障、一级太阳轮磨损和断齿故障等,是风力发电机运行过程中的常见故障。
[0006]现有技术中的针对上述传动链低速级轴承和齿轮磨损断齿类故障,一般是依据特征频率及幅值等单一特征来进行检测的,检测效率低且检测准确率差。
技术实现思路
[0007]本专利技术提供一种风力发电机传动链的故障检测方法及装置,用以解决现有技术仅对传动链低速级故障的特征频率进行分析,所带来的检测精度低的缺陷。
[0008]第一方面,本专利技术提供一种风力发电机传动链的故障检测方法,包括:
[0009]获取风力发电机传动链的当前振动信号;
[0010]提取所述当 ...
【技术保护点】
【技术特征摘要】
1.一种风力发电机传动链的故障检测方法,其特征在于,包括:获取风力发电机传动链的当前振动信号;提取所述当前振动信号的特征参数集,生成特征矩阵;将所述特征矩阵输入至故障检测模型,以获取由所述故障检测模型输出的故障类型结果;所述故障检测模型,是基于仿真振动信号样本,以及与每个所述仿真振动信号样本相对应的故障类型标签训练后得到的。2.根据权利要求1所述的风力发电机传动链的故障检测方法,其特征在于,所述提取所述当前振动信号的特征参数集,生成特征矩阵,包括:确定所述当前振动信号相关的时域信号,以获取所述时域信号的时域特征参数;对所述当前振动信号进行傅里叶变换,确定当前振动信号相关的频谱,以获取频域特征参数;确定所述当前振动信号相关的包络谱,对所述包络谱进行包络解调,以获取包络谱特征参数;对所述当前振动信号进行经验模态分解,以获取IMF分量特征参数;根据所述时域特征参数、频域特征参数、包络谱特征参数和所述IMF分量特征参数,构建所述特征矩阵。3.根据权利要求2所述的风力发电机传动链的故障检测方法,其特征在于,所述时域特征参数,包括有效值、峭度和峰值因子中的至少一个;所述频域特征参数,包括齿轮的各级啮合频率及幅值、各轴转频及幅值、轴承故障特征频率及幅值、0.1
‑
10Hz有效值及频域面积、10
‑
2000Hz有效值及频域面积中的至少一个;所述包络谱特征参数,包括故障特征频率及幅值、转频及幅值中的至少一个;所述IMF分量特征参数,包括前5阶IMF分量中幅值最大的3个频率及幅值。4.根据权利要求1所述的风力发电机传动链的故障检测方法,其特征在于,在将所述特征矩阵输入至故障检测模型之前,还包括:基于风力发电机传动链相关的主轴承的三维模型、齿轮箱的三维模型,建立刚柔耦合动力学模型;利用所述刚柔耦合动力学模型,模拟所述风力发电机传动链的各类型低速级故障,以获取每个传动链低速级故障所对应的仿真振动信号样本,构建第一训练集;提取所述第一训练集中每个仿真振动信号样本的特征参数集,以生成每个所述仿真振动信号样本对应的特征矩阵样本;并根据每个所述仿真振动信号样本对应的故障类型标签,组建第一特征矩阵训练集;所述特征矩阵样本与所述故障类型标签一一对应;利用所述第一特征矩阵训练集对所述故障检测模型进行预训练。5.根据权利要求4所述的风力发电机传动链的故障检测方法,其特征在于,所述提取所述第一训练集中每个仿真振动信号样本的特征参数集,以生成每个所述仿真振动信号样本对应的特征矩阵样本,包括:获取所述第一训练集中每个所述仿真振动信号样本对应的时域特征参数、频域特征参数、包络谱特征参数和IMF分量特征参数,以生成所述特征参数集;对每个所述特征参数集中的所有特征参数进行特征灵敏度筛选和特征冗余性筛选,以
将筛选后的所有特征参数,生成每个...
【专利技术属性】
技术研发人员:陈伟东,符智,刘松柏,
申请(专利权)人:三一重能股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。