本发明专利技术公开了旋转机械状态监测与故障诊断技术领域中的一种风电机组齿轮箱健康状态实时动态监控方法。本发明专利技术采集了齿轮箱振动信号和齿轮箱运行与监测数据；分析得到齿轮箱振动信号的时域特征、频域特征和包络信号的包络谱特征；建立了齿轮箱运行工况空间，并根据齿轮箱运行数据将齿轮箱运行工况空间划分为设定个齿轮箱运行工况子空间；得到运行监控历史数据子集，进而生成齿轮箱各部件的健康状态特征库；建立健康状态评价模型，得到各工况的健康状态实时评价模型和各部件的健康指数；最后求得齿轮箱的健康指数。本发明专利技术建立了健康状态评价模型，避开了复杂动态运行工况状态监测阈值确定的复杂性；避免了多特征参数简单递加造成线性失真的缺点。
【技术实现步骤摘要】
本专利技术属于旋转机械状态监测与故障诊断
，尤其涉及。
技术介绍
齿轮箱是风电机组的关键部件，担负功率传递和变速功能。由于经常处于复杂恶劣的运行环境(交变载荷、潮湿、风沙、震动、高温、腐蚀等),风电机组齿轮箱故障率极高。据统计，运行5年后风电场齿轮箱损坏率高达409Γ50%，极个别齿轮箱更换率几乎接近100%。 近年来，齿轮箱的故障率逐年增高，已成为风电场机组可用率低、运行维护费用高的最主要原因。目前，可以通过两方面的工作来降低风机齿轮箱的故障率，一方面是通过优化设计和提高制造、安装质量来提高齿轮箱可靠性；另一方面是利用状态监测技术，及时评估齿轮箱健康状态，并根据其健康状态和衰退趋势调整运行、合理安排维修。当前主要通过在风机传动系统布置振动传感器和温度传感器来监测齿轮箱的运行状态，当测量值超过预先设定的阈值时报警或停机。然而，由于缺乏有效的特征提取和多元状态信息融合，很难实现齿轮箱整体健康状态的准确评估；另外，振动和温度状态阈值采用固定值，没有考虑运行工况(风速、转速、功率、扭矩、空气密度等)变化对阈值的影响，也影响了齿轮箱健康状态评估的准确性。综上所述，适当配置齿轮箱健康状态监测测点，开展工况辨识基础上的基于流形学习和多元信息融合的复杂工况齿轮箱健康状态监控研究，实现齿轮箱健康状态的实时动态评估和故障预示，对提高风电场机组的可用率，降低运行与维护费用具有重要的现实意义。
技术实现思路
针对上述
技术介绍
中提到当前风电机组齿轮箱健康状态评价在信息融合和阈值确定方面存在的不足，本专利技术提出了。本专利技术的技术方案是，，其特征是该方法包括以下步骤步骤I :采集齿轮箱振动信号和齿轮箱运行与监测数据；步骤2 :对齿轮箱振动信号进行分析，得到齿轮箱振动信号的时域特征、频域特征和包络信号的包络谱特征；步骤3 :建立齿轮箱运行工况空间，根据齿轮箱运行与监测数据将齿轮箱运行工况空间划分为设定个齿轮箱运行工况子空间；步骤4 :在步骤2和步骤3的基础上，将齿轮箱时域特征、频域特征、运行与监测数据划分为运行监控历史数据子集；步骤5 :对运行监控历史数据子集进行特征提取，生成齿轮箱各部件的健康状态特征库；步骤6 :根据齿轮箱各部件的健康状态特征库建立健康状态评价模型，通过运行监控历史数据子集对健康状态评价模型进行训练，得到各工况的健康状态实时评价模型，通过健康状态实时评价模型对实时的齿轮箱运行与监测数据进行评价，得到各部件的健康指数；步骤7 :将各部件的健康指数带入变权综合公式，得到齿轮箱的健康指数。所述齿轮振动信号时域特征为样本时间序列平均值、样本时间序列有效值、峭度指标、峰值指标、歪度指标和熵。所述齿轮振动信号频域特征为滚动轴承故障特征频率、齿轮啮合频率处的能量和包络谱各故障特征频率对应的能量。所述齿轮箱运行工况空间划分的方法是聚类分析方法。所述对运行监控历史数据子集进行特征提取的方法是流形学习法。所述健康状态评价模型为Logistics回归模型。所述部件的健康指数的计算公式为权利要求1.，其特征是该方法包括以下步骤 步骤I:采集齿轮箱振动信号和齿轮箱运行与监测数据； 步骤2 :对齿轮箱振动信号进行分析，得到齿轮箱振动信号的时域特征、频域特征和包络信号的包络谱特征； 步骤3 :建立齿轮箱运行工况空间，根据齿轮箱运行与监测数据将齿轮箱运行工况空间划分为设定个齿轮箱运行工况子空间； 步骤4 :在步骤2和步骤3的基础上，将齿轮箱时域特征、频域特征、运行与监测数据划分为运行监控历史数据子集； 步骤5 :对运行监控历史数据子集进行特征提取，生成齿轮箱各部件的健康状态特征库； 步骤6 :根据齿轮箱各部件的健康状态特征库建立健康状态评价模型，通过运行监控历史数据子集对健康状态评价模型进行训练，得到各工况的健康状态实时评价模型，通过健康状态实时评价模型对实时的齿轮箱运行与监测数据进行评价，得到各部件的健康指数； 步骤7 :将各部件的健康指数带入变权综合公式，得到齿轮箱的健康指数。2.根据权利要求I所述的，其特征是所述齿轮振动信号时域特征为样本时间序列平均值、样本时间序列有效值、峭度指标、峰值指标、歪度指标和熵。3.根据权利要求I所述的，其特征是所述齿轮振动信号频域特征为滚动轴承故障特征频率、齿轮啮合频率处的能量和包络谱各故障特征频率对应的能量。4.根据权利要求I所述的，其特征是所述齿轮箱运行工况空间划分的方法是聚类分析方法。5.根据权利要求I所述的，其特征是所述对运行监控历史数据子集进行特征提取的方法是流形学习法。6.根据权利要求I所述的，其特征是所述健康状态评价模型为Logistics回归模型。7.根据权利要求I所述的，其特征是所述部件的健康指数的计算公式为 ,M{y' 1 其中 z)in% ti时刻对应第P个运行工况子空间的齿轮箱部件的健康指数； Md为第P个工况子空间对应的健康状态评估函数； Ii为时刻ti齿轮箱相应部件特征提取后状态特征向量；(P)为第P个工况子空间对应健康状态评价模型的L+1个模型参数， 丨，…身))为健康状态评价模型的第一个模型参数； Ppd为健康状态评价模型第L+1个模型参数； Yil为\时刻第I个健康状态特征参数值； e为残差。8.根据权利要求I所述的，其特征是所述齿轮箱的健康指数为全文摘要本专利技术公开了旋转机械状态监测与故障诊断
中的。本专利技术采集了齿轮箱振动信号和齿轮箱运行与监测数据；分析得到齿轮箱振动信号的时域特征、频域特征和包络信号的包络谱特征；建立了齿轮箱运行工况空间，并根据齿轮箱运行数据将齿轮箱运行工况空间划分为设定个齿轮箱运行工况子空间；得到运行监控历史数据子集，进而生成齿轮箱各部件的健康状态特征库；建立健康状态评价模型，得到各工况的健康状态实时评价模型和各部件的健康指数；最后求得齿轮箱的健康指数。本专利技术建立了健康状态评价模型，避开了复杂动态运行工况状态监测阈值确定的复杂性；避免了多特征参数简单递加造成线性失真的缺点。文档编号G01M13/02GK102768115SQ201210215628公开日2012年11月7日 申请日期2012年6月27日 优先权日2012年6月27日专利技术者房方, 董玉亮 申请人:华北电力大学本文档来自技高网...
【技术保护点】
一种风电机组齿轮箱健康状态实时动态监控方法，其特征是该方法包括以下步骤：步骤1：采集齿轮箱振动信号和齿轮箱运行与监测数据；步骤2：对齿轮箱振动信号进行分析，得到齿轮箱振动信号的时域特征、频域特征和包络信号的包络谱特征；步骤3：建立齿轮箱运行工况空间，根据齿轮箱运行与监测数据将齿轮箱运行工况空间划分为设定个齿轮箱运行工况子空间；步骤4：在步骤2和步骤3的基础上，将齿轮箱时域特征、频域特征、运行与监测数据划分为运行监控历史数据子集；步骤5：对运行监控历史数据子集进行特征提取，生成齿轮箱各部件的健康状态特征库；步骤6：根据齿轮箱各部件的健康状态特征库建立健康状态评价模型，通过运行监控历史数据子集对健康状态评价模型进行训练，得到各工况的健康状态实时评价模型，通过健康状态实时评价模型对实时的齿轮箱运行与监测数据进行评价，得到各部件的健康指数；步骤7：将各部件的健康指数带入变权综合公式，得到齿轮箱的健康指数。
【技术特征摘要】
【专利技术属性】
技术研发人员：董玉亮，房方，
申请(专利权)人：华北电力大学，
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。