专利名称：基于振动监测的风力发电机组故障自动诊断方法
技术领域：
本发明涉及一种故障诊断方法，尤其涉及一种基于振动监测、具有自学习能力的 风力发电机组故障自动诊断方法。
背景技术：
风能是一种清洁的可再生能源，截止2009年底我国新增风电装机容量达130亿 瓦。由于风电场一般位于条件恶劣的环境中，工况极不稳定，因此对风电机组的运行状态进 行在线监测，实时了解风电机组关键零部件的运行状态是极其必要的。另外，改定期维护为 按需维护可大大减少风电场的维护成本。目前，已经有一些通用状态监测系统应用到风力发电领域，但系统的分析和诊断 功能较薄弱，通过对测量数据进行趋势分析，我们仅能看到其在一段时间内的总体水平；如 果发现了某些测量点的数值超出报警限值，也仅能做出一个早期故障的判断。在CN中，2005年4月13日公开的申请号为02815100. 3，名称为“风力发电设备的 预警系统”的已授权发明公布了一种通过安装在风力发电设备纵槽上的SODAR系统检测风 速，将测量数据传输到风力发电设备的控制器，依次适当改变马达扇叶的迎角以保护整个 设备免受环境因素的破坏。此系统没有涉及对风力发电机组关键零部件振动信号的监测， 也不能实现故障预警和故障诊断的功能。在CN中，2009年3月25日公开的申请号为101393049A，名称为“风力发电机组振 动监测及故障诊断的方法”的发明公布了一种对风力发电机组主轴、齿轮箱、联轴器和发电 机等部位监测的系统。此系统通过时、频域特征值与阈值的比较来生成预警信息，通过频谱 分析来判断故障类型、原因和部位。故障诊断模块功能较薄弱。传统的故障诊断方法(包 括频域分析方法和时域分析方法)对于机械部件的分布性故障有很好的诊断效果。但当发 生局部性故障时，测得的机械振动信号会包含非平稳或时变成分。基于平稳信号处理的传 统方法(如频谱分析)无法全面反映信号的时变特性，因而应用效果不太理想；且系统只能 对某几种特定类型的故障进行诊断，局限了系统故障诊断功能的完善。
发明内容
本发明的目的在于针对现有故障诊断方法的不足，提供一种基于振动监测的风力 发电机组故障自动诊断方法。本发明的目的是通过以下技术方案来实现的一种基于振动监测的风力发电机组故障自动诊断方法，包括如下步骤(1)通过布置在监测点的加速度传感器采集原始振动信号，前置通信子系统完成 对传感器输出信号的转换，放大和抗混叠滤波，并将采集到的信号进行存储并定期上传风 力发电机组的加速度传感器布置在风电机组塔架、主轴轴承、齿轮箱前轴承、齿轮箱后轴 承、发电机前后轴承的轴向和径向，传感器的安装方式使用螺纹联接。原 始振动信号经过滤 波后，经压缩打包上传。中央监控服务器也可通过FTP方式直接下载数据到服务器硬盘或存入数据库。(2)中央监控服务器接受数据并存储于数据库中，在中央监控服务器中建立故障 预警系统；中央监控服务器接受振动数据并存储于数据库中，当前置通信子系统与服务器 的通信中断时，前置通信子系统可保存数据直至下次恢复。中央监控服务器成功接收数据 后，前置通信子系统才删除已发送数据，避免了数据丢失。通过分析振动数据，计算时域特 征值均方根值、峰值、峭度、峰值因子，根据监测点在同测点、同方向、同工况下正常运行的 振动统计值作为阈值，如果任意一个时域特征值超过事先设置的阈值，则转入故障诊断系 统并发出预警信号，同时将此故障发生的时间和内容记录到数据库，以方便今后查阅和复 检，另一方面将故障信息显示到界面以提醒工作人员，根据振动数据的时域特征值，利用图 示方法，绘制劣化趋势图，根据劣化趋势安排设备的检修计划。(3)在数据库中建立故障特征频率库计算风力发电机被测各零部件频率特征参 数，包括主轴和齿轮箱各轴的转频、齿轮啮合频率、主轴轴承和发电机各轴承在运动学和动 力学上的特征频率，建立故障特征频率库，作为故障诊断的依据。(4)在中央监控服务器中建立故障诊断系统，所述故障诊断系统从数据库中获取 数据，通过小波分析、倒频谱分析、细化谱分析等方法自动诊断故障类型、部位及程度。具体 如下(A)从数据库中提取振动数据计算时域特征值，与阈值比较进行初步预警判断，当 时域特征值超过预先设置的阈值时，系统发出报警信号，并从数据库提取报警前后1分钟 数据，并转入故障诊断系统。(B)选取合适的小波基和小波分解级数进行小波变换，然后选择含有故障信息的 特征频带进行信号重构。(C)通过对重构后的信号进行倒频谱变换，将反映调幅和调频信息的边频带分离 出来。(D)用细化谱分析将调制边频带成分的细微结构展示出来，将得到的频谱频率特 征与数据库中的故障特征频率相对应，可得到故障的类型和故障、部位及程度。(E)经运行人员现场确认故障后，系统将自动将此故障类型和对应的特征写入故 障特征频率库。本发明的有益效果是本发明基于振动监测的风力发电机组故障诊断方法具有对 含非平稳和时变成分振动信号分析的能力，且该故障诊断方法具有自学习能力，可不断完 善系统故障诊断功能。
图1为前置通信子系统结构示意图；图2为本发明系统的结构示意图；图3为本发明中央监控服务器功能结构示意图；图4为本发明基于振动监测的风力发电机组故障自动诊断方法流程图。
具体实施例方式传统的故障诊断方法(包括频域分析方法和时域分析方法)对于机械部件的分布
4性故障有很好的诊断效果。但当发生局部性故障时，测得的机械振动信号会包含非平稳或 时变成分。基于平稳信号处理的传统方法(如频谱分析)无法全面反映信号的时变特性，因 而应用效果不太理想。小波分析是一种时间窗和频率窗都可改变的时频局部化分析方法， 特别适合于非稳定信号的分析。例如当发生齿轮点蚀、断齿、轴轻度弯曲以及滚动轴承的疲 劳剥落等故障时，会产生周期性的脉冲冲击力，从而产生振动信号的调制现象，在频谱上表 现为在啮合频率或固有频率两侧出现间隔均勻的调制边频带。边频带反映了故障源信息， 边频带的间隔反映了故障源的频率，幅值的变化反应了故障的程度，因此，在齿轮箱的故障 诊断中，对调制信号进行解调是一项重要的工作。倒频谱分析将反映调幅和调频信息的边 频带分离出来；细化谱可分析调制边频带的细微结构。在分析振动信号特点和各种诊断方法的基础上，本发明提供了一种基于振动信号 的风力发电机组故障自动诊断方法。本发明的结构包括振动加速度传感器，前置通信子系统，通信线路和协议，中央 监控服务器，远程终端。前置通信子系统由嵌入式PC和I/O数据采集模块构成(如图1所 示)，由I/O服务器、人机界面、数据库、分析(故障预警和故障诊断)模块构成的中央监控 服务器(如图3所示)。参照图1，在现场的风电机处布置前置通信子系统，其中I/O数据采集模块用于处 理加速度传感器输出的电压信号，电压被数字化后的分辨率为16位。每个通信子系统具有 各类通信总线的接口，包括以太网接口、USB接口、RS232接口和RS422/RS485接口。软件平 台采用Microsoft Windows CE或Microsoft嵌入式Windows XP。嵌入式PC还包含有4G 的内存和5T的硬盘，当数据通信中断后，会保存数据直至下次通信恢复。前置通信子系统 的另一端为100M以太网接口，用光缆连接至远程的中央监控服务器。参照图2，整个系统的通信网络统一采用100M的光纤以太网，采用工业以太网交 换机，通过环形冗余实现通信网络的冗余配置，当任意一个节点发生故障时，仍可保证系统 的数据传输，中央监控服务器具有网络发布功能，支持远程终端在输入权限后通过IE浏览 器访问监控服务器。系统必须根据不同操作人员的职责授予不同的使用权限。对于一般的 参观人员，可以监视界面，查看风电机组当前的工作状态和运行参数；对于一般工作人员， 除了监视界面以外，还能进行风电机组的启动和停止等基本控制；对于高层级的管理人员， 除了基本控制以外还可以进行参数设置，报警处理等操作。参照图3，风电场中央监控服务器采用高性能的工业服务器，数据库软件为 SYBASE数据库。中央监控服务器的1/0服务器接受前置通信子系统上传的数据并存入数据 库，风电场的运行人员通过中央监控服务器上的人机界面监测整个风电场的所有风力发电 机的运行状态。在人机界面上，利用计算机接口可输出打印报表，还可以通过网络发布将报 表等相关状态信息传送给远程终端的有关部门查看。通过ODBC从数据库获取数据，应用小 波分析、倒频谱分析、细化谱分析等方法进行故障诊断，同时通过相应的控件将分析曲线显 示在人机界面。参照图4，本发明基于振动监测的风力发电机组故障自动诊断方法的流程图，具体 步骤如下1、通过布置在监测点的加速度传感器采集原始振动信号，前置通信子系统完成 对传感器输出信号的转换，放大和抗混叠滤波，并负责对采集到的信号进行存储并定期上传；风力发电机组的加速度传感器布置在风电机组塔架、主轴轴承、齿轮箱前轴承、齿 轮箱后轴承、发电机前后轴承的轴向和径向，传感器的安装方式使用螺纹联接。通道的采样 频率高达lOKHz，数据量较大，为保证通信线路畅通，原 始振动信号经过滤波后，经压缩打包 上传。中央监控服务器也可通过FTP方式直接下载数据到服务器硬盘或存入数据库。2、中央监控服务器接受数据并存储于数据库中，在中央监控服务器中建立故障预 警系统；中央监控服务器接受振动数据并存储于数据库中，当前置通信子系统与服务器的 通信中断时，前置通信子系统可保存数据直至下次恢复。中央监控服务器成功接收数据后， 前置通信子系统才删除已发送数据，避免了数据丢失。通过分析振动数据，计算时域特征 值均方根值、峰值、峭度、峰值因子，根据监测点在同测点、同方向、同工况下正常运行的振 动统计值作为阈值，如果任意一个时域特征值超过事先设置的阈值，则转入故障诊断系统 并发出预警信号，同时将此故障发生的时间和内容记录到数据库，以方便今后查阅和复检， 另一方面将故障信息显示到界面以提醒工作人员，根据振动数据的时域特征值，利用图示 方法，绘制劣化趋势图，根据劣化趋势安排设备的检修计划。3、在数据库中建立故障特征频率库；计算风力发电机被测各零部件频率特征参数，包括主轴和齿轮箱各轴的转频、齿 轮啮合频率、主轴轴承和发电机各轴承在运动学和动力学上的特征频率，如轴承内环通过 频率、轴承外环通过频率、轴承滚动体通过频率、轴承保持架频率、各特征频率四阶以内倍 频、各齿轮及轴承的固有频率等等，建立故障特征频率库，作为故障诊断的依据。4、在中央监控服务器中建立故障诊断系统，所述故障诊断系统从数据库中获取数 据，通过小波分析、倒频谱分析、细化谱分析等方法自动诊断故障类型、部位及程度。4. 1、从数据库中提取振动数据计算时域特征值(均方根值、峰值、峭度、峰值因 子)，与阈值比较进行初步预警判断，当时域特征值超过预先设置的阈值时，系统发出报警 信号，并从数据库提取报警前后1分钟数据，并转入故障诊断系统；4. 2、选取合适的小波基和小波分解级数进行小波变换，然后选择含有故障信息 (冲击脉冲成分)的特征频带进行信号重构；4. 3、通过对重构后的信号进行倒频谱变换，将反映调幅和调频信息的边频带分离 出来；4. 4、用细化谱分析将调制边频带成分的细微结构展示出来，将得到的频谱频率特 征与数据库中的故障特征频率相对应，可得到故障的类型和故障、部位及程度。例如齿轮发生断齿时，齿轮箱箱体的振动信号将出现如下特征均方根值和峭度 有较大幅度的增加；以齿轮啮合频率及其谐波为载波频率，齿轮所在轴转频及其倍频为调 制频率的啮合频率调制，调制边频带宽而高，细化谱出现齿轮所在轴的转频和多次高阶谐 波；以齿轮各阶固有频率为载波频率，齿轮所在轴转频及其倍频为调制频率的齿轮共振调 制频率调制，调制变频带宽而高。4. 5、经运行人员现场确认故障后，系统将自动将此故障类型和对应的特征写入故 障特征频率库。由此可见，系统可自动实现风电机关键部件运行情况的故障预警和故障诊 断，并且系统具有自学习功能，可实现不断的自我完善。
权利要求
一种基于振动监测的风力发电机组故障自动诊断方法，其特征在于，包括如下步骤(1)通过布置在监测点的加速度传感器采集原始振动信号，前置通信子系统完成对传感器输出信号的转换，放大和抗混叠滤波，并将采集到的信号进行存储并定期上传风力发电机组的加速度传感器布置在风电机组塔架、主轴轴承、齿轮箱前轴承、齿轮箱后轴承、发电机前后轴承的轴向和径向，传感器的安装方式使用螺纹联接。原始振动信号经过滤波后，经压缩打包上传。中央监控服务器也可通过FTP方式直接下载数据到服务器硬盘或存入数据库。(2)中央监控服务器接受数据并存储于数据库中，在中央监控服务器中建立故障预警系统；中央监控服务器接受振动数据并存储于数据库中，当前置通信子系统与服务器的通信中断时，前置通信子系统可保存数据直至下次恢复。中央监控服务器成功接收数据后，前置通信子系统才删除已发送数据，避免了数据丢失。通过分析振动数据，计算时域特征值均方根值、峰值、峭度、峰值因子，根据监测点在同测点、同方向、同工况下正常运行的振动统计值作为阈值，如果任意一个时域特征值超过事先设置的阈值，则转入故障诊断系统并发出预警信号，同时将此故障发生的时间和内容记录到数据库，以方便今后查阅和复检，另一方面将故障信息显示到界面以提醒工作人员，根据振动数据的时域特征值，利用图示方法，绘制劣化趋势图，根据劣化趋势安排设备的检修计划。(3)在数据库中建立故障特征频率库计算风力发电机被测各零部件频率特征参数，包括主轴和齿轮箱各轴的转频、齿轮啮合频率、主轴轴承和发电机各轴承在运动学和动力学上的特征频率，建立故障特征频率库，作为故障诊断的依据。(4)在中央监控服务器中建立故障诊断系统，所述故障诊断系统从数据库中获取数据，通过小波分析、倒频谱分析、细化谱分析等方法自动诊断故障类型、部位及程度。
2.根据权利要求1所述基于振动监测的风力发电机组故障自动诊断方法的流程图，其 特征在于，所述步骤(4)具体如下(A)从数据库中提取振动数据计算时域特征值，与阈值比较进行初步预警判断，当时域 特征值超过预先设置的阈值时，系统发出报警信号，并从数据库提取报警前后1分钟数据， 并转入故障诊断系统。(B)选取合适的小波基和小波分解级数进行小波变换，然后选择含有故障信息的特征 频带进行信号重构。(C)通过对重构后的信号进行倒频谱变换，将反映调幅和调频信息的边频带分离出来。(D)用细化谱分析将调制边频带成分的细微结构展示出来，将得到的频谱频率特征与 数据库中的故障特征频率相对应，可得到故障的类型和故障、部位及程度。(E)经运行人员现场确认故障后，系统将自动将此故障类型和对应的特征写入故障特 征频率库。
全文摘要
本发明公开了一种基于振动监测的风力发电机组故障自动诊断方法，通过加速度传感器采集原始振动信号，前置通信子系统完成数据存储和上传，中央监控服务器接收数据并存储于数据库。该方法还需在数据库中建立故障特征频率库，作为故障诊断的依据。本发明的方法可自动实现风力发电机组关键零部件故障预警和故障诊断，通过不断更新故障特征频率库来实现该方法的自学习能力，从而不断完善故障诊断功能。
文档编号G01H17/00GK101858778SQ20101018585
公开日2010年10月13日 申请日期2010年5月28日 优先权日2010年5月28日
发明者包哲静, 孟濬, 王超, 郑军, 郭艳平, 颜文俊 申请人:浙江大学