一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法
【专利摘要】本发明提供一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法。该方法首先采集风力发电机组齿轮箱各测点的原始振动加速度信号，然后采用局部均值分解(Local mean decomposition，简称LMD)方法将原始振动加速度信号分解为若干个具有一定物理意义的PF(Product function)分量，再选取包含调幅调频等故障信息的PF分量进行信号重构，并对重构后的信号进行Hilbert变换，进一步提取故障特征量，最后通过计算待测样本和标准样本之间的KL-散度值来判断故障类型和故障程度。
【专利说明】-种基于振动监测的风力发电机组齿轮箱早期故障诊断方 法
【技术领域】
[0001] 本发明涉及风力发电领域，具体涉及一种基于振动监测的旋转机械早期故障诊断 方法，尤其涉及一种基于振动监测且应用于风力发电机组齿轮箱早期故障的诊断方法。
【背景技术】
[0002] 风能作为一种可再生、无污染的新型绿色能源，已被国内外广泛认为是一种具有 巨大开发和利用前景的新型能源利用方式。在目前国际上能源短缺日益严重的情况下， 大力发展风电技术是解决能源短缺和环境污染问题的有效途径和必然趋势之一。2013 年，中国（不包括台湾地区），新增装机容量16088. 7丽，同比增长24. 1 % ;累计装机容量 91412. 89MW，同比增长21. 4%。新增装机和累计装机两项数据均居世界第一。
[0003] 近年来，在风力发电快速发展的同时，风力发电机组安全、稳定运行逐渐引起了国 内外的高度重视。目前，风力发电机组主要包括三种类型：双馈型风力发电机组，直驱型风 力发电机组和半直驱型风力发电机。双馈型风力发电机组依靠齿轮箱来实现增速，其生产 技术较成熟，该种风力发电机是目前的主流机型。直驱机型是没有齿轮箱的，它避免了由 于齿轮箱而造成的高故障率和维修成本的下降，但直驱机型也有其不可避免的缺点：永磁 发电机型所需的稀土资源少、直驱机组的电机重量大造成运输装配十分困难等，ENERC0N公 司在汉堡的一台6WM机型，吊装耗时长达3个月之久。半直驱风机结合了双馈机型和直驱 机型的优势，在满足传动和载荷设计的同时，结构更为紧凑，重量轻。2011年歌美飒推出 的最新的G10X-4. 5丽风电机，采用两档变速箱加永磁同步发电机；维斯塔斯推出的最新 V164-7. OMW风电机的齿轮箱也采用3级增速改为2级增速，电机技术也采用了永磁技术； 在国内，金风科技3MW的风电机也采用了半直驱技术，考虑到风电机组大型化的趋势，半直 驱的时代可能正在到来。因此，针对双馈机型和半直驱机型的齿轮箱故障进行研究有重要 的理论指导价值和工程应用意义。
[0004] 由于风电机多位于野外，要经受各种恶劣天气、风速风向变化无常所产生的冲击 载荷和工况不断变化等因素的影响，根据1997-2005年期间四个风场（瑞典两个风场、芬兰 一个风场和德国一个风场）的数据，齿轮箱成为风力发电机组故障率较高的部件之一，由 齿轮箱故障所造成的停机时间所占比例最大，约占总停机时间为32%。风力发电机齿轮箱 一旦发生故障，其拆装、运输及维修费用高达近100万元，海上风力机的拆装还要动用大型 轮船和坦克吊车，甚至直升机，其维修和维护成本更高。因此，对风力发电机组齿轮箱的在 线监测和故障诊断必须引起足够的重视，才能进一步减少风电场的维护成本、增加风电场 的效率。可见，在风力发电机组中有齿轮箱故障引起的停机时间最长，所以对风力发电机组 中的齿轮箱故障进行研究具有重要意义。
[0005] 近年来，在轴承的故障诊断方面已经开展了较为广泛和富有成效的研究，但针对 轴承的早期故障诊断问题尚处于初步研究阶段，且将轴承早期故障诊断方法有效地应用于 风力发电机组中的研究成果仍然较为缺乏。这主要是由于当轴承出现的损伤类故障处于早 期阶段时，表征故障信息的冲击特征通常比较微弱，由于风电机的机械系统存在正常振动 和干扰信号噪声，使得信号的故障特征难以提取和凸显；同时由于风力发电机组工作环境 恶劣、风速变化范围大、以及风机启停和轴承故障时的冲击载荷等特殊情况，都为轴承故障 的早期检测和诊断带来了极大的挑战。
[0006] 在CN中，2012年07月11日公开的申请号为102564568A，名称为"大型旋转机械 复杂工况下的早期故障搜索方法"的发明公布了一种用于能源、钢铁、煤炭、运输等行业的 大型旋转机械设备的早期故障搜索方法，此系统通过对振动时间序列进行预处理、提取故 障特征因子、故障征兆匹配等环节实现早期故障危险点的搜索。由于风力发电机组多位于 野外，要经受各种恶劣天气、风速风向变化无常所产生的冲击载荷和工况不断变化等因素 的影响，采集的振动信号含有很多的背景噪声，因此常规旋转机械故障监测方法在风力发 电机组上的应用效果不理想。
【发明内容】
[0007] 本发明针对目前风力发电机组齿轮箱早期故障诊断方法不够及时准确的缺点，对 风力发电机组齿轮箱进行振动监测，提出了一种风力发电机组齿轮箱早期故障诊断方法， 该方法包括以下步骤：
[0008] 步骤1 :采用振动加速度传感器采集原始振动信号，测点包括：齿轮箱输入轴轴 承、齿轮箱行星齿轮侧、齿轮箱中间轴侧、齿轮箱高速轴轴承共四个测点的水平和垂直位 置；
[0009] 步骤2 :对采集到的原始振动信号按时间标签提取N个样本点，N > 4096,对提取 到的原始振动信号X (t)进行LMD方法分解，可得若干个瞬时频率具有物理意义的PF分量，
【权利要求】
1. 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法，其特征在于其包括以 下步骤： 步骤1 :通过加速度传感器采集原始振动信号，齿轮箱传感器测点为：齿轮箱输入轴 轴承、齿轮箱行星齿轮侧、齿轮箱中间轴侧、齿轮箱高速轴轴承共四个测点的水平和垂直位 置。 步骤2 :对采集到的原始振动信号按时间标签提取N个样本点，N > 4096,对提取到的 原始振动信号X (t)进行LMD方法分解，可得若干个瞬时频率具有物理意义的PF分量，即
式中，x(t)_原始振动信号时域幅值； PFi-第i个分量； r-残余函数。 步骤3 :选取包含调幅调频等故障信息的PF分量用于信号重构，即X' (t) = Σ PFitl 步骤4 :对重构信号进行Hilbert变换，并提取故障特征量。 步骤5 :采集风力发电机组齿轮箱在不同状态下的样本作为标准样本，依次计算标准 样本和待测样本的故障特征量，并计算待测样本和标准样本之间的KL-散度，即
其中，Dkl (P □ Q)-待检样本和标准样本之间的KL-散度； P (i)-第i个待检样本重构信号故障特征量； Q(i)_第i个标准样本重构信号故障特征量。 将它变为对称形式，得 Dkl (PDQ) = [Dkl (P □ Q) +Dkl (QDP)] /2 (3) 最后给出故障部位和故障程度。
【文档编号】G06F19/00GK104392082SQ201410326679
【公开日】2015年3月4日 申请日期:2014年7月10日 优先权日:2014年7月10日
【发明者】郭艳平, 熊宇, 晏华成, 宋国翠, 张远海 申请人:中山火炬职业技术学院