[发明专利]一种风力发电机组早期故障检测系统在审

专利信息
申请号: 202310148978.1 申请日: 2023-02-22
公开(公告)号: CN116204776A 公开(公告)日: 2023-06-02
发明(设计)人: 刘展;庞宇;郭义山 申请(专利权)人: 北京能高普康测控技术有限公司
主分类号: G06F18/213 分类号: G06F18/213;G06F18/24;G06F18/211;G06F18/15;G01M13/00;G01M13/021;G01M13/028;G01M13/04;G01M13/045;F03D17/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 100070 北京市丰台区南四环西路1*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 风力 发电 机组 早期 故障 检测 系统
【说明书】:

本方法属于风力发电领域,涉及一种风力发电机组早期故障检测系统。该系统调用数据筛选模块实现异常或无效数据的筛除;调用特征提取模块实现数据有效成分以及故障特征进行提取;调用故障预检模块实现故障的初步检测;调用特征增强模块利用特征提取结果实现算法参数优化、数据特征增强以及微弱信号检测;调用故障识别模块实现故障位置与程度的检测,检测结束后将返回特征增强、故障识别模块检测其他待检测部位;调用故障会诊模块,将数据筛选、故障预检、故障识别模块中的结论汇总,输出为检测结果。该系统改善了故障提取方法,提取了振动数据中微弱的故障特征,实现了故障早期时故障部位与故障程度有效且准确的识别,利于故障尽早发现与及时处理。

技术领域

本方法属于风力发电领域,涉及一种风力发电机组早期故障检测系统。

背景技术

风力发电机组的结构复杂,在长期高载重运行中,容易发生齿轮断齿、轴承卡死等重大故障,影响风机正常运行。

上述故障在故障发展的早期阶段存在微弱的故障特征,因此对风力发电机组进行早期故障检测具有及时安排故障检查与维修、防止重大故障发生、减少风机因为故障的停机时间、降低风力发电机组运行维护成本的重要意义。

目前风力发电机组的早期故障检测仍存在如下问题:

1. 低速重载部件如主轴承、行星级齿轮组等体积较大、振动传递路径复杂,导致其故障特征不明显,不利于早期故障识别与故障程度检测;

2. 人工故障诊断的方法虽可以有效识别故障,但不利于突发性故障的及时检测;

3. 传统的故障检测系统无法有效识别故障部位以及故障程度,且无法实现早期故障识别;

4. 基于故障特征提取的方法在实际诊断应用中存在数据利用率低、输出结果标准化较差的问题。

发明内容

本方法提出了一种风力发电机组早期故障检测系统,该系统包含数据筛选、特征提取、故障预检、特征增强、故障识别、结论整合六个模块,改善了故障提取方法,提取了振动数据中微弱的故障特征,实现了故障早期时故障部位与故障程度有效且准确的识别,利于故障尽早发现与及时处理。

本方法的技术方案如图1所示,其包含的六个模块作用如下:

数据筛选模块将数据采集中的振动数据以及转速数据作为输入,可判断传感器采集数据的异常性以及该数据进行故障检验的有效性。无异常且有效的数据可输入特征提取模块,否则直接调用故障会诊模块输出结论。

特征提取模块可根据检测部位故障特征区间进行数据有效成分的提取,从而依靠相关算法进行故障特征的提取,该算法提高了数据的利用率,并可输出标准化的故障特征。该模块可将故障特征进行整合作为故障预检模块的输入,提取出来的故障特征可作为特征增强模块的输入。

故障预检模块可根据数据频域特征以及时域特征增强数据的时域特征判断检测部位是否存在故障。检测出故障的数据可作为特征增强模块的输入,否则直接调用故障会诊模块输出结论。

特征增强模块可根据特征提取模块提取的故障特征优化算法的参数,随后对数据进行时域特征增强与微弱信号检测,将结果作为故障识别模块的输入。

故障识别模块可根据特征增强模块的结果与图2所示故障识别策略判断故障位置与故障程度,将结果作为故障识别模块的输入。若数据故障特征增强的结果未指向某部位的故障时,将认为检测部位正常并返回特征增强模块根据其他检测部位的故障特征重新优化参数并进行故障增强与微弱信号检测,再输入故障识别模块,直至所有部位检测完毕。

故障会诊模块将数据筛选模块、故障预检模块、故障识别模块的结论汇总输出,最后输出的结果包括:数据存在异常、数据检测无效、检测部位正常、齿轮存在局部损伤、齿轮存在均匀磨损、轴承存在损伤。对于存在故障的结果,该模块会输出故障程度。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京能高普康测控技术有限公司,未经北京能高普康测控技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310148978.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top