[实用新型]一种风电机组齿轮箱在线故障诊断装置

说明书

技术领域

本实用新型涉及测量领域，特别涉及一种风电机组齿轮箱在线故障诊断装置。

背景技术

风力发电技术是新兴的新能源发电技术，在全世界都有广泛的应用。随着风电机组单机容量的不断扩大以及大规模风电场的投入运行，机组的故障诊断与预警是风电场安全运行的重要保障。齿轮箱是风力发电机组变速、能量传递的关键部件，其运行的稳定性会影响到整机性能，是故障发生率最高的部件，恶劣环境下，更换率有时甚至会达到80%以上。为提高齿轮箱运行的可靠性，监测其运行状态，实现故障的早期诊断及预警十分重要。

目前国内风电场安装的风电机组大部分为国产风机，但安装风机状态监测与故障诊断系统的风电场只有极少部分，而且其中大部分采用的是国外风机的配套产品，不但价格昂贵，而且与国产风电机组不匹配，使得功能和性能都不能满足要求。又由于风力机齿轮箱长期工作在复杂的变载荷工况下，其振动具有非平稳性等特点，因此传统的频谱无法有效的对其进行故障诊断。

实用新型内容

为了克服现有技术存在的缺点与不足，本实用新型提供一种风电机组齿轮箱在线故障诊断装置。

本实用新型采用如下技术方案：

一种风电机组齿轮箱在线故障诊断装置，包括依次连接的数据采集模块、数据处理模块和数据显示模块，所述数据采集模块位于塔顶，所述数据显示模块位于塔底。

所述数据采集模块包括依次连接的振动传感器、数据采集卡。

所述振动传感器为2个，分别安装在风机塔顶齿轮箱箱体的上表面和侧面，用于采集齿轮箱水平方向和垂直方向的振动信号。

所述数据显示模块具体为PC机。

所述数据处理模块与数据显示模块具体通过以太网线连接。

所述数据处理模块具体为工控机处理器。

所述数据处理模块采用如下步骤对齿轮箱的故障进行诊断；

S1接收齿轮箱水平振动方向和垂直振动方向的振动信号；

S2对信号进行FFT，得到其功率率谱波形；

S3对信号进行小波分析，得到其频谱波形

S4对信号小波包分析得到各频率段的频谱波形；

S5求取频谱波形的均方差，得到故障特征量；

S6对故障特征量进行归一化处理，得到最终故障特征量；

S7把故障特征量作为神经网络的输入样本，识别故障；

S8再综合比较S3、S4、S5的处理结果，最终确定故障类型。

本实用新型的有益效果：

（1）本实用新型综合了多种时频处理方法对采集的数据进行了分析，能够获得更为有效的特征量；

（2）本实用新型数据采集实时性好、精度高，诊断结果更全面。

附图说明

图1是本实用新型的结构示意图；

图2是本实用新型的工作流程图。

具体实施方式

下面结合实施例及附图，对本实用新型作进一步地详细说明，但本实用新型的实施方式不限于此。

实施例

如图1所示，一种风电机组齿轮箱在线故障诊断装置，包括依次连接的数据采集模块、数据处理模块和数据显示模块，所述数据采集模块位于塔顶机舱，所述数据显示模块位于塔底。

所述数据采集模块包括依次连接的振动传感器、数据采集卡，所述振动传感器可以采用压电式振动传感器，数据采集卡可以采用PCI接口的数据采集卡。

所述压电式加速度振动传感器为2个，分别安装在风机塔顶齿轮箱箱体的上表面和侧面，所述振动传感器分别采集齿轮箱水平方向和垂直方向的振动信号，并传输给数据采集卡，数据采集卡将振动传感器输出的模型信号转换成数字信号发送给数据处理模块。

所述数据显示模块具体为PC机。

所述数据处理模块与数据显示模块具体通过以太网线连接。

所述数据处理模块具体为工控机处理器，可以采用研华IPC610H工控机。

如图2所示，数据处理模块采用如下步骤对齿轮箱的故障进行诊断；

S1接收齿轮箱水平振动方向和垂直振动方向的振动信号；

S2对信号进行FFT，得到其功率谱波形；

S3对信号进行小波分析，得到其频谱波形；

S4对信号小波包分析得到各频率段的频谱波形；

S5求取频谱波形的均方差，得到故障特征量；

S6对故障特征量进行归一化处理，得到最终故障特征量；

S7把故障特征量作为神经网络的输入样本，识别故障；

S8再综合比较S3、S4、S5处理结果，最终确定故障类型。