风机传动系统故障诊断试验系统设计

为了获得风机传动系统中轴承和齿轮箱的故障规律,进一步挖掘混合故障的运行特点,设计了一套传动系统试验台。介绍了传动系统部件的设备选型,轴承和齿轮箱典型故障的制备以及振动信号和声发射信号相结合的故障信号采集系统的搭建。最后,对试验台的运行状态信号进行采集与故障分析。分析结果表明传动系统部件及故障设备能够很好地模拟实际工况,结合振动信号和声发射信号,可以进一步提高故障检测的准确性。     

冷却塔风机齿轮箱及传动轴故障监控系统设计

在详细分析冷却塔风机传动系统中齿轮箱、传动轴失效原因及其失效表现形式的基础上,设计出冷却塔风机齿轮箱及传动轴故障监控系统,利用可编程控制器对齿轮箱油液温度、振动和传动轴信号进行采集处理,利用特定程序,能够在齿轮箱及传动轴发生失效现象之前及时报警停机,避免安全事故的发生,此系统与冷却塔风机智能控制系统相结合,可以实现冷却塔风机的智能变频与启停、故障预警与停机。     

基于多小波包的齿轮故障诊断方法研究

提出了一种全新的基于多小波包的齿轮箱故障诊断方法.在机械故障诊断领域,小波分析已经被应用在利用齿轮振动信号进行的故障诊断中.由于小波函数空间在高尺度上频带较宽,因此隐藏在信号中的在较高频段发生的窄带故障信号的频率成分不能被精确地诊断.提出的多小波变换,通过划分小波变换不同层的频带克服了单小波(标量小波)系统的这种缺陷.通过多小波包变换,可以自动并精确地划分不同小波包结点的频率段,从而对频率段较窄的瞬变故障信号进行精确的诊断.对齿轮箱的仿真实验结果表明,应用多小波包系统,不但可以对齿轮系统中包含瞬变现象的故障信号进行诊断,而且可以精确确定齿轮中坏齿的位置.     

基于Matlab的风机传动链数据采集与分析系统设计与应用

基于Matlab和NI cDAQ的风机状态监测设备能快速方便地对风机传动链实现准确的故障检测。提出一种先进的风机传动链数据采集和分析系统,该系统中数据采集任务在后台运行,在保证完整准确采集的基础上实现了实时示波和自定义录波,可同步获得风机传动链的振动数据和齿轮箱输出轴转速数据,为故障检测提供有效、完整的数据,可从时间域、频率域、周期域和阶次域自定义分析,识别故障特征,为风机状态监测提供故障信息依据。该系统功能丰富、自定义程度高、系统响应快,可准确检测风机故障。     

基于多维特征评价的风机齿轮箱早期故障诊断

为了及时有效地诊断风机齿轮箱早期微弱故障,针对齿轮箱微弱故障信号非线性、非平稳、低幅值、低信噪比的特点,提出一种基于多维特征评价的风机齿轮箱早期故障诊断方法.首先,利用变分模态分解将原始振动信号分解为多个固有模态分量,并构建“信息熵-峭度-包络谱峭度”多维特征评价模型,结合熵权法筛选关键特征分量以重构信号;其次,运用改进的小波阈值法降低噪声干扰对重构信号的影响,得到显著的故障冲击特征;再者,使用宽度学习系统进行状态识别,并利用$L_{21     

基于多小波包的齿轮故障诊断方法研究

提出了一种全新的基于多小波包的齿轮箱故障诊断方法。在机械故障诊断领域,小波分析已经被应用在利用齿轮振动信号进行的故障诊断中。由于小波函数空间在高尺度上频带较宽,因此隐藏在信号中的在较高频段发生的窄带故障信号的频率成分不能被精确地诊断。提出的多小波变换,通过划分小波变换不同层的频带克服了单小波(标量小波)系统的这种缺陷。通过多小波包变换,可以自动并精确地划分不同小波包结点的频率段,从而对频率段较窄的瞬变故障信号进行精确的诊断。对齿轮箱的仿真实验结果表明,应用多小波包系统,不但可以对齿轮系统中包含瞬变现象的故障信号进行诊断,而且可以精确确定齿轮中坏齿的位置。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

基于α稳定分布参数和支持向量机的齿轮箱故障诊断方法

针对含有尖脉冲的齿轮箱振动信号故障特征难以提取且样本较少的问题,提出了一种基于α稳定分布和支持向量机故障诊断的新方法。先设计齿轮箱故障测试方案,获取齿轮箱振动信号;然后提取齿轮箱振动信号的α稳定分布参数,用它作为故障类型的特征样本,并结合决策树和投票法构造多分类支持向量机齿轮箱故障决策系统。该方法较好地解决了小样本学习问题,避免了人工神经网络进行诊断时的过学习、收敛速度慢等缺点。实际齿轮箱故障诊断实验结果表明所提方法有效。     

基于DSP的风机振动监测系统

介绍了基于DSP的风机振动实时在线监测系统的设计、组成环节、功能及应用效果。研究了风机系统振动监测点、传感器的选择、振动信号的A／D采样、系统各个模块的硬件构成和软件功能的实现等几个问题。系统具有实时振动幅值直观显示、故障提前预警、测量精度高、抗干扰能力强、软件操作界面灵活等特点。风机监测系统设计新颖、美观坚固、操作简单、整体性稳定可靠，具有较高的性价比，值得推广。     

基于小波变换和TMS320F2812的水泵故障诊断系统研究

对于水泵等旋转机械来说,通过采集水泵振动信号并进行分析,能够较全面地判断出水泵设备运行状态;因此,振动信号的采集就成为设备状态监测与故障诊断的关键部分;设计了一套基于小波变换和DSP的水泵故障诊断系统,该系统可以实现对水泵振动信号的实时采集;为了提高振动信号的信噪比,得到较为纯净的振动信号,采用小波消噪的技术对采集的振动信号进行消噪处理;并且以水泵机组正常运行和发生绕组过热、轻度不平衡、严重不平衡、支座松动等故障为例进行诊断实验,并且故障集参数amax,smax,Tamax,Tsmax和amin,smin,Tamin,Tsmin分别为1.1500,0.1600,46.9787,446.5000和0.9000,0.0700,40.9825,410.6000;实验结果表明,该系统可以有效发现故障,区分故障类型及识别故障程度,为水泵机组故障诊断提供了又一种有效的方法,对其它类似机械故障诊断具有一定的指导意义。     

EMD分解和支持向量机技术在风电齿轮箱早期齿轮磨损故障诊断中的应用

针对目前风电机组齿轮箱故障率很高,特别是对兆瓦级风电机组齿轮箱早期齿轮故障缺乏有效诊断经验的现状,提出EMD分解和支持向量机技术方法相结合的故障诊断方法,以行星齿轮箱为试验平台,充分利用两种方法的各自优势,对风电机组齿轮箱的齿轮早期故障诊断进行研究。     

风力发电机组齿轮箱在线监测系统的开发

针对风力发电机齿轮箱的故障特征,运用在线编程技术,开发了基于B／S的风电机组在线监测系统。首先从总体上介绍了系统的工作原理,对机组的测点和监测信号类型进行选择;其次详细介绍了软件系统的设计,对软件的结构弄口各个子系统的功能进行详细的论述;对软件开发过程中用到的相关技术进行简单的描述;最后将本系统在风力发电机上进行测试,说明系统的可行性。     

风力发电机在线状态监测仪的设计及应用

设计了基于TMS320 F2812芯片的DSP在线状态监测系统,此系统既可独立运行,又可与上位机配合工作,实现了数据采集、数据分析、故障预警、数据存储与上位机通信等功能.采集的数据经过滤波后,计算时域指标并将其与设定阈值比较,作为预警依据,之后对其进行FFT分析和Hilbert解调分析,分别得到信号的幅值谱和包络谱,以此来对风力发电机的状态进行监测.仿真分析和齿轮故障实验验证了DSP监测仪的有效性和可靠性.     

双馈风力发电机状态监测系统软件设计

采用双馈风力发电机状态监测系统可及时发现并跟踪风电机组主要部件的机械和电气故障,有效降低机组的运行维护成本,保证风电机组的安全稳定运行.软件采用模块化设计思想,主要功能包括管理、诊断、监测、查询、数据存储、数据备份等.通过对振动、电流、电压、温度等参量进行分析,该软件实现了诊断发电机定子和转子匝间短路、相间短路、相对地短路、轴承故障的功能.将该系统试用于某风电场1.5 MW双馈发电机组上,结果表明其可用于监测和诊断双馈风力发电机.     

基于Adams的风力发电机齿轮故障分析

在风力发电机的各种故障中,齿轮箱失效是导致风力发电机故障和维修的主要原因之一,对于齿轮故障的诊断,准确地提取各种典型故障的特征是进行齿轮故障诊断的关键.基于Adams分别对正常和故障齿轮模型进行动态啮合仿真,在验证转速的基础上对断齿这一典型齿轮故障特性进行分析,研究结果可以为行星齿轮箱的齿轮故障诊断和监测提供理论依据.     

分布式机载风电振动信号采集系统设计与应用

针对风电设备分布广泛、振动信号采集困难、监测数据处理要求高等特点,基于分布式风机在线监测的通用架构研发了一种能够安装于风机各关键部位的小型机载分布式风电状态监测装置,就系统设计中遇到的如硬件选型与架构设计、信号采样逻辑控制与处理、风机信号特征选择、上位机通信报文设计等关键问题进行了深入研究,并将该系统应用于实际风场的设备监测与故障诊断环境,验证了该装置的可靠性、有效性与可拓展性.     

Gear-box fault detection using time-frequency based methods

Gear-box fault monitoring and detection is important for optimization of power generation and availability of wind turbines. The current industrial approach is to use condition monitoring systems, which runs in parallel with the wind turbine control system, using expensive additional sensors. An alternative would be to use the existing measurements which are normally available for the wind turbine control system. The usage of these sensors instead would cut down the cost of the wind turbine by not using additional sensors. One of these available measurements is the generator speed, in which changes in the gear-box resonance frequency can be detected. Two different time–frequency based approaches are presented in this paper. One is a filter based approach and the other is based on a Karhunen–Loeve basis. Both of them detect the gear-box fault with an acceptable detection delay of maximum 100s, which is neglectable compared with the fault developing time.     

基于压缩采集与CNN的风电机轴承故障诊断

针对传统风电机轴承故障检测存在的采样数据量大、故障特征依赖主观选取的问题,提出了风电机轴承故障的信号压缩采集、自动提取特征及故障诊断的方法,解决了风电机轴承振动信号特征提取计算复杂、受先验知识影响较大的问题。首先基于梯度加速法(NAG)和QR分解理论对随机高斯观测矩阵进行优化,实现风电机轴承振动信号压缩采集;然后将压缩采集得到的数据作为卷积神经网络(CNN)的输入,利用卷积池化层提取压缩采集数据中的故障特征;最后,将得到的故障特征通过softmax分类器进行分类。仿真实验表明:该方法能够自动提取风电机轴承的故障特征,在保证较高故障诊断准确率的同时,缩短了网络训练时间。     

A novel fault diagnosis technique for wind turbine gearbox

The gearbox is one of the most important parts of a mechanical equipment. The importance of fault diagnosis in rotating machineries for preventing catastrophic accidents and ensuring adequate maintenance has received considerable attention. In this study, a fault diagnosis method based on gearbox vibration signal monitoring is used to differentiate the signal characteristics of different working conditions and improve the accuracy of diagnosis. The time-domain sequence approximate entropy (ApEn) adaptive strategy is used to propose a wind turbine intelligent fault diagnosis algorithm based on a wavelet packet transform (WPT) filter and a cross-validated particle swarm optimized (CPSO) kernel extreme learning machine (KELM). First, the correlation between the parameter requirements of the intelligent diagnosis system and the system complexity analysis is analyzed. Then, the parameters related to the wavelet filter is determined by calculating the ApEn of the time-domain sequence. Finally, a compact wind turbine gearbox test bench is constructed and tested to validate the proposed ApEn-WPT+CPSO-KELM to identify gearbox-related faults for verification. Results show that the proposed ApEn-WPT+CPSO-KELM method can accurately identify four states of the wind turbine gearbox.