风电齿轮箱CMS健康状态诊断研究

随着风电机组齿轮箱状态监测系统CMS的安装普及,齿轮箱的运行振动数据被大量采集,但如今对于齿轮箱健康状态的预警诊断精度仍然不足,工程应用中严重依赖于工程师的人工复核。本文以东北某风电场为研究对象,通过对GearSight系统采集的CMS数据进行特征时频分析,确定花键轴损坏故障的关键指标特征,再以准确的故障数据标签,结合KNN与决策树算法建立故障诊断模型。针对齿轮箱其他零部件故障的预警模型,也可以采用同样的方法来建立,进而完善齿轮箱整体的故障预警机制。该模型还可以集成在独立自研的GearSight硬件中进行边缘计算,这种采用多个模型联合预警的方式,在数据集有限、没有大模型的情况下,可以较好实现齿轮箱故障精确预警的工程应用。