基于MTF-Swin Transformer的风机齿轮箱故障诊断

针对风机齿轮箱实际工况复杂多变及含有强噪声,传统故障诊断方法对风机齿轮箱故障诊断识别准确率较低的问题,文章提出了MTF-Swin Transformer风机齿轮箱故障诊断模型。首先,采用马尔科夫变迁场(MTF)图形编码方法将原始一维振动时序信号转化为具有关联时间信息的二维特征图谱;然后,将特征图谱作为Swin Transformer模型的输入,基于自注意力机制进行自动特征提取;最后,实现对不同故障类型的分类。仿真结果表明,该方法对齿轮箱故障诊断准确率达到了99.48%,证明了该方法的有效性和优越性。

基于维纳滤波的风电机组齿轮箱轴承故障诊断

存在轴承故障时,风电机组齿轮箱振动信号的幅度与频率都会发生明显改变,通过信号变化行为的测量能够判定出具体的轴承故障等级。为实现对轴承故障的准确判定,设计基于维纳滤波的风电机组齿轮箱轴承故障等级判定方法。通过获取轴承振动波的IMF分量,并完善维纳滤波算法,在此基础上,处理故障数据,实现基于维纳滤波的轴承故障特征提取。定义轴承故障特征的伪四阶矩,通过求解特征角度的方式,确定故障等级基准的判定范围,完成基于维纳滤波的风电机组齿轮箱轴承故障等级判定方法的设计。实验结果表明,利用上述方法,能够根据幅度和频率的变化行为,判定风电机组齿轮箱轴承的故障等级,符合实际应用需求。

基于SCADA数据协同的风力机故障检测与控制

为了在不停机的前提下,安全可靠地对齿轮箱进行故障检测,并实现风力发电机在齿轮箱故障工况下的容错控制运行,提出一种基于标准数据采集与监视控制(SCADA)数据协同的风力机故障检测与控制方案。介绍了风力发电机的系统模型与SCADA解决方案框架,通过回归建模、异常分析和集成学习对风力发电机系统进行故障检测并获得健康指标;借助模糊逻辑控制对风力发电机的输出功率进行降额控制,从而实现风力发电机在齿轮箱故障工况下的容错控制运行,最后进行仿真实验,并将仿真结果与一个实际运行的2 MW风力发电机系统进行对比。实验结果表明:该故障检测与容错控制方案可以有效地对齿轮箱进行故障检测,并在存在故障时适当对风力发电机的输出功率进行降额控制,从而降低叶片和塔架承受的应力,并有效降低了齿轮箱轴承和润滑油的温度。

WT2000系列风电机组齿轮箱空中更换技术研究

为了降低双馈异步风力发电机组主齿轮箱(增速箱)整体更换的成本,使作业流程更加简洁,在WT2000系列风电机组的基础上,设计一种主轴固定工装来临时代替齿轮箱的作用,固定主轴的后端。通过实践探究了WT2000系列风电机组齿轮箱空中更换作业中新的操作工艺和方法。结果表明:所设计工装大大降低了WT2000系列风电机组齿轮箱更换的作业成本(包含吊车成本和时间、人工成本),降低了维修期间的发电量损失。

基于IBOA-ERF的风力发电机齿轮箱故障检测

针对风力发电机齿轮箱故障检测模型参数优化难度大的问题,提出一种基于改进的蝶形优化算法的极端随机森林故障检测模型。将故障检测模型虚警率与漏警率的代数和构造为适应度函数,改进个体初始位置和位置更新策略。引入混沌映射策略代替原有的种群初始化方法,增强初始种群分布的随机性。提出一种自适应惯性权重因子,结合鸽群优化算法的地标算子更新种群位置迭代方程,加快收敛速度,提高蝴蝶优化算法的多样性和鲁棒性。采用局部搜索阶段和全局搜索阶段的动态切换方法,实现全局搜索与局部搜索的动态平衡,避免陷入局部最优。建立极端随机森林故障检测模型,利用改进的蝶形优化算法获取最优参数,实现所提模型在高维数据下具有良好的鲁棒性和泛化性的快速响应。与其他优化算法相比,所提风力发电机组齿轮箱故障检测方法具有较低的误报率和漏报率。

基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

针对风电机组齿轮箱故障特征提取不足,故障诊断率低问题,提出了一种基于RF特征优选,结合WOA-ELM特征识别的风电齿轮箱故障诊断方法。首先,提取风电齿轮箱时域、频域、时频域特征,构建多域高维特征集;其次,利用RF进行特征重要度排序并提取10维优选特征;最后,利用WOA优化调整ELM模型的输入权值和隐含层阈值,实现风电齿轮箱故障分类识别。将本文方法应用于风电齿轮箱故障诊断,实验结果表明,本文方法平均诊断率能达到99.81%,诊断准确率均高于对比方法且诊断用时最少,能够有效地进行风电齿轮箱故障诊断。

基于不同运行状态的风电机组齿轮箱故障率预测模型

以往基于威布尔故障分布曲线对风电机组齿轮箱故障率的研究主要考虑时间因素,在此基础上,该文进一步考虑齿轮箱实际运行状态,结合威布尔故障分布模型中的浴盆曲线,构建同时考虑时间(t)和运行状态(s)的齿轮箱故障率模型,并计算其在4种不同运行状况(整体故障率升高、整体寿命缩短故障时间提前、故障期故障速率加快、故障期寿命缩短)的组合下模型的可靠性函数、故障累计分布函数、故障概率密度函数和特定时间下特定数量设备发生故障的概率。

风电机组齿轮箱常见故障及防护措施

齿轮箱是风电机组中的重要部件,由于风电场环境影响,加上运行维护不当,导致齿轮箱故障发生率比较高,影响机组的安全运行。为了降低齿轮箱故障发生率,在总结几种常见故障的基础上,提出相应的防护措施。通过加强对齿轮箱的日常运行维护,应用监测技术监控齿轮箱重要设备部件的运行状态,并建立齿轮箱管理档案,实现对齿轮箱运行的全过程管理,能大大降低其故障发生率。因此,风电机组齿轮箱运行维护要遵循预防为主、防治结合的原则,科学制定防护措施,提高运行管理水平,降低故障发生率及维护成本,提高风电场经济效益。

海上风电机组齿轮箱进口油温异常预测

由于海上风电机组齿轮箱要长期承受无规律的变向变载荷的风力作用以及强阵风的冲击,为保证风电机组可靠运行,对齿轮箱进口油温进行异常预测。结合风电机组SCADA运行数据提出了一种基于SVM-RFECV算法和BP神经网络的风电机组齿轮箱进口油温异常预测方法。首先完成数据的预处理,然后利用SVM-RFECV算法计算不同变量的重要度,并选择平均交叉验证均方误差的最小变量组成最优特征,最后利用选取的最优特征数据建立的BP神经网络的预测模型,实现对风电机组齿轮箱进口油温异常预警。通过海上某风电场现场实际SCADA数据对模型进行验证,结果表明提出的方法能有效实现对风电机组齿轮箱进口油温异常预测。

基于多模态时频图融合的风电机组齿轮箱故障诊断方法

特征提取是故障诊断问题的关键,风电机组齿轮箱负载多变,振动数据量大、信息密度低,导致多模态融合诊断方法的特征学习性能和计算成本难以兼顾。为此,提出了基于多模态时频图融合的风电机组齿轮箱故障诊断方法。首先,使用小波包分解算法对齿轮箱振动数据集进行故障特征分析;然后,将所得分解子信号和原始信号分别转化为二维时频图像,形成体现小波域和时频域的互补故障特征;最后,利用卷积神经网络(convolutional neural networks,CNN)分别学习图像纹理的深层特征并进行特征融合,训练基于CNN-ViT(vision transformer)的多模态故障诊断模型。以凯斯西储大学齿轮箱轴承数据进行验证,所提模型在变负载和未知故障下,相比其他单模态和多模态方法具有较高的准确率,时频图融合方法能够以较低计算成本实现小波域和时频域双模态的故障特征学习。

基于多维数据检测的风电齿轮箱故障预警研究

针对风电齿轮箱温度异常问题,提出了一种基于动态核主元成分分析统计量的过程监测方法。采用多维特征变量的相似性原则构造相关系数矩阵,选取合理的健康风电机组作为参考,以获得合理的自适应统计量控制限。再引入滑动窗口方法动态调整KPCA模型的训练集和测试集,及时感知系统的时变特性。试验表明,动态KPCA比传统KPCA监测模型可以更好地实现齿轮箱的状态在线监测及预警。

用于高速客车传动装置上的涂料的抗风沙性能研究

详细介绍了用于高速客车传动装置(以下简称齿轮箱)上的涂料的抗风沙性能的评估方法、相关标准及试验过程;介绍了齿轮箱产品的运行环境及涂层性能指标。研究指出,聚氨酯涂料更适合作为齿轮箱表面的防护涂层,在模拟高速运行车况的试验时,表现出更佳的抗风沙性能;同时在运行考核合格后量产应用,并取得良好的效果。

基于样本优化的风电机组齿轮箱轴承温度预测

风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过程记忆矩阵存在数据冗余的问题采用相似度分析法构造简约过程记忆矩阵缩短建模时间。齿轮箱工作状态异常时模型的预测残差分布特性将发生变化,当残差均值或标准差超出设定阈值则给出预警。验证结果表明:基于样本优化的模型可以准确预测轴承温度并有较好的时效性,可以监测齿轮箱的运行状态。

基于LabVIEW的风电机组齿轮箱健康状态监测系统设计

齿轮箱是风力发电机组的主要组成部分之一,也是故障的高发区,积极开展风电齿轮箱故障诊断具有重要意义。基于LabVIEW开发环境和NI CompactDAQ平台开发的风机齿轮箱健康状态监测系统,通过友好的图形化用户界面及图形编程语言控制运行,可以高效地实现对温度、转速、振动信号的采集、图形显示、存储、分析及数据回放等功能,具有良好的扩展性。同时,系统通过采取多种时频域方法对振动信号进行对比分析,可以快速、准确地确定故障的类型。实验结果表明,系统能够稳定、可靠地工作,是进行风机齿轮箱监测的有效工具。

风力发电机齿轮箱高故障率原因的研究及改进措施

风能是利用最广泛的清洁能源,随着对新能源的不断开发利用,风力发电机的装机容量不断提高,然而却出现了风机故障率较高的问题,通过对风力发电机故障诊断研究现状进行分析,发现在风力发电机各部位故障中齿轮箱是故障率最高的部位,并且风力发电机齿轮箱故障率明显高于普通齿轮箱,以典型风力发电机齿轮箱为研究对象,通过仿真分析与研究,研究了风力发电机齿轮箱故障高发的作用机制及根本原因,在结构上提出了相应的改进措施,并对改进后结构的有效性进行了验证,为风力发电机齿轮箱的设计及运行提供了重要的参考。

基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究

为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形态学对故障信号进行滤波;将滤波后的信号进行微分经验模式分解,获得齿轮振动信号的若干IMF分量;把每一个IMF进行分块,计算每一块的局部时频熵值;把局部时频熵值作为支持向量机的输入参数,通过支持向量机进行故障识别与诊断。实验结果表明,基于微分经验模式分解局部时频熵和支持向量机相结合的方法能够对风电齿轮箱故障信号进行准确有效地识别分类。

风力发电机组主要部件故障诊断研究

为了尽早发现风电机组故障,及时采取适当措施以提高运行效率,对风电机组可能出现的故障进行了分析.对可以用于风力发电机组的故障诊断方法进行了研究,对风电机组的主要部件可能出现的故障类型及可用的故障诊断方法进行了探讨.同时对故障现象及相应诊断方法进行了仿真与分析,得到的结论是:温度场分析可以较好的用于齿轮热变型故障分析,神经网及小波分析可以较好的用于变频器部分的故障分析,磁场分析可以更好地进行发电机部分的故障分析.

基于重要抽样法的风电齿轮箱齿轮可靠性灵敏度分析

为了评估风电齿轮箱齿轮参数对其失效概率的影响,以1.5 MW风电齿轮箱高速级从动轮为研究对象,假设影响齿轮强度和应力的各个参数服从正态分布的随机变量,基于重要抽样方法对齿轮齿面接触疲劳和齿根弯曲疲劳失效分别进行可靠性灵敏度分析.分析结果表明,齿轮齿面工作硬化系数对齿轮接触疲劳失效的影响最大,齿轮弯曲强度计算的寿命系数对齿轮弯曲疲劳失效的影响最大,齿轮失效概率随各设计参数标准差的增大而增大.分析结果可以为风电齿轮箱齿轮的设计制造提供参考.

兆瓦级风电机组行星架设计及有限元分析

以某兆瓦级风电机组主齿轮箱为研究对象,设计了齿轮箱的行星传动机构.通过三维建模软件建立行星架的计算模型,利用有限元方法对行星架的应力、位移及疲劳寿命等进行分析计算,得到其最大位移及最大应力的大小和发生位置,最大位移发生在行星架右壁轴孔边缘处,最大应力发生在右壁与轴承结合处。对行星架疲劳寿命的分析表明其在额定载荷下可以承受无限多次循环而不破坏。结果为某兆瓦级风电机组行星架及齿轮传动的设计提供了理论依据。

风电机组齿轮箱高速轴断齿原因分析

针对某风电机组齿轮箱高速轴出现的断齿现象,对样品进行了宏观检查、化学成分分析、室温拉伸和冲击试验、基体硬度试验、渗碳硬化层深度测试、金相分析、断口形貌分析及能谱分析。试验分析结果表明:高速轴样品的齿面存在载荷不均现象,淬硬层深度不符合相关技术要求的规定,基体的室温冲击吸收能量处于较低水平;样品存在齿面剥落和端齿折断2类损伤现象,其失效模式为疲劳开裂,产生原因与其运行中齿面载荷不均及齿面淬硬层深度不够有关。