An Experiment on Power Properties in a Small-Scaled Wind Turbine Generator

This study configures a simple wind tunnel using a blower for generating wind energy, which is equivalent to natural wind, and a test system that measures properties of power. Also, the mechanical and electrical power in a small-scaled wind turbine are empirically measured to analyze the relationship between the mechanical and electrical power.

AR-MED共振特征增强的风电齿轮箱故障诊断

针对风电齿轮箱故障时脉冲成分往往淹没在其他频率分量中,早期故障特征难以有效提取的问题,提出一种自回归最小熵解卷积(AR-MED)共振特征增强的风电齿轮箱故障诊断方法,并结合一维卷积神经网络(1DCNN),实现齿轮箱高精度故障诊断。首先,使用共振稀疏分解算法(RSSD)将振动信号分解成含有噪声和谐波成分的高共振分量和含有故障冲击成分的低共振分量;其次,对低共振分量使用自回归最小熵解卷积运算,增强低共振分量中微弱的周期性冲击成分;最后,构建自回归最小熵解卷积共振特征增强的1DCNN模型,将分解得到的谐波分量和周期性冲击分量进行特征融合以及有针对的训练和分类。实验结果表明,与现有故障诊断模型相比,所提方法在提取风电齿轮箱的故障特征信息以及提高故障诊断精度方面具有有效性和优越性。

基于CWT和优化Swin Transformer的风电齿轮箱故障诊断方法

针对传统故障诊断方法在风电齿轮箱运行故障诊断应用上的不足,提出一种基于小波变换(continuous wavelet transform, CWT)和优化Swin Transformer的风电齿轮箱故障诊断方法。该方法利用小波变换将风电齿轮箱振动信号转换为时频图;使用SuperMix数据增强算法对样本进行扩充;利用迁移学习技术将模型预训练参数用于训练和优化Swin Transformer模型;将训练完成的优化Swin Transformer模型应用于风场实际运维数据进行对比验证,分类准确率达到99.67%。验证结果表明该方法能够有效地实现风电齿轮箱故障诊断,并提高模型的识别准确率。

风电齿轮箱太阳轮断齿研究

分析讨论了太阳轮的断齿原因。SEM结果表明:在断裂面疲劳源处,有大量的非金属夹杂物聚集,金属基体的连续性被夹杂物破坏,这样会造成局部的应力集中,从而萌生裂纹,最终导致太阳轮疲劳断齿。

风电齿轮箱滑动轴承润滑性能及可靠性分析

风电齿轮箱采用滑动轴承代替滚动轴承是未来发展的主流趋势,然而由于复杂多变的服役工况,风机滑动轴承的润滑规律尚有待深入研究。为此,建立风电齿轮箱滑动轴承的润滑分析模型,仿真分析多种工况下滑动轴承的润滑状态,并拟合出滑动轴承的最小膜厚经验公式;结合润滑可靠性理论,基于最小膜厚公式建立润滑可靠性模型,并采用该模型研究风机在启动和停机工况下齿轮箱滑动轴承的润滑性能;提出一种风电齿轮箱滑动轴承的润滑可靠性分析方法,分析风电齿轮箱滑动轴承的润滑可靠性。结果表明:启动过程中滑动轴承的最小膜厚先快速增大,随后迅速下降直到稳定状态,而停机过程中最小膜厚则迅速降低;停机工况下滑动轴承的润滑失效时长要高于启动工况;外载荷方向对启动工况的润滑失效概率影响较大,对停机工况的影响较小。

风电齿轮箱双头螺柱非典型失效分析

某风场风电人员在巡检过程中发现齿轮箱机组高强度螺柱发生断裂现象,本文通过采用直读光谱仪对断裂螺柱进行化学成分分析,采用万能拉力机对断裂螺柱进行力学性能分析,用洛氏硬度计对断裂材料进行硬度分析,采用金相显微镜对断口进行微观组织分析,便用扫描电镜对断口形貌和加工缺陷进行排查分析,通过综合分析排查,并利用有限元仿真技术对有缺陷的螺纹进行模拟仿真,最终将问题定位为一种不常见的,由于螺纹加工折叠缺陷导致的疲劳断裂。

风力发电机组齿轮箱断齿原因分析

针对风力发电机组齿轮箱断齿问题,采用体式显微镜、火花放电直读光谱仪、扫描电镜、能谱仪、金相显微镜等方法对齿轮断齿原因进行了分析。宏观检测结果表明断裂发生于齿轮内部,断裂形式有明显的宏观疲劳特征。微观下观察断口断裂源及扩展区存在疲劳条带,结合宏观形貌特征能确定为疲劳开裂,同时断裂源区较为粗糙,明显区别于基体区域,能谱检验结果表明断裂源区存在非金属夹杂物。最终结果表明:齿轮断齿是由于齿轮内部存在非金属夹杂物造成的疲劳断裂。

基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断

针对风电机组齿轮箱中齿面点蚀、齿轮磨损、断齿等故障的诊断问题,提出一种基于EEMD小波阈值去噪和布谷鸟算法优化BP神经网络的故障诊断方法。采用EEMD分解和小波阈值去噪方法对故障振动信号进行数据预处理,抑制原始振动信号中的噪声干扰。利用布谷鸟算法优化BP神经网络对预处理后的信号进行诊断。小波阈值能更好地对EEMD分解中的高频分量进行去噪处理,CS-BP神经网络具有准确的模式识别精度和出色的全局寻优能力。通过实例仿真表明,提出的故障诊断方法具有良好的诊断精度、速度和成功率,具有较高的应用价值。

风力发电及风电齿轮箱概述

近年来,随着风电技术的逐渐成熟和风电成本的下降,世界风电装机容量高速增长。概述了国内外风电产业的发展概况和风电发展的主要趋势,介绍了风电齿轮箱的技术现状,指出了风电齿轮箱设计制造方面存在的主要问题。

1.5MW风力发电齿轮箱箱体的有限元分析

建立了一套针对该类箱体的有限单元计算方法,获得了在重力载荷、轴承载荷、内齿圈轮齿啮合载荷单独作用下,齿轮箱体的应力分布规律和位移变化情况。该方法充分考虑了外界支承,将轴承径向力等效成余弦分布压力,箱体变形与刚度通过提取轴承座中截面位移曲线来观察。分析结果表明:重力引起的应力可以忽略;箱体支承设计应考虑内齿圈啮合引起的旋转效应;采用侧面支承的增速齿轮箱的输出侧轴承凸缘附近应采取局部补强措施,以抵抗弯曲变形;轴承载荷的大小和方向都对箱体的应力分布有重要影响。

风电齿轮箱故障诊断的SVM参数优化

针对风电齿轮箱易出现齿轮断齿、点蚀、磨损等故障问题,提取风电齿轮箱非平稳非线性振动信号的提升小波包能量熵,利用支持向量机(SVM)进行故障诊断。为提高算法的分类精度,利用遗传算法对参数进行优化处理,试验结果表明,优化后获得的最佳参数能够提高SVM测试样本的预测精度。

兆瓦级风电齿轮增速箱箱体有限元分析

风电齿轮增速箱是兆瓦级风力发电机组的关键部件。应用有限元法,对风电齿轮增速箱箱体进行静强度分析和疲劳分析。在SolidWorks软件中建立箱体的几何模型并且进行简化处理,再将简化后的模型导入Ansys workbench环境下划分网格,根据风电齿轮箱的实际运行情况确定其边界条件及所受载荷,计算求解其应力、应变和变形。根据计算结果分析结构中可能存在的危险区域并提出了改进方案。在此基础上进行疲劳强度分析。通过对疲劳载荷谱的合理简化,计算出寿命、安全系数、损伤和等效交变应力。根据计算结果分析确定结构危险区域疲劳寿命是符合设计要求。

风力发电系统故障诊断方法综述

风力发电系统往往安装在偏僻的、难以接近的或者气候不适合人类长期逗留的地域,传统的计划维修和事后维修方式不能满足要求。为保证风力发电系统可靠稳定运行,降低系统的维护成本,对其进行状态监测与故障诊断是十分必要的。论文针对风力发电系统中的主要部件,即齿轮箱、发电机、电力电子装置、叶片等的故障,对现有故障诊断方法进行了分类与综述,为提高对风力发电系统的可靠性、降低成本,促进其工程化进程提供了有效的参考。

风力发电机组齿轮箱故障诊断

由于齿轮箱运行的好坏直接影响整个风力发电系统的运行,因此对其进行故障诊断十分重要。若在故障初期便可分析出来故障部位和故障程度,就能将损失降到最小,为设备提供了技术支持并为维修提供方便。在齿轮箱各种监测信号中,振动信号最能反映设备运行状态,将振动信号作为研究对象,将它经过时域和频域分析处理,判断齿轮箱的运行是否正常。对比齿轮箱在不同转速下的振动状态,最后得出轴不对中的结论。

8MW风电齿轮箱振动特性仿真分析

为了实现超大型兆瓦级海上风电齿轮箱的新产品的开发,降低产品开发风险与成本,以8MW级风电齿轮箱系统为研究对象,基于ADAMS建立齿轮箱系统刚柔耦合动力学模型,并对其进行仿真和结果分析,研究齿轮箱系统的振动特性。通过对齿轮转速仿真结果分析,验证动力学模型的有效性和可靠性,然后进行了齿轮振动频率分析,确定系统振动产生机理,之后在齿轮箱箱体表面合理布置测点,依据测点振动位移响应,分析箱体振动特点,并依据测点振动加速度响应规律,分析影响箱体振动的主要因素。

适合于直接驱动型风力发电系统的交叉型Boost变流器

采用一个现有的小功率永磁同步机和风力机直接耦合构建了一个直驱型风力发电系统。系统升压部分采用了两单元交错式Boost变换器(IBC),两个Boost变换器采用频率相同、存在一定相移角度的驱动信号,通过变换器并联,各个单元可以共同承担输入电流,因此电力电子系统具有更高的可靠性和效率。另外,通过并联也可以提高整个系统的性能(如维护简单,容错性高,散热性好)。仿真和实验验证了上述结论的正确性。

应用倒频谱分析法对风力发电机组齿轮箱故障诊断

针对风力发电机组齿轮箱运行环境恶劣,故障信号中调制边频带复杂这一特点,采用基于倒频谱方法对故障特征进行了分析,提高了故障诊断的准确性,并给出了应用实例,为风力发电机组设备管理与诊断提供了一种有效的途径。

风电增速箱结合部刚度分析及振动噪声预估

为了研究风电增速箱的振动特性和辐射噪声,基于轴承支承刚度及齿轮副啮合刚度分析,建立了风电增速箱轴系扭转振动模型,运用Matlab求解振动微分方程,得出轴系扭振频率及对应振型;综合考虑刚度激励、误差激励及冲击激励,建立了风电增速箱动力学有限元模型,仿真得出增速箱的动态响应。以箱体表面节点振动位移为边界条件,建立了增速箱声学边界元模型,采用直接边界元法求解得到箱体表面声压及场点的辐射噪声。结果表明,风电增速箱扭振频率与激励频率及其倍频相差较大,不会出现共振现象;增速箱结构噪声和辐射噪声的峰值主要出现在高速级齿轮啮合频率的二倍频附近。

基于灰云模型聚类和云重心理论的风电齿轮箱运行状态评估

针对风电齿轮箱运行状态评估中存在的不够全面、准确度较低等问题,提出一种基于灰云模型聚类分析和云重心偏移度理论相结合的评估方法,对风电齿轮箱建立相对全面完整的评估体系,能够有效提高评估结果的准确性。利用灰云模型对齿轮箱进行初步的聚类分析,获得风电齿轮箱当前运行的大致评估结果;在此基础上,计算标准云模型和当前云模型的云重心偏移度,可进一步提高评估结果的可靠性。对风电齿轮箱实测数据进行了状态评估,然后和齿轮箱记录状态进行比较,证实提出的评估方法具有一定的准确性和可使用价值。

基于比例失效模型的风机齿轮箱轴承检修

提出一种基于故障数据和状态监测数据的风力发电机齿轮箱轴承的新型检修策略。分析了比例失效模型中各参数的意义。利用最小维修成本法确定最优维修决策阈值,绘制最优维修阈值曲线,进而制定出最优维修策略。通过某型风力发电机齿轮箱轴承的实例分析,证明了此方法在风力发电机齿轮箱轴承维修决策中的使用价值。