首页 工业工程 供应链 查看内容

风机齿轮箱故障诊断 — 基于振动信号

2018-9-5 00:04| 发布者: zcj520i| 查看: 3074| 评论: 0

摘要:   风机齿轮箱及其故障类型  风电机组多位于高山、海滩、荒漠等风口处,交通不便,运维资源调度困难,且一旦发生故障停机,每日仅由于少发电所造成的损失高达1.2万元(2MW风机)。齿轮箱作为风力发电机组中的重要传 ...
本网站官方群 工业工程5000人群号 249148633

  风机齿轮箱及其故障类型

智能拖地机器人,云鲸 NARWAL

  风电机组多位于高山、海滩、荒漠等风口处,交通不便,运维资源调度困难,且一旦发生故障停机,每日仅由于少发电所造成的损失高达1.2万元(2MW风机)。齿轮箱作为风力发电机组中的重要传动部件,主要作用是将风轮动力传递给发电机,使其得到相应的转速,是实现风能转换为电能的最主要部件之一,也是风机中故障率最高的零部件之一。

本网站官方群 工业工程5000人群号 249148633

  

智能拖地机器人,云鲸 NARWAL

  而且由于齿轮箱安装于距离地面几十米高空塔顶的狭小机舱内,出现故障修复十分困难。如果齿轮箱故障比较复杂,无法在塔顶完成维修,还需要下塔处理,其维修费用高、维修周期长,严重影响风机的正常运行。

智能拖地机器人,云鲸 NARWAL

  

智能拖地机器人,云鲸 NARWAL

  “滑”雪维修 心疼风电运维工程师一秒

本网站官方群 工业工程5000人群号 249148633

  因此,对齿轮箱进行故障诊断,判断故障发生位置及时间,能有效提升运维效率,降低维护成本。常见的齿轮箱故障模式可分为以下两类:

智能拖地机器人,云鲸 NARWAL

  齿轮类故障

本网站官方群 工业工程5000人群号 249148633

  齿轮箱内部结构复杂,通常含有多级齿轮,常见的齿轮故障形式有:齿轮断齿、齿面胶合、齿面磨损、齿面胶合和擦伤、齿面点蚀等。

智能拖地机器人,云鲸 NARWAL

  轴承类故障

智能拖地机器人,云鲸 NARWAL

  轴承本身的抗冲击能力不是很强,在实际的生产活动中,是很容易损坏的部件。常见的轴承故障有:外圈故障、内圈故障、保持架故障、滚动体故障等。

本网站官方群 工业工程5000人群号 249148633

  齿轮箱中的轴、齿轮和轴承在工作时会产生振动,若发生故障,其振动信号的能量分布就会发生变化,所以上述故障一般都能在振动信号中体现出来。对振动信号进行合理有效地采集分析,可以很好地识别设备运行状态,大大降低风机维护成本。

智能拖地机器人,云鲸 NARWAL

  基于振动信号的齿轮箱故障诊断

智能拖地机器人,云鲸 NARWAL

  数据是制约算法能力的根本因素,所以为了能更准确地从齿轮箱运行状态信息中提取出故障特征,从而提高故障诊断可靠性和有效性,需要从传感器测点、振动信号采集,及结合行业机理的信号处理和特征工程技术等多方面着手。

智能拖地机器人,云鲸 NARWAL

  首先,选择最佳测点

本网站官方群 工业工程5000人群号 249148633

  传感器作为信号采集分析的第一步,选择最佳测点成为获得有效故障信息的重要保证。布点位置不对,导致采集不到优质信号的同时,甚至可能将错误的信号发送到主机而引发一系列误判。如将传感器安装到发电机箱体上,由于它距离振动源太远且箱体噪声较多,无法采集到所需的振动信号,更不用提后期的算法实现。

本网站官方群 工业工程5000人群号 249148633

  为了真实而充分地监测到能客观反映设备状况的振动信号,在掌握设备结构、设备参数、设备工作条件和设备工作原理等的基础上,还应该把握以下几个原则:

本网站官方群 工业工程5000人群号 249148633

  测量部位应选在设备上对振动敏感的部位。一般都把轴承处选为主要测量点,把机壳、箱体、基础的部位作为辅助测点。

本网站官方群 工业工程5000人群号 249148633

  对于低频振动,一般应在水平、垂直、和轴向三个方向进行测量;对于高频振动,则只需在一个方向(径向)进行测量即可。这是因为低频信号的方向性强,而高频信号对方向不敏感。

智能拖地机器人,云鲸 NARWAL

  选择测点时还应考虑环境因素的影响,尽可能避免选择高温、高湿、出风口和温度变化剧烈的地方作为测量点,以保证测量结果的有效性。

本网站官方群 工业工程5000人群号 249148633

  其次,合理采集振动信号

本网站官方群 工业工程5000人群号 249148633

  传感器布置到合理的位置之后,我们需要考虑为准确提取故障特征需要采集哪些振动信号。对数据本身而言,应该把握以下几个原则:

智能拖地机器人,云鲸 NARWAL

  数据量:我们需要采取足够多的历史数据样本来帮助建模。

本网站官方群 工业工程5000人群号 249148633

  数据质量:采集的信号需要能够支撑业务目标,提供足够好的数据质量,数据具有可分类性。

智能拖地机器人,云鲸 NARWAL

  数据样本数量及丰富性:采集的信号是仅限于单机的单体设备,还是需要采集集群对象的相关数据。

智能拖地机器人,云鲸 NARWAL

  具体到风机齿轮箱故障预测的振动信号采集,则需要在满足风机主状态为发电状态,且发电机转速高于100RPM的前提下,每隔半小时采集20s的CMS数据,并每50ms通过modbus读取一次主控数据。

智能拖地机器人,云鲸 NARWAL

  最后,运用特征工程等技术进行故障诊断

智能拖地机器人,云鲸 NARWAL

  在机理理解强、数据相关性弱的情况下,有效的预处理与特征工程能达到事半功倍的预测效果。为了便于大家更好的理解,下面以在2009年PHM数据竞赛中的齿轮箱故障诊断竞赛题作为案例进一步分析。

本网站官方群 工业工程5000人群号 249148633

  如图所示,在齿轮箱的输入端与输出端分别装有振动传感器,但对于健康信号及故障等信息完全不知,要求在此情况下判断其故障。(大家能想到哪些方法,欢迎在文末留言讨论)

本网站官方群 工业工程5000人群号 249148633

  

本网站官方群 工业工程5000人群号 249148633

  我们当时在做这个项目时,总结下来主要涉及以下几种技术或方法:

本网站官方群 工业工程5000人群号 249148633

  时域特征提取

智能拖地机器人,云鲸 NARWAL

  时域同步平均

智能拖地机器人,云鲸 NARWAL

  信号预处理

本网站官方群 工业工程5000人群号 249148633

  频率分析

智能拖地机器人,云鲸 NARWAL

  检测轴承故障的包络谱分析

智能拖地机器人,云鲸 NARWAL

  其他齿轮诊断相关有用特征

本网站官方群 工业工程5000人群号 249148633

  谱峭度

智能拖地机器人,云鲸 NARWAL

  频谱相似度

智能拖地机器人,云鲸 NARWAL

  小波分析

智能拖地机器人,云鲸 NARWAL

  下面进行具体说明。

智能拖地机器人,云鲸 NARWAL

  首先是对信号进行观察,提取出时域特征,这是由于时域特征的计算方式相对简单,且能够直接筛除一些非常严重的故障。

智能拖地机器人,云鲸 NARWAL

  

智能拖地机器人,云鲸 NARWAL

  之后对信号进行预处理,增强其中的一些机械信号,运用时域同步平均的方法,把不同转的振动信号分割开,在时域进行平均,从而得到转一周360度的振动信号标准情况,其本质是对信号降噪。

本网站官方群 工业工程5000人群号 249148633

  当轴承磨损一定程度时,能够在频域直接看到有具体哪些故障,所以在分析时要先判断是否有严重故障之后再做精细处理。

本网站官方群 工业工程5000人群号 249148633

  再对轴承进行包络谱分析后,我们发现在内环对应的故障频率有故障的发生。

本网站官方群 工业工程5000人群号 249148633

  

本网站官方群 工业工程5000人群号 249148633

  此外对于非稳态的信号产生的故障,我们运用小波的方式进行抓取,定位到故障的发生时间、层级等。

本网站官方群 工业工程5000人群号 249148633

  之后对整个信号进行小波分解,其基本原理是将原始信号不断细分,针对离散的小波变换采用不同的信号处理方式。

智能拖地机器人,云鲸 NARWAL

  而谱峭度相当于对原始的信号做滤波,突出其尖度、脉冲度非常高的信号,因为这些信号往往很可能对应着某些故障信息。

本网站官方群 工业工程5000人群号 249148633

  同时,我们也开发了一个对频谱的相似度进行量测的量,通过衡量频域相似度进行自动化判断。

智能拖地机器人,云鲸 NARWAL

  工况分割主要针对一些特殊的变量,如转速、负载等信号等,将多工况的整体信号拆解开后,再对简单量化后的工况做分析,对同类信息进行对比,提高精确度。

智能拖地机器人,云鲸 NARWAL

  最终通过整个分析过程来判断齿轮箱具体有什么故障,而且即使在分析过程中没有发现明确的故障,也可以通过对比判断出存在哪些潜在的故障。

本网站官方群 工业工程5000人群号 249148633

  以上算法被评选为2009年PHM竞赛的冠军算法,其中融入了非常多的行业机理,可以让信号处理、特征提取等技术更好的发挥作用,进而取得更精确的诊断结果。

智能拖地机器人,云鲸 NARWAL

  

工业工程网 www.chinaie.net
分享至:
| 收藏

最新评论(0)

关闭

站长推荐!biaoqi_ftprevious! /1 !biaoqi_ftnext!

1
QQ