[发明专利]基于风力发电机组振动的叶片故障诊断方法

说明书

技术领域

本发明属于风力发电机组领域，尤其是一种基于风力发电机组振动的叶片故障诊断方法。

背景技术

随着经济的发展，人们对电力能源的需求越来越多，而对于取之不尽，用之不竭的风力发电，更是清洁电力能源发展的重点，为了更好的实现电力能源供给，风力发电机组已向着大型化、海洋化发展，而与之相适应的风力发电机组的叶片也在向大型化和受载激励复杂化发展，为了更好的实现电力能源的安全供给，风力发电机组的监测是必不可少的环节，尤其是对风力发电机组的叶片故障诊断，根据现有数据分析叶片故障主要由两大类原因，其中一个原因为恶劣气候引起的大风以及环境温度的急剧变化导致风力发电机组叶片质量偏心的故障，另外一个因素就是长期受到不同程度的振动导致的叶片疲劳损伤的裂纹故障等。目前的叶片损伤故障只能监测100HZ以下的频率变化，只有大风引起的剧烈振动才能使监测报警系统启动，使整个风力发电机组刹车并进行维修维护，但对于环境温度的急剧变化以及长期受到不同程度的振动导致的叶片损伤故障不能实现有效的监测，2008年美国一次恶劣气候以及环境温度的急剧变化导致风力发电机组叶片超过3000万美金的损失，原因就是强降雨和降温导致叶片内腔充满水，且叶片排水口降温上冻，使整个风力发电机组上的叶片变形折损；上述示例如果能及时监测并进行有效维护，那么在一定程度上能够有效避免巨额损失的发生。

发明内容

本发明的目的在于克服现有技术的不足，提供一种诊断方法简单易行、灵敏度以及精度较高、诊断成本较低、能够有效提高风力发电机组叶片安全性、可靠性的基于风力发电机组振动的叶片故障诊断方法。

本发明解决其技术问题是通过以下技术方案实现的：

一种基于风力发电机组振动的叶片故障诊断方法，其诊断方法的步骤为

(1)通过设置在风力发电机组机舱内的振动传感器和数据采集仪采集风力发电机组运行状态下频率范围f≤1000Hz的振动响应信号，对其振动响应信号作功率谱；通过滤波方法从风力发电机组的功率谱中提取对应风力发电机组叶片前M阶低频功率谱，3≤M≤50；

(2)对风力发电机组叶片前M阶低频功率谱用关联维数或者长度分形维数或者盒维数或者频率平移距离法获取风力发电机组叶片运行状态特征值；

(3)将风力发电机组叶片运行状态特征值与风力发电机组叶片正常状态特征值进行比较得到风力发电机组叶片故障诊断结果。

而且，风力发电机组叶片正常状态特征值获取方法为：

(1)通过振动传感器和数据采集仪对风力发电机组进行模态试验分析和动力学有限元计算，获得风力发电机组的模态和固有频率，从中提取风力发电机组叶片的前M阶模态和固有频率，3≤M≤50；

(2)通过设置在风力发电机组机舱内的振动传感器和数据采集仪采集正常运行状态下风力发电机组频率范围f≤1000Hz的振动响应信号作功率谱，通过步骤(1)中获得的风力发电机组叶片的前M阶模态和固有频率，采用滤波方法从风力发电机组的功率谱中提取对应风力发电机组叶片前M阶低频功率谱；

(3)对风力发电机组叶片前M阶低频功率谱用关联维数或者长度分形维数或者盒维数或者频率平移距离法获取风力发电机组叶片正常状态特征值。

而且，还包括获取风力发电机组叶片故障状态特征值，该故障状态特征值获取的方法为：

(1)通过设置在风力发电机组机舱内的振动传感器和数据采集仪采集故障状态下风力发电机组频率范围f≤1000Hz的振动响应信号制作功率谱，通过滤波方法从风力发电机组的功率谱中提取对应风力发电机组叶片前M阶低频功率谱，3≤M≤50；

(2)对风力发电机组叶片前M阶低频功率谱用关联维数或者长度分形维数或者盒维数或者频率平移距离法获取风力发电机组叶片故障状态特征值。

而且，故障状态特征值为叶片末端加偏心质量块故障状态特征值或者叶片根部螺栓松动故障状态特征值或者叶片裂纹和末端加偏心质量块故障状态特征值。

本发明的优点和有益效果为：

1、本叶片故障诊断方法能够对风力发电机组叶片的异常运行提供诊断，通过对振动传感器采集信号的分析处理，快速准确的诊断风力发电机组叶片的故障，为及时刹车提供依据。

2、本叶片故障诊断方法采用的传感器设置在风力发电机组的机舱内，可以根据实际工况设置多个传感器，该传感器为市场销售的振动传感器，成本较低。

3、本叶片故障诊断方法采用关联维数或者长度分形维数或者盒维数或者频率平移距离法获取风力发电机组叶片运行状态特征值，四种方法之间可以相互验证，提高了整个诊断方法的可靠性。