[发明专利]一种提高风电机组齿轮箱故障等级判断精度的方法

说明书

技术领域

本发明涉及风电机组监控技术领域，特别涉及一种提高风电机组齿轮箱故障等级判断精度的方法。

背景技术

风电机组机械传动故障随着时间的推移相继都会引起各方面因素的征兆，例如一个轴承故障的出现先是出现振动信号特征的异常，随着故障的发展随即出现轴承温度的升高，最后出现轴承的完全损坏，而齿轮故障的出现则也是先出现振动信号特征的异常，随即出现齿轮箱内油液的异常，最终出现齿轮轮齿的折断甚至是整个齿轮箱的报废。

传统的故障等级判断方法仅选择振动幅值作为唯一判断依据，通过算法对故障等级进行判断，显然忽略了其他参数对故障等级的影响，从而造成对故障等级判断的不准确。

发明内容

本申请提供一种提高风电机组齿轮箱故障等级判断精度的方法，基于多种故障信号的不同权重进行示意图融合分析，避免了单一故障参数定位故障的盲目性，降低了误报率，提高风电机组齿轮箱故障等级判断的精度。

所述提高风电机组齿轮箱故障等级判断精度的方法包括步骤：

A、根据齿轮箱轴承部位振动信号特征值确定故障类型；

B、确定风电机组齿轮箱各个监测对象对应的当前监测的各个参数在该故障类型的故障等级矩阵中的分布情况；

所述故障等级矩阵包括设定的各个的故障等级，每个故障等级包括该故障等级下风电机组齿轮箱的各个监测对象对应的各个参数取值范围；

C、根据所述分布情况计算各个故障等级发生的概率，并据此确定当前的所述故障等级。

由上，便可实现基于多种故障信号的不同权重进行示意图融合分析，避免了单一故障参数定位故障的盲目性，降低了误报率，提高风电机组齿轮箱故障等级判断的精度。

可选的，步骤A所述确定故障类型包括：根据齿轮箱轴承部位振动信号对应的包络信号确定出故障类型为轴承内圈、轴承外圈、轴承滚动体或轴承保持架。

由上，实现对于故障类型的判断。

可选的，步骤B所述故障等级矩阵预先根据统计设置，所述风电机组齿轮箱的各个监测对象对应的各个参数范围包括：

齿轮箱轴承部位的故障特征频率振动幅值[Vi_x，Vi_y]、齿轮箱油液中磨损颗粒增长率[IN_Ri_x，IN_Ri_y]、齿轮箱油温度[T_Oi_x，T_Oi_y]、轴承温度[T_Bi_x，T_Bi_y]的各个参数范围；

所述故障等级矩阵为：

由上，实现对不同故障类型下的故障等级的划分。

可选的，不同监测对象对应的参数设置有不同的权重，所述权重包括静态和/或动态权重；

步骤C所述根据所述分布情况计算各个故障等级发生的概率时，还结合所述权重计算。

可选的，所述静态权重包括至少以下之一：

齿轮箱轴承部位的故障特征频率振动幅值的静态权重为1；

分别依据齿轮箱油液中磨损颗粒增长率、齿轮箱油温度、轴承温度与故障特征频率振动幅值的相关程度，计算该三项的静态权重。

可选的，所述动态权重包括至少以下之一：

依据风电机组实时功率与额定功率比值确定齿轮箱轴承部位的故障特征频率振动幅值的动态权重；

依据当前所运行的天数与设计运行总天数的比值确定齿轮箱油液中磨损颗粒增长率的动态权重；

依据环境温度的最大值和当前环境温度差值与环境温度的最大值和环境温度的最大值差值的比值确定齿轮箱油温度和轴承温度的动态权重。

由上，通过不同权重的设置，或设置静态权重，或设置动态权重，或同时设置静态权重和动态权重，对各参数权重的划分，利于在不同情况下将不同参数相融合以对故障的分析，显然提高了精确性。

可选的，其特征在于，步骤C所述根据所述分布情况计算各个故障等级发生的概率时，每个故障等级下对应的所述概率采用下述方式计算：

P＝(Vi_Factor*W1_V*W2_V+IN_Ri_Factor*W1_IN_Ri*W2_IN_Ri+TBi_Factor*W1_TB*W2_TB+TOi_Factor*W1_TO*W2_TO)/(W1_V*W2_V+W1_IN_Ri*W2_IN_Ri+W1_TB*W2_TB+W1_TO*W2_TO)；

式中W1_V、W1_IN_Ri、W1_TB和W1_TO分别表示齿轮箱轴承部位的故障特征频率振动幅值、齿轮箱油液中磨损颗粒增长率、齿轮箱油温度和轴承温度的静态权重；