亚星游戏官网-www.yaxin868.com

专利名称：一种风力发电机组故障特征在线提取装置及提取方法
技术领域：
本发明涉及测量领域，特别涉及一种风力发电机组故障特征在线提取装置及提取方法。
背景技术：
风力发电作为风能利用的主要形式，受到世界各国的高度重视。随着风电机组运行时间的加长，目前这些机组陆续出现了故障，出现故障后进行维修花费了巨大代价，并且减少风电场发电量，造成经济损失。为了保证风电场安全稳定运行，并提高其管理效率，需要拥有能满足风力发电机组运行要求的状态监测与故障诊断系统。目前国内风电场安装的风电机组大部分为国产风机，但安装风机状态监测与故障诊断系统的风电场只有极少部分，而且其中大部分采用的是国外风机的配套产品，不但价格昂贵，而且与国产风电机组不匹配，使得功能和性能都不能满足要求。大型风力发电机组结构复杂，而且机、电、气想到耦合，故障信号具有背景噪声干扰大、非平稳和非线性的特点，往往是多故障源信号混叠在一起，从面对故障信息的正确分析与获取，进而准确地诊断故障造成困难。因此，研究故障信号的消噪与特征提取分析技术，是进行准确故障诊断的技术关键。

发明内容
本发明为了克服现有技术存在的缺点与不足，提供一种风力发电机组故障特征在线提取装置及提取方法。本发明采用如下技术方案—种风力发电机组故障特征在线提取装置，包括塔顶发电机振动信号采集模块、塔底发电机电流信号采集模块、塔顶数据处理器、故障特征提取模块；所述塔顶发电机振动信号采集模块与塔顶数据处理器连接，所述塔底发电机电流信号采集模块与故障特征提取模块连接，故障特征提取模块通过以太网与塔顶数据处理器连接。所述塔顶发电机振动信号采集模块包括加速度振动传感器和振动采集卡,所述加速度传感器将振动信号转换为电信号传送给振动采集卡。所述加速度振动传感器为4个，第一振动传感器、第二振动传感器分别安装在发电机前轴承的轴向前端和径向上端，第三振动传感器、第四振动传感器分别安装在发电机后轴承的轴向如端和径向上端。 所述塔底发电机电流信号采集模块包括霍尔电流传感器和电流采集卡，所述霍尔电流传感器将电流信号传送给电流采集卡。所述霍尔电流传感器为3个，分别位于发电机定子三相绕组出线端。所述故障特征提取模块用于将振动采集卡传输的信号和电流采集卡传输的信号进行处理，得到故障特征量。
所述故障特征提取模块采用如下步骤完成故障特征提取；(I)故障特征提取模块接收振动采集卡传输的振动信号、电流采集卡传输的定子电流信号；(2)信号预处理，所述预处理依次包括消除趋势顶、平滑波形、抗混叠滤波处理，小波去噪；(3)采用小波算法进行小波包分解和小波包重构得到各频率段的频谱波形；(4)求取频谱波形的均方差，得到故障特征量；(5)调用Matlab中自带normr函数对故障特征量进行归一化处理，得到最终故障特征量。所述步骤(4)中采用Matlab中std函数求取频谱波形的均方差。本发明的有益效果本发明对发电机组的故障特征的提取是整合了发电机振动信号与定子电流信号，能提取更多的故障特征，且对故障的定位更为准确。由于振动具有强耦合和线性特性，本发明故障特征的提取采取的是小波分析与谱分析相结合的方法，克服了现有装置单纯采用频谱分析对故障判断不准确的不足。


图1为本发明的结构框图；图2为图1中故障特征提取模块的流程图。
具体实施例方式下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。实施例本实施例中加速度振动传感器采用YD84 — CZ加速度振动传感器，所述振动采集卡和电流采集卡均采用阿尔泰PCI8620采集卡，霍尔电流传感器的型号为LHB-400。如图1所示为本发明的结构示意图，包括塔顶发电机振动信号采集模块、塔底发电机电流信号采集模块、塔顶数据处理器、故障特征提取模块；所述塔顶发电机振动信号采集模块与塔顶数据处理器连接，所述塔底发电机电流信号采集模块与故障特征提取模块连接，故障特征提取模块通过以太网与塔顶数据处理器连接。所述塔顶发电机振动信号采集模块对发电机组的振动进行在线监测，包括包括加速度振动传感器和振动米集卡，所述加速度传感器将发电机轴向和径向的振动信号转换为电信号传送给振动采集卡，振动采集卡将该电信号传送给塔顶数据处理器，塔顶数据处理器通过以太网传输给故障特征提取模块。在发电机前、后轴承的轴向前端和径向上端，分别安装第一振动传感器1、第二振动传感器2、第三振动传感器3和第四振动传感器4 ;所述加速度振动传感器的具体数目由实际情况决定的。所述塔底发电机电流信号采集模块包括霍尔电流传感器和电流采集卡，所述霍尔电流传感器安装在发电机电子三相绕组出线端，测量三相定子电流，并将其转换成小电流信号，传送给电流采集卡，所述电流采集卡将模拟电信号转换成数字信号，并且传输给故障特征提取|吴块。所述故障特征提取模块和塔顶数据处理器均为计算机如图2所示，故障特征提取模块在完成系统初始化后读入由振动采集卡和电流采集卡采集到的4路振动信号和3路定子电流信号，并对各路信号都进行消除趋势项、平滑波形和低通滤波等数据预处理以消除由于传感器和采集卡本身误差引入的干扰噪声。然后调用小波算法进行小波包分解和小波包重构得到各频率段的频谱波形，具体方法是使用DB3小波函数对采集到的信号进行4层小波包分解，得到16个频段间隔为62Hz的信号分解图，但由于每进行一层分解，信号的数据点数就会减小一半，为了恢复原有数据点数，再分别使用wprcoef函数对16个信号分解图进行小波包重构，得到16个点数与原始数据点数相同的小波信号重构图，最后调用std函数求取16个重构图的均方差以得到各频段的能量，从而得到故障特征量，为了方便统一处理再使用normr函数对已提取的特征量进行归一化处理，以得到最终的故障特征量。最后将最终的故障特征存入当地数据库，以供上位机调用。重复以上步骤直到七路信号全部处理完成。上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
权利要求
1.一种风力发电机组故障特征在线提取装置，其特征在于，包括塔顶发电机振动信号采集模块、塔底发电机电流信号采集模块、塔顶数据处理器、故障特征提取模块； 所述塔顶发电机振动信号采集模块与塔顶数据处理器连接，所述塔底发电机电流信号采集模块与故障特征提取模块连接，故障特征提取模块通过以太网与塔顶数据处理器连接。
2.根据权利要求1所述的一种风力发电机组故障特征在线提取装置，其特征在于，所述塔顶发电机振动信号采集模块包括加速度振动传感器和振动采集卡。
3.根据权利要求2所述的一种风力发电机组故障特征在线提取装置，其特征在于，所述加速度振动传感器为4个，第一振动传感器、第二振动传感器分别安装在发电机前轴承的轴向前端和径向上端，第三振动传感器、第四振动传感器分别安装在发电机后轴承的轴向前端和径向上端。
4.根据权利要求1所述的一种风力发电机组故障特征在线提取装置，其特征在于，所述塔底发电机电流信号采集模块包括霍尔电流传感器和电流采集卡。
5.根据权利要求4所述的一种风力发电机组故障特征在线提取装置，其特征在于，所述霍尔电流传感器为3个，分别位于发电机定子三相绕组出线端。
6.根据权利要求1-5任一项所述一种风力发电机组故障特征在线提取装置的提取方法，其特征在于，所述故障特征提取模块采用如下步骤完成故障特征提取； (1)故障特征提取模块接收振动采集卡传输的振动信号、电流采集卡传输的定子电流信号; (2)信号预处理，所述预处理依次包括消除趋势顶、平滑波形、抗混叠滤波处理，小波去噪； (3)采用小波算法进行小波包分解和小波包重构得到各频率段的频谱波形； (4)求取频谱波形的均方差，得到故障特征量； (5)调用Matlab中自带normr函数对故障特征量进行归一化处理,得到最终故障特征量。
7.根据权利要求6所述的提取方法，其特征在于，所述步骤(4)中采用Matlab中std函数求取频谱波形的均方差。
全文摘要
本发明公开了一种风力发电机组故障特征在线提取装置及提取方法，包括塔顶发电机振动信号采集模块、塔底发电机电流信号采集模块、塔顶数据处理器、故障特征提取模块；所述塔顶发电机振动信号采集模块与塔顶数据处理器连接，所述塔底发电机电流信号采集模块与故障特征提取模块连接，故障特征提取模块通过以太网与塔顶数据处理器连接。本发明对发电机组的故障特征提取是整合了发电机振动信号与定子电流信号，对故障的定位更为准确。
文档编号G01R31/34GK103048619SQ20121054381
公开日2013年4月17日 申请日期2012年12月16日 优先权日2012年12月16日
发明者陈渊睿, 张祥罗, 杨金明, 曾君 申请人:华南理工大学