風電機組的在線振動監(jiān)測分析與可視化研究.pdf

1、風電機組運行環(huán)境惡劣，加上其結構的復雜性使得機械故障頻發(fā)，造成高昂的維修成本，降低了風場運行的經濟性和可用度。因此為了改善這種狀況，對風電機組進行狀態(tài)監(jiān)測顯得尤為重要。在現(xiàn)有的故障監(jiān)測方法中，振動監(jiān)測具有測試簡單、測試效率高、實時性強、故障定位準確等優(yōu)點，成為對于機械設備早期故障的檢測和預測最高效的技術之一。
　　本文研究和分析了各種振動數(shù)據處理和分析方法，包括時域特征分析、奇異值去噪、小波分析、希爾伯特黃變換、變分模態(tài)分解、倒譜

2、分析等。采用稀疏快速傅里葉變換（SFFT）算法進行風機振動信號的頻譜分析。SFFT算法主要利用窗函數(shù)過濾信號，然后散列傅里葉系數(shù)，最后進行定位與估值運算，能快速的計算出信號頻譜中k（信號的稀疏度）個擁有最大值的傅里葉系數(shù)。該算法結構簡單，運行時間相對于信號長度n呈亞線性，非常適合振動信號的在線頻譜分析。另外，提出基于變分模態(tài)分解的風機軸承故障特征提取算法。首先利用變分模態(tài)分解對風機軸承信號進行分解，使得故障信息集中到某些獨立特征分量中，

3、然后根據峭度指標選擇出這些獨立分量重構信號，進而對重構信號進行奇異值分解降噪，最后對降噪的信號進行包絡分析提取故障頻率。
　　本文研究了風電機組在線振動監(jiān)測的整體設計思想和結構框架，基于C＃編程語言和GDI+技術設計開發(fā)了風電機組在線振動監(jiān)測可視化系統(tǒng)。該系統(tǒng)嵌入了上述部分數(shù)據處理方法，實現(xiàn)了對風電機組振動信號的時域監(jiān)測、頻譜監(jiān)測、瀑布圖監(jiān)測、特征值監(jiān)測，以及歷史數(shù)據分析和報警信息管理等功能，為風電機組各主要機械部件的健康狀態(tài)判別