提出一种利用自动搜峰的瞬时频率估计技术来实现旋转机械自适应多阶比分析(Adaptive Multiple Order Tracking,AMOT)的新方法。首先,通过时频分析得到振动信号的时频分布,根据频率峰值坐标自动选取搜峰起始点,自适应搜索出不同阶比分量...
详细信息
提出一种利用自动搜峰的瞬时频率估计技术来实现旋转机械自适应多阶比分析(Adaptive Multiple Order Tracking,AMOT)的新方法。首先,通过时频分析得到振动信号的时频分布,根据频率峰值坐标自动选取搜峰起始点,自适应搜索出不同阶比分量的时频峰值。其次,利用最小二乘法将不同频率分量进行拟合实现瞬时频率估计,然后根据参考分量计算出重采样的鉴相时标对原始信号进行重采样,最后通过FFT变换实现阶比分析。该方法通过瞬时频率估计能够自动识别出所有阶比分量,实现优中选优,避免了传统算法中人为直观选取一个分量进行遮掩滤波提取分量的方法,减少了人为选取分量及起始点造成的误差,具有自适应性。并且无需同步采集转速信号,大大简化了应用条件,同时减少了人为因素,提高了分析精度,为旋转机械故障诊断提供了新方法。仿真实验和应用实例验证了方法的有效性。
变桨系统是风力发电机组中控制算法复杂,设备故障率较高的子系统。当风机出现故障停机时,数据采集与监视控制(supervisory control and data acquisition,SCADA)系统在故障出现会显示出具体的故障信息,该具体故障信息往往包含多个,给风...
详细信息
变桨系统是风力发电机组中控制算法复杂,设备故障率较高的子系统。当风机出现故障停机时,数据采集与监视控制(supervisory control and data acquisition,SCADA)系统在故障出现会显示出具体的故障信息,该具体故障信息往往包含多个,给风机迅速定位故障类别、确认检修方式、及时有效地恢复生产造成了不利影响。因此,基于变桨运行数据的风力发电机组主故障识别对于提升机组可利用率及机组发电性能有着积极重要的意义。文中采用非线性状态估计技术作为数据挖掘方法,在某风电场机组SCADA数据基础上,分析机组变桨系统运行趋势及故障类型建立机组变桨控制系统主故障模型,并对该模型进行验证。研究结果表明,基于非线性状态估计的风电机组变桨控制系统主故障识别能够在多个故障信息中识别出主故障,次故障等,从而指导风场检修人员确定检修顺序,并为后续开展风机性能分析及评价提供了新的思路。
暂无评论