考慮運行工況和信息簡化的風(fēng)機傳動鏈狀態(tài)監(jiān)測方法研究

2017-08-21 18:00:40 阜特科技　點擊量：評論 (0)

在人類面臨能源危機和環(huán)境污染雙重挑戰(zhàn)的今天，風(fēng)能作為一種可再生的清潔能源具有巨大的環(huán)保效益和商業(yè)潛力。隨著各國對風(fēng)能利用的重視和風(fēng)力發(fā)電技術(shù)的提高，風(fēng)電在電力市場中的占有比例不斷上升，風(fēng)電機組單機

1.3 PCA降維技術(shù)的應(yīng)用

時域指標(biāo)的提取和閾值的計算可以針對若干個統(tǒng)計指標(biāo)進行。為了簡潔和準(zhǔn)確地反映風(fēng)電機組的故障和狀態(tài)信息，消除一些不敏感的指標(biāo)，本文選用了12 個統(tǒng)計指標(biāo)進行真實數(shù)據(jù)的分析, 即峰峰值、平均值、平均幅值、最大值、均方根值、標(biāo)準(zhǔn)差、偏斜度、峭度、峰值指標(biāo)、波形指標(biāo)、脈沖指標(biāo)和能量指標(biāo)。同時，對原始振動信號做頻域分析，提取頻域上對應(yīng)的12個統(tǒng)計指標(biāo)。因此，時域和頻域共24個指標(biāo)提供分析研究。

對于這24個指標(biāo)，如果單獨進行研究，會導(dǎo)致數(shù)據(jù)結(jié)果龐雜，狀態(tài)監(jiān)測決策效率大大降低；若綜合起來，把24個指標(biāo)值看作24維的數(shù)據(jù)，其可視化能力又太低，無法很好地直觀描述其變化規(guī)律。因此，考慮引入PCA （Principal Component Analysis）分析，解決這個矛盾。

PCA是一種常用的數(shù)據(jù)分析方法。PCA通過線性變換將原始數(shù)據(jù)變換為一組各維度線性無關(guān)的表示，可用于提取數(shù)據(jù)的主要特征分量，常用于高維數(shù)據(jù)的降維。PCA能夠通過適當(dāng)?shù)刈儞Q，在將高維問題映射到低維空間的同時最大可能的保留原數(shù)據(jù)的信息，使問題能直觀、簡單的得到處理。此外，PCA還可以將原來有交叉的數(shù)據(jù)變換成獨立、不相關(guān)的數(shù)據(jù)，極大地降低了問題解決的難度。因此，采用PCA降維，通過求解原數(shù)據(jù)的協(xié)方差矩陣，進而計算協(xié)方差矩陣的特征向量和特征值，選取2-3個貢獻率高的特征向量與原數(shù)據(jù)矢量相乘，能夠?qū)?4維指標(biāo)值降到2維或3維，轉(zhuǎn)換成2個或3個新的指標(biāo)，并且極大地保留原有指標(biāo)中蘊含的風(fēng)機狀態(tài)信息。通過對PCA降維后的主成分進行研究，可以直觀描述其變化范圍，同樣基于閾值計算的原理，把變化范圍作為風(fēng)機運行異常的監(jiān)測閾值。

2 實例分析

2.1 時域指標(biāo)的閾值

以山東某風(fēng)電場對風(fēng)電機組進行故障診斷為例，監(jiān)測風(fēng)電機組傳動鏈的振動情況，在風(fēng)機上布置了8個振動信號監(jiān)測點，各個監(jiān)測點的位置如圖2-1。實例分析振動數(shù)據(jù)主要是其中1-6號傳感器測得的振動數(shù)據(jù)，1-6號傳感器分別測主軸軸向振動、主軸徑向振動、齒輪箱中部徑向振動、高速軸徑向振動、發(fā)電機輸入軸徑向振動和發(fā)電機輸出軸徑向振動。

圖2-1 風(fēng)電機組傳動鏈上傳感器安裝圖

在選取分析的數(shù)據(jù)時，采用了CH1高速軸為900-2000rpm的振動數(shù)據(jù)。傳感器采樣頻率為20kHz，每個數(shù)據(jù)文件包含了40萬左右的振動測量值，共有8014個數(shù)據(jù)文件。通過對振動數(shù)據(jù)進行時域指標(biāo)的計算，剔除掉異常數(shù)據(jù)后，其分布如圖2-2所示（以波形指標(biāo)為例）：

圖2-2 波形指標(biāo)波形圖

由圖2-2可知，波形指標(biāo)在一定范圍內(nèi)波動，通過計算波形指標(biāo)的均值和標(biāo)準(zhǔn)差即可獲得其閾值，如圖2-2中紅線所示。

2.2 PCA降維分析

PCA降維的數(shù)據(jù)采用的數(shù)據(jù)來源與上述數(shù)據(jù)一致，進行24個指標(biāo)計算之前，考慮到運行工況對研究結(jié)果的影響，因此，按照不同風(fēng)機轉(zhuǎn)速對振動數(shù)據(jù)進行研究（900-1000rpm、1000-1200rpm、1200-1500rpm和1500-2000rpm四組數(shù)據(jù)）。然后分別計算時域和頻域指標(biāo)值，將24組指標(biāo)計算值合為24維數(shù)據(jù)，對其進行PCA降維，通過計算，降維之后前兩個主成分的貢獻率已經(jīng)達到99.9%，基本上涵蓋原有指標(biāo)的信息，因此可以只取第一和第二主成分，在觀察降維后主成分的變化情況。指標(biāo)降維后主成分分布如圖2-3所示：

圖2-3 主成分二維分布圖

根據(jù)圖2-3可以看出前三個轉(zhuǎn)速范圍振動數(shù)據(jù)的主成分散點以第一主成分坐標(biāo)值0.2左右為界分裂成兩個散點聚集群。為了研究各轉(zhuǎn)速范圍振動數(shù)據(jù)的兩個散點聚集群的不同點，將兩個散點聚集群對應(yīng)振動數(shù)據(jù)的風(fēng)機發(fā)電有功功率進行比較，發(fā)現(xiàn)數(shù)目較少一方（圖2-3豎線左側(cè), 散點聚集群1）有功功率為0，數(shù)目較多一方（圖2-3豎線右側(cè),散點聚集群2）的有功功率基本都大于0。而當(dāng)有功功率為0時，風(fēng)電機組并沒有發(fā)電，也就是風(fēng)電的運行輸出為零，這兩部分的振動數(shù)據(jù)應(yīng)區(qū)別對待，但是研究方法類似，因此，本文以風(fēng)電發(fā)電狀態(tài)的數(shù)據(jù)為研究對象。

對于散點聚集群2，由圖2-3可以看出，每個轉(zhuǎn)速范圍內(nèi)主成分分布范圍較窄，散點群的分布可以用近似一個圓描述；而且，隨著轉(zhuǎn)速的增大，散點的分布明顯呈現(xiàn)一個向右上方移動的變化規(guī)律。對此，用4個圓去分別代表每個轉(zhuǎn)速范圍內(nèi)主成分的分布范圍，這四個圓即可實現(xiàn)對整個風(fēng)機狀態(tài)的描述。當(dāng)振動數(shù)據(jù)的指標(biāo)進行降維后，主成分的分布與其對應(yīng)圓的范圍差別較大，則可以認(rèn)為風(fēng)機傳動鏈出現(xiàn)異常。

散點分布閾值圓的確定：

數(shù)目達到總數(shù)目的99.7%，此時R的值即為所求。

責(zé)任編輯：lixin

免責(zé)聲明：本文僅代表作者個人觀點，與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關(guān)內(nèi)容。

我要收藏

個贊