[实用新型]基于多特征融合的风电齿轮增速箱故障诊断试验平台

说明书

本实用新型公开了基于多特征融合的风电齿轮增速箱故障诊断试验平台，解决了风电行星齿轮增速箱故障诊断所面临的检测方法单一、随机风载特殊工况、换油干扰的问题，具有故障诊断准确性高的有益效果，其方案如下：试验平台包括：设置待测风电齿轮增速箱的试验台基座，待测风电齿轮增速箱周侧设置振动加速度传感器、噪声信号传感器，待测风电齿轮增速箱周侧与油液信息检测传感器连接，各传感器与数据采集模块分别单独连接。

技术领域

本实用新型涉及变速箱检测技术领域，更具体地说涉及一种基于多特征融合的风电齿轮增速箱故障诊断试验平台。

背景技术

随着风力发电场的大规模建成，风力发电机组已进入故障频发期。大多风场处于边远地带，风机之间距离较远，风机机身较高，不能便利地进行设备巡检，停机检修成本也极高，因此现行的大部分风场都是执行每半年一次的计划性检修维护。目前，风机的故障预警与诊断方式主要依赖于风电场主监控室的SCADA系统，根据采集到的大量数据，集中监测和控制风电场的全部风机；但无法准确诊断风力发电机的早期故障，急需更加智能可靠的故障诊断方法。

风力发电机的智能监测与健康维护是风电发展的重要保障，行星齿轮增速箱是风力发电机的核心部件，在长期随机风载工况下部件内各齿轮易产生点蚀、裂纹、磨损等典型早期损伤，潜在巨大危害。据统计，风电设备中最易发生齿轮故障，所占比重为60％，并且齿轮箱检修的时间、经济成本极高。因此，开展风电行星齿轮增速箱早期故障诊断研究，可以提高故障诊断准确率，防患于未然，并节约时间和检修成本，符合风电能源产业安全健康发展的需求，具有广阔的市场需求和产业化前景。

振动检测和油液监测是常用的故障诊断方法。但在振动检测方面，由于风力发电机受随机风载的影响，风力发电机行星齿轮增速箱的输入转速是波动的，因此风电行星齿轮增速箱振动信号的非平稳性特征非常显著，传统的振动信号故障特征提取手段无法很好地对非平稳信号进行分析；在油液监测方面，由于风电行星齿轮增速箱更换润滑油时会引起油液中磨粒数量的急剧变化(即换油干扰问题)，所以传统的磨粒数量特征指标无法准确反映风电行星齿轮增速箱的实际故障状态。

另一方面，传统的风力发电机行星齿轮增速箱故障诊断检测方法往往比较单一，仅通过单一检测手段所获得的数据无法准确反映行星齿轮增速箱的故障状态，检测结果存在不确定性；而且单一检测手段所反映出的故障特征信息不全面，仅能从单一层面上进行故障提取和分析，无法对行星齿轮增速箱的故障状态进行多角度多层次的全面性评估。因此缺乏一种多信息特征融合的风电行星齿轮箱故障状态检测评估方法，也缺少相应的风电行星齿轮增速箱故障诊断试验平台来提供便捷的测试数据支撑。

综上所述，针对风电行星齿轮增速箱故障诊断所面临的检测方法单一、随机风载特殊工况、换油干扰等问题，研发风电行星齿轮增速箱故障诊断试验平台以及全面、准确、智能的多信息特征融合检测评估方法，具有重要意义。

实用新型内容

为了克服现有技术的不足，本实用新型提供了基于多特征融合的风电齿轮增速箱故障诊断试验平台，该试验平台利用振动、油液、噪声三种检测手段进行故障信息并行采集，可实现对故障信息进行分析处理，从这三个方面充分表征齿轮损伤的类型和程度，不仅大大提高了故障诊断的准确性，而且从不同角度更加充分地对故障特征进行了提取分析。

此外，本实用新型提供一种基于振动-噪声-油液特征融合的风电行星齿轮箱故障状态检测评估方法，这种多特征信息融合的故障检测评估方法，能够针对随机风载工况提取振动特征指标，提取噪声特征指标，针对换油干扰问题提取油液特征指标，从而建立了基于深度学习和DS证据理论的振动-噪声-油液特征融合评估模型，有利于提高风电行星齿轮增速箱故障诊断的全面性、智能性和准确性。

基于多特征融合的风电齿轮增速箱故障诊断试验平台的具体方案如下：

基于多特征融合的风电齿轮增速箱故障诊断试验平台，包括：