[发明专利]风电机组主轴总成窜动在线监测与故障预警系统及方法

权利要求书

1.一种风电机组主轴总成窜动在线监测与故障预警系统的故障预警方法，其特征在于，该系统包括主轴总成窜动在线监测模块和主轴总成窜动故障预警模块；

所述主轴总成窜动在线监测模块包括依次连接的激光位移传感器(1)、控制器(2)和上位机(3)，用于实时在线监测、采集和存储主轴总成窜动位移数据；

所述主轴总成窜动故障预警模块(7)连接上位机(3)，用于对主轴总成窜动监测数据进行分析，辨识异常状态，并对其发展趋势作出预测，当判断主轴总成有较大可能发生窜动故障时给出预警信息；

所述故障预警方法，具体包括如下步骤：

步骤1：主轴总成窜动故障预警模块(7)根据正常状态下上位机(3)中采集和存储的激光位移传感器(1)的监测数据，采用时间序列预测方法，建立主轴总成窜动位移ARMA预测模型，具体包括如下步骤：

步骤1.1：根据正常状态下的主轴总成窜动位移监测数据，按照一定的时间间隔，选取一段时间内的监测数据构成时间序列，判断所得到的时间序列是否为零均值平稳序列，若为非零均值平稳序列则需要先对原时间序列进行差分处理，直到差分后的序列是符合要求的零均值平稳序列；

步骤1.2：根据步骤1.1所得到的零均值平稳序列，计算出序列的样本自相关系数ACF和偏相关系数PACF的值，根据这两个系数值来识别模型和对模型进行定阶；

步骤1.3：根据步骤1.2确定好的模型和阶数，采用最小二乘估计法估计模型的未知参数，获得主轴总成窜动位移ARMA模型；

步骤1.4：根据步骤1.3获得的主轴总成窜动位移ARMA模型，对模型的有效性进行检验，包括模型的显著性检验和参数的显著性检验，如果模型未能通过检验则需要重新进行模型选择和定阶，充分考虑各种可能，尝试建立多个拟合模型，从所有通过检验的模型中选择拟合程度最好、表达式最简洁的最优模型作为主轴总成窜动位移ARMA预测模型；

步骤2：根据步骤1获得的主轴总成窜动位移ARMA预测模型，以主轴总成窜动位移的故障数据为输入，对故障状态下的主轴总成窜动位移进行预测，并计算各预测值与实际值间的残差，获得残差值序列；

步骤3：根据步骤2获得的残差值序列，采用自组织临界理论，辨识主轴总成窜动故障的自组织临界态的临界点，具体包括如下步骤：

步骤3.1：根据残差值序列，确定残差值的等间隔标度r_i，统计各等间隔标度下残差值出现次数N(r_i)，并验证其幂律特性，若残差值序列满足幂律特性，则有：

N(r_i)＝cr_i^-D

其中：c和D为常数；

步骤3.2：并对等间隔标度r_i和残差值出现次数即频度N(r_i)取双对数，用最小二乘法及双对数下的标度-频度公式对各残差值散点进行线性拟合，计算线性拟合显著性参数R²，若R²大于0.9则接受直线拟合的结果，确定残差值学历的统计规律符合幂律特性，以此时的最小标度值作为辨识主轴总成窜动故障自组织临界态的临界点，若R²小于0.9，则剔除最小标度值所对应的频度数据，对剩余标度-频度数据进行双对数坐标下的线性拟合，直到找出使R²大于0.9的标度点，若剩余标度点少于3仍未出现R²大于0.9的情况，则判断该故障数据不具备自组织临界特性；

步骤4：根据步骤3的辨识结果，将大于临界点残差值的样本视为包含故障信息并建立适用于偏态分布的加权方差控制图，确定控制图的上限，具体包括如下步骤：

步骤4.1：将符合偏态分布的残差值样本从其均值处断开，划分成两个部份，取右半部分，将其近似看作为正态分布的一半，并扩张成近似正态分布，该近似正态分布的方差为

P_x＝P(x≤μ_x)

其中：为残差值样本的方差，x为残差值样本，μ_x为残差值样本的均值，P_x＝P(x≤μ_x)为残差值样本x小于样本均值μ_x的概率；

步骤4.2：根据步骤4.1获得的近似正态分布的方差，建立适用于偏态分布的加权方差控制图的上限：

其中，为加权方差控制图的上限；

步骤5：采用ARMA预测模型对实时监测的主轴总成窜动位移数据进行分析，获得各监测数据的残差值，一旦有残差值越过加权方差控制图的上限则发出故障预警。

2.权利要求1所述的一种风电机组主轴总成窜动在线监测与故障预警系统的故障预警方法，其特征在于，所述激光位移传感器(1)为两个，分别通过支架固定安装在齿轮箱(6)前端盖上，一个用于测量主轴总成(4)的径向窜动位移，该激光位移传感器探头指向收缩盘(5)轴向外表面，另一个用于测量主轴总成(4)的轴向窜动位移，该激光位移传感器探头指向收缩盘(5)靠近主轴总成(4)方向的端面；

控制器(2)为两个，分别与两个激光位移传感器(1)通讯相连，用于控制两个激光位移传感器(1)的测量，激光位移传感器(1)和控制器(2)均为RS-232/485数字量输出；

上位机(3)与两个控制器(2)通讯相连，用于采集和存储主轴总成窜动监测数据。