基于Vague集相似度量的风力发电机故障诊断的研究论文

《基于Vague集相似度量的风力发电机故障诊断的研究论文》由会员分享，可在线阅读，更多相关《基于Vague集相似度量的风力发电机故障诊断的研究论文（24页珍藏版）》请在装配图网上搜索。

1、电机学院 毕业设计课题名称 基于Vague集相似度量的 风力发电机故障诊断研究 学 院 电气学院 专 业 测控技术与仪器 班 级 BG076 学 号 38 姓 名 余恒斌 指导教师 国初定稿日期： 2011 年 5月18日摘要设备诊断技术有重要的实用价值,已成为一个研究的热点,并且以深厚的理论为基础。系统论、信息论、控制论、非线性科学等最新技术在其中都有广泛的应用。本文的理论基础是模糊集的推广形式Vague集,描述了Vague集的含义与相似度量,并提出一种Vague集的相似度量在风力发电机故障诊断中的新方法；Vague集之间的相似度量是评价待诊断检测样本接近系统故障知识的度量,某一相似度量值越

2、大,待检测样接近某一故障知识越好,从而根据相似度量值确定振动故障的类型。针对风力发电机振动故障,通过实例分析Vague集之间的相似度量是有效的、合理的,并且这种方法比神经网络诊断方法更加简单易用。 关键词：Vague集；相似度量；风力发电机组；故障诊断 ABSTRACTThe technique of equipment diagnosis hasimportantly applied value and become a research hotspotIt is the base on profound theory The latest techniques on System theo

3、ry,information theory,control theory,and nonlinearscienceetc .all have the extensive application in fault diagnoses, The meaning a11d similarity measures of vague sets were described as a generation of setsvague sets A new method of the fault diagnosis ofwind generator was presented in the basis of

4、the similarity measures among vague sets. Thesimilarity degree between the detecting sample and theknowledge of system fault is evaluated in the fault diagnosis of wind generator vibration by means of the similarity measures amongvague setsThe bigger the value 0f similarity measure is,thebetter is t

5、he similarity degree between the detecting sample anda type of fault knowledge Then,the type of vibration fault is determined according to the value of the similarity measure Examples explain thc validity and reasonability in the faultDiagnosis problems based on the similarity measures amongvague se

6、tsThis method can give you theoretical foundationof multifault diagnosis,and easier than the fault diagnosis method of neural networksKeywords: Vague sets, Similarity measures, Wind generator, Fault diagnosis目录1引言11.1选题背景11.2意义22Vague的基本理论42.1Vague集概念42.2Vague集的基本性质和运算52.3本章小结63Vague集的相似度量方法73.1Vagu

7、e集之间的相似度量概论73.2一般性度量方法73.3Vague集之间的加权相似度量把vague集之间的去掉103.4本章小结124风力发电机组的故障诊断134.1风力发电机的发展现状134.2风力发电机的工作原理134.3国主要风电场发生过的故障144.4风力发电机的故障类型及原因154.5风力发电机组故障诊断加上两种方法174.6本章小结195Vague集的相似度量分析在风力发电机故障诊断中的应用205.1Vague集值的获取205.2诊断流程215.3本章小结226总结与展望22参考文献23致251 引言1.1 选题背景诊断技术发展几十年来,产生了巨大的经济效益,成为各国研究的热点。设备诊

8、断技术有很强的工程背景,具有重要的实用价值,并且以深厚的理论为基础。系统论、信息论、控制论、非线性科学等最新的技术在其中都有广泛的应用。从本质上讲,设备诊断技术是个模式分类问题,即把机器的运行状态分为正常和异常两类。进一步讲,异常的信号样本究竟又属于哪种故障,这又属于一个模式识别问题。诊断方法的研究是设备诊断技术的核心。国际上使用振动特征分析法来诊断旋转机械故障,较有权威的故障特征规律是Jshohre的振动特征表和白木万博的振动得分表。目前所有的故障诊断可以分为基于知识的诊断、基于解析模型的诊断和基于信号处理的诊断。对于随机性和时变性较强的大系统,如大型旋转机械、大围过程对象的故障诊断,目前多

9、采用基于知识的诊断方法,如专家系统方法,模糊推理法、模式识别法以及神经元网络法。其中专家系统故障诊断方法主要利用对象领域中专家的专业知识进行推理,其部往往使用模糊推理、模式识别和神经元网络诊断方法。由于模糊环境下的事物常被表示成模糊集,传统的模糊集仅涉及元素对模糊概念的肯定隶属情况,但现实情况中除了出现元素对模糊概念的肯定与否定两方面以外,还有介于肯定与否定之问的踌躇性。比如投票模型中有支持与反对两个方而,且有弃权情况发生。Cau和Buehrer提出的Vague集3,4是模糊集的一种推广形式,Vague集由真、假隶属函数定义,体现了元素对模糊概念的属于与不属丁的程度或证据,较传统的模糊集有更强

10、的表达小确定性的能力,且更具灵活性。目前,Vague集已成功地运用于模糊控制、模式识别、决策分析及专家系统领域,并取得了较传统模糊集理论更好的效果,也引起了国外众多学者关注。在现代化生产中,机械设备的故障诊断技术越来越来受到重视。如果某一零件或设备出现故障而又未能及时发现和排除其结果不仅可能导致设备本身损坏,甚至造成人员伤亡的严重后果。在流程生产系统中,如果某一关键设备因故障而不能继续运行,往往会涉及整个生产系统的运行,造成巨大的经济损失。因此,对于流程生产系统故障诊断具有极为重要的意义。例如风力发电机组,冶金,化工工业的压缩机组,在机械制造领域中,计算机集成制造系统,柔性制造系统等,因故障存

11、在而可能导致加工质量降低,使整个机器产品质量不能得到保证。因此,全国各行业都很重视在关键设备上装备故障诊断系统,特别是智能化的故障诊断专家系统,在电力系统、石化系统、冶金系统、以及高科技产业中的核动力电站、航空部门和载人航天工程等。工作比较集中的是大型旋转机械故障诊断系统,已经开发了20种以上的机组故障诊断系统和十余种可用来做现场故障诊断的便携式现场数据采集器。发电机、压缩机的诊断技术已列入国家重点攻关项目并受到高度重。例如：交通大学的大型选转机械计算机状态监测与故障诊断系统,工业大学的机组振动微机监测和故障诊断系统,东北大学设备诊断工程中心经过多年研究,研制成功了轧钢机状态监测诊断系统,风机

12、工作状态监测诊断系统,均取得了可喜的成果。1.2 意义随着现代化大生产的发展和科学技术的进步,设备的结构越来越复杂化,功能越来越完善,自动化程度也越来越高。由于许许多多无法避免的因素的影响,有时设备会出现各种各样的的故障,甚至造成严重的灾难事故,国外曾经发生各种空难,爆炸,海难,毁坏,泄露等恶性事件,造成人员伤亡,产生了严重的社会影响；即使是生产过程中的事故,有时候也因为某些生产机械不能正常运行或设备损坏而造成巨大的经济损失。严重的灾难性事故触目惊心,不仅造成巨大的经济损失,而且还造成很大的人员伤亡事故,在社会上引起很大的反响,例如美国三里岛核电站和前联切尔诺贝利核反应堆泄露曾引起的对核电站安

13、全性的争议,对核能的发展产生了影响；美国挑战号航天飞机失事使美国航天事业的发展一度陷入困境,这都是对一个产业很大的打击。还有一些比较严重的事故,比如1972年日本关西电力公司南海电厂三号机组600MW汽轮发电机组因振动引起严重的断轴毁机事故,1985年,我国电厂和1988年岭电厂200MW汽轮发电机组的严重断轴事故,都造成了巨大的经济损失。因此,保证设备安全运行,诊断设备故障是十分迫切的问题。中国是一个风能资源丰富的国家,因此风力发电在中国有着广阔的前景,而且风能利用必将成为中国的环保事业,能源结构的调整,减少对进口能源依赖有着巨大的贡献。风电机组是风电机场的发电设备,也是风电场的主要设备,因

14、此维护放电机组成为一向必不可少的主要工作。风力发电机长期在户外工作,极易因外界环境的干扰而发生一些故障,因此,我们要经常对风力发电机进行检查维护,才能避免一些因长期暴露的终端而构成的电击伤害。对于工作人员来说,研究风力发电机的故障诊断研究也就显得极为重要,一旦风力发电机发生故障,轻者导致风力发电机停止工作,职员也有可能被旋转的机器伤害。另一方面来说,一旦风力发电机发生故障,造成的经济损失,我们是无法估量的。因此对于风力发电机的故障诊断研究也就显得尤为重要了。由于风力机组的电气故障信号的信噪比较大,采用常规的方法就能比较好的发现故障问题,而风力发电机受风场气流不稳定等多种环境因素的影响,使得风力

15、发电机的机械故障信号成为时变非平稳信号,因此一般的频谱分析和神经网络都比较难以处理故障问题。本文提出的基于Vague集相似度量的风力发电机故障诊断的新方法,根据Vague集之间的相似度量来研究故障诊断问题。本文共分六章,各章的容安排如下：第一章主要介绍选题的背景,风力发电在中国的发展前景以及选择这个课题的意义；第二章介绍Vague集的基本理论,包括它的基本概念和一些基本性质和运算；第三章主要是讨论Vague集的几种相似度量方法；第四章主要是讨论了风力发电机组的故障诊断；第五章展示了一种基于Vague集相似度量在风力发电机故障诊断中的应用,并进行了分析；第六章是关于结论及展望。作为一段,不要列这

16、么多段2 Vague集的基本理论2.1 Vague集概念定义11 设论域X=X1,X2,X3,Xn用公式编辑器,后面的公式都要改成公式编辑器编辑,不再赘述。,X上Vague集A由真隶属函数和假隶属函数所描述：X0.1,太靠上了,弄下来,后面雷同,不再赘述：X0,1,其中,是由支持的证据所导出的肯定隶属度得下界,则是由反对的证据所导出的否定隶属度得下界,且.元素在vague集A中的隶属度被称区域0,1的一个子区间所界定,称该区间为在A中的Vague值,记为。对Vague集A,当X离散时,记为： 当X连续时,记为： xX,称为x相对于Vague集A的vague度,它刻画了J相对于vague集A的踌

17、躇程度,是x相对于A的未知信息的一种度量。的值越大,说明z相对于A的未知信息越多。显然,0l。由上可知,x相对于A的隶属情况应具有二维表示。对Vague集的解释,如,设=O.6,O.7,则=O.6,=1-0.7=0.3,此时可解释为,元素x属于A的程度是0.6不属于A的程度是0.3,z对A的踌躇程度是O.1。从投票模型来解释为,赞成6票,反对3票,弃权1票。Vague集将x的隶属度限制在区间0,1中的一个子区间。如果,Vague集退化为模糊集；如果和同时为O或l,Vague集退化为经典集合。定义22 令V是一个Vague值,如果,称V=0,0为零Vague值。如果,称V=1,1为单位Vague

18、值。定义32 两个Vague集A和B,其中,则A=B定义为且,即且。定义42 两个Vague集A和B,其中,定义为：,即。定义52一个Vague集A的补集定义为：,其中。定义62设X是一个空间点,A和B是X上的两个Vague集,则Vague值的并,交可分别定义如下：2.2 Vague集的基本性质和运算：Vague有很多基本性质和运算,下面就例举一些它的基本性质和一些基本运算方法：这样表述不好（1）（2）（3）（4） 其中定义2.2.13 设论域X具有加运算,Vague集A和B相加所得到的和C任然是一个Vague集；写作C=A+B,它的真假隶属度分别为：,定义2.2.23 设论域X具有减运算,V

19、ague集A和B相减所得到的差C任然是一个Vague集；写作C=A-B,它的真假隶属度分别为：, z=x-y定义2.2.33 设论域X具有乘运算,Vague集A和B相乘所得到的积C任然是一个Vague集；写作C=AB,它的真假隶属度分别为：, z=xy定义2.2.43 设论域X具有除运算,Vague集A和B相除所得到的商C任然是一个Vague集；写作C=A/B,它的真假隶属度分别为：, z=x/y2.3 本章小结本小章主要讲述的是Vague集的基本概念和它的一些基本性质,在熟悉了它的基本性质的基础上了解了它的运算方法。在掌握基本运算方法的同时,需要进一步来学会Vague集的相似度量方法,在接下

20、来的一章中,具体的进行展开和分析Vague集的相似度量方法。3 vague集的相似度量方法3.1 Vague集之间的相似度量概论Contor创立的集合论是无法处理具有模糊性的不确定性信息和数据的,于是Zadeh于1965年提出了Fuzzy集理论4。在随后的几十年中,Fuzzy集理论不断地发展和完善,并在许多领域里得到了成功的应用5。Fuzzy集最主要的特征是：一个Fuzzy集A是满足某个或几个性质的一类对象,每一对象都有一个互不相同的隶属于A的程度,隶属函数a给每个对象分派一个0,1中的数作为它的隶属度。但是有的时候用Fuzzy集是无法表示和处理这类模糊信息和数据问题,Gau和Buehrer于

21、1993年提出了Vague集理论6,7.在一个Vague集V中,用一个真隶属函数和假隶属函数来描述其隶属度的界。这两个界构成0,1的一个子区间。例如,设A为一个Vague集,假定,可知,此时,Vague集A可解释为：对象属于集A的程度为0.5,不属于集A的程度为0.2,我们也可以用投票模型来解释A,即赞成票为5票,反对票为2票,弃权票为3票。显然用Fuzzy集是无法表示和处理这类模糊信息的。在智能系统的推理过程中,经常需要将两个知识模式如两个模糊断言,两个谓词公式,两个框架片断或两个语义网络片断进行比较和耦合,即检查这两个知识模式是否完全一致或近似一致。如果两者完全一致,或者不完全一致,但两者

22、间的相似程度落在限定的阈值,就称这两个知识模式匹配的,否则称为不匹配。3.2 一般性度量方法通过翻阅资料资料,可以发现度量两个Vague集值之间相似程度的度量方法有很多种,一般性度量两个Vague集值之间相似程度的度量方法有如下几种8-10：下面是文献8给出了一种度量方法,经过我们分析认为,该方法有一定的不足和缺陷。假定是论域U上的一个vague值,其中,且,那么a的核可由如下的函数s进行计算： 3-1显然,S-1,1 假定 是论域U上的两个vague值,则A和B之间的相似程度可由如下的函数M进行计算： 3-2其中,。假定A和B是论域上的两个vague值,其中假定表示Vague集A中的隶属值,

23、表示Vague集B中的隶属值,则A和B的核分别为和.其中i=1,2,.,n. Vague集A和B的相似程度可由如下的函数T进行计算 3-3文献8认为,两个vague集值之间的相似度量的值TA,BM越大,他们之间的相似程度越大,按常理,这一思想是完全正确的,但由上述定义却得不到这样的结果。例如,两个vague值0,1和0.5,0.5,若按3-2进行计算,这两个vague值得相似度量应该为1,这代表着0,1和0.5,0.5是完全相似的,但事实上,我们就能观察出这个vague值其实是不一样的。两个vague集之间的相似度量也存在相似的问题。为了更合理的度量两个vague集值之间的的相似程度,作者提出

24、了一种度量方法9,该方法能比较好的解决文献8中所存在的问题。 假定,是论域u上的两个vague值,S和SB的定义与文献5中的的定义相同,a和b之间的相似度可有下面的函数M计算得出 3-4由上述定义,我们可以得到如下定理：定理1 证明： 3-5由于,故有 3-6定理2 证明：由的定义即可证明定理3 M=0A=0,0, B=1,1或A=1,1, B=0,0。证明：若M=0A=0,0, B=1,1或A=1,1, B=0,0,显然有M=0 若M=0,由于, , 故有 , , , 从而有A=0,0, B=1,1或A=1,1, B=0,0.由上述定理可知,这样的相似度量是符合实际的。例1：假定论域U上的两

25、个vague值分别为A=0.5,0.5,B=0,1。由公式3-4可得a和b之间的相似度量为：.若按公式3-5计算,则a和b之间的相似度量为：.显然按公式3-5计算所得出的结果是不符合的。Chen定义了a,b之间的相似性度量9,10,.凡和An Lu在文献24 25中均指出,度量Vague值a=0,1和b=0.5,0.5的相似度的结果为1,表明a和b完全相等。0,1表示支持和反对的的信息均为0,而0.5,0.5表示支持和反对各占一半。用度量的结果为1,这步符合人的直觉看法。对于此方法中,Vague值a=0,1和b=i,1-i,的相似性度量结果均为1.Hong D H 定义了a,b之间的相似性度量

26、26,.An Lu指出18,度量Vague值a=0,1b=i,i,0的相似度的结果为0.5,比如0,1和0.1,0.1,0.3,0.3,0.5,0.5,0.8,0.8,0.9,0.9,的相似度均为0.5.这同样也不符合人的直觉看法。并且区分能力很差。凡等定义了a,b之间的相似行度量24,。由于,所以也存在着和相同的问题。马志峰26等又定义了a,b之间的相似性度量为,其中是其定义的Vague值a,b的含糊度：；而是其定义的Vague值a,b的不确定度：,。度量Vague值a=1,1和b=0.5,1的相似度的结果为0,在度量Vague值a=0.5,0.5和b=0,1的结果为1,这个结果显然也不能被

27、接受和认同。Lu J L 等定义了a,b之间的相似性度量28,其中。度量Vague值相似度的时候考虑了确切的支持信息和确切的反对信息占总体信息比例的影响,区分能力比较高,但是在度量的相似度的结果为0.968.度量的相似度的结果是0.953.在且在端点距离相等的情况下,和的相似度应该大于和的相似度,而计算的刚刚好相反,这样的结果表明该公式存在不足。3.3 Vague集之间的加权相似度量 论域X=x1,x2,x3xn,A、B为x上的两Vague集,其中定义A和B之间的相似度量如下： 3-7其中,特别是,若A,B为x上的zadeh模糊集,则,.于是,. 此时式3-7简化为 3-8关于度量函数TA,B

28、有如下定理：定理4 0TA,B1证明：可由定理1证明定理5 TA,B= TB,A证明：T=0的定义即可证明。定理6 TA,B=1A=B证明：由定理3即可证明。显然,T的值越大,表明vague集A和B之间的相似程度越大。由定理6可知。T=0当且仅当A的隶属值全部为0,0且B的隶属值全部为1,1,或者B的隶属值全部为0,0且A的隶属值全部为1,1。例2：设A和B是论域U=上的两个vague值,其中A=0.4,0.4/u1+0.3,0.7/u2+0.5,0.7/u3+0.7,0.9/u4+0.8,1.0/u5B=0.3,0.5/u1+0.4,0.6/u2+0.4,0.8/u3+0.7,0.9/u4+

29、0.9,0.9/u5由公式3-8可得A和B之间的相似度量为 =+1-0.2/4+1-0.2/4+1+1-0.2/4/5 =4.8/5=0.96假定A和B是论域U=上的两个vague集,其中,假设论域U上的元素的权重为,.1in,则A和B之间的加权相似度量按照如下的公式进行计算： 3-9显然W0,1.WA,B的值越大,表明Vague集A和B之间的相似程度越大。例3：假定A和B为例2中的A和B,设论域U上的元素ui的权重分别为0.2 ,0.4 ,0.8 ,0.6和1.0。此时,由公式3-9可得到A和B之间的加权相似度量：W=0.2+0.4+0.8+0.6+1=0.288/3=0.96这个结果和例2

30、的结果一样,因为随着权重的改变,结果将会随之变化。一般来说,两个相似程度越大的Vague集值无论是采用哪一种度量方法。所计算出来的相似度量值都应该会比较大。显然,加权相似度量方法比前一种相似度量方法更为灵活,也更能反映两个vague集值之间相似程度的度量方法,并利用该方法用于第四章的风力发电机组的故障诊断。4 风力发电机组的故障诊断4.1 风力发电机的发展现状随着现在技术的发展,风力发电迅猛发展。以机组大型化50KW-200MW,集中安装和控制为特点的风电场也称风力田,风田成为主要的发展方向。20年来,世界上已有近30个国家开发建设了风电场是前期总数的3倍,风电场总装机容量约1400万KW是前

31、期总数的100倍。目前,德国,美国,丹麦以及亚洲的印度位居风力发电总装机容量前列,且未来投资有增无减。美国能源部预测20XX风电至少达到国电力消耗的百分之十。欧盟五国要在2000-20XX达到本国总发电量的百分之十左右,丹麦甚至计划在2030年达到百分之四十。中国是一个风力资源丰富的国家,风力发电潜力巨大。据1998年统计,风力发电累计装机22.36万KW,仅占全国电网发点总装机的0.081%,相对于可开发风能资源的开发率仅为0.088%。中国第一座风力发电场与1986年在荣成落成,总装机比较小,为3X55KW。到1993年我国风电场总装机容量达17.1MW,1999年底,我国共建了24个风力

32、发电场,总装机容量达268MW。我国风力发电场主要分布在风能资源比较丰富的东南沿海,西北,东北和华北地区,其中风电装机容量最多的是XX,装机总容量已经达到了72.35MW。在未来的2到3年,我国计划新增风电场装机容量将在800MW以上,并且将会出现300MW到400MW的特大型风力发电场。4.2风力发电机的工作原理现代风电机从基本结构上分为两类,即水平轴风机和立轴风机,如图1所示。这两类风力都是利用空气动力升力原理来获取风能的。目前水平轴风机采用的比较多。图4-1 风电机结构图Figure4-1风力发电机主要工作原理就是把风能转变为电能,是风能利用中最基本的一种方式。利用风力带动风机叶片旋转,

33、再透过增速机将旋转的速度提升,来促使发电机发电。依据目前的风车技术,大约是每秒三公尺的微风速度微风的程度,便可以开始发电。 风力发电机一般有风轮、发电机包括装置、调向器尾翼、塔架、限速安全机构和储能装置等构件组成。风力发电机的工作原理比较简单,风轮在风力的作用下旋转,它把风的动能转变为风轮轴的机械能。发电机在风轮轴的带动下旋转发电。风轮是集风装置,它的作用是把流动空气具有的动能转变为风轮旋转的机械能。一般风力发电机的风轮由2个或3个叶片构成。在风力发电机中,已采用的发电机有3种,流发电机和即直流发电机、同步交异步交流发电机。 风力发电机中调向器的功能是使风力发电机的风轮随时都迎着风向,从而能最

34、大限度地获取风能。一般风力发电机几乎全部是利用尾翼来控制风轮的迎风方向的。尾翼的材料通常采用镀锌薄钢板。4.3国主要风电场发生过的故障悉了风力发电机的结构和工作原理后,深入了解下目前国风力发电场发生的一些主要故障事件。20XX1月24日,东汽风机华能宝龙山发生烧毁事故,监控人员当时发现监控系统报发电机超速分析风机已脱网,转速在2700转每分,业主通知厂家。后台停机,高速轴刹车未能抱死刹车盘,华能值班人员立即将集电线路停电,风机当时停止了转动,但由于未到现场检查,不知道叶片是否回浆,在短暂的停机后,风机的叶片又再次的转动原因不明,随着风速的不断增大,叶轮转动时有热量产生,出现火花导致轮毂着火。随

35、着火势的蔓延,机舱大部分部件都已经烧毁齿轮箱、发电机还有残骸、其他部件都已经烧毁。事故后查看风机时发现第三节塔筒也发生断裂具体位置不清楚,疑是对焊接处开裂。事后经过诊断分析：当电机转速达到2700转每分时,会导致联轴器飞车保护打滑,使发电机集电环,编码器损坏,刹车器出现磨损等。图4-2 东汽宝龙山风机事故20XX1月20号,大唐左云项目的风机发生倒塌事故,常轨维护人员进行风机叶片主梁加强工作,期间因风大不能正常进入轮毂工作,直到20XX1月27日工作结束。28日10:20分,常轨维护人员就地启动风机,到1月31日43#风机发出桨叶1快速收桨太慢等多个报警,2:27分发震动频带11的震动值高报警

36、,并快速停机。8:00风机缺陷管理人员通知常轨维护负责人,18:00常轨维护人员处理缺陷完毕后就地复位并启动。直到2月1日3:18分,之前43#风机无任何报警信息,发生了倒塌事件。塔筒中段、上段、风机机舱、轮毂顺势平铺在地面上,塔筒上段在中间部分发生扭曲变形。风力发电机摔落在地,且全部摔碎,齿轮箱与轮毂主轴轴套连接处断裂,齿轮箱连轴器破碎,叶片从边缘破裂大量填充物散落在地面上。图4-3 大唐左云项目风机倒塌现场4.4风力发电机的故障类型及原因随着资源的短缺和环境的恶化,使得各国开始注重开发和利用可再生且无污染的能源。风力资源已受到各国的关注,随着野外装机的规模越来越大,风力发电机系统的故障诊断

37、也就显得越来越重要了。风力发电机系统主要是由风能转换为机械能的风力机和将机械能转换为电能的发电机两大不分组成,其中发电机是整个系统的核心,直接影响整个系统的功能,另一方面,发电机也是最容易发生故障的核心部分,风力系统中发电机的常见故障包括定子绕组故障、轴承故障、转子导条和端环故障、转轴或连轴器故障以及其他各种故障可认为定子绕组短路、转子绕组故障和偏心振动是风力发电机主要的三种故障形式发电机绕组部故障属于部电气不对称故障的畴由于发电机长期在野外工作,电机长期受到不同风向的强风作用,暴晒和大雨等影响,很容易发生机械火电气故障。因此熟悉发电机的主要故障对于我们来说有很大的作用,下面主要介绍几种风力发

38、电机最有可能发生的故障。故障一：风速大于4m/s风轮不起动原因：1.桨叶安装角度过小 2.风轮未经平衡,或个别桨叶超重 3.发电机起动阻力矩大 4.发电机输出线路短路或已接入负载 5.制动机构卡滞 6.塔杆不垂直或立轴轴承过紧使风轮不能对正风向故障二：调向迎风不灵原因：1.立轴轴承转动阻力 2.尾舵未复位故障三：风轮转速 明显偏低原因：1.桨叶安装角过大 2.发电机轴承阻力大或损坏 3.发电机输出线路有短路 4.负荷不匹配 5.制动机构磨擦未释放故障四：风力发电机振动原因：1.桨叶固定螺栓松动 2.桨叶进水、结冰,风轮失去平衡 3.桨叶缺损,动力和重力失去平衡 4.电机、输出线路含输电滑环断电

39、缺相 5.机舱立轴轴承松动或轴承损坏 6.尾舵轴承松晃或损坏 7.制动机构断续卡滞 8.风力发电机在偏航状态高速旋转 9.风力发电机超转速运行故障五：异常杂音原因：1.风轮转动部分的紧固件松动 2.功率输出三相不均衡3.发电机轴承松动或损坏 4.立轴轴承松动 5.制动机构磨擦 6.机舱机件松动 7.尾舵轴承松动 8.骨架和尾舵板紧固件松动 9.风轮超转速引发共振故障六：风转速过高甚至超过限定转速原因：1.空载运行 2.负荷过轻 3.风轮偏航困难、调控迟钝 4.塔杆未垂直水平面,干扰偏航机构正常动作 5.偏航角度不足 6.尾舵轴承卡滞不能灵活折转故障七：供电线路输出故障不能自动停机原因：1.控制

40、器故障,当超功率、超转速时不能及时分流卸荷 2.分流卸荷器耗能容量不足 3.偏航机构、制动系统失灵4.5风力发电机组故障诊断随着大批大型风力发电机组的并网发电, 大型风力发电机的运行引起了很多新问题, 如主轴载荷、叶轮转速和齿轮箱的增速比等. 同时由于载荷的增加不再像小风机那样拆装容易, 因此一旦出现故障, 将会对发电造成很大的影响. 特别是大型风力发电机造价昂贵, 一旦发生严重事故, 将会造成巨大的经济损失.下面介绍几种诊断风力发电机故障的主要方法,第一种是对振动信号的采集分析, 这种方法可以确定故障的准确位置, 大大减少风力发电机的维护成本. 第二种就是神经网络方法。第三种就是本文主要要研

41、究的方法,基于vague集相似度量来诊断的方法。下面主要介绍下前两种的诊断方法。方法一：介绍风力发电机齿轮箱和主轴的故障诊断方法。对齿轮箱和主轴信号的采集是通过振动传感器来实现的. 在风力发电机正常运行时进行信号采集, 将采集到的信号处理保存, 在某一次风力发电机运行异常时对信号进行采集. 根据查明故障的严重等级确定适当的报警限, 通过对正常运行和异常运行时的频谱进行对比, 找出发生故障频谱的变化情况. 通过对频谱变化的归类进行总结来确定故障发生的部位, 实现对风力发电机运行的实时监控, 以避免严重的故障产生。4.4.1 信号采集方法1信号的采集风力发电机的信号采集系统主要包括振动传感器、信号

42、调理及A /D转换电路、无线信号发射模块、无线信号接收模块及PC机。信号采集流程如下所示：振动传感器信号调理及A/D转换电路无限信号发射模块无限信号接收模块PC机。通过振动传感器采集风力发电机的振动信号,将采集的信号转换为0-5V的电压信号.选用CA2YD2103型加速度传感器, 它是通用振动、冲击测量传感器, 无源、正压电效应, 测量频率为015-12000Hz, 最大横向灵敏度小于等于5%,工作温度宽, 质量轻, 易于安装, 价格比较低廉, 完全可以满足需要. A/D转换电路将模拟信号转换成数字信号, 将数字信号通过无线信号传输模块发射出去. 采用的模块是无线龙LBee OEM RF模块,

43、 该模块采用与ZigBee/IEEE802.15.4兼容的解决方案, 可以满足低成本,低功耗无线传感网络的特殊需求. 模块提供设备间关键数据的可靠传输,工作在ISM 214GHz频率波段.无线传输模块传输的距离在无障碍的情况下可以达到1 500m,满足信号传输所需的距离要求.通过无线信号接收模块将信号接收,然后传给PC机,完成整个信号的采集。2信息的预处理从风力发电机工作现场传来的实时监测信号不仅含有各部件的运行状态信息,且含有噪声及异常值等干扰信号,因此需要对测量值进行预处理,尽量消除噪声和异常值等的影响。在进行信息预处理时,关键的问题和难点在于如何尽可能地消除干扰而不损失有用信息。3故障的

44、特征提取和分类尽管振动信号包含有大量的部件运行信息,但这些信息却很难被直观地理解,也就是说仅凭观察或一些简单的数学计算很难发现其中包含的故障特征16。如大部分的故障特征无法在时域上体现,必须通过谱分析等手段进行提取。因此,合适的数学工具和特征提取方法是能否实现准确有效的故障诊断的关键。通过这些分析方法获得了部件运行中可能的故障信息后,现场工程师就可推断出故障的可能原因、严重程度及解决方案。同时,基于专家系统、人工神经网络等算法的智能诊断方法也可给出可能的故障诊断结果。下图为风力发电机的结构简图. 在风力发电机的齿轮箱和主轴的适当位置放置振动传感器. 通过主轴的转速和各个部分的啮合情况, 可以计

45、算出齿轮箱中太阳轮轴、中间轴、高速轴的转动频率, 图4-4 风力发电机结构简图通过信号采集模型获得齿轮箱和主轴的振动信号,将旋转频率部分和啮合频率部分分离出来出来进行频谱分析18,19。通过对这两部分的时域和频域进行观察分析,比较难发现故障出现的部位,需要进行一系列的运算,才能发现发生故障的主要部位。在了解了信号采集诊断方法后,来认识另一种诊断法：神经网络诊断。4.4.2 神经网络诊断方法：为提高故障诊断的精确度,可以融合多个传感器采集的信息判断发电机的运行状态。故障诊断原理如下图所示,对n个通道的信号分别进行特征提取,并映射到二维空间得到新的可分性更高的二维特征,然后将n个通道映射后的特征融

46、合在一起作为BP网络的输入,进行故障诊断。SOM网络LDB算法小波包变换通道1BP网络诊断结果SOM 网络LDB算法小波包变换通道n图4-5 故障诊断模型故障特征往往分布在局部的时频信息中,用一般的方法很难提取这些反映发电机故障的重要特征22。小波包变换由于良好的时频特性在故障诊断的特征提取中得到了广泛的应用,小波包库包含了丰富的反映信号不同特征的小波包基,因此可根据类间可分离度准则选取最优小波包基提取分类特征23。LDB算法是NAOKI SAITO 在COIFMAN提出的最佳小波包基的基础上针对模式识别问题提出的一种用于特征提取的方法。针对发电机发生故障时,故障信号能量在各频率带发生和信号的

47、突变的特点,可以定义两个可分离度量相应子空间上类间归化能量的差异程度和相应空间上小波包系数的相关指数。一般的LDB算法步骤如下：为消除环境因素对风力发电机故障信号的影响,对信号进行归一话处理；：选择某类型的小波进行对其中一种组合的信号做小波分解,并算出各节点；：重复上的步骤,得到一组数据样本；针对特定的类间组合和可分离度算出每个节点的平均可分离度；对所有节点按序排列,从中选择一定的样本数作为LDB节点；对每种不同类间信号的组合重复操作步骤1到步骤5,可得到一个LDB节点的集合；在以上的LDB节点集合里,对每种可分离度选取几个出现频率较高的节点通过采用LDB算法提取的组合特征进行故障诊断,对于靠

48、近检测传感器的故障源,其聚类特性比较明显,可以实现故障检测与分离；当故障源远离检测传感器或故障本身就不明显时,由于其信号统计特征较弱,造成故障信息特征发生混叠,一般难以实现故障分离和诊断。因此我们需要用更好的方法来解决我们所遇到的问题。下面提出的方法就是一种可以合理的实现解决风力发电机所碰到的故障问题。4.6 本章小结本章主要介绍了风力发电机的发展现状以及风力发电机的工作原理和风力发电机组的主要故障类型,在了解了故障类型后,针对故障问题,提出了两种诊断方法。5 Vague集的相似度量在风力发电机故障诊断中的应用在诊断过程中,从原始信号中提取有效的分类特征是至关重要的24。但由于风力发电机的故障

49、信号是复杂的时变非平稳信号,早起故障极易被噪声,各零部件共振信号所覆盖掉,所以一般的方法提取有效特征比较困难,因此本文提出了一种新的诊断方法。以风力发电机组为例来说明Vague集的相似度量分析在风力发电机故障诊断研究中的应用方法。大型风力发电机的运行有很多新问题会产生,如主轴载荷,叶轮转速和齿轮箱的增速比等。5.1 Vague集值的获取方法现用Vague集的相似度量来研究这类故障诊断问题。用旋转机械常见的不平衡,不对中,等几种常见的故障作为知识样本,利用振动信号频谱中的9个频段上不同的谱峰能量值作为Vague值,行成典型的系统故障知识。多介绍见下表：表1 系统故障知识故障 频段f为工频样本 0

50、.01/0.09 0.40/0.49 0.5 0.51/0.99 1 2 3/5 奇数倍 高频5不平衡A10.00,0.000.00,0.000.00,0.000.00,0.000.85,1.000.04,0.060.04,0.070.00,0.000.00,0.00轴承松动A20.00,0.000.28,0.310.09,0.120.55,0.700.00,0.000.00,0.000.00,0.000.00,0.000.08,0.13负荷不匹配0.00,0.000.00,0.000.00,0.000.00,0.000.30,0.580.40,0.620.08,0.130.00,0.000.

51、00,0.00不对中0.09,0.110.78,0.820.00,0.000.08,0.110.00,0.000.00,0.000.00,0.000.00,0.000.00,0.00轴承座松动0.85,0.930.00,0.000.00,0.000.00,0.000.00,0.000.00,0.000.00,0.000.080.120.00,0.00发电机轴损坏0.00,0.000.00,0.000.08,0.120.86,0.930.00,0.000.00,0.000.00,0.000.00,0.000.00,0.00转子径向碰磨0.09,0.120.09,0.110.08,0.120.09

52、,0.130.18,0.210.08,0.130.08,0.130.08,0.120.08,0.12超转速运行0.00,0.000.27,0.320.08,0.120.54,0.620.00,0.000.00,0.000.00,0.000.00,0.000.00,0.00断齿0.00,0.000.00,0.000.00,0.000.00,0.000.00,0.000.77,0.830.19,0.230.00,0.000.00,0.005.2 诊断流程Vague集理论的出现,为此提供了有力的手段。其中vague集之间的相似度量分析,可以实现故障的分类与识别,即通过计算待诊断样本与系统故障知识的V

53、ague集之间的相似度量,比较相似度的大小,从而确定振动故障类型。用vague集之间的相似度量进行振动故障诊断的过程可由下面几个步骤组成：1了解和认识系统故障知识,并抽取一定数据作为将要诊断检测的样本；2通过运动vague集计算,得出一系列数据结果；3通过比较算出的数据大小,一次从大到小排序；4决策诊断：最有可能的故障对于的相似度满足：具有最大的相似度；最大相似度大于某一门限本文取0.6；最大的相似度与次大的只差大于某一门限本文取0.2。5得出故障类型。在这一过程中,首先建立系统故障知识库,然后计算待诊断检测样本与系统故障知识的相似度。设故障集为x=x1X2,x3,x4,x5,x6,x7,x8

54、,x9,x上9个故障类型的vague集值见5.1的故障知识库。取一个待诊断检测故障样本的vazue集为:B1=0.00, 0.00/x1+0.00 ,0.00/x2+0.10 ,0.10/x3+O.90,O.90/x4+0.000.00/x5+O.00,0.001/x6+0.00,0.00/x7+0.00,0.00/x8+0.00,0.00x9；通过计算vague集的相似度量值如下： T1=0.8836,T2=0.9631,T3=0.8806,T4=0.8987,T5=0.9142,T6=0.8907,T7=0.9975,T8=0.9653,T9=0.8882由于相似度是反映待检测样本接近故障

55、知识的度量,若某一相似度量值越大,则待检测样本就越接近某一类故障知识。诊断结果的大小顺序为：T7T8T5T2T4T6T9T1T3。根据诊断结果,首先是转子径向碰磨,与上面频谱诊断结果相同,也与实际故障相符,其次是超转速运行,然后是轴承座松动,故障诊断顺序为故障诊断者提供了诊断依据。从故障诊断的结果可以看出,本文方法诊断结果比上面频谱诊断方法好,并能合理地给出可能发生的多故障诊断顺序,这为故障诊断者提供了理论依据。5.3 小结依据对待测样本的测量,推导故障类型与故障征兆之间的Vague值,建立了风力发电机部故障的Vague集知识库,通过计算待检测样本与故障知识之间的Vague集相似度量,从而确定

56、风力发电机的故障类型。通过对实际风力发电机进行计算分析阐明了Vague集之间的相似度量分析在风力发电机故障诊断的应用是可行的。6 总结与展望现代新能源和可再生能源技术是由20世纪能源、电力技术发展形成的高新技术,最近20年的长足进步,它已对世界能源、电力产业的结构调整产生巨大影响,进而引起能源电力产业结构的大重组和大调整,这不能不说是一个社会可持续发展的战略问题。风力发电在新世纪将大规模开发应用,全世界将以3050的速度持续增长。风力发电技术以安全可靠、无污染,不需消耗燃料,建设周期短,规模大小灵活,可并网运行等特点,在能源、电力产业中异军突起。可以预言,21世纪是人类在能源方面以太阳能、风能

57、等可再生能源为主的世纪,能源的开发利用将面临历史性的变革。我国有丰富的风能资源,具备大规模开发风电场的条件,应该积极发展。在发展风电场的同时,要注意及时对风电场进行维护和检修,一旦发生故障问题,不仅不能给人们带来利益,反而会造成严重的损失。因此,风力发电机组的故障诊断研究显得尤为重要,是一个迫切解决的问题。本文主要研究的是风力发电机组故障的诊断,通过分析比较几种诊断方法,发现运用Vague集的相似度量来诊断风力发电机故障更加简便和实用。参考文献：1Lev S.Belyaev,Oleg V.Marchenko,Sergei V.Solomin.A study of wind energy contribution to global climate change mitigationJ. International Journal of Energy Technology and Policy, 2005, :324-341 2凡,徐章艳,饶勇. Vague集,计算机科学,2000,279：12-14.3 凡,徐章艳,饶勇,Vague集的运算规则,计算机科学,2000,279：15-17.4梁家荣.芳艳.伍华健Vague集之间的相似度量新方法期刊论文-计算机应用研究20105