不治己病治未病读懂远程故障预报智能监测系统

特约撰稿人:北京信息科技大学现代测控技术教育部重点实验室 徐小力 刘秀丽

不治己病治未病读懂远程故障预报智能监测系统

特约撰稿人:北京信息科技大学现代测控技术教育部重点实验室 徐小力 刘秀丽

风电机组等大型装备的安全性对国计民生、社会稳定以及资源和环境有重要影响.在工业4.0、互联网+等相关技术发展的驱动下,面向以风电机组为代表的现代、高端、关键的新能源机电装备,针对风电机组群非平稳、非线性、变工况、长历程运行状态及其早期故障预报的特点,基于现代信息化技术研究提出的早期故障微弱趋势信息获取方法,并建立网络化远程故障预报智能监测系统,为实现设备运行状态监控、健康诊断、故障预警以及科学维护管理提供技术支持.

风电机组远程故障预报智能监测系统要求长期在无人值守状态下连续工作,前端数据采集系统方便安装在风机塔筒顶部的工作仓中,实时将采集的各项数据传输至远程数据中心,操作人员可通过浏览器监测并分析其工作状态.远程故障预报智能监测系统的总体拓扑结构设计如图1所示.

图1 风电机组远程故障预报智能监测系统的拓扑结构

前端数据采集器将采集的振动、转速、温度、金属磨粒等信息通过以太网及TCP/IP协议发送至远程数据服务器存储,由Web服务器从数据服务器查询获得监测数据,并为多个客户端提供基于网页的数据分析及早期故障征兆的诊断服务.整个远程故障预报智能监测系统基于TCP协议的层次结构划分为信息表示层、中间业务层、数据存储层和信号采集层,层次结构如图2所示.

图2 远程故障预报智能监测系统层次结构

信号采集层为安装于风机工作仓中的前端数据采集终端,实现振动、转速、温度、电压、电流、润滑油液中金属磨粒信号的采集,并通过以太网及TCP/IP协议将数据实时传输至数据存储层.数据存储层包含一至多台数据服务器,实时接收采集数据包,将数据包按内部协议解码后存储到本机或局域网内的数据库中.中间业务层为网页服务器,提供设备管理、传感信息的实时数据查询、历史数据查询、振动趋势分析、傅里叶图谱分析、轴心轨迹分析、故障案例比对分析等功能.在信息表示层,用户通过网络浏览器获取所需的信息.远程故障预报智能监测系统的设计主要包括前端嵌入式采集系统设计、数据服务器软件设计及网页服务器软件设计.系统的应用如图3所示.

图3 远程故障预报智能监测系统工作界面

核心技术有哪些

风电机组的远程运行监测涉及众多理论及方法,归纳起来有以下几个方面:

一是获取和分析实测大数据样本

利用现场传感器系统采集反映设备运行发展状态的实测大数据,利用实验平台系统中的实验室远程在线故障诊断中心进一步分析实测大数据样本.

二是动特性劣化发展趋势弱信息信号处理及预处理

采用基于数学形态学的形态滤波和形态小波信号分析方法,将多尺度广义形态变换算法用于劣化趋势弱信号的降噪处理和趋势特征成分提取,通过在不同尺度上的形态变换,达到既去除不同噪声成分,同时又保留和突出所有尺度上的故障趋势特征的目的.

三是揭示稳定性劣化的机械动态特性发展演变趋势特征与早期故障的发展机理及模式

以机械动态特性检测分析为重要手段,研究典型新能源装备机电系统转子动力系统(风机主轴、轴承等运动部件)动特性劣化的发生、发展的原因及机理;揭示从劣化趋势征兆、早期性能衰变、损伤积累到完全失效的机械动特性发展演变的趋势特征和规律.

四是长历程变负载状态动特性劣化趋势特征的提取

为实现故障特征发展变化与非故障变化(正常工况变化引起的能量信号变化等)的解耦,采用故障趋势特征与变工况状态非劣化趋势特征的解耦和分离的算法,利用具有动态非线性拓扑结构的能量解耦趋势特征提取系统,设计该系统的新型时变非线性动特性趋势特征提取分类器,在较大程度上,消除工况变化引起的非劣化能量变化冗余信息.

五是实测大数据趋势预测模型及系统的构建

研究构建面向智能维护管理的实测大数据趋势预测模型及系统.

风电机组远程故障预报智能监测系统有利于提高故障预报信息处理的准确性、针对性及适用性,保障风电机组健康服役及预防事故发生,实现机组的科学维护及动态管理.