风机齿轮箱轴承状态评估与剩余寿命预测

doi:10.11930/j.issn.1004-9649.2017.04.141.05

中国电力 ›› 2017, Vol. 50 ›› Issue (4): 141-145.DOI: 10.11930/j.issn.1004-9649.2017.04.141.05

风机齿轮箱轴承状态评估与剩余寿命预测

赵洪山¹, 张健平², 高夺¹, 李浪¹

1.华北电力大学电气与电子工程学院,河北保定 071003；
2.国网沧州供电公司,河北沧州 061000

收稿日期:2017-01-07 出版日期:2017-04-20 发布日期:2017-04-13
作者简介:赵洪山（1965-）,男,河北沧州人,博士,教授,从事电力系统运行与控制,电力设备的故障诊断与优化检修研究。E-mail: zhaohshcn@126.com
基金资助:
国家自然科学基金资助项目（51277074）

Condition Assessment and Residual Life Prediction for Gearbox Bearing of Wind Turbine

ZHAO Hongshan¹, ZHANG Jianping², GAO Duo¹, LI Lang¹

1. Electrical and Electronic Engineering Institute, North China Electric Power University, Baoding 071003, China;
2. State Grid Cang zhou Electric Power Supply Company, Cangzhou 061000, China

Received:2017-01-07 Online:2017-04-20 Published:2017-04-13
Supported by:
This work is supported by the National Natural Science Foundation of China (No. 51277074).

摘要/Abstract

摘要： 为了提高风机运行的可靠性和经济性,提出一种基于马尔科夫链的风机齿轮箱轴承状态评估和剩余寿命预测方法。首先,建立风机齿轮箱轴承磨损状态的Gamma分布模型,并利用最大似然法对模型参数进行估计;其次,划分风机齿轮箱轴承磨损状态等级,并确定各状态等级区间限值;再次,计算齿轮箱轴承磨损状态转移概率,并构造马尔科夫过程的状态转移矩阵;最后,应用该方法对风机齿轮箱轴承进行算例仿真。算例仿真结果验证了该方法在确定风机齿轮箱轴承磨损状态和剩余寿命方面的有效性。

关键词: 风机, 齿轮箱轴承, 状态评估, 马尔科夫链, 剩余寿命预测

Abstract: In order to improve reliability and economy of wind turbine, a method based on Markov chain is proposed. It is used for assessing operating condition and predicting residual life of gearbox bearing of wind turbine. Firstly, the degradation process of bearing wear status is described by Gamma distribution whose parameters can be estimated by using maximum likelihood estimation method. Secondly, the wear status of gearbox bearing are divided into four levels, and the corresponding upper and lower bounds of each level are also determined. Then, state transition probabilities are calculated to construct the state transition matrix. Finally, the proposed method is applied in simulation of wind turbine gearbox bearing. The simulation result verifies the effectiveness of presented method in determining the wear state and residual life of gearbox bearing of wind turbine.

Key words: wind turbine, gearbox bearing, condition assessment, Markov chain, residual life prediction

中图分类号:

TM315

赵洪山, 张健平, 高夺, 李浪. 风机齿轮箱轴承状态评估与剩余寿命预测[J]. 中国电力, 2017, 50(4): 141-145.

ZHAO Hongshan, ZHANG Jianping, GAO Duo, LI Lang. Condition Assessment and Residual Life Prediction for Gearbox Bearing of Wind Turbine[J]. Electric Power, 2017, 50(4): 141-145.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2017.04.141.05

https://www.electricpower.com.cn/CN/Y2017/V50/I4/141

参考文献

[1] 王斌. 面向风电机组齿轮箱的故障诊断系统研究[D]. 北京：华北电力大学,2012.
[2] 陈雪峰,李继猛,程航,等. 风力发电机状态监测和故障诊断技术的研究与进展[J]. 机械工程学报,2011,47（9）：45-52.
CHEN Xuefeng, LI Jimeng, CHENG Hang, et al . Research and application of condition monitoring and fault diagnosis technology in wind turbines[J]. Chinese Journal of Mechanical Engineering,2011, 47(9): 45-52.
[3] 赵洪山,张兴科,郭伟. 考虑不完全维修的风机齿轮箱优化检修策略[J]. 电力系统保护与控制,2014,42（10）：15-22.
ZHAO Hongshan, ZHANG Xingke, GUO Wei. Optimized maintenance strategy with imperfect repair for the gearbox of wind turbine[J]. Power System Protection and Control, 2014, 42(10): 15-22.
[4] 姚森敬,文正其,张林,等. 一种变压器状态评估中的状态量优选方法[J]. 中国电力,2014,47（8）：8-12.
YAO Senjing, WEN Zhengqi, ZHANG Lin, et al . A selection method of optimal criteria for transformer condition assessment [J]. Electric Power, 2014, 47(8): 8-12.
[5] 张路朋,赵洪山. 基于时间延迟的风机齿轮箱状态优化维修[J]. 中国电力,2014,47（11）：108-111.
ZHANG Lupeng, ZHAO Hongshan. Optimized condition based maintenance for gearbox of wind turbine based on time-delay[J].Electric Power, 2014, 47(11): 108-111.
[6] 孙磊,贾云献,蔡丽影,等. 粒子滤波参数估计方法在齿轮箱剩余寿命预测中的应用研究[J]. 振动与冲击,2013,32（6）：6-12.
SUN Lei, JIA Yunxian, CAI Liying, et al . Residual useful life prediction of gearbox based on particle filtering parameter estimation method[J]. Journal of Vibration and Shock, 2013, 32(6): 6-12.
[7] 沈长青,朱忠奎,黄伟国,等. 基于支持向量回归方法的齿轮箱故障诊断研究[J]. 振动、测试与诊断,2013,33（5）：775-781.
SHEN Changqing, ZHU Zhongkui, HUANG Weiguo, et al .Gearbox fault diagnosis method based on support vector regression[J]. Journal of Vibration, Measurement & Diagnosis, 2013, 33(5): 775-781.
[8] 申中杰,陈雪峰,何正嘉,等. 基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J]. 机械工程学报,2013,49（2）：183-189.
SHEN Zhongjie, CHEN Xuefeng, HE Zhengjia, et al . Remaining life predictions of rolling bearing based on relative features and multivariable support vector machine[J]. Chinese Journal of Mechanical Engineering, 2013, 49(2): 183-189.
[9] 张小田,鄢盛腾,周雪青,等. 基于状态监测的风电机组主轴承早期故障预测方法[J]. 广东电力,2012,25（11）：6-10.
ZHANG Xiaotian, YAN Shengteng, ZHOU Xueqing, et al . Early stage failure forecast method for main bearing of wind turbine based on state monitoring[J]. Guangdong Electric Power, 2012, 25(11): 6-10.
[10] 原媛,卓东风. 隐半马尔可夫模型在剩余寿命预测中的应用[J]. 计算机技术与发展,2014,24（1）：184-187,191.
YUAN Yuan, ZHUO Dongfeng. Application of hidden semi- markov model in prediction of residual life[J]. Computer Technology and Development, 2014, 24(1): 184-187, 191.
[11] 何厚伯,赵建民,许长安,等. 基于马尔科夫过程的健康状态评估模型[J]. 计算机数字与工程,2011,39（7）：63-67.
HE Houbo, ZHAO Jianmin, XU Chang’an, et al . An estimate model for health state based on Markov process[J]. Computer & Digital Engineering, 2011, 39(7): 63-67.
[12] FRANK T D. Numeric and exact solutions of the nonlinear chapman-kolmogorov equation: a case study for a nonlinear semi- group Markov model[J]. International Journal of Modern Physics,2009, 23(19): 3829-3843.
[13] GAETAN N, FABRICE L, MARTHE K. A Markov-Middleton model for bursty impulsive noise: modeling and receiver design[J]. IEEE Transactions on Power Delivery, 2013, 28(4): 2317-2325.
[14] 何兆民,王少萍. 基于时变状态转移隐半马尔科夫模型的寿命预测[J]. 湖南大学学报（自然科学版）,2014,41（8）：47-53.
HE Zhaomin, WANG Shaoping. Remaining lifetime prediction based on time-varying state transition probabilities of hidden semi-markov model[J]. Journal of Hunan University(Natural Sciences), 2014, 41(8): 47-53.
[15] 盛骤,谢式千,潘承毅. 概率论与数理统计[M]. 北京：高等教育出版社,2008：319-326.
[16] 胡剑波,葛小凯,张亮,等. 多失效系统退化变迁建模与状态维修决策优化[J]. 计算机集成制造系统,2014,20（1）：165-172.
HU Jianbo, GE Xiaokai, ZHANG Liang, et al . Degradation shift modeling and condition maintenance decision optimization of multi-failure system[J]. Computer Integrated Manufacturing Systems, 2014, 20(1): 165-172.

风机齿轮箱轴承状态评估与剩余寿命预测

Condition Assessment and Residual Life Prediction for Gearbox Bearing of Wind Turbine

RichHTML

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	任明, 李乾宇, 夏昌杰, 董明. 基于稀疏光谱成像的线路复合绝缘子积污状态可视化评估[J]. 中国电力, 2025, 58(2): 203-215.
[2]	夏向阳, 谭欣欣, 单周平, 李辉, 徐志强, 吴晋波, 岳家辉, 陈贵全. 储能电站锂离子电池本体安全关键技术及新技术应用情况[J]. 中国电力, 2024, 57(11): 1-17.
[3]	赵越, 严干贵, 王振洋, 任爽, 王大中, 郭剑宇. 风火打捆经LCC-HVDC送出系统的次同步扭振分析[J]. 中国电力, 2023, 56(6): 18-30.
[4]	薛飞, 李宏强, 李旭涛, 徐恒山. 基于LSTM神经网络的双馈风机控制参数辨识方法[J]. 中国电力, 2023, 56(6): 31-39.
[5]	杨晓峰, 方逸航, 赵鹏臻, 王承民, 谢宁. 基于K-means和BPNN的风机状态识别[J]. 中国电力, 2023, 56(6): 158-166,175.
[6]	张朋, 张健, 杨航, 曲利民, 刘贺千, 于沐禾. 基于改进NSGA多目标值优化的油纸绝缘状态评估方法[J]. 中国电力, 2023, 56(10): 124-132.
[7]	吴林林, 程浩, 刘京波, 杜东冶, 龚超, 郭春义. 静止无功发生器对双馈风电场高频振荡的影响[J]. 中国电力, 2022, 55(9): 163-173,182.
[8]	李茜, 苟璐旸, 李樊, 张安安, 郑雅迪, 周熙朋. 面向提供系统灵活性的风电场内机组优化运行[J]. 中国电力, 2022, 55(8): 23-30.
[9]	黎冲, 王成辉, 王高, 鲁宗虎, 马成智. 基于数据驱动的锂离子电池健康状态估计技术[J]. 中国电力, 2022, 55(8): 73-86,95.
[10]	周诗嘉, 杨光源, 彭光强, 武霁阳, 辛清明. 基于多相风力发电系统的容错控制策略研究[J]. 中国电力, 2022, 55(7): 134-141.
[11]	王宇航, 王文玲, 周绪红, 王康, 罗崯滔. 海上风电机组格构式浮式基础结构优化及响应分析[J]. 中国电力, 2022, 55(5): 21-31.
[12]	孙素娟, 霍乾涛, 孙立鑫, 过亮, 王瑞, 孔祥梅. 考虑整机转矩控制的双馈风机轴系扭振机理分析及抑制策略[J]. 中国电力, 2022, 55(5): 39-46.
[13]	姚鹏超, 颜秉晶, 郝唯杰, 杨强. 电力信息物理系统入侵容忍能力评估方法[J]. 中国电力, 2022, 55(4): 13-22.
[14]	蔡维正, 郭昆丽, 刘璐雨, 吴朝俊. 基于一阶LADRC控制的直驱风机次同步振荡抑制策略[J]. 中国电力, 2022, 55(4): 175-184.
[15]	苗硕, 李奇南, 查鲲鹏, 李兰芳, 曹建春, 张帆. 基于加窗FFT的风电场自适应振荡抑制策略[J]. 中国电力, 2022, 55(10): 112-123.

模态框（Modal）标题

风机齿轮箱轴承状态评估与剩余寿命预测

Condition Assessment and Residual Life Prediction for Gearbox Bearing of Wind Turbine

RichHTML

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics