风力发电机塔简振动监测系统研究

一、振动监测需求

　　风能作为新能源开发的一个重要领域，受到越来越多的重视，其核心技术风力发电机的研制以及风力发电机振动故障监测与诊断也广受关注。风力发电机塔筒不仅要承载风力发电机自身机体的静态载荷，还由于风场各种风况(正常、极端风况)的存在，风力强弱、方向变化多样、有限位置的风力状况难以预测等因素的影响。目前对于风力发电机齿轮箱的振动监测和故障诊断研究比较详细、深入，对于塔筒振动研究还有不足。齿轮箱振动信号所包含特征信号高频居多，而塔筒则存在显著的低频特征，这就导致了目前用于监测齿轮箱的方法和设备并不适合塔筒振动的监测。本文设计的风力发电机塔筒振动监测系统能够实时采集分析实际运行过程中的塔筒振动水平和频率成分，帮助进行故障判断。

二、风力发电机塔筒的模态分析

　　塔筒的模态分析对塔筒的安全运行十分重要，为了防止运行时塔筒与叶轮或其他部件发生的振动产生共振，计算出塔筒的固有频率和振型，是塔筒结构参数优化的参考依据，也可以为振动信号采集设备的选择提供依据。

阻尼受迫振动方程为：

式中：M为塔筒的质量；D为塔筒的阻尼；K为塔筒的刚度；F为塔筒的载荷，主要是转子的推力；△F为变桨距机组的变桨动作产生的附加推力。对于均质锥形塔筒，可以将齿轮箱。叶轮等作用简化为顶部的集中质量如图1。

那么塔筒弯曲振动的第一阶固有振动频率可以用式(2)来表示：

式中：E为塔筒构造材料的弹性模量；I为塔筒的截面惯量；M1为塔筒质量；M2为齿轮箱、叶轮、发电机的模拟集中质量；H为塔筒的高度。

风力发电机塔筒振动主要监测对象就是其一阶振动，其反映了塔筒的主要振动情况。

三、系统组成

系统包含无线加速度传感器、数据采集器和远程服务器

1、无线加速度传感器

wuxiiot传感的无线加速度传感器采用最先进的无线物联网技术——LORA技术，同时具有低功耗和长距离通信的特性，通信距离可达5km，传感器引进欧洲专利技术的三轴加速度传感单元，具有结构固定、功耗低、稳定性好等特点，无线加速度传感器使用简单，可用于振动测试、撞击测试等领域。

产品特点

●  超低功耗，使用寿命＞10年@每小时采集并发送一组数据

●  长距离通信，相邻通信节点距离可达5km以上

●  无线自组网功能，传感器能够与LORA数据接收器自动完成组网，网络连通率高 

●  外形小巧，重量轻，方便安装

●  无活动部件，可靠性高

产品参数

2、LoRa数据接收器

wuxiiot传感的MMS-F-1000型LoRa数据接收器能为各种LoRa无线传感器提供网络路由，接收网络范围内所有传感器发送的数据，同时把接收到数据进行打包并通过USB接口传输给后台的解调软件，MMS-F-1000型LoRa数据接收器采用USB供电，使用方便，配合笔记本电脑和解调软件，非常适用于工程现场的临时数据采集和分析。

产品特点

●  长距离通信，网络覆盖半径可达5km以上

●  自动组网，无需现场配置 

●  外形小巧，重量轻，使用方便

产品参数

四、基于小波包的低频信号提取算法

　　风机塔筒的振动特征频率范围：一阶振动为0.3～0.8 Hz，二阶振动为0.3—1.0Hz，三阶振动为2.0—5.0 Hz。所以塔筒的特征频率属于低频的范畴。小波分析能够对信号进行不同尺度上的分解，具有对信号进行局部特性分析的优势，在低频段具有较高的频率分辨率，但存在低频段时间分辨率低，高频段频率分辨率差的缺点心。小波包算法提高了时频分辨率，信号在不同频段上分布的详细信息以及信号发生突变的时间点都能反映出来。

　　用小波包基分解离散信号时，结果包含低频和高频两部分。每一次分解会将上一层的某个频带分解为下一层的两个频带，并且成2倍频的关系。由离散信号的小波包分解算法可得到

式中：dh(i，2n)和dh(i，2n+1)为第i层的第2n与第2n+1两个子频带；dt(i十1，n)为上一层i+

l的信号；ar,br为小波分解共轭滤波器系数。

式中：pt，qt为小波重构共轭滤波器系数。

用小波系数的平方来计算小波包分解第i级分解水平上第t个子频带的能量，即

原信号按小波包分解树分解成N个子频带，则信号总能量为

频带内信号的能量在故障状态下会产生巨大波动，可以将各频段的能量构造成特征向量。

对其归一化，方便进行数据处理，则

通过大量实验估算出每个频带的能量值占εi，如果e>εi，就初步判定此频带存在故障信号，并

综合其他方法判断具体的故障问题和严重程度。

图5为一假设的振动特征信号滤噪前后的时域图。显然经过小波包分解重构信号的低频特征更加明显。数据采用美国凯斯西储大学轴承数据中心的振动数据。

五、总结

　　风力发电机塔筒振动监测是风电机安全监测的必不可少的部分。本文所述的风力发电机塔筒振动监测系统，在风电场复杂环境下能够有效、实时、准确地监测振动情况，并能够通过小波包算法提取出淹没在复杂信号下的低频振动信号。在未来的设计中采集终端的故障诊断功能将被加入，使整个系统功能更加完善，多种信号处理算法将被考虑诸如Hilbert—Huang，FFT，对振动信号进行更加详细的分析。