38
doi:10.3969/j. issn. 1009 3230.2018.01.010
应用能源技术
2018年第1期（总第241期）
基于IPSO神经网络的风电机组主轴状态监测
罗勇
（大唐新能源安徽公司，安徽滁州239000）
摘要：风电机组主轴是叶轮和齿轮箱的连接部分，在机组传动链中具有传递转矩和能量的作用，因此对主轴进行状态监测关系到风电机组的稳定性。将改进粒予群算法(IPSO)与BP 神经网络相结合构造主轴温度模型并进行预测。当主轴发生故障时，模型输入的观测向量发生异常变化，导致模型预测残差发生改变。为提高主轴异常预警的灵敏度和可靠性，文中采用基于菜依特准则的双滑动窗口对预测残差序列进行实时的统计分析，如果残差均值或标准差超出设定的故障报警阔值时，发出报警信息。
关键调：主轴；状态监测;IPSO-BP网络；依特准则；双滑动窗口
中图分类号：TM614
文献标志码：B文章编号：1009-3230(2018)01-0038-03
WindTurbineSpindleConditionMonitoringBasedonOperationalData
LUOYong
(Datang New Energy Anhui Company,Chuzhou239000,Anhui Province,China)
Abstract: Wind turbine spindle is the connecting part of impeller and gearbox. Ithas the function of transmitting torque and energy in the transmission chain of the unit. It need to bear the bending moment and thrust of the wind wheel, so the failure rate of spindle is high. The spindle temperature model is established and used to predict by Improved Particle Swarm Optimization(IPSO) and the back propagation( BP)neural network under the normal operating condition of the spindle.When the spindle fails, the observation vector of the model input changes obviously. If the residual mean or standard deviation exceeds the set fault alarm threshold, an alarm message will be issued.
Key words: Spindle; Condition monitoring; IPSO -BP neural network; Lewitt criteria; Double movingwindow
0引言
目前对风电机组的主要子部件包括齿轮箱、主轴、发电机等进行实时的状态估计和监测的方法及策略有很多种。文献[1-3]系统的分析和阐述了了近年来对风电机组不同部分的状态监测方法。文献[4]提出了利用声发射和超声波技术对主轴进行状态监测。超声波具有方向性好，穿透力强等优点。但是声发射技术对材料十分敏感并且容易受到机电信号的干扰。文献[5]提出了
收稿日期：2017-11-10
修订日期：2017-11-30
作者简介：罗勇（1976－），男，工学学士，从事风电场安
全及生产管理。
万方数据
基于EMD的滚动轴承故障诊断方法。当主轴处于异常工作状态时，会导致主轴温度发生显著变化，文中以主轴温度为切人点采用风电机组运行数据建立主轴监测模型，可以及早的发现主轴的潜在故障。
主轴温度IPSO-BP建模
风电机组主轴由外圈、内圈和滚动体等几部分组成。主轴常见的故障都会导致主轴温度的异常升高。文中基于风电机组实际运行数据，依据 IPSO-BP理论，建立主轴温度模型，实现主轴状态监测。IPSO-BP网络采用通常的三层前向结构，即输入层、隐层和输出层。网络各层的权值和