PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Three-dimensional representation of diagnostic features in application to wind turbines

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Trójwymiarowa reprezentacja parametrów diagnostycznych w zastosowaniu do turbin wiatrowych
Języki publikacji
EN
Abstrakty
EN
Wind turbine condition monitoring is essential task in the process of maintaining machine operation at the optimal level. It is related to ensuring the profitability of investment and the provision of security in the environment of the turbine. However, the working conditions of turbine associated with non-stationary nature of the stimulus which is wind, impede the correct diagnosis of the machine. In addition, a multitude of parameters adversely affects the clarity of predictions and setting alarm thresholds. In the article, the authors evaluate the impact of power generator and bearing rotational speed on the root-mean-square (RMS) value received on the generator bearing. The study was performed in various dynamic states of the bearing: the intact and after discovery of damage. It was possible due to long term monitoring of the system and further analysis of the RMS as a function of power and rotational speed. For this purpose the method that bases on calculation of arithmetic mean of the data in the segments corresponding to the chosen ranges of both rotational speed and generator output power. Results are presented in the form of three-dimensional charts, which allow assessing the impact of parameters on the estimator. As observed, a greater impact on the RMS has the power which reveals as more dynamic changes of RMS to the fluctuation of power. The variation of rotational speed does not affect RMS so rapidly. This was confirmed by an analysis of the slope the function obtained by linear regression. Therefore, it might lead to the conclusion that operational state of wind turbines should be assessed due to generated power level not in respect to rotational speed.
PL
Monitorowanie stanu pracy turbiny wiatrowej jest niezbędnym zadaniem w procesie utrzymania pracy maszyny na optymalnym poziomie. Jest to związane zarówno z utrzymaniem rentowności inwestycji jak i zapewniania bezpieczeństwa w otoczeniu pracy turbiny. Jednakże warunki pracy turbiny związane z niestacjonarnym charakterem czynnika pobudzającego, jakim jest wiatr, utrudniają poprawną diagnozę stanu maszyny. Dodatkowo mnogość parametrów wpływa niekorzystnie na klarowność prognozy i ustawienie progów alarmowych. W artykule autorzy oceniają wpływ mocy generatora i prędkości obrotowej łożyska generatora na zmianę wartości skutecznej (RMS) wibracji otrzymanej na łożysku generatora. Obserwacja została poczyniona w dwóch stanach dynamicznych łożyska: w stanie nieuszkodzonym oraz po stwierdzeniu uszkodzenia. Umożliwiła to długoczasowa obserwacja turbiny pod kątem ww. parametrów, a następnie analiza zależności RMS w funkcji mocy i prędkości obrotowej. W tym celu zaproponowano metodę polegającą na obliczaniu średniej arytmetycznej wartości RMS w segmentach odpowiadającym wybranym zakresom prędkości obrotowej i mocy generatora. Wyniki przedstawiono w postaci trójwymiarowych wykresów, które pozwalają na ocenę wpływu parametrów na estymator. Jak zaobserwowano, większy wpływ na RMS ma parametr mocy generatora, co objawia się bardziej dynamiczną zmianą RMS w odniesieniu do zmiany mocy. Wahania prędkości obrotowej nie wpływają na estymator tak gwałtownie. Zostało to potwierdzone analizą współczynników kierunkowych funkcji otrzymanej przy pomocy regresji liniowej. Może to prowadzić do wniosku, że stan działania turbin wiatrowych powinien być oceniany ze względu na generowany poziom mocy a nie z powodu prędkości obrotowej.
Czasopismo
Rocznik
Tom
Strony
9--16
Opis fizyczny
Bibliogr. 14 poz., rys.
Twórcy
autor
autor
  • AGH University of Science and Technology, Department of Robotics and Mechatronics, al. Mickiewicza 30, 30-059 Kraków, Poland, mstr@agh.edu.pl
Bibliografia
  • [1] J. Urbanek, T. Barszcz, T. Uhl, Comparison of Advanced Fault Detection Methods for Rolling Bearings Fault in Wind Turbines, Metrology and Measurement Systems, Vol. XIX (2012), No. 4.
  • [2] Barszcz T, Randall RB (2009). Application of spectral kurtosis for detection of a tooth crack in the planetary gear of a wind turbine, Mechanical Systems and Signal Processing 23 : 1352-1365.
  • [3] Kusiak A, Li W (2011). The prediction and diagnosis of wind turbine faults, Renewable Energy 36/1 : 16-23.
  • [4] Zimroz R, Bartkowiak A (2011). Investigation on spectral structure of gearbox vibration signals by principal component analysis for condition monitoring purposes. Journal of Physics: Conference Series 305/1 Article number 012075.
  • [5] Żółtowski B., Cempel Cz. (red.), Inżynieria diagnostyki maszyn, Instytut Technologii Eksploatacji PIB, Warszawa 2004.
  • [6] Barszcz T., Bielecki A., Wójcik M., ART-type artificial neural networks applications for classification of operational states in wind turbines, Lecture Notes in Computer Science 6114 LNAI PART 2 (2010) 11-18.
  • [7] Bartelmus W, Zimroz R (2009) A new feature for monitoring the condition of gearboxes in non-stationary operation conditions. Mech. Syst. and Signal Proc. 23/5 : 1528-1534.
  • [8] Bartelmus W, Chaari F, Zimroz R, Haddar M (2010). Modelling of gearbox dynamics under time varying non-stationary operation for distributed fault detection and diagnosis European Journal of Mechanics - A/Solids 29/4 : 637-646.
  • [9] Antoni J (2009) Cyclostationarity by examples Mechanical Systems and Signal Processing 23/4 : 987-1036.
  • [10] Makowski R et all (2011) Adaptive Bearings Vibration Modelling for Diagnosis, Lecture Notes in Computer Science (in Lecture Notes in Artificial Intellig.) LNAI 6943 : 248-259.
  • [11] Urbanek J., Antoni J., Barszcz T., Detection of signal component modulations using modulation intensity distribution, Mechanical Systems and Signal Processing (2012) 28, 399-413.
  • [12] Worden K, Staszewski WJ, Hensman JJ (2010). Natural computing for mechanical systems research: A tutorial overview, Mechanical Systems and Signal Processing 25/1 : 4-111.
  • [13] Bartkowiak A, Zimroz R (2012) Data dimension reduction and visualization of multidimensional data with application to gearbox diagnostics data: comparison of several methods Solid State Phenomena Vol. 180 : 177-184. doi:10.4028/www.scientific.net/SSP.180.177.
  • [14] Gellermann T., ‘Requirements for Condition Monitoring Systems for Wind Turbines’, AZT Expertentage, 10-11.11.2003, Allianz 2003.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BAR0-0068-0073
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.