Generator Stator Current Signal Analytical Models and Signature Analysis for Fault Diagnosis of Wind Turbine Planet Bearings
Notice bibliographique
Résumé
The planetary gear drivetrain-generator is essential to wind turbines, wherein planet bearings are susceptible to damage. However, it is difficult to detect planet bearing fault through traditional vibration analysis. Generator stator currents contain the drivetrain health condition information, and have low complexity. They can be collected anywhere from power wires connected to the generator stator. This enables the routine inspection on the ground to avoid the inconvenience and danger in climbing wind towers. Nevertheless, generator currents feature multiple modulations in planet bearing fault case, and pose a tremendous challenge to fault feature extraction. Therefore, thorough understanding of current characteristics is essential to fault diagnosis. In this article, the generator stator current signal analytical models under planet bearing faults are derived through magneto-electro-mechanical interaction analysis, and the amplitude modulation (AM) and frequency modulation (FM) nature is revealed consequently. Furthermore, the explicit equations of Fourier spectrum, amplitude, and frequency demodulated spectra are derived to discover analytically fault characteristics. The sidebands in Fourier spectrum, and spikes in amplitude and frequency demodulated spectra provide complementary information for more reliable fault detection. These contributions bridge the gap between the generator stator current analysis and planet bearing fault diagnosis, and provide an effective solution to wind turbine drivetrain fault diagnosis. The proposed method is validated experimentally. The outer race, inner race, and rolling element faults are detected successfully.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».