Monitoraggio e diagnostica delle turbine eoliche

  Richiedi informazioni / contattami

Metodi efficienti per l’analisi vibrazionale del Power Train (parte II)

Spettro 0-4000 Hz misurato da accelerometro in prossimità dell’albero HSS – condizione meccanica normale
Spettro 0-4000 Hz misurato da accelerometro in prossimità dell’albero HSS – condizione meccanica normale
Spettro 0-4000 Hz misurato da accelerometro in prossimità dell’albero HSS – danneggiamento cuscinetto dell’HSS (frequenza di danneggiamento dell’anello interno e armoniche, modulate alla frequenza di rotazione)
Spettro 0-4000 Hz misurato da accelerometro in prossimità dell’albero HSS – danneggiamento cuscinetto dell’HSS (frequenza di danneggiamento dell’anello interno e armoniche, modulate alla frequenza di rotazione)
Danneggiamento anello interno cuscinetto dell’HSS
Danneggiamento anello interno cuscinetto dell’HSS
Forma d’onda misurata da accelerometro montato in prossimità dello stadio epicicloidale: sono evidenti i colpi che si ripetono ad intervalli di tempo costanti, legati a un danneggiamento di un dente del solare
Forma d’onda misurata da accelerometro montato in prossimità dello stadio epicicloidale: sono evidenti i colpi che si ripetono ad intervalli di tempo costanti, legati a un danneggiamento di un dente del solare
Cascata di spettri di demodulazione misurati da accelerometro in prossimità dell’albero HSS in un periodo di 4 anni
Cascata di spettri di demodulazione misurati da accelerometro in prossimità dell’albero HSS in un periodo di 4 anni

TECNICHE CLASSICHE PER IL MONITORAGGIO E LA DIAGNOSTICA

Tra le tecniche classiche di analisi delle vibrazioni meccaniche, presenti nella maggior parte dei software dei diversi brand di CMS, possiamo segnalare:

Analisi nel dominio della frequenza (spettri)


L’analisi spettrale è il metodo più tipico per la caratterizzazione della firma vibratoria di una macchina rotante. Gli spettri rappresentano la vibrazione nel dominio della frequenza e vengono calcolati mediante la Fast Fourier Transform (FFT).

Nell’esempio qui di seguito presentiamo lo spettro misurato da un accelerometro posto in prossimità dell’HSS di un moltiplicatore di turbina da 2 MW. Può essere identificata (Figura 1a) la frequenza di ingranamento albero veloce-intermedio (GMF HSS-IMS: cursore rosso), e relative armoniche 2X e 3X; e la frequenza di ingranamento albero intermedio-lento (GMF IMS-LSS: cursore verde), e relative armoniche. Questo pattern spettrale è considerato normale; è evidente la differenza tra questo pattern e un pattern di danneggiamento del cuscinetto dell’albero HSS, presentato in Figura 1b. In particolare, possono essere riconosciute chiaramente (nel rettangolo rosso) le armoniche della frequenza di danneggiamento dell’anello interno, modulate alla frequenza di rotazione dell’albero. Il cuscinetto in questione, una volta sostituito, presentava una evidente frattura dell’anello interno, confermando la diagnostica realizzata (Figura 1c).

Analisi nel dominio del tempo (forme d’onda)

L’analisi delle forme d’onda è fondamentale per identificare danneggiamenti meccanici che causano fenomeni di tipo impulsivo. Tali danneggiamenti sono normalmente le fratture di denti delle ruote dentate e i danneggiamenti nei cuscinetti a rotolamento.

In Figura 2 è possibile osservare la forma d’onda misurata dal sensore posto sullo stadio epicicloidale. È evidente la presenza di colpi che si ripetono a intervalli di tempo costanti; la frequenza di ripetizione di questi colpi identifica una rottura di dente del solare.

È molto importante sottolineare che i colpi visibili in una forma d’onda di alta frequenza (10 o 20 kHz) sono spesso legati ai danneggiamenti degli alberi IMS e HSS; per quanto riguarda invece lo stadio planetario, a causa delle basse velocità, gli impulsi dovuti a un eventuale danneggiamento sono nella maggior parte dei casi mascherati dalle frequenze di ingranamento (soprattutto quelle dello stadio parallelo) e quindi l’identificazione dei modi di guasto dello stadio parallelo richiede metodi più raffinati, che menzioneremo in seguito. Va sottolineato che la forma d’onda presentata in Figura 2 è appunto filtrata in un intervallo di frequenze opportunamente selezionato (più dettagli saranno forniti nel corso dell’articolo).

Analisi di Demodulazione d’ampiezza

L’analisi di demodulazione d’ampiezza è una tecnica in uso da molti anni, e permette l’identificazione di danneggiamenti dei cuscinetti a rotolamento negli stadi iniziali di guasto. Per i dettagli relativi all’ elaborazione si rimanda alla letteratura tecnica; in questa sede è utile ricordare che questo tipo di elaborazione si basa sul trattamento della vibrazione filtrata alle alte frequenze. Spesso accade che un danneggiamento di cuscinetto che produce le frequenze caratteristiche negli spettri di demodulazione non produce invece segni negli spettri di bassa e media frequenza; in tali casi, l’analista deduce appunto che il danneggiamento è in una fase ancora iniziale. In tali situazioni di solito si mantiene il cuscinetto in operazione, osservando l’evoluzione del guasto e pianificando la sostituzione dello stesso nel momento più opportuno. In Figura 3 è possibile osservare una cascata di spettri di demodulazione misurata dal sensore posto in prossimità dell’albero HSS, in un periodo di 4 anni. È evidente l’apparizione di una frequenza a circa 210 Hz e della sua seconda armonica: tali frequenze sono legate al danneggiamento di un cuscinetto dell’albero HSS, più precisamente al danneggiamento dell’anello esterno (frequenza di danneggiamento chiamata BPFO).

Studio dei trend di valore efficace, fattore di cresta, kurtosis, etc.

L’analisi dei trend (ovvero l’evoluzione nel tempo di un determinato parametro) costituisce lo strumento classico per fare il monitoraggio della condizione meccanica delle macchine. Il parametro più importante legato alla vibrazione meccanica è il suo valore efficace (RMS). È poi utile dividere lo spettro in bande di frequenza (ad esempio la banda 1X, ovvero una frequenza uguale alla velocità di rotazione, 2X (il doppio della frequenza di rotazione), bande legate ai danneggiamenti dei cuscinetti, etc) e calcolarne l’energia. Tali parametri sono indicatori in modo più specifico di certi modi di guasto. A questo vanno aggiunti parametri come il fattore di cresta e/o la kurtosis della forma d’onda campionata ad alta frequenza. La kurtosis è particolarmente utile per identificare la presenza e l’entità di eventuali colpi nella forma d’onda. In assenza di fenomeni impulsivi nel segnale temporale (segnale a distribuzione Gaussiana), il valore della Kurtosis è 3 mentre può raggiungere un valore maggiore di 50 in presenza di eventi impulsivi, come quelli visti in Figura 2.

È importante sottolineare che un programma efficiente di monitoraggio prevede la creazione di allarmi statistici e/o assoluti su tutta una serie di parametri vibratori, scelti sulla base dell’esperienza, per l’identificazione semi-automatica di eventuali variazioni dello stato meccanico delle turbine e dei modi di guasto che ne sono la causa. Nella seconda parte di questo articolo tratteremo in modo più approfondito questi speciali parametri, estratti dagli spettri e legati in modo specifico ai diversi modi di guasto che possono svilupparsi nel treno di potenza.

CONCLUSIONI

In queste prime due parti abbiamo sottolineato come il monitoraggio e la diagnostica di grandi flotte di turbine eoliche possano essere realizzati con successo solo a patto di applicare correttamente diversi metodi di elaborazione dei segnali di vibrazione, oltre ovviamente alle informazioni fornite dai dati Scada e dalle analisi periodiche dei lubrificanti. Ciò è dovuto alle particolari caratteristiche meccaniche e operative del treno di potenza delle turbine eoliche; dette caratteristiche rendono più complessa la diagnostica di tali macchine, e richiedono tecniche specifiche dell’elaborazione dei segnali vibrazionali. Alcune di queste tecniche saranno descritte in modo più approfondito nella terza e quarta parte del presente articolo. Inoltre, tali strategie sono volte ad ottimizzare l’efficienza del monitoraggio, giacché permettono di aumentare in modo significativo il numero di macchine che possono essere seguite dai centri di monitoraggio. Come vedremo prossimamente, l’Intelligenza Artificiale è un altro strumento che può rivelarsi molto utile per massimizzare detta efficienza. In conclusione, come dimostra l’esperienza della MDR di Enel Green Power, tutto ciò permette di migliorare le prestazioni del monitoraggio, aumentare il proprio know-how e rendere il lavoro di diagnostica ancora più appassionante.

Francesco Miniello
Esperto di manutenzione predittiva - Monitoring and Diagnostic Room (MDR), Enel Green Power

Pubblicato il Gennaio 10, 2020 - (178 views)
Articoli correlati
Controller di rotazione di fase
Manutenzione basata sulle condizioni di esercizio degli impianti
Sistema di allineamento laser Rotalign Touch
Rilevatore di dati sulle vibrazioni ad alta velocità Vibscanner II con MQTT
Omnitrend Asset View
Vibronet Signalmaster: il sistema di monitoraggio online delle condizioni pronto per IIoT
Vibguard IoT: sistema di monitoraggio online delle condizioni di livello elevato per risorse critiche
Iscriviti al webinar: Il servizio di manutenzione da costo ad opportunità di cost saving
Decreto Rilancio, aumenta il Super Bonus per chi investe in pubblicità!
Conclusa la ventesima edizione del Master in Manutenzione e Gestione degli Asset
Piattaforma software per verifiche elettriche
Centro di formazione per le tecnologie di movimentazione
Soluzione software per il Maintenance Management
Oledinamica Smart e manutenzione 4.0
Lubrificazione per cilindri e pacchi tenuta
Soluzioni per cuscinetti a rullini
Accelerometro digitale
Valvole e manifold su misura
Applicazioni a ultrasuoni per ricerca perdite
Sensoristica avanzata per l'IoT
Manometro digitale con sensori risonanti al silicio
Pinza magnetica per la manipolazione di pezzi irregolari
Termocamere con fotocamera digitale integrata
Soluzione Plug & Play per quadri elettrici
Quadri di alimentazione a uso medicale
Coswin 8i
I pressostati di Precision Fluid Controls utilizzati per i sistemi di respirazione delle terapie intensive
Sensore di pressione con funzione di pressostato
Morsetti sensori/attuatori
Sollevatore a pantografo
Sistema di allineamento laser Rotalign Touch
Rilevatore di dati sulle vibrazioni ad alta velocità Vibscanner II con MQTT
Vibguard IoT: sistema di monitoraggio online delle condizioni di livello elevato per risorse critiche
Come approfondire le competenze verso la Digital Transformation? Guarda il video del webinar di FESTO CTE
A-SAFE presenta RackEye™
E-Repair: una nuova frontiera della manutenzione predittiva
Sensore di vibrazione per macchine semplici
Dispositivo di sicurezza con tecnologia radar
Sensore di posizione per cilindri idraulici
Klüber Lubrication: le novità presentate al Cibustec 2019