风力发电机轴承故障包络谱扫频分析诊断

邓 巍，韩 斌，王建亮，赵 勇，刘腾飞

风力发电机轴承故障包络谱扫频分析诊断

邓 巍1，韩 斌1，王建亮2，赵 勇1，刘腾飞1

（1.西安热工研究院有限公司，陕西 西安 710054；2.华能吐鲁番风力发电有限公司，新疆 乌鲁木齐 838100）

为提升风力发电机轴承故障诊断的准确性和效率，本文提出了包络谱扫频分析法，该方法通过扫频，将包络谱中的振动信号变换到扫频谱，然后利用故障信号在包络谱中的形态特征过滤干扰频率，最终突显代表故障的周期性冲击信号，实现对风力发电机轴承故障的准确快速诊断。实际诊断结果表明，包络谱扫频分析法能够准确快速地诊断风力发电机轴承典型故障。该方法可作为传统故障诊断方法的有效补充，不仅适用于风力发电机轴承故障诊断，也适用于其他设备滚动轴承的故障诊断。

风力发电；故障诊断；滚动轴承；包络谱；扫频谱；振动信号

风力发电机的齿轮箱、发电机、变桨系统、偏航系统等关键部件均通过轴承传动和承力，其运行状态直接关系机组的稳定和安全。然而，风力发电机轴承的故障率一直居高不下，准确快速地诊断轴承故障成为保障风力发电机运行可靠性的迫切要求。风力发电机轴承基本为滚动轴承，其最典型的故障形式为局部故障和内外圈打滑故障。其中，局部故障主要表现为在轴承元件局部位置发生裂纹、划痕、电蚀等。与局部故障相对的是分布故障，主要体现为表面波纹度、游隙过大等[1-3]。局部故障的振动加速度信号一般为时域波形中有周期性的冲击衰减振动信号[4-5]。内外圈打滑故障表现为轴承所在转轴每转动1次轴承内圈或外圈打滑1次，其时域波形为周期性冲击衰减振动信号。

上述滚动轴承故障诊断采用振动信号直接进行频谱分析，诊断效果欠佳[6-8]。目前，最常用的诊断方法是包络解调法，该方法利用轴承或检测系统为谐振体，放大故障冲击产生的高频固有振动，通过包络检波将其转变为具有故障特征信息的低频波形，然后实施频谱分析，找出故障特征频率，确定故障类型和位置[9-11]。该方法对分析人员的专业水平和经验要求较高，需要对轴承故障特征有预判。在干扰频率和背景噪声的影响下，从成分复杂的谱图中识别故障的难度很大。而且，该方法在分析轴承晚期故障时存在一定的局限性，故障特征频率可能被其他频谱成分淹没[11]。文献[12]认为该问题是故障冲击峰和随机噪声间幅度差较小所致，而幅度差的变化具有很强的随机性。因此，剔除信号中的背景噪声，突出具有故障信息的周期性冲击衰减信号的幅度，是克服共振解调技术局限性，提高诊断准确性的关键。基于此，文献[13]提出了自适应共振解调技术，在共振解调处理后利用一些自适应手段剔除低频包络信号中的噪声。文献[14-15]提出时延相关解调方法，对信号进行时延和相关处理后，再进行频谱分析，达到显著的降噪效果。本文在包络谱上进行扫频分析，将信号变换到扫频谱中，以突出代表故障的周期性冲击衰减信号的幅度，实现对风力发电机轴承故障的准确快速诊断。

1 周期性冲击衰减振动信号

1.1 基本形态

轴承局部故障和内外圈打滑故障均表现为周期性冲击衰减振动信号，即轴承元件以一定的时间间隔周期性地在故障点处发生碰撞，碰撞产生脉冲信号，脉冲信号在阻尼影响下逐渐衰减。假设周期性冲击的大小、方向及时间间隔不变，则脉冲力序列如图1所示，可表示为[1]

式中，d0为周期性冲击的单峰值，Td为相邻冲击间的时间间隔。

由于轴承元件通过故障点产生的冲击脉冲力能量有限，在阻尼的影响下，每次撞击后必然做衰减振动[9]。若设该脉冲力为正向，则故障点一次撞击后的振动响应为[9,16]

单次冲击的衰减振动信号()如图2所示。

图2 单次冲击的衰减振动信号

一般情况下，系统的阻尼相对较大，导致脉冲力序列()中的每个冲击都会激起衰减振动信号()，而且衰减速度很快。每次衰减所需时间与脉冲力的周期间隔相比要小得多[9]。因此，理论条件下周期性冲击故障信号是以d为时间间隔，0为单峰值，每次脉冲按照()衰减的振动信号序列，记为()，其为脉冲力序列()与衰减振动信号()卷积的结果[1]，即

图3为周期性冲击故障发生时产生的振动信号序列s(t)。

1.2 包络谱形态

包络解调是对振动信号时域波形的包络线做傅里叶变换，形成包络谱，进行频域分析。对于衰减振动信号()，其包络信号为[1]

图4为衰减振动包络信号e(t)。

对衰减振动信号序列()进行包络检波，得到一系列指数衰减函数()。与()类似，包络信号()是脉冲力序列()与衰减振动包络信号()的卷积[1]，即

在频域中，包络信号频谱()为脉冲力序列频谱()与衰减振动包络信号频谱()的乘积，即

图5为周期性冲击衰减振动信号包络谱的形成过程。由图5及诊断经验可知，一般情况下包络谱中有2个规律对本文包络谱扫频分析法有关键作用。这2个规律具体为：1）体现故障信息（间隔频率d）的频率成分集中在包络谱低频区，前三阶尤其明显，识别前三阶频率成分便可基本判断故障；2）在包络谱中故障信号前三阶频率成分依次降低。

2 包络谱扫频分析法

风力发电机轴承的大部分典型故障表现为周期性冲击衰减振动信号，准确识别该信号即可实现故障诊断。本文基于周期性冲击衰减振动信号的包络谱形态，结合诊断经验提出了风力发电机轴承故障诊断的包络谱扫频分析法。以往的诊断方法是在振动信号包络谱中，人为操作游标，观察和比对实际信号的频率成分与预期故障频率是否对应，进而确定故障。本文包络谱扫频分析法将人的诊断经验数据化，将人为操作游标比对故障频率的过程通过计算机实现，让成倍数关系的游标族在包络谱上扫频，每扫过一频率点，计算一次该频率下游标族幅值之和，以该频率点为横坐标，以游标族幅值和为纵坐标，建立新的谱图，即扫频谱，从而实现诊断。该谱图能够大幅突出所需要的周期性冲击衰减信号的幅度，降低非周期性噪声信号的影响，将故障特征更加清晰直观地表现出来，提高了诊断准确性和效率[17]。该方法包括5个环节，分别为建立倍频游标族、包络谱扫频、建立扫频谱、过滤干扰频率以及识别故障频率。

2.1 建立倍频游标族

倍频游标族为一组倍频游标，游标族内的游标成倍数关系。一般情况下在振动信号包络谱中识别前三阶频率成分便可基本判断故障，因此游标数量确定为3。

根据包络谱和故障频率的大致范围，确定倍频游标族基频（1倍频）游标的最小值和最大值。最小值可以为0 Hz，也可设置为故障频率的下限值；最大值为故障频率上限值与游标数量之商。如故障频率上限值为2 000 Hz，则可确定基频游标最小值为0 Hz，最大值为666 Hz。

2.2 包络谱扫频

在包络谱上，倍频游标族的基频游标由最小值开始，逐渐移动到最大值，移动间隔为谱图上的最小分辨率。在每个移动位置上，倍频游标族计算1次3个游标的幅值之和。

2.3 建立扫频谱

以倍频游标族中基频游标扫过的所有频率值为横坐标，以每个基频游标对应的倍频游标族3个游标幅值之和为纵坐标，建立扫频谱。

2.4 过滤干扰频率

首先过滤扫频带来的干扰频率。扫频后，故障频率基频成分的1/3、1/2等处会出现干扰频率成分，这是倍频游标族的二阶和三阶成分与故障频率重合所致。为了消除这种干扰，利用上文提到的包络谱中故障信号前三阶频率成分依次降低的规律，在扫频过程中设置过滤程序，即对扫频过程中倍频游标族一阶成分幅值小于0.5倍的二阶幅值及前二阶成分幅值之和小于三阶幅值的情况，不再计算3个游标之和，在扫频谱纵坐标上仅返回第一阶幅值，从而消除干扰频率。其次，将扫频谱和原谱图对比，区分原谱图中幅值较大的随机性频率成分，降低其对诊断的干扰。

2.5 识别故障频率

在扫频谱中，周期性冲击衰减振动信号得到突出，随机噪声和不具有周期性的振动信号幅值相对减小，对照包络谱图，便可准确快速地识别风力发电机轴承故障。

3 诊断实例

3.1 DE端轴承局部故障诊断

某风电机组发电机DE端轴承时域波形（图6）中存在明显的冲击信号，判断为轴承运行状态异常。为识别故障类型和位置，进行包络解调分析。在包络谱（图7）中，频率成分较为复杂，无法直观分辨出故障频率成分。采用包络谱扫频法，得到扫频谱（图8）。图8中3个频率成分最为突显，分别为11.84 Hz（0.4倍发电机转频）、70.23 Hz（2.38倍发电机转频）及140.5 Hz（70.23 Hz成分的2倍）。

图6 发电机轴承时域波形

图7 发电机轴承包络谱

图8 发电机轴承扫频谱

已知发电机转频为29.44 Hz，该损伤轴承型号为NU1030M1，其故障特征倍频值见表1。由表1可见，该风电机组发电机DE段轴承滚动体和保持架已出现损伤。对比图7和图8，通过包络谱扫频分析，扫频谱中的故障信号特征得到突出，受环境噪声和其他干扰频率的影响明显小于包络谱。

表1 某风电机组发电机轴承故障特征倍频

Tab.1 The frequency doubling table of generator bearing fault characteristics for a wind turbine

3.2 齿轮箱高速轴轴承外圈打滑故障诊断

某风电机组齿轮箱高速轴轴承时域波形如图9所示，其中存在明显的冲击信号，判断轴承运行状态异常。在其包络谱（图10）中已经能够识别以高速轴转频为基频的1—4阶频率成分，已知高速轴转频为21.22 Hz。采用包络谱扫频法，得到结果如图11所示，图11中最大频率点为21.22 Hz，即发电机转频。结合包络谱和扫频谱，确定该轴承处存在以高速轴转频为间隔的周期性冲击信号，经验证确诊为齿轮箱高速轴轴承外圈打滑故障。

图9 齿轮箱高速轴轴承时域波形

图10 齿轮箱高速轴轴承包络谱

图11 齿轮箱高速轴轴承扫频谱

由图10和图11可见，虽然包络谱中已出现故障信号特征，但经包络谱扫频分析后，进一步确认了故障信号的来源，保证了诊断的准确性。

4 结 论

1）在包络解调分析技术的基础上，建立了包络谱扫频分析法，并针对风力发电机组轴承典型故障进行了实际验证。

2）与包络解调、波形分析等传统诊断方法结合使用，包络谱扫频分析法能够准确快速地诊断风力发电机轴承典型故障，可作为传统诊断方法的补充和确认手段。

3）在建立扫频谱的过程中，扫频会产生故障频率基频的1/3、1/2等的干扰频率。利用包络谱中故障信号前三阶频率成分依次降低的规律，合理设置过滤程序，能够有效消除干扰频率。

4）包络谱扫频分析法能够在扫频谱中大幅提升周期性冲击衰减振动信号的幅度。随着诊断案例的不断积累，该方法可作为未来自动诊断、智能诊断的有效判据。

［1］ 雷剑宇. 滚动轴承局部故障的振动分析与诊断[D]. 西安: 西北工业大学, 2007: 58-62. LEI Jianyu. Vibration analysis and diagnosis of local faults of rolling bearings[D]. Xi’an: Northwestern Polytechnical University, 2007: 58-62.

［2］ 沈庆根. 化工机器故障诊断技术[M]. 杭州: 浙江大学出版社, 1994: 170-177. SHEN Qinggen. Fault diagnosis technology of chemical machinery[M]. Hangzhou: Zhejiang University Press, 1994: 170-177.

［3］ 孟涛. 齿轮与滚动轴承故障的振动分析与诊断[D]. 西安: 西北工业大学, 2003: 5-6. MENG Tao. Vibration analysis and diagnosis on the fault of the gear and rolling element bearing[D]. Xi’an: Northwestern Polytechnical University, 2003: 5-6.

［4］ MCFADDEN P D. Model for the vibration produced by a single point defect in a rolling element bearing[J]. Journal of Sound and Vibration, 1984, 96(1): 69-82.

［5］ MCFADDEN P D. The vibration produced by multiple point defects in a rolling element bearing[J]. Journal of Sound and Vibration, 1985, 98(2): 263-273.

［6］ OSUAGWU C C, THOMAS D W. Effect of inter-modulation and quasi-periodic instability in the diagnosis of rolling element incipient defect[J]. Journal of Mechanical Design, 1982, 104: 296-302.

［7］ COURRECH J. In handbook of acoustical measurements and noise control (HARRIS C M editor)[D]. New York: McGraw-Hill, 1991: 50-60.

［8］ TANDON N, NAKRA B C. Comparison of vibration and acoustic measurement techniques for the condition monitoring of rolling element bearings[J]. Tribology International, 1992, 25(3): 205-212.

［9］ 梅宏斌. 滚动轴承振动监测与诊断理论·方法·系统[M]. 北京: 机械工业出版社, 1995: 17-26. MEI Hongbin. Theory, method and system of vibration monitoring and diagnosis for rolling bearings[M]. Beijing: Machinery Industry Press, 1995: 17-26.

［10］ TANDON N A, CHOUDHURY A B. A review of vibration and acoustic measurement methods for the detection of defects in rolling element bearings[J]. Tribology International, 1999, 32(8): 469-480.

［11］ MCFADDEN P D, SMITH J D. The vibration monitoringof rolling element bearings by the high-frequency resonance technique: a review[J]. Tribology International, 1984, 17(1): 3-10.

［12］ MARTIN K F, THORPE P. Normalised spectra in monitoring of rolling bearing elements[J]. Wear, 1992, 159: 153-160.

［13］ 王平, 廖明夫. 滚动轴承故障诊断的自适应共振解调技术[J]. 航空动力学报, 2005, 20(4): 606-612. WANG Ping, LIAO Mingfu. Adaptive demodulated resonance technique for the rolling bearing fault diagnosis[J]. Journal of Aerospace Power, 2005, 20(4): 606-612.

［14］ 孟涛, 廖明夫, 李辉. 齿轮故障诊断的时延相关解调法[J]. 航空动力学报, 2003, 18(1): 109-113. MENG Tao, LIAO Mingfu, LI Hui. Detection and diagnosis of the gear fault by the delayed correlation- envelope technique[J]. Journal of Aerospace Power, 2003, 18(1): 109-113.

［15］ 孟涛, 廖明夫. 利用时延相关解调法诊断滚动轴承的故障[J]. 航空学报, 2004, 25(1): 41-44. MENG Tao, LIAO Mingfu. Detection and diagnosis of the rolling element bearing fault by the delayed correlation-envelope technique[J]. Acta Aeronautica ET AS Tronautica Sinica, 2004, 25(1): 41-44.

［16］ 方同, 薛璞. 振动理论及应用[M]. 西安: 西北工业大学出版社, 2000: 27-31. FANG Tong, XUE Pu. Vibration theory and its application[M]. Xi’an: Northwest Polytechnic University Press, 2000: 27-31.

［17］ 邓巍, 韩斌, 赵勇. 一种通过扫频诊断设备故障的方法: 108007548A[P]. (2018-05-08) [2019-04-14]. DENG Wei, HAN Bin, ZHAO Yong. A method of fault diagnosis of equipment by sweeping frequency: 108007548A[P]. (2018-05-08) [2019-04-14].

Envelope spectrum sweeping analysis method for bearing fault diagnosis of wind turbine

DENG Wei1, HAN Bin1, WANG Jianliang2, ZHAO Yong1, LIU Tengfei1

(1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. Huaneng Turpan Wind Power Co., Ltd., Urumchi 838100, China)

In order to improve the accuracy and efficiency of bearing fault diagnosis of wind turbine, envelope spectrum sweeping analysis method is proposed. By sweeping the envelope spectrum, this method transforms the vibration signal into sweeping spectrum. Then, it uses the morphological features of the fault signal in the envelope spectrum to filter the interference frequency. Finally, it highlights the periodic impulse attenuation signals representing the faults, to realize accurate and fast diagnosis of bearing fault of wind turbines. The actual diagnosis results show that, this method can accurately and rapidly diagnose the typical bearing faults of wind turbine. It is an effective complement to the conventional diagnostic methods, which is not only suitable for bearing fault diagnosis of wind turbine, but also can be used for rolling bearing fault diagnosis of other equipments.

wind power generation, fault diagnosis, rolling bearing, envelope spectrum, sweeping spectrum, vibration signal

U226.8+1

B

10.19666/j.rlfd.201904082

邓巍, 韩斌, 王建亮, 等. 风力发电机轴承故障包络谱扫频分析诊断[J]. 热力发电, 2019, 48(7): 126-130. DENG Wei, HAN Bin, WANG Jianliang, et al. Envelope spectrum sweeping analysis method for bearing fault diagnosis of wind turbine[J]. Thermal Po7wer Generation, 2019, 48(7): 126-130.

2019-04-15

西安热工研究院有限公司研究开发基金项目(TQ-17-TYK09)

Supported by：Research and Development Foundation of Xi’an Thermal Power Research Institute Co., Ltd. (TQ-17-TYK09)

邓巍(1985—)，男，硕士研究生，工程师，主要研究方向为新能源发电设备检测与故障诊断，dengwei@tpri.com.cn。

（责任编辑 杜亚勤）