风力发电机齿轮箱故障诊断方法及应用研究

郭阿童

摘要：近年来，我国对电能的需求不断增加，风力发电建设越来越多。新型能源的开发与应用不仅可以降低能源危机对国家工业及科技发展的影响，同时还可以避免能源在使用及开发过程中对其周遭环境造成不可避免的污染。而风力发电正是当前新型能源中的一种，风力发电主要是利用风力带动发电机转动，中间通过齿轮箱增速，从而实现将风能转化为电能。为避免风力发电机齿轮箱的故障对风力发电造成严重影响，工作人员需要定期对风力发电机齿轮箱进行相应的故障检测。本文首先分析了齿轮箱的结构及常见故障，其次探讨了风力发电系统齿轮箱的故障类型及振动特性，最后就当前风力发电机齿轮箱故障诊断方法进行研究，以供参考。

关键词：风力发电机;齿轮箱;故障诊断方法;应用

引言

在齿轮箱的故障情况中，各齿轮箱零件失效比例分别为：齿轮60%，轴承19%，轴10%，箱体7%，紧固件3%，油封1%，齿轮和轴承失效比例最大。所以在风电日常运维管理中，对齿轮箱中齿轮和轴承进行振动监测和故障诊断是十分重要的。我们可以从齿轮和轴承振动频谱中看到丰富的故障源信息，不同的故障频率对应不同故障特征，能真实、有效地发现故障位置、故障程度及故障性质。

1齿轮箱的结构及常见故障

风力发电的过程是风作用到叶片上，驱动风轮旋转，旋转的风轮带动齿轮箱的主轴转动从而将动能输送到齿轮箱。齿轮箱将输入的大扭矩、低转速动能转化成低扭矩、高转速的动能，通过联轴器传递给发电机。发电机将输入的动能最终转化为电能，最后经变频处理后输送到电网。齿轮箱一方面作为动力传动装置，将风轮的动能传递给发电机的转子;另一方面将风轮的低转速提升到发电机能够正常工作所需要的额定高转速。所以，齿轮箱是风电机组传动链中重要的机械部件。目前，大型风电机组的齿轮箱普遍采用二级行星和一级平行轴的三级传动方式，以满足传动比要求。其中，z表示各齿轮的齿数，用于计算齿轮啮合频率。由于齿轮箱的长期高负荷、高冲击、高扭矩运转，其故障率相对较高，较为常见的故障包括齿轮故障（断齿、胶合、点蚀）、轴承故障（轴承过热，轴承内圈、外圈、保持架、滚子损伤、配合处间隙过大）、轴不对称、不平衡等。从而为日常维护维修提供了重要的参考。在实践中，当齿轮箱发生故障后，通常采用内窥镜对齿轮箱进行开盖窥视检查

2风力发电系统齿轮箱的故障类型及振动特性分析

2.1齿轮箱的故障类型

风力发电机中的齿轮箱是一个复杂的机械结构，其主要由行星太阳轮、中间轴以及行星轮等零部件所组成。由于在齿轮箱中其各零部件的耦合程度较高，因此在长时间的运转过程中齿轮箱难免会出现一些故障。当某一齿轮或轴承出现故障时，其不仅会影响风能与电能之间的转换，同时更会对齿轮箱整体结构的稳定性造成严重的影响。而在齿轮箱中，最常见的故障类型便是轴承故障以及齿轮故障。据相关数据显示，风力发电机中的齿轮箱在长时间的运转过程中其轴承与齿轮的故障率高达79%。

2.2滑动轴承故障特征

磨损/间隙：当滑动轴承间隙过大时出现1X转频及谐频峰值，激振力会产生噪声激起固有频率GNF（共振），导致底部噪音升高。在更严重情况下频谱会出现0.5X和0.3X峰值。油膜涡动：频谱中0.38X-0.50X出现强烈振动。由于间隙过大和径向载荷较低，导致油膜建立并使转轴旋转，涡动速度低于0.5X。

2.3滚动轴承的失效形式和振动特性

滚动轴承最常见的失效形式大致有四种，其分别是磨损失效、疲劳失效以及腐蚀失效与断裂失效。其中磨损失效主要是指滚动轴承由于长时间的磨损而产生的故障，疲劳失效则是指滚动轴承在使用过程中起滚动体出现脱皮以及裂纹所造成的轴承失效。腐蚀失效则是指滚动轴承中的零部件由于受到水蒸气以及腐蚀性液体腐蚀所导致滚动轴承失效。最后断裂失效是指滚动轴承由于自身质量等原因所产生的断裂故障。

3当前风力发电机齿轮箱故障诊断方法

3.1故障特征提取

模糊熵为衡量信号无序程度的定量指标，由样本熵和近似熵改进得到，提高了数据独立性和相对一致性，并减少计算结果对参数的依赖度和敏感度。因其所需数据少和鲁棒性强等优点，可利用其构建故障特征向量，具体步骤如下：（1）选取齿轮箱正常状态和故障状态振动信号作为研究对象。（2）利用集合经验模态分解（EnsembleEmpiricalModeDecomposition，EEMD）方法分别对各振动信号进行分解，得到多组本征模态分量（IntrinsicModeFunction，IMF）。（3）计算各样本IMF分量模糊熵，并将各样本模糊熵分别构建为特征向量。

3.2数据层的构成和功能

数据层位于系统的中间层，该层依托风电场主控室装配的数据服务器，实现标准识别体系数据编码的实时数据管理，包括数据读取与分发、数据编码与管理等功能。该层采用SOA架构设计，实现海量异构大数据的标准化存储与管理，还可以根据机组数量扩展其他平台连接，非常方便地组建分布式大数据平台，实现数据共享。

3.3基于改进K均值算法的齿轮箱故障诊断

虽然基于EEMD方法与模式识别方法相结合的齿轮箱故障诊断方式可以应用于多数风力发电机齿轮箱故障诊断中，并且其也有效降低了端点效应对齿轮箱故障诊断准确度的影响。但这一故障诊断方式对于样本选择的质量与数量均具有较高的要求。这一诊断方法的主要原理便是依据主成分分析法对现有数据进行降维处理，从而实现对不同故障程度的检测与诊断。

结语

综上所述，根据风电机组齿轮箱运转状态监测的特点和风电场根据故障预警有针对性地开展运维的现实需求，基于振动分析原理设计开发了一种风电机组齿轮箱在线振动监测系统。该系统通过在风电机组齿轮箱的预定位置安装传感器，利用大数据处理技术和振动数据分析理论对振动数据进行管理和分析，从而实现齿轮箱各个测点的状态展示。

参考文献：

[1]高庆康.风力发电机组行星齿轮箱故障的定子电流诊断方法研究[D].哈尔滨理工大学，2019.

[2]索红光，唐伟.振动分析和内窥镜检测在风力发电机组齿轮箱故障诊断中的配合应用[J].企业技术开发，2015，34（18）：47-48.

[3]史霞飞，潘宏侠，何强.基于DSP的風力发电机齿轮箱故障诊断系统的研究与应用[J].机械传动，2013，37（02）：13-16.