双馈风力发电机齿轮箱轴承无转速信号工况下的故障诊断研究*

王文恒 ，吕 达

（包头职业技术学院电气工程系，内蒙古 包头 014030）

在现阶段的风力发电行业，永磁同步（直驱、半直驱为代表）技术近年来得到了一定的发展，而双馈风力发电技术也相对成熟，谐波含量可控制在较低水平，机组运行状态稳定，即使电网出现故障，双馈系统也可提供更高的电流能力，更有利于启动过电流保护及故障清除[1]。因此，双馈风力发电系统的市场认可度较高。齿轮箱是风力发电机的故障高发部件，一旦发生故障会严重影响正常的生产发电工作，尤其是双馈机组采用齿轮箱将风轮转速升高，提高发电机效率的同时，会出现各类齿轮箱的机械故障。在机器的运转中，相较于其他零部件，轴承与齿轮算是易损零件[2]。尤其是在转速高的工况下，不少轴承在润滑条件不好时都可能发生温度升高的现象，直接导致零件的刚性接触致使产生胶合状态，故需要完成状态的监测与诊断，使得在故障未发生前就有了预判而能够快速处理，这也是故障诊断的初衷。如果能及时发现或在使用前进行双馈风力发电机组件的全生命周期预测与诊断，就能对故障部件单独进行维修，其维护难度和维护成本会大幅降低。

1 无转速信号工况下的故障诊断

传统对风机齿轮箱的故障诊断技术主要针对的是某一阶段的诊断技术，而针对双馈风力发电机组早期信息难以获取等特殊性和技术难度，目前国内外尚少有深入的研究。课题组通过软件将深度学习理论与故障演化机理研究相结合，提高深度网络学习状态识别的准确性，在故障机理动力学特性和故障信息量化关系的研究基础上，拟准确捕捉齿轮箱振动数据的层次化特征、局部特征和动态全局特征，尝试融合卷积神经网络（CNN）和长短时记忆网络（LSTM），构建双输入融合CNN-LSTM网络，并将其应用于双馈风力发电机组齿轮箱高精度状态监测过程中。在没有转速计的情况下，无法直接获取转速信号，从而不能直接进行阶比分析，需要从复杂的振动信号中拟合出所需要的转速信号，然后进行等角度采样，通过阶比谱获取故障部位的信息。

1.1 研究对象

在大数据样本驱动下进行双馈风机齿轮箱状态识别与分析，再通过搭建的实验台进行论证，本次的采样数据是30 s左右的风力发电机的降速数据，采样频率为25.6 kHz，第一行是齿轮箱上测试信号，第二行是电机上测试信号[3]。轴承的型号为6215，齿轮箱传动比为106∶17，与电机相连的是小齿轮，其原始数据如表1所示。

表1 原始数据

1.2 无转速计阶比分析实现原理

利用短时傅里叶变换处理振动信号，首先对原始信号进行傅里叶变换，其原始波形图如图1所示。然后用窗函数对振动信号进行截取，通过不断移动窗函数，得到短时傅里叶变换的结果[4]。可通过时间和振幅的关系图与短时傅里叶变换后的三维图进行分析。做出短时傅里叶变换俯视图，从其中可以发现啮合频率较为相似的图线，然后通过转速的追踪得出结论。

图1 原始波形图

Step1：划定区域，此处所划定的这一个区域也就是所追踪范围。

Step2：将时间坐标轴进行固定，并在同类工况求得幅值最大点Amax。

Step3：计算Amax对应的频率fm，求得数值并记录。

Step4：滑动时间，寻到每个时间段ti所需对应的频率fmi(i=1, 2,…,n)，其中，n为窗口滑动次数。

Step5：此处把所有短时长振动数据所互相对应的转频合成为整个时间段振动数据的转频，记为f。

变化曲线获取完成之后，就应该对它所对应的积分得到的时间和角度之间的数值关系进行分析，接着完成等角度的采样，将对等角度采样以后的数据进行阶比分析[5]。其原始数据应通过短时傅里叶变换，变换后的数据经过频率、时间以及振幅之间的关系图，如图2所示。在转频与时间关系通过积分，对照时间与角度关系在等角度采样下，找到角度与振幅的关系，在阶比分析作用下得出阶比谱即可[6]。

图2 短时傅里叶变换后的时频三维振幅图

2 轴承故障仿真结果分析

电机振动信号等角度采样图横坐标为时间，单位为秒，幅值为从0到最大值200，等角度采样放大图、阶比谱图如图3所示。通过阶比谱可以清晰地看出，4.25的阶比谱线与轴承外环特征频率4.564 Hz非常接近，且倍频成分明显，说明风力发电机的轴承同样存在明显外环故障特征[7]。在轴承故障仿真中，对得到的时频三维振幅图的不同图谱进行对比，对实际工况下的双馈风力发电机齿轮箱轴承无转速信号的故障诊断进行研究，可通过轴承故障仿真结果得出双馈风力发电机齿轮箱轴承无转速信号工况下的故障诊断研究结论[8]。

图3 电机振动信号等角度采样及阶比谱

3 结束语

对于变转速工况下的故障信号一般有两种分析方法：一种方法是时频分析法，它是将时域信号通过时频变换转化到频域内，然后对下一时刻的瞬时频率进行分析与对比，最终得到故障信号的处理方式；另一种方法的中心思想是通过把非平稳的时域信号转化为平稳的角域信号，然后进行包络谱分析，这就是阶比分析。通过不发生“频率混叠”现象的阶比分析方法，可有效地分析电机工作时产生的非平稳信号[9]。课题组采集的是双馈风力发电机在升降速时的数据，由于电机在此过程中的速度不恒定，所以采集的数据属于非平稳信号，故而采用阶比分析方法对信号进行分析[10]。首先对振动信号进行短时傅里叶变换，然后进行转速追踪、拟合并得到转速变化曲线，最后进行阶比分析，得出故障部位信息，实现双馈风力发电机齿轮箱轴承无转速信号工况下的故障诊断分析。