风力发电机齿轮箱故障诊断系统的设计与实现

风力发电机齿轮箱故障诊断系统的设计与实现

张庆伟

内蒙古北方龙源风力发电有限责任公司灰腾梁风电场，内蒙古呼和浩特010030

摘要：风力发电机组的齿轮箱结构复杂精密，在不同工况中的振动情况也比较复杂。风电能源的提供受较多自然条件的限制，为满足风电能源的需求，应竭尽全力做好风力发电机的维护工作。齿轮箱是比较敏感又重要的部位，稍微出点意外就容易导致颇多的成本损失。为最大程度地减少故障发生的几率，应选各方面性能较佳的风力发电机组齿轮箱状态监测以及故障诊断系统。文章通过分析风力发电机齿轮箱容易出现的主要故障，提供相关的具有较高操作性的解决措施，希望能保促进风电机组的稳定运行。

关键词：风力发电机；齿轮箱；故障诊断；BP神经网络

引言：风力发电机安装地点一般都安排在风力较大的地方，如海边、山顶及无障碍物的沙漠等，工作环境比较恶劣。风力发电机的风场m/s在较宽敞且风力强大的室外，其年平均风速可达每6.0～7.0m/s，再加上地势气候如昼夜温度差大等恶劣的自然条件，相关故障也就由此而来。齿轮箱是风力发电机的主要传动部件，在故障威胁的情况下，其必然是首先也是受影响较为严重的，不仅成为风电机的故障常发的部件，而且也是较关键的故障处理部件之一。在载荷高风速大的刺激下，更应该合理科学地采集并分析齿轮箱振动信号，为更好地发现并排除故障提供参考。

1风力发电机组齿轮箱概述

1.1概况

内蒙古北方龙源风力发电有限责任公司灰腾梁风电场下辖220kV柳兰站和220kV白音站，共安装233台。机型：华锐FL1500KW风电机组，合计装机容量349.5MW。两站各有1条220KV架空输电线路接入蒙西电网。柳兰站配置两台电压等级为220kV容量为150MVA主变压器。白音站配置一台电压等级为220kV容量为63MVA主变压器。

1.2风力发电机组齿轮箱结构

（1）风力发电机组齿轮箱结构。主要包括齿轮箱箱体、齿轮传动部件、轴承及配套的润滑系统。传动部件包含行星架、输入轴、太阳轮、行星轮、内齿圈、中间轴和输出轴。根据动力传动方式的不同，齿轮箱的结构可分为定轴齿轮传动、行星齿轮传动，以及两者的组合传动形式3大类。其中齿轮箱的箱体为齿圈轴提供支撑，把叶轮的转动力传递给输出轴，承受着内部和外部多个载荷；齿轮箱内部包含3行星轮和两级定轴齿轮传动。一级行星齿轮传动加二级定齿轮传动齿轮箱结构。（2）风力发电机齿轮箱工作机理。叶轮在风的作用下转动，其轮毂转动带动齿轮箱的输入轴，进而带动行星架转动。行星与轮箱体上的内齿圈以及太阳轮啮合，在实现自转的同时又能实现公转，完成第一轮增速；然后太阳轮带动同轴大齿轮和中间轴上的小齿轮啮合转动，进而完成第二级增速；中间轴和输出轴的齿轮啮合转动形成第三级增速。通过三级增速，能以100的传动比带动发电机发电。

2风力发电机齿轮箱常见故障

在风力发电机齿轮箱内，不只是存在齿轮整个部件，当然故障也不只是出现在齿轮身上，复杂的齿轮箱内部结构发生故障的出处，缘由复杂，这无疑对故障的检测以及识别都加大了难度，如果检测诊断不准确或者是不及时，将会引发更多的异常现象，齿轮箱甚至风力发电机也难以继续正常运行。一般来说，任何一个齿轮箱的部件有问题的时候其振动信号都会表现出对应的特征反应，相关专业人士按照这一振动信号就可以较准确地判断出齿轮箱故障出现于何处及其具体的类别。

2.1轴承方面的故障

轴承是齿轮箱运行中负荷的承担者，也是高发故障的齿轮箱中高发故障的部件，该部件主要分为与轴安装在一起随着轴转动的内圈、外圈以及在内外圈之间来回滚动的滚动体三部分。通常情况下，轴承方面容易出现轴承疲劳、轴承磨损、轴承变形和轴承断裂的故障。

2.2齿轮方面的故障

纵观各方位，齿轮方面有两大类故障，一是故障恰巧出现在具体一个齿上的局部故障，二是各个不同的齿上都存在或大或小的故障的分布式故障[1]。一般来说，其分布式故障更多是齿轮断裂、齿轮胶合、齿轮点蚀和齿轮磨损等的故障。

3风力发电机常用故障诊断方法

3.1传统方法

传统的较原始的诊断机械系统故障就是利用频谱分析方法处理，即借助傅里叶级数利用相关信号特征为基础，特别是振动信号和功率信号，检测故障。频谱分析方法或者是传统的诊断故障方法主要针对参数、故障以及设备相对单一的对象，而随着人们的需求以及故障的多变复杂，这些方法已然难以适用。

3.2信息融合方法

就目前的技术以及需求来看，信息融合是在风力发电机齿轮箱中诊断故障比较有效的且普遍使用的技术[2]。在我国也有相关研究人士提出了针对更好的稳定性、更广阔的时空覆盖区域以及更强的故障容错和系统重构能力等的需求匹配了具有相应特点的信息融合技术，将该技术应用在故障监测和诊断中，达到了不错的效果。

3.3神经网络方法

该方法是相对敏感的一种方法，对动物的神经网络行为特征进行一定程度的效仿，在利用分布式并行信息处理的算法数学模型对其进行合理地有经验地计算以及掌握，只有了解到相关故障的内在联系，才能更好地实现信息得到良好的处理的目的。而神经网络则是更人性化并细节地利用模型众多节点进一步掌握其内部联系，同时神经网络也逐渐被越来越多的人接受，并成熟地发展出许多类似于小波神经网络以及BP神经网络等的分支[3]。据长久使用的经验所知，其之所以得以广泛推广运用，不只是因为其可以有效地识别并诊断故障，更是因为其通过对复杂的信号进行处理并进行有效的分类为相关工作人员带来许多便利，尤其是对一些难以有规律可循但又较致命的故障的诊断而言，实为不错的选择。

4风机齿轮箱故障有效防控举措

4.1合理有效的故障诊断手段

根据《风机安全要求》，风力发电机应当配置一套独立的诊断检测及保护系统，在风力发电机处于过载、重负荷、振动过大的非正常工作情况下发挥诊断功能。目前来说，市场上有很多种类的风力发电机齿轮箱组故障诊断系统，其中应用比较广泛、技术比较成熟的是风力发电机组振动状态在线检测系统，能够随时监测齿轮箱的运行状态，存储运行数据，平柜风机运行状态。

4.2齿面压痕的控制

根据润滑油的润滑周期，对齿轮箱进行强制润滑。根据压痕的不同程度，进行不同的处理。压痕不严重的，需要返厂打磨，即用油石等进行打磨，然后对齿轮箱进行清洗；压痕严重的，需要进行更换[4]。

4.3断齿的控制

在齿轮箱的设计之初，就需要充分考虑过载、超速等因素；安装过程中，需对箱体的变形进行一定控制，防止一些硬物颗粒进入箱体。

4.4胶合的控制

润滑不良或干涉都会引起齿轮啮合处的边界膜被破坏，从而导致齿轮齿面上的金属掉落。因此，需要提高齿轮的润滑条件，避免干涉，调整部件的参数，从而改善胶合情况。

结束语：

风机齿轮箱故障系统应当首先采集相关的振动信号并进行小波降噪，其次将小波包换算成可靠科学的故障特征值，最后在已经建构好了的BP神经网络模型中对其展开运行状态的智能识别工作，据此可了解到风机齿轮箱的正常、磨损、断齿或者点蚀的运行状态，进而达到风机齿轮箱的智能故障诊断的目的。

参考文献：

[1]龙霞飞,杨苹,郭红霞,伍席文.大型风力发电机组故障诊断方法综述[J].电网技术,2017,41(11):3480-3491.

[2]张金卫,刘峻华,张伟鹏,杨涛.基于电流信号分析的风力发电机齿轮箱故障诊断[J].广东电力,2016,29(06):18-23.

[3]向玲,鄢小安.基于小波包的EITD风力发电机组齿轮箱故障诊断[J].动力工程学报,2015,35(03):205-212.

[4]孙岩,王雪.基于改进的去趋势波动分析对风力发电机齿轮箱故障诊断[J].仪器仪表与分析监测,2014(03):29-32.