风力发电机组齿轮箱故障诊断方法及应用研究

风力发电机组齿轮箱故障诊断方法及应用研究

严文斌

大唐四川发电有限公司新能源分公司工程建设部 610091

摘要：齿轮箱是风力发电机组中极为重要的设备之一，若其发生故障将会直接影响风力发电过程中风能与电能的转化效率，甚至直接停运。因此，为了避免此类问题的出现，需要定期对齿轮箱进行检测并在发现故障时对其进行检修。本文对风力发电机齿轮箱故障诊断方式进行分析，不仅仅适用范围更广，同时诊断准确率也更高，从而保障风力发电机组的安全稳定运行。

关键词：风力发电机；齿轮箱；故障分析；应用研究

引言

当前风力发电机组齿轮箱故障诊断方法较多，最常用的故障诊断方式为振动分析法，在这一方法中，集合经验模态和Tageaer能量算子解调的齿轮箱故障诊断以及基于改进K均值算法的齿轮箱故障诊断均是较为常用的齿轮箱故障诊断方式，与其他故障诊断方式相比，这一诊断方式仍具有样本数据需求过高、诊断时间长等劣势，随着这一领域的逐步发展，工作人员将会对现有的机械诊断方式进行进一步优化。

1.风电齿轮箱的故障诊断技术进展

随着风力发电技术的大规模应用，我国对风力发电齿轮箱故障诊断方法的研究也更加深入。当前所常用的风力发电齿轮箱故障诊断方法共有三种，而通过对风力发电齿轮箱故障诊断方法的原理进行分类，其故障诊断方法大致可以分为三类，其分别是振动分析法、油（油脂）分析法以及声发射技术。众所周知，齿轮箱及其轴承在运动过程中会出现一些振动，而振动分析法便是通过对齿轮箱及轴承的振动情况进行分析，从而对风力发电机齿轮箱进行故障诊断的方法。振动分析法主要是依靠振动感测器对风力发电机运转过程中齿轮箱的振动情况进行监测的。若齿轮箱的振动幅度及频率过高，那么则表示齿轮箱出现了故障。与振动分析法所不同的是，油液分析法是依据齿轮箱中的油液成分进行分析，从而判断其是否出现故障的诊断方法。当齿轮箱出现故障导致齿轮产生摩擦时，其油液（油脂）中便会出现磨粒，而工作人员可以通过对磨粒的大小及数量进行分析，从而实现对齿轮箱的运行状态进行诊断。声发射技术是一种无损机械诊断技术，该技术可以直接通过对应力波进行分析，从而实现对机械设备的诊断。在上述三种诊断方法中，最常用的便是振动分析方法。这是由于油液分析法往往具有较强的局限性，而声发射技术虽然可以实现无损检测，但其检测准确度却往往较低。

2.风力发电系统齿轮箱的故障类型及振动特征

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受外部因素的影响会出现一些故障。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效率，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。

2.2.齿轮的失效形式及振动信号特征分析

风力发电机齿轮箱中的齿轮在运转过程中会保持一个非线性的系统性振动，因此工作人员便可以根据齿轮的振动情况对其齿轮箱是否发生故障进行判断，与此同时，齿轮在故障时也会产生相应的故障特征。在齿轮的失效形式中最常见的便是断齿，断齿是指齿轮在运转过程中由于受到较大的压力而出现裂纹或产生断齿，在出现断齿现象时，齿轮的振动频率往往会出现一定的间隔，而工作人员便可以根据齿轮转动时的频率间隔进行判断齿轮是否出现了断齿的情况。其次，齿轮箱中的齿轮在长时间的运行过程中也有可能会出现磨损的现象，齿轮的磨损会直接导致齿轮的咬合面尺寸发生变化，进而导致齿轮在运转过程中的振幅产生较大的变化，最后，齿轮在长期的运转过程中还可能会出现点蚀的现象，点蚀是指齿轮受到重复性的冲击进而导致齿面产生裂缝等损坏，点蚀现象的出现将会使其中高频谱线的增幅较为明显。

2.3.滚动轴承的失效形式和振动特性

滚动轴承与齿轮相同均是齿轮箱中重要的零部件之一，与齿轮所不同的是，滚动轴承主要由内圈、外圈以及滚动体等零部件所组成。在齿轮箱的使用过程中，滚动轴承同样有可能会产生较大的耗损，进而导致其出现故障。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。与齿轮相似，滚动轴承在出现失效现象时，也会对其振动频率产生不同程度的影响，而工作人员便可以据此对滚动轴承进行诊断。

3.风力发电机齿轮箱故障诊断方法

3.1.集合经验模态和Tageaer能量算子解调的齿轮箱故障诊断

在上文中曾提到，齿轮箱中齿轮与滚动轴承在运动时均会产生非线性的振动，而经验模态分解技术便可以将其非线性的振动型号分解为多个IMF振动信号，从而实现对其的精准分析。但由于经验模态在对非线性振动信号进行分解与分析过程中还会出现端点效应，进而影响其数据分析的准确度。因此，为了进一步加强经验模态技术对振动信号的分析准确度，工作人员在利用该技术对齿轮箱振动信号进行分析时，其还需要在原信号中重复添加白噪声，从而抑制其端点效应等弊端。此外，在齿轮箱振动过程中还极有可能会导致其信号出现调制现象，因此为提升工作人员的诊断准确度，工作人员还要对已测量的IMF信号进行筛选，并结合Teager能量算子解调技术对其信号分量进行细致诊断。这一故障诊断方式不仅仅可以有效避免EMD中端点效应等弊端对齿轮箱故障诊断结果的影响，同时更可以基于齿轮箱的瞬时振幅信号对其进行故障诊断。

3.2 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训练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分析处理，从而实现对不同故障程度的检测与诊断。

4.结束语

综上所述，随着科学技术的飞速发展，新能源行业内的运维越来越受到人们的关注。在新能源行业中，通过对风电机组齿轮箱故障的诊断研究，降低故障发生率及检修时间，从而提高设备可靠性，增加风电机组的可利用小时，减少对传统的化石能源的依赖，促进国家的可持续高质量发展。

参考文献

[1]陆佳.风机齿轮箱异常振动的状态识别与信号分析[D].广东工业大学,2021.

[2]陈积东.风力发电机的齿轮箱故障诊断技术[J].集成电路应用,2021,38(02):130-131.

[3]赵登利,陈孝旭,徐浩,李方义,王黎明,聂延艳.基于阶次分析的非平稳工况下风力发电机组齿轮箱故障诊断[J].机械传动,2020,44(12):141-145.

[4]王景泰.基于ARMA-MOMEDA与SGMloG的风电齿轮箱故障诊断方法研究[D].中北大学,2020.