风力发电机组旋转机械的故障诊断技术研究

风力发电机组旋转机械的故障诊断技术研究

周飞

身份证号码：340111197810271019

摘要：风力发电机组在正常工作中，要想迅速找出其故障原因，就必须运用电信号分析法、油液分析法、振动法和其它诊断法等。本文就风力发电机组旋转机械的故障诊断技术进行分析探讨。

关键词：风力发电机组；旋转机械；故障诊断；技术分析

考虑到风力发电机组旋转机械的工作特点，采用适当的故障诊断技术，及时发现其发生的原因，进而进行有效的排除，以确保风力发电机组旋转机械组件的总体工作可靠和安全。

一、风力发电机组旋转机械的常见故障分析

（一）齿轮故障

齿轮故障以断裂、磨损、偏心和卡死等为最常见的失效形式，其失效将会对设备的正常运转产生严重影响。因此，必须在最短的时间内对安全隐患进行排除，才能确保整个旋转机械的安全运转。

（二）轴承故障

针对风力发电机组中存在的振动、磨损和疲劳断裂等故障，提出了相应的解决措施。通过对振动信号和电信号的分析和处理，实现了对轴承的故障进行诊断和处理。

（三）主轴故障

主轴主要是完成风力扭矩的传递，由于主轴运行的特性，使得主轴易出现断轴、振动偏心、异常磨损等故障，直接影响到风力发电机组的稳定运行。

（四）叶片故障

风机叶片是风力发电机组中的关键部件，其故障对风机的安全稳定有很大的影响。从理论上讲，叶片的失效形式有：断裂，磨损，裂纹，偏心，疲劳等。对于微小裂纹的维修，可以利用超声检测的方法，对其进行早期的检测，从而实现对其早期的维修和修复。

二、风力发电机组旋转机械的故障诊断技术

（一）电信号分析

在风力发电机组的电气信号检测中，重点研究了风力发电机组在工作过程中所产生的电流、电压和功率等信号，从而实现对风力发电机组的机械故障的诊断。在当前的风力发电工程中，为了能够迅速地对风力发电设备的失效原因和具体的种类进行准确地进行分析和判断，具有重要的现实意义和实用价值。

基于电信号分析法的不断发展，使得该诊断法的理论不断完善、技术不断成熟，能够精准有效地完成旋转机械的故障诊断，便于检修维护人员，及时排除风力发电机组的运行安全隐患，保证风电项目整体运行的安全性与稳定性。

通过对这种方法的运用，可以看出，技术人员在对电信号进行分析时，可以根据小波变换或者傅立叶变换等原理，对电气信号进行解析和转化，并将其转化为直观的图像，方便工作人员对其进行准确的分类和定位，从而充分发挥电信号诊断与分析的作用和意义。

（二）油液分析

为了对旋转机械的各种故障进行快速、高效的检测，可以利用油液成分的检测方法来进行检测。通常，在进行润滑油检测时，技术人员应着重于润滑油颗粒的检测，在油液分析时，技术人员重点针对油液中的微粒进行分析，并对油质进行分析，得出油液分析报告，为后续的旋转机械故障诊断提供依据。在分析机油颗粒组成时，可以借助光谱分析技术、铁谱分析技术和粒子分析技术，从而达到对机油颗粒含量的分析研究。

在此基础上，利用光谱等方法，对润滑油中的粒子进行深入分析，形成专门的检测报告，从而提升检测的效率。而通过对机油的油脂进行分析和研究，就能对风力发电机组的旋转机械的磨损状况、故障类型、故障出现的位置、主要的诱发因素等做出正确的诊断和处理，从而使风力发电机组旋转机械的稳定、安全的运转。

（三）振动信号分析

为了对风力发电机组转动设备的故障进行快速、高效的检测和排除，可以采用振动信号的分析方法，从而对其进行准确的故障诊断。通过对这种方法的研究，可以看出这种方法在维修中的运用是比较广泛的，而且它的故障诊断效果比较好，受到了维修人员的认同。

为了对旋转机械的振动信号进行分析，必须将相关的感应装置安装在风机的适当部位，从而能够迅速地获取旋转机械的振动、位移、速度、加速度等数据。在电脑的帮助下，可以迅速地对所收集到的数据进行分析和处理，从而对故障的致因进行准确的诊断，确定出各部件的具体部位和种类，从而为下一步的转动设备的故障维修和排除奠定基础。通常，利用计算机进行振动信号的收集与分析，通常有时域分析，包络分析，倒谱分析，谱分析等。

例如，技术人员在开展时域分析工作时，可直接针对时域振动信号进行分析，进而快速直接地得出信号分析结果，便于后续开展故障排除工作。若时域振动信号中包含部分的谐波信号、脉冲信号、周期信号，同样可以通过数据信息分析，完成对旋转机械故障的诊断。

又如，部分工作人员进行振动信号分析时，则采取频谱分析法进行故障诊断。通过对该诊断法进行分析可知，在实际应用时，重点基于频域对原信号的分布情况进行分析，进而得出更为直观的振动信号分析报告。工作人员可基于此，开展科学有效的旋转机械故障诊断，提高故障诊断的工作整体效能。

再如，技术人员应用倒频谱诊断法，对机械振动信号进行处理时，能够完成对信号功率谱的分析处理，进而精准识别振动信号的组成，并实现对相关信号成分的分离与提取。基于源信号的数据特征，进而完成对旋转机械故障特征的识别，为最终的故障诊断提供参考依据。而风力发电机组的轴承与齿轮部件出现旋转机械故障时，为实现对共振波形的分析，诊断故障的诱因，检修工作人员可采取包络分析法，进而故障诊断中存在的问题，保证旋转机械故障诊断工作开展的有效性与可行性。

（四）其他诊断法

在风力发电机组中，因其特殊的工作环境，导致了风机这一部分的失效概率比较高。为了确保风力发电机组的安全和可靠工作，必须采用有针对性的故障诊断方法，提高风力发电机组的检修效率和检修质量。针对其特有的故障特征，可以利用红外光谱诊断技术、有色缺陷温度监控诊断技术和超声波检测技术、过滤器监测和温度检测诊断技术，提高设备的运行效率。

比如，在实际运用中，可以对风力发电机组旋转机械所发生的各种故障进行诊断和分析，从而能够准确地判断出引起其发生的原因和种类，并能对其进行有效的排除。通过采用温度探测与故障诊断的方法，可以对风机轴承、发电机绕组、变速箱油温等故障进行快速的诊断，从而避免风力发电机组的共性故障，提高风力发电机组的安全可靠工作。

结语

总之，本文着重介绍了风力发电机组旋转机械的各种故障诊断方法，以体现其重要性和必要性。未来，在风电工程的施工和运营中，只有采用科学、高效的故障诊断方法，才能将风电工程的潜在失效风险降到最低，为风电工程的正常运营奠定坚实的基础。

参考文献：

[1]解武波,郭艳平,黎海凌.基于LMD和Fisher判别的风力发电机组齿轮箱滚动轴承故障诊断方法[J].通信电源技术,2021,38(01):10-13+17.

[2]时献江,房钦国,赵晓文,杜恒,司俊山.风力发电机传动系统故障诊断的机电仿真研究[J].电机与控制学报,2016,20(07):82-87.

[3]王洪涛,张海涛.风力发电机组旋转机械故障诊断技术研究[J].机械工程学报，2020(8):143-144.

[4]陈鹏.张瑜.基于信号处理的风力发电机组旋转机械故障诊断研究[J].中国电机工程学报，2019(09):52-56.

[5]李海峰.刘金鹏.基于深度学习的风力发电机组旋转机械故障诊断研究[J].自动化技术与应用,2020,39(7):47-53.

[6]杨立春.张洪顺.风力发电机组旋转机械故障诊断综述[J].电力系统自动化,2021,45(3):17-26.