摘要：随着风电产业高速发展，风电机组的装机容量也逐年增长，作为风电产业的关键设备，对其进行实时、准确、有效的故障识别分析具有很重要的意义。齿轮箱是风力发电机组中很重要的传动部件，也是故障高频部件，一旦发生故障将会造成巨大的经济损失，因此，为保证风电机组安全稳定地运行，加强对齿轮箱的检测和故障识别具有很深远的意义。
关键词：风力发电机组；齿轮箱故障；识别方法
1风力发电机的基本结构
风力发电机是整个风电场最重要的设备，其功能是将风能转换成电能。目前市场上的风力发电机主要分为双馈型和直驱型两种，双馈型多用于并网运行。风力发电机主要由风轮、传动系统、偏航系统、发电机、控制系统、机舱、塔架和基础等组成。
风力发电机各个组成部分的功能为：
叶轮：叶轮是吸收风能的单元，将风的动能转换为叶轮转动的机械能。
传动系统：主要包括低速轴、齿轮箱、高速轴和刹车装置。其中提高转速和传送动力依靠齿轮箱来完成。在实际运用中常见星形齿轮加一个或多个平行轮构成齿轮系统。
发电机：将风轮传过来的机械能转换为电能。风电系统常用的发电机有异步发电机和同步发电机两种。
偏航系统：采用主动对风齿轮驱动形式，它和控制系统相互合作，使得叶轮始终处于迎风状态，提高风能利用率从而增大发电效率。
控制系统：对风力发电机进行控制，保证其正常运行。
塔架：用于支撑机舱和风轮，使其处在能捕捉风能较好的位置。
2风电机组齿轮箱的故障
2.1齿轮故障
齿轮故障主要有磨损、点蚀、剥落和断齿等。磨损分为磨粒磨损、腐蚀磨损以及粘着磨损。磨粒磨损是由外界杂质颗粒或磨损产生的金属颗粒进入齿轮啮合面引起的。当润滑油被污染或者发生氧化变质时，油中的水、酸性或者碱性物质易与齿轮表面发生化学反应，导致齿轮表面产生腐蚀磨损。当齿轮运行温度较高时，润滑油黏度降低，齿轮表面油膜变薄。一旦齿轮承受较大载荷，油膜极易遭到破坏，齿轮表面发生直接接触，摩擦因数增大，严重时产生黏着磨损[3]。风电机组运行环境较为恶劣，经常处于低温或高温的运行环境下。当气温较低时，齿轮油黏度升高，甚至出现凝固现象，由此容易导致润滑不良，长此以往，设备容易出现点蚀现象。当气温较高时，由于安装空间的狭小齿轮箱内散热不好，齿轮油温度升高，齿轮啮合处油膜变薄，齿面承受的压力变大，由此产生点蚀现象。同时，由于循环周期应力的变化，齿轮容易因疲劳产生细微的裂纹。齿轮油会进入裂纹，油中的污染物质如水、酸性物质或碱性物质会对裂纹进一步产生危害，导致裂纹扩展，齿面上的微小颗粒会会剥落下来，使齿面产生点蚀。当齿轮表面的裂纹扩展得较为严重时，会有较大颗粒从齿面脱落，俗称剥落。点蚀和剥落出现的原因有齿轮安装时误差较大、齿轮受力不均、齿面较软或者齿轮频繁启停等。
2.2轴承故障
轴承在齿轮箱运行中承载着较大的负荷，是齿轮箱中的故障高发部件。轴承主要由内圈、外圈和滚动体三个部分组成，滚动体在内圈和外圈之间来回滚动，内圈与轴安装在一起随着轴转动。轴承的故障有四种：轴承磨损、轴承疲劳、轴承断裂和轴承变形。1）轴承磨损：是轴承故障中最常见的一种类型。当轴承在运行过程中有杂质混入润滑油，从而导致内圈、外圈和滚动体被磨损而产生划痕，导致轴承磨损故障。当润滑油品质不好或者过负荷运行时，会导致加速轴承磨损。2）轴承疲劳：常表现为内圈、外圈表面金属剥落。这是因为滚动体和内圈、外圈的接触面积很小，所承受的应力就很大，时间长了金属表面就会产生疲劳，形成凹坑。
期刊文章分类查询,尽在期刊图书馆轴承没有及时保养或者保养不当或者过负荷运行都会导致轴承疲劳。
3风电机组齿轮箱故障评价方法
3.1传统故障评价方法
传统的风电机组齿轮箱故障诊断方法有直接观察法、无损检测法、振动和噪声检测法、机器性能参数检测法和磨损残余物检测法等。振动检测法是应用最为广泛的评价方法。齿轮箱的运行状态信息可以通过振动信号来展示，通过分析振动信号可以对其内部的故障信息进行提取。利用信号处理方法，故障诊断可以提取隐藏在振动信号内比较有意义的特征信息，从而实现对齿轮箱的诊断。时频域分析法、时域分析法和频域分析法是常用的3种通过振动信号来对齿轮箱进行故障诊断的方法，原理是对齿轮箱内的振动信号进行傅里叶变换，分析频谱中的成分，得出齿轮箱内发生的故障，如齿面严重损伤、断齿等。同时，可以通过采用共振解调技术、倒频谱分析和时域平均法来提高信噪比。在实际工程应用中，可以采用倒频谱法对齿轮箱内故障进行分析，此种方法比较适合风电机组运行环境恶劣、振动信号中调制边频带复杂的诊断。
3.2基于数学建模的故障评价方法
基于数学建模的诊断方法主要有模糊原理、小波分析、基于线性/非线性判别函数以及贝叶斯判据等方法。此类方法通过研究设备故障机理，由此建立数学模型而进行故障诊断。魏云冰对小波变换算法进行了研究，并提出一种快速算法，利用递推方法的原理实现了小波系数的快速得出。同时，对该方法在实际中的应用进行了研究，可以快速地诊断出齿轮箱出现的故障。金嘉埼等采用小波分析对风电机组进行了振动监测，并对小波理论在风电领域内的应用进行了深入而细致的研究。他对SUT1000型MW级风电产生的振动信号进行了采集，通过调用位于Matlab中的小波分析模块来进行小波分析，最后发现小波分析理论可以比较好的应用于风电机组的振动监测中。Amirat等对风电内部的分化结构构件位置和类别给出了相应的故障评价方法，针对风电传动系统利用离散小波变换对振动信号的特征进行提取和解调。可以间接地对风电齿轮箱内齿轮和轴承进行故障诊断，该方法不仅新颖，而且可行性较高。Wu等在研究中提出了将人工神经网络（ArtificialNeuralNetworks，ANN）和小波变换（WaveletPacketTransform，WPT）技术相结合而进行故障诊断的方法，并将此方法应用在了风电机组的故障诊断中。Walter等对风电齿轮箱进行了数学建模，在动态且非平稳工况下对齿轮箱故障进行了分析和诊断。Luisa等对齿轮模拟台架进行了振动分析，通过模拟非平稳状态下的运行工况来采集齿轮和轴承的故障信号，并提出了一种变量计算方法对齿轮箱进行故障诊断，该方法主要基于的故障层次线性模型。LMD（LocalMeanDecompsition）具有频率调制和解调幅度的信号能力，Liu等提出了一种新型风电机组故障诊断方法，该方法是基于局部均值分解LMD技术，它可以获取风电机组的状态检测以及故障诊断的频率，同时解决了传统时频技术不适用于非高斯、非线性信号分析等缺点。Inalpolat等对风电齿轮箱的动力学行为进行了研究，并对齿轮箱进行了数学建模，为阐述齿轮箱复合传动所引起故障的相互调制以及耦合等提供了依据。
结束语
齿轮箱作为风电机组的核心设备，运转状态关系着风电机组的整个运行状况。风机的运行环境比较恶劣，长期在交变载荷和转速下工作，致使其运行工况具有间歇性和波动性等特点，而作为风机关键部件的齿轮箱，其结构设计较为紧凑，且部件内部耦合性强，如果长期受到冲击载荷和交变载荷的影响，容易产生点蚀、轴承表面损伤和齿轮磨损等故障。研究表明，风电齿轮箱在恶劣工作环境下故障率达到40%~50%。齿轮箱出现故障后维修非常困难，且维修费用高昂，因此必须对风电齿轮箱进行故障诊断。
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]苏炳华.基于小波包的风力发电机组齿轮箱故障诊断研究[D].新疆大学,2017.
[3]朱正祥.风电机齿轮箱故障诊断方法和系统研究[D].湖南大学,2017.
[4]封新建.风力发电机组齿轮箱振动监测与故障诊断方法研究[D].东北电力大学,2017.
论文作者:王绪虎1,王东飞2,陈江涛3,喻宙4
论文发表刊物:《电力设备》2018年第24期
论文发表时间:2019/1/8
标签：齿轮箱论文; 齿轮论文; 故障论文; 风电论文; 方法论文; 磨损论文; 轴承论文; 《电力设备》2018年第24期论文;