（内蒙古华电新能源分公司 内蒙古呼和浩特市 010000）
摘要：风能是一种分布广泛、零污染且储蓄丰富的可再生能源，而我国能源结构单一且分布不均，更加需要加强对风能的利用。然而风电故障的排查与诊断是风电发展必须面临的问题，而轴承部位又是风力发电机组的核心所在。因此，加强风力发电机组轴承常见故障的诊断与振动检测意义重大，本文就此展开讨论。
关键词：风力发电机组；轴承；常见故障；振动检测
一、风力发电机组轴承常见故障特征及原因
1.1风力发电机组轴承结构
轴承一般分为外圈、保持架、滚动体（滚珠）和内圈4个部分。轴承内部充满油脂类物质，用于减少轴承滚动的阻力，也能分离轴承与其他部件的接触，从而减少摩擦阻力。油脂还可以起到散热与防止腐蚀的作用。所以为了防止外物对油脂的影响，我们一般会在保持架的两端加装防尘装置，以免外物减弱油脂的各种作用。
1.2风力发电机组轴承常见故障及诊断
支撑主轴轴承的外圈固定在轴承座上，机械传动轴从主轴轴承内圈经过。风力带动叶轮转动，通过传动链将动力传输给主轴，当主轴达到一定的载荷转速时，由轴承和轴承座组成的振动系统就会产生激励，也就是风机发电机组振动的产生。这种激励振动一般是周期性振动，对受载体产生的撞击力或摩擦力也会周期性的出现，长期疲劳极大可能产生轴承的局部损伤，因此需要加强对轴承振动频率的监测。
根据长期的实践经验及理论知识的积累，从故障程度上可将轴承的故障类型分为初级损坏与中级损坏两类。通常我们所见到的电流损害、磨损以及表面损坏等都是初级磨损；还有一些像破裂和散裂属于中级损坏。我们还可以从损坏的位置来区分故障，可将其类型分成外圈故障、内圈故障、滚动体故障以及支撑部件的故障。
结合轴承结构，可将风电机组轴承的常见故障特征及产生原因归纳罗列如下：
（1）疲劳故障：故障特征表现为滚动体或者滚道表面脱落或者脱皮。故障产生原因为轴、保持架等支撑装置制造工艺较低使得其精度不能保证，轴向长期过高负荷条件工作，对其性能产生很大的影响。
（2）磨损故障：我们可以从外观来观察故障的产生原因，一般磨损故障会产生色泽的变化，形成磨痕。故障产生原因为在微小间隙间的滑动磨损和长期恶劣环境中的长期使用。
（3）缺口或凹痕故障：分为过载及安装或外来颗粒引起的缺口或凹痕。过载及安装引起的特征表现为细小的缺口或凹痕分布在两圈的滚道周围和滚动元件里，是由于安装不准确时形成的安装压力所引起；外来颗粒引起的特征表现为细小的缺口/凹痕分布在两圈的滚道周围和滚动元件里，是由于外来颗粒进入轴承所引起。
（4）腐蚀故障分为锈蚀、摩擦腐蚀、电化学腐蚀。锈蚀的表现特征为滚道间出现灰黑色的条纹，滚道和轴承及其表面出现锈蚀斑，是由于轴承里面进入水、湿气或者腐蚀物所致；当我们对轴进行安装时，有时可能过松会导致轴之间出现生锈现象；电化学腐蚀的表现特征为滚道和滚子出现深褐色或者灰黑色凹槽变黑，是由于有电流通过旋转轴承所致。
二、风力发电机主轴承故障诊断
2.1时域故障诊断法
时域统计特征是风力发电机组主轴承振动监测中最常使用的监测参数，可以有效捕捉风力发电机组轴承故障，避免恶性事故发生。风力发电机组的主轴承发生故障时，轴承的振动幅度会大幅增加，同时会产生相对应的冲击信号。
期刊文章分类查询,尽在期刊图书馆振动幅度变化趋势由均值x表示；振动能量大小则由方差s2表示；轴承的振动烈度由均方值xa表示，振动的烈度可能是由于轴承安装不良或制造精度不足而引起的轴承表面点蚀，导致产生的无规则振动，此参数对轴承早期故障并不敏感。峭度xq、峰值xP一p和脉冲指标I对振动信号中存在的微小冲击很敏感，故障识别度。峰值指标xP一p通常用于检测轴承剥落、裂纹等情况引起的冲击性振动，峭度指标xq则用于轴承最早期的故障诊断。波形指标K则经常用于检测轴承各部件因凹坑、刻痕、剥落和擦伤等离散型缺陷引起的机械故障，这类故障不存在过大波形总能量，但有较高尖峰值。波形的指标值越大则说明轴承的故障越严重。
2.2频域故障诊断法
在风力发电机主轴承故障诊断过程中，滚动轴承的故障特征通常为调制现象，振动信号时域波形较为复杂，无法直观表达故障信号特征。而振动频率信号具备客观性，能更好的反映振动信号的基本特征。通过傅立叶变换将时域振动信号转变为频域振动信号，频谱能直观反映能量大小、频率组成和振动信号的相位。但频域故障诊断方法仅适用于平稳信号，由于傅立叶变换法属于全局变换，系统的采样频率与分辨率有直接关联，无法获取特定时间对应的特定频率和特定频率相应的发生时间，因此频域故障诊断法对于非平稳振动信号的分析无代表性。
2.3时频故障诊断法
无论时域故障诊断法还是频域故障诊断法，都有一定的局限性，不能使振动信号的全面性和局部性得到很好的反映，于是提出一种新的诊断方法，就是时频故障诊断法。时频故障诊断法将时域和频域有机结合成视频相平面，得到不同时刻的振动信号频谱图。目前得到广泛应用的时频故障诊断方法主要有Hilbert一Huang变换(HHT)和包络调解法。包络解调法是利用包络检波和对包络信号进行谱分析，再根据解调出的谱峰对故障进行诊断识别。包络解调法尤为适用于高频冲击振动，至今，包络解调法仍是对于高频的冲击振动唯一有效的重要分析手段。包络解调法主要用于对风力发电机组主轴承的高精密故障诊断，不仅能诊断出故障部位，而且还能判断故障类型。
2.4基于小波包和BP神经网络风电机组故障诊断
近几年，随着故障诊断理论与实践的不断发展，各种实例证明对于复杂系统和过程，任何单一的智能方法在信息处理、控制和故障预测的实际应用中，都有一定的局限性，难以达到理想的效果。因此，有效地融合与整合多种智能诊断方法，使在不同工况下和不同性质的数据信息的算法发挥其各自的优势和特点，从而获得更加准确的决策结果。小波包分析方法在时域和频域具有较高的分辨率，它借助小波分解滤波器在各个尺度上对每个子带均进行再次降半划分，从而得到比小波变换更精细的信号分解，有利于谐波成分的确定和谐波参数的测量，为振动信号分析提供了一种更为简便直观的分析方法。人工神经网络具有自学习、自组织、自适用和极强的非确定性分类问题，被广泛用于因果关系的非确定性问题。笔者结合小波包和神经网络分析方法的特点，提出了一种基于小波包和BP神经网络的智能故障诊断方法。其故障诊断方法是首先用小波包变换对风力发电机主轴承采集的实时数据进行消噪和特征向量的提取，然后作为已经训练好的BP神经网络的输入，BP神经网络根据已经训练好的映射关系判定出输入信号的故障模式。
结语
故障率较高问题普遍存在于大型并网风电机组发电机，本文围绕风电机组发电机的故障类型和故障诊断方法进行简要探讨，切实结合风电发展现状和企业生产需求，对时域、频域、时频故障等多种诊断方法进行了论述，以期能为风力发电机组的诊断提供理论支持。
参考文献
[1]龙霞飞，杨苹，郭红霞，等.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]孔德同，贾思远，王天品，等.基于振动分析的风力发电机故障诊断方法[J].发电与空调，2017，38（1）：54-58.
[3]鞠彬，杨振山，朱述伟.基于振动分析技术的风力发电机组轴承故障诊断[J].山东电力技术，2017，44（7）：65-67，72.
[4]万鹏，汪锋，张雯，等.基于LLTSA和PNN的风力发电机组轴承故障诊断[J].风能，2017（7）：64-67.
论文作者:马强,赵小东
论文发表刊物:《电力设备》2018年第16期
论文发表时间:2018/10/1
标签：轴承论文; 故障论文; 故障诊断论文; 信号论文; 时域论文; 包络论文; 方法论文; 《电力设备》2018年第16期论文;