基于階比與散度分析的風(fēng)機(jī)齒輪箱故障診斷

于永軍，賈子文，顧煜炯，王方楠

(1.國(guó)網(wǎng)新疆電力公司 電力科學(xué)研究院，新疆烏魯木齊830011；2.國(guó)家火力發(fā)電工程技術(shù)研究中心，北京102206)

基于階比與散度分析的風(fēng)機(jī)齒輪箱故障診斷

于永軍1，賈子文2，顧煜炯2，王方楠1

(1.國(guó)網(wǎng)新疆電力公司 電力科學(xué)研究院，新疆烏魯木齊830011；2.國(guó)家火力發(fā)電工程技術(shù)研究中心，北京102206)

針對(duì)風(fēng)電機(jī)組運(yùn)行工況復(fù)雜造成的齒輪箱振動(dòng)數(shù)據(jù)特征提取困難的問題，提出了階比分析與散度指標(biāo)分析的方法對(duì)雙饋機(jī)組齒輪箱故障進(jìn)行診斷。首先通過階比重采樣以及角域同步平均的方法，對(duì)原始信號(hào)進(jìn)行預(yù)處理，提高信號(hào)的穩(wěn)定性與精度；通過對(duì)處理后的角域信號(hào)進(jìn)行階比譜與包絡(luò)譜分析，提取信號(hào)特征；最后應(yīng)用散度指標(biāo)分析方法，對(duì)信號(hào)特征進(jìn)行量化處理，實(shí)現(xiàn)齒輪箱故障診斷工作。應(yīng)用此方法對(duì)齒輪箱典型故障仿真數(shù)據(jù)與實(shí)際現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行分析計(jì)算，得到了較為準(zhǔn)確的診斷結(jié)果，有一定的實(shí)用價(jià)值。

風(fēng)電機(jī)組齒輪箱；階比重采樣；故障診斷；散度

0 引言

風(fēng)能作為一種新型能源，因其資源儲(chǔ)備豐富，能源轉(zhuǎn)換過程容易實(shí)現(xiàn)，越來越受到人們的關(guān)注。風(fēng)電機(jī)組與其他發(fā)電設(shè)備相比，其運(yùn)行工況具有變轉(zhuǎn)速、變負(fù)荷特性。針對(duì)雙饋機(jī)組，齒輪箱作為增速機(jī)構(gòu)，起到關(guān)鍵作用。風(fēng)電機(jī)組作為戶外作業(yè)設(shè)備，運(yùn)行環(huán)境惡劣，在重載、極端天氣等因素影響下，齒輪箱關(guān)鍵部件極易出現(xiàn)嚴(yán)重磨損或疲勞裂紋等故障[1-3]。隨著齒輪箱運(yùn)行，故障逐步加重，可能導(dǎo)致齒輪箱出現(xiàn)如斷齒等嚴(yán)重故障，造成齒輪箱失效問題。因此，展開齒輪箱故障診斷研究，提出適合風(fēng)電機(jī)組的齒輪箱故障診斷方法，對(duì)保證機(jī)組設(shè)備穩(wěn)定、高效的運(yùn)行至關(guān)重要。

目前，國(guó)內(nèi)外學(xué)者針對(duì)齒輪箱的研究工作已有數(shù)十年，在對(duì)振動(dòng)信號(hào)監(jiān)測(cè)與數(shù)據(jù)特征[4-6]提取方面研發(fā)了豐富的算法與分析模型。風(fēng)電場(chǎng)通常占地面積大，發(fā)電設(shè)備多且分布稀疏，單純的依靠運(yùn)維人員進(jìn)行常規(guī)或定期的現(xiàn)場(chǎng)巡檢，不僅工作量大，而且存在一定的安全隱患。為及時(shí)、準(zhǔn)確地識(shí)別風(fēng)電機(jī)組齒輪箱故障，以降低風(fēng)電場(chǎng)設(shè)備故障發(fā)生率、提高運(yùn)維水平，已有多種分析方法應(yīng)用到風(fēng)電齒輪箱的故障診斷工作當(dāng)中。例如，小波包分析、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)[7-9]等診斷方法。目前，主流的雙饋機(jī)組齒輪箱均為混合型齒輪箱，即以行星級(jí)與圓柱齒輪相結(jié)合的方式完成升速過程。此類齒輪箱的振動(dòng)響應(yīng)過程相比圓柱齒輪傳動(dòng)要更加復(fù)雜，致使對(duì)其診斷的方法也有更高的要求[10]。

針對(duì)齒輪故障診斷內(nèi)容，需要解決故障特征提取和故障狀態(tài)識(shí)別兩個(gè)問題。當(dāng)齒輪出現(xiàn)故障時(shí)，在頻譜圖中相應(yīng)的故障特征頻率處會(huì)出現(xiàn)較為明顯的峰值和邊帶現(xiàn)象。故文章通過提取故障特征頻率處對(duì)應(yīng)的幅值為特征量，并引用散度的概念對(duì)其進(jìn)行量化分析，實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組齒輪箱故障模式的識(shí)別。J-散度[11]是一種譜距離，KL-散度[12]是一種用來度量?jī)蓚€(gè)概率分布相似性的有效量度。文章方法基于階比重采樣與角域同步平均作為振動(dòng)信號(hào)的預(yù)處理，在階比譜和階比包絡(luò)譜的基礎(chǔ)上，提取風(fēng)電機(jī)組齒輪箱故障特征階比的幅值作為故障特征向量，用散度指標(biāo)和邊帶能量比值來判斷故障類型和故障發(fā)展的程度，故障理論分析結(jié)合現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)證明該方法具有較好的識(shí)別效果。

文中所用實(shí)測(cè)數(shù)據(jù)來自NREL(National Renewable Energy Laboratory)提供的現(xiàn)場(chǎng)風(fēng)電機(jī)組齒輪箱監(jiān)測(cè)數(shù)據(jù)。

1 基于階比重采樣的信號(hào)預(yù)處理與故障特征提取方法

1.1 階比重采樣預(yù)處理

風(fēng)電機(jī)組齒輪箱受變轉(zhuǎn)速影響，傳感器采集的振動(dòng)數(shù)據(jù)具有明顯的非平穩(wěn)性，致使頻譜圖出現(xiàn)頻率波動(dòng)，對(duì)故障診斷造成干擾。階比重采樣方法[13]基于等角度間隔采集振動(dòng)信號(hào)，進(jìn)行振動(dòng)數(shù)據(jù)與轉(zhuǎn)速信號(hào)同步采集，即無論轉(zhuǎn)速如何波動(dòng)，軸系在旋轉(zhuǎn)周期內(nèi)采集的數(shù)據(jù)點(diǎn)數(shù)是固定的。該方法通過將等時(shí)間間隔時(shí)域信號(hào)轉(zhuǎn)化為等角度間隔角域信號(hào)，完成原始信號(hào)由非平穩(wěn)到較為平穩(wěn)的轉(zhuǎn)化過程。圖1為階比重采樣方法技術(shù)流程。

圖1 階比重采樣方法技術(shù)流程

由于組成混合型齒輪箱零件較多，且結(jié)構(gòu)緊湊，其振動(dòng)信號(hào)容易受到周圍部件振動(dòng)的干擾；此外齒輪箱低頻成分易受到大傳動(dòng)比的影響，導(dǎo)致故障特征提取困難。將時(shí)域同步平均[14]思想運(yùn)用到角域信號(hào)當(dāng)中，進(jìn)行角域同步平均分析。該方法將原始信號(hào)以固定周期進(jìn)行截?cái)?，將各段信?hào)進(jìn)行疊加并取平均，消除信號(hào)中的非周期分量和隨機(jī)干擾，保留所需周期分量。圖2為角域同步平均方法效果仿真驗(yàn)證。

圖2 角域同步平均

1.2 故障特征信息提取

通過對(duì)角域重采樣與角域同步平均后的信號(hào)進(jìn)行快速傅里葉變換，得到階比與振動(dòng)幅值的關(guān)系。階比為無量綱參數(shù)，其成分只與旋轉(zhuǎn)機(jī)械的幾何參數(shù)有關(guān)，因此在變轉(zhuǎn)速下的故障階比是固定值，階比公式如式(1)所示：

(1)

式中：order為階比；fi為時(shí)域振動(dòng)信號(hào)頻率成分；fr為參考軸系轉(zhuǎn)速頻率成分。

信號(hào)包絡(luò)分析在振動(dòng)信號(hào)分析中具有廣泛的應(yīng)用前景，階比包絡(luò)分析與階比譜分析類似，通過對(duì)階比重采樣與角域同步平均后的轉(zhuǎn)平穩(wěn)角域信號(hào)進(jìn)行分析處理，排除風(fēng)電機(jī)組變轉(zhuǎn)速干擾，準(zhǔn)確提取齒輪等部件頻率調(diào)制現(xiàn)象下的邊頻成分。

文章研究的齒輪箱為一級(jí)行星輪-兩級(jí)平行的混合型齒輪箱。故障可分為局部故障[15]和分布式故障[16]。對(duì)于行星輪系，太陽輪-行星輪、行星輪-齒圈兩種嚙合副的嚙合頻率相同。通常內(nèi)齒圈為固定不動(dòng)類型，太陽輪自轉(zhuǎn)，行星輪繞太陽輪公轉(zhuǎn)同時(shí)也在自轉(zhuǎn)，同時(shí)與齒圈、太陽輪嚙合。行星輪系嚙合頻率如公式(2)所示：

(2)

太陽輪局部故障特征頻率、行星輪局部故障特征頻率、齒圈局部故障特征頻率如式(3)、式(4)、式(5)所示：

(3)

(4)

(5)

式中：zs、zp、zr分別為太陽輪、行星輪和內(nèi)齒圈的齒數(shù)；N為行星輪數(shù)量。

太陽輪和齒圈分布式故障特征頻率與齒輪相對(duì)行星架旋轉(zhuǎn)頻率相同，行星輪分布式故障特征頻率與齒輪相對(duì)齒圈旋轉(zhuǎn)頻率相同。已知嚙合頻率和某個(gè)齒輪的齒數(shù)，則該齒輪相對(duì)齒圈或行星架的旋轉(zhuǎn)頻率為：

(6)

式中：zg為該齒輪的齒數(shù)。

則太陽輪、行星輪和齒圈分布式故障特征頻率如式(7)、(8)、(9)所示。

(7)

(8)

(9)

對(duì)于行星輪系分布故障，在階比譜圖中，在嚙合頻率fmesh整數(shù)倍以及與通過頻率的倍數(shù)組合中，會(huì)出現(xiàn)邊帶，且間隔為fg；在包絡(luò)譜圖中，峰值出現(xiàn)在齒輪分布式故障特征頻率及其倍頻lfg、行星輪通過頻率及其倍頻mNfc、以及它們的組合lfg±m(xù)Nfc等處。

平行軸齒輪發(fā)生裂紋、局部齒面磨損、斷齒等局部故障振動(dòng)信號(hào)，在各階嚙合頻率lfmesh處，將出現(xiàn)齒輪旋轉(zhuǎn)頻率及其倍頻mfr的邊頻。

平行軸齒輪出現(xiàn)分布故障時(shí)，嚙合頻率fmesh及其諧波分量lfmesh在階比圖上位置保持不變，但其幅值大小發(fā)生改變，且高次諧波幅值增大較多。

根據(jù)以上所述，可在階比譜和階比包絡(luò)譜中選取能表征故障類型的特征頻率處幅值為特征量。由于行星輪系故障特征頻率極小，故障特征十分微弱，容易受到噪聲污染，故對(duì)于行星輪系故障，定義階比以主軸為參考軸，而主軸轉(zhuǎn)頻為1，故行星輪系故障階比數(shù)值等于故障特征頻率，相比以發(fā)電機(jī)軸為參考軸定義階比，階比譜圖與階比包絡(luò)譜圖更加清晰準(zhǔn)確。此外提取故障特征向量從階比譜圖和包絡(luò)譜圖同時(shí)提取，確保完整提取行星輪系故障特征向量。行星輪系故障特征量為：

Alfmesh±m(xù)fc+nfjp,Alfmesh+mfjr]

A3=[Alfmesh,Alfmesh±m(xù)Nfc,Alfmesh±m(xù)Nfc+nfg]

A4=[Alfg,AmNfc]

l,m,n=1,2,3

式中：A1、A2為從行星輪系局部故障階比譜中和階比包絡(luò)譜中提取的故障特征量；A3、A4為從行星輪系分布式故障階比譜和階比包絡(luò)譜中提取的故障特征量。由于平行軸系振動(dòng)信號(hào)頻率較高，其結(jié)構(gòu)較行星輪系簡(jiǎn)單，振動(dòng)信號(hào)幅值較大，噪聲干擾較少。所以對(duì)其階比定義時(shí)以發(fā)電機(jī)軸為參考軸，提取故障特征量直接從階比譜圖中提取。平行軸系故障特征量為：

A5=[Alfmesh,Amfr,Alfmesh±m(xù)fr]

l,m=1,2,3

平行輪系嚙合齒輪故障歸為一個(gè)特征向量。

2 基于散度指標(biāo)的故障狀態(tài)識(shí)別

散度指標(biāo)分析方法主要通過設(shè)備實(shí)際工況數(shù)據(jù)特征與對(duì)應(yīng)工況的標(biāo)準(zhǔn)特征進(jìn)行相似度計(jì)算，判別實(shí)際數(shù)據(jù)特征與標(biāo)準(zhǔn)特征之間的距離關(guān)系，甄別被測(cè)設(shè)備運(yùn)行正常與否，實(shí)現(xiàn)對(duì)設(shè)備的故障模式和故障嚴(yán)重程度的診斷工作，具體算法流程如下：

(1)采集現(xiàn)場(chǎng)振動(dòng)信號(hào)，應(yīng)用階比重采樣方法和角域同步平均法對(duì)信號(hào)進(jìn)行預(yù)處理，生成平穩(wěn)、清晰的等角度間隔的角域序列。

(2)對(duì)角域信號(hào)進(jìn)行階比分析和包絡(luò)譜分析，提取設(shè)備運(yùn)行數(shù)據(jù)特征，即對(duì)應(yīng)特征頻率的幅值量，作為后續(xù)散度指標(biāo)分析的數(shù)據(jù)源。

(3)運(yùn)用散度指標(biāo)分析方法，分析設(shè)備實(shí)際數(shù)據(jù)特征與已有設(shè)備工況特征之間的差異性，判別機(jī)組的故障模式，其中J-散度指標(biāo)的計(jì)算公式如下所示：

(10)

式中：S表示樣本的幅值譜，即標(biāo)準(zhǔn)樣本；τ表示待測(cè)數(shù)據(jù)的幅值譜；N表示參與計(jì)算幅值譜的長(zhǎng)度。

KL-散度指標(biāo)的計(jì)算公式如下所示：

(11)

式中：P表示實(shí)際測(cè)量數(shù)據(jù)幅值譜的分布特征；Q表示理論數(shù)據(jù)幅值譜的分布特征；N表示參與計(jì)算幅值譜的長(zhǎng)度。

通過實(shí)際數(shù)據(jù)幅值譜與標(biāo)準(zhǔn)幅值譜的散度指標(biāo)分析計(jì)算，尋找各個(gè)散度指標(biāo)中的最小值，說明此時(shí)的設(shè)備狀態(tài)與對(duì)應(yīng)標(biāo)準(zhǔn)幅值譜的工況相似度最高，實(shí)現(xiàn)對(duì)設(shè)備故障模式的診斷工作。

(4)針對(duì)算法已近診斷出的確定性故障，采用計(jì)算邊帶能量比值SER來輔助描述故障嚴(yán)重程度。邊帶能量計(jì)算公式，如下所示：

(12)

式中：SA為邊帶能量幅值(計(jì)算時(shí)選取中心嚙合頻率左右各3個(gè)邊頻幅值)；CA為中心嚙合頻率幅值。

3 實(shí)驗(yàn)與案例分析

文章對(duì)某一風(fēng)電機(jī)組行星齒輪箱進(jìn)行分析，其結(jié)構(gòu)為一級(jí)行星輪系兩級(jí)平行齒輪型，其結(jié)構(gòu)如圖3所示。

圖3 行星齒輪箱結(jié)構(gòu)簡(jiǎn)圖

該齒輪箱結(jié)構(gòu)參數(shù)如表1所示。

表1 風(fēng)電行星齒輪箱結(jié)構(gòu)參數(shù)

對(duì)于行星輪系，以主軸相連的行星輪系行星架為參考轉(zhuǎn)速，計(jì)算行星輪系各齒輪局部故障和分布故障的特征階比。與之類似，對(duì)于平行軸系，以發(fā)電機(jī)軸為參考轉(zhuǎn)速，進(jìn)行計(jì)算。如表2所示。

表2 行星齒輪箱故障特征階比計(jì)算

3.1 齒輪箱運(yùn)行工況信號(hào)模型建立

該文結(jié)合實(shí)測(cè)正常與故障信號(hào)，通過齒輪箱各故障信號(hào)特征，仿真正常與故障樣本信號(hào)。其中，在信號(hào)分析中忽略齒輪箱中軸承以及各齒輪之間的影響，這里不考慮各傳動(dòng)級(jí)之間的振動(dòng)影響。關(guān)于本文行星輪系正常、局部、分布故障，平行軸系局部、分布故障模型參數(shù)[17]，這里不再贅述。

齒輪箱正常振動(dòng)信號(hào)模型為：

x0(t)=c1[1-cos(2π·3fc·t)]×

cos(2π·fmesh1·t+θ1)+

c2·cos(2π·fmesh2·t+

θ2)+c3·cos(2π·fmesh3·t+θ3)

(13)

考慮太陽輪旋轉(zhuǎn)對(duì)太陽輪局部故障沖擊振動(dòng)產(chǎn)生調(diào)幅作用，以及太陽輪局部故障的調(diào)幅和調(diào)頻作用，太陽輪局部故障振動(dòng)信號(hào)模型為：

[1+Akcos(2π·fjs·t+φk)]·cos[2π·kfmesh1·t+Bksin(2π·fjs·t+φk)+θk]+

c4cos(2π·fmesh2·t+θ4)π+

c5cos(2π·fmesh3·t+θ5)

(14)

與之類似，當(dāng)發(fā)生行星輪系行星輪局部故障時(shí)，在行星輪局部故障調(diào)幅和調(diào)頻外，附加行星架旋轉(zhuǎn)產(chǎn)生的調(diào)幅作用，其振動(dòng)信號(hào)模型為：

[1+Akcos(2π·fjp·t+φk)]×cos[2π·kfmesh1·t+Bksin(2π·fjp·t+

φk)+θk]+c4cos(2π·fmesh2·t+θ4)π+

c5cos(2π·fmesh3·t+θ5)

(15)

在混合齒輪箱中，齒圈一般固定不動(dòng)，當(dāng)齒圈某個(gè)齒輪存在局部故障時(shí)，該故障齒輪與行星輪嚙合位置同太陽輪和行星架的旋轉(zhuǎn)無關(guān)。故齒圈故障振動(dòng)信號(hào)模型為：

cos[2π·kfmesh1·t+Bksin(2π·fjr·t+φk)+

θk]+c4cos(2π·fmesh2·t+θ4)π+

c5cos(2π·fmesh3·t+θ5)

(16)

當(dāng)行星輪系發(fā)生分布式故障時(shí)，行星輪的通過效應(yīng)會(huì)對(duì)齒輪嚙合點(diǎn)處振動(dòng)進(jìn)行調(diào)幅作用，其振動(dòng)信號(hào)模型為：

[1+Akcos(2π·fg·t+φk)]×cos[2π·kfmesh1·t+Bksin(2π·fg·t+φk)+

θk]+c4cos(2π·fmesh2·t+θ4)π+

c5cos(2π·fmesh3·t+θ5)

(17)

平行軸系發(fā)生局部故障與分布式故障時(shí)，特征階比已在前敘述，由于現(xiàn)有關(guān)于平行軸系齒輪建模比較成熟，這里不再給與說明。

圖4為行星輪系正常振動(dòng)信號(hào)經(jīng)過角域重采樣以及角域同步平均后的信號(hào)圖，信號(hào)長(zhǎng)度為10轉(zhuǎn)，即20π，進(jìn)行階比譜、階比包絡(luò)譜分析，可以看出，采用階比重采樣的方法可以有效避免振動(dòng)信號(hào)非平穩(wěn)引發(fā)的頻率波動(dòng)、特征辨別困難問題。通過角域同步平均降噪后的階比譜和包絡(luò)譜有效信息成分明顯。

圖4 行星齒輪箱正常信號(hào)圖譜

圖5為行星輪系太陽輪局部故障信號(hào)經(jīng)過階比重采樣和角域同步平均處理后的階比譜和階比包絡(luò)譜。從圖中可以看出，階比譜中行星輪系嚙合頻率及其倍頻附近出現(xiàn)邊頻帶，與正常對(duì)比發(fā)生明顯的變化，同時(shí)對(duì)比正常與故障的階比包絡(luò)譜，故障時(shí)解調(diào)成分變化明顯，與實(shí)際情況較為接近，可以用來提取故障特征量作為標(biāo)準(zhǔn)故障樣本用來散度指標(biāo)識(shí)別。

圖5 行星輪系太陽輪局部故障圖譜

用同樣的方法對(duì)行星輪系太陽輪發(fā)生分布故障時(shí)振動(dòng)信號(hào)進(jìn)行分析處理，結(jié)果如圖6所示。階比譜中行星輪系附近出現(xiàn)邊頻帶，與正常對(duì)比發(fā)生很明顯變化，同時(shí)與太陽輪局部故障階比譜有所區(qū)別。觀察階比譜可以看出，故障信號(hào)中存在復(fù)雜的調(diào)頻信息，與實(shí)際太陽輪分布故障振動(dòng)信號(hào)較為吻合。

圖6 行星輪系太陽輪分布式故障圖譜

平行軸系發(fā)生局部故障與分布故障與行星輪系故障信號(hào)類似且相對(duì)簡(jiǎn)單，在這里不再贅述。

3.2 案例分析

以張北某風(fēng)電場(chǎng)某品牌1.5 MW風(fēng)電機(jī)組為例，通過2013年5月的二年檢記錄發(fā)現(xiàn)齒輪箱一級(jí)行星輪磨損和平行軸齒輪故障，截取機(jī)組故障發(fā)生時(shí)齒輪箱行星級(jí)測(cè)點(diǎn)和平行軸齒輪傳動(dòng)處測(cè)點(diǎn)振動(dòng)數(shù)據(jù)，分別對(duì)兩組信號(hào)進(jìn)行分析，如圖7、圖8所示。

圖7 實(shí)測(cè)行星輪系太陽輪局部故障圖譜

圖8 實(shí)測(cè)平行軸系小齒輪局部故障圖譜

散度散度指標(biāo)KL-散度N1F1F2F3F4F5F6太陽輪局部0.350.160.380.280.380.450.49N'1F'1F'2F'3F'4F'5F'6太陽輪局部0.040.020.070.040.060.060.07散度散度指標(biāo)J-散度N1F1F2F3F4F5F6太陽輪局部1.780.262.121.611.842.282.46N'1F'1F'2F'3F'4F'5F'6太陽輪局部1.400.552.051.351.621.712.01

表4 平行軸系樣本散度值

表3、表4為行星輪系和平行軸系待檢樣本與標(biāo)準(zhǔn)樣本之間的散度值，由表可知：無論是J-散度值還是KL-散度值計(jì)算結(jié)果都能夠提取出明顯的故障模式，與實(shí)際故障點(diǎn)相符，診斷正確。通過開箱檢查，發(fā)現(xiàn)平行軸系小齒輪故障較為嚴(yán)重，對(duì)平行軸系邊帶能量值SER計(jì)算，1X、2X、3X頻對(duì)應(yīng)的SER分別為9.30、1.83、5.74,與實(shí)際結(jié)果符合。

4 結(jié)論

文章提出了適合風(fēng)電機(jī)組齒輪箱故障診斷的新方法。通過風(fēng)電機(jī)組齒輪箱正常以及故障振動(dòng)信號(hào)分析結(jié)果表明：基于階比譜、階比包絡(luò)譜的分析，可以避免振動(dòng)信號(hào)非平穩(wěn)問題，有效清晰的識(shí)別故障特征；J-散度和KL-散度的合理運(yùn)用可以實(shí)現(xiàn)對(duì)機(jī)組齒輪箱故障識(shí)別工作，且具有較高的靈敏度。同時(shí)，基于散度指標(biāo)的故障診斷方法可以避免查看復(fù)雜的頻譜圖形。通過仿真數(shù)據(jù)與實(shí)際數(shù)據(jù)分析，說明此方法能較為準(zhǔn)確地實(shí)現(xiàn)風(fēng)電機(jī)組齒輪箱的診斷工作，有一定的應(yīng)用價(jià)值。

[1] 陳雪峰，李繼猛，航程，等.風(fēng)力發(fā)電機(jī)狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)的研究與進(jìn)展[J].機(jī)械工程學(xué)報(bào),2011,47(9):45-52.

[2] 李狀，柳亦兵，馬志勇，等.結(jié)合C-均值聚類的自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)在風(fēng)電機(jī)組齒輪箱故障診斷中的應(yīng)用[J].動(dòng)力工程學(xué)報(bào),2015,35(8):646-651.

[3] WILKINSON M，DAMELL B，VAN DELFT T，et al.Comparison of methods for wind turbine condition monitoring with SCADA data[J].let Renewable Power Generation.2014,8(4):390-397.

[4] 武英杰，劉長(zhǎng)良，范德功.基于自適應(yīng)高頻諧波LMD法的風(fēng)電機(jī)組故障診斷[J].動(dòng)力工程學(xué)報(bào),2014,34(12):952-958.

[5] 周雁冰，柳亦兵，趙秋麗，等.基于非高斯性強(qiáng)度的風(fēng)電齒輪箱故障特征提取[J].動(dòng)力工程學(xué)報(bào),2013,33(11):865-870.

[6] 馬立新,黃陽龍,范洪成,等.基于自適應(yīng)變異微粒群優(yōu)化SVM的電機(jī)軸承故障診斷方法[J].電力科學(xué)與工程,2016,32(2):66-71.

[7] 向玲，鄢小安.基于小波包的EITD風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷[J].動(dòng)力工程學(xué)報(bào),2015,35(3):205-212.

[8] 龍泉，劉永前，楊勇平.基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障診斷方法[J].太陽能學(xué)報(bào),2012,33(1):120-125.

[9] 王珊,蘇璐瑋,顧煜炯,等.變工況特性下的風(fēng)電軸承早期故障診斷方法[J].電力科學(xué)與工程,2014，30(3):39-44.

[10] LEI Y G,HE Z J,LIN J,et al.Research advances of fault diagnosis technique for planetary gearboxes[J].Journal of Mechanical Engineering,2011,47(19):59-67.

[11] 苗剛，馬孝江，任全民.基于J散度的模式分類方法在故障診斷中的應(yīng)用[J].中國(guó)機(jī)械工程,2007,18(4):431-433.

[12] 王歡良，韓紀(jì)慶，鄭貴斌.基于K-L散度模型聚類的快速說話人辨識(shí)方法[J].模式識(shí)別與人工智能,2010,23(6):856-861.

[13] 湯寶平，何啟源，魏玉果，等.基于角加速度的復(fù)合計(jì)算階次跟蹤方法[J].機(jī)械工程學(xué)報(bào)，2008，44(8):143-147.

[14] XU X L,ZUO Y B.Fault trend analysis of rotating machine based on degree of cyclostation[C]//Proceedings ICACC 2010,Shenyang,2010,(5):136-138.

[15] 馮志鵬，趙鐳鐳，褚福磊.行星齒輪箱齒輪局部故障振動(dòng)頻譜特征[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(5):119-127.

[16] 馮志鵬，褚福磊.行星齒輪箱分布式故障振動(dòng)頻譜特征[J]，中國(guó)電機(jī)工程學(xué)報(bào),2013，33(2):118-125.

[17] 馮志鵬，趙鐳鐳，褚福磊.行星齒輪箱故障診斷的幅值解調(diào)分析方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2013,33(8):107-111.

Wind Turbine Gearbox Fault Diagnosis Based on Order Proportion and Divergence

YU Yongjun1,JIA Ziwen2,GU Yujiong2,WANG Fangnan1

(1.Xinjiang Electric Power Research Institute of State Grid,Urumchi 830011,China; 2.North China Electric Power University,National Thermal Power Engineering & Technology Research Center,Beijing 102206,China)

In view of the difficulty in data extraction of the gear box vibration features due to the complicated working conditions,the method using the order analysis and divergence index analysis is put forward to diagnose the fault of the gear box for a double fed wind turbine.Firstly,the original signal is processed by using the method of order sampling and average angle domain synchronization,which improves the stability and accuracy of the signal.Then,the signal features of angle domain signal are extracted by the order ratio spectrum and envelope spectrum analysis.Finally,the method of divergence index analysis is used to quantify the signal characteristics and realize the fault diagnosis of the gear box.By using this method,the simulation data and actual data of a typical fault are analyzed and calculated to obtain the diagnosis results,which have certain practical value for fault diagnosis.

wind turbine gearbox；order sample；fault diagnosis；divergence

10.3969/j.ISSN.1672-0792.2017.01.002

2016-09-05。

中央高?；究蒲袠I(yè)務(wù)專項(xiàng)基金(JB2016127)。

TK83

A

1672-0792(2017)01-0007-08

于永軍(1965-)，男，高級(jí)工程師，從事勵(lì)磁系統(tǒng)分析、新能源并網(wǎng)等方面的研究。