齒輪箱累計沖擊檢測算法在風力發電機中的應用

黃 闖

上海電氣風電集團有限公司 工程服務分公司 上海 200241

1 研究背景

隨著我國新能源產業的快速發展，風力發電機的新增裝機量保持高速增長，風力發電已成為繼火電和水電之后的第三大新增發電能源[1]。對于占據風力發電機裝機市場一半以上市場份額的雙饋型風力發電機而言，傳動系統振動故障的問題困擾著相關企業，如何解決傳動系統振動故障已成為當前最為緊迫的問題[2]。

由于風輪的轉速非常低，達不到雙饋風力發電機發電的要求，因此需要通過齒輪箱增速來實現[3]。齒輪箱的壽命往往決定著風力發電機的壽命，由齒輪箱故障造成的電量損失占到全部非常規電量損失的69%[4]，因此齒輪箱的狀態監測和故障診斷技術顯得十分重要。目前，風力發電機齒輪箱的結構主要有兩種形式： 兩級行星齒輪傳動和一級行星兩級平行傳動[5]。行星齒輪箱行星級的監測是齒輪箱狀態監測和故障診斷問題中的重點，也是難點，其低轉速、變轉速和復雜的傳動結構都對常規的振動監測及故障診斷帶來一定困難。齒輪箱沖擊檢測算法能夠通過常規的振動加速度傳感器實現齒輪箱行星級故障的早期預警，從而大幅提高故障檢測的準確率，使齒輪箱的維護方式更好地實現由故障維護向預測性維護升級。

圖1 風力發電機行星結構齒輪箱

風力發電機行星結構齒輪箱如圖1所示，對其進行數據分析是一個復雜的過程。在設備故障診斷與設備狀態監測中，常用峰值、有效值、尖峰因數及峭度這四個特征變量[6]。這四個特征變量均能為設備故障診斷與設備運行預警提供參考，但又各有局限性。齒輪箱沖擊檢測算法經過大量齒輪箱對拖疲勞老化試驗所獲得的狀態監測數據分析驗證，是一種對齒輪箱行星級進行檢測特別有效的算法。

2 振動信號診斷技術常用的特征變量

在設備故障診斷中，基于振動信號的診斷技術通常利用振動信號的各種參數變量，如峰值、有效值、尖峰因數及峭度等進行初步判斷，以確認是否出現故障[7]。

2.1 振幅

振幅是振動強度和能量水平的標志，是評價機器運轉優劣的一個主要指標。如圖2所示，橫坐標是時間軸，縱坐標表示振動幅值。衡量振幅的物理量一般有位移、速度和加速度，振幅的量值可以表示為峰峰值、單峰值或有效值。

圖2 振動信號

峰值指波形的最大幅值，設最大幅值為Xmax,最小幅值為Xmin,則單峰值Xp為：

Xp=(Xmax-Xmin)/2

(1)

峰峰值為整個振動歷程的最大值，即2Xp。單峰值是正峰或負峰的最大值，即Xp。峰值反映了部件局部缺陷所產生的沖擊力大小。沖擊力越大，峰值越大。峰值能很好地反映由較大缺陷造成的沖擊性振動，但對部件表面粗糙狀況并不敏感。

有效值即為均方根，也稱總振值、通頻值，用來表示振動能量的大小。有效值能反映因制造或早期磨損引起的部件表面粗糙狀況，但卻不能反映剝落、裂紋、壓痕等局部缺陷。

2.2 尖峰因數

尖峰因數Cf綜合了有效值與峰值的情況，為峰值與有效值之比：

Cf=Xp/XRMS

(2)

式中：XRMS為有效值。

通常設備振動波形的尖峰因數一般小于5，因剝落等局部缺陷引起的尖峰因數往往大于10[8]。局部缺陷越大，尖峰因數越大。當有效值出現明顯升高，而尖峰因數卻無明顯變化，仍然處于較低水平時，軸承可能存在潤滑不良或磨損等情況。

2.3 峭度

峭度是反映振動信號分布特性的數值統計量，是歸一化的四階中心矩。峭度K計算式為：

(3)

峭度的意義如圖3所示。當K=3時，分布曲線具有正常峰度，即零峭度。當K>3時，分布曲線具有正峭度。K增大，正態分布曲線峰頂的高度高于正常正態分布曲線，因此稱為正峭度。當K<3時，分布曲線具有負峭度。

圖3 峭度意義

峭度是無量綱參數，由于其與設備轉速、尺寸、載荷等無關，對沖擊信號特別敏感，因此特別適用于表面損傷類故障，尤其是早期故障的診斷[10]。

在設備無故障運轉時，由于受各種不確定因素的影響，振動信號的幅值接近正態分布，峭度約為3。隨著故障的出現和發展，振動信號中大幅值的概率密度增大，信號幅值的分布偏離正態分布，正態曲線出現偏斜或分散，峭度也隨之增大。峭度的絕對值越大，說明軸承越偏離自身正常狀態，故障也越嚴重。當峭度大于8時，很可能已出現了較大的故障。

上述引用的各種特征變量雖然對軸承、齒輪的早期故障較敏感，但是由于風力發電機傳動鏈結構本身較為復雜，特征變量僅能進行量化和指示，不能對故障進行定位和定性，僅僅起到輔助的參考作用。另一方面，在故障診斷中，工程師還可以通過專業的波形、頻譜、包絡分析等工具進一步對故障位置進行定位和定性，但這些圖譜又難以形成對復雜的行星齒輪箱故障的定量分析。因此，筆者提出一種齒輪箱累計沖擊檢測算法來解決量化與定位、定性同時進行的問題。

3 齒輪箱累計沖擊檢測算法原理

上述介紹的振動特征變量及相關的振動分析需要以一定的標準進行參照，而標準并不一定適應于設備運行時的實際狀況，特別是當存在很多外界因素干擾時，上述特征變量便不能很好地發揮作用。齒輪箱累計沖擊檢測算法檢測較大的碎片顆粒，通過齒輪箱行星級所產生的沖擊信號來診斷故障，同時還能形成一種很有效的趨勢管理。

由于行星齒輪箱的結構較復雜，通常難以利用振動分析來監測行星級的運行狀況。無論是太陽輪、行星輪，還是行星軸承，由缺陷所產生的沖擊都是通過多條路徑傳遞到安裝在外環齒外的加速度傳感器上的，這種復雜的信號傳遞路徑會使振動信號有明顯衰減。此外，當行星輪在太陽輪周圍移動時，不斷改變其齒嚙合位置的同時，也改變了振動傳輸的路徑，這種運動更傾向于對故障信號的幅值調制。

3.1 CIC

無論是在外圈齒輪、行星輪、行星軸承上，還是在太陽輪上產生金屬顆粒剝落的現象，行星部位都會開始出現故障。通常情況下，行星級組件都安裝在一個垂直平面內，所以從一個位置剝落的碎片會傾向于落到其它部位的行星級齒槽內。

齒輪箱行星級沖擊檢測如圖4所示。當一個碎片顆粒落入齒槽內，它可能會被帶入外齒、太陽齒，或任意一個行星齒內。當行星繞外環或太陽環旋轉時，最終齒輪將會移動到一個位置，即碎片顆粒所處的嚙合齒處。當這種情況發生時，如果碎片顆粒足夠大，它會傾向于強制分開兩個嚙合的齒輪，此時將產生一個沖擊。這一沖擊信號通過整個行星齒輪組傳遞到行星級外齒圈，外齒圈又將沖擊直接傳遞到變速箱的外殼上，此時安裝在變速箱行星級部位的加速度傳感器將檢測到這一信號，檢測到的信號就是一個伴隨著固有頻率逐漸衰減的沖擊信號。檢測器通過數據的采集和處理，結合前述四種特征參數的特點，實現齒輪箱累計沖擊檢測算法。

圖4 齒輪箱行星級沖擊檢測

CIC只是一個簡單的沖擊信號的次數累計，是最基本的齒輪箱累計沖擊檢測算法，從0開始每檢測到一個顆粒沖擊時，將會累計一次。隨著時間的推移，這個累計值將顯示行星級部位出現了多少顆粒。

3.2 CIE

CIE是用來衡量沖擊信號幅度和數量的參數，信號的振幅與齒槽內的顆粒大小有關，較大的顆粒會產生較大的沖擊振幅。

CIE的趨勢曲線斜率是故障程度的體現，較為陡峭的斜率表示沖擊周期較短或者顆粒較大，而較緩的斜率則表示沖擊發生的頻率較低或者碎片顆粒較小。

需要引起重視的是，隨著時間推移，當顆粒變得很大并能夠引發齒輪箱累計沖擊檢測算法報警時，齒輪箱內可能已經存在嚴重的故障，此時應該停止運行該齒輪箱，并進行開機箱檢查。

3.3 CIR

CIR是統計在最近1h時間段內沖擊信號產生次數的總和。CIR表征為CIC趨勢判定的斜率。較高的CIR表明相對之前某一個階段，較多的顆粒在此時間段內通過了該行星部位。

在選型策略中，首要考慮的是價格目標。方案1的價格最低，但由于方案1中電容串聯的個數過多，可靠性較差；方案2價格與方案1相差并不多，且耗電量相對較低，重量也在可以接受的范圍內。綜合考慮，確定方案2為最佳選型方案。

在運行狀況良好的齒輪箱中，CIC的趨勢曲線是平的，且CIR的數值為0。CIR適合作為報警參數，操作員能通過碎片顆粒檢測率的變化發現運行狀況是否發生較大變化。

4 齒輪箱累計沖擊檢測算法的應用

內蒙古某風電場有十臺風力發電機安裝了狀態監測系統，該系統除能夠進行常規的波形、頻譜、包絡解調等振動數據分析之外，還可以針對風力發電機傳動鏈中所有軸承、齒輪故障的特征頻率在不同工況條件下分別形成趨勢分析圖，并可獨立設置報警。每臺風力發電機的檢測參數達150余種，設置報警點達1500余個。

通過對該風電場1號風力發電機的遠程數據分析，最終得出該風力發電機行星級故障的診斷結論，在發現問題的同時，還協助安排了檢修計劃，使風力發電機在重點監控下繼續保持運行，避免了非計劃的停機或可能發生的二次事故所帶來的發電量及設備損失，最大限度縮短了維護周期，減少了發電量損失，并保證了風電場的安全生產運行。

圖5所示為風力發電機齒輪箱三個測量點的振動峰值趨勢圖，橫坐標表示時間，縱坐標表示振動峰值。從趨勢圖中可以發現，各點振動峰值在6月4日有突然增大的趨勢，見紅色橢圓圈示部分。從振動能量上可以看到，一級行星齒輪振動變化最明顯，從19.6m/s2上升到78.4m/s2。二級平行齒輪變化也非常明顯，振動從9.8m/s2上升到29.4m/s2。三級平行齒輪變化平緩，無明顯變化。由于一級行星齒輪和二級平行齒輪的峰值上升趨勢均非常明顯，因此還無法確定故障具體的位置。

圖5 齒輪箱振動峰值趨勢圖

圖6所示為一級行星齒輪運行過程中產生沖擊的事件統計趨勢圖，可以發現CIC、CIE、CIR三個參數都在同一時刻發生了很大變化，由此可以說明行星級可能存在著不平滑運行，原因推斷為有磨損掉落的金屬顆粒物存在于相互作用的運動表面。

圖6 一級行星齒輪振動累計沖擊參數趨勢圖

圖7所示為一級行星齒輪在振動發生變化前后的兩個不同時間點采集的振動，兩次采集時風力發電機轉速均為1700～1800r/min，運行工況近似相同。從圖中可以看到振動發生變化后存在很明顯的尖峰沖擊，而振動發生變化之前則沒有明顯的尖峰沖擊。

圖7 一級行星齒輪振動時域波形圖

通過對齒輪箱沖擊事件的監測、診斷，結論為該齒輪箱行星級存在問題，建議檢查行星級大齒圈、行星輪磨損情況或是否有異物進入行星級機械結構中。

對齒輪箱使用內窺鏡檢測，從而對診斷結論進行驗證，發現行星級齒面有輕微磨損。由于發現較早，及時有針對性地制訂了維護和備件計劃，并使機組在監視下繼續運行發電。待設備故障逐漸惡化，經過評估必須更換時再進行更換。此后又對故障齒輪箱進行了拆解，以便進一步分析故障原因。齒輪箱拆解照片如圖8所示。

圖8 齒輪箱拆解照片

齒輪箱累計沖擊檢測算法及相關產品已經應用于大約20000臺國內外風力發電機上，如上海臨港海上風電場、甘肅玉門昌馬風電場等多個海上及陸上風電場。

5 結論

齒輪箱累計沖擊檢測算法在風力發電機齒輪箱趨勢管理與故障診斷方面發揮了重要作用。該算法通過常規的振動加速度傳感器實時數據采集，得到了齒輪箱沖擊檢測的多個監測參數，如累計沖擊次數、累計沖擊能量及累計沖擊率，這些參數可以全面地衡量齒輪箱故障的嚴重程度，并進行獨立報警。在經過上萬臺風力發電機的使用與驗證后，確認通過該算法，狀態監測系統可及早發現并定位風力發電機傳動系統的故障，并提示用戶進行關注和采取相關維護工作，這樣可大大降低風力發電機由非計劃停機所引起的發電量損失，并為預測性維護提供專業準確的分析建議。

[1] 謝源,強玨嫻.大型兆瓦級風力發電機組狀態監測研究[J].上海電機學院學報,2009,12(4)： 271-275.

[2] 王志新,陳琳.風電機傳動系統振動故障的智能診斷方法[J].中小企業管理與科技(中旬刊),2016(8)： 287.

[3] 孫黎,石鵬飛,代海濤,等.風電齒輪箱低速級行星架極限強度分析[J].機械制造,2017,55(8)： 43-46.

[4] 陳文濤,謝志江,陳平.風力發電機組齒輪箱故障監測與診斷[J].機床與液壓,2012,40(3)： 167-169.

[5] 葉青,薛惠芳.1.5MW風力發電機行星齒輪機構動力學仿真[J].機械制造,2013,51(6)： 17-19.

[6] 豐田利夫.設備現場診斷的開展方法[M].北京： 機械工業出版社，1985.

[7] 張正松,傅尚新,馮冠平,等.旋轉機械振動監測及故障[M].北京： 機械工業出版社，1991.

[8] 韓捷,張瑞林.旋轉機械故障機理及診斷技術[M].北京： 機械工業出版社，1997.

[9] PRASHAD H. Diagnosis of Failure of Rolling-element Bearings of Alternators—A Study[J]. Wear,1996,198(1-2)： 46-51.

[10] WIJNANT Y H, WENSING J A, NIJEN G C. The Influence of Lubrication on the Dynamic Behaviour of Ball Bearings[J]. Journal of Sound and Vibration，1999，222(4)： 579-596.