風力發電機齒輪箱故障診斷系統的設計與實現

朱建樂

風力發電機安裝地點一般都安排在風力較大的地方，如海邊、山頂及無障礙物的沙漠等，工作環境比較惡劣。風力發電機組的齒輪箱結構復雜精密，在不同工況中的振動情況也比較復雜，相比較于其他部件，容易出現故障（齒輪箱故障占風機故障的1/5）。

1 風力發電機組齒輪箱結構

1） 風力發電機組齒輪箱結構。主要包括齒輪箱箱體、齒輪傳動部件、軸承及配套的潤滑系統。傳動部件包含行星架、輸入軸、太陽輪、行星輪、內齒圈、中間軸和輸出軸。根據動力傳動方式的不同，齒輪箱的結構可分為定軸齒輪傳動、行星齒輪傳動，以及兩者的組合傳動形式3 大類。其中齒輪箱的箱體為齒圈軸提供支撐，把葉輪的轉動力傳遞給輸出軸，承受著內部和外部多個載荷；齒輪箱內部包含3 行星輪和兩級定軸齒輪傳動。一級行星齒輪傳動加二級定齒輪傳動齒輪箱結構，如圖1。

圖1 齒輪箱結構

2） 風力發電機齒輪箱工作機理。葉輪在風的作用下轉動，其輪轂轉動帶動齒輪箱的輸入軸，進而帶動行星架轉動。行星與輪箱體上的內齒圈以及太陽輪嚙合，在實現自轉的同時又能實現公轉，完成第一輪增速；然后太陽輪帶動同軸大齒輪和中間軸上的小齒輪嚙合轉動，進而完成第二級增速；中間軸和輸出軸的齒輪嚙合轉動形成第三級增速。通過三級增速，能以100 的傳動比帶動發電機發電。

2 系統框架設計

本文主要設計和實現一種風機齒輪箱故障診斷專家系統，該系統的組成如圖2 所示。系統由硬件和軟件兩部分組成。硬件部分有振動傳感器、轉速傳感器、電壓轉換電路與數據采集卡。其中，轉速傳感器采集的轉速信號用于計算一倍頻。軟件是構成該系統的重要組成部分，采用Matlab 和Labview 來開發。其中軟件部分的主要模塊功能如下：1） 傳統時頻域分析模塊。如Hilbert 包絡譜分析、功率譜分析等，可以用來初步判斷風機齒輪箱的故障位置。2） 現代分析模塊。利用小波包分解技術將信號中的高低頻信息分解出來，得到不同頻段的信號。將不同頻段信號的尺度因子和小波系數進行重構，再求出重構后不同頻段的能量值，用不同頻段能量值在總能量中占的比例組成特征向量作為神經網絡模型的輸入。通過BP 神經網絡完成輸入和輸出的非線性映射，實現運行狀態的智能識別。

圖2 系統框圖

3 風力發電機常用故障診斷方法

3.1 傳統方法

傳統的較原始的診斷機械系統故障就是利用頻譜分析方法處理，即借助傅里葉級數利用相關信號特征為基礎，特別是振動信號和功率信號，檢測故障。

3.2 神經網絡方法

該方法是相對敏感的一種方法，對動物的神經網絡行為特征進行一定程度的效仿，在利用分布式并行信息處理的算法數學模型對其進行合理地有經驗地計算以及掌握，只有了解到相關故障的內在聯系，才能更好地實現信息得到良好的處理的目的。而神經網絡則是更人性化并細節地利用模型眾多節點進一步掌握其內部聯系，同時神經網絡也逐漸被越來越多的人接受，并成熟地發展出許多類似于小波神經網絡以及BP 神經網絡等的分支。

3.3 齒面微腐控制

齒輪箱如果長期處于潤滑不良的狀態，齒面就會和空氣反應形成齒面微腐情況。要想對齒面微腐進行有效控制，首先應檢查齒輪箱的潤滑油狀態，是否存在油溫過高及油液混入雜物等情況，防止因為潤滑油潤滑不到位而引起的齒面微腐。

3.4 基于振動幅值調制理論的診斷手段

齒輪箱長期承受著周期性的載荷，會對振動的幅值產生一定影響，為此可以對振動幅值進行調制，以診斷齒輪箱的故障。診斷過程是：以齒輪旋轉軸的轉速信號作為調制波的頻率信號，以齒輪嚙合頻率信號作為載波的頻率信號。在齒輪承受載荷的時候，齒輪的轉速會出現一定波動，形成振動系統里頻率的調制。一旦齒輪出現故障，就會出現頻率調制，反映在頻譜上就是邊頻信號。

4 結語

綜上所述，要充分發揮每種檢測技術的優勢，并實現有機結合，取長補短、優勢互補，從而獲得風機齒輪箱運行過程中完整的信息鏈，達到更為準確判斷風機齒輪箱運行狀態和故障的目的。