風力發電機軸承故障包絡譜掃頻分析診斷

鄧 巍，韓 斌，王建亮，趙 勇，劉騰飛

風力發電機軸承故障包絡譜掃頻分析診斷

鄧 巍1，韓 斌1，王建亮2，趙 勇1，劉騰飛1

（1.西安熱工研究院有限公司，陜西 西安 710054；2.華能吐魯番風力發電有限公司，新疆 烏魯木齊 838100）

為提升風力發電機軸承故障診斷的準確性和效率，本文提出了包絡譜掃頻分析法，該方法通過掃頻，將包絡譜中的振動信號變換到掃頻譜，然后利用故障信號在包絡譜中的形態特征過濾干擾頻率，最終突顯代表故障的周期性沖擊信號，實現對風力發電機軸承故障的準確快速診斷。實際診斷結果表明，包絡譜掃頻分析法能夠準確快速地診斷風力發電機軸承典型故障。該方法可作為傳統故障診斷方法的有效補充，不僅適用于風力發電機軸承故障診斷，也適用于其他設備滾動軸承的故障診斷。

風力發電；故障診斷；滾動軸承；包絡譜；掃頻譜；振動信號

風力發電機的齒輪箱、發電機、變槳系統、偏航系統等關鍵部件均通過軸承傳動和承力，其運行狀態直接關系機組的穩定和安全。然而，風力發電機軸承的故障率一直居高不下，準確快速地診斷軸承故障成為保障風力發電機運行可靠性的迫切要求。風力發電機軸承基本為滾動軸承，其最典型的故障形式為局部故障和內外圈打滑故障。其中，局部故障主要表現為在軸承元件局部位置發生裂紋、劃痕、電蝕等。與局部故障相對的是分布故障，主要體現為表面波紋度、游隙過大等[1-3]。局部故障的振動加速度信號一般為時域波形中有周期性的沖擊衰減振動信號[4-5]。內外圈打滑故障表現為軸承所在轉軸每轉動1次軸承內圈或外圈打滑1次，其時域波形為周期性沖擊衰減振動信號。

上述滾動軸承故障診斷采用振動信號直接進行頻譜分析，診斷效果欠佳[6-8]。目前，最常用的診斷方法是包絡解調法，該方法利用軸承或檢測系統為諧振體，放大故障沖擊產生的高頻固有振動，通過包絡檢波將其轉變為具有故障特征信息的低頻波形，然后實施頻譜分析，找出故障特征頻率，確定故障類型和位置[9-11]。該方法對分析人員的專業水平和經驗要求較高，需要對軸承故障特征有預判。在干擾頻率和背景噪聲的影響下，從成分復雜的譜圖中識別故障的難度很大。而且，該方法在分析軸承晚期故障時存在一定的局限性，故障特征頻率可能被其他頻譜成分淹沒[11]。文獻[12]認為該問題是故障沖擊峰和隨機噪聲間幅度差較小所致，而幅度差的變化具有很強的隨機性。因此，剔除信號中的背景噪聲，突出具有故障信息的周期性沖擊衰減信號的幅度，是克服共振解調技術局限性，提高診斷準確性的關鍵。基于此，文獻[13]提出了自適應共振解調技術，在共振解調處理后利用一些自適應手段剔除低頻包絡信號中的噪聲。文獻[14-15]提出時延相關解調方法，對信號進行時延和相關處理后，再進行頻譜分析，達到顯著的降噪效果。本文在包絡譜上進行掃頻分析，將信號變換到掃頻譜中，以突出代表故障的周期性沖擊衰減信號的幅度，實現對風力發電機軸承故障的準確快速診斷。

1 周期性沖擊衰減振動信號

1.1 基本形態

軸承局部故障和內外圈打滑故障均表現為周期性沖擊衰減振動信號，即軸承元件以一定的時間間隔周期性地在故障點處發生碰撞，碰撞產生脈沖信號，脈沖信號在阻尼影響下逐漸衰減。假設周期性沖擊的大小、方向及時間間隔不變，則脈沖力序列如圖1所示，可表示為[1]

式中，d0為周期性沖擊的單峰值，Td為相鄰沖擊間的時間間隔。

由于軸承元件通過故障點產生的沖擊脈沖力能量有限，在阻尼的影響下，每次撞擊后必然做衰減振動[9]。若設該脈沖力為正向，則故障點一次撞擊后的振動響應為[9,16]

單次沖擊的衰減振動信號()如圖2所示。

圖2 單次沖擊的衰減振動信號

一般情況下，系統的阻尼相對較大，導致脈沖力序列()中的每個沖擊都會激起衰減振動信號()，而且衰減速度很快。每次衰減所需時間與脈沖力的周期間隔相比要小得多[9]。因此，理論條件下周期性沖擊故障信號是以d為時間間隔，0為單峰值，每次脈沖按照()衰減的振動信號序列，記為()，其為脈沖力序列()與衰減振動信號()卷積的結果[1]，即

圖3為周期性沖擊故障發生時產生的振動信號序列s(t)。

1.2 包絡譜形態

包絡解調是對振動信號時域波形的包絡線做傅里葉變換，形成包絡譜，進行頻域分析。對于衰減振動信號()，其包絡信號為[1]

圖4為衰減振動包絡信號e(t)。

對衰減振動信號序列()進行包絡檢波，得到一系列指數衰減函數()。與()類似，包絡信號()是脈沖力序列()與衰減振動包絡信號()的卷積[1]，即

在頻域中，包絡信號頻譜()為脈沖力序列頻譜()與衰減振動包絡信號頻譜()的乘積，即

圖5為周期性沖擊衰減振動信號包絡譜的形成過程。由圖5及診斷經驗可知，一般情況下包絡譜中有2個規律對本文包絡譜掃頻分析法有關鍵作用。這2個規律具體為：1）體現故障信息（間隔頻率d）的頻率成分集中在包絡譜低頻區，前三階尤其明顯，識別前三階頻率成分便可基本判斷故障；2）在包絡譜中故障信號前三階頻率成分依次降低。

2 包絡譜掃頻分析法

風力發電機軸承的大部分典型故障表現為周期性沖擊衰減振動信號，準確識別該信號即可實現故障診斷。本文基于周期性沖擊衰減振動信號的包絡譜形態，結合診斷經驗提出了風力發電機軸承故障診斷的包絡譜掃頻分析法。以往的診斷方法是在振動信號包絡譜中，人為操作游標，觀察和比對實際信號的頻率成分與預期故障頻率是否對應，進而確定故障。本文包絡譜掃頻分析法將人的診斷經驗數據化，將人為操作游標比對故障頻率的過程通過計算機實現，讓成倍數關系的游標族在包絡譜上掃頻，每掃過一頻率點，計算一次該頻率下游標族幅值之和，以該頻率點為橫坐標，以游標族幅值和為縱坐標，建立新的譜圖，即掃頻譜，從而實現診斷。該譜圖能夠大幅突出所需要的周期性沖擊衰減信號的幅度，降低非周期性噪聲信號的影響，將故障特征更加清晰直觀地表現出來，提高了診斷準確性和效率[17]。該方法包括5個環節，分別為建立倍頻游標族、包絡譜掃頻、建立掃頻譜、過濾干擾頻率以及識別故障頻率。

2.1 建立倍頻游標族

倍頻游標族為一組倍頻游標，游標族內的游標成倍數關系。一般情況下在振動信號包絡譜中識別前三階頻率成分便可基本判斷故障，因此游標數量確定為3。

根據包絡譜和故障頻率的大致范圍，確定倍頻游標族基頻（1倍頻）游標的最小值和最大值。最小值可以為0 Hz，也可設置為故障頻率的下限值；最大值為故障頻率上限值與游標數量之商。如故障頻率上限值為2 000 Hz，則可確定基頻游標最小值為0 Hz，最大值為666 Hz。

2.2 包絡譜掃頻

在包絡譜上，倍頻游標族的基頻游標由最小值開始，逐漸移動到最大值，移動間隔為譜圖上的最小分辨率。在每個移動位置上，倍頻游標族計算1次3個游標的幅值之和。

2.3 建立掃頻譜

以倍頻游標族中基頻游標掃過的所有頻率值為橫坐標，以每個基頻游標對應的倍頻游標族3個游標幅值之和為縱坐標，建立掃頻譜。

2.4 過濾干擾頻率

首先過濾掃頻帶來的干擾頻率。掃頻后，故障頻率基頻成分的1/3、1/2等處會出現干擾頻率成分，這是倍頻游標族的二階和三階成分與故障頻率重合所致。為了消除這種干擾，利用上文提到的包絡譜中故障信號前三階頻率成分依次降低的規律，在掃頻過程中設置過濾程序，即對掃頻過程中倍頻游標族一階成分幅值小于0.5倍的二階幅值及前二階成分幅值之和小于三階幅值的情況，不再計算3個游標之和，在掃頻譜縱坐標上僅返回第一階幅值，從而消除干擾頻率。其次，將掃頻譜和原譜圖對比，區分原譜圖中幅值較大的隨機性頻率成分，降低其對診斷的干擾。

2.5 識別故障頻率

在掃頻譜中，周期性沖擊衰減振動信號得到突出，隨機噪聲和不具有周期性的振動信號幅值相對減小，對照包絡譜圖，便可準確快速地識別風力發電機軸承故障。

3 診斷實例

3.1 DE端軸承局部故障診斷

某風電機組發電機DE端軸承時域波形（圖6）中存在明顯的沖擊信號，判斷為軸承運行狀態異常。為識別故障類型和位置，進行包絡解調分析。在包絡譜（圖7）中，頻率成分較為復雜，無法直觀分辨出故障頻率成分。采用包絡譜掃頻法，得到掃頻譜（圖8）。圖8中3個頻率成分最為突顯，分別為11.84 Hz（0.4倍發電機轉頻）、70.23 Hz（2.38倍發電機轉頻）及140.5 Hz（70.23 Hz成分的2倍）。

圖6 發電機軸承時域波形

圖7 發電機軸承包絡譜

圖8 發電機軸承掃頻譜

已知發電機轉頻為29.44 Hz，該損傷軸承型號為NU1030M1，其故障特征倍頻值見表1。由表1可見，該風電機組發電機DE段軸承滾動體和保持架已出現損傷。對比圖7和圖8，通過包絡譜掃頻分析，掃頻譜中的故障信號特征得到突出，受環境噪聲和其他干擾頻率的影響明顯小于包絡譜。

表1 某風電機組發電機軸承故障特征倍頻

Tab.1 The frequency doubling table of generator bearing fault characteristics for a wind turbine

3.2 齒輪箱高速軸軸承外圈打滑故障診斷

某風電機組齒輪箱高速軸軸承時域波形如圖9所示，其中存在明顯的沖擊信號，判斷軸承運行狀態異常。在其包絡譜（圖10）中已經能夠識別以高速軸轉頻為基頻的1—4階頻率成分，已知高速軸轉頻為21.22 Hz。采用包絡譜掃頻法，得到結果如圖11所示，圖11中最大頻率點為21.22 Hz，即發電機轉頻。結合包絡譜和掃頻譜，確定該軸承處存在以高速軸轉頻為間隔的周期性沖擊信號，經驗證確診為齒輪箱高速軸軸承外圈打滑故障。

圖9 齒輪箱高速軸軸承時域波形

圖10 齒輪箱高速軸軸承包絡譜

圖11 齒輪箱高速軸軸承掃頻譜

由圖10和圖11可見，雖然包絡譜中已出現故障信號特征，但經包絡譜掃頻分析后，進一步確認了故障信號的來源，保證了診斷的準確性。

4 結 論

1）在包絡解調分析技術的基礎上，建立了包絡譜掃頻分析法，并針對風力發電機組軸承典型故障進行了實際驗證。

2）與包絡解調、波形分析等傳統診斷方法結合使用，包絡譜掃頻分析法能夠準確快速地診斷風力發電機軸承典型故障，可作為傳統診斷方法的補充和確認手段。

3）在建立掃頻譜的過程中，掃頻會產生故障頻率基頻的1/3、1/2等的干擾頻率。利用包絡譜中故障信號前三階頻率成分依次降低的規律，合理設置過濾程序，能夠有效消除干擾頻率。

4）包絡譜掃頻分析法能夠在掃頻譜中大幅提升周期性沖擊衰減振動信號的幅度。隨著診斷案例的不斷積累，該方法可作為未來自動診斷、智能診斷的有效判據。

［1］ 雷劍宇. 滾動軸承局部故障的振動分析與診斷[D]. 西安: 西北工業大學, 2007: 58-62. LEI Jianyu. Vibration analysis and diagnosis of local faults of rolling bearings[D]. Xi’an: Northwestern Polytechnical University, 2007: 58-62.

［2］ 沈慶根. 化工機器故障診斷技術[M]. 杭州: 浙江大學出版社, 1994: 170-177. SHEN Qinggen. Fault diagnosis technology of chemical machinery[M]. Hangzhou: Zhejiang University Press, 1994: 170-177.

［3］ 孟濤. 齒輪與滾動軸承故障的振動分析與診斷[D]. 西安: 西北工業大學, 2003: 5-6. MENG Tao. Vibration analysis and diagnosis on the fault of the gear and rolling element bearing[D]. Xi’an: Northwestern Polytechnical University, 2003: 5-6.

［4］ MCFADDEN P D. Model for the vibration produced by a single point defect in a rolling element bearing[J]. Journal of Sound and Vibration, 1984, 96(1): 69-82.

［5］ MCFADDEN P D. The vibration produced by multiple point defects in a rolling element bearing[J]. Journal of Sound and Vibration, 1985, 98(2): 263-273.

［6］ OSUAGWU C C, THOMAS D W. Effect of inter-modulation and quasi-periodic instability in the diagnosis of rolling element incipient defect[J]. Journal of Mechanical Design, 1982, 104: 296-302.

［7］ COURRECH J. In handbook of acoustical measurements and noise control (HARRIS C M editor)[D]. New York: McGraw-Hill, 1991: 50-60.

［8］ TANDON N, NAKRA B C. Comparison of vibration and acoustic measurement techniques for the condition monitoring of rolling element bearings[J]. Tribology International, 1992, 25(3): 205-212.

［9］ 梅宏斌. 滾動軸承振動監測與診斷理論·方法·系統[M]. 北京: 機械工業出版社, 1995: 17-26. MEI Hongbin. Theory, method and system of vibration monitoring and diagnosis for rolling bearings[M]. Beijing: Machinery Industry Press, 1995: 17-26.

［10］ TANDON N A, CHOUDHURY A B. A review of vibration and acoustic measurement methods for the detection of defects in rolling element bearings[J]. Tribology International, 1999, 32(8): 469-480.

［11］ MCFADDEN P D, SMITH J D. The vibration monitoringof rolling element bearings by the high-frequency resonance technique: a review[J]. Tribology International, 1984, 17(1): 3-10.

［12］ MARTIN K F, THORPE P. Normalised spectra in monitoring of rolling bearing elements[J]. Wear, 1992, 159: 153-160.

［13］ 王平, 廖明夫. 滾動軸承故障診斷的自適應共振解調技術[J]. 航空動力學報, 2005, 20(4): 606-612. WANG Ping, LIAO Mingfu. Adaptive demodulated resonance technique for the rolling bearing fault diagnosis[J]. Journal of Aerospace Power, 2005, 20(4): 606-612.

［14］ 孟濤, 廖明夫, 李輝. 齒輪故障診斷的時延相關解調法[J]. 航空動力學報, 2003, 18(1): 109-113. MENG Tao, LIAO Mingfu, LI Hui. Detection and diagnosis of the gear fault by the delayed correlation- envelope technique[J]. Journal of Aerospace Power, 2003, 18(1): 109-113.

［15］ 孟濤, 廖明夫. 利用時延相關解調法診斷滾動軸承的故障[J]. 航空學報, 2004, 25(1): 41-44. MENG Tao, LIAO Mingfu. Detection and diagnosis of the rolling element bearing fault by the delayed correlation-envelope technique[J]. Acta Aeronautica ET AS Tronautica Sinica, 2004, 25(1): 41-44.

［16］ 方同, 薛璞. 振動理論及應用[M]. 西安: 西北工業大學出版社, 2000: 27-31. FANG Tong, XUE Pu. Vibration theory and its application[M]. Xi’an: Northwest Polytechnic University Press, 2000: 27-31.

［17］ 鄧巍, 韓斌, 趙勇. 一種通過掃頻診斷設備故障的方法: 108007548A[P]. (2018-05-08) [2019-04-14]. DENG Wei, HAN Bin, ZHAO Yong. A method of fault diagnosis of equipment by sweeping frequency: 108007548A[P]. (2018-05-08) [2019-04-14].

Envelope spectrum sweeping analysis method for bearing fault diagnosis of wind turbine

DENG Wei1, HAN Bin1, WANG Jianliang2, ZHAO Yong1, LIU Tengfei1

(1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. Huaneng Turpan Wind Power Co., Ltd., Urumchi 838100, China)

In order to improve the accuracy and efficiency of bearing fault diagnosis of wind turbine, envelope spectrum sweeping analysis method is proposed. By sweeping the envelope spectrum, this method transforms the vibration signal into sweeping spectrum. Then, it uses the morphological features of the fault signal in the envelope spectrum to filter the interference frequency. Finally, it highlights the periodic impulse attenuation signals representing the faults, to realize accurate and fast diagnosis of bearing fault of wind turbines. The actual diagnosis results show that, this method can accurately and rapidly diagnose the typical bearing faults of wind turbine. It is an effective complement to the conventional diagnostic methods, which is not only suitable for bearing fault diagnosis of wind turbine, but also can be used for rolling bearing fault diagnosis of other equipments.

wind power generation, fault diagnosis, rolling bearing, envelope spectrum, sweeping spectrum, vibration signal

U226.8+1

B

10.19666/j.rlfd.201904082

鄧巍, 韓斌, 王建亮, 等. 風力發電機軸承故障包絡譜掃頻分析診斷[J]. 熱力發電, 2019, 48(7): 126-130. DENG Wei, HAN Bin, WANG Jianliang, et al. Envelope spectrum sweeping analysis method for bearing fault diagnosis of wind turbine[J]. Thermal Po7wer Generation, 2019, 48(7): 126-130.

2019-04-15

西安熱工研究院有限公司研究開發基金項目(TQ-17-TYK09)

Supported by：Research and Development Foundation of Xi’an Thermal Power Research Institute Co., Ltd. (TQ-17-TYK09)

鄧巍(1985—)，男，碩士研究生，工程師，主要研究方向為新能源發電設備檢測與故障診斷，dengwei@tpri.com.cn。

（責任編輯 杜亞勤）