基于齒輪箱物理結(jié)構(gòu)的風(fēng)機狀態(tài)監(jiān)測數(shù)據(jù)預(yù)處理方法

胡 婷

（北京低碳清潔能源研究院 新能源技術(shù)研究中心， 北京 102211）

0 引言

風(fēng)機狀態(tài)監(jiān)測能實時了解風(fēng)機的健康狀態(tài)，降低風(fēng)力發(fā)電場的維護成本，已經(jīng)成為現(xiàn)代風(fēng)電運維必不可少的手段。 風(fēng)機狀態(tài)監(jiān)測是通過科學(xué)的數(shù)據(jù)處理達(dá)到實時監(jiān)測風(fēng)機傳動鏈健康狀態(tài)的方法。

振動分析是一種低成本、可靠的監(jiān)測技術(shù)[1]，具有精準(zhǔn)定位故障位置、診斷速度快以及診斷精度高等優(yōu)點，是齒輪箱故障診領(lǐng)域中使用最廣泛的方法[2]。 對雙饋型風(fēng)力發(fā)電機，基于振動信號的風(fēng)機狀態(tài)監(jiān)測系統(tǒng)（Condition Monitoring System，CMS） 是將振動傳感器安裝到軸承座和齒輪箱外殼等固定位置，通過采集傳動鏈各個部件的振動信號，利用頻譜分析等數(shù)據(jù)分析方法診斷出故障的類型、部位和損傷程度，從而實現(xiàn)傳動鏈中齒輪箱和軸承的健康狀況檢測。

國內(nèi)的大型風(fēng)電場大多須要安裝數(shù)十臺至數(shù)百臺風(fēng)機，且分布在廣闊區(qū)域里，這給風(fēng)機集中控制及風(fēng)場生產(chǎn)數(shù)據(jù)匯集帶來一定的難度。 在通用的CMS 處理流程中，全部的集控數(shù)據(jù)和生產(chǎn)數(shù)據(jù)都會通過風(fēng)場局域網(wǎng)實時傳輸?shù)斤L(fēng)場控制中心，這給網(wǎng)絡(luò)帶來了很大的負(fù)荷壓力。 并且在網(wǎng)絡(luò)擁塞或斷開時， 數(shù)據(jù)需要存儲到采集設(shè)備，這一操作對存儲空間帶來了極大挑戰(zhàn)。 但是風(fēng)機CMS 為了達(dá)到全面的部件可檢測度和精準(zhǔn)的檢測準(zhǔn)確度， 須要綜合考慮數(shù)據(jù)存儲量和分析分辨率等因素。因此，合理地壓縮數(shù)據(jù)同時保留必要的有效信息、 提高數(shù)據(jù)的存取速度以及計算速度也是風(fēng)機狀態(tài)監(jiān)測系統(tǒng)的重要指標(biāo)。

1 風(fēng)機狀態(tài)監(jiān)測系統(tǒng)

文獻(xiàn)[3]提出建立一個集中的統(tǒng)一監(jiān)控中心，完成實時數(shù)據(jù)的采集與遠(yuǎn)程集中控制功能。 文獻(xiàn)[4]，[5]提出基于云計算的風(fēng)機故障監(jiān)測系統(tǒng)的應(yīng)用。 文獻(xiàn)[6]提出未來狀態(tài)監(jiān)測與故障診斷技術(shù)的發(fā)展方向之一是通過網(wǎng)絡(luò)連接實現(xiàn)遠(yuǎn)程故障診斷系統(tǒng)間的通信，形成開放式故障診斷系統(tǒng)。由此看來， 建立一個分布式的風(fēng)機狀態(tài)監(jiān)測系統(tǒng)是一種通用的風(fēng)機健康狀態(tài)監(jiān)測方法。

普遍的風(fēng)機狀態(tài)監(jiān)測系統(tǒng)通過在每臺風(fēng)機的傳動鏈上布置多個物理傳感器， 周期性地采集振動數(shù)據(jù)，通過光纖網(wǎng)絡(luò)實時傳輸至風(fēng)場控制中心。風(fēng)場控制中心對原始數(shù)據(jù)進行本地存儲和科學(xué)分析，根據(jù)分析結(jié)果判斷風(fēng)機傳動鏈的健康狀況，給出故障維修建議， 從而實現(xiàn)風(fēng)機健康狀況實時監(jiān)測。

分布式風(fēng)機狀態(tài)監(jiān)測系統(tǒng)中， 通用的數(shù)據(jù)處理流程：

（1）風(fēng)場管理中心遠(yuǎn)程控制CMS 中數(shù)據(jù)采集設(shè)備的工作狀態(tài)和配置采集參數(shù)；

（2）數(shù)據(jù)采集設(shè)備將前端傳感器產(chǎn)生的時間域離散化數(shù)據(jù)傳輸至風(fēng)場控制中心， 可采用直接傳輸或先存儲再傳輸?shù)葍煞N處理方式；

（3）風(fēng)場控制中心接收到原始數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理、分析和管理，根據(jù)分析和統(tǒng)計判斷出風(fēng)機的健康狀態(tài)。

針對常見的齒輪箱結(jié)構(gòu)， 為了保證數(shù)據(jù)的完整性和有效性，一般情況下選擇8 個振動傳感器，數(shù)據(jù)采集每通道同步采樣的采樣率選擇51.2 kHz，以獲得更完整頻率范圍的信息， 為得到更高分析頻率，采集時長設(shè)置為60 s，每次采集產(chǎn)生的數(shù)據(jù)容量將近200 MB。 由此看出，采集前端產(chǎn)生的數(shù)據(jù)具有體量大、速率高的特點，且多臺風(fēng)機在數(shù)據(jù)傳輸時具有并發(fā)性強的特點。此外，為了積累原始數(shù)據(jù)，全部存儲需要足夠大的存儲空間。

因此，在現(xiàn)有的風(fēng)場網(wǎng)絡(luò)環(huán)境下，需要一種有效的數(shù)據(jù)預(yù)處理方式，能夠縮小數(shù)據(jù)量，最大化保留有效信息，從而降低網(wǎng)絡(luò)帶寬占用，減小存儲空間，提高分析效率。

2 改進的數(shù)據(jù)預(yù)處理流程

改進的數(shù)據(jù)預(yù)處理流程是在數(shù)據(jù)源端將齒輪箱配置與實時采集數(shù)據(jù)相結(jié)合， 進行有效數(shù)據(jù)抽取的一種方法。 包括以下幾個步驟：

（1）控制中心將每臺風(fēng)機的配置信息下發(fā)至每臺風(fēng)機的數(shù)據(jù)采集設(shè)備， 收到對應(yīng)的齒輪箱配置信息后，更新本地的配置信息；

（2）控制中心遠(yuǎn)程控制采集，采集設(shè)備按照配置進行采集；

（3）采集設(shè)備對采集到的數(shù)據(jù)，結(jié)合齒輪箱配置信息進行數(shù)據(jù)預(yù)處理， 并將預(yù)處理后的數(shù)據(jù)和齒輪箱配置共同存儲至本地；

（4）風(fēng)機控制中心輪詢各個采集設(shè)備，獲取每個風(fēng)機的數(shù)據(jù)文件；

（5）風(fēng)機控制中心收到數(shù)據(jù)后，直接進行深度數(shù)據(jù)分析，存儲分析結(jié)果，判斷風(fēng)機的健康狀態(tài)。

圖1 為改進后的風(fēng)機狀態(tài)監(jiān)測系統(tǒng)中數(shù)據(jù)處理過程的通用處理流程圖。

圖1 數(shù)據(jù)處理過程的改進處理流程圖Fig.1 Flow chart of improved processing of data processing process

3 基于齒輪箱配置的數(shù)據(jù)壓縮算法

基于齒輪箱配置的數(shù)據(jù)壓縮算法是依據(jù)齒輪箱的物理結(jié)構(gòu)和軸轉(zhuǎn)速信號， 從時間域離散化的振動數(shù)據(jù)中抽取出包含完整運行信息的周期域數(shù)據(jù)，為故障分析提供精簡的、有效的數(shù)據(jù)源。

3.1 齒輪箱配置

齒輪箱的內(nèi)部結(jié)構(gòu)決定振動傳感器的安裝位置，而傳感器的位置直接影響故障診斷的效果，因此，掌握風(fēng)機齒輪箱的內(nèi)部結(jié)構(gòu)至關(guān)重要[7]。 通過頻域分析可以得到齒輪箱中各個軸的轉(zhuǎn)頻、 軸承和齒輪的損傷頻率及高次諧波對應(yīng)的幅值， 以及信號的能量分布， 這些分析結(jié)果為判斷齒輪箱是否發(fā)生故障、 分析齒輪箱故障產(chǎn)生的部位及判斷故障的嚴(yán)重程度提供了依據(jù)[8]。 因此，考慮齒輪箱物理結(jié)構(gòu)為故障檢測提供了有效方法和有力依據(jù)。

由于機組機型的不同， 齒輪箱的內(nèi)部結(jié)構(gòu)存在較大差異， 根據(jù)其傳動形式可以劃分為定軸齒輪傳動、行星齒輪傳動以及它們的組合[9]。 目前，常見的齒輪箱結(jié)構(gòu)有一級行星和兩級平行結(jié)構(gòu)的齒輪箱、 兩級行星和一級平行結(jié)構(gòu)的齒輪箱和復(fù)合行星齒輪箱。主要包含圈齒、太陽輪和多個行星輪（一般為3 個或4 個）組成的行星級齒輪和大小平行輪組成的平行級齒輪。

齒輪箱的內(nèi)部結(jié)構(gòu)按部件可分解為齒輪、軸和軸承， 主要基于齒輪的物理參數(shù)抽取包含完整振動響應(yīng)信息的數(shù)據(jù)。在行星級結(jié)構(gòu)中，影響軸速放大比的因素是各個齒輪的齒數(shù)和行星齒個數(shù)；在平行級結(jié)構(gòu)中， 影響因素是大齒輪和小齒輪的齒數(shù)。因此，須要配置的齒輪箱物理參數(shù)如表1 所示。

表1 齒輪箱配置信息Table 1 Gear box configuration information

3.2 數(shù)據(jù)預(yù)處理算法

對于風(fēng)機這一類的變速運動的旋轉(zhuǎn)機械設(shè)備，在運行過程中，反映其運行信息的各種信號隨著機械運轉(zhuǎn)而周期性重復(fù)， 部件的故障也會呈現(xiàn)出周期性的沖擊響應(yīng)，因此，周期域較時間域更能反映出故障特征。

對時域的振動響應(yīng)信號結(jié)合軸轉(zhuǎn)速的鍵相脈沖信號進行同步重采樣可獲得周期域信號。 該周期域信號包含了與指定軸相同轉(zhuǎn)速的部件的運行信息以及噪聲信號。

獲得周期域信號的關(guān)鍵是獲取與每個位置的振動響應(yīng)對應(yīng)的軸轉(zhuǎn)動同步的脈沖。 齒輪箱內(nèi)每個齒輪的旋轉(zhuǎn)速度與相應(yīng)軸的轉(zhuǎn)速相同。 根據(jù)齒輪箱的物理參數(shù)可得到每一級的放大比， 依據(jù)采集到的齒輪箱輸出軸的轉(zhuǎn)速鍵相脈沖信號， 進一步計算出與每個位置振動響應(yīng)相關(guān)的物理軸的速度脈沖信號，以此作為觸發(fā)信號，經(jīng)軟件同步重采樣得到周期域信號。

采用同步重采樣獲得周期域信號的過程中，涉及到影響故障檢測性能的兩個重要參數(shù)， 每周期采樣點數(shù)和周期數(shù)。 每周期采樣點數(shù)會影響周期信號本身的準(zhǔn)確度， 周期數(shù)會影響降低信噪比所采用的同步平均分析方法的準(zhǔn)確度， 且共同影響頻譜分析的頻率分辨率。

此外，風(fēng)電機組運行時存在多部件耦合振動，且工作運行時背景噪聲一般較強， 使得采集的振動信號多表現(xiàn)出非平穩(wěn)性和非線性[10]。但是，隨著振動信號傳遞路徑的增加， 其他部件的振動信號較弱。 并且，常見的風(fēng)機齒輪箱的放大比大致為1∶100，不同位置部件的轉(zhuǎn)速差別很大。 時域數(shù)據(jù)離散化是對每個位置的振動信號以相同采樣率采集等長度時間。對于高速部件，單位時間內(nèi)轉(zhuǎn)動周期多，對于低速部件，單位時間內(nèi)轉(zhuǎn)動周期少。 因此，為了達(dá)到數(shù)據(jù)約簡的目的，并考慮到頻率分辨率和同步平均次數(shù)， 定義每個位置的傳感器采集到的振動信號僅針對鄰近部件進行分析。 為了減小速度推導(dǎo)誤差，在劃分測試范圍時，對于一個位置的振動響應(yīng)須要檢測多級速度的部件時， 以速度高的軸為基準(zhǔn)。

以一級行星二級平行結(jié)構(gòu)齒輪箱為例， 測試范圍如表2 所示。 改進的數(shù)據(jù)預(yù)處理算法流程如圖2 所示。

表2 一級行星二級平行結(jié)構(gòu)齒輪箱的測試范圍列表Table 2 List of test ranges for gearboxes with one planetary and two parallel structure

圖2 改進的數(shù)據(jù)預(yù)處理算法流程示意圖Fig.2 The schematic diagram of the improved data preprocessing algorithm

4 應(yīng)用實例

在某風(fēng)場的1.5 MW 風(fēng)機上進行測試和驗證。 該風(fēng)機安裝的齒輪箱是二級行星一級平行結(jié)構(gòu)，傳動鏈上有兩個主軸軸承。根據(jù)傳動鏈的部件結(jié)構(gòu)特征，分別在主軸軸承、一級行星輪圈齒、二級行星輪圈齒、高速軸軸承、發(fā)電機軸承等7 位置部署壓電傳感器以采集振動信號。 在齒輪箱輸出軸附近固定了1 個光電傳感器， 采集高速軸轉(zhuǎn)速脈沖信號，以計算高速軸的轉(zhuǎn)速。

數(shù)據(jù)采集設(shè)備可采集1 路速度信號和7 路振動信號，同時進行存儲、預(yù)處理和分發(fā)。 采集參數(shù)由風(fēng)場控制中心配置好后傳輸至每臺風(fēng)機。 當(dāng)開始采集并生成數(shù)據(jù)文件后，自動進行預(yù)處理操作，數(shù)據(jù)約簡結(jié)束后與風(fēng)場控制中心服務(wù)器建立連接進行傳輸。 當(dāng)網(wǎng)絡(luò)故障后暫存在本地。

該風(fēng)機中的齒輪箱物理結(jié)構(gòu)：一級行星輪中，圈齒齒數(shù)為102，3 個行星輪齒數(shù)均為39，太陽輪齒數(shù)為24； 二級行星輪與一級行星輪結(jié)構(gòu)相同；高速平行輪中，大齒輪齒數(shù)為102，小齒輪齒數(shù)為27。

該機型的額定轉(zhuǎn)速為1 800 rad/min， 為滿足同步采集到主軸和高速軸的有效數(shù)據(jù)有較高的頻率分辨率， 以及足夠的轉(zhuǎn)動周期進行TSA 分析，每次采集均以51.2 k/s 通道的采樣率采集60 s，產(chǎn)生的原始數(shù)據(jù)文件為173.28 MB。

周期域處理時的參數(shù)設(shè)置： 每周期采樣點數(shù)一般為2n，周期數(shù)與所要檢測的部件相對轉(zhuǎn)速相關(guān)。由于高速部件的轉(zhuǎn)速快，單位時間內(nèi)轉(zhuǎn)動周期多，低速部件在單位時間內(nèi)轉(zhuǎn)動周期少。為了盡可能地增大頻率分辨率，降低待分析的數(shù)據(jù)量，對每個部件的兩個參數(shù)分別設(shè)置。對高速部件，每周期采樣點數(shù)設(shè)置為1 024，采集到的周期數(shù)較多導(dǎo)致數(shù)據(jù)量大，因此，選擇保留20 個周期，但對于高速軸軸承位置，須要檢測高速小齒輪和高速大齒輪，以及高速軸軸承等部件，基準(zhǔn)軸為高速軸。對于高速大齒輪而言，其轉(zhuǎn)動頻率與中速軸相同，與基準(zhǔn)軸轉(zhuǎn)速的比為大齒輪與小齒輪的齒數(shù)比， 大約為3.8，因此，高速軸位置的振動響應(yīng)信號處理時的周期數(shù)設(shè)置為96。 對中速部件，轉(zhuǎn)速較低，在每周期采樣點數(shù)和周期數(shù)之間折中處理， 每周期采樣點數(shù)取4 096，保留24 個周期。 對低速部件，轉(zhuǎn)速最低，保留全部周期，每周期采樣點數(shù)取4 096。

采用提出的數(shù)據(jù)預(yù)處理方式， 在采集端將數(shù)據(jù)有效壓縮為2.15 MB，文件大小為原來的1.2%。

以檢測高速軸大齒輪為例進行說明。 檢測高速軸大齒輪部件以高速軸軸承位置的傳感器數(shù)據(jù)為原始數(shù)據(jù)，時間域振動響應(yīng)信號如圖3 所示，預(yù)處理后獲得的周期域數(shù)據(jù)如圖4 所示。

圖3 時間域振動響應(yīng)信號波形圖Fig.3 Waveform of time domain vibration response signal

圖4 周期域振動信號波形圖Fig.4 Waveform of cycle domain vibration signal

由圖4 可知，數(shù)據(jù)共96 個周期，這與設(shè)置的周期數(shù)相一致。

對信號進行同步平均方法處理， 加強了與軸轉(zhuǎn)動同步的周期分量， 除去其他非周期成分以及與軸轉(zhuǎn)頻脈沖不同步的周期成分， 大大提高信噪比[11]。

為了驗證處理后的周期域信號包含了與指定軸相同轉(zhuǎn)速的部件的運行信息， 采用同步平均分析方法進行分析，結(jié)果如圖5 所示。

圖5 同步平均分析結(jié)果Fig.5 Synchronous average analysis results

從圖5 可以觀察到周期性的沖擊脈沖， 疑似異常響應(yīng)信號。

周期域平均后的信號包含著齒輪故障的特征信息，再進行頻率分析，可有效檢測齒輪箱故障。對上述同步平均分析后的信號進行頻譜分析，即同步平均階次譜分析，結(jié)果如圖6 所示。

圖6 同步平均階次譜分析結(jié)果Fig.6 Synchronous average order spectrum analysis results

從圖6 可以看出， 嚙合頻率102 及其倍頻的旁瓣的階次差為1。

結(jié)合周期域信號同步平均分析的結(jié)果， 初步判斷高速大齒輪可能有損傷。 這一分析結(jié)果與風(fēng)場的內(nèi)窺鏡檢測報告結(jié)果相一致。由此說明，采用改進的數(shù)據(jù)預(yù)處理方式進行數(shù)據(jù)約簡， 獲得的周期域信號可以發(fā)現(xiàn)傳動鏈部件的損傷， 改進的數(shù)據(jù)預(yù)處理方式可用于風(fēng)機狀態(tài)監(jiān)測。

5 結(jié)論

在現(xiàn)有的風(fēng)場網(wǎng)絡(luò)環(huán)境下， 本文針對帶有齒輪箱的風(fēng)力發(fā)電機提出了一種應(yīng)用于風(fēng)機狀態(tài)監(jiān)測的數(shù)據(jù)預(yù)處理方式。基于齒輪箱物理結(jié)構(gòu)，在數(shù)據(jù)產(chǎn)生源處直接對原始采集數(shù)據(jù)進行數(shù)據(jù)預(yù)處理， 能夠?qū)㈨氁W(wǎng)絡(luò)傳輸和數(shù)據(jù)分析的數(shù)據(jù)縮小至原始數(shù)據(jù)容量的2%以下， 并最大化保留有效信息。該方法降低了網(wǎng)絡(luò)帶寬占用，減小了存儲空間，提高了分析效率，為風(fēng)機狀態(tài)監(jiān)測和故障診斷提供了有效的數(shù)據(jù)源。