風(fēng)電軸承狀態(tài)監(jiān)測與智能維護(hù)策略研究

呂明珠

(1.遼寧裝備制造職業(yè)技術(shù)學(xué)院自控學(xué)院，遼寧 沈陽 110161；2.遼寧廣播電視大學(xué)，遼寧 沈陽 110034)

1 引言

隨著全球?qū)︼L(fēng)力發(fā)電需求的持續(xù)大幅增加，風(fēng)電機(jī)組的發(fā)展趨向于大型化、重型化，風(fēng)力發(fā)電機(jī)組的規(guī)模和容量都在不斷擴(kuò)大，加之服役年限的增長和極端惡劣的工況，導(dǎo)致風(fēng)力機(jī)組機(jī)械部件存在潛在的安全問題以及復(fù)雜的性能退化過程的概率也日益增加，例如疲勞、裂紋、剝落等，這些問題如不及時(shí)排查，將最終引發(fā)設(shè)備故障停機(jī)甚至嚴(yán)重的安全事故，此外由于故障部件難于修理和更換無疑又增加了風(fēng)力機(jī)運(yùn)營和維護(hù)的成本。目前，風(fēng)電項(xiàng)目的運(yùn)營和維護(hù)成本約占總成本的10%～20%，在服役后期，這個百分比可以達(dá)到35%[1]，對于海上風(fēng)電項(xiàng)目，這個百分比更高。可靠性不高、維護(hù)成本居高不下，這些因素在一定程度上阻礙了風(fēng)力發(fā)電技術(shù)的發(fā)展，同時(shí)也已經(jīng)成為了風(fēng)電行業(yè)面臨的新挑戰(zhàn)。因此，對風(fēng)電設(shè)備的狀態(tài)退化評估與剩余壽命預(yù)測理論和技術(shù)的研究是提高風(fēng)力機(jī)運(yùn)行可靠性，延長風(fēng)力機(jī)的使用壽命并降低維護(hù)成本的迫切需求。

2 風(fēng)力發(fā)電機(jī)的主要故障模式和易損零件

2.1 主要故障模式

實(shí)際上，同一類型的陸上和海上風(fēng)力發(fā)電機(jī)系統(tǒng)之間的失效率也有很大的不同，如圖1所示。圖1中的結(jié)果顯示了關(guān)鍵部件的故障率比其他部件高，在海上工作的相同部件的故障率比在陸地上工作的部件高得多。對于風(fēng)力發(fā)電機(jī)傳動系統(tǒng)，關(guān)鍵部件如發(fā)電機(jī)、齒輪箱和葉片的故障率最高。齒輪箱故障主要由齒輪和軸承引起，發(fā)電機(jī)故障主要由軸承引起。

圖1 陸上和海上工作的風(fēng)力發(fā)電機(jī)組件的故障率

(1)齒輪箱故障模式

齒輪箱中的任何關(guān)鍵部件發(fā)生故障，都可能導(dǎo)致高維修成本和生產(chǎn)損失，可能還需要較長的修理時(shí)間，尤其是海上風(fēng)力發(fā)電機(jī)。齒輪箱的常見故障形式有軸承失效、齒輪疲勞、磨損、斷裂、潤滑不足等。

(2)發(fā)電機(jī)故障模式

發(fā)電機(jī)與風(fēng)力機(jī)齒輪箱的高速軸相連，受時(shí)變機(jī)械扭矩的影響，發(fā)電機(jī)也是風(fēng)力機(jī)中故障率較高的關(guān)鍵部件之一。引起發(fā)電機(jī)故障的根本原因通常包括設(shè)計(jì)問題、工作條件、維護(hù)情況以及外部環(huán)境，還與它們的功率等級有關(guān)。發(fā)電機(jī)故障中軸承故障是最常見的失效模式。

2.2 風(fēng)力機(jī)高速軸軸承

滾動軸承是應(yīng)用廣泛的旋轉(zhuǎn)機(jī)械的支撐部件，也是風(fēng)力機(jī)傳動系統(tǒng)中的關(guān)鍵零件和易損零件之一，其健康狀況直接關(guān)系到機(jī)組設(shè)備能否可靠穩(wěn)定運(yùn)行[2]。由于風(fēng)力機(jī)傳動系統(tǒng)由多個旋轉(zhuǎn)機(jī)械組成，因此有一套完整的專用軸承體系，包括:主軸承、齒輪箱軸承、發(fā)電機(jī)軸承、變槳軸承、偏航軸承等，其中，齒輪箱、發(fā)電機(jī)等部位的軸承一旦發(fā)生故障，則需要耗費(fèi)大量的時(shí)間和成本進(jìn)行檢修，嚴(yán)重影響機(jī)組的使用率，風(fēng)力機(jī)傳動鏈簡化表達(dá)如圖2所示。

圖2 風(fēng)力機(jī)傳動鏈簡化表達(dá)圖

一般情況下，風(fēng)力發(fā)電機(jī)是連續(xù)不間斷運(yùn)行，這就需要高精度制造的零部件才能保證運(yùn)行的穩(wěn)定性，一個小缺陷或故障都可能成為風(fēng)電場運(yùn)營的大問題，尤其是對于地處偏遠(yuǎn)地區(qū)的風(fēng)場更難獲得機(jī)械零件的備件，因此，必須采用狀態(tài)檢測在真正影響生產(chǎn)之前預(yù)防或預(yù)測故障。此外，與其他傳統(tǒng)發(fā)電系統(tǒng)相比，風(fēng)電機(jī)組常年運(yùn)行在惡劣多變環(huán)境下，除了受到溫度、壓力、輻射、雨雪、冰雹等天氣變化的影響外，還承受著非定常載荷和動態(tài)轉(zhuǎn)速，風(fēng)力機(jī)軸承在不同工況下的差異也不能忽視。通過研究可變工況條件下風(fēng)力機(jī)易損軸承如齒輪箱軸承和發(fā)電機(jī)軸承的振動信號的退化特征，并協(xié)同溫度信號的退化特征，有利于提高對風(fēng)力機(jī)軸承故障預(yù)測的準(zhǔn)確性，為風(fēng)力機(jī)軸承的狀態(tài)監(jiān)測、退化評估、狀態(tài)退化識別、早期故障檢測、剩余壽命預(yù)測等各方面管理提供必要的理論支撐。

為了避免設(shè)備故障帶來的長時(shí)間停機(jī)損失，對必要風(fēng)力機(jī)進(jìn)行行之有效的維護(hù)工作。目前，風(fēng)電場主要采用的設(shè)備維護(hù)策略是定期維護(hù)的方式[3]。定期維護(hù)是指每隔一段運(yùn)行周期(大約2500小時(shí)至5000小時(shí))對風(fēng)力機(jī)整機(jī)進(jìn)行一次例行維護(hù)檢測工作，包括:連接點(diǎn)之間的螺栓力矩檢測如查看螺栓是否有松動或脫落，各個傳動部件間的潤滑程度如進(jìn)行軸承與潤滑系統(tǒng)的維護(hù)，以及測試各項(xiàng)重點(diǎn)功能。對風(fēng)力發(fā)電機(jī)進(jìn)行定期檢修，可以避免事后維修造成更嚴(yán)重的經(jīng)濟(jì)損失，讓設(shè)備在一定程度上保持良好的工作狀態(tài)。然而，這種定期維護(hù)策略容易導(dǎo)致“維護(hù)不足”或“維護(hù)過剩”，依然無法滿足風(fēng)電場對智能化運(yùn)維的需要。隨著故障預(yù)測與健康管理(Prognostics and health management，PHM)理念的提出，運(yùn)維策略逐漸從被動維護(hù)到主動預(yù)防過渡，這種視情維修的方式通過使用溫度、振動等傳感器進(jìn)行檢查或監(jiān)測某些變量，可以顯著降低設(shè)備的維護(hù)成本[4]。因此，研究風(fēng)力機(jī)軸承的狀態(tài)退化評估與剩余壽命預(yù)測方法有利于為風(fēng)力發(fā)電機(jī)整機(jī)制定合理的維修策略，對于提高機(jī)組的運(yùn)行可靠性，降低運(yùn)維成本，維持整個風(fēng)電行業(yè)健康、長期發(fā)展的態(tài)勢具有重要指導(dǎo)意義。

3 數(shù)據(jù)采集與信號處理

在信號處理分析方面，用于風(fēng)力機(jī)狀態(tài)監(jiān)測的信號主要包括振動，聲發(fā)射，應(yīng)變，扭矩，溫度，潤滑油參數(shù)、以及數(shù)據(jù)采集(SCADA)系統(tǒng)，它們都是通過使用安裝在不同風(fēng)力機(jī)部位中的相應(yīng)傳感器獲取的。

3.1 振動信號

許多風(fēng)力機(jī)故障會引起相應(yīng)子系統(tǒng)的振動，振動監(jiān)測是目前狀態(tài)監(jiān)測系統(tǒng)中的主流方法，通常在齒輪箱、發(fā)電機(jī)、主軸、軸承、葉片表面上安裝振動傳感器來收集信號。振動傳感器的主要類型包括加速計(jì)、速度傳感器和位移傳感器，其中加速度計(jì)應(yīng)用最為廣泛，獲取的信號包含風(fēng)力機(jī)部件由故障引發(fā)的加速度信息，振動信號的振幅可以指示故障嚴(yán)重程度[5]。目前，基于振動的狀態(tài)監(jiān)測和故障診斷技術(shù)已經(jīng)趨于成熟并有相應(yīng)的國際標(biāo)準(zhǔn)，如ISO10816。然而，這種方法需要安裝振動傳感器和數(shù)據(jù)采集設(shè)備，在一定程度上增加了風(fēng)力機(jī)系統(tǒng)的資金成本和布線復(fù)雜性。

3.2 聲發(fā)射信號

受到應(yīng)力或應(yīng)變的材料可能會發(fā)射聲波，稱為聲發(fā)射。聲發(fā)射監(jiān)測技術(shù)用于風(fēng)力機(jī)葉片、齒輪箱和軸承，聲發(fā)射的信號收集可以使用一個或多個聲發(fā)射傳感器。利用聲發(fā)射波形的有效的特征(如振幅、上升時(shí)間等)可以監(jiān)控和預(yù)測損傷的發(fā)展和故障的位置。與振動信號相比聲發(fā)射信號的頻率要高得多，因此對早期診斷更有效。然而，它通常需要安裝大量聲發(fā)射傳感器并由于高采樣率需要專用的信號數(shù)據(jù)采集系統(tǒng)，其信號處理過程復(fù)雜且昂貴。

3.3 應(yīng)變信號

主要通過光纖應(yīng)變傳感器用來對風(fēng)力機(jī)葉片進(jìn)行狀態(tài)監(jiān)測，可用于檢測可用于結(jié)構(gòu)缺陷或葉片損傷。與振動、聲發(fā)射監(jiān)測信號相比，基于應(yīng)變的狀態(tài)監(jiān)測可以在較更低的采樣頻率下觀察時(shí)域變化。但是，由于應(yīng)變傳感器始終與被監(jiān)控的材料相連，材料的變形可能導(dǎo)致傳感器和材料的分離，測量不準(zhǔn)確，且所需成本也很高。

3.4 扭矩信號

扭矩信號可以通過安裝在齒輪箱、發(fā)電機(jī)轉(zhuǎn)子上的扭矩傳感器收集，也可以通過發(fā)電機(jī)的電信號計(jì)算得出而無需傳感器，這是這種方法的優(yōu)點(diǎn)。然而，當(dāng)故障發(fā)生時(shí)，轉(zhuǎn)矩信號是相關(guān)部件與載荷的調(diào)制信號，因而需要更復(fù)雜的信號處理技術(shù)，故在故障診斷領(lǐng)域扭矩信號不如振動信號應(yīng)用廣泛。

3.5 溫度信號

風(fēng)力機(jī)中所有部件或子系統(tǒng)的溫度正常運(yùn)行期間不應(yīng)超過規(guī)定值，因此，溫度測量可以提供風(fēng)力機(jī)健康狀況的有用信息。近年來，溫度監(jiān)測方法在風(fēng)電機(jī)組運(yùn)行狀態(tài)監(jiān)測和評估研究成果中略有涉及。如文獻(xiàn)[6]提出了利用齒輪箱油溫?cái)?shù)據(jù)進(jìn)行運(yùn)行狀態(tài)的異常檢測，文獻(xiàn)[7]采用非線性狀態(tài)建立風(fēng)力機(jī)熱模型，利用估計(jì)和測量的發(fā)電機(jī)溫度之間的殘差檢測早期故障，文獻(xiàn)[8]使用齒輪箱的溫度信號輔助監(jiān)測齒輪箱和軸承的運(yùn)行情況。目前，國際上已經(jīng)有標(biāo)準(zhǔn)如IEEE 1310-2012和1718-2012以及ISO 17359-2006對溫度監(jiān)測進(jìn)行了規(guī)定。基于溫度的監(jiān)測技術(shù)主要應(yīng)用于齒輪箱、發(fā)電機(jī)、軸承的故障診斷，溫度特征量具有熱慣性特征，相對于振動信號抗干擾能力強(qiáng)，通過探索溫度特征量與風(fēng)力機(jī)部件劣化的關(guān)聯(lián)關(guān)系，將不失為一種研究漸變趨勢的新思路。然而，風(fēng)力機(jī)中的溫升可由多種因素引起，可能很難識別溫度變化的來源和根本原因，因此溫度信號應(yīng)與其它信號(如振動信號)配合使用才能達(dá)到更好的效果。

3.6 潤滑油參數(shù)

潤滑油監(jiān)測方法可用于檢測風(fēng)力機(jī)齒輪箱、發(fā)電機(jī)和軸承的狀態(tài)，主要監(jiān)測的參數(shù)有黏度，含水量、水位、顆粒計(jì)數(shù)、溫度和壓力，通過分析油污染程度，可以揭示含油部件的退化過程，可用于早期階段的故障檢測。然而，額外傳感器的使用同樣增加了風(fēng)力機(jī)的成本。此外，并非所有的油液參數(shù)都能被實(shí)時(shí)監(jiān)控。

3.7 SCADA信號

近年來，很多風(fēng)電場都安裝了SCADA系統(tǒng)用來監(jiān)測風(fēng)機(jī)的運(yùn)行狀態(tài)，典型的SCADA系統(tǒng)記錄間隔從幾秒到10min。SCADA數(shù)據(jù)可以從風(fēng)力機(jī)各個傳感器收集的數(shù)據(jù)中獲取溫度、電流、電壓、功率、轉(zhuǎn)子轉(zhuǎn)速、風(fēng)速等信號的統(tǒng)計(jì)學(xué)特征，通過適當(dāng)?shù)乃惴ǎ捎行в糜陲L(fēng)力機(jī)退化評估和故障預(yù)測。由于不需要額外的傳感器或數(shù)據(jù)采集設(shè)備，SCADA系統(tǒng)的經(jīng)濟(jì)性好，但是，由于SCADA系統(tǒng)有一定的記錄間隔，容易丟失故障診斷中的一些重要信息，無法通過使用SCADA信號進(jìn)行頻率或時(shí)頻域分析，目前，SCADA信號主要用于基于模型的狀態(tài)監(jiān)測及剩余壽命預(yù)測。

4 狀態(tài)監(jiān)測與退化評估

故障檢測是要知道設(shè)備是否處于正常狀態(tài)，即設(shè)備是否有故障。故障檢測后，需要對損壞情況進(jìn)行評估。粗略地說，故障嚴(yán)重程度可能與故障的物理尺寸或軸承的不同退化階段有關(guān)。在第一種情況下，需要更復(fù)雜的信號處理技術(shù)來分析滾動體在進(jìn)入或離開故障區(qū)的動態(tài)行為；在第二種情況下，目標(biāo)是建立一個退化評估指標(biāo)，在某些情況下，基于歷史知識的退化模型的建立是預(yù)測軸承健康狀況的必要步驟。來自滾動軸承振動信號可以揭示故障的位置和嚴(yán)重程度。適當(dāng)?shù)男盘柼幚砑夹g(shù)需要從這些振動信號中提取相關(guān)信息。在軸承退化評估中，需要定義退化指標(biāo)確定每個監(jiān)測間隔的軸承故障等級，通過退化指標(biāo)可以觀察到軸承狀態(tài)是否變差。選擇一個合適的退化指標(biāo)是退化評估和故障預(yù)測都需要首先解決的問題。

4.1 退化指標(biāo)的建立

根據(jù)退化指標(biāo)的構(gòu)建策略，可以分為兩類:物理型指標(biāo)和虛擬型指標(biāo)[9]。物理型指標(biāo)與故障的物理特征有關(guān)，通常使用統(tǒng)計(jì)方法從監(jiān)測信號中提取，如振動信號的均方根值(又叫有效值)、峭度值等；而虛擬型指標(biāo)融合了多個物理指標(biāo)或多個傳感器信號。它們失去了物理意義，只是描述軸承的退化趨勢。在物理型指標(biāo)中，有效值指標(biāo)能夠反映軸承運(yùn)行狀態(tài)的整體趨勢，是目前最廣泛使用的退化指標(biāo)，很多學(xué)者都是依據(jù)有效值指標(biāo)進(jìn)行軸承退化評估和預(yù)測的[10]。在虛擬型指標(biāo)中，主成分分析(Principal component analysis，PCA)是目前最流行的降維技術(shù)之一，它經(jīng)常用于高維特征向量的降維。

4.2 退化指標(biāo)的評價(jià)

選擇合適的退化指標(biāo)是準(zhǔn)確預(yù)測的前提。在實(shí)際應(yīng)用中，機(jī)械的退化過程是不可逆的，即如果沒有人工維修故障部件不能自我修復(fù)。為了與不可逆退化過程相吻合，一個合適的退化應(yīng)該具有單調(diào)增加或減少的趨勢，這個性質(zhì)稱為單調(diào)性。

由于測量噪聲、降解過程的隨機(jī)性和操作條件的變化，隨機(jī)波動通常包含在退化曲線中，這可能會降低預(yù)測結(jié)果的穩(wěn)定性。一個合適的退化指標(biāo)應(yīng)該對這些干擾具有穩(wěn)健性，并且呈現(xiàn)平滑的退化趨勢，這個性質(zhì)稱為魯棒性。

隨著服役時(shí)間的增加，軸承更容易逐漸退化。因此，退化指標(biāo)的趨勢應(yīng)與運(yùn)行時(shí)間呈相關(guān)性。這個性質(zhì)稱為趨勢性。與單調(diào)性和魯棒性不同，趨勢性是與時(shí)間之間的一種相關(guān)特性，通常用特征指標(biāo)與時(shí)間之間的相關(guān)性系數(shù)用來衡量趨勢性。

軸承在整個使用壽命中通常會經(jīng)歷幾種不同的退化階段。一個合適的退化指標(biāo)應(yīng)該有識別不同狀態(tài)退化的能力，這個性質(zhì)稱為可識別性。與趨勢性不同，可識別性反映退化指標(biāo)與退化階段的相關(guān)性。

4.3 退化指標(biāo)的劃分

隨著故障嚴(yán)重程度的增加，軸承的退化指標(biāo)一般呈現(xiàn)出不同的退化趨勢。退化過程在做剩余壽命預(yù)測前應(yīng)根據(jù)退化指標(biāo)的變化趨勢劃分為不同的狀態(tài)退化。這個術(shù)語“狀態(tài)劃分”與故障診斷領(lǐng)域內(nèi)廣泛接受的術(shù)語“故障檢測”或“故障診斷”類似，但是它們的任務(wù)是不同的。故障診斷是對機(jī)械設(shè)備在某個時(shí)間點(diǎn)的故障模式進(jìn)行識別而狀態(tài)劃分的目標(biāo)是將機(jī)械設(shè)備的持續(xù)退化過程按嚴(yán)重程度分為不同的階段。根據(jù)退化趨勢的不同，退化階段的劃分有兩階段和多階段之分。

兩階段狀態(tài)退化劃分是指將退化過程分為健康階段和不健康階段，在健康階段，屬于正常運(yùn)行階段，退化指標(biāo)相對平穩(wěn)，僅有少量的隨機(jī)波動；在不健康階段，退化指標(biāo)隨著軸承的退化而加速劣化，剩余壽命預(yù)測應(yīng)該是從不健康階段的首個異常點(diǎn)開始到最終失效的時(shí)間。兩階段劃分的最簡單策略是確定退化指標(biāo)是否超過一個設(shè)定的報(bào)警閾值。

由于故障模式或操作條件的變化，軸承的退化趨勢可能會改變，這就很難用一個單一的模型來表達(dá)，在這種情況下，不健康階段應(yīng)該根據(jù)各種退化趨勢進(jìn)一步劃分為不同的退化階段。

5 剩余壽命預(yù)測

機(jī)械的剩余壽命預(yù)測定義為“從當(dāng)前時(shí)間到使用壽命結(jié)束的時(shí)間長度”，也可以定義為“到達(dá)故障點(diǎn)前的剩余時(shí)間”[11]。剩余壽命預(yù)測的主要任務(wù)是基于狀態(tài)監(jiān)測信息預(yù)測出軸承喪失運(yùn)行能力前的剩余時(shí)間。它是機(jī)械設(shè)備預(yù)測的最后一個技術(shù)過程，也是機(jī)械預(yù)測的最終目標(biāo)。預(yù)測方法可分為四類:基于物理模型的方法、基于統(tǒng)計(jì)模型的方法、基于數(shù)據(jù)驅(qū)動的方法和混合方法。

基于物理模型的方法通過建立數(shù)學(xué)模型來描述軸承的退化機(jī)理，物理模型的參數(shù)與材料的性質(zhì)和應(yīng)力水平相關(guān)，通常通過特定的實(shí)驗(yàn)或有限元分析來識別。Paris-Erdogan模型是機(jī)械剩余壽命預(yù)測中應(yīng)用最廣泛的物理模型之一，適合于描述裂紋擴(kuò)展，被很多文獻(xiàn)引用并應(yīng)用于機(jī)械預(yù)測領(lǐng)域[12]。如果物理模型是在完全理解失效機(jī)理和有效參數(shù)估計(jì)的情況下開發(fā)的，那么可以提供準(zhǔn)確的剩余壽命預(yù)測。然而，對于一些復(fù)雜的機(jī)械系統(tǒng)，很難描述損傷機(jī)理，因而限制了這種方法的應(yīng)用。

基于統(tǒng)計(jì)模型的方法，也稱為基于經(jīng)驗(yàn)?zāi)Ｐ偷姆椒ǎㄟ^建立基于經(jīng)驗(yàn)知識的統(tǒng)計(jì)模型，并根據(jù)觀測結(jié)果將剩余壽命預(yù)測結(jié)果以條件概率密度函數(shù)的形式呈現(xiàn)出來。常用的統(tǒng)計(jì)模型有很多種，如AR模型，維納過程模型，逆高斯過程模型，馬爾可夫模型，比例風(fēng)險(xiǎn)模型等。在這些方法中，通過使用概率的方法擬合現(xiàn)有的觀測值到隨機(jī)系數(shù)模型或隨機(jī)過程模型中，而不依賴于任何物理或原理，通過在模型參數(shù)中引入隨機(jī)方差來描述不確定性，因此，基于統(tǒng)計(jì)模型的方法可以有效地描述退化過程的不確定性及其對剩余壽命預(yù)測的影響。目前已成為四類預(yù)測方法中最受歡迎的一類。

基于數(shù)據(jù)驅(qū)動方法嘗試?yán)萌斯ぶ悄芗夹g(shù)從現(xiàn)有的觀測數(shù)據(jù)中學(xué)習(xí)機(jī)械退化模式而不是建立物理模型或統(tǒng)計(jì)模型。它們能夠處理難以用物理模型或統(tǒng)計(jì)模型描述的復(fù)雜的機(jī)械系統(tǒng)預(yù)測問題。隨著深度學(xué)習(xí)網(wǎng)絡(luò)的不斷發(fā)展，基于數(shù)據(jù)驅(qū)動的方法在機(jī)械設(shè)備預(yù)測領(lǐng)域受到越來越多的關(guān)注。機(jī)械預(yù)測領(lǐng)域常用的人工智能技術(shù)包括經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)、SVM/RVM、CNN、高斯過程回歸等。由于基于數(shù)據(jù)驅(qū)動的方法無需經(jīng)驗(yàn)知識，但是對數(shù)據(jù)的依賴性較強(qiáng)，必須有足夠的訓(xùn)練樣本才能得到比較理想的預(yù)測模型，因此不適合于少樣本的場合。

前述這三種方法在剩余壽命預(yù)測中都有各自的局限性。混合方法試圖通過整合不同方法的優(yōu)點(diǎn)來提高預(yù)測的準(zhǔn)確性。

6 智能維護(hù)策略的基本框架

與傳統(tǒng)的計(jì)劃維護(hù)不同，智能維護(hù)是根據(jù)設(shè)備的當(dāng)前狀態(tài)制定維護(hù)策略，屬于視情維護(hù)，能夠在很大程度上降低風(fēng)電行業(yè)的運(yùn)維成本，具有深遠(yuǎn)的學(xué)術(shù)意義、經(jīng)濟(jì)效益和社會效益。本文所提的智能維護(hù)策略大體上分為五個階段:監(jiān)測數(shù)據(jù)獲取、退化指標(biāo)建立、健康狀態(tài)劃分、剩余壽命預(yù)測和維護(hù)決策制定，具體框架如圖3所示。

圖3 風(fēng)電軸承智能維護(hù)策略基本框架

7 結(jié)束語

隨著風(fēng)力機(jī)單機(jī)容量越來越大，風(fēng)力機(jī)傳動系統(tǒng)中軸承的工作條件也發(fā)生了一定程度的改變，相對于傳統(tǒng)電力系統(tǒng)來說，維護(hù)更加困難。本文討論了海上和陸上風(fēng)力發(fā)電機(jī)組的主要失效形式及易損的關(guān)鍵部件，比較了常見的七種采集信號各自的優(yōu)缺點(diǎn)，分析了選擇合適的退化指標(biāo)是退化評估和故障預(yù)測都需要首先解決的問題，提出了退化狀態(tài)劃分的兩階段和多階段思想，整理了四種剩余壽命預(yù)測方法的適用場合。最終，提出了五階段智能維護(hù)策略的基本框架，對降低大型風(fēng)力機(jī)組的運(yùn)行維護(hù)成本具有一定的指導(dǎo)意義和推廣價(jià)值。