摘 要：文章闡述通過對(duì)振動(dòng)信號(hào)對(duì)風(fēng)力發(fā)電機(jī)進(jìn)行故障診斷，介紹當(dāng)前振動(dòng)信號(hào)分析的各種方法，故障診斷方法的原理、優(yōu)缺點(diǎn)及發(fā)展趨勢(shì)。

關(guān)鍵詞：風(fēng)力發(fā)電機(jī)；故障診斷；振動(dòng)；監(jiān)測

引言

面對(duì)當(dāng)前不可再生資源的短缺狀況，學(xué)者們不斷的探索和發(fā)展可再生清潔能源，一二五規(guī)劃的推動(dòng)下風(fēng)力發(fā)電已經(jīng)建成規(guī)模，發(fā)展時(shí)又出現(xiàn)了新的問題，風(fēng)力發(fā)電機(jī)組頻出故障。因而對(duì)于風(fēng)力發(fā)電機(jī)的故障診斷變得尤為重要，并且風(fēng)力發(fā)電機(jī)是大型的旋轉(zhuǎn)機(jī)械設(shè)備，其理論同樣適用于其他大型機(jī)械設(shè)備，對(duì)風(fēng)力發(fā)電機(jī)故障診斷的研究有很深遠(yuǎn)的實(shí)踐意義。

1 風(fēng)力發(fā)電機(jī)故障研究

振動(dòng)是對(duì)旋轉(zhuǎn)機(jī)械運(yùn)行時(shí)各部分狀態(tài)的有效反應(yīng)，振動(dòng)信號(hào)的采集和處理對(duì)故障診斷的正確性和及時(shí)性都有直接的影響。對(duì)于風(fēng)力發(fā)電機(jī)來說，振動(dòng)信號(hào)的非線性是對(duì)故障反應(yīng)的最明顯信號(hào)，通過對(duì)非線性信號(hào)的處理，并結(jié)合先進(jìn)的知識(shí)工程、信息融合技術(shù)對(duì)風(fēng)力發(fā)電機(jī)進(jìn)行準(zhǔn)確的故障診斷。

2 故障征兆及特征提取

風(fēng)力發(fā)電機(jī)的振動(dòng)信號(hào)能夠直接反映風(fēng)機(jī)設(shè)備的實(shí)時(shí)運(yùn)行狀態(tài)，可將振動(dòng)信號(hào)分別在時(shí)域、頻域和幅值域進(jìn)行分析，將分析結(jié)果作為故障的征兆及特征。下面簡述幾種常用的故障分析方法。

2.1 時(shí)域分析

風(fēng)力發(fā)電機(jī)運(yùn)行時(shí)會(huì)有速度的變化，振動(dòng)狀態(tài)會(huì)隨之改變，信號(hào)為非平穩(wěn)信號(hào)。時(shí)域法是以時(shí)間作為變量，從時(shí)域的角度對(duì)信號(hào)進(jìn)行描述和分析，分辨和推斷出信號(hào)所攜帶的信息。能比較直觀、清晰的觀察到信號(hào)的變化，能對(duì)信號(hào)的整體狀況有一個(gè)比較完整的大致了解，通常它包含的信息量大，對(duì)明顯的、突發(fā)的故障有明顯的特征，得到對(duì)信號(hào)的原始的、初步的判斷。

2.2 頻域分析

頻域法是原信號(hào)在頻域中的情況，頻域的獲取一般依靠傅里葉變換的方式，分析時(shí)，振動(dòng)能量大的是幅值高的頻率譜譜峰，分析產(chǎn)生高幅值的頻率分量。分析中，要摒除對(duì)正常運(yùn)行沒有影響分量，即使存在較大振動(dòng)分量而不隨時(shí)間的變化而變化，則此分量對(duì)設(shè)備的整體運(yùn)行的影響很小。值得注意的是一些幅值較小分量的迅速增長，可能是設(shè)備故障的一種預(yù)示，應(yīng)重視。

2.3 功率譜估計(jì)

從頻域的介紹中得知，風(fēng)力發(fā)電機(jī)在頻域中有一定的故障征兆和特征，進(jìn)而又發(fā)展了一種功率譜估計(jì)技術(shù)。經(jīng)典功率譜估計(jì)方法分直接法和間接法，均進(jìn)行傅里葉變換。兩方法分辨率低、方差性能差，因而出現(xiàn)改進(jìn)的直接法，與經(jīng)典法相比可以得到平滑譜線、高分辨率和高精度。

2.4 其它方法

對(duì)風(fēng)力發(fā)電機(jī)故障診斷和預(yù)警可以延長使用壽命、節(jié)約經(jīng)濟(jì)成本。針對(duì)此類設(shè)備常用的分析方法有軸心軌跡、全息譜、角域分析、統(tǒng)計(jì)分析、相關(guān)分析、相干分析、時(shí)間序列分析、傳遞函數(shù)分析，下面簡要介紹前兩種。

2.4.1 軸心軌跡

軸心軌跡是旋轉(zhuǎn)機(jī)械振動(dòng)轉(zhuǎn)子振動(dòng)狀態(tài)的一種重要征兆，不同的軸承結(jié)構(gòu)有不同的故障特征，針對(duì)不同結(jié)構(gòu)、不同型號(hào)的風(fēng)力發(fā)電機(jī)也有不同的軸心軌跡來反應(yīng)故障特征。

2.4.2 全息譜

風(fēng)力發(fā)電機(jī)在運(yùn)行時(shí)，轉(zhuǎn)子受力使得轉(zhuǎn)子發(fā)生彎曲和扭轉(zhuǎn)振動(dòng)，全息譜針對(duì)類似于風(fēng)力發(fā)電機(jī)類得的旋轉(zhuǎn)機(jī)械故障征兆提取的一種重要技術(shù)。全息譜在以FFT算法為基礎(chǔ)，按自由方式采集振動(dòng)信號(hào)幅值、頻率和相位值，得到風(fēng)力發(fā)電機(jī)的故障特性。

3 風(fēng)機(jī)故障的診斷推理

故障診斷推理就是對(duì)故障的識(shí)別，按診斷方法大致可以分為三個(gè)方面：信號(hào)的處理；模型的分析；多種知識(shí)融合；針對(duì)上文所述，下面對(duì)故障診斷幾種常用的方法進(jìn)行一下概述。（1）專家系統(tǒng)的故障診斷方法：運(yùn)用蘊(yùn)含在專家系統(tǒng)中的經(jīng)驗(yàn)知識(shí)，將接收到的故障信息進(jìn)行故障推理，在系統(tǒng)中找到與之匹配的故障類型，判斷所接收信息的故障類型，其中知識(shí)庫和推理機(jī)是此方法的核心部分。（2）小波分析的故障診斷方法：在傅里葉分析的方法上發(fā)展起來的，在動(dòng)態(tài)系統(tǒng)中，故障信號(hào)會(huì)引起整個(gè)系統(tǒng)的信號(hào)變化，小波變換可以用來檢測信號(hào)的不規(guī)則點(diǎn)來對(duì)整個(gè)系統(tǒng)的工作狀況進(jìn)行判斷。（3）神經(jīng)網(wǎng)絡(luò)的故障診斷方法：人工智能網(wǎng)絡(luò)有很多優(yōu)點(diǎn)，包括容錯(cuò)性、自適應(yīng)性、魯棒性、自學(xué)習(xí)性等，在故障診斷方面有優(yōu)越性。在故障診斷系統(tǒng)中神經(jīng)網(wǎng)絡(luò)系統(tǒng)，一般包括兩個(gè)階段，訓(xùn)練學(xué)習(xí)階段和診斷匹配階段。（4）模糊邏輯故障診斷方法：以模糊集合為基礎(chǔ)的模糊邏輯可以克服故障系統(tǒng)本身的不精確性、噪聲干擾等問題，尤其在復(fù)雜的大型系統(tǒng)、時(shí)變方面、時(shí)滯方面、耦合方面都有其特有的優(yōu)越性。選擇運(yùn)用恰當(dāng)?shù)碾`屬函數(shù)和模糊規(guī)則，根據(jù)實(shí)際的故障運(yùn)行數(shù)據(jù)進(jìn)行模糊邏輯推理，從而實(shí)現(xiàn)模糊故障的診斷。（5）故障樹故障診斷方法：是一種對(duì)安全性好和可靠性高的故障診斷方法。故障樹由故障形成的原因和結(jié)構(gòu)夠造出來的，故障樹的頂事件是系統(tǒng)不希望發(fā)生，而中間事件和底事件的發(fā)生與否對(duì)頂事件的發(fā)生有一定的影響，再按照邏輯門的關(guān)系，得到倒樹狀的結(jié)構(gòu)反映信息之間因果關(guān)系的模型樹。

伴隨科技水平的進(jìn)步和提高，單一的故障診斷方法不再是發(fā)展的潮流方向，人們不斷的嘗試將多種智能的診斷方法結(jié)合，發(fā)現(xiàn)結(jié)合后互補(bǔ)各自方法的不足的同時(shí)還能將各自的優(yōu)點(diǎn)突出。

4 風(fēng)機(jī)狀態(tài)監(jiān)測與故障診斷技術(shù)的發(fā)展趨勢(shì)

（1）向整體系統(tǒng)發(fā)展，集中控制，建立大型故障數(shù)據(jù)庫，對(duì)風(fēng)力發(fā)電機(jī)運(yùn)行轉(zhuǎn)臺(tái)進(jìn)行比對(duì)，及時(shí)發(fā)現(xiàn)故障、解決故障。整個(gè)系統(tǒng)向著可靠性、智能化、開放性及與設(shè)備融合為一體的方向發(fā)展。（2）采集器，作為對(duì)振動(dòng)信號(hào)采集的關(guān)鍵部件向高精度、高速度、高集成以及多通道方向發(fā)展，精度從8位到12位甚至16位，采集速度從幾赫到幾萬赫，采集方式從等時(shí)采樣到等角度同步整周期采樣方向發(fā)展。（3）數(shù)據(jù)傳輸，將傳感器采集到的數(shù)據(jù)迅速傳輸回控制中心，由計(jì)算機(jī)的串行口和并行口通訊向著網(wǎng)絡(luò)通訊的方向發(fā)展。（4）監(jiān)測系統(tǒng)，界面更人性化、智能化、友好化，方便用戶的觀看和操作，融進(jìn)多媒體技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的動(dòng)態(tài)顯示。（5）診斷系統(tǒng)，診斷更智能化，可以實(shí)現(xiàn)多個(gè)故障的診斷，實(shí)現(xiàn)在線采集振動(dòng)數(shù)據(jù)，實(shí)時(shí)診斷振動(dòng)狀態(tài)的方向發(fā)展。（6）數(shù)據(jù)存儲(chǔ)，存儲(chǔ)容量更大，存儲(chǔ)方式更便捷的方向發(fā)展，建立通用安全的、可靠的大型數(shù)據(jù)庫。

6 結(jié)束語

綜上所述，我們可以看到近年來風(fēng)力發(fā)電機(jī)在振動(dòng)檢測方面的故障診斷在迅速發(fā)展，以計(jì)算機(jī)技術(shù)、信號(hào)處理技術(shù)、人工智能技術(shù)為基礎(chǔ)，進(jìn)一步建立了更加智能化的風(fēng)力發(fā)電機(jī)故障診斷技術(shù)，并且實(shí)踐證明幾種大型的診斷方法集成的診斷方法診斷效果更好。對(duì)于實(shí)用性極強(qiáng)的故障診斷技術(shù)，在理論的研究上已經(jīng)很先進(jìn)了，但工程實(shí)踐方面較少，未來的發(fā)展趨勢(shì)就是將理論與實(shí)踐相統(tǒng)一，真正為實(shí)際工程所用。

參考文獻(xiàn)

[1]陳立軍，侯爽，等.基于鄰域粗糙集與支持向量機(jī)的大型風(fēng)機(jī)齒輪箱故障診斷[J].機(jī)床與液壓，2014，8.

[2]汪光陽，周義蓮.風(fēng)機(jī)振動(dòng)故障診斷綜述[J].安徽工業(yè)大學(xué)學(xué)報(bào)，2006，1.

[3]李增寶.風(fēng)機(jī)振動(dòng)故障診斷及處理[J].世界華裔經(jīng)濟(jì)年鑒，2013，4.

[4]王志強(qiáng).風(fēng)機(jī)葉片在線狀態(tài)監(jiān)測與故障診斷研究[D].天津工業(yè)大學(xué)，2010.

[5]張佰順.風(fēng)力發(fā)電機(jī)狀態(tài)監(jiān)測和故障診斷技術(shù)的研究[J].黑龍劍科技信息，2014，10.

[6]蘆斌.基于模糊神經(jīng)網(wǎng)絡(luò)的電動(dòng)機(jī)故障診斷技術(shù)研究[D].中北大學(xué)，2013.

[7]皮維.風(fēng)力發(fā)電機(jī)組齒輪箱故障診斷技術(shù)研究[D].湖南大學(xué)，2011.

[8]孟慶春.雙饋風(fēng)力發(fā)電機(jī)組的傳動(dòng)鏈顧臧模擬機(jī)仿真研究[D].哈爾濱理工大學(xué)，2013.

[9]張艷云，風(fēng)電機(jī)組故障診斷研究[J].科技創(chuàng)新導(dǎo)報(bào)，2014，11.

[10]中國電力企業(yè)聯(lián)合會(huì).2011年全國電力工業(yè)快報(bào)[EB/OL].http：//www.cec.org.cn，2012-01-15

作者簡介：侯爽（1986，11-），女，吉林省松原市，長春科技學(xué)院助教，碩士研究生，研究方向：風(fēng)力發(fā)電機(jī)故障診斷。