文 | 唐新安，王海云，董昱廷，賈錦霞

近年來，由于資源短缺和環(huán)境惡化，世界各國(guó)開始重視開發(fā)和利用可再生能源和清潔能源。風(fēng)能作為一種綠色、環(huán)保的能源，已越來越得到人們的重視。中國(guó)風(fēng)力資源豐富，風(fēng)力發(fā)電潛力巨大，近年來我國(guó)對(duì)風(fēng)力資源的開發(fā)也非常重視，裝機(jī)容量也在不斷增加，根據(jù)中國(guó)風(fēng)能協(xié)會(huì)統(tǒng)計(jì)，2014年中國(guó)風(fēng)電新增裝機(jī)容量23.35GW，同比增長(zhǎng)45.1%，累計(jì)裝機(jī)容量115GW，同比新增25.5%。由于大部分機(jī)組安裝在偏遠(yuǎn)地區(qū)，長(zhǎng)期工作在野外、暴曬和雷雨等的惡劣環(huán)境中，易發(fā)生多種機(jī)械或電氣故障。

隨著海上風(fēng)能的開發(fā)和利用，近海風(fēng)力發(fā)電場(chǎng)將成為未來風(fēng)電的重要發(fā)展方向，海上風(fēng)電機(jī)組由于拆裝的困難，其維護(hù)成本至少是陸地的2 倍以上，這都給機(jī)組的運(yùn)行管理和維護(hù)帶來了極大的困難。因此開展風(fēng)電機(jī)組故障診斷研究，有利于降低故障率、減少維修時(shí)間、增加年發(fā)電量和提高風(fēng)電場(chǎng)經(jīng)濟(jì)效益，不僅能為機(jī)組維護(hù)人員安排備件和檢修計(jì)劃提供支持，而且也能為設(shè)計(jì)人員提供指導(dǎo)意見，對(duì)降低故障率，保證風(fēng)電機(jī)組安全穩(wěn)定運(yùn)行具有重大意義。

故障診斷基本理論

故障診斷技術(shù)是一種了解和掌握設(shè)備在使用過程中的狀態(tài)，確定其整體或局部是否存在異常，早期發(fā)現(xiàn)故障及其原因并能預(yù)報(bào)故障發(fā)展趨勢(shì)的技術(shù)。故障診斷技術(shù)是大型機(jī)械設(shè)備可靠運(yùn)行的關(guān)鍵技術(shù)之一，也是各種自動(dòng)化系統(tǒng)及普通機(jī)械系統(tǒng)提高效率和運(yùn)行可靠性，進(jìn)行預(yù)測(cè)維修及設(shè)備管理的基礎(chǔ)。故從機(jī)械設(shè)備故障診斷的實(shí)施過程，可以將其歸納為圖1的步驟：

圖1 故障診斷主要步驟

風(fēng)電機(jī)組故障診斷是采用相應(yīng)的傳感器采集風(fēng)電機(jī)組在運(yùn)行過程中產(chǎn)生的力、熱、振動(dòng)、噪聲等各種信號(hào)，然后將信號(hào)采集獲得的數(shù)據(jù)信息進(jìn)行分類、處理、加工，獲得表征風(fēng)電機(jī)組運(yùn)行狀態(tài)的特征參量，對(duì)風(fēng)電機(jī)組的狀態(tài)作出判斷，確定是否存在故障以及故障的類型和性質(zhì)、程度等。最后根據(jù)狀態(tài)識(shí)別的結(jié)果，決定采取的措施，同時(shí)根據(jù)當(dāng)前的檢測(cè)信息預(yù)測(cè)風(fēng)電機(jī)組運(yùn)行狀態(tài)可能發(fā)展趨勢(shì)，進(jìn)行趨勢(shì)分析。故障診斷的最終目的是分析故障形成原因，作出科學(xué)的維修計(jì)劃，增強(qiáng)設(shè)備運(yùn)行可靠性，提高運(yùn)行效率。

風(fēng)電機(jī)組常見故障分析

一、齒輪箱故障分析

齒輪箱是風(fēng)電機(jī)組中重要的機(jī)械部件，其主要功能是將風(fēng)輪在風(fēng)力作用下所產(chǎn)生的動(dòng)力傳遞給發(fā)電機(jī)并使其得到相應(yīng)的轉(zhuǎn)速，它的正常運(yùn)行關(guān)系到整機(jī)的工作性能。通常風(fēng)輪的轉(zhuǎn)速很低，遠(yuǎn)達(dá)不到發(fā)電機(jī)發(fā)電所要求的轉(zhuǎn)速，必須通過齒輪箱齒輪的增速作用來實(shí)現(xiàn)，故也將齒輪箱稱之為增速箱。齒輪箱系統(tǒng)一般包括齒輪、軸承、軸和箱體四部分。齒輪箱在使用過程中將承受復(fù)雜的靜態(tài)和動(dòng)態(tài)載荷；其零部件如齒輪、軸和軸承的加工工藝復(fù)雜，裝配精度高，再加上風(fēng)電機(jī)組常常在高速重載荷下連續(xù)工作，而其狀態(tài)的好壞往往直接影響到機(jī)械設(shè)備的正常工作，故對(duì)齒輪傳動(dòng)系統(tǒng)的診斷是風(fēng)電機(jī)組故障診斷的重要組成部分。風(fēng)電機(jī)組齒輪箱常見故障按發(fā)生部位分主要有齒輪損傷、軸承損壞、斷軸等。常見故障形式見表1。

經(jīng)統(tǒng)計(jì)潤(rùn)滑油油溫過大時(shí)齒輪箱故障產(chǎn)生的一個(gè)重要原因，因此采取各種措施防止油溫升高，對(duì)于保證風(fēng)電機(jī)組齒輪箱正常運(yùn)行有重要意義。上海電機(jī)學(xué)院鄭翔等提出在風(fēng)電機(jī)組齒輪箱潤(rùn)滑系統(tǒng)中應(yīng)用MCS-51單片機(jī)及其控制電路，結(jié)合復(fù)合PID算法、GSM-Modem通信技術(shù)，控制風(fēng)扇或加熱器進(jìn)行冷卻或加熱以實(shí)現(xiàn)對(duì)潤(rùn)滑油溫度的精確控制的方法，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)具有過渡時(shí)間短、超調(diào)量小(2℃)和穩(wěn)定誤差小(0.4℃)等特點(diǎn)。在齒輪箱信號(hào)特征提取上，常采用共振解調(diào)技術(shù)和倒譜技術(shù)，提取信號(hào)故障特征。

二、發(fā)電機(jī)故障分析

發(fā)電機(jī)是風(fēng)電機(jī)組的核心部件，負(fù)責(zé)將旋轉(zhuǎn)的機(jī)械能轉(zhuǎn)化為電能，并為電氣系統(tǒng)供電。發(fā)電機(jī)中最容易發(fā)生故障的部件是軸承、定子和轉(zhuǎn)子；對(duì)典型的異步發(fā)電機(jī)而言，三者的故障率分別為40%、38%和10%左右。定子和轉(zhuǎn)子故障主要包括匝間繞組開路、單個(gè)或多個(gè)繞組短路、定子繞組連接異常、轉(zhuǎn)子導(dǎo)條和端環(huán)斷裂（籠型轉(zhuǎn)子）、靜態(tài)或動(dòng)態(tài)氣隙偏心等。發(fā)電機(jī)常見的故障模式有：內(nèi)部電氣不對(duì)稱，氣隙磁通和相電流諧波分量增加，轉(zhuǎn)矩波動(dòng)增強(qiáng)、均值下降，電機(jī)損耗增加、效率降低，繞組過熱等。此外，油溫過高、振動(dòng)過大、軸承過熱、有不正常雜聲和絕緣損壞也是發(fā)電機(jī)的常見故障。關(guān)于發(fā)電機(jī)的在線監(jiān)測(cè)和故障診斷方法有很多：基于定子電流信號(hào)的監(jiān)測(cè)，軸向磁通監(jiān)測(cè)，基于振動(dòng)信號(hào)分析的故障監(jiān)測(cè)，基于溫度信號(hào)的故障監(jiān)測(cè)與診斷，局部放電監(jiān)測(cè)法等。沈陽工業(yè)大學(xué)陳長(zhǎng)征等提出采用對(duì)兆瓦級(jí)風(fēng)電機(jī)組主軸和齒輪箱振動(dòng)信號(hào)進(jìn)行頻譜分析的方法。從風(fēng)電機(jī)組采集到的頻譜信號(hào)若超過設(shè)定的報(bào)警限, 則對(duì)實(shí)時(shí)處理信號(hào)與數(shù)據(jù)庫存儲(chǔ)信號(hào)進(jìn)行比較, 將采集的信號(hào)進(jìn)行小波變換和頻譜分析, 獲得信號(hào)頻譜圖，可以準(zhǔn)確判斷出風(fēng)電機(jī)組發(fā)生的故障及位置，為齒輪箱和主軸的故障診斷尋找依據(jù)。

表1 齒輪箱各部件常見故障形式

三、葉片故障分析

風(fēng)電機(jī)組通過葉片將空氣的動(dòng)能轉(zhuǎn)化為機(jī)械能，再由發(fā)電機(jī)將機(jī)械能轉(zhuǎn)化為電能，風(fēng)輪及葉片在能量轉(zhuǎn)化中擔(dān)任著重要角色。風(fēng)電機(jī)組的葉片是整個(gè)機(jī)組中最昂貴的部件, 也是最容易受到損壞的部件。葉片長(zhǎng)期露天工作在惡劣的環(huán)境下，難以避免受到濕氣腐蝕、陣風(fēng)或雷擊等因素的破壞以及長(zhǎng)時(shí)間運(yùn)行產(chǎn)生的疲勞裂紋等故障隱患。風(fēng)電機(jī)組葉片長(zhǎng)度一般在30m－40 m，體積質(zhì)量巨大，一旦發(fā)生故障，不僅造成葉片本身的損壞，還會(huì)對(duì)整機(jī)的安全產(chǎn)生致命性損傷。葉片常見故障有葉片斷裂、偏移、彎曲和疲勞失效等。國(guó)外有研究者探究了用光纖光柵傳感器實(shí)現(xiàn)風(fēng)電機(jī)組葉片的在線監(jiān)測(cè)的可行性。該技術(shù)根據(jù)風(fēng)電機(jī)組葉片在運(yùn)行過程中的載荷變化，借助葉片上對(duì)稱分布的光纖光柵傳感器捕捉應(yīng)變信號(hào)，評(píng)判葉片健康狀態(tài)。此外，還可利用聲發(fā)射檢測(cè)和紅外成像檢測(cè)對(duì)葉片的健康狀態(tài)進(jìn)行識(shí)別。

四、偏航系統(tǒng)和變槳系統(tǒng)故障分析

偏航系統(tǒng)是水平軸式風(fēng)電機(jī)組必不可少的組成系統(tǒng)之一，其主要組成部分包括：偏航大齒圈、側(cè)面軸承、滑墊保持裝置、上下及側(cè)面滑動(dòng)襯墊、偏航驅(qū)動(dòng)裝置、偏航限位開關(guān)、接近開關(guān)、風(fēng)速儀風(fēng)向標(biāo)等。風(fēng)電機(jī)組偏航系統(tǒng)常見故障模式有：偏航位置故障、偏航位置傳感器故障和偏航速度故障等。根據(jù)偏航系統(tǒng)自身的運(yùn)行特點(diǎn)，如轉(zhuǎn)速低、負(fù)載重等對(duì)其進(jìn)行狀態(tài)監(jiān)測(cè)，可采用的方法有振動(dòng)檢測(cè)、電流、電壓檢測(cè)等。

變槳系統(tǒng)的所有部件都安裝在輪轂上，風(fēng)電機(jī)組正常運(yùn)行時(shí)所有部件都隨輪轂以一定的速度旋轉(zhuǎn)。變槳系統(tǒng)通過控制葉片的角度來控制風(fēng)輪的轉(zhuǎn)速，進(jìn)而控制風(fēng)電機(jī)組的輸出功率，并能夠通過空氣動(dòng)力制動(dòng)的方式使風(fēng)電機(jī)組安全停機(jī)。風(fēng)電機(jī)組的葉片通過變槳軸承與輪轂相連，每個(gè)葉片都要有自己的相對(duì)獨(dú)立的電控同步的變槳驅(qū)動(dòng)系統(tǒng)。變槳驅(qū)動(dòng)系統(tǒng)通過一個(gè)小齒輪與變槳軸承內(nèi)齒嚙合聯(lián)動(dòng)。變槳系統(tǒng)由中央控制箱、軸控箱、電池箱、變槳電機(jī)和限位開關(guān)等組成。故障類型：變槳電機(jī)故障、軸承潤(rùn)滑不好造成的磨損，螺栓松動(dòng)引起軸承移位，安裝不當(dāng)引起軸承變形等等?？刹捎谜駝?dòng)檢測(cè)，也可采集發(fā)電機(jī)的電流信號(hào)進(jìn)行分析。

風(fēng)力發(fā)電機(jī)故障診斷方法

風(fēng)電機(jī)組的故障診斷方法有很多種，主要包括傳統(tǒng)診斷方法、智能故障診斷方法和數(shù)學(xué)診斷方法。傳統(tǒng)診斷方法大多是基于狀態(tài)監(jiān)測(cè)技術(shù)的數(shù)據(jù)分析，主要包括：振動(dòng)監(jiān)測(cè)技術(shù)、油液分析技術(shù)、噪聲監(jiān)測(cè)技術(shù)、紅外測(cè)溫技術(shù)、聲發(fā)射技術(shù)以及無損檢測(cè)技術(shù)等。智能診斷方法主要包括模糊邏輯、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和遺傳算法等。數(shù)學(xué)診斷方法主要包括基于貝葉斯決策判據(jù)以及基于線性和非線性判別函數(shù)的模式識(shí)別方法、基于概率統(tǒng)計(jì)的時(shí)序模型診斷方法、基于距離判據(jù)的故障診斷方法、模糊診斷原理、灰色系統(tǒng)診斷方法、故障樹分析法、小波分析法等。

一、時(shí)域和頻域分析的方法

時(shí)域和頻域分析是風(fēng)電機(jī)組故障診斷最常用的方法。時(shí)域處理方法主要涉及以下指標(biāo): 均值、方差、標(biāo)準(zhǔn)差、均方值、有效值、峰值、峰峰值、波形指標(biāo)、峰值指標(biāo)和脈沖指標(biāo)。通過時(shí)域指標(biāo)統(tǒng)計(jì), 可以進(jìn)行定性診斷, 卻無法指出具體的故障部位。對(duì)時(shí)域信號(hào)進(jìn)行傅里葉變換,得到信號(hào)的頻譜, 從頻率的異常變化來診斷機(jī)組的故障。若需要處理短時(shí)沖擊調(diào)制信號(hào)，如果直接對(duì)故障信號(hào)進(jìn)行頻譜分析，往往會(huì)失效，無法看出是否發(fā)生故障，因?yàn)镕FT比較適合處理平穩(wěn)周期信號(hào)。因此，包絡(luò)譜圖的使用便應(yīng)運(yùn)而生。包絡(luò)譜圖并不是對(duì)信號(hào)的處理過程進(jìn)行確切描述而是表示在不同頻率上的振動(dòng)信號(hào)的能量，根據(jù)振動(dòng)信號(hào)來源的故障頻率計(jì)算，判斷部件是否發(fā)生故障。包絡(luò)解調(diào)技術(shù)加強(qiáng)了高頻段瞬態(tài)畸變小信號(hào)的能量, 將包絡(luò)檢測(cè)技術(shù)與傳統(tǒng)的頻譜分析技術(shù)相結(jié)合, 能在軸承、齒輪嚴(yán)重?fù)p壞之前就及時(shí)檢測(cè)到它們的早期缺陷及潤(rùn)滑問題。

二、人工智能的方法

人工智能診斷方法主要包括模糊邏輯、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、遺傳算法。人工智能診斷方法可以用于故障狀態(tài)模式識(shí)別、趨勢(shì)預(yù)測(cè)等。山西大學(xué)孟恩隆等利用人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自組織、自適應(yīng)和極強(qiáng)的非線性映射能力，針對(duì)齒輪箱和發(fā)電機(jī)的故障提出了一種智能診斷的新方法,思路為首先將信號(hào)進(jìn)行單子帶重構(gòu)改進(jìn)小波變換，然后從小波變換子帶系數(shù)中選取特征域提取故障特征，作為BP 神經(jīng)網(wǎng)絡(luò)的輸入，BP 神經(jīng)網(wǎng)絡(luò)根據(jù)訓(xùn)練好的映射關(guān)系，導(dǎo)出相應(yīng)輸入信號(hào)的故障類型。

三、小波分析的方法

小波分析在時(shí)域和頻域都具有很好的局部化性質(zhì)，較好地解決了時(shí)域和頻域分辨率的矛盾，在高頻率的部分頻段能放大尺度, 具有很好的頻率分辨性；在低頻率的部分頻段能縮小尺度, 具有很好的時(shí)間分辨性和對(duì)信號(hào)的自適應(yīng)性。因而，小波分析特別適合處理非平穩(wěn)時(shí)變信號(hào)，能夠?qū)⑿盘?hào)在任意頻段進(jìn)行劃分，比基于傅立葉變換的分析方法能夠有效的提取故障特征，尤其是提取微弱故障特征。武漢理工大學(xué)梁偉宸等以小波分析故障診斷的理論為基礎(chǔ)，提出了一種齒輪箱狀態(tài)監(jiān)測(cè)的實(shí)現(xiàn)方法。該方法首先利用常規(guī)的功率譜對(duì)點(diǎn)蝕故障進(jìn)行分析，然后針對(duì)點(diǎn)蝕故障做小波變換的時(shí)頻分析。最后，對(duì)振動(dòng)信號(hào)進(jìn)行特征值分析，判斷故障分布和故障的嚴(yán)重程度，從而為齒輪箱故障診斷提供依據(jù)。

結(jié)論

隨著全球發(fā)電產(chǎn)業(yè)的發(fā)展, 風(fēng)電機(jī)組故障診斷技術(shù)變得越來越重要，神經(jīng)網(wǎng)絡(luò)、小波分析和智能診斷技術(shù)也越來越受到研究者的關(guān)注，被廣泛用在風(fēng)電機(jī)組的故障診斷中，我們要極力做到：

風(fēng)電機(jī)組各部件故障診斷機(jī)制的完善。風(fēng)電機(jī)組是一個(gè)復(fù)雜的機(jī)電綜合系統(tǒng)，目前齒輪箱故障、電氣系統(tǒng)故障和發(fā)電機(jī)故障是最主要的三種故障，對(duì)于發(fā)電機(jī)部件, 也有很多專家從電信號(hào)和振動(dòng)信號(hào)兩個(gè)方面深入研究發(fā)電機(jī)的工作狀態(tài)，將成為風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)和故障診斷的未來研究方向之一。但在葉片的監(jiān)測(cè)與故障診斷方面，國(guó)內(nèi)專家研究的較少，雖然國(guó)外在風(fēng)力機(jī)葉片故障診斷方面取得了一定的研究成果，但主要還是處于試驗(yàn)階段，與實(shí)際應(yīng)用還有一段距離。

專家系統(tǒng)的建立。一個(gè)完整的專家系統(tǒng)由人機(jī)接口、知識(shí)獲取程序、知識(shí)庫、綜合數(shù)據(jù)庫、推理機(jī)等組成，其中知識(shí)庫是專家系統(tǒng)的核心內(nèi)容，還包含有系統(tǒng)規(guī)則，這些規(guī)則大多是關(guān)于具體系統(tǒng)或通用設(shè)備有關(guān)因果關(guān)系的邏輯法則。所以真實(shí)反映對(duì)象系統(tǒng)的知識(shí)庫的建立是專家系統(tǒng)進(jìn)行快速有效的故障診斷的前提，但在知識(shí)庫的建立、管理和維護(hù)等細(xì)節(jié)問題的實(shí)現(xiàn)方面仍存在很大難度。在采用先進(jìn)的傳感技術(shù)與信號(hào)處理技術(shù)的基礎(chǔ)上研制故障診斷專家系統(tǒng)，將現(xiàn)代科學(xué)技術(shù)的優(yōu)勢(shì)同專家豐富經(jīng)驗(yàn)與思維方式的優(yōu)勢(shì)結(jié)合起來，將是風(fēng)電機(jī)組故障診斷技術(shù)發(fā)展的重要方向。

新方法在故障診斷技術(shù)中的應(yīng)用。傳統(tǒng)的基于快速傅里葉變換（FFT）的頻譜分析方法是振動(dòng)信號(hào)處理中最重要的途徑，但是只適于分析平穩(wěn)信號(hào)，而不適于分析非平穩(wěn)信號(hào)，小波分析對(duì)突變信號(hào)和非平穩(wěn)信號(hào)的處理較好，已經(jīng)被廣泛使用在風(fēng)電機(jī)組故障診斷技術(shù)中。另外，基于人工智能的方法也越來越受到研究者的關(guān)注, 未來這些理論和算法同樣會(huì)在風(fēng)電機(jī)組故障診斷領(lǐng)域得到更加深入的應(yīng)用。此外,如何在故障產(chǎn)生前及時(shí)準(zhǔn)確地預(yù)測(cè)可能產(chǎn)生的危害, 提前處理故障誘因?qū)⒊蔀榱硪粋€(gè)尚待研究的重要主題。