(合肥學(xué)院機(jī)械工程系 安徽合肥 230061)

近年來國內(nèi)風(fēng)電比重持續(xù)增加、產(chǎn)能日益增大，逐漸成為發(fā)電主力。據(jù)中國風(fēng)能協(xié)會(huì)統(tǒng)計(jì)，2016年，除臺(tái)灣省全國風(fēng)電開發(fā)建設(shè)總規(guī)模為3.083萬MW，機(jī)容量達(dá)到100萬MW。預(yù)計(jì)到2020年底，我國風(fēng)電裝機(jī)容量將達(dá)到150萬MW，全球裝機(jī)容量將達(dá)190萬MW[1]，年發(fā)電量占世界電力需求的12%。我國首部《中國風(fēng)電發(fā)展路線圖2050》正式發(fā)布，2050年，我國風(fēng)電裝機(jī)容量將達(dá)到10億千瓦，將成為電能主力。

隨著風(fēng)電的高速發(fā)展，風(fēng)電機(jī)組裝機(jī)數(shù)量不斷增加，且結(jié)構(gòu)更為復(fù)雜。風(fēng)場環(huán)境惡劣，風(fēng)電機(jī)組處于高空，運(yùn)維困難，往往達(dá)不到視情維護(hù)的效果，以致其關(guān)鍵故障嚴(yán)重、失效率占比增大、運(yùn)維成本比重增多，造成風(fēng)場經(jīng)濟(jì)效益減少，競爭力降低。國外工作壽命至少20年的風(fēng)電機(jī)組運(yùn)維成本大約占風(fēng)場收入的10%～15%，海上風(fēng)電機(jī)組高達(dá)20%～25%；而國內(nèi)風(fēng)電裝備通常在運(yùn)轉(zhuǎn)5年之內(nèi)出現(xiàn)關(guān)鍵故障，其中風(fēng)機(jī)齒輪箱最為嚴(yán)重，陸上和海上風(fēng)機(jī)齒輪箱失效率分別約占整機(jī)14%和19%[2]。在風(fēng)電齒輪箱運(yùn)維費(fèi)用方面，齒輪箱故障是機(jī)組停機(jī)的關(guān)鍵因素，齒輪箱問題占1/3，在歐洲占總運(yùn)維成本12%～30%[3]；而國內(nèi)則高達(dá)40%以上。巨大的運(yùn)維費(fèi)用降低風(fēng)電經(jīng)濟(jì)效益，可見發(fā)展風(fēng)機(jī)齒輪箱監(jiān)測診斷技術(shù)，提高齒輪箱無故障運(yùn)行時(shí)間和發(fā)電效率具有重要意義。

快速發(fā)展的風(fēng)電行業(yè)存在的設(shè)備監(jiān)測困難，得到國內(nèi)外相關(guān)人員的高度重視，對(duì)其關(guān)鍵設(shè)備齒輪箱的運(yùn)行維護(hù)出現(xiàn)了多種監(jiān)測技術(shù)和診斷方法。但齒輪箱的運(yùn)行維護(hù)除了機(jī)械設(shè)備故障診斷的基礎(chǔ)問題外，還有齒輪箱自身特點(diǎn)的問題。本文作者從風(fēng)電齒輪箱運(yùn)維、故障診斷的現(xiàn)狀出發(fā)，總結(jié)主要檢測參數(shù)、故障類型、監(jiān)測方法，并分析問題和提出解決辦法，結(jié)合當(dāng)前日益成熟的網(wǎng)絡(luò)技術(shù)、云技術(shù)以及大數(shù)據(jù)，提出狀態(tài)診斷的可能發(fā)展趨勢，為實(shí)現(xiàn)風(fēng)電場齒輪箱運(yùn)維的信息化、智能化、簡易化提供建議。

1 風(fēng)電齒輪箱狀態(tài)監(jiān)測及故障診斷技術(shù)

對(duì)機(jī)械設(shè)備實(shí)行狀態(tài)監(jiān)測和故障診斷的目的在于分析多種狀態(tài)監(jiān)測信息，研究運(yùn)行狀態(tài)，判定故障及其部位和原因，進(jìn)而提出解決措施，并預(yù)測趨勢。整個(gè)過程如圖1所示，涉及到信號(hào)檢測、信號(hào)處理、模式識(shí)別、失效分析以及狀態(tài)預(yù)測等技術(shù)，其中通過信號(hào)處理獲取特征信息的效果，直接影響模式識(shí)別的準(zhǔn)確性、故障診斷的可靠性以及狀態(tài)預(yù)測的精準(zhǔn)性，是故障診斷的前提。

圖1 齒輪箱狀態(tài)監(jiān)測與故障診斷流程及技術(shù)手段

1.1 風(fēng)電齒輪箱關(guān)鍵部件故障分析

齒輪箱作為風(fēng)力發(fā)電機(jī)傳輸動(dòng)力的關(guān)鍵部件，如圖2所示，其齒輪和軸承的故障率高達(dá)79%，這兩個(gè)部件能否正常運(yùn)行直接影響到齒輪箱的可靠性。其中齒輪和軸承故障率分別高達(dá)60%和19%[4]，前者失效形式為齒面劃傷、點(diǎn)蝕、磨損、斷齒、膠合、齒面銹蝕等形式，后者為疲勞、磨損、斷裂、腐蝕、保持架損壞等。

圖2 風(fēng)力發(fā)電機(jī)齒輪箱

1.2 主要監(jiān)測技術(shù)及檢測參數(shù)

齒輪箱的工況、潤滑油理化信息及振動(dòng)等多種狀態(tài)參數(shù)，通常采用紅外熱像、溫度傳感器、油液監(jiān)測以及振動(dòng)監(jiān)測等技術(shù)手段進(jìn)行檢測，以評(píng)估潤滑系統(tǒng)的油品狀態(tài)、設(shè)備磨損及其失效形式。

1.2.1 溫度監(jiān)測

工況監(jiān)測主要以壓力和溫度為主，其中溫度更為重要。溫度對(duì)齒輪箱性能、磨損及失效有重要影響,潤滑油溫度影響齒輪箱零部件疲勞及整個(gè)系統(tǒng)的壽命，一般齒輪箱正常工作時(shí)的最高油溫不應(yīng)超過80 ℃，需要溫度監(jiān)控系統(tǒng)調(diào)節(jié)[5]。齒面溫度過高，其表面潤滑油膜難以形成，散熱變得困難，導(dǎo)致溫度變大。齒輪箱潤滑油的溫度監(jiān)測用于直接或間接判斷齒輪箱健康狀態(tài)，已成為監(jiān)測指標(biāo)。溫度及壓力升高時(shí)，滑動(dòng)軸承的氣蝕磨損增加。溫度對(duì)徑向軸承性能有重要影響，隨著滲透性的增加，壓力分布、承載能力及姿態(tài)角進(jìn)一步減小[6]。MAO等[7]從實(shí)驗(yàn)和仿真兩方面研究了聚合物齒輪表面熱磨損及其性能預(yù)測，建立了齒輪表面溫度和齒輪承載能力的總的關(guān)系。王志強(qiáng)[8]等采用非線性狀態(tài)方法建立溫度預(yù)測模型，統(tǒng)計(jì)溫度預(yù)測殘差的變化趨勢，以發(fā)現(xiàn)齒輪箱早期故障。

測量溫度的方法主要是自然熱電偶法、人工熱電偶法以及紅外熱像技術(shù)等[9]，前兩者都是接觸測量，技術(shù)操作難、效率低，而后者是非接觸測量，采用紅外探測器測得待測物表面的輻射能量，通過計(jì)算得到表面的溫度及其分布，操作簡便快捷，一般測量范圍是-20～1 200 ℃。

1.2.2 油液分析

1989年，國際鋼鐵協(xié)會(huì)技術(shù)委員會(huì)在對(duì)14個(gè)發(fā)達(dá)國家的17個(gè)鋼鐵企業(yè)進(jìn)行了3年的系統(tǒng)性研究，提出將狀態(tài)監(jiān)測和狀態(tài)維修作為維修策略。對(duì)設(shè)備實(shí)行預(yù)防性維修維護(hù)，雖不能直接為企業(yè)帶來經(jīng)濟(jì)效益，但能間接提高設(shè)備利用率和降低成本。美國提出的油液監(jiān)測技術(shù)，廣泛應(yīng)用于電廠、鋼廠、水泥廠、船廠、軍事等設(shè)備。我國某空軍區(qū)采用油液分析監(jiān)測飛機(jī)，10年左右節(jié)省各項(xiàng)損失達(dá)數(shù)百億元；某柴油機(jī)發(fā)電廠，實(shí)行油液監(jiān)測前，一次最大事故損失330萬元，實(shí)行油液監(jiān)測后，節(jié)約備件和油費(fèi)超過1 240萬元。SKF公司僅通過污染控制就提高軸承可靠性壽命高達(dá)500倍；英國流體協(xié)會(huì)研究確定，液壓油清潔度每提高一個(gè)等級(jí)使液壓系統(tǒng)的壽命延長10倍；日本某鋼鐵公司推廣油液狀態(tài)監(jiān)測技術(shù)后，設(shè)備失效率就下降65%，滾動(dòng)軸承采購量下降50%，潤滑油消耗下降83%，與潤滑相關(guān)的失效率下降90%。

截止目前，油液監(jiān)測是評(píng)估齒輪箱潤滑和磨損狀態(tài)最直接有效的手段，因?yàn)橥ㄟ^該技術(shù)能從潤滑油獲得理化、磨粒、添加劑、鐵譜、污染度等信息，判斷設(shè)備磨損、油品及污染狀態(tài)，積累的數(shù)據(jù)和知識(shí)可為狀態(tài)維修乃至預(yù)防維修提供科學(xué)依據(jù)。

然而，油液分析儀器昂貴，采用傳統(tǒng)方式分析成本高、投資大，僅在軍隊(duì)和大型企業(yè)得到系統(tǒng)地、連貫地使用。另外，油液分析主要在實(shí)驗(yàn)室完成，推廣到風(fēng)電齒輪箱在線監(jiān)測，需要結(jié)合其他技術(shù)手段如遠(yuǎn)程監(jiān)測等。

1.2.3 振動(dòng)監(jiān)測

在風(fēng)電齒輪箱故障診斷技術(shù)中，目前應(yīng)用最為成熟的另一種方法是振動(dòng)監(jiān)測。風(fēng)電齒輪箱的振動(dòng)信號(hào)包含大量的齒輪箱故障信息，當(dāng)齒輪或滾動(dòng)軸承存在局部缺陷時(shí)，通過有效提取特征信息，可確定故障種類及部位。在正常工況下，齒輪箱在正常磨損階段平穩(wěn)運(yùn)行時(shí)，振動(dòng)信號(hào)為平穩(wěn)信號(hào)，否則為非平穩(wěn)信號(hào)，通常后者居多，且為非線性信號(hào)。

傳統(tǒng)的振動(dòng)信號(hào)分析有時(shí)域分析、頻域分析及時(shí)頻域分析。對(duì)于平穩(wěn)信號(hào)，通過時(shí)域分析提取變化速率、幅值范圍、連續(xù)性和離散性等信號(hào)特征；通過頻域分析獲取信號(hào)的主要頻率成分及其幅值和相位，初步判斷齒輪箱故障。而對(duì)于風(fēng)電齒輪箱的非平穩(wěn)信號(hào)，僅用時(shí)域或頻域分析故障，往往效果不佳[10]。龔韻秋[11]提出將瞬時(shí)頻率估計(jì)與階次分析相結(jié)合，用于風(fēng)電齒輪箱的振動(dòng)信號(hào)處理與故障診斷。李瑩等人[12]利用隱馬爾科夫模型(HMM)評(píng)估齒輪箱的故障演化程度，發(fā)現(xiàn)齒輪的故障程度從點(diǎn)蝕、磨損、斷齒程度逐漸增大 。郭遠(yuǎn)晶[13]通過試驗(yàn)臺(tái)模擬風(fēng)電齒輪箱高速級(jí)輸出軸轉(zhuǎn)角的角域振動(dòng)信號(hào)，應(yīng)用S變換進(jìn)行角域周期性沖擊特征的識(shí)別與提取，優(yōu)化故障特征向量的提取和故障診斷模型參數(shù)。

為提高故障預(yù)測效果，可聯(lián)合采用工況(如溫度)、油液、振動(dòng)等多種信號(hào)來綜合分析預(yù)測故障。如風(fēng)電齒輪箱齒輪發(fā)生點(diǎn)蝕、磨損、斷齒等失效時(shí)，則有相應(yīng)的振動(dòng)頻譜特征，同時(shí)溫度、油中顆粒物、油品質(zhì)量(運(yùn)動(dòng)黏度)都會(huì)有相應(yīng)變化等，集成分析這些信號(hào)，則能準(zhǔn)確有效地判斷故障部位、類型等。

1.3 齒輪箱在線監(jiān)測與遠(yuǎn)程監(jiān)測

鑒于傳統(tǒng)的數(shù)據(jù)采集和實(shí)驗(yàn)室分析信息滯后、效率低，國內(nèi)對(duì)風(fēng)電齒輪箱的在線監(jiān)測技術(shù)進(jìn)行了一些研究。但是由于系統(tǒng)化研究和應(yīng)用起步晚，很少有單臺(tái)風(fēng)電機(jī)甚至風(fēng)電場的整套監(jiān)測系統(tǒng)，目前以風(fēng)電機(jī)組的某一零部件監(jiān)測居多，并以傳統(tǒng)方式進(jìn)行工況數(shù)據(jù)的采集、分析及顯示。目前，有少數(shù)風(fēng)電機(jī)組生產(chǎn)企業(yè)自行開發(fā)了與風(fēng)電機(jī)組配套的監(jiān)測系統(tǒng)，如華銳風(fēng)電、金風(fēng)科技等；部分企業(yè)依托專業(yè)公司開發(fā)風(fēng)電場監(jiān)測系統(tǒng)，如南瑞電控為寧夏銀星能源有限公司開發(fā)了監(jiān)測系統(tǒng)[14]。為確保數(shù)據(jù)傳輸實(shí)時(shí)、高效、完整，提高監(jiān)測效率，隨著在線監(jiān)測技術(shù)的成熟以及信息技術(shù)、網(wǎng)絡(luò)技術(shù)的成熟，遠(yuǎn)程監(jiān)測得以實(shí)現(xiàn)，但當(dāng)前研究和應(yīng)用都很少。潘銘哲[15]通過DSP硬件平臺(tái)開發(fā)了風(fēng)電行星齒輪增速箱遠(yuǎn)程故障診斷系統(tǒng)。

而國外在風(fēng)電機(jī)組狀態(tài)監(jiān)測方面研究較早，應(yīng)用程度高，這些監(jiān)控系統(tǒng)各具特色，但由第三方公司研制的監(jiān)測系統(tǒng)，限于特定機(jī)組進(jìn)行監(jiān)控，對(duì)不同設(shè)備兼容性不足。代表性的監(jiān)控系統(tǒng)有英國Garrad Hassan公司的SCADA系統(tǒng)，瑞典SKF公司的Wind Con2.0，丹麥瑞思國家實(shí)驗(yàn)室的Farm系統(tǒng)，以及美國賽風(fēng)公司的ADMS系統(tǒng)、卓越通訊的SCADA系統(tǒng)、西屋公司的GEN-AID系統(tǒng)[16-18]，其中GEN-AID系統(tǒng)應(yīng)用效果顯著，使某風(fēng)場的設(shè)備強(qiáng)迫停機(jī)率從1.4%下降到0.2%，平均利用率提高到96.1%。

2 故障分析理論及診斷技術(shù)

風(fēng)電齒輪箱監(jiān)測的數(shù)據(jù)，包括連續(xù)信號(hào)或離散信號(hào)、線性或非線性信號(hào)、平穩(wěn)或非平穩(wěn)信號(hào)及其組合信號(hào)。在信號(hào)處理技術(shù)方面，近年來提出的短時(shí)傅立葉變換、小波分析法、經(jīng)驗(yàn)?zāi)Ｊ椒纸夥āigner-Ville分布等時(shí)頻分析理論，可用來處理非平穩(wěn)信號(hào)以提取齒輪箱故障特征。此外，涉及到的理論、方法主要有統(tǒng)計(jì)分析、專家系統(tǒng)、模糊理論、灰色理論、神經(jīng)網(wǎng)絡(luò)、故障樹分析、支持向量機(jī)及譜峭度等，而其他的方法如主成分分析、盲源分離及信息熵等，不再贅述。

2.1 數(shù)據(jù)預(yù)處理

由于人工操作或儀器設(shè)備的主客觀原因，采集的數(shù)據(jù)受到各種干擾而包含噪聲，進(jìn)而影響診斷結(jié)果的準(zhǔn)確性和可靠性，因此需要對(duì)檢測數(shù)據(jù)進(jìn)行降噪、平滑等預(yù)處理，提高數(shù)據(jù)的準(zhǔn)確性。若監(jiān)測信號(hào)含有較強(qiáng)的干擾噪聲，則有必要采取一定的技術(shù)手段，如時(shí)域平均、奇異值分解(SVD)去噪、小波閾值去噪[19]等降噪方法抑制噪聲，或采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)、局域值分解(LMD)以及盲源分離等方法從原始的強(qiáng)噪聲干擾信號(hào)中提取包含有故障特征的有用分量，供后續(xù)診斷使用。

2.2 統(tǒng)計(jì)分析

對(duì)于實(shí)驗(yàn)觀測、現(xiàn)場采集等獲取的狀態(tài)數(shù)據(jù)，通過統(tǒng)計(jì)分析數(shù)據(jù)的集中性、趨勢性、離散性、相關(guān)性等典型指標(biāo)，根據(jù)這些指標(biāo)，以樣本推測整體的特征和規(guī)律，如聯(lián)合極差、標(biāo)準(zhǔn)偏差和變異系數(shù)等差異性特征和均值、中位數(shù)及眾數(shù)等規(guī)律性特征確定設(shè)備狀態(tài)。這種方法優(yōu)點(diǎn)是有成熟軟件應(yīng)用，但要求大量數(shù)據(jù)。同時(shí)對(duì)于類似齒輪箱監(jiān)測信號(hào)的多源或多維監(jiān)測信號(hào)，則常用多元統(tǒng)計(jì)分析，以分析多個(gè)對(duì)象和多個(gè)指標(biāo)互相關(guān)聯(lián)情況下的統(tǒng)計(jì)規(guī)律，具體方法為多元正態(tài)分布及其抽樣分布、多元正態(tài)總體的均值向量和協(xié)方差陣的假設(shè)檢驗(yàn)、多元方差分析等。在利用齒輪箱油液檢測信號(hào)進(jìn)行建模時(shí)，何照榮等[20]對(duì)鐵譜數(shù)據(jù)通過殘差分析篩選合適數(shù)據(jù)，并改進(jìn)傳統(tǒng)的絕對(duì)值公式，以確定磨損狀態(tài)界限值。

2.3 小波理論

小波理論在信號(hào)時(shí)頻分析方面具有優(yōu)勢，尤其對(duì)于非平穩(wěn)信號(hào)，且小波基函數(shù)具有緊支特性、能量集中性質(zhì)并對(duì)數(shù)據(jù)要求不高。以小波變換獲取的近似系數(shù)和細(xì)節(jié)系數(shù)，正對(duì)應(yīng)信號(hào)的低頻部分和高頻部分，分別反映原信號(hào)的穩(wěn)定特征和奇異特征，其中包含更多的信息供挖掘。如對(duì)于油液監(jiān)測信號(hào)，對(duì)分解后信息建立診斷邊界。蘇炳華[21]通過小波變換對(duì)齒輪和軸承故障振動(dòng)信號(hào)進(jìn)行處理后提取故障特征，組成故障特征向量。祝文穎和馮志鵬[22]為解決傳統(tǒng)Fourier頻譜劃分的復(fù)雜邊帶分析問題，將改進(jìn)經(jīng)驗(yàn)小波變換用于解調(diào)行星齒輪箱振動(dòng)信號(hào)，從而估算單分量個(gè)數(shù)。錢林和康敏[23]采用小波包分解降噪齒輪箱原始振動(dòng)信號(hào)，并提取特征能量。

2.4 專家系統(tǒng)

專家系統(tǒng)是一種具有某領(lǐng)域?qū)I(yè)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，通過建立相應(yīng)的知識(shí)庫，采用推理機(jī)模擬該領(lǐng)域?qū)＜业乃季S過程，解決該領(lǐng)域的復(fù)雜問題，具有高效、準(zhǔn)確的特點(diǎn)，在知識(shí)面要求廣的機(jī)械故障診斷領(lǐng)域得到廣泛應(yīng)用。梅杰等人[24]構(gòu)建多級(jí)行星齒輪箱的專家系統(tǒng)，結(jié)合人工神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本分析，改進(jìn)專家系統(tǒng)的學(xué)習(xí)與推理能力。YANG等[25]建立風(fēng)電齒輪箱的故障樹模型，實(shí)現(xiàn)定性與定量分析，并開發(fā)面向網(wǎng)絡(luò)的風(fēng)電齒輪箱故障診斷專家系統(tǒng)。FENG[26]將決策分類算法與專家系統(tǒng)相結(jié)合，采用Ctree軟件進(jìn)行數(shù)據(jù)挖掘、診斷規(guī)則，利用CLIPS開發(fā)風(fēng)電齒輪箱故障診斷專家系統(tǒng)。張曉東等[27]總結(jié)風(fēng)力發(fā)電機(jī)組故障診斷專家知識(shí)，采用ASP.NET平臺(tái)開發(fā)和SQL Server 2008數(shù)據(jù)庫開發(fā)風(fēng)力發(fā)電機(jī)組振動(dòng)監(jiān)測故障診斷專家系統(tǒng)。

2.5 模糊理論

在根據(jù)機(jī)械設(shè)備狀態(tài)判斷故障時(shí)，所用的正常、異常、警告或嚴(yán)重等狀態(tài)之間的過渡邊界模糊，常用的精確推理方法不適用。此時(shí)模糊理論對(duì)其中涉及到的信息處理則提供了強(qiáng)有力的手段，能有效地確定模糊故障。SARAVANAN等[28]對(duì)齒輪箱振動(dòng)信號(hào)通過決策樹方法獲取最優(yōu)統(tǒng)計(jì)特征，再通過模糊邏輯分類識(shí)別齒輪箱故障。WASIF等[29]提出一種基于振動(dòng)信號(hào)時(shí)域和頻域統(tǒng)計(jì)特征分析的模糊推理系統(tǒng)，成功地檢測出了齒輪箱的故障。

2.6 灰色理論

灰色理論由鄧聚龍[30]提出，可處理部分信息清楚、具有不確定性的現(xiàn)象，常用于樣本數(shù)量貧乏或系統(tǒng)特征因素的關(guān)聯(lián)分析，以及原始測量數(shù)據(jù)序列間隔不齊或者數(shù)據(jù)點(diǎn)缺失的發(fā)展趨勢預(yù)測，尤其在短期預(yù)測具有優(yōu)勢。張弢等人[31]利用灰色關(guān)聯(lián)度衡量測試結(jié)果向量與故障特征向量的接近度，進(jìn)行多故障診斷。杜尊峰等[32]計(jì)算海上風(fēng)電齒輪箱所有故障模式的灰色關(guān)聯(lián)度，根據(jù)故障模式的影響因素之間的相對(duì)重要度進(jìn)行故障風(fēng)險(xiǎn)排序。在和其他理論聯(lián)用方面，朱大奇等[33]對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)采用小波分析提取特征，并以灰色理論進(jìn)行了預(yù)測處理，且設(shè)計(jì)了相應(yīng)的軟硬件實(shí)現(xiàn)此過程。

2.7 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是用數(shù)學(xué)方法模擬人腦基本功能的一種復(fù)雜網(wǎng)絡(luò)系統(tǒng)，對(duì)非線性復(fù)雜系統(tǒng)具有良好映射逼近功能，實(shí)現(xiàn)信息的大規(guī)模并行處理，具備很強(qiáng)的魯棒性、容錯(cuò)性以及自學(xué)習(xí)、自組織、自適應(yīng)優(yōu)勢，適合處理不確定對(duì)象的復(fù)雜非線性問題，尤其反向傳播(BP)神經(jīng)網(wǎng)絡(luò)具有聯(lián)想、推測和記憶功能，特別適用于機(jī)械設(shè)備故障識(shí)別與診斷領(lǐng)域。用于風(fēng)電齒輪箱故障診斷的神經(jīng)網(wǎng)絡(luò)研究，主要集中在和其他理論的綜合應(yīng)用方面，如將離散小波變換(DWT) 與反向傳播(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合[34]，基于模糊神經(jīng)網(wǎng)絡(luò)集成的智能故障診斷系統(tǒng)[35]。王宇[36]利用混合蛙跳算法的高效全局特性優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)齒輪箱正常和幾種模擬故障的振動(dòng)信號(hào)進(jìn)行處理，提高診斷速度和準(zhǔn)確度。馬志遠(yuǎn)[37]采用序貫概率比檢驗(yàn)提取統(tǒng)計(jì)特征，結(jié)合神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行分類，實(shí)現(xiàn)了對(duì)齒輪箱的智能診斷。劉雄[38]利用小波包分解振動(dòng)信號(hào)提取頻帶能量特征，采用BP神經(jīng)網(wǎng)絡(luò)建立故障特征空間到狀態(tài)空間的非線性映射，建立風(fēng)電齒輪箱故障診斷儀器的軟、硬件總體方案。

2.8 故障樹分析

故障樹是研究對(duì)象結(jié)構(gòu)、功能特征的行為模型及其故障傳播關(guān)系的因果模型。故障樹分析法(Fault Tree Analysis，簡稱FTA)將系統(tǒng)故障由果到因、從整體到零部件按樹枝狀逐級(jí)細(xì)化，分析導(dǎo)致該系統(tǒng)故障發(fā)生的所有直接原因，并用邏輯門的形式將這些故障和相應(yīng)的原因事件建立故障樹模型，進(jìn)而形象地表達(dá)出系統(tǒng)功能單元故障和系統(tǒng)故障的內(nèi)在邏輯因果關(guān)系，確定故障部位和故障原因。故障樹限于定性分析，需要和其他定量監(jiān)測技術(shù)綜合應(yīng)用。PAN和RAO[39]運(yùn)用故障樹分析法對(duì)行星齒輪傳動(dòng)系的可靠性進(jìn)行了分析。WANG等[40]針對(duì)風(fēng)電齒輪箱故障程度的灰色性與模糊性，提出一種基于灰色理論和模糊邏輯的故障樹分析方法。陳濤等人[41]利用灰色關(guān)聯(lián)度理論建立風(fēng)電齒輪箱傳動(dòng)系統(tǒng)故障樹模型各個(gè)子單元之間的可靠度聯(lián)系，實(shí)現(xiàn)風(fēng)電齒輪箱可靠度的快速預(yù)測。任巖等人[42]對(duì)傳動(dòng)鏈故障類型及機(jī)制進(jìn)行了分析，構(gòu)建了風(fēng)電機(jī)組傳動(dòng)鏈故障樹診斷系統(tǒng)。

2.9 支持向量機(jī)

機(jī)械設(shè)備(如齒輪箱)的典型故障樣本獲得難，且樣本數(shù)量少，要求機(jī)械故障診斷系統(tǒng)的故障模式學(xué)習(xí)與識(shí)別、分類具有很強(qiáng)的適用性。支持向量機(jī)(Support Vector Machine，簡稱SVM)，較好地解決小樣本條件下的機(jī)器學(xué)習(xí)問題。TANG等[43]提出綜合流形學(xué)習(xí)與Shannon小波支持向量機(jī)的故障診斷方法，進(jìn)行風(fēng)電齒輪箱非穩(wěn)態(tài)運(yùn)行工況下的故障診斷。劉永前等[44]通過支持向量機(jī)分析風(fēng)電機(jī)組主傳動(dòng)鏈的振動(dòng)監(jiān)測信號(hào)，分類風(fēng)電機(jī)組復(fù)雜多變的運(yùn)行工況。LIU等[45]針對(duì)風(fēng)電齒輪箱振動(dòng)信號(hào)的非高斯、非平穩(wěn)性以及故障樣本的有限性，提出了一種基于對(duì)角譜與聚類二叉樹SVM的風(fēng)電齒輪箱故障診斷方法。CHEN等[46]采用小波支持向量機(jī)(WSVM)與免疫遺傳算法(IGA)相結(jié)合的方法對(duì)齒輪箱故障進(jìn)行診斷。李東東等[47]獲取信號(hào)多重分形譜特征，通過支持向量機(jī)分類與識(shí)別了4種太陽輪故障。

2.10 譜峭度

對(duì)譜峭度(Spectral kurtosis，簡稱SK)的概念和算法，ANTONI和RANDALL[48]進(jìn)行了深入研究，并首次用于機(jī)械故障診斷。通過窄帶濾波檢測旋轉(zhuǎn)機(jī)器故障時(shí)需要額外的頻帶信息，如脈沖響應(yīng)的震蕩頻率、持續(xù)時(shí)間及機(jī)械系統(tǒng)動(dòng)態(tài)參數(shù)，而SK具有不需歷史數(shù)據(jù)或先驗(yàn)信息的優(yōu)勢，能自動(dòng)顯示最佳頻率，以振幅包絡(luò)解調(diào)獲取獲包絡(luò)信號(hào)，尤其對(duì)于軸承[49]和齒輪[50]旋轉(zhuǎn)部件局部故障的周期性脈沖信號(hào)特別適用。目前SK和其他技術(shù)聯(lián)用取得了較大的發(fā)展。王振華[51]采用自回歸模型抑制信號(hào)的端點(diǎn)效應(yīng)，并將經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)和譜峭度相結(jié)合，提取了齒輪箱各種工況的特征頻率。李宏坤等[52]用粒子濾波降低振動(dòng)信號(hào)噪聲，提高了譜峭度用于軸承診斷的成功率。王建國等[53]采用噪聲參數(shù)最優(yōu)總體局部均值分解抑制模態(tài)混疊，再通過譜峭度提取了滾動(dòng)軸承故障特征。向玲和鄢小安[54]集成固有時(shí)間尺度分解重構(gòu)信號(hào)，再通過譜峭度提高了軸承故障監(jiān)測的準(zhǔn)確度。代士超等[55]提出的改進(jìn)快速譜峭度圖算法，有效削弱或消除脈沖干擾成分的影響，提取了滾動(dòng)軸承故障特征。

3 當(dāng)前風(fēng)電齒輪箱故障診斷的問題分析和解決思路

3.1 問題分析

對(duì)于機(jī)械故障診斷的基礎(chǔ)研究，當(dāng)前存在著“七多七少”的問題[56]，而風(fēng)電齒輪箱的狀態(tài)監(jiān)測，除了前4個(gè)方面存在相同問題外，仍有診斷技術(shù)、分析形式、分析途徑3個(gè)方面的不同問題，如表1所示。

表1 機(jī)械故障診斷的基礎(chǔ)研究和風(fēng)電齒輪箱故障診斷存在的問題比較

對(duì)風(fēng)電齒輪箱言，采用油液分析其故障少，深入探索其關(guān)鍵零部件磨損演變規(guī)律及影響因素的研究更少。雖然已經(jīng)開發(fā)出油品質(zhì)量、污染、鐵譜等多種在線傳感器[57-58]，但其中涉及到與在線監(jiān)測相關(guān)的技術(shù)和理論[59]，尤其遠(yuǎn)程診斷技術(shù)尚處于發(fā)展階段，不夠成熟，距離智能診斷有很大的距離。對(duì)齒輪箱磨損的研究，多為單指標(biāo)的趨勢分析和靜態(tài)診斷界限為主[60]。油液在線檢測的硬件條件已經(jīng)具備，但缺乏有效的在線監(jiān)測理論支撐及多種信號(hào)的綜合處理，以致在線監(jiān)測與診斷效率不高，其中一項(xiàng)關(guān)鍵內(nèi)容是磨損度的多因素分析及其影響指標(biāo)，因此需要從多個(gè)角度進(jìn)行量化分析，獲取磨損度、油品的變化規(guī)律，建立狀態(tài)模型，為判斷動(dòng)態(tài)磨損狀態(tài)、預(yù)測磨損及通過信息融合進(jìn)行智能診斷提供理論支撐。

3.2 解決思路

針對(duì)風(fēng)電齒輪箱故障診斷存在的問題，從“五性三化”即階段性、動(dòng)態(tài)性、多維性、適用性、集成性、定量化、標(biāo)準(zhǔn)化以及統(tǒng)一化8個(gè)方面推進(jìn)或強(qiáng)化研究，助力于智能診斷的實(shí)現(xiàn)。

3.2.1 在階段性方面，根據(jù)工程監(jiān)測數(shù)據(jù)研究不同階段的故障現(xiàn)象、機(jī)制及相應(yīng)的診斷技術(shù)

由故障的發(fā)展過程可知，齒輪箱磨損和油品狀態(tài)通常分為3個(gè)邊界線——正常線、警戒線和危險(xiǎn)線，以及4種范圍——正常狀態(tài)、注意狀態(tài)(如當(dāng)某零件處于超過正常的磨損時(shí))、警戒狀態(tài)(如某零件處于嚴(yán)重磨損狀態(tài)或接近于失效)以及危險(xiǎn)狀態(tài)(如某零件已經(jīng)失效)。在用監(jiān)測數(shù)據(jù)建立診斷界限判斷設(shè)備狀態(tài)時(shí)，需要考慮到數(shù)據(jù)的階段性，這是因?yàn)樵O(shè)備處于不同使用階段時(shí)，故障機(jī)制不同，相應(yīng)的故障現(xiàn)象也不同，磨損和油品的影響因素差異較大，適用的監(jiān)測技術(shù)手段也不同，需要用現(xiàn)場數(shù)據(jù)而非仿真數(shù)據(jù)并且結(jié)合具體情況分析，更不能用一套判據(jù)判斷各個(gè)階段的狀態(tài)，否則診斷結(jié)果的準(zhǔn)確性和可靠性難以保障。

3.2.2 在動(dòng)態(tài)性方面，研究工程監(jiān)測數(shù)據(jù)在不同壽命階段和同一壽命階段內(nèi)的時(shí)變性

最新的檢測數(shù)據(jù)對(duì)原來數(shù)據(jù)的統(tǒng)計(jì)特征、故障特征以及診斷判據(jù)等分析過程都有影響，因此應(yīng)重視齒輪箱磨損的動(dòng)態(tài)性變化。以非時(shí)變參數(shù)的線性假設(shè)來研究磨損狀態(tài)，隨著預(yù)測時(shí)間的增長，預(yù)測誤差累加會(huì)降低磨損狀態(tài)判斷的準(zhǔn)確性。這種監(jiān)測參數(shù)是線性或非線性，不能憑假設(shè)斷定，需要針對(duì)工程數(shù)據(jù)進(jìn)行研究。

3.2.3 在多維性方面，研究診斷目標(biāo)下不同技術(shù)角度的指標(biāo)參數(shù)

當(dāng)前的齒輪箱故障診斷研究中，多從單因素角度，根據(jù)某種檢測數(shù)據(jù)對(duì)設(shè)備的磨損特征、油品特征進(jìn)行分析。而實(shí)際上監(jiān)測信息種類多、指標(biāo)多，如工況參數(shù)、油液監(jiān)測的光譜數(shù)據(jù)、鐵譜數(shù)據(jù)、油品參數(shù)(如黏度)、溫度參數(shù)、污染參數(shù)以及振動(dòng)參數(shù)，具有多維性，共同表征齒輪箱在不同磨損階段下的健康狀態(tài)?？梢?，客觀上一個(gè)故障現(xiàn)象往往需要多方面參數(shù)才能更為可靠準(zhǔn)確地判斷。

3.2.4 在適用性方面，研究監(jiān)測對(duì)象、故障診斷、數(shù)據(jù)處理三者之間的對(duì)應(yīng)性

風(fēng)電齒輪箱故障診斷的研究結(jié)果、所采用的各鐘方法與不同監(jiān)測數(shù)據(jù)有關(guān)，受數(shù)據(jù)驅(qū)動(dòng)，分別具有不同的針對(duì)性，且通用性、移植性不足，截止目前，幾乎沒有具備自適應(yīng)功能的監(jiān)測診斷軟件，以致效果良好的診斷方法難以推廣。

3.2.5 在集成性方面，深耕多種診斷技術(shù)、參數(shù)及知識(shí)的系統(tǒng)級(jí)融合研究

故障診斷所用的多種參數(shù)來源于一個(gè)摩擦學(xué)系統(tǒng)而在機(jī)制和數(shù)值方面具有關(guān)聯(lián)，存在相互作用，具有強(qiáng)相關(guān)性，如工況、磨損及油品狀態(tài)的有些數(shù)據(jù)之間具有相關(guān)性，甚至因果關(guān)系。同時(shí)，不同參數(shù)需要不同監(jiān)測理論及技術(shù)手段處理。因此，風(fēng)電齒輪箱故障診斷過程需要多種先驗(yàn)知識(shí)、狀態(tài)參數(shù)和多種診斷技術(shù)的系統(tǒng)級(jí)深度融合。

3.2.6 在定量化方面，研究定性信息和診斷結(jié)果的量級(jí)

通過監(jiān)測技術(shù)獲取的信息有相當(dāng)大比例為定性，分析結(jié)果以定性居多，需要量化處理以實(shí)現(xiàn)更準(zhǔn)確的診斷。風(fēng)電齒輪箱監(jiān)測樣本和監(jiān)測數(shù)據(jù)日益龐大，人工處理效率低、準(zhǔn)確度不高。如在應(yīng)用油液分析時(shí)用到的信息為定性，如油液顏色、顆粒的形貌及顏色等；同時(shí)磨損狀態(tài)、油品狀態(tài)的分析結(jié)果也為定性，致使?fàn)顟B(tài)診斷(如油液分析)過度依賴經(jīng)驗(yàn)，難以準(zhǔn)確判斷零部件磨損程度和設(shè)備的健康程度，很可能錯(cuò)失維護(hù)的最佳時(shí)機(jī)甚至造成重大損失。

3.2.7 在標(biāo)準(zhǔn)化方面，研究大樣本、大數(shù)據(jù)下的分類分層診斷標(biāo)準(zhǔn)

截止目前，大多數(shù)企業(yè)的風(fēng)電齒輪箱的監(jiān)測缺乏診斷準(zhǔn)則，且憑經(jīng)驗(yàn)居多。由于不同類型風(fēng)電齒輪箱材料、工況、監(jiān)測手段等均不同，甚至差異較大，對(duì)在一定工況下的某一類齒輪箱、以某一監(jiān)測手段建立的診斷方案，實(shí)際上未必適用于其他齒輪箱。因此需要對(duì)較多類型齒輪箱，獲取較大的樣本，利用大數(shù)據(jù)，建立分類分層的診斷標(biāo)準(zhǔn)。

3.2.8 在統(tǒng)一化方面，研究并建立供貨方、用戶和第三方監(jiān)測機(jī)構(gòu)的一致性運(yùn)維準(zhǔn)則

由于立場不同，潤滑油和風(fēng)電齒輪箱供貨方和用戶采用的監(jiān)測技術(shù)手段不同，在運(yùn)維標(biāo)準(zhǔn)方面往往不盡相同，如大多風(fēng)力發(fā)電機(jī)裝有的SCADA和CMS兩套系統(tǒng)相互獨(dú)立，監(jiān)測結(jié)果之間不能相互支撐。而第三方監(jiān)測公司由于歷史信息掌握不足，可能憑當(dāng)前數(shù)次數(shù)據(jù)，或參考類似齒輪箱進(jìn)行判斷，給出的診斷結(jié)果在較大程度上往往只能作為參考，容易造成欠維護(hù)或過維護(hù)，以致產(chǎn)生損失。因此需要這三方拋開利益壁壘，互相提供充分的信息，采用相同的監(jiān)測技術(shù)，共建三方共用的運(yùn)維標(biāo)準(zhǔn)。

4 風(fēng)電齒輪箱故障診斷發(fā)展趨勢

齒輪箱的狀態(tài)數(shù)據(jù)同源、異構(gòu)、多維，故障類型多變、信息量大、所需知識(shí)種類繁多，需要相應(yīng)的監(jiān)測技術(shù)，隨著風(fēng)電機(jī)組的高可靠性要求，在客觀上都需要新的診斷技術(shù)，才能達(dá)到視情維護(hù)、主動(dòng)報(bào)警的效果。隨著傳感器技術(shù)、信息技術(shù)、云計(jì)算技術(shù)、網(wǎng)絡(luò)技術(shù)、智能技術(shù)的日趨成熟，在工業(yè)4.0和智能制造的背景下，風(fēng)電齒輪箱的狀態(tài)監(jiān)測和故障診斷將出現(xiàn)新的態(tài)勢。

4.1 云監(jiān)測和大數(shù)據(jù)診斷

由于風(fēng)電齒輪箱分布跨度范圍廣、數(shù)量多、監(jiān)測數(shù)據(jù)量大，傳統(tǒng)的監(jiān)測方法由于時(shí)空局限性而效率低。隨著信息化、網(wǎng)絡(luò)化及物聯(lián)網(wǎng)技術(shù)的發(fā)展，異地、實(shí)時(shí)的云監(jiān)測提供解決思路。

以狀態(tài)監(jiān)測數(shù)據(jù)采集為基礎(chǔ)，研究齒輪箱監(jiān)測數(shù)據(jù)的無線傳輸原理和結(jié)構(gòu)，建立無線云監(jiān)測平臺(tái)系統(tǒng)，包括硬件層、服務(wù)器層和終端層模塊功能及其組成。在此基礎(chǔ)上，構(gòu)建實(shí)時(shí)數(shù)據(jù)收集處理平臺(tái)，不斷更新、淘汰無用過時(shí)數(shù)據(jù)以及持續(xù)調(diào)優(yōu)，形成數(shù)據(jù)閉環(huán)，通過終端瀏覽器實(shí)現(xiàn)可視化監(jiān)測、遠(yuǎn)程處理以及大數(shù)據(jù)分析，進(jìn)而實(shí)現(xiàn)綜合集成診斷，提高企業(yè)用戶實(shí)時(shí)監(jiān)測數(shù)據(jù)的效率。

4.2 智能診斷

人工智能技術(shù)現(xiàn)在已經(jīng)達(dá)到相當(dāng)高的水平，但對(duì)于齒輪箱故障診斷的應(yīng)用尚有較大距離，尤其在商業(yè)化方面。雖然主要狀態(tài)監(jiān)測技術(shù)如油液監(jiān)測技術(shù)和振動(dòng)監(jiān)測技術(shù)已經(jīng)發(fā)展得相當(dāng)成熟，但由于提出的諸多問題，以致不少研究成果難以推廣應(yīng)用，因此，當(dāng)務(wù)之急為相應(yīng)的智能算法及其實(shí)現(xiàn)軟件的開發(fā)，實(shí)現(xiàn)智能集成診斷。

4.3 主動(dòng)報(bào)警

隨著語音技術(shù)、機(jī)器學(xué)習(xí)、信息技術(shù)、物聯(lián)網(wǎng)技術(shù)、人工智能等技術(shù)的不斷發(fā)展，對(duì)于大企業(yè)的關(guān)鍵設(shè)備，需要更新更簡易的監(jiān)測技術(shù)。通過克服以上的技術(shù)瓶頸和對(duì)高級(jí)運(yùn)維技術(shù)人員的依賴，將狀態(tài)檢測和診斷與設(shè)備融為一體，使設(shè)備具有自診斷功能，當(dāng)設(shè)備出現(xiàn)潤滑油、添加劑、油脂等日常維護(hù)小問題時(shí)，能自我修護(hù)，而對(duì)維修更換零部件之類的大問題，主動(dòng)通過網(wǎng)絡(luò)以語音或文字的方式向運(yùn)維人員提前報(bào)警。

4.4 移動(dòng)診斷機(jī)器人

對(duì)于中小型企業(yè)的關(guān)鍵設(shè)備，限于成本，在監(jiān)測維護(hù)方面人員、設(shè)備、儀器及資金投入不足，尤其在技術(shù)人員的相關(guān)知識(shí)和技能培訓(xùn)方面。隨著機(jī)器人技術(shù)的進(jìn)步以及狀態(tài)監(jiān)測技術(shù)的成熟，將狀態(tài)監(jiān)測和故障診斷的數(shù)據(jù)采集、現(xiàn)場分析、快速診斷等多種技術(shù)和功能，融為一體，開發(fā)出移動(dòng)診斷機(jī)器人，對(duì)設(shè)備24 h巡檢，進(jìn)行移動(dòng)現(xiàn)場監(jiān)測診斷。

5 結(jié)束語

齒輪箱系統(tǒng)屬于含有固態(tài)、液態(tài)和氣態(tài)的多相混合系統(tǒng)，且三相之間互相影響，共同作用于壽命周期的多個(gè)階段，產(chǎn)生多種多態(tài)多維數(shù)據(jù)。國內(nèi)外學(xué)者、用戶和第三方監(jiān)測公司使用的狀態(tài)監(jiān)測和診斷方法，缺乏互相支撐和統(tǒng)一標(biāo)準(zhǔn)，需要三方協(xié)同推進(jìn)，促進(jìn)多種監(jiān)測技術(shù)和故障分析理論的集成融合，實(shí)現(xiàn)智能診斷和主動(dòng)運(yùn)維。

(1)選用或開發(fā)適當(dāng)?shù)亩鄳B(tài)信息傳感器，構(gòu)建相應(yīng)的監(jiān)測系統(tǒng)，強(qiáng)化和改善現(xiàn)有的在線監(jiān)測技術(shù)和方法，通過網(wǎng)絡(luò)技術(shù)、信息技術(shù)和無線技術(shù)，實(shí)現(xiàn)無線遠(yuǎn)程可視化監(jiān)控。

(2)監(jiān)測理論及技術(shù)研究。選用或研發(fā)合適的、簡便的分析理論及技術(shù)，充分挖掘齒輪箱機(jī)制特征、磨損特征、理化特征和動(dòng)態(tài)特征等多維定性、定量信息，確定合適的因子及修正系數(shù)，建立齒輪箱零部件的溫度模型、磨損模型及油品模型。

(3)診斷技術(shù)集成研究。齒輪箱作為風(fēng)力發(fā)電機(jī)的關(guān)鍵部件，在深入研究現(xiàn)象、機(jī)制及數(shù)據(jù)等的階段動(dòng)態(tài)性基礎(chǔ)上，通過量化定性信息和結(jié)果，根據(jù)溫度監(jiān)測、油液分析和振動(dòng)分析等技術(shù)手段的優(yōu)勢，進(jìn)行深度融合。

(4)統(tǒng)一監(jiān)測方法，建立用戶、供貨商及第三方機(jī)構(gòu)的聯(lián)合知識(shí)庫、數(shù)據(jù)庫和監(jiān)測方法庫。針對(duì)齒輪箱在不同階段的動(dòng)態(tài)多維監(jiān)測數(shù)據(jù)，統(tǒng)一這三方的數(shù)據(jù)處理、定性、定量分析和診斷方法，集成用戶的大量數(shù)據(jù)和監(jiān)測公司之間的運(yùn)維準(zhǔn)則，建立互相支撐的統(tǒng)一標(biāo)準(zhǔn)。

(5)智能主動(dòng)診斷的軟硬件開發(fā)。應(yīng)用大數(shù)據(jù)、通過人工智能，縱向結(jié)合歷史數(shù)據(jù)，橫向類比同類齒輪箱，通過開發(fā)相應(yīng)的軟硬件，提升監(jiān)控系統(tǒng)、進(jìn)行云診斷，開發(fā)機(jī)器人進(jìn)行移動(dòng)現(xiàn)場診斷，使設(shè)備能以語音或文字形式提前報(bào)警，從而實(shí)現(xiàn)主動(dòng)運(yùn)維。