全矢谱在风力发电系统齿轮箱的故障诊断的应用

摘 要在风力发电系统中的各种设备故障诊断系统中，传统的故障诊断具有诊断复杂，排除困等特点，基于全矢谱的齿轮箱诊断是一种新型的方法。本文首先研究了风力发电系统中的齿轮箱在系统负荷、电路故障、及信号特性等方面的特性。在此基础上提出了同源信号的故障信息融合方法，并将全矢谱技术运用于风力发电系统齿轮箱故障监测中。

【关键词】风力发电系统 齿轮箱 全矢谱

近年来，随着国家对各行业环保工作的要求越来越高，国家在风能的开发利用上取得了巨大的成就，但全国各地过热的风电潮后，一个令所有风电场严重担忧问题正在逐渐显现出来-机械故障。在风力发电组系统中，由于长期的轴损害、轴漏油以及轴之间拉力不均衡等，长期运行在变速过载负荷的恶劣工况下，所以如何快速有效的对风力发电系统齿轮箱进行故障诊断，关系到整个风里发电系统的安全、稳定、有效运行。

传统的故障诊断具有诊断复杂，排除困等特点，基于全矢谱的齿轮箱诊断是一种新型的方法。本文首先研究了风力发电系统中的齿轮箱在系统负荷、电路故障、及信号特性等方面的特性。在此基础上提出了同源信号的故障信息融合方法，并将全矢谱技术运用于风力发电系统齿轮箱故障监测中。

1 基于全矢谱的风力发电系统齿轮箱的故障诊断

基于全矢谱的风力发电系统齿轮箱的故障诊断是在分析了旋转器械的真实运行状态的基础上，考虑两个垂直方向力矩的情况下，对误差进行诊断。需要重点解决两个方面问题：

（1）风里发电系中齿轮箱旋转过程中的受力情况分析及获取；

（2）能够对齿轮箱出现的故障进行实时的诊断并进行快速修复。

在本文，利用信号分析中的快速傅里叶变换来分析齿轮箱旋转过程中的受力情况，利用共轭性质得到主振矢、副振矢：

（1）

上式中，为齿轮箱旋转在两个轴上的离散受力序列；为两个序列上的傅里叶变换值，。

通过上述公式，将齿轮箱旋转过程中的两个垂直方向的受力情况通过傅里叶变换为全矢谱需要的频域上的信号的特征频域信息，并分析各个不同频率的谐波的特性，可以利用此方法进行齿轮箱故障信号的实时检测及修复。

上述利用单频信号的分析，在双频及多频信号中也同样使用此原理。在单频信号检测中，只是利用单一的传感器附着于风力发电系统齿轮箱的一侧，且只能采集同一类的信源。而基于全矢谱的风力发电系统齿轮箱的故障诊断需要综合各类信息，如温度、流量、压力等，需要多传感器采集信息，这就需要对信源数据进行融合。

本文采用两个传感器进行信息采集，并且获取的时域信息正相交，因为时间信息是确定的，两同源传感器（正交）是在同一时间断内进行采样，同时对波形进行短时傅里叶变换。

利用全矢谱的分析可以得到两个传感器采集的风力发电系统齿轮箱的时域振动信号，通过对采集信号的时间同步 ，可以得到每个时域信号的频率轨迹运行方向，且在此设置两个传感器采集的信号在频域谱内是正交的，可以对其进行傅立叶变化，得到风电齿轮箱中机械的转速在某瞬时的变化是相对平稳的，且对其进行采样，选取合适的采样周期能够避免由于傅立叶变化带来的信号失真现象，最后将时域信号通过变化得到频域频谱来进行进一步分析。

2 故障诊断应用

本文以南方某风力发电公司某发电机组发生了共振的检测故障，利用本文基于全矢谱的风力发电系统齿轮箱的故障诊断进行故障排除及诊断。

本实验的风力电机组的额定功率为2.1MW，齿轮箱转速为17.4r/min，增速向速比为98.014，其结构图如图1所示。

表1为利用基于全矢谱的风力发电系统齿轮箱的故障测试的齿轮箱6个点的震动幅度。

根据上述表格可以看出，可以通过判断振动幅度的参数值来检测风力发电系统齿轮箱中出现异常的震动幅度的具体坐标：根据表中测试的6个不同点位的振动幅度测试结果可以看出，其测试点在X轴方向的震动幅度与其垂直方向的震动幅度相比，前者的数值要远远大于后者，基本在5至10倍之间，并且可以看出风力发电系统齿轮箱在参考位置4的时候，达到最小值，且1，2，3点呈现逐渐减小的趋势，5，6点呈现逐渐增大的趋势，可以判断出风力发电系统齿轮箱出现故障点在4点坐标左右的概率要大于其它的测试点，这时可以给出基于全矢谱的风力发电系统齿轮箱的故障的初始判断，这符合能量传播的原理。并考虑到实际测量电机尾端时，测点离轴承位置较远，振动值应比轴承实际振动偏小一些，因此判断振动源应该位于电机，而且极有可能靠近前轴承位置测点 . 处水平与垂直方向振动值相差较大，且属于同源信息故采用全矢谱技术符合要求。

3 结语

本文首先研究了风力发电系统中的齿轮箱在系统负荷、电路故障、及信号特性等方面的特性。在此基础上提出了同源信号的故障信息融合方法，并将全矢谱技术运用与风力发电系统齿轮箱故障监测中。

参考文献

[1]杨明明.大型风电机组故障模式统计分析及故障诊断[D].河北：华北电力大学，2009.