（国家能源集团国华通辽分公司 内蒙古通辽 028000）
摘要：齿轮箱是风电机组的关键部件。齿轮箱的故障率在风力发电机各主要部件的故障统计中居高不下，齿轮箱是机组中故障发生率最高的部件，故障百分比已超过60％。由于风电机组安装在几十米高的塔架上，齿轮箱一旦发生问题维修非常不便。因此，加强对风电机组齿轮箱的监测和故障诊断，对降低风电场维护费用，提高风电场运行经济效益具有重要意义。
关键词：风电齿轮箱；健康诊断；
风电机组长期运行在室外恶劣自然环境下，故障率比常规发电机组高。据不完全统计，风电机组故障率高是一个主要因素。这些因素导致风电机组的维护费用成为风电场的主要运营成本，因此降低维护费用是提高风电场运营效益的重要途径。
一、风电齿轮箱故障成因
1.齿根裂纹和断齿。齿轮在啮合传动过程中会承受较大的载荷，产生弯曲变形。如果所受载荷足够大，将使齿轮根部产生微小的裂纹并在运行过程中逐渐发展变大，并最终形成轮齿的断裂。即使在正常载荷下，随着轮齿不断地进入和退出啮合状态，轮齿上的应力为循环应力，当应力循环次数达到一定程度时，轮齿发生疲劳裂纹并逐步扩展直至最终断裂。在某些情况下，在齿轮的加工过程中也可能会形成微小裂纹，如切削、淬火等，齿轮在运行过程中这些裂纹也会逐步扩展最后发生轮齿断裂。
2.齿面点蚀。齿轮表面发生点蚀是仅次于断齿和裂纹的故障。在齿轮的啮合过程中，轮齿整体所承受的应力发生变化，两个齿轮的轮齿相互接触后，其啮合接触位置会因齿轮旋转而发生改变，进而使轮齿表面所受的应力也会发生相应的变化。同时，对于两轮齿接触的时候会产生相对位移，如果润滑效果不好，轮齿之间的接触面会形成产生较大的摩擦力。在以上多种因素共同的影响下，齿轮表面的一些位置会产生微小的裂纹，并逐渐扩大进而导致材料脱落，形成点蚀现象。如果脱落的尺寸变大，则形成齿轮表面剥落。
3.齿面磨损。如果要保证齿轮箱的正常运行，就需要有足够良好的润滑条件，并且要求足够清洁度的润滑油。如果无法保证这些条件，例如润滑不足、存在硬质颗粒杂质，这会加快齿轮磨损，进而使得超过正常范围，造成过度磨损进而造成齿轮的失效。同时齿轮的过度磨损将使造成轮齿变薄，这将可能引发齿根裂纹和断齿的发生。
4.齿面胶合。对于新齿轮，需在进行磨合，但由于制造过程中必然存在的误差，两个相啮合轮齿的表面情况会有所不同，在摩擦力和接触应力的作用下，齿轮表面将会产生不同程度的划痕。另外，如果齿轮的啮合过程中，齿面之间存在较大的硬质颗粒，则此时齿面会产生划痕。同时还有其他出现划痕的原因。如果齿轮啮合时润滑不足，或者润滑油性能较差，齿轮在重载的条件下，表面的接触位置会形成非常严重的摩擦，这将使得温度急速升高，接触位置的金属在高温高压的条件下将会粘结在一起，当轮齿退出啮合状态的时候，一个轮齿上的部分材料将会被另一个齿轮上的轮齿带走，此时齿轮表面会形成深浅不一的沟纹，这就是齿面胶合现象。
二、风电齿轮箱健康诊断
1.散度指标的故障诊断。目前，关于齿轮箱的研究工作主要集中在故障部位的识别上，针对故障严重程度识别的研究很少，在实际的工程应用中，我们不仅要判断齿轮箱的故障发生部位，更需要跟踪齿轮的损害程度进而安排设备的维修或更换，所以将故障部位的诊断以及故障程度识别结合起来才是真正意义上的故障诊断。
使用一种新型的针对行星齿轮箱复杂结构的故障部位及严重程度的诊断方法，此方法首先提取可准确表征故障信息的特征量，通过计算待测样本和各故障模式标准样本之散度和散度值，利用散度值可表征故障点所在部位，同时散度值的变化可追踪故障严重程度程度的特点，进行判断故障发生部位及严重程度。行星齿轮箱的故障诊断，即通过对反应齿轮箱工作状态信息的观测、分析和处理来识别齿轮箱的状态，一定程度上来说，齿轮箱的故障诊断就是对各个齿轮状态的辨识。完整的行星齿轮故障诊断过程一般包含以下几个环节：（1）信号采集：根据行星齿轮箱的运行工况，布置传感器振动测点，采集能够反应行星齿轮箱运行状态的信号：（2）特征提取：对所采集的振动信号进行分析和处理，提取能反映齿轮箱运行状态的有用信息；（3）状态识别：根据特征分析齿轮箱的状态及其发展趋势，当齿轮箱出现故障时，详细分析故障发生类型、部位、程度、产生原因及趋势等；（4）决策干预：根据行星齿轮箱状态及其发展趋势作出决策，如调整、控制、维修或更换等措施。
2.故障特征量的提取。从齿轮箱传感器采集到的振动信号包含了齿轮本身的工作状态信息，同时也包含有其它结构部件的信息，这些信息对于故障信息来说属于噪声，所以在提取故障特征信息之前，利用阶比重采样方法把等时间间隔采样的时域信号转变为等角度采样的角域信号的基础上，对角域信号采用基于相关系数的方法进行处理，来去除噪声，凸显故障信息。将角域信号分解为若干个分量，与原始角域信号相关系数大的洲F分量中包含有较多的齿轮的故障信息，依次计算分解后所得的分量与原始角域信号的相关系数，当其较大时，即包含有较多的故障信息，得重构信号，从而剔除了信号中的干扰噪声成分，提高了信噪比，进一步凸显了故障信息特征。当齿轮箱中的齿轮发生故障时，其振动信号都具有调制特征，从信号中提取调制信息，并分析其阶次和强度就可以判断故障的部位和损伤程度。
3.故障部位程度诊断方法。在不同故障模式下的特征量与相应的标准样本的特征量之间的散度值小于与其他标准样本的特征量之间的散度值。两个样本之间的散度值越小，表明这两个样本之间的信息距离越小，即它们之间的概率密度函数交叠程度越高，相似程度也越高，则判定这两类样本属同种类型的样本；反之两个样本之间的散度值越大，则表明两个样本之间的信息距离越大，即这鼯个样本不属于同类型样本，通过对比与不同类型样本之问的散度值，可判定待测样本所属的类型，诊断结果与实际故障点位置完全相符，说明该方法可以有效识别滚动轴承的故障点所在部位。当某一故障特征向量所对应的散度指标较其他的散度指标大，则可以确定行星齿轮箱发生了这种故障，同时散度指标越大，其故障严重程度越大。这对于齿轮箱缺少相对应的故障样本的状况下，也可以有效的同时识别行星齿轮箱故障模式以及严重程度，这对齿轮箱的故障诊断具有很大的工程实际意义。
4.故障诊断管理。风电场故障诊断系统的目的是根据采集的机组实时数据和存储的历史数据，故障预警触发后，启动故障诊断来进一步确认机组的状态或故障发生发展情况。识别此时信号所对应的转速，从标准库中提取正常标准样本，计算实时运行振动数据与标准正常数据之间的散度指标，观察散度指标的大小，若某一故障特征量对应的散度指标较其他明显地大，则此时确定齿轮箱的故障模式，同时根据散度指标的大小变化，跟踪故障的严重程度。预警触发后，会在本界面右侧显示所预警的故障模式，通过观察散度指标的变化，进一步确定故障模式以及严重程度，根据故障模式，选择相应的故障原因、故障影响和维修决策后，现场人员就可以根据系统自动生成的故障诊断报告，进行维修，使机组恢复正常运行状态。
结合本文的理论研究，开发了一套针对风电机组齿轮箱的故障诊断系统，但系统应该结合现场的实际应用进行优化，需要进一步的改进。
参考文献：
[1]尹金良，刘玲玲.代价敏感相关向量机的研究及其在变压器故障诊断中的应用[J].电力自动化设备，2014，3 4（5）：111-115.
[2]尹金良，朱永利，郑晓雨，等.代价敏感V B G P在变压器故障诊断中的应用[ J ].电工技术学报，2019，2 9（3）：2 2 2 -227.
[3]彭志科，卢文秀.新的基于小波变换的振动信号消噪方法[J].机械工程学报，2017，42（4）：18-22.