覃宝化
明阳智慧能源集团股份公司 广东中山 528400
摘要:在监测风电机组工作状态，对风电机组进行故障诊断时，振动监测是最为重要的监测技术，其是保证整个风电机组正常运行的重要存在。本文针对相关内容对风力发电机的结构和故障特点进行研究和阐述，在近些年来有关该内容的文献基础上进行总结分类，从而探求完成风电组振动监测与故障诊断的方法。
关键词:风力发电机；振动监测；故障诊断；齿轮箱:轴承
振动监测是一种有效检查风电机组状态的监测方式，适合用于旋转机械设备。在电机组工作时，该设备可以采集其关键设备上的振动信号，并以信号作为数据依据进行分析，以此反映风电机组故障的相关特征信息，而后以特征信息作为依据对风电机组的故障原因进行深度分析，了解其故障发生的具体类型、严重程度以及发展趋势。随着时代的不断推进，许多学者对风电机组振动监测与故障诊断技术已经有了深刻研究和讨论，他们探寻出了许多关于振动信号分析的方法，有不少实用的方法已经应用在了解决风电机组的故障诊断。
1 齿轮故障机理与诊断方法
齿轮是风电机组中十分重要的零件。齿轮副如同振动系统，而齿轮的振动我们可以将其分为两部分，一部分是常规振动，而该振动于齿轮制造的误差没有关系，所以其与故障无关；另一部分与齿轮的综合刚度和故障函数有关。齿轮在正常工作状态下振动水平与在异常状态下有显著差异，这也使得齿轮发生的故障能够通过频谱展现出来，我们可以根据齿轮振动信号啮合频率分量来了解齿轮故障产生的情况。若将设备振动和噪音的分析作为设备故障信息的载体，我们可以通过以下几种方式对目前常用的信号进行处理：其一，时域分析法。该种方法包括调幅解调、时域波形等；其二，频域分析法；其三，倒频谱分析法。因为设备在实际工作中时域信号容易受到多种因素影响，所以其形成的波形极为复杂，这也使得工作人员通常会在实际工作中应用频调分析法对齿轮故障进行判断。
齿轮副在正常工作时会产生齿轮载荷波动，该波动对振动幅值的影响很大，而齿轮信号中的啮合频率通常是载波成分，齿轮轴旋转频率成分则为调制波成分。当齿轮发生故障时，其调制结果通常在频率的边频上体现差异。若齿轮副发生初期磨损，齿轮在工作过程中也会产生特殊频率，而该频率可以通过测试仪器检测验证。
2 故障分析理论及诊断技术
2.1 数据预处理
齿轮在正常工作时会产生齿轮载荷波动，该波动对振动幅值的影响很大，而齿轮信号中的啮合频率通常是载波成分，齿轮轴旋转频率成分则为调制波成分。当齿轮发生故障时，其调制结果通常在频率的边频上体现差异。若齿轮副发生初期磨损，齿轮在工作过程中也会产生特殊频率，而该频率可以通过测试仪器检测验证。
2.2统计分析
采集完数据信息后，对所有数据信息进行初级的统计分析和处理，能够了解数据的显著特点，明确数据指标，工作人员可以根据相关信息推测出整体数值的特征和规律，如标准偏差、中位数以及众数等，这些规律能帮助工作人员更好的了解到机械设备运营状态。该种方式依托于成熟软件的应用，同时需要大量的实际数据作为研究基础。对于类似的齿轮箱监测信号的多元或多维监测信号，为了节省监测时间，我们通常选用多元统计分析的方法，通过分析多个对象和多个指标之间的联系，了解并计算数据中存在的规律。该方法应用的最多统计原理是抽样分布，但干种方法的实际应用存在一定的偏差，需要工作人员适当选择研究对象，尽量减少误差。
2.3小波理论
在信号时频分析方面，小波理论占据绝对优势。
对于非稳定信号而言，若利用传统方式对其进行检测，很难探究出其数值变化规律，而小波理论具有较强的奇函数紧支特征，而且能量集中性质较强，且对数据的要求不高，所以利用小波理论变换获得近似系数和细节系数，更好寻找探究到信号的低频部分和高频部分，并将信息所具备的特征展现出来，实现信息挖掘。
2.4专家系统
专家系统是一种在该领域具有极强知识性和经验性的专业程序系统，该系统中具备该领域的专业知识库，并且能够推理模拟该领域专家的思维过程，帮助工作人员解决该领域中出现的复杂问题，效果显著且准确度高，这使得专家系统在机械故障诊断领域中实现了广泛应用。
2.5模糊理论
当检测出机械设备处于故障状态时，我们通常会根据故障的严重程度对其进行等级划分，然而在实际工作过程中，工作人员很难清晰故障等级的边界，而传统的精确推理方式也不试用。此时模糊理论就发挥了其重要作用，其为工作人员提供了有效的信息处理方法，使设备故障等级能够被明确划分。
2.6灰色理论
在实际工作过程中，有很多信息内容不明确，而且信息数量缺乏，导致工作人员很难根据已有的分析方法分析数据中包含的规律，为此，灰色理论诞生，专门用于研究原始测量数据序列间隔不齐或数据源缺失的数据。
2.7神经网络
为了让网络系统能够拥有像人类一样思考的能力，神经网络应运而生。神经网络是运用数学模型模拟人脑基本能力的一种极为复杂的网络系统，该系统能够实现对所有数据的大规模处理，而且句容一定的容错性和自主学习性，适合处理一些不复杂的非线性问题。另外，神经网络还具有推测合计功能，这使其十分适合应用于机械故障识别和机械故障诊断。
2.8故障树分析
为了有效阻止设备故障的发生，科技人员根据设备运行情况，依据对象结构和功能特征行为，构建了数学模型，该种模型被称为故障数，能够依据设备故障传播关系的因果制作相应模型。故障树分析法就是在这一系统基础上研究出来的。故障数可以利用其自身特性分析系统出现故障的直接原因，而后利用逻辑门将故障和原因建立故障树模型，而后自动对设备出现故障的原因和结果进行展示，同时确保故障发生的位置和原因。
2.9支持向量机
工作人员很难在机械设备中获得典型的故障样本，即便有样本，数量也很少，所以这就要求机械故障诊断系统能够主动学习故障模式和故障识别，以此增强对机械设备的保护。支持向量机的研发就很好的解决了机械的学习问题 其能赋予机械设备学习功能，帮助它们掌握分析机械设备故障的能力。
2. 10 谱峭度
将谱峭度的应用和算法进行深入了解，能够帮助工作人员更好的解决机械故障诊断问题。当机器的窄带滤波检测旋转机器发生故障时，其会产生额外的频带信息，如振荡频率、机械系统动态参数等等。而应用SK，则不需要利用历史数据和验证信息的优势，机能自动呈现出机械设备正常运营的最佳频率，而后进行相应频率对比，从而了解到轴承和齿轮旋转部件局部故障的周期性脉冲信号。
总结：
地球资源的消耗已经让地球不堪重负，为了为子孙后代创造良好的生存环境，开创新能源，节约不可再生能源成为人类重点关注的内容。风力发电作为一种清洁高效的可再生新能源，近些年来的发展速度很快。我国风能协会在2015年统计，当年我国风电并网总装机容量已经达到了145GW，位居世界风能产量之首。因大多数风电场位于偏远的山区，所以其交通不便利，再加上机舱通常位于几十米或者几百米的高空，一旦风电机组发生故障，带来的损失不可估量，之后的维修成本也极高。由此可见，探究风电机组状态监测与故障诊断的方式十分重要，其既能有效减少风电机组的维修成本，还能提高机组运行的经济性。
参考文献：
[1]赵章乐.风力发电机组齿轮箱监测与故障诊断技术探讨[J].科技经济导刊,2020,28(17):47.
[2]毕凯,简黎.风力发电机故障诊断专利技术综述[J].科技经济导刊,2020,28(14):50.
[3]王志远.风力发电机状态监测与故障诊断技术分析[J].科技创新与应用,2020(09):158-159.
[4]叶洪海.风力发电机组状态监测和故障诊断技术研究[J].佳木斯大学学报(自然科学版),2020,38(02):52-54.