张明
中广核新能源投资（深圳）有限公司山东分公司 山东 安丘 262100
摘要：现如今，随着我国经济的快速发展，风电能源的提供受较多自然条件的限制，为满足风电能源的需求，应竭尽全力做好风力发电机的维护工作。齿轮箱是比较敏感又重要的部位，稍微出点意外就容易导致颇多的成本损失。为最大程度地减少故障发生的几率，应选各方面性能较佳的风力发电机组齿轮箱状态监测以及故障诊断系统。
关键词：风力发电机;齿轮箱;故障诊断技术?
引言
风力发电机将风能转换成机械能，通过传动系统将机械能传递给发电机系统，由发电机将其转换为电能，最终并网加以利用。风电机组普遍布置于海河或沙漠戈壁等恶劣环境中，其结构复杂，内部部件耦合紧密，各部件在交变载荷的作用下容易引起机械部件的不平衡、磨损、疲劳甚至断裂问题等故障，严重影响风电机的正常工作。风力发电机故障种类繁多，又由于其复杂的非线性、非平稳性，这就造成故障发生时，难以判断故障发生的部位及故障原因。
1齿轮故障机理与诊断方法
叶轮在风的作用下转动，其轮毂转动带动齿轮箱的输入轴，进而带动行星架转动。行星与轮箱体上的内齿圈以及太阳轮啮合，在实现自转的同时又能实现公转，完成第一轮增速；然后太阳轮带动同轴大齿轮和中间轴上的小齿轮啮合转动，进而完成第二级增速；中间轴和输出轴的齿轮啮合转动形成第三级增速。通过三级增速，能以大于100的传动比带动发电机发电。各种齿轮故障可以反映在频谱中，并且可以根据齿轮振动信号的齿轮频率分量对齿轮故障进行诊断。使用振动和噪声作为故障信息载体进行精确的齿轮诊断，当前使用的信号处理方法为：时域分析方法，包括波形时域，调幅解调等，分析频域的方法以功率频谱为主。由于时域的信号受多种因素的影响很大，因此波形更加复杂，不易清楚地区分故障原因。因此，齿轮故障的判断主要采用频谱分析的方法。齿轮负载波动对振动振幅的影响导致振幅调制。在传输信号中，啮合频率分量通常是载波分量，而齿轮轴旋转的频率分量通常是调制波分量。行进速度的波动在振动中表现为频率调制。一些齿轮的故障会导致信号被调制，调制的结果是频谱中出现了边沿频率。当齿轮副经历初始磨损时，将生成与振动频谱相对应的特征频率，可以通过测试仪器进行验证。但是，齿轮的振动频谱包含很多信息。振动对故障的影响是多方面的，并且分析起来很复杂。不同的齿轮故障频率具有不同的振动特性，并且它们相应的频谱线将发生特定的变化，从而使其难以识别。对于每个齿轮箱，可以在良好状态下收集参考频谱并正常运行，并且通过在状态监视和诊断中比较参考频谱，可能会遇到问题。
2常见的风力发电机齿轮箱故障
在风力发电机齿轮箱内，不只是存在齿轮整个部件，当然故障也不只是出现在齿轮身上，复杂的齿轮箱内部结构发生故障的出处，缘由复杂，这无疑对故障的检测以及识别都加大了难度，如果检测诊断不准确或者是不及时，将会引发更多的异常现象，齿轮箱甚至风力发电机也难以继续正常运行。一般来说，任何一个齿轮箱的部件有问题的时候其振动信号都会表现出对应的特征反应，相关专业人士按照这一振动信号就可以较准确地判断出齿轮箱故障出现于何处及其具体的类别。
2.1轴承方面的故障
轴承是齿轮箱运行中负荷的承担者，也是高发故障的齿轮箱中高发故障的部件，该部件主要分为与轴安装在一起随着轴转动的内圈、外圈以及在内外圈之间来回滚动的滚动体三部分。通常情况下，轴承方面容易出现轴承疲劳、轴承磨损、轴承变形和轴承断裂的故障。
2.2齿轮方面的故障
纵观各方位，齿轮方面有两大类故障，一是故障恰巧出现在具体一个齿上的局部故障，二是各个不同的齿上都存在或大或小的故障的分布式故障。一般来说，其分布式故障更多是齿轮断裂、齿轮胶合、齿轮点蚀和齿轮磨损等的故障。
3齿轮箱的主要故障诊断技术分析
3.1时域分析技术
时域分析技术指的是对齿轮箱的振动波形进行分析，信号分析法是时域分析技术中的主要方法，其能够对齿轮箱故障信号的不同特征进行识别，并以时域指标为基础对故障信号进行定性分析，从而判断齿轮箱相关设备是否工作正常。时域分析技术主要的统计包括对概率密度的统计和对幅域的统计，用到的主要参数有最大最小值、平均值、方差等。
3.2振动频域的故障诊断技手段
齿轮运转过程中难免存在振动情况，在振动的频域信号中，存在很多信息，这对于分析振动的故障类型及故障严重程度十分重要，不同的故障影响是存在规律的，对应不同的振动特征，会造成一定的频率谱线变化。通过在线监测的方式，提取某一个振动的频谱作为基准频谱，然后监测齿轮箱在整个运行过程中的频谱差异，从而作为诊断的依据。与其他诊断方式相比，可以将复杂波形分解为谐波，大大减少分析的难度，可以及时有效的对风力发电机组齿轮箱的故障进行判断。
3.3神经网络方法
该方法是相对敏感的一种方法，对动物的神经网络行为特征进行一定程度的效仿，在利用分布式并行信息处理的算法数学模型对其进行合理地有经验地计算以及掌握，只有了解到相关故障的内在联系，才能更好地实现信息得到良好的处理的目的。而神经网络则是更人性化并细节地利用模型众多节点进一步掌握其内部联系，同时神经网络也逐渐被越来越多的人接受，并成熟地发展出许多类似于小波神经网络以及BP神经网络等的分支。据长久使用的经验所知，其之所以得以广泛推广运用，不只是因为其可以有效地识别并诊断故障，更是因为其通过对复杂的信号进行处理并进行有效的分类为相关工作人员带来许多便利，尤其是对一些难以有规律可循但又较致命的故障的诊断而言，实为不错的选择。
3.4频域分析技术
频域分析是机械故障诊断中使用最广泛的信号分析方法。由于故障往往会引起信号频率变化，因此通过分析信号频率可得出故障部位。频率分析是将复杂的时间波形经傅里叶变换分解成若干单一谐波分量来研究，以获得频率幅值和相位信息，对信号进行定性分析。
结语
综上所述，齿轮箱故障会影响到整个风力发电机组的运行，从而造成重大损失，这就需要对齿轮箱故障进行有效的诊断。本文简要分析了齿轮箱故障诊断的必要性以及故障诊断原理，并介绍了两种主要的齿轮箱故障诊断技术，旨在为提升风力发电机齿轮箱故障诊断的准确性和及时性做出贡献，从而促进风力发电事业的发展。
参考文献
[1]吕跃刚,关晓慧,刘俊承.风力发电机组状态监测系统研究[J].自动化与仪表,2012,27(01):6-10.
[2]张新燕,何山,张晓波,周培毅,王维庆.风力发电机组主要部件故障诊断研究[J].新疆大学学报(自然科学版),2009,26(02):140-144.
[3]张树忠.风力发电机齿轮箱故障诊断系统的设计与实现[J].福建工程学院学报,2018,16(06):516-519.
[4]陈文涛,谢志江,陈平.风力发电机组齿轮箱故障监测与诊断[J].机床与液压,2019,40(03):167-169.
[5]王哲.关于风力发电机组状态监测的思考[J].中国设备工程,2017(04):43-44.
[6]张树忠.风力发电机齿轮箱故障诊断系统的设计与实现[J].福建工程学院学报,2018,16(6):516-519.
作者简介：张明 身份证号：3708261984****0052