风力发电机主轴承故障分析与诊断

风力发电机主轴承故障分析与诊断

邓仕光

国电云南新能源有限公司云南省昆明市650000

摘要：随着社会不断发展，人们对电力需求量逐渐上涨，传统的火力发电方式会造成环境污染，并造成资源浪费，影响电力行业的可持续发展。目前，我国各个城市开展风力发电从根本的角度上实现节能减排的目的。在进行风力发电过程中需要使用特定的机电设备，但机电设备在长时间使用过程中会出现主轴承故障，影响风力发电速度，对我国电力行业发展有严重的阻碍。本文通过风力发电技术，分析风力发电机主轴承故障，明确产生故障原因，并制定有效的故障诊断方法。

关键词：风力发电机；主轴承；故障诊断

引言：目前，我国大多数城市致力于风电项目建设，对于改善城市环境状态，提升发电速度起到不可忽视的作用。利用风能发电，能够实现节能减排的发电目的，确保我国电力行业可持续发展。主轴承作为风力发电机重要组成部分，其自身质量直接决定风力发电速度和质量。因此，应对主轴承产生故障的原因综合分析，这对于解决风力发电机故障，提升风力发电质量有一定现实意义。

一、风力发电机主轴承故障类型和原因

为了保证风力发电机故障得到有效解决，应提高对风力发电机故障的研究力度。对于风力发电机来说，其在运行过程中经常因为外界因素干扰而出现故障，最为常见的故障部位为主轴承部位，而且导致风力发电机主轴承故障的原因有很多，不同原因引起的主轴承故障类型也存在差异，为此，应对风力发电机主轴承故障类型综合分析，全面提升风力发电机主轴承故障诊断的准确性。

1、疲劳失效

在主轴承长时间运转过程中，其内部滚动珠在持续膜材状态下损坏，严重时导致滚珠变形，影响风力发电机运行的稳定性。而且变形的滚珠会导致风机发电机主轴承面出现表层硬化现象，这种表层硬化现象严重影响主轴承运行速度，不仅仅延缓风力发电速度，还会导致风力发电过程中设备出现裂缝现象，影响风力发电机正常运行。在恶劣条件下，风力发电机表面金属脱落，轴承运转失效，影响发电质量。另外这种现象还会导致风电发电机在运行过程中产生大量噪音和振动，加快风力发电机损坏速度。

2、磨损失效

滚珠轴承长时间运转过程中，滚珠和套圈之间的摩擦力逐渐提升，零件接触面发生摩擦现象的可能性大幅度提升，尤其在风里发电机高度密封状态下，摩擦产生的粉末无法排出，也就是说摩擦过程中产生的金属粉末会进入主轴承内部，加大主轴承摩擦力度。尽管目前各个电力行业会采取向风里发电机中添加润滑油环节设备摩擦力度，但是由于在添加润滑油之前，没有对风力发电机进行综合分析，导致风力发电机整体润滑力度较差，在这种情况下，不仅仅不能实现设备主轴承润滑目的，还会加大摩擦现象出现的可能，长此以往势必导致风力发电机出现故障。

3、腐蚀失效

轴承的腐蚀失效分为三种类型，即微振腐蚀、电腐蚀和化学腐蚀。微振腐蚀是由于轴承套圈和轴承座座孔的相对运动使套圈表面产生铁锈；电腐蚀是由于轴承表面通过的较大电流产生轴承表面点蚀的现象；而化学腐蚀是由于轴承使用含酸的润滑剂或者轴承密封不严，水、酸等腐蚀性介质进人轴承内导致。轴承表面的腐蚀最终会导致轴承剥落与磨损现象加剧。

4、断裂失效

断裂属于高危故障形式，轴承载荷过大、润滑不良、装配不善或转速过高等原因产生的过大热应力，以及金属材料内部缺陷或者不良的热处理，以上种种原因都可能导致轴承零件内部或者表面产生裂纹发生断裂。

二、风力发电机主轴承故障诊断

1、时域故障诊断法

时域统计特征是风力发电机组主轴承振动监测中最常使用的监测参数，可以有效捕捉风力发电机组轴承故障，避免恶性事故发生。风力发电机组的主轴承发生故障时，轴承的振动幅度会大幅增加，同时会产生相对应的冲击信号。振动幅度变化趋势由均值x表示；振动能量大小则由方差s2表示；轴承的振动烈度由均方值xa表示，振动的烈度可能是由于轴承安装不良或制造精度不足而引起的轴承表面点蚀，导致产生的无规则振动，此参数对轴承早期故障并不敏感。峭度xq、峰值xP一p和脉冲指标I对振动信号中存在的微小冲击很敏感，故障识别度。峰值指标xP一p通常用于检测轴承剥落、裂纹等情况引起的冲击性振动，峭度指标xq则用于轴承最早期的故障诊断。波形指标K则经常用于检测轴承各部件因凹坑、刻痕、剥落和擦伤等离散型缺陷引起的机械故障，这类故障不存在过大波形总能量，但有较高尖峰值。波形的指标值越大则说明轴承的故障越严重。

2、频域故障诊断法

在风力发电机主轴承故障诊断过程中，滚动轴承的故障特征通常为调制现象，振动信号时域波形较为复杂，无法直观表达故障信号特征。而振动频率信号具备客观性，能更好的反映振动信号的基本特征。通过傅立叶变换将时域振动信号转变为频域振动信号，频谱能直观反映能量大小、频率组成和振动信号的相位。但频域故障诊断方法仅适用于平稳信号，由于傅立叶变换法属于全局变换，系统的采样频率与分辨率有直接关联，无法获取特定时间对应的特定频率和特定频率相应的发生时间，因此频域故障诊断法对于非平稳振动信号的分析无代表性。

3、时频故障诊断法

无论时域故障诊断法还是频域故障诊断法，都有一定的局限性，不能使振动信号的全面性和局部性得到很好的反映，于是提出一种新的诊断方法，就是时频故障诊断法。时频故障诊断法将时域和频域有机结合成视频相平面，得到不同时刻的振动信号频谱图。目前得到广泛应用的时频故障诊断方法主要有Hilbert一Huang变换(HHT)和包络调解法。包络解调法是利用包络检波和对包络信号进行谱分析，再根据解调出的谱峰对故障进行诊断识别。包络解调法尤为适用于高频冲击振动，至今，包络解调法仍是对于高频的冲击振动唯一有效的重要分析手段。包络解调法主要用于对风力发电机组主轴承的高精密故障诊断，不仅能诊断出故障部位，而且还能判断故障类型。

4、基于小波包和BP神经网络风电机组故障诊断

近几年，随着故障诊断理论与实践的不断发展，各种实例证明对于复杂系统和过程，任何单一的智能方法在信息处理、控制和故障预测的实际应用中，都有一定的局限性，难以达到理想的效果。因此，有效地融合与整合多种智能诊断方法，使在不同工况下和不同性质的数据信息的算法发挥其各自的优势和特点，从而获得更加准确的决策结果。小波包分析方法在时域和频域具有较高的分辨率，它借助小波分解滤波器在各个尺度上对每个子带均进行再次降半划分，从而得到比小波变换更精细的信号分解，有利于谐波成分的确定和谐波参数的测量，为振动信号分析提供了一种更为简便直观的分析方法。人工神经网络具有自学习、自组织、自适用和极强的非确定性分类问题，被广泛用于因果关系的非确定性问题。笔者结合小波包和神经网络分析方法的特点，提出了一种基于小波包和BP神经网络的智能故障诊断方法。其故障诊断方法是首先用小波包变换对风力发电机主轴承采集的实时数据进行消噪和特征向量的提取，然后作为已经训练好的BP神经网络的输入，BP神经网络根据已经训练好的映射关系判定出输入信号的故障模式。

三、结束语

故障率较高问题普遍存在于大型并网风电机组发电机，本文围绕风电机组发电机的故障类型和故障诊断方法进行简要探讨，切实结合风电发展现状和企业生产需求，对时域、频域、时频故障等多种诊断方法进行了论述，以期能为风力发电机组的诊断提供理论支持。

参考文献

[1]安学利，蒋东翔，陈杰，刘超.基于ITD和LS-SVM的风力发电机组轴承故障诊断[J].电力自动化设备.2011(09).

[2]胡雪松.风力发电机组主轴承故障诊断及预警系统研究[D].华北电力大学2015.

[3]王卫平，吕源源，黄亚伟.风电场电气设备中风力发电机的运行维护探讨[J].科学中国人.2017(05).