风力发电机组齿轮箱故障研究分析

风力发电机组齿轮箱故障研究分析

梁斌斌

身份证号： 231121198310140***

摘要：伴随着我国综合国力的不断提升，国内的风电机的应用也随之逐渐发展起来。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；组齿轮箱；故障诊断

　　引言

　　风力发电机安装地点一般都安排在风力较大的地方，如海边、山顶及无障碍物的沙漠等，工作环境比较恶劣。风力发电机组的齿轮箱结构复杂精密，在不同工况中的振动情况也比较复杂，相比较于其他部件，容易出现故障（齿轮箱故障占风机故障的1/5）。由于风机的地理位置比较偏，齿轮箱高度较高，一旦齿轮箱出现故障，很难进行及时修复。

　　1齿轮箱故障原因

　　一般将发电机组安装于诸如高山、近海等多风区域．高湿度、极端温差的工作环境，加之交变的载荷、气流畸变等各种客观因素都会影响增速齿轮的使用寿命，形成复杂化的受力情况，工况极差，因此齿轮箱在运行过程中极易发生故障，甚至损坏。据统计，国内风电机组频频发生各类故障，其中有接近60%的故障出现于齿轮箱之中，该部件是整机故障率最高的部分。齿轮箱在运行过程中，若存在故障，则仅可采集到非线性、非平稳性的齿轮振动信号。另外，实际工作中传统的信号处理方式多用于分析线性信号，只能显示频域信息，无法显示时间和频率之间的对应关系，已经满足不了现实工程的需求，如快速傅里叶变换。处于故障状态的齿轮箱振动信号幅值通常会变大，另外各个频段存在各种故障，其也会形成完全不同的振动信号，因此其用于表示频段数量值的特征参数表也存在较大的差异性。通过小波包的分析，将信号分解为独立的频带。然后从这些频带中获取故障信息构成向量值，不同的向量值对应不同的故障，并以此特征向量作为BP神经网络故障诊断的输入样本。通过这种方式组成小波神经网络，就可以优势互补，从而更好的进行齿轮箱健康状态的检测与诊断。

　　2齿轮箱的典型故障类型

　　2.1齿面磨损故障

　　风力发电机组齿轮箱的齿轮多在渐开线的工作面，以及齿轮啮合处发生磨损，主要表现为4类：①正常磨损，相互接触的金属表面以自然的速率进行损耗而导致的磨损，一般不影响齿轮的正常运行，除非已到预定的使用年限外；②重负荷破坏，金属长期工作在恶劣的环境中时，承受较大的负荷而导致的中度磨损，这种磨损会影响齿轮的正常寿命；③齿面破损，进而引起齿轮的不平稳性；④外物侵蚀破坏，一些细小的颗粒会混入到齿轮的啮合中，而导致齿轮破坏。

　　2.2胶合磨损故障

　　齿轮面与面之间有边界膜，以保护齿轮表面。齿轮在重载荷或高速条件下工作时，由于润滑不良或出现干涉情况就会导致层边界膜被破坏，就会使齿面上的金属被熔焊，从而撕裂齿面上的金属，引起胶合磨损。

　　2.3点蚀故障

　　由于齿轮运转过程中承受着交变的载荷，从而在齿面深处产生剪切力，该剪切力是循环变化的，一旦剪切力达到齿轮的疲劳极限，就会发生疲劳破坏，在齿面上产生疲劳裂纹，引发齿面上小金属颗粒的剥落，这种状况即为点蚀。

　　2.4断齿故障

　　齿轮在运转过程中会承受较大的冲击、偏载，而且会以周期力的形式出现，在齿轮根部逐渐扩展，最终导致断齿故障。另外，异物颗粒掉入也会导致断齿故障。

　　2.5漏油故障

　　从漏油故障引发的根本原因来看，部件之间安装配合不良、制造工艺欠缺，以及工作环境恶劣是引发漏油故障的主要因素。

　　2.6润滑油超温故障

　　如果风力发电机长期工作不停机或处于满负荷工作状态，润滑油会出现超温现象，从而引发一系列问题。主要原因有：①润滑油管路堵塞、散热风扇故障等问题导致散热不良，引发润滑油超温；②冷却系统到达了破坏极限，效率变得低下，引发润滑油超温；③发电机组齿轮和轴系的布置不合理，导致应力集中，进而引发润滑油超温故障。

　　3风力发电机常用故障诊断方法

　　3.1传统方法

　　传统的较原始的诊断机械系统故障就是利用频谱分析方法处理，即借助傅里叶级数利用相关信号特征为基础，特别是振动信号和功率信号，检测故障。频谱分析方法或者是传统的诊断故障方法主要针对参数、故障以及设备相对单一的对象，而随着人们的需求以及故障的多变复杂，这些方法已然难以适用。

　　3.2信息融合方法

　　就目前的技术以及需求来看，信息融合是在风力发电机齿轮箱中诊断故障比较有效的且普遍使用的技术，在我国也有相关研究人士提出了针对更好的稳定性、更广阔的时空覆盖区域以及更强的故障容错和系统重构能力等的需求匹配了具有相应特点的信息融合技术，将该技术应用在故障监测和诊断中，达到了不错的效果。

　　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。

　　4故障的有效防控举措

　　4.1合理有效的故障诊断手段

　　根据《风机安全要求》，风力发电机应当配置一套独立的诊断检测及保护系统，在风力发电机处于过载、重负荷、振动过大的非正常工作情况下发挥诊断功能。目前来说，市场上有很多种类的风力发电机齿轮箱组故障诊断系统，其中应用比较广泛、技术比较成熟的是风力发电机组振动状态在线检测系统，能够随时监测齿轮箱的运行状态，存储运行数据，平柜风机运行状态。

　　4.2齿面微腐控制

　　齿轮箱如果长期处于润滑不良的状态，齿面就会和空气反应形成齿面微腐情况。要想对齿面微腐进行有效控制，首先应检查齿轮箱的润滑油状态，是否存在油温过高及油液混入杂物等情况，防止因为润滑油润滑不到位而引起的齿面微腐。因此在齿轮箱不工作情况下，也要按照润滑条件进行强制润滑，然后对润滑油的质量、油液情况进行检测，避免发生润滑油变质的情况。同时还要保证齿轮箱呼吸器的正常使用，如硅胶是否变色等。如果呼吸器的除湿功能失效，应当及时更换。

　　4.3齿面压痕的控制

　　根据润滑油的润滑周期，对齿轮箱进行强制润滑。根据压痕的不同程度，进行不同的处理。压痕不严重的，需要返厂打磨，即用油石等进行打磨，然后对齿轮箱进行清洗；压痕严重的，需要进行更换。

　　4.4断齿的控制

　　在齿轮箱的设计之初，就需要充分考虑过载、超速等因素；安装过程中，需对箱体的变形进行一定控制，防止一些硬物颗粒进入箱体。

　　4.5胶合的控制

　　润滑不良或干涉都会引起齿轮啮合处的边界膜被破坏，从而导致齿轮齿面上的金属掉落。因此，需要提高齿轮的润滑条件，避免干涉，调整部件的参数，从而改善胶合情况。

　　结语

　　风机齿轮箱故障系统应当首先采集相关的振动信号并进行小波降噪，其次将小波包换算成可靠科学的故障特征值，最后在已经建构好了的BP神经网络模型中对其展开运行状态的智能识别工作，据此可了解到风机齿轮箱的正常、磨损、断齿或者点蚀的运行状态，进而达到风机齿轮箱的智能故障诊断的目的。

　　参考文献

　　[1]谢源,焦斌.风力发电机组状态监测系统与故障诊断方法研究现状[J].上海电学院学报,2017,13(6):328-333.

　　[2]杨锡运,关文渊,刘玉奇,等.基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J].中国电机工程学报,2016,35(S1):146-153.

　　[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(6):516-519.