風(fēng)機(jī)齒輪箱及其故障類型

風(fēng)電機(jī)組多位于高山、海灘、荒漠等風(fēng)口處，交通不便，運(yùn)維資源調(diào)度困難，且一旦發(fā)生故障停機(jī)，每日僅由于少發(fā)電所造成的損失高達(dá)1.2萬元（2MW風(fēng)機(jī)）。齒輪箱作為風(fēng)力發(fā)電機(jī)組中的重要傳動(dòng)部件，主要作用是將風(fēng)輪動(dòng)力傳遞給發(fā)電機(jī)，使其得到相應(yīng)的轉(zhuǎn)速，是實(shí)現(xiàn)風(fēng)能轉(zhuǎn)換為電能的最主要部件之一，也是風(fēng)機(jī)中故障率最高的零部件之一。

而且由于齒輪箱安裝于距離地面幾十米高空塔頂?shù)莫M小機(jī)艙內(nèi)，出現(xiàn)故障修復(fù)十分困難。如果齒輪箱故障比較復(fù)雜，無法在塔頂完成維修，還需要下塔處理，其維修費(fèi)用高、維修周期長，嚴(yán)重影響風(fēng)機(jī)的正常運(yùn)行。

“滑”雪維修 心疼風(fēng)電運(yùn)維工程師一秒

因此，對(duì)齒輪箱進(jìn)行故障診斷，判斷故障發(fā)生位置及時(shí)間，能有效提升運(yùn)維效率，降低維護(hù)成本。常見的齒輪箱故障模式可分為以下兩類：

齒輪類故障

齒輪箱內(nèi)部結(jié)構(gòu)復(fù)雜，通常含有多級(jí)齒輪，常見的齒輪故障形式有：齒輪斷齒、齒面膠合、齒面磨損、齒面膠合和擦傷、齒面點(diǎn)蝕等。

軸承類故障

軸承本身的抗沖擊能力不是很強(qiáng)，在實(shí)際的生產(chǎn)活動(dòng)中，是很容易損壞的部件。常見的軸承故障有：外圈故障、內(nèi)圈故障、保持架故障、滾動(dòng)體故障等。

齒輪箱中的軸、齒輪和軸承在工作時(shí)會(huì)產(chǎn)生振動(dòng)，若發(fā)生故障，其振動(dòng)信號(hào)的能量分布就會(huì)發(fā)生變化，所以上述故障一般都能在振動(dòng)信號(hào)中體現(xiàn)出來。對(duì)振動(dòng)信號(hào)進(jìn)行合理有效地采集分析，可以很好地識(shí)別設(shè)備運(yùn)行狀態(tài)，大大降低風(fēng)機(jī)維護(hù)成本。

基于振動(dòng)信號(hào)的齒輪箱故障診斷

數(shù)據(jù)是制約算法能力的根本因素，所以為了能更準(zhǔn)確地從齒輪箱運(yùn)行狀態(tài)信息中提取出故障特征，從而提高故障診斷可靠性和有效性，需要從傳感器測點(diǎn)、振動(dòng)信號(hào)采集，及結(jié)合行業(yè)機(jī)理的信號(hào)處理和特征工程技術(shù)等多方面著手。

首先，選擇最佳測點(diǎn)

傳感器作為信號(hào)采集分析的第一步，選擇最佳測點(diǎn)成為獲得有效故障信息的重要保證。布點(diǎn)位置不對(duì)，導(dǎo)致采集不到優(yōu)質(zhì)信號(hào)的同時(shí)，甚至可能將錯(cuò)誤的信號(hào)發(fā)送到主機(jī)而引發(fā)一系列誤判。如將傳感器安裝到發(fā)電機(jī)箱體上，由于它距離振動(dòng)源太遠(yuǎn)且箱體噪聲較多，無法采集到所需的振動(dòng)信號(hào)，更不用提后期的算法實(shí)現(xiàn)。

• 為了真實(shí)而充分地監(jiān)測到能客觀反映設(shè)備狀況的振動(dòng)信號(hào)，在掌握設(shè)備結(jié)構(gòu)、設(shè)備參數(shù)、設(shè)備工作條件和設(shè)備工作原理等的基礎(chǔ)上，還應(yīng)該把握以下幾個(gè)原則：

• 測量部位應(yīng)選在設(shè)備上對(duì)振動(dòng)敏感的部位。一般都把軸承處選為主要測量點(diǎn)，把機(jī)殼、箱體、基礎(chǔ)的部位作為輔助測點(diǎn)。

• 對(duì)于低頻振動(dòng)，一般應(yīng)在水平、垂直、和軸向三個(gè)方向進(jìn)行測量；對(duì)于高頻振動(dòng)，則只需在一個(gè)方向（徑向）進(jìn)行測量即可。這是因?yàn)榈皖l信號(hào)的方向性強(qiáng)，而高頻信號(hào)對(duì)方向不敏感。

• 選擇測點(diǎn)時(shí)還應(yīng)考慮環(huán)境因素的影響，盡可能避免選擇高溫、高濕、出風(fēng)口和溫度變化劇烈的地方作為測量點(diǎn)，以保證測量結(jié)果的有效性。

其次，合理采集振動(dòng)信號(hào)

傳感器布置到合理的位置之后，我們需要考慮為準(zhǔn)確提取故障特征需要采集哪些振動(dòng)信號(hào)。對(duì)數(shù)據(jù)本身而言，應(yīng)該把握以下幾個(gè)原則：

• 數(shù)據(jù)量：我們需要采取足夠多的歷史數(shù)據(jù)樣本來幫助建模。

• 數(shù)據(jù)質(zhì)量：采集的信號(hào)需要能夠支撐業(yè)務(wù)目標(biāo)，提供足夠好的數(shù)據(jù)質(zhì)量，數(shù)據(jù)具有可分類性。

• 數(shù)據(jù)樣本數(shù)量及豐富性：采集的信號(hào)是僅限于單機(jī)的單體設(shè)備，還是需要采集集群對(duì)象的相關(guān)數(shù)據(jù)。

具體到風(fēng)機(jī)齒輪箱故障預(yù)測的振動(dòng)信號(hào)采集，則需要在滿足風(fēng)機(jī)主狀態(tài)為發(fā)電狀態(tài)，且發(fā)電機(jī)轉(zhuǎn)速高于100RPM的前提下，每隔半小時(shí)采集20s的CMS數(shù)據(jù)，并每50ms通過modbus讀取一次主控?cái)?shù)據(jù)。

最后，運(yùn)用特征工程等技術(shù)進(jìn)行故障診斷

在機(jī)理理解強(qiáng)、數(shù)據(jù)相關(guān)性弱的情況下，有效的預(yù)處理與特征工程能達(dá)到事半功倍的預(yù)測效果。為了便于大家更好的理解，下面以在2009年P(guān)HM數(shù)據(jù)競賽中的齒輪箱故障診斷競賽題作為案例進(jìn)一步分析。

如圖所示，在齒輪箱的輸入端與輸出端分別裝有振動(dòng)傳感器，但對(duì)于健康信號(hào)及故障等信息完全不知，要求在此情況下判斷其故障。（大家能想到哪些方法，歡迎在文末留言討論）

我們當(dāng)時(shí)在做這個(gè)項(xiàng)目時(shí)，總結(jié)下來主要涉及以下幾種技術(shù)或方法：

• 時(shí)域特征提取

• 時(shí)域同步平均

• 信號(hào)預(yù)處理

• 頻率分析

• 檢測軸承故障的包絡(luò)譜分析

• 其他齒輪診斷相關(guān)有用特征

• 譜峭度

• 頻譜相似度

• 小波分析

下面進(jìn)行具體說明。

首先是對(duì)信號(hào)進(jìn)行觀察，提取出時(shí)域特征，這是由于時(shí)域特征的計(jì)算方式相對(duì)簡單，且能夠直接篩除一些非常嚴(yán)重的故障。

之后對(duì)信號(hào)進(jìn)行預(yù)處理，增強(qiáng)其中的一些機(jī)械信號(hào)，運(yùn)用時(shí)域同步平均的方法，把不同轉(zhuǎn)的振動(dòng)信號(hào)分割開，在時(shí)域進(jìn)行平均，從而得到轉(zhuǎn)一周360度的振動(dòng)信號(hào)標(biāo)準(zhǔn)情況，其本質(zhì)是對(duì)信號(hào)降噪。

當(dāng)軸承磨損一定程度時(shí)，能夠在頻域直接看到有具體哪些故障，所以在分析時(shí)要先判斷是否有嚴(yán)重故障之后再做精細(xì)處理。

再對(duì)軸承進(jìn)行包絡(luò)譜分析后，我們發(fā)現(xiàn)在內(nèi)環(huán)對(duì)應(yīng)的故障頻率有故障的發(fā)生。

此外對(duì)于非穩(wěn)態(tài)的信號(hào)產(chǎn)生的故障，我們運(yùn)用小波的方式進(jìn)行抓取，定位到故障的發(fā)生時(shí)間、層級(jí)等。

之后對(duì)整個(gè)信號(hào)進(jìn)行小波分解，其基本原理是將原始信號(hào)不斷細(xì)分，針對(duì)離散的小波變換采用不同的信號(hào)處理方式。

而譜峭度相當(dāng)于對(duì)原始的信號(hào)做濾波，突出其尖度、脈沖度非常高的信號(hào)，因?yàn)檫@些信號(hào)往往很可能對(duì)應(yīng)著某些故障信息。

同時(shí)，我們也開發(fā)了一個(gè)對(duì)頻譜的相似度進(jìn)行量測的量，通過衡量頻域相似度進(jìn)行自動(dòng)化判斷。

工況分割主要針對(duì)一些特殊的變量，如轉(zhuǎn)速、負(fù)載等信號(hào)等，將多工況的整體信號(hào)拆解開后，再對(duì)簡單量化后的工況做分析，對(duì)同類信息進(jìn)行對(duì)比，提高精確度。

最終通過整個(gè)分析過程來判斷齒輪箱具體有什么故障，而且即使在分析過程中沒有發(fā)現(xiàn)明確的故障，也可以通過對(duì)比判斷出存在哪些潛在的故障。

以上算法被評(píng)選為2009年P(guān)HM競賽的冠軍算法，其中融入了非常多的行業(yè)機(jī)理，可以讓信號(hào)處理、特征提取等技術(shù)更好的發(fā)揮作用，進(jìn)而取得更精確的診斷結(jié)果。