风力发电机组轴承常见故障诊断与振动检测 王健
风力发电机轴承振动监测故障诊断研究
风力发电机轴承振动监测故障诊断研究发布时间：2021-12-29T05:15:37.852Z 来源：《中国科技人才》2021年第25期作者：薛豪波1 石莹莹1王丽莉2 俞春兰1[导读] 在风力发电机组运行过程中，为了对轴承异常状态进行准确判定，同时减少减少维护成本方面的投入，在更大程度上保证机组运行过程安全性与稳定性。
薛豪波1 石莹莹1王丽莉2 俞春兰11.浙江五洲新春集团股份有限公司浙江 3125002.绍兴泰格机电技术有限公司浙江 312500摘要：在风力发电机组运行过程中，为了对轴承异常状态进行准确判定，同时减少减少维护成本方面的投入，在更大程度上保证机组运行过程安全性与稳定性。
所以，在对风力发电机轴承振动故障问题进行监测时，采取了振动在线状态检测频谱信号的判别方式，也就是在对振动数据信息充分利用的基础上，开展相应的分析工作，从而对风力发电机轴承运行状况进行准确监测。
本文主要针对风力发电机轴承振动监测故障诊断进行了深入探究，希望能为相关人员提供合理的参考依据。
关键词：风力发电机；轴承；振动；监测；故障诊断现如今，基于我国科学技术水平不断提升的背景下，其振动信号监测、数据分析以及数据技术水平也在原来的基础上实现了进一步提升。
我国相关部门逐渐加强了对在线监测技术的创新工作，在对应用条件以及使用环境全面了解的基础上，将实时监测工作进行全面落实，从而为故障判定工作开展提供非常重要的参考作用。
结合目前的实际情况来看，我国风力发电行业发展中，对于振动在线监测技术有着非常广泛的应用，当风力发电机组在实际的运行过程中，对于其中可能存在的故障问题进行实施监控，可以为整个机组运行稳定性提供非常重要的保障作用。
风力发电机轴承振动在线监测技术应用1.1 在线监测技术现如今，在我国风电行业快速发展的背景下，单机功率也因此发生了相应的转变，开始面向大功率海上风电机组不断发展。
但是，结合目前的实际情况来看，关于陆上主流机型，大多数都是双馈型机组，并且在整个市场中占据着非常大的比重。
风力发电机组轴承的典型故障模式及原因分析
风力发电机组轴承的典型故障模式及原因分析摘要：风力发电是一种可再生能源，近年来在全球范围内得到了广泛应用和发展。
然而，由于风力发电机组长期运行、恶劣环境条件和振动等因素的作用，其各个部件容易出现故障，其中轴承是最常见的故障部件之一。
本文将针对风力发电机组轴承的典型故障模式进行分析，并提出相关原因分析，以期对轴承故障的预防和维修提供参考。
一、引言风力发电是一种利用风能产生电能的技术，其具有环保、可再生和经济等诸多优势，因此在全球范围内得到了广泛应用。
然而，由于风力发电机组长期运行、复杂的工作环境以及高速旋转的转子和叶片等因素的作用，其各个部件容易出现故障，其中轴承是最常见的故障部件之一。
二、风力发电机组轴承的典型故障模式经过对大量风力发电机组实际应用数据的收集和故障统计分析，可以总结出以下几种典型的轴承故障模式：1. 疲劳失效疲劳失效是轴承故障中最常见的一种模式。
在风力发电机组运行过程中，轴承承受频繁的载荷和振动，导致轴承内部产生微裂纹。
随着时间的推移，这些微裂纹逐渐扩展，最终导致轴承的疲劳失效。
2. 磨损故障由于风力发电机组长期运行，轴承表面会因为摩擦而产生磨损。
如果机组的润滑系统不够完善，或者存在润滑油质量不合格等问题，轴承表面的磨损会加剧，最终导致轴承的失效。
3. 弹性变形故障风力发电机组运行过程中，轴承会承受大量的载荷和振动，从而引起轴承的弹性变形。
当弹性变形超出轴承的可承受范围时，轴承会出现形状变形和功能损失，进而导致故障。
4. 渣滓沉积故障风力发电机组运行环境通常存在大量的沙尘和颗粒物，这些物质会随风进入轴承内部，形成渣滓沉积。
过多的渣滓会导致轴承不正常运转，甚至造成卡死等严重故障。
三、风力发电机组轴承故障原因分析针对以上几种典型的轴承故障模式，可以进行如下原因分析：1. 运行时间和振动风力发电机组长时间运行会导致轴承频繁承受载荷和振动，轴承内部可能产生微裂纹，进而引起疲劳失效。
因此，合理控制机组的运行时间和振动水平，可以有效预防轴承故障。
关于风电机组振动监测与故障诊断
关于风电机组振动监测与故障诊断发布时间：2023-07-24T03:19:39.065Z 来源：《科技潮》2023年14期作者：张磊[导读] 风电机组的振动监测及故障诊断，主要是采取以振动监测为主的各种监测举措，展开科学的判断以及分析相关信息，正确地掌握住风电机组的运行状态，使得在相应部件产生故障前，做出及时的报警等操作，从而实现对风电机组的维护由预防性维护转变为预知性维护。
中国大唐集团有限公司辽宁分公司新能源事业部辽宁朝阳 122300摘要：风力发电机组传动系统结构复杂，工况恶劣，承受外界载荷多变，易造成机组构件损坏，而滚动轴承是其中最重要也是最易受到损伤的零部件之一。
滚动轴承如若发生故障将对整个旋转机械甚至整个风机的运行状态产生重大影响，严重时导致整台机组停机。
因此实时监测其工作状态，准确诊断其故障成因对风力发电机组的维护与运行有着重要的现实意义。
基于此，本文主要对风电机组振动监测和故障诊断系统的设计进行了简单分析。
关键词：风电机组；振动监测；故障诊断一、总体设计情况风电机组的振动监测及故障诊断，主要是采取以振动监测为主的各种监测举措，展开科学的判断以及分析相关信息，正确地掌握住风电机组的运行状态，使得在相应部件产生故障前，做出及时的报警等操作，从而实现对风电机组的维护由预防性维护转变为预知性维护。
针对风电机组运行特征，设计的风电机组振动监测及故障诊断系统需要做到：数据采集及传输过程有效、可靠；监测部件全面；人机交互界面友好；数据处理分析具有较高的实时性。
在风电机组振动监测及故障诊断系统的设计环节，为使得符合相应功能需求，主要是把振动监测及故障诊断系统分成三个部分，即数据采集模块、数据库存储模块，以及监控维护集成模块。
进行数据采集期间，采取建立在以太网的远程采集基础上的举措，前端采集设备主要是采用采集板卡。
传感器数据到数据采集端的传输，可采取有线或无线传输方案，其中无线传输会产生较高的费用且传输速度较慢，信号抗干扰能力弱，但优势就是安装相对便捷。
一起风力发电机组变桨轴承失效故障分析
一起风力发电机组变桨轴承失效故障分析发表时间：2019-06-11T16:51:15.023Z 来源：《电力设备》2019年第3期作者：王强陈江巍[导读] 摘要：风力发电技术日趋成熟，已经成为了重要的新能源发电方式。
（中国水电顾问集团风电关岭有限公司贵州关岭 561300）摘要：风力发电技术日趋成熟，已经成为了重要的新能源发电方式。
但是简单粗暴地增加叶片长度造成的可靠性问题甚至连行业主流设备商也未能避免，出现了批量变桨轴承失效问题。
文章立足本场风力发电机组出发，对变桨轴承失效故障进行简要分析。
关键词：风力发电机组；变桨轴承；失效1、失效故障概述风力发电机组售后人员在对机组日常巡检中，发现#B3机组＃1桨叶轴承（编号：140517020）外圈密封圈被金属物顶起。
随后要求轴承厂家赶赴现场进行检查，确认为轴承保持架断裂。
经过轴承厂家的现场检查，确认#B3机组＃1桨叶轴承保持架已失效，给机组的安全运行带来隐患，决定对该机组的变桨轴承进行更换。
2、分析过程2.1 滚道表面滚道内、外圈叶片侧和轮毂侧滚道压痕不一致，存在受载不均现象，内圈滚道边缘出现接触痕迹。
2.2保持架外观叶片侧保持架断裂，轮毂侧保持架完好。
2.3齿轮接触异常3个变桨轴承齿轮接触异常，均为齿面上部和下部接触且存在变形拉伤。
认为是刚性不足造成套圈变形，也可能是齿轮侧隙变大造成；当螺栓预紧力不足会造成轴承刚性变小，变形增大，齿轮啮合发生异常。
2.4装球孔梁间受力变形对轴承140517020保持架的每一个装球孔进行检查，并对每一个装球孔受力变形方向进行了标识，保持架装球孔114、82端面断裂，若干装球孔梁发生挤压变形断裂，通过装球孔梁间变形示意图，我们可以看到保持架被分为了4个变形区域，且呈对称分布。
通过载荷分析，我们推测认为轴承 140517020保持架首先是装球孔114附近多处孔受到极大载荷挤压装球梁，造成断裂随着该处梁的断裂，多个钢球进行累积挤压保持架装孔114端面断裂，凸出轴承把密封圈挤。
风力发电机轴承振动及模态测试分析
风力发电机轴承振动及模态测试分析文|张剑由于使用环境特殊，风电机组的现场定期检测和维修十分困难，而且一旦发生重大事故，其维修费用甚至超过产出费用，因此，用于风力发电的电机应比燃煤、燃气、燃油和水力发电机具有更高的可靠性。
振动是风力发电机出厂性能和质量评定的主要指标之一，其在设备的各种故障中占有很大比例，是影响设备安全、稳定运行的重要因素。
电机振动过大会造成集电环和电刷间的摩擦不均匀，导致电机三相电流不平衡，严重时会引发电机转子轴弯曲和编码器损坏。
振动过大还会使得其他部件承受大幅交变应力，容易造成转子、连接螺栓、联轴器、基础平面等损坏。
由于风力发电机安装在一个柔性支撑座上，振动故障发生的概率更大。
因此，必须对风力发电机振动的评定、分析、监测和故障诊断加以重视。
本文主要对一台3.5MW双馈电机轴承振动过大问题进行分析，基于电机振动模态的基本原理，通过振动及模态对比测试，提出一种有效的解决方法。
图1 空载升降速振动时域波形电机振动及模态分析原理电机振动按照产生机理主要分为三类：一是电磁振动，由气隙磁场产生的单边磁拉力作用于定子铁芯的径向和切向使定子铁芯产生变形振动。
电磁振动产生的原因有三相电压不平衡、电机定转子偏心、定子绕组断路、转子笼条与端环开焊、转子断条等。
二是机械振动，由转子旋转过程中的机械力周期性地作用在电机本体上产生的振动。
机械振动产生的原因有结构整体刚度不足、转子动平衡不良、轴承及基础安装不当、内部风扇损坏以及联轴器对中精度不足等。
三是机电耦合振动，由电机气隙不匀引起单边电磁拉力，其周期性作用又使气隙不均衡进一步加剧，最终作用到电机引起振动。
机电耦合振动产生的原因有定子内径和转子外径圆度不足、转子安装不良引起的轴向窜动等。
研究电机的振动离不开模态分析，结构模态分析是研究结构动力特性的一种方法，是经典线性动力学理论及系统辨识方法在工程振动领域中的应用。
电机的机械结构可以看成多自由度的振动系统，具有多个固有频率，在阻抗实验中表现为有多个共振区，在幅频特性曲线中表现为有多个峰值。
风力发电机组振动状态监测与故障诊断
风力发电机组振动状态监测与故障诊断摘要：风力发电机能否正常投入使用，影响着风力发电的整体质量，而风机故障会导致机组本身受到损坏严重的情况下，可能会造成更加不可预料的后果，而从风力发电机所使用的环境以及自身结构等角度出发，其设备在实际应用过程中容易受到外界环境的影响，造成风力发电机组非正常停运。
为保证风力发电机组能够正常地运行，需要进行振动状态监测和故障诊断工作。
而从现阶段风力发电机组实际应用情况来看，多数地区在风力发电机运行2500h或者5000h后，会进行例行维修，而这种维修间隔周期较长，如设备受损情况严重，则难以在检修工作中得到有效解决。
在这种情况下，需要重视在线监测和故障诊断系统的设计，以保证风力发电机在实际运行过程中处于一种可控状态，辅助相关人员及时发现风力发电机在实际运用过程中存在的隐藏缺陷，提升风力发电机的应用质量与效率。
关键词：风力发电；发电机组；振动监测；故障排除引言近年来，随着工业的发展，环境污染日益严重，新能源风力发电在各行业领域应用日益广泛。
一般风力发电场多建于偏远地区，地处环境恶劣，无法应用有效监测技术解决风力发电机组各种故障与信号不统一等问题。
因此，基于风力发电机不同监测数据，全面分析风力发电机组运行时遇到的故障，深入研究风力发电机组监测与故障技术具有非常重要的意义。
1风力发电机组状态监测和故障诊断的意义风力发电能够缓解国内能源供应紧张的局面，改善能源结构，对于国家环境保护和电力工业的可持续发展具有重大意义。
随着国内风力发电行业的快速发展，风力发电机组故障已成为一个不可忽视的问题。
通过对风力发电机组的运行状态进行实时监测，能够及时发现机组运行过程中存在的故障隐患；通过提取机组故障信息并进行分析处理，能够帮助运维人员诊断机组故障发生的原因并制定有效的处理措施。
这对于提高风力发电机组运行可靠性，促进风力发电行业健康发展具有重大的现实意义。
2风力发电机组振动故障诊断分析从风力发电机组故障诊断实际情况来看，在时代不断发展的同时，其诊断方法也在不断地进行改进与优化，诊断结果的准确性也呈现逐年上升趋势。
风力发电机组轴承失效特征分析与故障诊断方法研究
风力发电机组轴承失效特征分析与故障诊断方法研究随着可再生能源的重要性日益凸显，风力发电已成为全球范围内最具潜力的清洁能源之一。
而作为风力发电机组的核心部件之一，轴承的正常运行对于保障风力发电机组的稳定性和可靠性具有重要意义。
然而，由于工作环境的复杂性和轴承所承受的高速旋转、变负荷等特殊工况，轴承失效问题成为目前风力发电机组运行过程中一个严重而常见的故障。
轴承失效具有多种形式，比如疲劳、磨损、润滑不良等，这些失效形式的出现会影响到风力发电机组的稳定性和可靠性。
因此，对于轴承失效特征的分析和故障诊断方法的研究具有重要的实践意义。
首先，对于轴承失效特征的分析是诊断故障的基础。
在风力发电机组运行过程中，轴承失效往往表现为异常振动、异常噪音、温升等特征。
通过对这些特征进行分析，可以初步判断轴承失效的类型和程度。
例如，在磨损失效中，轴承可能会出现金属颗粒或磨损痕迹，通过观察和分析这些特征，可以判断轴承是否处于失效状态。
因此，开展轴承失效特征的分析是及早识别和排查轴承故障的重要手段之一。
其次，故障诊断方法的研究是解决轴承失效问题的关键。
传统的轴承故障诊断方法主要依靠经验判断和设备监测，这种方法存在着主观性较强、准确度不高等缺点。
因此，基于智能化技术的轴承故障诊断方法的研究成为当前的热点。
其中，机器学习和人工智能等技术的应用为轴承故障诊断提供了有效的手段。
通过建立合适的数据采集系统并采集轴承工作状态下的运行数据，然后通过机器学习算法对这些数据进行分析和处理，可以实现轴承故障的自动诊断。
例如，采用循环神经网络（RNN）结合卷积神经网络（CNN）进行故障诊断模型的构建，可以提高轴承故障诊断的准确性和效率。
除了智能化技术的应用，还有一些传统的故障诊断方法可以参考。
例如，利用红外热像仪等设备对轴承温度进行监测，异常温升往往是轴承失效的信号之一；使用声波传感器对轴承产生的异常噪音进行监测，可以发现一些隐蔽的失效信号。
这些传统方法结合智能化技术的应用，可以提高轴承故障的诊断准确性和故障排查的效率。
海上风力发电用轴承的故障诊断与预测
海上风力发电用轴承的故障诊断与预测引言：近年来，随着全球对可再生能源的需求不断增加，海上风力发电作为一种具有巨大潜力的清洁能源形式，逐渐受到人们的关注。
然而，由于海上环境的复杂性和恶劣程度，海上风力发电装置面临着更大的挑战和风险。
其中轴承作为组成部分之一，其故障与损坏对风力发电机组的可靠性和效率产生巨大影响。
因此，对海上风力发电用轴承的故障诊断与预测的研究具有重要意义。
一、海上风力发电用轴承故障特征分析1. 异常振动特征由于长期受到复杂海洋环境的侵蚀，海上风力发电机组轴承往往容易出现振动异常的情况。
对轴承振动信号进行分析，可以发现一些典型的异常特征，如频谱图中出现突变、频率突增、谐波分量的增加等。
2. 温升变化轴承故障会导致摩擦和磨损产生热量，进而使轴承温升。
通过温度传感器监测轴承的温度变化，能够对轴承的健康状况进行有效判断。
例如，温度升高较快且超过预设阈值，往往意味着轴承存在故障。
3. 声学特征轴承故障还会产生特定的声音信号，可以通过声学传感器进行监测与诊断。
常见的异常声音包括噪声、杂波和尖锐的齿隙声等。
二、海上风力发电用轴承故障诊断方法1. 振动分析法振动分析法是一种常用的轴承故障诊断方法。
通过对轴承振动信号进行频谱分析、时间域分析和相关指标计算，可以获得轴承故障的特征。
例如，可以通过监测振动加速度信号的峰值、峰峰值和频谱峰值的变化来判断轴承的健康状态。
2. 温度监测法借助温度传感器，通过实时监测轴承温度变化情况，可以判断轴承是否存在故障。
例如，通过设定温度报警阈值，当轴承温度超过此阈值时，系统将发出警报并及时采取措施进行维修。
3. 声学诊断法声学诊断法通过声学传感器对轴承的声音信号进行监测和分析，从而判断轴承的健康状态。
例如，可以利用功率谱分析等方法，提取轴承故障产生的特定频率信号，以判断故障的类型和严重程度。
三、海上风力发电用轴承故障预测方法1. 数据驱动的方法数据驱动的方法利用历史数据训练预测模型，从而预测轴承的寿命和故障发生的可能性。
风力发电机组振动在线检测及故障诊断
风力发电机组振动在线检测及故障诊断发表时间：2019-05-24T10:19:29.157Z 来源：《电力设备》2018年第32期作者：赵伟[导读] 摘要：风力发电作为无污染新型能源受到世界各国的重视，但风力发电机体积庞大、难维修成为风力发电发展面临的一大问题。
（辽宁大唐国际新能源有限公司辽宁省沈阳 110116）摘要：风力发电作为无污染新型能源受到世界各国的重视，但风力发电机体积庞大、难维修成为风力发电发展面临的一大问题。
其中，轴承又是风电机中故障多发的部件，对轴承进行在线检测及故障诊断就显得尤为重要。
风力发电机组振动在线检测系统能够远程检测风力发电机的运行状态，并诊断出故障的位置、类型和严重程度，以便及时地对故障进行抢修，延长风力发电机的寿命，减小风力发电厂的损失，因此研究风力发电机组振动在线检测技术有着重大的意义。
关键词：风力发电机组振动；在线检测；故障诊断前言我国风力发电战略进展迅猛，但在初级阶段面临故障多发的问题。
由于风力发电机安装在几十米的高空，且风电场现场环境恶劣，所以风机故障不能被及时发现并做出有效的处理，往往是等到设备停转再用新的替换旧的，不但影响了风机的工作时间，还增加了维护成本，使风电场蒙受巨大损失。
国外已经出现了某风机制造商因保修其故障多发的产品导致企业入不敷出而破产的报道。
如果能够及时发现故障并做出报警，工作人员就可以根据故障情况做出处理，对小故障及时维修，防止小疾发展成大病；严重的故障可以早订备件，及时维修，缩短停机等待的时间，从而提高风力机利用率，减少维修费用。
可见，对风力发电机做出有效的故障预警和诊断工作非常重要。
1、系统设计1.1方案总体描述本系统主要功能包括：通过安装在机舱内外的多路视频监控信号.对发电机组进行视频监控，方便维护人员远程监视设备运行状态；通过语音监控信息可以发现机组运行过程中的异常响动.及时采取措施避免更大的经济损失，并可实现与现场人员的通话；通过对齿轮箱、轴系等旋转设备的振动监测，对机组设备的状态进行实时监测与分析.对设备异常情况进行报警，减少故障发生率，提高风机系统安全可靠性；通过网络系统及远程多媒体技术.为检修人员提供与主控单元之间的多媒体交互及远程维修指导功能。
风电机组轴承故障模式及诊断方法研究进展
R E A LE S T A T EG U I D E |179风电机组轴承故障模式及诊断方法研究进展王 坤 何 平 张家豪 (中国电建集团贵州工程有限公司 贵州 贵阳550001)[摘 要] 在科学技术水平迅速发展的大时代背景下,管理人员利用先进的计算机技术,合理运用相关数字化监测方法对风电机组内部的轴承运行情况进行全面监测,从多元角度对风电机组的环境气象㊁并网情况及实际运行温度等数据信息进行综合采集和监测,通过反复实践表明,如果不能对风电机组轴承进行妥善处理,在各种因素影响下,就会导致风电机组轴承出现不同故障,例如,轴承自身质量较差,安装调试方法多存在诸多漏洞,如果受到外界自然环境及空气污染,都会加速轴承零部件出现磨损,缩减风电机组的使用寿命㊂[关键词] 风电机组;轴承故障;诊断方法[中图分类号]TM 315 [文献标识码]A [文章编号]1009-4563(2023)11-179-02引言轴承故障诊断研究从最早的磨粒分析法,到现在的人工智能深入学习方法,经历了几十年的发展㊂传统的磨粒分析法受主观因素影响较大,而且对于早期故障的诊断效果并不理想㊂随着转子动力学的深入研究,发现采用振动信号对轴承状态进行监测有很好的效果,因此该方法得到了更加深入的研究㊂从早期的频谱分析到现在人工智能㊁深度学习方法的应用,轴承故障诊断方法得到快速发展㊂采用支持向量机和人工神经网络等方法对故障进行诊断,取得了较好的效果㊂1 轴承应用形式轴承作为传动系统的基础零部件,根据不同的工况特点,选择不同的轴承类型与组合形式应用在传动系统不同的组成部分中如主轴㊁偏航与变桨系统㊁增速器和发电机中,为传动系统提供支承及减少运行时的摩擦与磨损㊂主轴起到支撑轮毂与叶片,传递扭矩至增速器的作用㊂主轴轴承工作过程中不仅受到风力载荷㊁主轴及增速器的重力载荷还需要承受轴向载荷及倾覆力矩,并且主轴具有很大跨度,容易产生弯曲变形,要求主轴轴承具有一定的调心能力㊂为此根据发电功率㊁结构㊁工况等条件,轴承采用不同的配置方式,目前常用的配置方式为单点支承㊁两点支承及三点支承以保证主轴运转的平稳性㊂其中,单点支承只使用一个轴承支承主轴,主轴轴承承受全部载荷,齿轮箱体与主支架一体化设计㊂多用于直驱与半直驱风电机组,通常使用大直径的双列圆锥滚子轴承或者三排圆柱滚子轴承㊂目前轴承的应用形式采用回转支承,分为单排四点接触球轴承与双排四点接触球轴承,少量采用交叉圆柱滚子轴承及三排圆柱滚子轴承㊂目前随着风电机组功率的提高,滑动轴承因其承载能力强㊁体积小㊁制造及维护成本低等特点,开始逐步应用在风电增速器中㊂因风电机组受到偏航力矩㊁风轮重量等非扭载荷加之齿轮箱内复杂的结构耦合变形,容易引起滑动轴承轴颈与轴瓦边缘接触,导致轴承过早失效㊂目前通过采用 径向滑动轴承+推力滑动轴承 组合设计使得滑动轴承可以承受非扭载荷;采用柔性销的滑动轴承设计,可以与发电机轴承有较多的组配形式,其中最常见的是深沟球轴承与圆柱滚子轴承的配合㊂圆柱滚子轴承承受较大的径向载荷,深沟球轴承承受一定的轴向载荷㊂2 风电机组结构及其轴承首先,据有关资料显示,国内风电机组传动系统的电动机㊁齿轮箱等重要零部件在长期使用过程中,可能会出现磨损现象,各个构件发生的故障频率相对较高,通过大量试验探索下可以得知,轴承出现故障可能从一定程度上导致电动机和齿轮出现失效现象,主轴轴承㊁发电机轴承㊁齿轮箱轴承㊁变桨轴承及偏航轴承是整个传动链轴承的重要组成部分㊂其次,针对主轴轴承架构,通常情况下,叶轮主轴承受的负荷压力相对较大且轴体相对较长㊂如果不能对其进行妥善处理,就可能产生变形的不良效果,因此,在现实生活中,许多叶轮主轴大多数是由2~3套调心滚子轴承等零部件构成的,设计人员应结合实际的情况对轴承等重要零部件进行合理规划,继而全面提升主轴的调心功能㊂最后,针对齿轮箱轴承,因为齿轮箱内部的行星架的存在,可能会从一定程度上导致轴承的数量和种类逐渐增多,一般包含圆柱滚子轴承㊁双列调心滚子轴承及深沟球轴承㊂例如,由于主轴的支承效果存在一定的差异性,就会导致齿轮箱的受力情况有着很大不同㊂如果操作人员通过双轴承的支撑方式对主轴进行管理,从理论上来说,齿轮箱会受到扭矩的作用,内部的行星架支承轴承应妥善使用2套圆柱滚子轴承或者2套圆锥子滚子轴承㊂3 风电机组轴承故障诊断3.1 模型性能验证在进行音频数据采集时,试验站同时有其他常规试验正在进行,伴随有大量的噪声信号,因此在对模型进行性能验证分析时并未在原始数据中添加白噪声㊂随着模型的训练,准确率逐步升高,损失率逐渐降低,模型训练结果良好,未出现过拟合现象㊂在现场运行中除模型的准确率Copyright ©博看网. All Rights Reserved.180 |R E A LE S T A T EG U I D E外,误报率也是一个重要参数㊂为了更加直观显示模型的准确率与误报率,绘制测试集的混淆矩阵,模型整体识别准确率达到了96%以上,整体的误报率控制在1%以下㊂其中非传动端内圈剥离故障的识别率最低,传动端外圈剥离故障的识别准确率最高可达到99.5%,内外圈剥离故障的识别准确率能够达到98%㊂误报率主要原因是将正常数据错误诊断为非传动端内圈剥离及非传动端内外圈剥离故障㊂将转速为A 的正常数据与非传动端剥离故障数据进行频谱分析,发现两者的故障频谱较为相似,均含有幅值较大的50H z 及其倍频信号㊂依据厂家提供的轴承故障频率进行分析,在转速为1000r /m i n 时轴承内圈故障频率为90H z ,与50H z 及其倍频差距较大,此干扰信号在一定程度上降低了模型识别准确率㊂3.2 微弱故障诊断为准确提取风电机组主轴承故障信号中的微弱损伤特征,在S V D 理论及R L D 理论基础上做出改进,分别提出了S V D P 基尼指数图和A R L D 方法,并将二者进行相互融合,形成一种基于S V D P 基尼指数图和A R L D 的微弱故障诊断方法,用于对主轴承振动信号进行预处理及后处理㊂主轴承故障诊断具体流程如下:(1)在风电机组主轴轴承座附近布置压电式加速度传感器,拾取机组运行过程中产生的原始振动信号;(2)设置S V D P 分解层数L ,对拾取的振动信号进行二分递推奇异值分解重构处理,得到各层子分量并分别计算基尼指数,由此构造S V D P 基尼指数图㊂设置L =4,在较高计算效率下要保证分解的精度;(3)根据基尼指数图判定最佳子分量所在位置,通过奇异值分解重构,将其从原始振动信号中分离出来;(4)利用表达式(17)构建适应度函数,通过WO A 算法寻优R L D 的形态控制参量㊂设置鲸鱼种群规模Q=30㊁最大迭代次数M=40㊁形态控制参量σ寻优范围为[1,200];(5)根据WO A 寻优结果,设置R L D 的形态控制参量后,对最佳子分量做解卷积处理,进一步抑制子分量中的内部噪声干扰,强化微弱故障特征;(6)利用T e a g e r 能量算子对解卷积信号做包络解调分析,通过包络谱中幅值突出的谱线,准确判定风电机组主轴承的故障位置㊂3.3 疲劳试验数据说明风电机组轴承疲劳试验平台,测试轴承为风力发电机组驱动链的高速轴轴承,型号为S K F 32222J 2圆锥滚子轴承,外径为200mm ,内孔为110mm ,总长度为56mm ,具有20个16ʎ锥角的滚动元件㊂测试轴承由轴承座固定,配置的压力传感器用于监测轴承负载下的受力情况㊂由M T S 系统对测试轴承进行2~100H z 的变速控制,施加额定功率的50%的负载,试验持续运行50d ,每天以100k H z 的采样率采集6s 连续振动信号,负载运行27d 后测试轴承出现了早期内圈故障㊂将50d 的采集信号拼接在一起作为测试轴承的性能退化过程数据,变速控制下轴承信号在整个试验阶段幅值波动性加大,但在出现故障前后的振动幅值变化并不明显,正常状态信号与早期故障信号之间区分度较小,在最后第47天进入失效阶段后,振幅幅值才开始剧烈增大㊂3.4 模型泛化性能在实际工作中,轴承经常工作在变转速状态,因此要求诊断方法具有良好的泛化性能,对于未进行训练的转速下轴承的故障识别效果需要进一步验证㊂考虑A 转速数据存在干扰的情况,随机选取B 和C 转速数据进行训练验证,分别从A ,B ,C 和D 四种转速数据中选取未进行训练的部分作为测试组,采用相同方法建立模型,采用测试组数据对模型进行验证,应用该文所提方法使用B 和C转速数据进行训练得出的模型的泛化性能良好,对A 和D 转速数据的识别准确率能达到93.4%和94.5%,误报率为1.86%和1.23%㊂可以看出,A 转速数据中存在的50H z 及其倍频干扰信号对模型的故障识别产生了一定影响㊂与测试组为B 和C 转速时96.7%和98.2%的准确率相比稍低,这符合深度学习的特性,同时也在一定程度上说明模型还能够进一步优化提升㊂结束语总而言之,在强烈背景噪声环境下,风电机组服役过程中主轴承局部故障所引发的振动冲击容易受到干扰,加之受到复杂多变的振动传递路径影响,导致对主轴承的故障通常难以进行准确地判别㊂国内外机组管理人员应加强技术交流和协作,利用先进的轴承故障处理方法解决现实风电机组运行的各类问题,并积极采购适宜型号的油脂产品,进而能够延长相关设备的使用周期,在机组维修费用减少的情况下,促使风电机组发电量损失情况明显减少㊂在后续的工作中,将围绕变速变载工况,对风电机组主轴承故障诊断开展研究工作;并拟在当前方法的基础上做出进一步改进,使其能够为解决类似变速变载机电设备早期故障辨识问题提供指导和借鉴㊂参考文献[1] 王新亮.双馈式风电机组发电机轴承故障探析[J ].中国设备工程,2020(22):49-51.[2] 潘巧波,曹力,唐媛媛.基于谱峭度的风电机组轴承故障诊断技术及应用[J ].黑龙江电力,2020,42(05):377-380+384.[3] 常兴邦,段斌.风电机组主轴承温度异常故障智能诊断系统设计[J ].湘潭大学学报(自然科学版),2020,42(05):25-34.[4] 蒋志伟.风电机组的日常检修维护与故障处理[J ].科技创新与应用,2019(28):127-128.[5] 刘宇涛,师维,胡晓伟,桂旭,章志平,金声超.风电机组轴承高温故障的解决方案探讨[C ]//.第六届中国风电后市场交流合作大会论文集.,2019:172-178.[6] 许清.基于运行数据的风电机组故障诊断的研究[D ].华北电力大学,2019.Copyright ©博看网. All Rights Reserved.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
风力发电机组轴承常见故障诊断与振动检测王健
摘要：随着环境污染问题的日益突出，同时为了克服能源危机，风能作为一种
绿色可再生能源越来越受到世界各国的重视，风力发电机组（简称风电机组）作
为将风能转化为电能的关键装备得到了迅猛的发展。
风电机组通常坐落于偏僻的、交通不便的、环境恶劣的远郊地区以及沿海或近海区域，且机舱一般安装在离地
面几十米甚至上百米的高空，因此风电机组日常运行状态检测困难，维护成本昂贵。
有统计资料表明，陆上和海上风电机组的维护费用占到各自风场收入的10%～15%和20%～35%左右，因此风电机组在恶劣环境下的运行可靠性问题特别
受到关注。
关键词：风力发电机组；轴承故障；诊断；振动检测
轴承故障与齿轮箱故障几乎占据了风力发电机组故障的大多数。
发电机组的
各种检测传感器均安装在轴承座上，而各种轴承故障都是通过传感器才发现的，
所以我们通过传感器所采集的信息就可以准确的判断整个发电机组的工作状况。
然而在实际安装中，轴承故障诊断与振动识别也是作为优先部分处理，科研投入
也是占据了成本投入的一半以上。
本文就风力发电机组轴承常见故障特征及原因
进行详细阐述，然后就轴承的振动检测进行深入研究。
1风力发电机组轴承常见故障特征及原因
1.1风力发电机组轴承结构
轴承一般分为外圈、保持架、滚动体（滚珠）和内圈4个部分。
轴承内部充
满油脂类物质，用于减少轴承滚动的阻力，也能分离轴承与其他部件的接触，从
而减少摩擦阻力。
油脂还可以起到散热与防止腐蚀的作用。
所以为了防止外物对
油脂的影响，我们一般会在保持架的两端加装防尘装置，以免外物减弱油脂的各
种作用。
1.2风力发电机组轴承常见故障及诊断
支撑主轴轴承的外圈固定在轴承座上，机械传动轴从主轴轴承内圈经过。
风
力带动叶轮转动，通过传动链将动力传输给主轴，当主轴达到一定的载荷转速时，由轴承和轴承座组成的振动系统就会产生激励，也就是风机发电机组振动的产生。
这种激励振动一般是周期性振动，对受载体产生的撞击力或摩擦力也会周期性的
出现，长期疲劳极大可能产生轴承的局部损伤，因此需要加强对轴承振动频率的
监测。
根据长期的实践经验及理论知识的积累，从故障程度上可将轴承的故障类
型分为初级损坏与中级损坏两类。
通常我们所见到的电流损害、磨损以及表面损
坏等都是初级磨损；还有一些像破裂和散裂属于中级损坏。
我们还可以从损坏的
位置来区分故障，可将其类型分成外圈故障、内圈故障、滚动体故障以及支撑部
件的故障。
结合轴承结构示意图，可将风电机组轴承的常见故障特征及产生原因
归纳罗列如下：（1）疲劳故障：故障特征表现为滚动体或者滚道表面脱落或者
脱皮。
故障产生原因为轴、保持架等支撑装置制造工艺较低使得其精度不能保证，轴向长期过高负荷条件工作，对其性能产生很大的影响。
（2）磨损故障：我们
可以从外观来观察故障的产生原因，一般磨损故障会产生色泽的变化，形成磨痕。
故障产生原因为在微小间隙间的滑动磨损和长期恶劣环境中的长期使用。
（3）
缺口或凹痕故障：分为过载及安装或外来颗粒引起的缺口或凹痕。
过载及安装引
起的特征表现为细小的缺口或凹痕分布在两圈的滚道周围和滚动元件里，是由于
安装不准确时形成的安装压力所引起；外来颗粒引起的特征表现为细小的缺口/凹痕分布在两圈的滚道周围和滚动元件里，是由于外来颗粒进入轴承所引起。
（4）腐蚀故障分为锈蚀、摩擦腐蚀、电化学腐蚀。
锈蚀的表现特征为滚道间出现灰黑
色的条纹，滚道和轴承及其表面出现锈蚀斑，是由于轴承里面进入水、湿气或者
腐蚀物所致；当我们对轴进行安装时，有时可能过松会导致轴之间出现生锈现象；电化学腐蚀的表现特征为滚道和滚子出现深褐色或者灰黑色凹槽变黑，是由于有
电流通过旋转轴承所致。
2风力发电机组轴承振动检测
风力发电机组轴承的振动检测包括现场数据的采集以及振动信号的预处理，
采集的数据必须通过传感器以固定的格式进行存储，并且通过计算机手段对信息
进行处理以及分析，这样可以判断出故障所在。
通常我们在采集数据时受外界的
干扰因素很多，因此传感器的选取是重中之重。
本节主要对振动传感器的构成及
市场上两种常见的传感器做详细介绍。
振动传感器的主要任务是采集振动信号并
存储任务，一般由电源、滤波器、模/数转换器、CPU组成，通过传感器的震动，可以将这些震动信息转换成电信号，经过滤波然后通过模/数转换器将电信号转换成数字信号，这些信号将传输给计算机进行处理，这样我们就可以得到自己想要
的结果了。
电源：是为整个系统提供恒定的4mA能源，为整个传感器系统提供动力。
滤波器：滤波器的主要作用是去掉偏置电压，调制输入信号，将信号源振幅
控制在-5V~+5V范围内，频率变为0~90kHz。
CPU：它是由MCU和DPS共同组成，他们之间通过双口RAM来实现信息的交换。
MCU是数据的采集工以及系统的协
调工，DSP则对终端数据进行处理与运算。
目前，市场上常见的压电式传感器主
要有IEPE传感器和ICP传感器两种，现作以下详细介绍。
1IEPE振动传感器IEPE
振动传感器实际是一种加速度传感器，它可以对电量进行放大。
加速度传感器一
般产生的电量较弱，当有其他因素对其干扰时很难扑捉到，所以我们要将其电量
进行放大，从而得到质量较好的信号源。
IEPE振动传感器就是集成了电信号放大器，具有较强的抗干扰能力，同时IEPE还带有一个恒流源，可以为加速度传感器
提供恒定的电流，市场上生产的一般为额定电流4mA。
传感器内部电路相当于一
个电阻，我们知道电阻的大小和传感器的加速度之间是成正比例关系的，所以我
们看到的传感器返回的信号电压和加速度也就成正比。
放大器的输入范围可以根
据实际需要自行设定。
2ICP加速度传感器将压电传感器和电荷放大器两者进行集成，这样就组成了ICP加速度传感器，同时具有较高的精度与可靠性。
内部采用
的隔离剪切技术可以对各个部分进行隔离，且ICP传感器的输出是简单的两线制，电流激励线加地线，因此具有更优的抗干扰能力，而且设计简便，使用可靠。
3结论
风力发电机组轴承的状态监测和故障诊断是发电机组正常运转的重要保障，
轴承故障诊断与振动检测实际情况复杂多变，同一种产品在不同环境下所产生的
结果也不相同。
然而国内还缺乏更加系统和规范的行业标准，相关理论知识还不
够完善，因此需要去做更多的实验及相应的分析总结，吸收更多国外先进的理论
知识，来不断完善我国风力发电机组轴承故障诊断与振动检测的理论储备。
参考文献：
[1]鞠彬，杨振山，朱述伟.基于振动分析技术的风力发电机组轴承故障诊断[J].山东电力技术，2017，44（07）：65-67+72.
[2]苏炳华.基于小波包的风力发电机组齿轮箱故障诊断研究[D].新疆大学，2017.
[3]张继伟.风力发电机轴承温度场研究[D].沈阳工业大学，2017.
[4]张禄.风力发电机组变桨轴承疲劳寿命影响因素分析[D].重庆大学，2017.。