风力发电机轴承振动监测故障诊断分析
风力发电场中风机轴承故障检测方法研究
风力发电场中风机轴承故障检测方法研究随着全球环保意识的增强，可再生能源逐渐成为国际社会关注的议题。
风力发电是其中比较重要的可再生能源之一，而风力发电场中的风机作为核心装备，其正常运行对风力发电的稳定性和经济性起着决定性的作用。
然而，风机轴承故障是风机运行过程中最常见的故障之一，而轴承故障的发生不仅会影响风机的稳定性和安全性，同时也会增加维护成本和停机损失。
因此，风机轴承故障的检测和诊断是风力发电场管理的重要环节。
一、风机轴承故障产生的原因风机轴承故障发生的原因很多，常见的有以下几点：1. 质量问题：轴承本身的质量问题，或者工艺问题，加工出的轴承表面加工粗糙，或者表面有擦痕、划痕等。
2. 润滑问题：轴承润滑不良，或者使用了不合适的润滑剂，导致轴承内部磨损加剧。
3. 工作负荷：轴承承受工作负荷过大，或者太小，都会导致轴承内部磨损。
4. 温度问题：轴承温度过高、或者过低，都会影响轴承使用寿命。
二、风机轴承故障的检测方法风机轴承故障的检测方法有很多，目前常用的方法有以下几点：1. 听声法：通过听风机工作时发出的噪音，判断风机运行是否正常。
但该方法的可靠性不够高，而且适用范围窄。
2. 振动法：通过风机振动信号，来判断风机的运行状态。
但该方法需要专业的设备进行检测，成本较高。
3. 温度法：通过测量风机的温度变化来判断轴承的状态。
但该方法对温度波动较为敏感，且对温度测量设备有较高的要求。
4. 油液分析法：通过对润滑油进行分析，来判断轴承的状态。
但该方法需要收集相应的样本进行检测，较为麻烦。
三、基于机器学习的风机轴承故障检测方法随着人工智能的快速发展，机器学习技术在各个领域都有着广泛应用。
风机轴承故障检测也不例外，利用机器学习技术可以快速准确地识别出风机轴承故障，大大提高了故障检测的效率和准确性。
例如，基于机器学习的风机轴承故障检测方法中，可以通过传感器采集数据进行处理和分析。
通过构建适合于轴承故障检测的特征向量，并建立相应的分类器模型，最终可以高效准确地识别轴承故障。
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。
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。
风力发电机在线振动监测与故障原因分析
风力发电机在线振动监测与故障原因分析摘要：随着国家30.60计划的实施与落实，国家对绿色能源的发展。
在风力发电系统中核心部件风力发电机，发电机的结构较为复杂，同时其运行工况和运行环境较为恶劣，故在其运行过程中会受多种外界因素影响，引起发电机运行异常，若不及时排查可能会造成发电机组更严重的故障。
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。
本文通过对风力发电机的振动采集分析和监测进行了一定的探究，同时根据风力发电机运行的过程中发生的故障原因进行分析。
关键词：风力发电机振动在线监测故障原因0引言风力发电机组在日常工作过程中会出现多种原因造成的振动，在机舱内部的振动频率和幅度达到一定程度时，就会严重影响风力发电机的正常运行，同时还可能造成一定的安全隐患，将发电机彻底损毁。
在风力发电机的运行过程中要对发电机在线振动情况进行有效的监测管理，在发现其存在振动情况时，根据数值分析当前振动情况。
如果风力发电机在振动监测过程中存在的异常振动的情况，安装在发电机轴承室上的振动传感器会将发电机实时振动监测情况发送到中控室，工作人员就能够及时切断该发电机组，使其能够脱网并停止运行，从而避免由于振动导致的发电机受损或者引起其他部件的故障，以达到保护发电机运行的安全状态。
同时我们可以根据监测数据系统的检测值来分析引起发电机产生异常振动的原因，及时排查故障并修复发电机。
同时可针对发电风力发电机的运行监测的相关数据进行同步分析，从而进一步加强在线监测的参数，提升风力发电机的监测技术水平。
1风力发电的发展现状与发展趋势风能本身是一种可再生的绿色、清洁能源，风力发电技术作为一种新型发电技术，目前在全球范围内越来越受重视，并被广泛应用。
未来我国风力发电行业发展仍有大幅增长空间，主要发展方向为机组容量大型化、海上风力发电、智能化、高效率。
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。
风力发电场中风机振动监测与故障诊断技术研究
风力发电场中风机振动监测与故障诊断技术研究风力发电是一种环保、可再生的能源，越来越多的国家和地区开始重视风力发电的发展。
风机作为风力发电场的核心设备，其运行状态的监测和故障诊断对于风力发电场的正常运营和安全性至关重要。
本文将探讨风力发电场中风机振动监测与故障诊断技术的研究进展和应用。
一、风力发电场中风机振动监测的重要性风机是风力发电场的核心设备，其运行状态直接影响风力发电场的发电效率和安全性。
风机振动是风机故障的重要指标之一，通过对风机振动的监测，可以实时了解风机的运行状态，提前发现潜在的故障，并及时采取相应的维护措施，避免故障扩散和损失的发生。
因此，对风力发电场中风机振动进行监测具有重要的意义。
二、风力发电场中风机振动监测技术的研究进展1. 振动传感器技术振动传感器是风机振动监测的关键设备。
目前，常用的振动传感器有加速度传感器、速度传感器和位移传感器等。
这些传感器可以将风机振动信号转换为电信号，并通过电缆传输到监测系统中进行分析处理。
2. 振动信号处理技术风机振动信号具有复杂的频谱特性和变化规律，需要通过信号处理技术来提取有用信息。
目前，常用的振动信号处理技术包括时域分析、频域分析和小波分析等。
这些技术可以对振动信号进行去噪、滤波、频谱分析和特征提取，为故障诊断提供依据和指导。
3. 智能诊断技术智能诊断技术是风机振动监测与故障诊断的重要方向。
利用人工智能、模式识别和专家系统等技术，可以对风机振动信号进行自动分析和诊断，实现对风机故障的智能监测和预警。
这些技术不仅可以提高故障诊断的准确性和效率，还可以降低人工维护成本和风机损失。
三、风力发电场中风机故障诊断技术的研究进展1. 故障特征提取技术故障特征提取是风机故障诊断的关键环节。
通过对风机振动信号的分析，可以提取出与故障相关的特征参数，如峰值、能量、频率等。
这些特征参数可以用于故障类型的判别和诊断。
2. 故障诊断模型建立技术故障诊断模型是进行风机故障诊断的数学模型。
风力发电机组发电机振动故障分析
风力发电机组发电机振动故障分析摘要：风力发电的核心设备是风力发电机，风力发电机主要是运用风能把动能转化成为机械能，再把机械能转化成为电能，在此过程中，要风力发电机组元器件进行有效配合才能完成。
因此，风力发电机组齿轮箱，发电机的振动特性及振动检测研究对提前预警风机故障，以及提高风电机组可靠性也十分重要。
基于此，本文对风力发电控制技术的发展现状以及风力发电机组发电机振动故障预防措施进行了分析。
关键词：风力发电机；振动故障；措施1 风力发电控制技术的发展现状在电力能源成为主流能源的当下，火力发电所造成的大气污染越来越严重，清洁能源的使用开始兴起，绿色保护成为发展趋势，产生电能的方式也逐渐趋向于风力发电。
大型的风力发电系统需要靠风力发电机组完善系统结构，而风力发电机在高应力状态下，其核心和薄弱环节通常容易发生故障，在风力发电机或机组发生故障的情况下，很容易产生连锁反应，造成风电系统的瘫痪，因此针对风力发电机的故障检测必不可少。
风力发电机长时间处于高应力状态下，易产生设备细小故障，若不能及时找出，会造成风电系统严重受损或瘫痪，为此提出了基于振动传感器的风力发电机故障检测算法。
各类机械设备在运行过程中会发生不同程度的振动情况，设备在不同作业状态下产生的振动信号是不同的，通过分析机械设备振动信号成分及能量的不同变化情况，判断设备具体的运行状态及故障情况。
2 风力发电机组发电机振动故障预防措施2.1 振动信号分解及特征提取由于传统的经验模态信号分解会使振动信号分解后产生不必要的混叠现象，致使信号发生幅值、波段的缺陷，因此所提方法在分解信号的过程中，加入高斯白噪声帮助完成信号分解和分析。
通过经验模态分解，可将原始的发电机振动信号分解成一组平均信号分量和一组剩余信号分量，平均信号分量能够表现原始振动信号中，局部的振动信号信息特征，剩余信号分量可以表示振动信号发生的缓慢信息变化量，通过分析所获得风力发电机振动信号的相关特征信息，可以实现对风力发电机的故障检测。
风力发电机组振动故障诊断分析
风力发电机组振动故障诊断分析摘要：在可持续发展背景下，新能源开发备受关注，作为一种典型的新型能源，风力发电拥有广阔的发展前景。
风力发电机组在运行过程中，很容易受到一些因素的影响，出现振动故障，在这种情况下，需要做出正确诊断，判断振动故障成因，并且采取正确措施进行维护，保证风力发电机组的稳定运行，这也是风力发电机组维护工作中的要点内容。
本文对风力发电机组振动故障进行分析研究，并且提出了几点浅见。
关键词：风力发电；发电机组；振动故障；维护策略一、风力发电机概述风力发电机是风力发电厂中的核心内容，其运行效果非常重要，关系到了风力发电效率和发电安全性。
从结构上看，风力涡轮机由转子、轮毂、结构、偏转器系统、变速箱、发电机、电气系统以及液压系统等进行的共同组成。
首先需要把风车改造为机械式，然后运用齿轮、主轴、发电机把机械能转化成电能，实现风能的产生。
如果仅仅通过调节风向来调节机组的运行，那么在风力发电机的运行中很难应用风向参数，也很难改变转速和转速。
风扇的转速也会改变发电机的功率，自然导致发电机振动降低。
因此，对风力发电机组的在线运动进行持续跟踪是至关重要的，以便能够不断跟踪传输链中的瞬态异常，跟踪波动趋势，对历史数据进行分析，确保风力发电机能够正常运行。
二、风力发电机组振动故障成因分析风力发电机在运行过程中，经常会出现各类故障，主要的故障类型包括发电机过热、线圈短路、轴承过热、振动增大、转子损坏、绝缘损坏等，主要由异常振动决定。
风力涡轮机的波动对设备的安全运行产生重大影响，安全对于风电场来说至关重要。
其中，引起设备异常波动的因素包括设计、制造、安装、运行和维护。
静态风电机组的运动控制时间是一个漫长的过程，必须由传动链的具体变化来确定，这对于诊断较小的传输时间也很有用。
发电机工作时，转子的转速很高，如果转子的转动中心和质心不能有效匹配，转子也会产生很大的不平衡，产生离心力，造成设备振动，当离心力超过阈值时，设备会剧烈振动。
- 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)。
R读者园地eaders 'home 2019年第47卷第8期 姬相磊等 风力发电机轴承振动监测故障诊断分析74 收稿日期:2018-12-03风力发电机轴承振动监测故障诊断分析姬相磊,高旭东,杜振东(中船重工电机科技股份有限公司,太原030000)摘 要:为提高风力发电机轴承状态异常判别和故障诊断能力,保证机组可靠稳定运行,降低机组维护成本,发电机轴承采用了振动在线状态监测频谱信号的判别方法,即利用振动数据样本及特征频率分析,监测轴承运行状态㊂通过对轴承振动数据的分析来评定其运行状态,为轴承故障预判提供依据㊂关键词:轴承;振动监测;频谱分析;故障诊断中图分类号:TM307 文献标志码:A 文章编号:1004-7018(2019)08-0074-03Analysis of Vibration Monitoring and Fault Diagnosis for Wind Generator BearingJI Xiang -lei ,GAO Xu -dong ,DU Zhen -dong(CSIC Motor Technology Co.,Ltd.,Taiyuan 030000,China)Abstract :To improve the state anomaly discrimination and fault diagnosis ability of wind generator bearing,guaranteethe reliable and stable operation,reduce the maintenance costs,the spectrum signal discriminated method of generator bear⁃ing vibration online condition monitoring technology was studied.The vibration data sample and characteristic frequency a⁃nalysis were used to monitor the running state of the bearing.The bearing operation state was evaluated by analyzing thebearing vibration data,which provides the basis for the bearing failure prediction.Key words :bearing,vibration monitoring,frequency analysis,fault diagnosis0 引 言近些年,随着振动信号监测㊁数据分析㊁处理技术的不断提升,在线监测技术也随之发展,根据设备应用环境和使用条件对其运行情况进行实时监测,以提供必要的监测㊁识别和故障判定手段㊂目前,针对风电行业中广泛采用的振动在线监测手段,对机组运行状态进行实时监测,实现机组运行时的故障监控,以保障机组的可靠运行[1]㊂风力发电机轴承振动信号的采集是通过振动传感器实现的,对轴承振动数据进行实时收集㊁处理并分析,依据监测数据的故障频率及幅值响应判定轴承的运行状况;通过运行数据的时域和频域分析,解析异常频率特征在轴承运行状态下的响应,并结合其振动响应分析它的频率特征,以实现对轴承运行状态的判定,从而实现监测发电机轴承运行状态的目的,并及时制定排查方案及处理措施,保证机组的稳定运行[2]㊂1 发电机轴承振动在线监测技术应用1.1 在线监测技术随着风电行业的不断发展,单机功率正在逐步向大功率海上风电机组过渡,但目前陆上主流机型仍以双馈型机组为主,其占有绝大部分的市场份额㊂双馈型机组的典型故障主要发生在主控系统㊁传动系统㊁发电系统㊁电气及偏航变桨等关键设备,其中发电机作为机组的核心设备,对其进行轴承故障预判和诊断对保障机组可靠运行尤为重要[3]㊂通过在发电机驱动端和非驱动端轴承座位置处安装振动传感器,可监测轴承径向和轴向振动信号㊂利用振动传感器采集轴承运行时的振动信号,经数据处理获得轴承运行的特征频率参数,对比轴承运行转速条件下的各组成结构的异常特征频率,判定轴承的运行状况㊂发电机零部件结构和配合的复杂性,机组对中情况对轴承运行状态的影响,以及振动监测时出现的偶然因素影响,使得在线监测故障判定存在一定的难度㊂故此,现阶段采用的振动在线监测技术在一定程度上仅能从监测到的振动信号进行分解和提取,以进一步抽取表征故障特征的信息量,从而对发电机轴承的运行状态㊁故障潜在点及发生点进行识别和诊断㊂1.2 轴承状态异常判别发电机轴承在全生命周期运行过程中,其故障特性是一个逐渐发展的过程,即从初级故障状态随着缺陷损伤的加剧而逐渐加重,直至轴承使用寿命的终止㊂在此故障渐变过程中,存在一定的振动渐变趋势,通过该种趋势特征值的变化,来评估轴承的运行状态,以期达到提前维护更换的目的[1]㊂ 2019年第47卷第8期R读者园地eaders 'home 姬相磊等 风力发电机轴承振动监测故障诊断分析75 通常在监测发电机轴承运行状态过程中,依据监测系统设定的特征量和特征值,将轴承的运行故障划分为正常㊁注意㊁警告㊁报警和危险5个等级,如表1所示㊂表1 发电机轴承故障等级故障等级说 明正常轴承运行处于正常状态,发电机可正常运行㊂注意 轴承存在一定的早期故障特征,发电机可正常运行,应有针对性的采取维护措施㊂警告 轴承有较明显故障特征,发电机可继续运行,应关注运行状况,加强日常检查和维护,发现异常时应首先对此处问题进行检查㊂报警 轴承故障特征明显,处于快速劣化期,需要现场维护人员检查确认故障,准备备件,提前安排维修计划,择机进行维修㊂危险轴承部件故障严重,如继续运行,可能会连带其它部件损坏,机组必须停机进行检查,采取维护措施,以保障机组运行安全㊂1.3 轴承振动信号特征频率滚动轴承是由滚动体㊁保持架和内外圈结构件组成㊂在轴承运转过程中,会触发各组成结构件的频率响应,当某部分发生局部缺陷时,在其一次旋转运动过程中就会发出相应的冲击信号㊂不同结构件的频率特征因其结构及材质特性而不同,即为轴承各部分的特征频率㊂滚动轴承的频率特征依据其结构特性通常在较低频率1000Hz 以内㊂通常,发电机在运行过程中通过监测轴承振动信号,将信号数据进行过滤分析,识别故障特征频率,对应轴承运行的频谱特征,以评判轴承运行状态㊂针对目前主流的2MW 机组,采用较多的是双馈异步风力发电机,它存在两种轴承结构形式,即三轴承结构和两轴承结构㊂三轴承结构是在驱动端配置圆柱滚子轴承和深沟球轴承各一个,非驱动端配置一个圆柱滚子轴承;两轴承结构是指发电机驱动端和非驱动端均采用深沟球轴承㊂通常驱动端为定位端,非驱动端为浮动端㊂这两种轴承结构形式在2MW 双馈异步风力发电机上均有应用,其中以三轴承结构形式相对较多㊂依据轴承特征频率计算并结合德国FAG 公司轴承样本对应型号的特征频率,表2列举了一种2MW 双馈异步风力发电机三轴承结构的FAG 轴承的故障特征频率数据㊂表2 与60r /min 相关的轴承基本特征频率轴承型号特征频率f /Hz外圈内圈滚动体保持架圆柱滚子轴承NU1030MC312.2014.79 5.160.452深沟球轴承6030C37.068.934.200.4412 基于频谱分析的轴承故障诊断风力发电机轴承在运行过程中出现非受迫性局部损伤时,会随着轴承的运转,在其损伤结构件部位出现周期性冲击,该周期性冲击会产生周期性频率特征,从而在监测到的振动信号解析频谱图中有所体现㊂轴承振动特征频率依据其结构形式㊁几何尺寸㊁配合关系㊁运行转速及缺陷点位置等综合因素确定,故可依据监测数据解析出的故障频率来间接判定轴承缺陷位置[4]㊂通过监测发电机轴承运行时的振动信号,利用传感器采集数据,并对振动数据进行解析,将某部分振动数据解析获得对应的频域响应图,并与正常状态下的图谱进行对比分析,得出频谱图中与轴承各结构件特征频率相匹配的异常状态频率,并结合其幅值响应和时域的振动变化趋势进行分析,以判定故障发生的轴承缺陷位置和损伤程度㊂2.1 轴承故障判定案例案例通过对新疆哈密三塘湖某风场机组发电机轴承进行振动监测,选取某台2MW 机组发电机为测试对象,该发电机轴承为德国FAG 厂家生产制造,驱动端轴承型号为NU1030MC3和6030C3,非驱动端轴承型号为NU1030MC3㊂对监测到的驱动端和非驱动端轴承振动数据进行分析,以判定轴承的运行状态,为后续轴承故障判定提供依据㊂2.2 振动监测数据分析监测该机组发电机轴承实时振动情况,其连续运行数据表明发电机非驱动端轴承振动状态存在异常,其振动趋势变化表明该发电机非驱动端轴承处于报警状态㊂在发电机运行转速1762r /min 条件下,提取发电机非驱动端轴承某时刻的振动频谱图进行故障分析,以评定轴承的运行状态㊂依据监测到的非驱动端轴承特征图谱,如图1和图2所示,对发电机非驱动端轴承故障特征频率及其倍频特征进行提取,数据如表3所示㊂轴承特征频谱分析表明,发电机非驱动端轴承滚动体和内圈存在较严重损伤㊂图1 非驱动端轴承振动频谱图(0~200Hz)图2 非驱动端轴承振动频谱图(0~2000Hz)R读者园地eaders 'home 2019年第47卷第8期 姬相磊等 风力发电机轴承振动监测故障诊断分析76 表3 发电机轴承运行频率特征对比分析参数序号1序号2故障信号频率f /Hz 151.75435.5计算特征频率f 1/Hz 151.53434.33振动加速度幅值A /(m㊃s -2)0.4482g 2.1755g绝对误差f a /Hz0.22 1.17相对误差f r /%0.140.27可信度η/%100100转频特征 5.2×转频14.7×转频故障部位及性质分析1×轴承滚动体1×轴承内圈2.3 发电机轴承拆检实况发电机轴承振动监测数据分析表明,轴承已损伤,需进行更换㊂将更换下的轴承进行拆检,以进一步验证轴承频谱分析的准确性㊂轴承拆检如图3和图4所示㊂图3 轴承滚动体损伤图4 轴承内圈损伤轴承拆检分析表明,非驱动端圆柱滚子轴承的滚动体和内圈有损伤,存在圆周方向上的压痕和轴线方向上的损伤缺陷㊂滚动体在轴线方向上损伤较均匀,相邻滚动体上存在等间距同种情况的损伤,轴承内圈滚道面上有明显的等间距假性布氏压痕,且压痕上分布着由磨损而引起的材料剥落㊂分析该种情况,原因为发电机在运输过程中或长时间静止状态后起动运行,造成滚动体和内圈接触区的微小损伤,在其后较长一段运行时间内,损伤缺陷逐渐加剧且振动趋势逐步恶化,并最终影响轴承的使用寿命㊂3 结 语利用振动监测技术对风场发电机轴承进行实时监测,能够在一定程度上及时准确地评定轴承的运行状态,为轴承故障预判提供了依据㊂同时,该技术的应用与发展,能够较大程度上提高风力发电机轴承状态异常判别和故障诊断能力,解决发电机轴承早期故障问题,避免出现重大损失,降低机组维护成本,保证机组可靠稳定运行㊂参考文献[1] 张家欣.发电机故障诊断及状态监测技术研究[J].南京工业职业技术学院学报,2006,6(2):25-28.[2] 陈长征,梁树民.兆瓦级风力发电机故障诊断[J].沈阳工业大学学报,2009,31(3):277-280.[3] 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].上海电机学院学报,2010,13(6):328-333.[4] 沈阳阳.基于振动信号分析的风力发电机轴承故障诊断[D].乌鲁木齐:新疆大学,2015:11-13.作者简介:姬相磊(1990 ),男,硕士研究生,工程师,研究方向为风力发电机设计开发㊁状态监测与故障诊断㊂。