风电机组在线智能故障诊断技术发展趋势

王兆心

1 风力发电机组故障特点研究

1.1 叶片故障

叶片是风能风力涡轮机的主要部件。当风力涡轮机运行时，叶片将承受大的应力并且易于失效。例如，长期运行后，由于长期暴露在蒸汽和空气中，叶片易于腐蚀和脱落，导致表面粗糙，结构松散，结构不稳定。当叶片因外力而破裂或变形时，释放出高频瞬态声发射信号。在此基础上，将排放检测技术应用于叶片损伤评估。一旦叶片发生故障，将导致转子叶片不平衡。通过主轴传递的应力会对发动机室产生一定的影响，这将导致整个驾驶室颤动并严重影响风扇的稳定性。

1.2 变速箱故障

变速箱是风力涡轮机主轴的重要部分。其主要功能是增加主轴转速，以满足发电机运行的基本需求。变速箱主要由行星齿轮和两个平行齿轮组成。工作环境恶劣，工作条件复杂。行星齿轮和齿轮箱中的高速轴轴承的长期运行容易失效。风力涡轮机在运行期间易受交变应力和冲击载荷的影响，导致齿轮磨损，生锈和滑动。虽然齿轮组故障的频率相对较小，但是一旦齿轮组失效并且不能继续工作，则执行维护需要很长时间并且维护成本高。

1.3 电机故障

电动机故障可以概括为电气故障和机械故障，包括短路，开路，过热等。机械故障包括轴承过热，损坏和严重磨损。通过分析振动，电流和温度信号，可以有效地检测和评估电机故障。双馈风扇转速高，额定转速可达1500r/min。因此，有必要加快风扇齿轮箱的速度以匹配操作过程。

1.4 偏航和制动系统故障

偏航系统有两个功能：（1） 使风扇能够动态跟踪风向;（2） 跟踪风向，使电缆容易从机舱绕组中抽出。当卷绕量太大时，偏航系统可以直接解决卷绕问题。桨距控制系统的主要功能是通过在风速变化时控制叶片角度来调节风力涡轮机，从而获得空气动力学扭矩并最终实现有效的动力控制。当风速过高或风扇故障时，叶片调整到螺旋桨状态，有效地实现制动。

2 发电机故障诊断方法

风力涡轮机有许多故障诊断方法，包括传统的诊断方法，智能故障诊断方法和数学诊断方法。大多数传统的诊断方法都是基于状态监测技术的数据分析，包括：振动监测技术，油分析技术，噪声监测技术，红外测温技术，声发射技术和无损检测技术。智能诊断方法主要包括模糊逻辑，专家系统，神经网络和遗传算法。数学诊断方法主要包括基于线性和非线性判别函数的贝叶斯决策准则和模式识别方法，基于概率统计的时间序列模型诊断方法，基于距离准则的故障诊断方法，模糊诊断原理和灰色系统诊断。方法，故障树分析方法，小波分析方法等。

2.1 时域和频域分析方法

时域和频域分析是风力涡轮机故障诊断的最常用方法。时域处理方法主要包括以下指标：均值，方差，标准差，均方值，有效值，峰值，峰峰值，波形指标，峰值指标和脉冲指标。通过时域指标的统计，可以进行定性诊断，但不能指出具体的故障位置。对时域信号进行傅立叶变换以获得信号的频谱，并且根据频率的异常变化来诊断单元的故障。如果需要处理短期影响调制信号，如果直接对故障信号进行频谱分析，则通常会失败，并且无法查看是否发生了故障，因为FFT 更适合处理静止期信号。因此，出现了包络谱的使用。包络谱不是信号处理过程的精确描述，而是表示不同频率下振动信号的能量。它是根据振动信号源的故障频率计算出来的，以确定元件是否发生故障。包络解调技术增强了高频瞬态失真小信号的能量，并将包络检测技术与传统的频谱分析技术相结合，在轴承和齿轮严重损坏之前检测其早期缺陷和润滑问题。。

2.2 人工智能方法

人工智能诊断方法主要包括模糊逻辑，专家系统，神经网络和遗传算法。人工智能诊断方法可用于故障状态模式识别，趋势预测等。使用人工神经网络进行自学习，自组织，自适应和强非线性映射能力。针对齿轮箱和发电机的故障，提出了一种新的智能诊断方法。我们的想法是首先执行信号。单子带重构改进了小波变换，然后从小波变换子带系数中提取特征特征，提取故障特征作为BP 神经网络的输入。BP 神经网络根据训练的映射关系导出相应输入信号的故障类型。

2.3 小波分析方法

小波分析在时域和频域都具有良好的定位特性，更好地解决了时域和频域分辨率之间的矛盾。它可以在一些高频频段放大比例，并具有良好的频率分辨率。它可以降低某些低频频段的规模，并具有良好的时间分辨率和对信号的适应性。因此，小波分析特别适用于处理非平稳时变信号，可以划分任意频段的信号，并且可以有效地提取故障特征，而不是基于傅里叶变换的分析方法，特别是提取弱故障特征。基于小波分析故障诊断理论，武汉理工大学梁卫军提出了一种监测齿轮箱状态的方法。该方法首先利用常规功率谱分析点蚀故障，然后对点蚀故障进行小波变换的时频分析。

3 结语

风力发电机的日常维护和故障处理是确保风电场风力发电机可靠运行，降低维护成本，延长机组使用寿命的重要技术手段。以上仅是对风力发电机的日常维护和故障排除的初步讨论。风力发电还存在许多问题需要解决。因此，要善于总结和思考工作，善于提问，分析问题，解决问题，加强日常检查和检查，减少风机故障频率和重复性故障，特别是对中国风电的积极发展至关重要。