大型风力发电机组齿轮劣化故障诊断研究

孙敬昂，孙文磊，许华超

（新疆大学 机械工程学院，新疆 乌鲁木齐 830047）

1 引言

大型风力发电机组一般安装在戈壁、草原、近海等偏远地区，运行环境恶劣，工况复杂多变，零部件极易出现各种故障，其中，齿轮的故障率非常高[1]。风力发电机组中齿轮平均每5年更换一次且价格昂贵，一旦出现故障没有及时发现，还可能带来连锁效应，其他零部件会接连损坏，全套的更换费用和长时间停机会带来巨大的经济损失。因此，对风力机齿轮的劣化故障诊断研究非常重要。

由于风速和风向的不确定性造成风力发电机组叶片传递至齿轮箱齿轮的载荷复杂多变，齿轮箱振动信号呈显强烈的非平稳性。因此，风力机齿轮的故障诊断更加困难。文献[2]应用短时傅里叶幅值谱与小波尺度谱相结合的方法，提取到了冲击的故障特征频率，开箱后发现高速轴出现轻微点蚀。文献[3]通过小波包频带能量监测结合功率细化谱和倒频谱分析得到了故障齿轮的转速频率。以上两种方法虽然能够提取到故障齿轮的特征频率，却只能判断故障齿轮所在位置，不能判别出故障种类。为了及时得到准确的故障信息，采取相应的应对措施，就要求算法有较高的实时性和准确性。因此，选用的模式识别算法应该简单且有效，识别准确率越高越好。文献[4]对粒子群优化神经网络算法进行了改进，解决了神经网络局部最优和全局最优的平衡问题，但其算法较为复杂，参数设置要求较高，不适用于小样本情况。……