论文部分内容阅读
状态监测与故障诊断技术是风电机组安全稳定运行的重要保障。风电机组传动链结构复杂,运行工况恶劣,齿轮-轴承、多齿轮出现复合故障的概率较大。复合故障发生时,微弱故障信息容易被显著故障或强干扰噪声掩盖,日常巡检维护难以发现。而微弱故障(如轴承故障)通常是显著故障或传动链失效的重要诱因,需要及时提取出相应的故障特征。因此,深入研究风电机组传动链的振动特点与故障机理,辨识多部件故障微弱特征信息,避免机组发生严重事故,对于降低运行维护成本促进风电产业健康发展具有积极的现实意义。本文在这一背景下,以风电机组传动链为研究对象,针对传动链结构特点与故障模式,基于传动链关键部件振动模型,深入研究风电机组传动链的复合故障特征提取方法,以提高复合故障特征提取的精准性为目的。主要研究内容如下:(1)分析了双馈型和直驱型风电机组的结构特点及并网方式。给出风电齿轮箱各部件故障时,其故障特征频率的计算方法。研究了传动链典型故障的调制机理与频谱特征,提出了一种风电齿轮箱行星轮分布式故障调制模型。根据某大型新能源集团历年故障振动数据,统计分析了风电机组传动链六种典型单一故障,研究了各类故障的发生机理及振动频谱特征。(2)针对风电齿轮箱结构紧凑,零部件众多且耦合性强,振动频带范围宽,振动能量差别大的特点,分析了频率相近的信号成分在倒频谱中会得到精确分辨的规律。研究了复小波变换在进行故障特征提取时,能够在匹配振动信号中不同尺度故障成分的同时实现包络解调的特点。提出了基于倒频谱编辑与复小波变换的风电齿轮箱复合故障特征提取方法,通过风电齿轮箱齿轮轴承复合故障和多齿轮复合故障的案例分析,论述了传统包络解调方法在发现严重齿轮故障掩盖下的微弱故障信息的不足,相比之下,倒频谱编辑结合复小波变换的特征提取方法由于具有削弱显著周期性成分和多尺度解调的特点,能够在强烈故障干扰下将轴承或齿轮的微弱故障提取出来。(3)针对传动链振动数据量大,传统包络解调方法频带定位困难,小波分析受限于基函数选择,导致故障特征提取不准确,诊断效率低的问题,论述了基于经验模式分解的自适应故障特征提取方法,研究了基于局部极大值频谱划分和尺度空间频谱划分的经验小波变换,引入经验法则实现经验小波变换的无参数化。运用基于局部极大值的经验小波变换对风电齿轮箱多齿轮复合故障数据进行分析,得到了经验小波变换无需人工设计带通滤波器,可以自适应地提取齿轮箱复合故障特征的优点,同时在经验模式中解调得到行星级啮合频率,验证了行星轮分布式故障模型的准确性。提出了基于裕度因子进行经验模式筛选排序的方法,重点分析经验模式中裕度因子最大的分量,以风电机组发电机轴承复合故障振动数据为例,验证了无参经验小波在自适应提取轴承多故障信息方面的优势。(4)针对风电机组发电机轴承振动面临的电磁干扰、不平衡不对中所致转频干扰等问题,分析了电磁振动、不平衡不对中产生的机理,研究了循环平稳理论及其在故障特征提取中的应用特点,提出了基于循环相干函数和循环比例系数的故障特征提取方法。以强电磁干扰下发电机轴承振动数据为例,对比分析了基于复小波变换、谱峭度和循环相干函数的故障特征提取方法的优缺点,证明了循环相干函数能够更好地匹配轴承故障状态下二阶循环平稳特性,循环比例系数可以清晰地显现隐藏在电磁振动干扰下的轴承故障特征。以强转频干扰下发电机轴承振动数据为例,应用循环相干函数方法,对比分析了当前测试数据与六个月前测试数据,印证了所提出方法对强转频干扰下的严重故障和微弱故障都具有较好的提取能力。