風電齒輪箱齒輪故障預警與診斷的研究.pdf

1、行星傳動結構一般尺寸小、傳動比大的特點，逐漸取代傳統齒輪箱，廣泛的應用于各種大型機械設備中，行星齒輪箱一旦發(fā)生故障，將會造成很大的安全事故和經濟損失，針對傳統傳動結構的齒輪箱的故障預警與診斷的研究已經比較成熟，但是對行星齒輪箱故障的研究卻是比較少，本文針對風電行星齒輪箱，采用SCADA數據和振動數據進行故障預警與診斷的研究。
　　本文的主要研究內容如下:
　　1.首先，對齒輪的常見故障進行了介紹，從齒輪的振動機理出發(fā)，建立齒

2、輪振動模型，分析齒輪典型故障下的振動信號特征，同時對風電齒輪箱的類型以及結構進行介紹，以齒輪磨損這一故障為研究對象，結合FTA和FEMA技術，分析故障原因、影響、征兆以及相應的維修措施，建立完整的故障知識庫。
　　2.在平行嚙合齒輪振動分析的基礎上，對行星輪系振動信號模型進行分析，計算行星輪系各組件的轉動頻率，分別對行星輪系正常、分布故障、局部故障時的振動信號模型進行分析，得出各故障的特征頻率，利用MATLAB軟件對行星輪系各狀態(tài)

3、進行仿真，分析各狀態(tài)下的頻譜特征。
　　3.針對很少利用現有SCADA數據對齒輪箱進行故障預警與診斷的現狀，本文對齒輪箱潤滑油油溫進行研究，針對齒輪箱運行工況復雜多變，依靠恒定的潤滑油溫度值作為齒輪箱故障預警值容易出現誤報的問題，提出了基于運行區(qū)間劃分的齒輪箱在線故障預警方法。通過劃分不同的運行區(qū)間，根據高斯模型對不同運行區(qū)間分別設定閾值，將實時數據帶入相應的運行區(qū)間判定是否異常，再利用移動窗口計算異常率作為觸發(fā)齒輪箱故障預警的指

4、標。
　　4.無量綱指標對于齒輪早期故障敏感，可以作為齒輪早期故障預警，針對新無量綱指標需要在整周期采樣的基礎上進行計算的要求以及風電機組運行工況不穩(wěn)定，所測得的振動信號為非平穩(wěn)信號的現狀，采用階比分析以及EMD分解方法對振動信號進行預處理，進而轉化為平穩(wěn)角域信號，同時齒輪箱不同傳感器測點提供故障不同敏感度的信息或者互補的信息，本文以多傳感所測振動信號的無量綱指標為預警參數，采用遺傳優(yōu)化神經網絡算法對齒輪早期故障進行預警，比一般神

5、經網絡算法計算速度快，準確率高。
　　5.在上述第2點的行星輪系故障特征的基礎上，提出一種新型的齒輪箱故障部位以及嚴重程度的在線診斷方法，首先提取可準確表征故障信息的特征量，再計算待測樣本和預先設定的各故障模式標準樣本之間的J-散度和KL-散度值，利用散度值可表征故障模式以及散度值的變化可追蹤故障嚴重程度變化的特點，來判斷故障部位及嚴重程度，同時，針對行星齒輪箱一般缺乏足夠故障樣本的問題，對此方法進行改進，通過計算待測樣本與正常標