论文学习｜第五篇-综述-风力发电机组状态监测与故障诊断综述——第一部分：部件与子系统

本文对风力发电机的最新状态监测和故障诊断技术进行了全面的调查。本调查的第一部分简要回顾了已有的文献资料，讨论了风力发电机组(Wind Turbines, WTs)主要部件和子系统的常见故障模式，简要回顾了这些部件和子系统的状态监测、故障诊断技术，并具体讨论了海上WTs的状态监测和故障诊断问题。

关键词:  状态监测、故障诊断、调查、风力发电机(WT)

风电机组是一个复杂的机电系统，由数百个部件和子系统组成，包括转子轮毂、叶片、轴承、轴、齿轮箱、发电机、电力电子设备等。图1显示了典型的3型WT。WT的每个部件都有其自己的故障模式和对WT停机时间的影响。图2显示了主要WT子系统的年度故障频率，以及这些子系统故障造成的平均停机时间，这些数据基于13年来欧洲陆上风力发电系统的两次大型调查[7]。本节研究了这些关键WT子系统的主要故障模式，并简要概述了这些子系统及其关键部件的CMFD技术。一些部件，例如轴承、电动机和控制系统，用于多个WT子系统，例如俯仰和偏航子系统。因此，每种类型的部件都在单独的小节中对使用这种类型部件的所有子系统进行研究。

图1 一种典型的3型WT，带有所示的主要子系统[12]

图2 主要WT子系统的故障频率以及这些子系统故障导致的停机时间[7]

3.1  转子轮毂和叶片

风力发电取决于转子和风力之间的相互作用。WT的转子由轮毂和叶片组成。WT转子的可能故障包括转子不对称以及疲劳、刚度降低、裂纹、表面粗糙度增加和叶片变形等[8], [9]。转子不对称通常由叶片桨距角误差(即气动不对称)或转子(叶片)质量不平衡引起[10]，[11]。疲劳是由材料老化和叶片经受的风载荷变化引起的。长期疲劳会导致叶片的玻璃或碳纤维增强塑料结构分层，这将降低叶片的刚度。长期疲劳也会导致叶片表面或内部结构出现裂纹。叶片表面粗糙度增加通常是由污染、结冰、气孔、剥落等引起的。叶片的变形通常是由叶片的长期不平衡负载和刚度降低引起的。

3.2 齿轮箱

齿轮箱被认为是WT中最麻烦的子系统，因为齿轮箱故障造成WT约20%的停机时间[17]。用于齿轮箱状态监测的方法主要基于振动监测，基于声发射、电流和温度的状态监测技术也越来越受欢迎[18]。

齿轮和轴承是齿轮箱中的两个主要部件。大多数齿轮箱故障是由齿轮和轴承故障引起的。各种因素，例如设计和材料缺陷、制造和安装误差、不对中、扭矩过载、表面磨损和疲劳，都会导致WT齿轮箱故障。大多数齿轮箱故障始于轴承故障[19]，轴承故障产生的碎屑会导致齿轮箱的其他部件(如齿轮)磨损。齿轮故障也可能独立于轴承故障发生，但是并不常见。业内确定的最常见的齿轮故障包括由于润滑不良造成的齿磨损(由于转速低，常见于行星齿轮)和由轴承故障产生的碎片引发的表面疲劳[19]。其他更严重的齿轮故障包括齿轮或齿开裂、破损和断裂。

WT齿轮箱中的齿轮故障通常会导致齿轮箱在某些特征频率                            下振动，这将出现在从安装在齿轮箱上的振动传感器获取的振动信号中[20]-[23]。 

                         其中，                            是齿轮箱中第                            个轴的旋转频率；                            是第                            个齿轮的啮合频率；                            和                            分别是齿轮箱中轴和齿轮副的数量。安装在齿轮箱上的声发射传感器测得的声发射信号中可以发现类似的故障特征频率[24]。在电信号中，例如从连接到齿轮箱的发电机端子测量的电流信号，故障的特征频率                            是振动对电流信号的频率和振幅调制的结果，由下式给出：

                         其中，                            是基频，                            是代表电流基波和可能谐波的正整数。

因此，用于齿轮箱CMFD的方法主要是基于振动监测[25]-[27]、AE[24]，[28]和基于电流的[13]，[20]-[23]，[29]-[32]状态监控技术也越来越受欢迎。齿轮箱故障诊断的所有努力都是为了使用适当的频率分析方法[18]找到信号中故障特征频率处的激励。基于频率分析的齿轮箱CMFD的一个挑战是健康的齿轮箱在信号中也具有许多特征频率分量。故障可能会在信号中引入新的特征频率，或者可能只会改变现有特征频率分量的幅值[20]-[23]。后者不能通过单独使用频率分析方法检测，需要对特征频率成分进行额外的统计分析[20]，[21]。

一些齿轮箱故障会导致齿轮箱温度异常。例如，轴承故障可能导致轴承温度和润滑油温度异常升高。因此，从轴承、润滑油等测得的温度在WT中也用于齿轮箱的CMFD [33]。此外，产生碎片的齿轮箱故障可能导致一些参数(例如，粘度、颗粒计数等)的变化。这些故障可以通过监测齿轮箱使用的润滑油油液参数来诊断，还研究了使用温度趋势和润滑油参数的统计分析来诊断齿轮故障[34]。

3.3  轴承

轴承用于各种WT部件和子系统，例如转子、主轴、齿轮箱、发电机、变桨系统和偏航系统。WTs中最常用的轴承是球轴承(ball bearings)。然而，趋势正在向滚子轴承(roller bearings)[18]发展。

(注：滚动轴承(rolling bearings)按滚动体分为球轴承和滚子轴承)

轴承故障通常最初表现为某些零件的磨损或表面粗糙，然后发展成一些主要的故障模式，如外圈、内圈、滚珠或保持架的疲劳、裂纹或破损。这些故障导致轴承的不同特征振动频率，这是WTs故障[35]，[36]中的一组主要振动频率，由下式[31]给出：

其中，                            和                            分别是外圈、内圈、滚珠和保持架故障的特征频率；                            是轴承的旋转频率；                            是滚动体的数量；                            和                            分别是滚珠直径和滚珠的节圆直径；                            是滚珠与滚道的接触角。 

与齿轮箱故障类似，轴承故障通常使用振动信号进行诊断[30]，[31]，[35]，[37]，[38]。声发射信号也用于轴承的CMFD[39]。最近，基于电信号的CMFD方法越来越受到关注[15]，[29]-[31]，[38]，[40]。与齿轮故障不同，轴承故障会在信号中引入新的特征频率，因此可以通过应用于信号的适当频率分析方法进行诊断[29]-[31]，[39]，[40]。轴承故障可能导致WT子系统中其他部件的灾难性故障。例如，大多数齿轮箱故障始于轴承故障[19]。因此，在早期阶段检测轴承故障是有价值的。然而，早期轴承故障诊断的一个主要挑战是它们可能没有任何特征频率[41]或信号中的信噪比低。解决这一挑战需要先进的信号处理技术。此外，如果轴承是用油润滑的，轴承故障也可以通过监测一些油的参数来诊断[42]。

3.4  主轴

WT中主轴的故障模式包括腐蚀、裂纹、不对中[43]，[44]、联轴器故障等。故障将影响轴的旋转和连接到轴的其他旋转子系统。这将影响传动系统中传递的扭矩，并可能在某些特征频率下激发转子、齿轮箱和发电机的振动[37]，[45]。例如，发现轴不对中故障会影响转子、齿轮箱和发电机振动的基频幅值[37]，[45]。因此，轴故障可以通过使用频率分析技术(如快速傅立叶变换)分析扭矩、振动和电信号来检测。

3.5  液压系统

液压系统广泛用于WT叶片俯仰、偏航和机械制动子系统，以向驱动马达输送液压动力，从而分别调节叶片俯仰角[46]和偏航位置，以最大化风力发电，并控制机械制动以确保WT安全[47]。液压系统出现各种故障，如漏油和滑阀堵塞[48]。这些故障可以通过使用从压力和液位传感器获得的信号来诊断。如果信号值异常，则表明液压系统出现故障。

3.6  机械制动器

机械制动器通常安装在WT的高速轴上，以防止转子超速，并在关键部件出现故障的情况下停止发电。在WT偏航子系统中也使用机械制动器来稳定偏航轴承。机械制动器通常由三个主要部分组成：制动盘和卡钳、驱动卡钳的液压机构以及为液压机构提供动力的三相交流电机，如图3所示[49]。由于制动器通常经受极端的机械应力，制动盘容易因过热而破裂和失效，同时制动盘和卡钳都遭受过度磨损。这些故障可以通过振动和温度监控来诊断。然而，很少有人报道过盘式或卡尺的CMFD。与液压部分和交流电机相关的其他故障将在其他小节中讨论。从交流电机终端获取的电压和电流等电信号也可用于液压部分和电机本身的故障诊断[49]。机械制动器中的故障尤其令人担忧，因为它们会导致WT的灾难性故障。因此，需要对机械制动器的CMFD进行更多的研究。

图3 典型WT机械制动器的配置[49]

3.7  塔架

WT塔架的故障主要与结构损伤有关，如腐蚀和裂纹。这些故障可能是由诸如制造过程中质量控制不佳、安装装载不当、恶劣环境(如闪电和风暴)和火灾等因素造成的。在时域[50]和频域[51]分析塔架的振动可以揭示其健康状况。

3.8 电机（发电机和电机）

风力发电系统中使用的发电机可分为几种类型，如表1所列。此外，电动马达还用于变桨、偏航和机械制动子系统。发电机和电动机中的故障模式可分为电气故障(例如，定子或转子绝缘损坏或开路和电气不平衡)和机械故障(例如，转子线棒断裂、轴承故障、轴弯曲、气隙偏心和转子质量不平衡)。几篇论文[38]，[52]-[55]中调查了用于各种工业的发电机和电动机的CMFD技术。许多现有技术可用于风力发电系统[3]中电机的CMFD，尽管很少有人专门报道风力发电系统中使用的电机的CMFD。

绕组故障，如线圈短路和匝间故障，是WT中使用的感应电机最常见的故障模式之一[56]。绕组故障期间，磁场通常存在不对称性[28]。在这种情况下，可以通过使用适当的频率和时频分析技术监测从电机端子获取的电信号中由下式描述的特征频率                            来诊断故障。

                         其中，                            是极对数；                            是基频；                            是个滑距。也可以通过使用扭矩测量、轴位移和齿轮箱或电机振动来检测故障。绕组故障也会导致绕组温度升高[57]。定子开路故障会改变定子线电流和瞬时功率的频谱。实验结果表明，瞬时功率的频谱比定子线电流携带更多的故障相关信息[58]。

在鼠笼式感应电机中，转子断条故障被认为是非常严重的，因为它很难修复。检测转子断条故障的当前实践是使用机器定子电流信号的频谱分析。在频谱分析中，定子电流基频周围的边带分量                            被认为是故障的特征频率，如下所述：

                         电机中的其他机械故障也可以通过使用电信号来检测。例如，类似于电气不平衡、转子质量不平衡也表现出电信号中的特征频率。此外，据报道，电机中的轴承故障会改变功率输出的振幅和相位谱[15]，[37]并升高发电机的绕组温度[28]。此外，使用振动监测来诊断机械故障也是常见的。