兆瓦級風電齒輪箱高速齒輪斷齒失效分析知識分享-乐鱼官网官網
兆瓦級風電齒輪箱高速齒輪斷齒失效分析知識分享
摘 要:
風電齒輪箱是風機傳動鏈的重要組成部分，其中高速級齒輪工作環境複雜多變，失效破壞易發，極易引發齒輪箱的故障，甚至帶來災難性後果而停機。實時狀態監測及故障診斷，對於確保風機正常運行尤為重要。基於振動信號的風機故障診斷研究方法層出不窮，然而現有的方法對具體型號風機不具有普適性。因此，該文對在齒輪失效特征歸類總結的基礎上，選取高速齒輪斷齒時的振動信號，通過小波變換對原信號消噪，有效辨識邊頻帶特征，以反映齒輪失效程度;進而通過頻譜變換獲得頻域特征，以反映齒輪失效的類型。結果表明，斷齒發生時，時域上幅值有周期性衝擊，周期為轉速的倒數。頻域上，轉頻的5倍頻均有大幅增加，甚至達到127倍;高轉速下齧合頻率2倍邊頻帶不對稱性更為明顯，3倍頻幅值增加達4.4倍;斷齒失效下會引起該型號風機1200～1500Hz頻段的共振現象，研究結果可作為該型號風機斷齒失效診斷的基礎數據。乐鱼官网官網
引言
兆瓦級風力發電機長期工作於野外，工作環境惡劣。其中，齒輪箱高速級齒輪轉速高、受載頻繁，更易發生失效，甚至間接引起其他零部件的失效。這些失效不斷發展，直至發生重大事故而停機，嚴重影響風電企業的效益。為了及早發現齒輪失效，製定相應維修策略，通常利用采集齒輪振動信號來分析運行狀態的方法。在對振動信號的分析中，強噪下微弱失效特征、複合故障診斷是當今機械故障診斷領域的難點。
對於齒輪振動信號分析，研究人員提出了很多有效的方法。對采集的風機振動信號消噪方麵，現在研究較多基於小波變換、經驗模態分解等的消噪方法。
即先將信號進行多層分解，在每層分別設置閾值消除噪聲成分，最後經過重構信號以達到消除噪聲凸顯失效特征的目的。在特征提取方麵，由於風機振動信號的非平穩性、非線性的特性，時域特征的提取並沒有取得明顯的效果，對風機振動信號的特征提取主要集中在頻域和時頻域上。在頻域上的特征提取包括頻譜、倒頻譜、功率譜、高階譜、解調譜和階比譜分析等。時頻聯合分析能有效對非平穩信號進行分析和處理，從中提取故障信號中所包含的特征信息，主要有短時傅裏葉變換、小波變換、希爾波特黃變換和EEMD等。
雖然科研人員圍繞風機齒輪箱的失效診斷開展了大量的研究，采用了各種消噪、特征提取的方法，但具體到某型號風機則需要對齒輪失效普適性規律細節化，以提高失效診斷的準確性。因此，該文在對風機齒輪失效特征歸類總結的基礎上，對一風場某型號大功率風機齒輪箱高速級齒輪斷齒失效的振動信號進行小波消噪和頻域特征提取，以期建立斷齒失效的判據為該型號風機的故障診斷提供基礎數據。
1、齒輪失效特征歸類概述
兆瓦級風機齒輪箱工作環境更加複雜，交變載荷以及運行速度的時刻改變給齒輪失效類型的準確診斷和定位帶來了很大困難。除了齒輪長期運行逐漸積累的失效，風力齒輪箱的複雜運行環境使隨機衝擊帶來失效也時常發生。為此，該文結合齒輪失效機理和失效演化過程對不同失效類型的特征進行歸類分析，以便更加快速判斷失效程度和類型。
齒輪正常齧合、發生分布式失效、局部失效3種情況，對其時域、頻域特征進行具體分析。發生斷齒失效時，在斷齒處將會產生很大的衝擊，在時域上表現為幅值的規律性增大;在頻域上體現為齧合頻率及其倍頻的邊頻帶數量增加，幅值增大，分布變廣，同時由於衝擊會引起齒輪箱某階固有頻率，產生共振帶。當齒輪發生分布式失效時，如齒輪發生均勻磨損時，會導致傳動間隙增加進而引起齒輪齧合點相對位置的變化，從而使激勵成分發生變化。在頻譜表現為旋轉頻率、齧合頻率及其倍頻的位置不發生變化，但幅值增大，即會產生齧合頻率及其倍頻的幅值增大的現象，同時振動信號會激發以轉頻為間隔的齧合頻率邊頻帶。這是由於分布式失效的齧合線相較於正常齧合時發生一定變化，齧合的平穩性受到破壞，衝擊能量增大，使振動的幅值也相應增加。齧合頻率幅值，邊頻帶的振動幅值更加敏感於齒輪的磨損。因此，邊帶效應所對應的幅值變化是判斷齒輪是否存在磨損的重要指標，同樣當齒輪磨損嚴重時，其齧合頻率的高次諧波也將更加明顯。
2、信號消噪
兆瓦級風電機組工作環境惡劣，采集的振動信號除了包含有隨機噪聲外，風機塔筒的低頻振動等也會與係統的振動信號產生調製，如圖1所示。
圖1 信號幅值調製過程
齒輪某些失效特征比較微弱，容易淹沒於噪聲中。為了更好地提取故障特征，需要對采集的振動信號進行預處理，以盡可能消除噪聲對特征提取的影響。傳統的數字濾波器如IIR、FIR濾波器隻能實現低通、帶通或高通等一定頻帶內的數字濾波，對於非平穩的風機振動信號消噪效果並不理想，而小波消噪在非平穩振動信號消噪方麵取得了良好的結果。其原理如圖2所示。
圖2 小波消噪原理
從原理可知，小波消噪的關鍵在於以下3個方麵:選擇合適的小波基;設置合理的閾值;確定合理的分解層數。目前，小波基的選擇並沒有標準的理論依據，要根據不同的振動信號選擇不同的小波基。當振動信號波形與小波基波形相似度越大時，小波基的選擇越合適。對於實際的振動信號，需要做大量試驗來確定合適信號的小波基函數。同時在選擇小波基時，小波的對稱性、平滑性也是需要考慮的，而三者之間又相互製約，一般要綜合考慮來實現三者的相對平衡。
對於去噪後的效果評價通常有2個條件，即信噪比SNR和均方根誤差RMSE，一般綜合分析兩者之後再考慮去噪性能的優劣。假設S(k)為原始信號，圖片(k)為消噪後的信號，SNR的定義如式(1)所示。
RMSE均方根誤差定義如式(2)所示。
信噪比越大去噪效果越好，均方根誤差越小重構的信號與有用信號的接近程度越大。
3、複合故障實例分析
西北某風場1.5MW風機齒輪箱有振動和異響，經現場檢查發現風機存在有斷齒失效，如圖3所示。
圖3 斷齒失效
對采集的該風機振動信號進行時域、頻域的分析，以為後期建立此類風機振動特性數據庫提供基礎數據。該風機失效齒輪振動信號采樣頻率為51200Hz，采樣時間為2.5S，選取該齒輪在1800r/min下的振動信號進行分析。其相關參數如表1所示。
表1 1800r/min齒輪運行參數
3.1小波消噪處理
在對實際采集的振動信號進行消噪時，首先要選擇小波基。在選擇小波基時要從以下5個方麵考慮，即支撐長度、對稱性、消失矩、正則性和相似性。如果小波基的支撐長度太長，會產生邊界問題，太短又會使消失矩變低，不利於能量集中。在保證小波基波形與原始信號盡可能相似的情況下，綜合考慮選擇消失矩和支撐長度。因此，選擇DbN，symN，coifN小波基，通過評價指標最終確認小波基及其相關參數。
首先對DbN係列小波的去噪效果作對比，以選出針對該振動信號去噪效果較好的小波基。選擇db係列小波，分解層數5層，閾值規則選為Fixed form threshold，各小波基消噪效果如圖4所示。
圖4 不同小波基消噪效果對比
從圖4的曲線變化趨勢可知，當小波基為db8時，具有最大的信噪比和最小的均方根誤差，選擇該小波基可以選擇較優的去噪效果。然後對比不同分解層數對消噪效果的影響，如圖5所示。圖5中在分解層數為5層時，具有較高的信噪比。
圖5 分解層數消噪效果對比
確定了小波基和分解層數後，需要對比不同閾值規則對消噪效果的影響，如圖6所示。
圖6 不同閾值規則消噪效果對比
當閾值規則選擇Rigorous SURE(SNR=26.477，RMSE=0.2387)時，其消噪效果遠優於Fixed form threshold(SNR=9.2174，RMSE=1.7414)。最終，對於該振動信號，dbN係列小波選擇db8小波基，5層分解層數，RigorousSURE硬閾值時，可以取得較好的消噪效果。采用同樣的方法對sym係列小波進行選擇。最終，symN係列小波選擇結果為:Sym10，5層分解層數，RigorousSURE硬閾值。此時，信噪比SNR=26.5788，均方根誤差RMSE=0.2360。對比db8小波消噪效果，小波基為sym10相較於前者具有更優的信噪比和均方根誤差。最終選擇sym10為該振動信號消噪。對振動信號實際消噪效果如圖7所示。
圖7 小波去噪前後對比
經過小波消噪後，提高了信號的光滑性，保留了信號的局部特性;信號的振動變化趨勢更加明顯，細節特征分辨更加清楚。
3.2失效特征分析
該型號風機發生斷齒失效時，其時域波形如圖8所示。
圖8 斷齒時域
從圖8可知，發生斷齒時，在時域具有明顯的周期性衝擊。衝擊峰值間隔約為125ms，為主動輪轉頻(7.94Hz)的倒數。
分析圖9頻譜圖，從整體頻譜圖9a可知，該轉速下轉頻的5倍頻幅值有較為明顯的增加。其具體細節如圖9b所示，轉頻的5倍頻幅值(0.03198m/s2)是1倍轉頻幅值(0.01214m/s2)的2.6倍;齧合頻率的幅值(0.06721m/s2)約等於或遠低於2倍(0.06045m/s2)、3倍齧合頻率幅值(0.2988m/s2)。而且2倍齧合頻率處存在以轉頻及其倍頻為間隔的邊頻帶，邊頻帶呈不對稱分布，2倍齧合頻率的高頻側邊頻帶幅值遠大於低頻側，在齧合頻率的其他倍頻並無明顯邊頻帶出現。
圖9 斷齒失效頻譜
在齧合頻率及其2倍頻之間存在幅值異常增大的邊頻帶，是由斷齒引起的齒輪某階共振頻率。同時，對振動係統采集的其他時段的振動信號進行分析。這些數據主要采集時間為9d，采集時間間隔為4h，共計49組數據。其中，轉速為0的數據4組，轉速極小的數據4組，剔除後所剩數據41組。這些數據的轉速在1012～1822r/min。為了便於研究，根據轉頻幅值大小將數據分為3組，即1012～1235r/min，1399～1620r/min，1700～1822r/min。
在高速與相對低的轉速之間時，即1399～1620r/min轉速範圍內，轉頻及其倍頻的幅值差異更加明顯。如5倍轉頻幅值平均是1倍轉頻幅值的59.2倍，最高甚至達到159.41倍。而在其他轉速下，平均差異分別為較低轉速下的0.47倍和高轉速下的7.0倍。
可見，在研究振動信號的轉頻特征時，從1399r/min和1620r/min轉速範圍內更易提取。從齧合頻率可知，其2倍頻的邊頻帶更易發現不對稱的特征，其他倍頻主峰值遠高於邊頻帶，特性不明顯。雖然發生斷齒後，共振帶一直存在於振動信號中，但它更易淹沒較低轉速下的信號，影響特征的提取。
4、結論
(1)小波分析在處理風機振動信號的噪聲消除方麵具有優越性，在對該型號風機消噪時，選擇sym10小波基，5層分解層數，並選擇Rigorous SURE硬閾值能取得比較理想的去噪效果。
(2)研究該型號風機的轉頻特性時，低於高速下的一定轉速範圍內特征更加明顯。
(3)該型號的風機係統的共振頻率在1325～1500Hz範圍內，在進行係統的故障特征分析時應該盡量避免選擇齧合頻率的2倍和3倍頻落在該範圍內，以免齧合頻率的倍頻與該共振頻率疊合，影響故障特征的識別。乐鱼官网官網