风力发电机组故障诊断系统研究(硕士论文)

风力发电机组故障诊断系统研究

姓名：赵龙申请学位级别：硕士专业：热能工程指导教师：黄树红

20090526

华中科技大学硕士学位论文

摘 要

随着经济的发展，风能作为新能源、清洁能源的一个代表，最近10年间以爆发式的速度发展。但同时国内外风电场的事故频发，从风力机自身的轴承磨损、齿轮断齿、轴偏心等常见故障，到风力机自身烧毁、叶片飞落、风力机倒塌等，都可能造成风力机毁坏甚至造成社会安全事故，这些事故经常困扰着国内外风电场的业主们。鉴于这些，风力机的安全运行和故障诊断，已经逐渐成为风力发电发展中的重要研究方向。

本文总结了风力发电机各主要部件存在的故障，并同时总结了各种故障产生的原因和危害。之后针对各故障提出了相应的诊断检测方法，结合这些诊断方法设计了理想情况下的风力机状态监测与故障诊断系统。结合实际设计了使用振动信号、电信号和温度信号，为信息源的典型风力机状态监测与故障诊断系统，并具体设计了此系统的功能与软硬件结构、数据库结构。典型风力机状态监测与故障诊断系统比已有的振动信号监测系统，拥有传感器少、成本低廉、诊断故障多等优势。最后基于典型的故障诊断系统设计思路，构架了一套风力机状态监测与故障诊断的实验平台，获得了电信号的数据，并对数据进行了处理，为以后在此平台上进行的风力机故障诊断研究打下了基础。

本论文的特色在于综合总结了风力机存在的许多故障问题，同时总结了各种风力机故障的相关检测手法与技术。设计了理想的和典型的风力机故障诊断系统，提出了利用振动信号、电信号和温度信号来诊断风力机故障的思路，并设计了此系统的功能与软硬件结构、数据库结构。构建了风力机状态监测与故障诊断实验台架。这些对以后的相关研究有借鉴作用。

关键词：风力机，故障，监测，诊断，振动信号，电信号，系统

I

华中科技大学硕士学位论文

ABSTRACT

With the society and economy development, the wind power has grows on the explosive type in the recent 10 years, and wind power is becoming the delegate for the new energy and green energy. The accidents are becoming more and more of the wind turbine in and out country. Form bearing wear and tear，gear break，shaft eccentricity to the wind turbine burning，blade fall off, tower collapse are bothering owner of the wind power and threatening the society. For the above all, the wind power fault detection and security operation are becoming the important theme of the research.

The paper introduces the main faults of the wind turbine, and it introduces the reason and influence of the faults. Then it tells some fault detection methods. It used the methods to make an ideal diagnosis system for the wind turbine. It also gives a viable system, which use vibration signals, electricity signals and temperature signals. Also the paper depicts the system function and hardware, software and date-base. The system is better than the presence system which only used vibration signal, because the new system use few sensors, and cheaper, also can detection more faults. Finally, it builds a table for lab, and run the lab table success on the fault diagnosis system. The table got the electricity signal and deal with the signal. The table is base for the future research.

The special is that introduce many wind turbine faults in the title. The paper introduces many fault diagnosis techniques for wind turbine. It gives the method that combine the vibration signals electrical signals and temperature signal to diagnosis the wind turbine. It gives the function of the system. It builds the table for the diagnosis system. All of this is useful for the future research.

Keywords: wind turbine, fault, detection, diagnosis, vibration signal, electrical signal, system

II

独创性声明

本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名：

日期： 年 月 日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保 密□，在____________年解密后适用本授权书。

本论文属于

不保密□。

（请在以上方框内打“√”）

学位论文作者签名：

日期： 年 月 日

日期： 年 月 日 指导教师签名：

华中科技大学硕士学位论文

1 概 述

1.1 本课题研究背景

风能是太阳能的一种转换形式，是取之不尽、用之不竭的。在其转换为电能的过程中，不产生任何有害气体和废料，不污染环境，因此受到世界各国的广泛重视。近几年，风力发电产业开始进入一个高速增长期。全球风能协会的最新数据显示[1]，去年（2008）全球风能比前年增长了29%，产能为六年来最高。其中，美国去年新增风能8.4GW，在总量上一举超过之前的领头羊德国，成为当前世界风能装机容量最多的国家（25 GW）。中国的表现也相当不错，去年新增的风能相当于前四年总和的两倍，总量上排在美国（20.8%），德国（19.8%）与西班牙（13.9%）之后，位列世界第四（10.1%）。

相对于其他可再生能源，风力发电在技术成熟度、基础设施建设以及成本方面都很有优势。可以预计风能将在未来世界能源结构中发挥极其重要的作用。风电作为一种新技术，要取得长期稳定发展，就必须不断降低成本。一方面要降低制造、安装成本，另外很重要的一个方面是降低运行维护成本。

瑞典、芬兰和德国的风电场的故障统计数据表明，风力发电机的叶片、液压、电气、机械传动等系统都会有故障发生，其中最常发生的故障是电气系统故障，主要的停机时间是由齿轮故障造成。统计数据还指出，风力机尺寸越大，故障的频率越高。对于海上风力机，由于其工作环境更恶劣，并且比陆上更难以进行维护操作，其故障频率更加频繁。我国已建成的风电场的风力机有相当部分是上世纪90年代中后期由国外购进的，其单机容量为250KW、300KW、500KW、600KW、660KW、750KW几种。这些机组寿命为15-20年，保修期一般为2年，随着机组运行时间的加长，目前这些机组已陆续出现了故障，导致机组停止运行，严重影响发电量，造成经济损失。

目前大多数风力机都有控制系统。控制系统主要功能为保障风力发电机组安全运行，通常保存控制系统的状态信息、输出电量以及风速情况，但在大多数情况下，当

1

华中科技大学硕士学位论文

控制系统发出警报时故障已经发生。整个系统能做的只是停止风力发电机运行，以防止故障的进一步恶化。现在的故障诊断方法都是基于准静态状态参数的检测方法，比如检测某些时刻的振动信号、油液参数、温度参数、发电机输出端的电流、电压等参数，进而依据这些参数进行诊断。基于这些参数的检测手段、诊断数学方法等都达到了很高的水平。但是，仍存在以下问题：

1．检测手法的缺乏是风力机故障诊断的一个瓶颈，导致不能满足风力机故障诊断的需要。如对运行中叶片气动应力检测、偏航系统卡涩检测、转子内裂纹检测等，都缺乏有效的手段。

2．复杂故障的综合分析诊断缺乏更好的反映系统内在联系的手段和途径。

1.2 国内外研究现状及发展动态

国外对风力发电系统的故障诊断研究工作开展较早，针对风力发电系统容易发生故障的部件已经展开了较多的研究。目前的研究重点主要在电气系统（发电机）、叶片、传动系统（齿轮箱）等方面。国外主要是通过对风力发电机的输出信号如电流、电压和功率等来进行分析，以诊断故障[2][3]。Caselitz P,Giebhargt J,Kruger T等人[4]通过研究发电机输出功率的频谱特性，分析了转子不平衡、气动力不对称故障，指出二者的特征可从一倍频处幅值增大反映出来，但是不能从电功率的谱上区别开来。D. Casadei等人[5][6]用转子调制信号谱来诊断发电机的定子和转子不对称故障，结果表明，转子信号调谱中的故障信息比电流谱更清晰。H. Douglas等人[7]研究了故障信号的非稳态特性，采用小波分析和统计方法研究定子的线圈故障。M. Wurfel[8]则通过FFT分析转子电流来判断与发电机相连的滑环的状态变化以诊断电机的故障，在大型风力发电机组（>2MW）上取得了较好的结果。

Jeffries W Q和Amirat Y等人[9] [10]通过电机终端的功率谱密度来分析叶片的不平衡和缺陷(利用双相干和归一化双谱技术)。Tsai C S[11]则对电机的功率谱进行小波变换后，利用和文献[9，10]类似的技术来分析叶片损害。对于叶片最重要的雷击故障，Kramer S G M[12]指出不能通过发电机的终端输出来进行监测，为此采用光纤电流传感器网络来帮助确定遭闪电损坏的位置，取得了一定的效果。

2

华中科技大学硕士学位论文

风力机的齿轮箱在恶劣环境下工作，损坏率很高。Mohanty A R[13]通过解调异步电机的电流信号来诊断齿轮箱故障，通过幅值和频率解调来监测转轴旋转频率。然后，对解调的电流信号实施离散小波变换，从而达到降噪和移去干扰的目的。最后利用某一特定层次的谱来诊断齿轮故障。Eren L[14]提出轴承缺陷信息可以调制于定子电流中，通过小波包变换，电流信号可以用来监测轴承缺陷，并且可以顾及变速导致的轴承故障的频率成分变化。

国外对人工智能在风力发电系统故障诊断上的应用也进行了广泛的研究[15]。人工智能诊断方法包括人工神经网络、数据挖掘、模糊逻辑、专家系统等。为了提高诊断准确率，更好地适应工程需要，近年来还出现了多种诊断技术结合的诊断方法，如小波神经网路、模糊自组织神经网络、基于模糊集的故障树、基于粗糙集的人工神经网络、基于模糊推理的专家系统等。P.Caselitz等人[16]应用人工智能技术对包括塔架、机舱和动力部分在内的风力发电系统进行了故障诊断，该方法需要对每一个风力发电机进行单独训练。Garcia MC,Sanz-Bobi MA,Del Pico J等人[17]从风电系统健康管理的角度提出了在线预测智能系统(SIMAP)，利用人工神经网络实现了对风力机各部件和整机的健康状况评估，并使用模糊专家系统技术对故障进行诊断。

国内对风力发电系统的故障诊断还处于起步阶段，主要集中在对传动链（齿轮箱）的研究上，采用的方法主要是传统的振动分析方法[18]~[20]。目前我国从事风电系统故障诊断技术研究与开发的单位较少，主要有大学、沈阳工大、西华大学、中国石油大学和大连理工等高等院校，最近清华大学、华北电力大学和天津工业大学也开展了一些研究。此外，一些公司对传统的旋转机械振动监测故障诊断系统进行了改造，应用到了风力发电系统上，如风能有限公司、金风和深圳创为实等公司已开发出相应的产品。

周培毅，张新燕等人[21]，以振动力学和有限元理论为基础，建立起了风力发电机组圆柱齿轮的有限元模型，计算了齿轮频率和变形，其研究结果对风力发电机组齿轮箱的故障诊断具有一定的参考价值。唐新安、谢志明、王德伦、王哲、樊长博、张来斌、时轶、崔新维和王德伦等人[22]~ [26]对风力发电系统的齿轮箱故障进行了多方法诊断研究。方法有:幅域统计(最大值、最小值、平均值、方差、标准差、均方值、有效

3

华中科技大学硕士学位论文

值)分析；概率密度与概率分布函数；时域分析；幅值谱分析；倒频谱；功率谱密度分析。通过分析、比较正常信号和故障信号的不同，得出了正确的诊断结果。

国内对风力机的叶片故障研究较少，叶枝全，马昊，丁康等人对水平轴风力机桨叶进行了实验模态分析[27]。在此基础上徐玉秀，张承东等人针对风力机叶片结构的运行工况，应用有限元分析方法，对叶片进行动力学建模、动力学特性及应变响应的特征研究[28]，对于叶片的损伤识别做出了有益的尝试。

国内有人员对故障诊断的人工智能方法也做了初步研究。张彦南和张礼达[29]针对风力发电机组机舱内所发生故障，结合多名专家的实际经验，采用模糊理论为推理方法，构建了故障诊断专家系统。实例表明，该系统满足风电机组调速系统故障诊断的实用性要求。郭洪澈[30]针对风力机的故障特别提出了数据库的奇偶编号、推理机的模糊推理判断以及相应的学习机制，以增强本故障诊断专家系统的智能性。

综上所述，目前风力发电系统故障诊断研究的主要特点如下：

1．国内与国外研究水平差距较大，国内主要采用传统的旋转机械故障诊断方法-振动分析法，国外则通过分析发电机功率信号来监测系统故障。对于风力发电系统，基于振动的故障诊断方法需要安装相当数量的传感器作为成本。此外，紧凑的风力机机舱空间意味着传感器安装困难。所以导致仅依靠振动信号的故障诊断系统工业应用起来相对较难。

2．国内外都是针对风电机组的某个设备开展了故障诊断方法的研究，并没有从系统的角度去研究系统的故障特征。大多数研究文献并没有考虑风速变化对故障特征的影响，例如文献[4]指出表面粗糙和偏航不对中造成的气动力不平衡，可以通过一倍频、二倍频处的幅值增大反映出来，但实际上在不同的风速范围，其幅值增大程度并不一样。

3．现在的故障诊断方法都是基于准静态检测状态参数的方法，比如检测某些时刻的振动信号、油液参数、温度参数、发电机输出端的电流、电压等参数进行诊断。这些方法并不能反映系统的特性变化过程，不能满足系统故障的要求。如对运行中叶片气动应力检测、偏航系统卡涩检测、转子内裂纹检测等，都缺乏有效的手段

4．当前风力机的故障判断主要是通过比较实际值和允许值，来直接决定是否发

4

华中科技大学硕士学位论文

出警报。而那些基于系统辨识或者基于观测器的方法还没能用到风力机上来 [20]。

因此，从系统的角度出发，通过研究风电系统的特性变化确定故障征兆，以达到故障诊断的目的，是一种行之有效的方法。系统的特性变化在输入不改变的情况下反映了系统的内在特性。系统的内在特性是由组成系统的所有元素的特性及其相互之间的关系所决定的，系统的某一局部出现故障势必改变该局部的内在特性，引起系统整体变化。

1.3 状态监测及故障诊断系统现状

在线监测故障诊断系统以包括传感器在内的仪表设备和计算机、网络、通信为技术手段，结合监测对象的特殊性，有针对地对运行参数进行在线连续监测，对设备状态做出实时评价，以指导业主对设备的维修管理工作[31]。

状态监测与故障诊断其实是两个不同的概念[32]。状态监测的任务是监测运行参数，监视其发展趋势并采集各关键数据。故障诊断的任务是机组一旦偏离正常运行状态，要对其工况进行判断，并提出相应的处理方法。

风力机的状态监测设备在市场上已有工业产品问世，他们分别为德国PRUFTECHNIK公司VIBXPERT、VIBROWEB-XP，德国FAG公司FAG X1，东方振动和噪声技术研究所DASP，西北工业大学旋转机械与风能装置测控研究所CAMD-6100[32]，阿尔斯通创为实S8I00。德国PRUFTECHNIK公司的VIBXPERT使用两只加速度传感器，频率测量范围为1~20000HZ，适合于出厂检验和现场测试， VIBROWEB-XP为六只加速度传感器，频率测量范围为0.1~25000HZ，适用于风力机的在线状态监测。德国FAG公司X1由八只加速度传感器组成，频率测量范围为0.2~10000HZ，适用于风力机在线状态监测。东方振动和噪声技术研究所的DASP由频率响应范围为0.001~200MHZ的传感器构成，适合于风力机故障的离线分析诊断。西北工业大学旋转机械与风能装置测控研究所的CAMD-6100，由频率为0.1~10000HZ的传感器构成，也只适合风力机离线故障诊断。阿尔斯通创为实得S8I00由60个加速度传感器组成，适用于风力机的在线状态监测。

以阿尔斯通创为实的S8I00为例，其加速度传感器直接测量风力机组主轴承、齿

5

华中科技大学硕士学位论文

轮箱、发电机的振动信号。除了传感器之外，S8I00还由数据采集监测站、无线数据接收站、现场WEB服务器、监测采集分析软件包、数据远程通讯包所组成。

S8I00与其它公司生产的状态监测设备最大的不同，即为其传感器众多。不过也因其众多的传感器，使其可以监控主轴承、齿轮箱、发电机的各个主要部位，所采集出来的信号全面、有效，为后续的风力机故障分析提供了良好的数据支持。

其它公司生产的状态监测产品，由于其传感器数量较少，只能监测风力机的某一部件或某几个部件的有限部位，其采样得来的信号不够全面，很难依靠所得的信号进行风力机全面的故障诊断与分析。

而对于S8I00来说，最大的问题是传感器众多，系统售价十分昂贵。而且由于传感器众多，在风力机狭小的空间内，要安装这么多的传感器，并且对其进行布线，此点本身将极大的该系统在风力机的实际应用。而其它公司的状态检测产品，由于传感器的数量过少，所能监测的风力机部件过少，所获得的有用信号过少，使得其产品在风力机上的实际应用效果大打折扣。鉴于此矛盾的两点，风力机振动监控系统虽已问世多年，但在风电场的实际应用却不理想。

1.4 本课题的研究内容和意义

本论文总结风力发电机组现有的各种故障，并总结了这些故障的危害。提出了相关可行的故障诊断方法，设计了一套典型风力机状态监测与故障诊断系统的方案。最后搭建了典型风力机状态监测与故障诊断实验平台，完成了相关程序的初步编写，为以后的研究工作打下了基础。其主要研究内容如下：

1．总结了风力机存在的故障类型和危害，风力机主要存在以下几个方面的故障：风力机塔架故障、风力机叶片故障、风力机齿轮故障、风力机发电机故障、风力机主轴故障，以及偏航系统、润滑系统存在的问题。

2．总结了风力机各部件的故障诊断方法，简要介绍了应用振动信号进行风力机的故障监控方法，通过电流电压信号诊断风力机故障的方法，以及润滑油油液分析的方法。

3．设计了理想的风力机状态监测与故障诊断体系，并结合实际设计了典型的风

6

华中科技大学硕士学位论文

力机状态监测与故障诊断体系，设计了该系统的功能、硬件框架和软件框架。

4．基于典型的风力机状态监测与故障诊断系统设计思路，构架了风力机状态监测与诊断系统的实验平台，目的是为了模拟大型风力机所出现的各种故障。并阐述了实验系统及监测系统、硬件与软件的组成，数据的采集与处理，监测实验与结果，总体上描述了该监测诊断系统的构成。

本课题的意义在于：提出了一套切实可行的典型风力机状态监测与故障诊断系统，解决了原有风力机故障监控系统成本过高的问题，为风力机故障诊断系统的实际工业应用提出了方向和思路。对整个风力机主要故障进行了研究，综合了风力机绝大多数故障以及相应的检测方法，提出了风力机振动电信号监测系统，这些在风电行业内是第一次。搭建了实验平台，为下一步成熟的风力机故障诊断系统的实验研究做了前期工作。

7

华中科技大学硕士学位论文

2 风力机故障及危害

2.1 故障及维修的统计研究

图2-1为统计的2000~2004年间瑞典风力机各主要部件失效形式的百分比[33]，图中反映了风力机各部件失效数的百分比。最少的为轮毂0.3%，最多的为电控系统17.5%，其它故障数较多的为传感器14.1%、叶片偏航13.4%、液压系统13.3%。

图2-1 瑞典2000~2004年风力机故障统计[33]

图2-2为1994~2004年间德国、丹麦风力机各主要部件故障率的统计情况[34]。由于风力机情况各异以及风电场的环境不同，德国和丹麦风力机的故障发生率不尽相同，但大体的故障趋势是相同的。偏航系统、变桨系统、液压系统、发电机、转子、叶片、齿轮箱和电控系统都是故障的高发区。

8

华中科技大学硕士学位论文

图2-2 德国丹麦94~04年故障统计

[34]

图2-3为瑞典2000~2004年间统计的各风力机故障出现数与其运行年份图[33]。图中可以看到，风力机每年的故障数还是十分多的，前五年的故障率比较高，到第三年时达到一个顶峰之后，开始逐年下降，到运行12年时故障数又会达到另一个高峰。图中最后显示的故障数较少是因为完好存在的风力机数量已经降到接近0。

图2-3 瑞典2000~2004年故障数[33]

从瑞典2000~2004年间的故障统计情况来看[33]，每台风力机的失效概率为0.402次/年，平均停机时间为每台130小时/年，其中对于风力机停机“贡献”最大的部件为齿轮箱和偏航系统。

在风力机中最重要，故障影响最大的部件为齿轮箱。20%的停机时间是由于齿轮

9

华中科技大学硕士学位论文

箱的故障，并且齿轮箱故障的平均维修时间需要256小时。表2-1即为对瑞典1997~2004年风力机齿轮箱故障的统计。

表2-1 1997~2004年瑞典风力机齿轮箱故障统计[33]

年份 失效次数

1997 199819992000

2001

200220032004 1997~20047 232

21 41 52 26 30 42 13总计停机时间（小时） 4031 251850616172每次故障平均停机时间 所占总停机的比率

522812539872309 415 17413.6

30033.5

30714.8

330 181 17.4 14.6

192 61 97 2379.4 5.37.3 15.5

从表中可发现，瑞典近几年的风力机齿轮箱故障数在下降，但故障停机时间在增大。表2-2反映了1997~2004的齿轮箱故障原因以及各自所占的比例，其中齿轮箱主要的失效都是由于磨损导致的。

表2-2 齿轮箱故障形式[33]

故障形式 轴承 大齿轮 轴 密封问题 润滑油 其它

故障数量

平均停机时间

由磨损引起故障数

磨损引起的停机时间

601 379 0 30 36 299 41 562 3 272 0 0 8 52 13 26 44 230 36 2 0 4 5 19 风力机齿轮箱在我国也是重要的故障源之一，其引起的停机和维修损失费用往往也是最高。在我国就曾出现使用国外风力机，齿轮箱故障需要整体更换，而国外厂商又无法及时提供，致使该风场在投入运行不久，多台风力机就因齿轮箱故障而停机一年的重大事故。除了维修更换费用，停机期间少发电量的经济损失也是十分重大的。齿轮箱的维修困难、停机时间长，主要是因为齿轮箱不易于更换和拆装，尤其在几十米的高空，有时对齿轮箱的维修必须使用大型吊车，这些因素都加长了齿轮箱的维修和停机时间。

2.2 风力机齿轮箱

风力机齿轮箱是风力机中的重要部件，虽然并非所有的风力机都具有齿轮箱（例

10

华中科技大学硕士学位论文

如直驱型风力机），但现在风力机还是以带齿轮箱的机型居多。图2-4为一个风力机齿轮箱内部结构示意图：

图2-4 600kw风力发电机组齿轮箱结构示意图[26]

1．齿轮折断

齿轮箱失效的主要故障即为断齿。断齿之后的齿轮箱不但齿轮报废需要更换维修，同时也导致风力机无法正常运行，给业主带来双重损失。断齿常由细微裂纹逐步扩展而成。根据裂纹扩展的情况和断齿原因，断齿可分为过载折断（包括冲击折断）、疲劳折断以及随机断裂等。

过载折断的主要原因是作用在轮齿上的应力超过其自身极限应力[35]，从而导致裂纹迅速扩展，其原因一般有突然冲击超载、轴承损坏、轴弯曲或较大硬物挤入啮合区等。呈放射状花样的裂纹会出现于断齿断口处，并时而伴随有平整的塑性变形于断口处，并且断口处常可拼合。通过仔细检查一般会发现材质的缺陷、齿面精度太差、轮齿根部未作精细处理等。所以必要的措施应该在设计中予以考虑，比如安装时防止对中不准、防止硬质异物进入箱体内等等，以防止过载的情况发生。

疲劳折断发生的根本原因是齿轮在过高的交变应力反复作用下，从危险截面（如齿根）的疲劳源起始的疲劳裂纹不断扩展，并导致剩余截面上的应力逐渐超过其极限应力，最终造成齿轮的瞬时折断。疲劳裂纹产生的原因多为设计时载荷估计不足、材料选用不当、齿轮精度过低、热处理裂纹、磨削烧伤、齿根应力集中等等。所以在齿轮设计中传动的动载荷谱要被充分考虑进去，同时还要优选齿轮参数，正确选用材料和齿轮精度，并且充分保证加工精度以消除应力集中因素等等。

齿轮的随机断裂，究其原因通常是因为材料的缺陷、点蚀、剥落或其他应力集中，而造成的局部应力过大，或较大的硬质异物落入啮合区而引起。

11

华中科技大学硕士学位论文

2．齿轮点蚀、胶合

除了前面所提及的三种严重的断齿故障之外，齿轮箱还会出现点蚀、胶合故障。点蚀形成的原因，是由于金属疲劳而在接触面上形成细小的疲劳裂纹，之后裂纹的扩展从而又造成金属剥落。点蚀常发生在齿轮和滚动轴承表面，在运行几个小时之内就有可能产生点蚀现象，如果不及时控制点蚀状态，便会引起设备出现严重的损坏问题。在众多形成点蚀的原因中，表面粗糙和润滑选择不当是其中的两个主要原因。点蚀逐渐会导致齿轮磨损，而齿轮磨损、齿轮形状的改变，又会使齿轮表面所承载的压力增大、啮合精度下降，噪音、振动和齿轮轴线发生偏离，从而齿轮失效的几率便随之增大。点蚀逐渐扩大的后果即为断齿失效。从齿轮上磨削下的金属还会进入润滑油，而成为污染物，并随同润滑油在齿轮箱中循环，通过反复的挤压又会镶嵌在齿轮或轴承上。同样轴承20%以上的寿命减少便是由于润滑油的污染。但如果加入过滤环节，这些碎片便能被有效清除。另外，密封件被损害的部分原因也是由这些碎片所引起，并同时会导致油品泄露和污染物入侵。在点蚀发生之后无法用肉眼直接辨识出来，但齿面会变的暗淡。

接触应力的大小、载荷循环数、材料硬度、表面微观几何形状及润滑状态和润滑膜厚度等，都直接影响着点蚀发生的时间和程度。同时润滑油选用的得当与否，也会促使点蚀的产生。润滑油选用主要有粘度、添加剂、润滑方式三方面因素，其影响如下：

使用低粘度油，因为其流动性较好，而容易渗入齿轮、轴承表面裂纹中。渗入之后反而会加速裂纹的发展和导致金属块的脱落，而引起点蚀。高粘度的油不如稀油活泼，则也不易像稀油那样容易渗入裂纹。同时，粘度高有利于油膜的建立和油膜厚度的增大，并且油的弹性可缓和冲击，使接触应力的分布更趋于均匀，相对地降低了最大应力值，增强了齿面的耐点蚀能力。所以适当提高润滑油的粘度，可以减少表面疲劳点蚀的发生和扩展。

润滑方式也会影响机械部件抗点蚀的能力。油浴法比循环喷油法抗点蚀能力高11%；使用油浴法的啮出侧比啮入侧抗点蚀能力高8%；而用循环喷油法的啮出侧比啮入侧抗点蚀能力高20%。当润滑油达到粘着极限时，点蚀倾向随油量增大而增加。

12

华中科技大学硕士学位论文

胶合形成的原因可能是由于润滑条件不好或有干涉，适当改善润滑条件和及时排除干涉起因，调整传动件的参数，清除局部载荷集中，可减轻或消除胶合现象。

齿轮箱润滑不良也会造成齿面、轴承过早磨损。而造成润滑油失效的原因如下：大气温度过低，润滑剂凝固，造成润滑剂无法到达需润滑部位而造成磨损；润滑剂散热不好，经常过热，造成润滑剂提前失效而损坏机械啮合表面；滤芯堵塞、油位传感器污染，润滑剂“中毒”而失效。以上的这些原因会导致润滑油失效，从而引起齿轮、轴承等的磨损。

2.3 风力机叶片

1．叶片振动

叶片的故障中，叶片的振动是主要的故障形式。叶片在气动力、重力和离心力作用下，会产生挥舞、摆振和扭转这三种振动形式。挥舞是指叶片在垂直于旋转平面方向上的弯曲振动；摆振是指叶片在旋转平面内的弯曲振动；扭转是指叶片绕其变距轴的扭转振动。这三种机械振动和气动力交织作用，形成气动弹性问题。如果这种相互作用是减弱的，则振动稳定，否则会出现颤振和发散，这种不稳定运动的破坏力极强，是风力发电机设计中必须要考虑并要避免的。

叶片气动弹性因空气动力学方面的发生原因不同，而分为两类，具体情况如下[19]：第一类颤振问题与气流分离和漩涡形成有关。这类颤振有时称之为“驰振（galloping）或失速颤振（stall flutter）”。此时，桨叶以恒定的大幅值持续振动，即“极限循环振荡”。该振动虽然有很大的振幅，并且气动力特性也会有所改变，但振动最终会变得更稳定，即为“自限振荡”。若桨叶具有足够大的扭转柔性，扭转会继续发展，直至桨叶弯曲或扭转失效，这一不稳定现象也称为“扭转发散”或“非振动失效”。

第二类颤振问题，是桨叶扭转和挥舞产生的自激不稳定振动，通常称为“经典颤振”。也即弯曲-扭转两自由度耦合系统的自激振动，桨叶颤振会导致桨叶剧烈的突发振荡，并增长达到破坏性的幅度。其特点是叶片上气体流动基本附着无明显分离，在这类颤振中，由于气动力对翼面的纯沉浮弯曲振动或纯扭转振动是起着阻尼的作用，因此在工程上不会发生单自由度的经典颤振，一般来说，参与经典颤振的弹性自由度

13

华中科技大学硕士学位论文

是较多的。而上述两种颤振对于风力机叶片来说都有可能发生。 2．叶片裂纹

在气流入射角小于临界攻角时，入射角愈大升力愈大；当超过临界攻角时，则入射角愈大升力愈小。若入射角小于临界攻角，当叶片向上作弯曲运动时升力是变小的。这种变小的升力对于叶片尖部向上的弯曲起到了阻碍抑制作用。然而，若入射角大于临界攻角，当叶片向上弯曲运动时升力是趋向增加的。这个增大的升力对于叶片的向上弯曲运动起了推波助澜的加强作用，此时气流给叶片增加了能量。在前述情况下，叶片的振动会愈来愈强烈，而经过多次的振动，叶片的振动应力会大到令叶片材料无法承受的程度。以至于在很短的时间（十数秒到几十秒）即出现裂纹和断裂。这种现象出现时除了伴随有嗡鸣和尖啸声外，并无任何先兆，是突发性的。

2.4 风力机液压系统、偏航系统、变桨系统

2.4.1 液压系统

风力机的液压系统为桨叶变距驱动机构提供压力[36]，同时释放机械刹车，而且执行变桨操作。液压系统的故障是风力机最主要故障之一，常出现的有液压油温过高、液压压力偏低、液压马达过载等，同时由于液压故障，也常会引起发电机超速等警报。

对于变桨距风力机而言，它的功率调节不完全依靠叶片的气动特性，而主要靠桨叶攻角的改变而进行调节。当风速在13~14米/秒以下，桨叶攻角处于零度附近，此时桨叶的角度受控制环节精度影响，略有变化。可以认为等同于定桨距风电机，风电机功率随风速变化而变化，桨距角变化很小。但当风速在13~14米/秒以上时，即在额定风速或额定风速以上时，为了控制风电机的输出功率在允许范围内，其液压变桨机构便会频繁动作，以便调整桨距角，改变叶片攻角。如果风速变化幅度大，频率高，将导致变桨距机构频繁大幅度动作。由于储能罐存储的液压压力毕竟是有限的，连续工作一段时间后，会出现液压压力供给不足，这时风电机的桨叶即会出现顺桨动作，进入到软待机状态。此时再多次启动液压泵，会对一些部件如液压泵、马达、控制接触器、电磁阀等的寿命大为缩短，使这些部件经常性的损坏。频繁地微调动作，液压泵对液压油做功转换为热量，使液压油温迅速上升。这就是风电机频繁出现“液压油温

14

华中科技大学硕士学位论文

过高”报警的原因。 2.4.2 偏航系统

偏航系统运转时速度不高，但偏航齿轮、偏航盘承受的负荷较大，而且偏转齿轮一般为开式结构，因而受气候环境影响大[37]。偏航齿轮和偏航盘通常采用润滑脂润滑。运行温度范围在-10℃~140℃之间，使用过程中存在易流失的情况。

偏航减速器是保证风力机能够正确对风的重要部件之一，其属于中等载荷部件，对润滑油的抗低温能力要求尤为重要。使用过程中容易出现腐蚀橡胶密封件和铜制件，造成润滑油渗漏和铜制件损耗。

风力机偏航电机容易出现电机的过负荷，其原因如下：首先机械上有电机输出轴及键块磨损导致过负荷，齿盘断齿从而导致偏航电机过负荷。在电气上引起过负荷的原因有软偏模块损坏、软偏触发板损坏、偏航接触器损坏、偏航电磁刹车工作不正常等，最终导致偏航电机的过负荷。

偏航系统的常见故障中有齿圈齿面磨损，其一般原因为齿轮副的长期啮合运转；相互啮合的齿轮副齿侧间隙中渗入杂质；润滑油或润滑脂严重缺失，使齿轮副处于干摩擦状态。液压管路渗漏也是偏航系统其中一种故障，其失效的原因为：管路接头松动或损坏；密封件损坏；偏航压力不稳；液压系统的保压蓄能装置出现故障；液压系统元器件损坏等，这些都是偏航系统中常见的故障。

偏航系统有时也会伴有异常噪声，可能导致此噪声的原因为润滑油或润滑脂严重缺失；偏航阻尼力矩过大；齿轮副轮齿损坏；偏航驱动装置中油位过低等。 2.4.3 风力机变桨系统

现在风电场安装的风力机基本都为变桨风力机。对于变桨系统，变桨控制有两种方案：一种是采用电液传动系统的变桨控制技术，另一种是采用伺服电机驱动的变桨控制技术。前者具有可靠性高，桨叶同调性能好，调节精度高、响应速度快的优点，但存在渗油、维护成本高的缺点。国外如VESTAS、Scanwind采用液压控制技术。电机驱动技术的变桨控制系统在调节精度上较液压控制技术的变桨系统稍差，对控制系统要求高，但克服了电液变桨的缺点，国外如Enercon、Repower、Siemens、GE均采

15

华中科技大学硕士学位论文

用伺服电机驱动的变桨控制技术。

2.5 轴、轴承、风力机塔架以及雷击

2.5.1 风力机轴

风力机轴包括轮毂与齿轮箱之间的主轴和发电机轴。发电机轴出现的故障多为轴和轴承磨损，造成此故障的原因一般有四种：轴承缺油或轴承不合格；轴承安装的不合适；轴加工不合格；工作时发电机震动过大或减震件减震效果不好都会导致轴和轴承的磨损。

轮毂与齿轮箱之间的主轴是风力机中重要部件，同时也是故障的高危部件。主轴出现的最严重的故障就是断轴，其也为风力机常见的重大故障之一。其原因是轴在制造过程中没有消除应力集中，在过载或交变应力的作用下，超出了材料的疲劳极限所致。因而对轴上易产生应力集中的地方要给予高度重视，特别是在不同轴径过渡区要有圆滑的圆弧连接，此处的光洁度要求较高，也不允许有切削刀具刃尖的痕迹。设计时，轴的强度应足够，轴上的键槽、花键等结构也不能过分降低轴的强度。保证相关零件的刚度，防止轴的变形，也是提高轴的可靠性的措施。 2.5.2 轴承

轴承也是风力机中重要的部件，轴承可能出现振动过大的问题。其可能的原因如下：

1．电机与联动器轴系不对中，中心线不重合。因风力发电机是倾斜安装（6度），可能是电机安装过程中，对中不良、安装不当造成的。也可能是运行一段时间后由于基础变形什么的，中心线又被破坏，因而产生振动。

2．电机本身设计或者加工结构有缺陷，轴自身同心度不够，或者轴承安装间隙不恰当。

3．与齿轮箱系统等共振。

4．铁心导条变形，导致系统受力不平衡，直接影响共振。 这些因素都可能导致轴承的振动过大，而给风力机带来故障。

16

华中科技大学硕士学位论文

2.5.3 风力机塔架

风力机塔架是典型的高周疲劳构件，而且属于多轴疲劳的范畴。风力机的塔架主要的问题是振动问题，同时还有相关地基的安全性也跟塔架相关。引起塔架结构振动的因素主要有：风载荷的随机性、叶轮质量的偏心、剪切风速的影响、启机和停机、地震作用、塔影效应及其它突发性载荷影响，其中风荷载和偏心叶轮转动对塔架结构产生的激振力最重要。风力机组所受载荷既有周期性成份也有随机性成份。周期性载荷主要来源于风轮的转动效应，如叶轮偏心、塔影效应、风力剪切等。而随机载荷就比如地震作用、启机和停机载荷、台风等。

风力机的塔架振动还会危及到风力机的塔基，如果塔基的牢固程度不是太高，则风力机还会出现倒塌的情况，从而导致风力机损毁的严重事件。 2.5.4 雷击

运行中的风力发电机组，遭受雷击屡见不鲜。雷击会损坏设备，造成巨大损失，甚至危及人身安全。雷电释放的巨大能量，会造成风机叶片爆裂、电气绝缘击穿、自动化控制和通信元件烧毁。

在年均10雷电日地区，建筑物高度与一般雷击率的关系如表2-3所示:

表2-3 建筑物高度h与一般雷击率n的关系[38]

h/m 20 50 100 200 n/(次.a-1)

0.02 0.1 0.3 1 可以看出到200米的高度，每年必定会遭到一次雷击，而现在风力机一般塔架加机舱的高度都会到100米左右，再加上一个叶片的高度，差不多就会达到200米的高度，所以雷击对于风力机来说是不可回避的问题。

风力发电机组是风电场的贵重设备，价格占风电工程投资60%以上。若其遭受雷击（特别是叶片和发电机贵重部件遭受雷击），除了损失修复期间应该发电所得之外，还要负担受损部件的拆装和更新的巨大费用[39]。丹麦LM公司资料介绍：1994年，雷害损坏率超过风力机数6%，修理费用估计至少1500万克朗(当年丹麦装机0MW，平均2.8万克朗/MW)。叶片受雷击的损坏中，多数在叶尖是容易被修补的，但少数情况

17

华中科技大学硕士学位论文

则要更换整个叶片。雷击风力机常常引起机电系统的过电压，造成风机自动化控制和通信元件的烧毁、发电机击穿、电气设备损坏等事故。所以，雷害是威胁风机安全经济运行的严重问题。

表2-4~2-7分别统计了德国丹麦风力机受雷击所造成损坏情况：

表2-4 风力机受雷击损坏不同部位所占份额%[38]

控制系统

电气系统

叶片

发电机

5 40~50 15~25 15~20

表2-5 风力机受雷击损坏不同部位造成损失的天数days[38]

控制系统

电气系统

叶片

发电机

3~4.5 1.5~3 5.5~6 6.5~9

表2-6 因雷击损坏不同部位所影响的发电量kwh[38]

控制系统

电气系统

叶片

发电机

1400 700 4200 2300

表2-7 修复受雷击损坏的风力机的费用马克[38]

控制系统

电气系统

叶片

发电机

3000 750 34000 8750

从中可以看出，雷击对风力机的危害还是比较严重的，所以做好风力机的防雷工作也是风力机安全运行的一项重要保障。

18

华中科技大学硕士学位论文

3 风力机组故障诊断方法研究

3.1 故障诊断方法

从前面可以看出，风力机的故障几乎囊括了风力机所有部件。一个部件的运行或多或少会出现故障和失效，重要的是怎么样防止或解决其故障，以使风力机运行的更安全可靠。

综合第二章的内容，并列出相应的故障解决方法，风力机主要部件对应故障及诊断方法如图3-1：

（1）齿轮箱中有断齿、点蚀、胶合、磨损等故障。齿轮的断齿故障，可以通过振动信号来检测，还可以通过噪声信号分析来诊断，同时声发射、润滑油液金属含量的检测，乃至通过电流电压电信号的方法也可进行齿轮断齿的检测。

齿轮的点蚀、胶合故障，应用振动信号的分析、声发射、电信号、温度的检测便可进行点蚀、胶合的诊断。

齿轮箱的磨损检测可以通过振动信号、电信号、噪声、温度以及润滑油液分析的方法来诊断齿轮箱的磨损故障。

（2）风力机叶片容易出现的故障形式为裂纹和断裂脱落。针对风力机的裂纹可以使用探伤、着色、超声波的方法来进行检测，大的裂纹和断裂导致转动不平衡的情况，可以通过振动信号、光纤视觉传感器以及发电机的电信号分析，来确定叶片的断裂故障。

（3）液压系统会出现液压油温过高、液压压力偏低、液压马达过载以及液压油泄露的故障。以上这些故障，可以在液压系统中加装温度传感器、压力传感器以及液压油过滤器检测液压油清洁度来监控。

（4）偏航系统出现的失效形式有：齿圈、齿面磨损；密封件的腐蚀导致润滑油的泄露；偏航电机的过负荷以及偏航系统卡涩。齿圈、齿面磨损可以利用振动信号来进行诊断检测。润滑油的泄露可以通过加装压力传感器的方法来监控。偏航系统的卡涩，可在偏航齿轮上加装位移传感器，并通过与风速信号的对比，来检测偏航系统的卡涩情况。

19

华中科技大学硕士学位论文

图3-1 风力机主要部件故障及对应诊断技术

20

华中科技大学硕士学位论文

（5）塔架的故障主要为振动、倒塌。针对塔筒的振动。可以在塔筒上加装振动传感器来监控塔筒的振动情况；对于风力机的倒塌预防，可采用离线式检测塔筒的位移和倾斜，来预防塔筒的倒塌。

（6）主轴的故障失效为磨损、断轴、振动偏心等形式。这些失效形式同齿轮的失效形式比较接近，所以检测的手段也可使用振动信号、电信号、噪声信号以及温度检测的方法，来进行主轴的故障诊断。

（7）轴承的故障为振动、磨损、疲劳。对轴承这些故障的检测方法，可以采用振动信号、电信号、声发射以及润滑油油液检测的方法。

（8）润滑系统是风力机中的一个重要系统，它为齿轮、主轴轴承、变桨齿轮、变桨轴承、偏航齿轮、偏航轴承进行润滑保护，同时对其进行降温保护。其会出现的故障有油温高和油质受到污染，一般可加装润滑油温度传感器、润滑系统油流传感器、压力传感器、油位传感器，来进行在线式的检测监控。也可进行离线式的油液分析，包括油质分析和油中微粒分析，以及红外光谱分析。这些方法都可以进行润滑油系统的相关检测诊断。

（9）刹车系统会存在刹车失灵的故障隐患。可以通过加装传感器来监测刹车位移的行程，以此来监控刹车系统的运行状态。离线检查、离线实验也可以用来检测风力机刹车系统的故障。

（10）发电机会出现绝缘老化，导致发电机内部短路的故障。对此故障的检测方法可以通过绝缘试验、温度监测、电信号的诊断来检测发电机的故障。

（11）雷击会给风力机带来叶片裂纹、发电机击穿、自动化控制和通信元件烧毁、电气设备损坏等故障。雷击的完全避免几乎是很难办到的，这就需要避雷系统的状态良好，而对该系统的检测只能采用离线巡检方式，以及雷电之后对相关设备的状态监控来处理。

下面就具体分析一下各检测手段。

21

华中科技大学硕士学位论文

3.2 监测诊断技术介绍

3.2.1 振动监控分析法

对旋转机械或其它大型机械进行振动监测，是工程实际中较为常用的一种方式方法。该方法需要对机器加装传感器，对风力机主要部位的振动量如位移、速度、加速度等进行测定，之后再对测得的数据进行各种处理，以此来判断故障的类型和方位。此方法因为其对机器故障诊断较为准确，并且可以较直接的定位故障，所以此方法是故障诊断领域中较为常用的方法之一。

振动监测的理论依据在于[40]：齿轮、轴、轴承等机械部件在制造、安装与运行过程中，误差、剥落和裂纹等故障会逐渐累积，并成为振动的激励源。这些激励源都会以该部件的旋转为周期，表现于振动信号中。

而对信号的分析方法主要有：时域分析、频域分析、时频域分析[41]~ [42]。时域分析即时域波形分析，其有直观、易于理解的特点，其是最原始的信号。一般通过对两组风力机部件进行振动信号时域分析、频域分析、时频域分析得到波形图，其中一机组为正常机组，另一机组为待诊断的故障机组。

如对两台风力机齿轮箱进行振动信号的比较，测量之前已知a机组为刚检修过的运行正常机组，b机组为故障机组。可以发现b机组的频谱图中几个测点的振动信号幅值相比于a图中的信号有异常，一般会带有明显的周期性，也可以从频谱图中看出其频率值。根据之前对齿轮箱齿轮、轴的频率计算，从而可知其为某齿轮或轴的倍频，所以可依此判断该齿轮和轴存在故障。

除了时域分析、频域分析、时频域分析这三种常见的分析方法之外，包络线分析和倒频谱分析方法也有应用。

共振解调分析常常用于滚动轴承、齿轮等旋转机械零部件的故障诊断中，共振解调一般是对信号中的共振波形的包络先进行分析，所以称为包络谱分析。

倒频谱分析也称逆谱[34 1]，它是对自功率谱取对数后再进行傅里叶逆变换得到的，因而又回到了时域，所以倒频谱又称作时谱，时间单位常量用ms（毫秒）。倒频谱可以分辨出混有的各类谐频成分和多种边频成分，在功率谱上较好辨认。

22

华中科技大学硕士学位论文

倒频谱有两特点：一、通过对信号的功率谱作倒谱分析，是对较低的幅值分量有较高的加权，可以清楚的识别信号的组成，突出我们感兴趣的周期成分。二、倒谱能够清楚地分离边带信号和谐波，在故障诊断中是一种非常有效的方法。 3.2.2 电信号监控分析法

现在工业中通过发电机所输出的电流信号来进行故障诊断的方法，在核电厂、涡轮机械、感应式电机、轴承以及多级齿轮上均有应用，所以在风力机上使用电信号进行风力机的故障诊断，还是有其理论依据和相关的工业经验。

电流分析故障诊断方法已被应用于离线和在线诊断感应式电机故障，比如转子故障、静态/动态偏心等。除了对电流信号的分析处理之外，还有对功率信号的分析处理，处理的方法多种多样，傅里叶变换（FFT）便是其中的一种较为典型的处理方法。

通过下面两方程[43]：

⎡n⎤

fst=f1⎢(1−s)±k⎥ （3-1）

⎣p⎦

1∞t=CWT2j,2jn(t)=xtΨ−n)dt,(j,n∈Z) （3-2） ()(∫−∞j22jDWTj,n(t)

电流信号经过傅里叶变换之后，变为频率波形进行诊断。同振动信号一样，通过与正常机组的比较，发现频谱图中异常频率，再通过理论计算，计算出异常频率所对应的风力机故障形式。

振动信号和电信号分析方法的思路都为：获取信号之后，再进行信号的数学处理，使用傅里叶变换或离散、连续小波变换等，最后对所得出波形或数据再进行处理诊断。此时可以人为诊断，也可使用计算机进行编程诊断。最后依靠以前的故障积累和相关知识，提出故障的可能位置和形式，以指导维修与保养。

其中的数据处理方法除了傅里叶变换之外，其它的方法列举如下： 1经典的快速傅里叶变换（FFT）； ○

2瞬时功率FFT法； ○

3双谱法； ○

4高分辨率的频谱分析法； ○

23

华中科技大学硕士学位论文

5小波变换法；； ○

这些方法对信号的诊断处理各自有其特点和优势。 3.2.3 润滑油油液分析法

对润滑油进行油液分析，包括油质分析和油中微粒分析两方面。进行油液分析一般可以监测粘度、总酸值、破乳化时间、水溶性酸碱、水分、机械杂质等。油中微粒分析则包括颗粒计数、光谱分析、铁谱分析、磨屑分析和磁性柱塞等，一般采用前三种技术，润滑油经过颗粒计数分析之后，根据颗粒大小与分布的数据，再选择是采用光谱分析技术还是铁谱分析技术。依靠这些分析比较，可以来判断磨损处于什么阶段、磨损严重程度、判断磨损部件、故障位置等。

除了介绍的振动信号、电信号、润滑油油液分析方法之外，温度监测在现有的风力机控制系统中已较广泛的利用。有的厂商已在风力机中监控各主要部件的温度[44]，如发电机绕组温度、高速轴轴承温度、齿轮箱油温、机舱内温度、液体连轴器温度、油冷却器进口及出口温度。可以很好的利用以上温度信号来判断风力机各主要部份的运行状况。

3.2.4 其它故障检测方法

超声波检测方法是基于超声波能穿透许多种物质，并且超声波能产生回声，回声能用接收装置记录下来。通过对回声的分析，便可诊断出物质内部的结构。所以可将其应用在叶片的裂纹诊断上，以探测叶片内部的缺陷。

红外光谱分析法基于的原理是：物质分子中的某些基团或化学键在不同化合物中，所对应的谱带波数基本上是固定的或只在小波段范围内变化，因此许多有机官能团例如甲基、亚甲基、羰基、氰基、羟基、胺基等在红外光谱中都有特征吸收。通过红外光谱测定，人们就可以判定未知样品中存在哪些有机官能团，从而判定出样品中含有什么物质。从而利用这点便可对润滑油进行油液分析。

位移测量技术在测量技木中可称是基本的测量项目，其基本原理就是把位移转换为与之成比例的电参数，而对电参数的处理再反推出物体的位移量，通过此方法我们就可以监测偏航系统的卡涩、刹车失灵等故障。

声发射技术是基于在固体材料内由于能量的迅速释放而产生瞬时弹性波，对弹性

24

华中科技大学硕士学位论文

波的检测便可反推出物质内部故障的原理。用声发射技术检测材料时，被检测的材料必须在一定的条件下才能激发材料中的异常处，使之产生声发射的脉冲波，一般采取的办法是在材料上外加负载。声发射与材料中的局部不稳定状态有关，它是材料中局部能量再分布的结果。这种能量的再分布往往是材料损坏前的征兆。所以通过声发射的方法可以检测齿轮断齿、点蚀、胶合等故障。

着色探伤的基本原理是利用毛细现象使渗透液渗入缺陷，经清洗使表面渗透液去除，而缺陷中会有渗透残瘤，再利用显像剂的毛细管作用吸附出缺陷中残留渗透液，而达到检验缺陷的目的。着色探伤适用于风力机叶片的裂纹检测。

过滤器一般被安置于润滑油系统的循环管路中，所以对过滤器的监测，监测其粘度和检测固体颗粒污染物，便可以知道润滑油的状态，从而来判断液压系统润滑情况，以防止润滑油温过高等故障出现。

25

华中科技大学硕士学位论文

4 风力发电机组故障诊断系统设计

4.1 风力机故障诊断系统的目标

风力发电机组的故障诊断技术实际上是指在风力机不解体的情况下，根据人类积累的经验和数据，采用一定的技术手段对风力机所处的状态进行判断、对风力机的故障及其发展变化进行诊断和估计的技术。如果能够准确诊断和估计风力机的故障及其发展变化，就可以制定最优的维修策略。

故障诊断的任务是要确定设备故障的性质、程度、类别和部位，明确故障、征兆、原因和系统之间的相互关系，并指明故障发展趋势。应该包括诊断信息的获取，和信息的处理两大部分。具体包括以下四个方面：

1．状态检测。包括特征信号的提取，在设备的合适部位获取征兆，形成待检模式。

2．状态识别即诊断。将待检模式与样板模式进行对比，当主要性能指标高于或低于期望的目标范围时就认为发生故障。根据故障程度分别给予早期警报，紧急警报或强迫停机等处置。

3．状态分析与预测。根据检测信息找出故障源，然后根据这些信息就故障对设备和系统性能指标的影响程度做出估计，综合给定故障等级，并预测设备状态的发展趋势。

4．决策处理。根据故障等级的评价对设备系统形成正确的干预决策，做出修改操作、控制及其他临时性维护或停机维修的决定。

状态监测是故障诊断的基础、先决条件及必要手段。而故障诊断则是综合利用监测数据和信息进行决策的部分。

对于风力机的状态监测及故障诊断系统来说，理想的情况下，应该可以监测诊断出风力机的所有潜在故障。在风力机部件还未产生严重故障之时，即给予业主或运行人员以报警，并针对风力机的故障给予维修建议，对于突发重大故障，也要能指令控

26

华中科技大学硕士学位论文

制系统进行停机操作。

具体来说，风力机应该能够收集到足够多的风力机状态信息。其中包括有足够多的传感器，如振动类型的传感器、位移传感器、温度传感器、压力传感器、声波传感器等在线监测方式，还应该包括对润滑油油液分析、叶片探伤、叶片着色、超声波检测等离线式检测方式。在风力机各潜在故障部件上都布置上相应的传感器，并且传感器的安装应尽量使得故障信号直接传递到传感器，中间不要有阻碍和间隔，传感器数量也要能确保收集到足够的信号。

信号获取之后，需要对信号进行识别判断，这种判断是将待检信号与样板信号进行对比，高于或低于期望的目标范围就被认为发生故障。其中报警限值设置还是有一定的困难，设定准确的报警值既需要机组运行的经验，又需要有机组各工况正常运行时的运行值。在理想诊断系统中，这些报警值的设定也是十分重要和艰难的。

当采集来的各类信号超过报警值之时，就对采集到的信号进行处理分析，处理分析的方法因各个信号的不同而不同。对于振动信号和电信号可以采用傅立叶变换、小波变换等方法。经过处理后的信号，再进行人工诊断或是计算机智能诊断。最后进行决策处理，对风力机进行正确的控制操作，如临时性维护或停机维修等，以达到保护风力机、保护风电场、乃至保护电网安全运行的目的。

另外该系统还要提供远程报警与远程访问的功能。业主可以通过局域网或Internet进入到风力机故障诊断系统，监视风电场各风机的运行情况，并且系统的报警信号也要能通过网络邮件或其它方式，传送到业主手中。

4.2 理想风力发电机组状态监测及故障诊断系统的设计

4.2.1 监测诊断对象

理想状态下的风力机故障监测诊断系统，应该能监控风力机主要部件。其中包括：塔架、叶片、主轴、轴承、齿轮箱、液压系统、偏航系统、润滑系统、刹车系统、电控系统、发电机。

而这些部件包括的失效形式如下：塔架振动、倒塌；叶片裂纹和断裂；主轴振动、

27

华中科技大学硕士学位论文

磨损与断轴；轴承振动、磨损与疲劳；齿轮箱的点蚀、胶合、磨损和断齿；液压系统泄露、压力偏低以及油温过高；偏航系统齿面磨损、卡涩、润滑油泄露；润滑系统油温过高、油质污染；刹车系统的刹车失灵；电控系统的失效；发电机绝缘老化。

理想风力机故障监测诊断系统，应该能监测出上面所列的所有失效形式，所以这些故障部件便是监测诊断系统的全部对象。 4.2.2诊断方法

针对上面的故障，以及前文所述各故障的诊断方法。在理想故障诊断系统中，各监测方法如下：

齿轮的断齿，采用振动信号和电信号来进行检测，齿轮的点蚀、胶合、磨损同样采用振动信号和电信号来检测。叶片裂纹应用离线探伤的方法来进行检测，叶片的大裂纹和脱落采用振动信号和电信号来分析诊断。

液压系统油温过高，加装温度传感器来进行监控。液压压力偏低和液压油泄露可由压力传感器来进行报警。偏航系统的齿圈、齿面磨损利用振动传感器来进行监测。液压系统润滑油泄露，通过加装压力传感器来监控。至于偏航系统的卡涩，可在偏航齿轮上加装位移传感器来进行监控。

塔架的振动通过加装振动传感器来监控，对于风力机预防倒塌和变形，采用离线式位移测量的方法来预防。主轴的磨损、振动偏心、断轴故障，都采用振动信号和电信号结合的检测手段。润滑系统通过加装油流传感器，以及离线的油液分析来进行监测。刹车失灵采用离线式实验方法来进行故障监测。发电机的内部故障通过加装温度传感器与电信号来共同诊断。电控系统故障采用其自身的逻辑方法来监控。下面就列出可用的监测手段，以及其所可诊断的故障。

1．振动信号监测：齿轮断齿、点蚀、胶合、磨损；叶片裂纹；偏航系统齿圈、齿面磨损；塔架振动；主轴磨损、断轴、振动；轴承振动、磨损、疲劳；

2．电信号监测：齿轮断齿、点蚀、胶合、磨损；叶片断裂；主轴磨损、断轴、振动；轴承振动、磨损、疲劳；发电机老化；

3．温度监测：齿轮点蚀、胶合、磨损；液压油温过高；液压压力偏低；液压马

28

华中科技大学硕士学位论文

达过载；主轴磨损、断轴、振动；润滑油温过高；发电机老化；

4．压力监测：液压油温过高；液压压力偏低；液压马达过载；液压油泄露；偏航系统腐蚀；

5．过滤器监测：液压油温过高；液压压力偏低；液压马达过载； 6．位移传感器：偏航系统卡涩；刹车失灵；

7．润滑油液检测：齿轮断齿、磨损；轴承磨损、疲劳；润滑油质污染； 8．噪声信号监测：齿轮断齿、磨损；主轴磨损、断轴、振动； 9．声发射：齿轮断齿、点蚀、胶合；轴承振动、磨损、疲劳； 10．红外光谱分析：润滑油温过高； 11．着色探伤：叶片裂纹；

12．超声波：叶片裂纹；齿轮断齿；磨损；轴承磨损；主轴磨损； 13．光纤视觉传感器：叶片裂纹；

从中可以看出振动监测、电信号监测、温度监测、润滑油液检测以及压力监测，所能监测和诊断的故障较多，也较全面。只要用到振动信号监测、电信号监测、温度监测、润滑油液检测，外加超声波或着色探伤对叶片裂纹的诊断，就可以囊括了风力机全部的故障形式。理想状态下风力机各部件的监测系统如图4-1所示：

29

华中科技大学硕士学位论文

图4-1 理想风力机故障诊断系统图

以对齿轮箱、润滑油系统的故障诊断为例，介绍一下理想状态下的监测诊断流程。理想状态下的齿轮箱故障诊断系统，应该使用了振动信号监测、电信号监测、温度信号监测以及润滑油液检测多种方法对齿轮箱进行故障监测。在齿轮箱的各级齿轮上都要加装振动传感器，如加速度传感器、速度传感器、电涡流传感器等。除了振动传感

30

华中科技大学硕士学位论文

器之外，齿轮箱前后轴上都加装扭矩传感器，以测量轴的扭矩变化。这两部分所得的信号即为振动类型信号，再经过FFT变化、离散小波变换等方法，对信号进行处理，再使用人工诊断或计算机智能诊断。从发电机处得到电流、电压、功率信号，同样进行数学处理——FFT变化、离散小波变换，最后使用人工诊断或计算机智能诊断。温度信号从齿轮箱内各级齿轮上监控得到，润滑油的油温也被监测得到，并一起同经过FFT变化后的振动信号和经过变换后的电信号输入到数据服务器中。润滑油的离线式分析，也经过定期采集分析后，把结果输入到数据服务器中。这四个信号汇总之后，计算机对其进行分析评定，得出最后结论用以指导齿轮箱的维护维修。

润滑系统分离线和在线两种监测方式，在线监测为在润滑油系统中加装温度传感器，用以监测润滑油的油温是否正常。监测的数据输入到数据服务器中，进行诊断处理。除此之外，离线诊断方式需要对油液进行取样分析，所用的分析方法包括油质分析和油液分析两种。油液分析一般可以监测粘度、总酸值、破乳化时间、水溶性酸碱、水分、机械杂质等。油中微粒分析则包括颗粒计数、光谱分析、铁谱分析、磨屑分析和磁性柱塞等，一般采用前三种技术。润滑油经过颗粒计数分析之后，根据颗粒大小与分布的数据，再选择是采用光谱分析技术还是铁谱分析技术。依靠离线式分析和在线的温度监测，来共同判断磨损处于什么阶段、磨损严重程度、判断磨损部件、故障位置等。油质分析、油液分析得出的结果进入到数据服务器中，并进行诊断处理。综合在线的和离线的数据结果，最后得出结论，以指导润滑油润滑的相关部件进行维修维护。

4.2.3 系统设计

风力机上的各种在线传感器完成风力机的实时状态监测和数据采集，采集到的数据通过。局域网发送到数据采集工作站。由于风力机排布的很分散，风力机之间的间隔都比较大，所以几个风力机就需要一台数据采集工作站，有的甚至由于风力机之间距离过大，一台风力机即需要一台数据采集工作站。每台数据采集工作站对数据进行整理，之后通过风电场局域网发送到控制中心的数据库服务器上，分别存放在实时数据库和历史数据库中，以供历史查阅和即刻分析处理

在现场每台数据采集工作站上，应该有可外接的端口，以供风电场运行人员对单

31

华中科技大学硕士学位论文

台风力机巡检监控所用。风力机的状态监测中也使用了很多离线的方法，如进行油液分析、塔筒位移和扭曲的离线测定以及叶片探伤实验等。这些离线的数据都要通过控制中心，实时的输入风电场的数据库服务器中。数据库服务器综合在线的监测数据以及离线的历史数据，以进行相应的分析诊断，并给出诊断结果，通过控制中心显示给风电场运行人员，同时通过Internet发送到远方业主手中。添加Internet远程监控功能，是由于风电场的特殊性。风电场多在偏远的山地、草原或海边，而运行维护人员以及风电场的业主领导多在离风电场较近的城市工作生活。所以此Internet远程监控功能将能很好的实现风电场业主的异地生活异地工作，而对风电场实时监控可控操作的目标和任务。此Internet远程监控还可实现风力机生产厂商获取宝贵的风力机运行数据，用于指导新型风力机的研发与已有机型的改造更新。

该系统的数据流描述如下：风力机的各状态参数通过各种传感器被采样到，传感器将采样到的数据传到最近的数据采集站，数据采集工作站对数据进行整理，再通过风电场的局域网传递到风电场控制中心的数据库服务器。其中数据采集工作站还有外接端口，以便运行人员对单台风力机进行现场监控。数据进入数据库服务器之后，通过数据处理和分析，得出诊断判断并提出维修意见，显示在风电场控制中心监控器上，同时通过internet发送到远程用户手中，最终由远程业主以及风电场运行人员确定需执行的维修方案。

4.3 典型风力发电机组在线状态监测与故障诊断系统的设计

4.3.1 典型风力机在线故障诊断系统总体设计

有了各种风力机部件故障的检测方法，但要做出一个风力机故障诊断系统，就要考虑各种故障诊断方法的可操作性。故障诊断系统一般为离线式或在线式，以润滑油油液检测为例，润滑油油液的各种检测方法如油质分析、油中微粒分析的方法，很难应用于在线式故障诊断系统，更多的是以单独的离线式分析检测实施。除了油液检测之外，探伤、着色、噪声信号检测、红外光谱分析等方法，都较适用于离线检测手法，而故障诊断系统最基本的功能就是需要在线实时监控风力机的状态，所以这些技术方法都不适用于诊断系统的应用。而振动信号、电信号、温度信号可以在线实时监测，

32

华中科技大学硕士学位论文

很好的满足了系统自动监测的要求。所以风力机故障诊断系统的建立，可行的诊断方法应该是基于振动信号、电信号或温度信号而建立起来的风力机故障诊断系统。

从最近几年的研究成果来看，利用电信号的故障诊断，已证实可以应用于诊断风力机的各部分故障，可对扭转振动[45]、叶片故障[11][46] [9]、轴承故障[14]、刹车偏航故障[47]、转子定子偏心故障[48]，以及齿轮箱故障[13]和发电机故障[49]进行诊断。电信号的诊断虽才处于起步阶段，不过由于其自身的特点优势——无需再加装传感器，使利用电信号的风力机故障诊断方法必将得到很好的应用发展。

结合振动信号和电信号，外加风力机自身提供的温度信号作为参考，典型的风力发电机组状态监测与故障诊断系统，就能很好的监测诊断出风力发电机组较多数的故障。

根据目前风电机组的故障发生情况[42]，通常偏航轴承、齿轮箱齿轮及轴承、发电机轴及其轴承都是故障的多发部位。所以在此几个部位装上加速度传感器，每个部位装2~3个传感器。目的并非通过这2、3个传感器就能判断出该部位的故障及形式，目的是为了给电信号的监测一个辅助和参考。

在风力机上加装加速度传感器的位置如下表4-1：

表4-1 振动传感器安装位置

部件 安装位置（必选）安装位置（必选）安装位置（必选）安装位置（必选）安装位置（备选）安装位置（备选）安装位置（备选）

偏航系统 偏航齿轮 偏航盘 偏航轴承

齿轮箱 低速轴前轴承 太阳轮前轴承 中间轴后轴承 高速轴后轴承 低速轴后轴承 中间轴前轴承 高速轴前轴承

发电机 输入端轴承 自由端轴承

以风力机的电信号为依据，进行风力机的故障诊断是该系统的关键和核心。电信号的诊断方法在前面已经大体介绍了，但其中存在一个问题，对于电流信号、电压信号以及功率信号的特征频谱，到底对应什么样的故障是个有待解决的问题。比如叶片裂纹引起的转动不平衡，通过主轴传给了齿轮箱，又通过轴承和发电机轴传到了发电

33

华中科技大学硕士学位论文

机，这一系列的传递过程中，叶片转动不平衡会不会同轴承的磨损所引起的频谱表现形式一样，会不会让人误认为是转子偏心所引起的。频谱图中的特征频率，到底对应于什么故障和失效形式，几个故障失效如果累计叠加，在频谱图上又会有什么表现，所有的这些在所查阅的资料中并未涉及出。利用电信号所进行的风力机故障诊断，多为预设故障，而事后来验证频率中的变化，从而证实电信号故障诊断的可行性。所以依靠电信号进行的故障诊断，还需要进行很多的相关研究，研究出特征频谱所对应的故障形式，这个是以后研究工作的一个重点和难点。

最后再以风力机自身的各部份温度监控信号为参考，对风力机前面振动信号和电信号所做出的故障诊断结果进行修正，最后得出最终的故障诊断结果。风力机可提供的温度信号如下：

发电机绕组温度、高速轴轴承温度、齿轮箱油温、机舱内温度、液体联轴器温度、油冷却器进口及出口温度、电控柜内部温度、叶轮轴承温度、发电机轴承驱动端温度；这些温度参数将作为系统里的辅助信号来处理。

综合以上所述，本文提出的故障诊断系统是利用振动信号、电信号和温度信号，共同进行风力机的故障诊断。它区别于以往的振动监测系统，在于其所用的传感器数量较少，只在几个关键部件上加装不超过10个的传感器，以达到控制系统成本的目的。振动信号、温度信号诊断起到的是辅助和验证作用，关键的监测手段和程序在于对电信号的处理，通过电信号的处理，结合振动信号和温度信号的分析，来确定风力机故障的位置和失效形式。而对电信号的处理和分析方法是下一步的研究重点和难点。图4-2即为设计出的典型的风力机诊断系统图：

34

华中科技大学硕士学位论文

偏航齿轮、齿轮箱、发电机上振动信号发电机电流电压功率信号风力机上各温度信号数据采集工作站风电场网络风电场现场监控站风电场控制中心监控

数据库服务器分析诊断出结果

图4-2 典型风力机故障诊断系统

远程用户监

控

从风力机获得的振动信号、电信号和温度信号传入到数据采集站，数据采集站再对数据进行处理，并通过风电场的局域网传到控制中心的数据库服务器上，由数据库

35

华中科技大学硕士学位论文

进行计算分析给出决策——维修、更换。由于传感器的数量有限，所测的得信号有限，所以本系统也有其不足之处，只能尽可能多的解决风力机里主要部件的故障问题。这点也取决于振动传感器安装位置的选取，所以振动位置的选取将是该系统的成败关键。

4.3.2 功能设计

该系统的应该包含有以下几个功能：信号的采集、状态监测、分析与诊断、状态显示、存储查询、远程监控、报警以及一些其它功能[19]。 1．信号的采集功能

主要应该完成风力机各测点的振动信号、电信号和温度信号的收集工作，并确保信号在从风力机传输到控制室时不失真和衰减，其中就要加上信号放大设备。信号的采集也要确保信号采样点的正确和合理，以及传感器的性能良好以及传出的信号真实可靠，同时也要确保传感器等设备在工作中的自身安全以及对风力机无危害。

信号采集部份一般由传感器、信号变送器、信号预处理板和数据采集模块四部分组成。传感器可以选择加速度传感器、振动传感器、电涡流传感器。信号变送器对采集到的微弱信号隔离、放大、补偿、变换，有较强的抗干扰能力以及远距离的驱动能力。信号预处理板主要完成信号放大、噪声滤波、信号隔离传输、类型变换等功能。数据采集模块主要将采集到的模拟量转换成数字量，便于系统分析处理。 2．状态监测功能

主要包括初始化设置和状态监测。初始化设置包括以下量值的设置工作：振动信号和电信号的采样频率、采样长度、滤波频率、各测点报警值、传感器安装方向、定时存数间隔、定时数据追加间隔、定时报表时间间隔、分析数据长度、分析数据采集频率、机器转速、声音报警开关。

状态监测功能主要完成两部分工作：一是启动和停止系统的监测工作；第二是选择监测方法。监测功能有：时域信号波形监测、轴心轨迹监测、频谱监测、电气量模拟表监测和数字列表监测等。 3．分析诊断功能

分析诊断功能包括常用的各种监测诊断分析方法。包括：时域波形、轴心轨迹、

36

华中科技大学硕士学位论文

滤波轨迹、重构轨迹、频谱分析、平面轨迹谱分析、立体轨迹谱分析、时域分析、魏格纳分布、逆谱分析、信号滤波、时域频域联合分析、自相关和互相关等分析方法。

能进行各种振动、电信号特征分析。如风力机组启动、变速数据分析、日常运行数据分析、超限、危急数据分析等。

具有齿轮断齿、点蚀、胶合、磨损、不对中；叶片断裂；液压油温过高；偏航齿圈齿面磨损；主轴磨损、振动、断轴、扭转振动；轴承振动、磨损、疲劳；刹车卡死；发电机短路、转子偏心等故障诊断功能。

具有故障诊断专家系统，并且提供知识库管理工具。 4．状态显示功能

监测信息可以采用数字表格、模拟仪表、机器结构简图等多种显示方法。通过机器结构简图上传感器图标颜色的变化，可以直观清楚地反映出目前设备的各个部件运行状态。状态信息与设定值不同之后，可以由系统发出警报呈现在显示界面上，也可通过internet发送邮件或消息到远方的业主手中，以达到业主在其它城市也可实时知晓风力机发生的故障。同时也要建立网上查询系统，方便业主进行远程操控风力机的实时状态。当然系统知识库的建立是必须得，并且也是前提，只有在知识库建立的条件下，才能进行比较判断[30]。

能根据振动信号和电信号绘制出波形图、频谱图、齿轮和发电机轴轴心轨迹图、三维频谱图、波特图、极坐标图等。 5．存储查询功能

对机组正常运行稳态进行振动信号、电信号、温度信号的采集、分析、存储，以建立风力机组运行的历史资料，建立年、月、日的运行资料，以及供绘制趋势图及查找风力机故障的历史资料。能够提供1年的历史记录（在数据服务器允许的情况下，可以保存4年以内数据）。通过与GPS接口连接，保证时间的准确性和一致性。

自动识别运行状态、时间，并进行压缩存储，按年、月、日、时、分存储数据文件，供以后作趋势分析。系统有定时备份和选择性备份功能，记录数据与备份数据可在不同的物理存储设备上，按同样的年、月、日、时、分存储数据文件，供离线趋势分析。

37

华中科技大学硕士学位论文

6．远程监控

本系统具有远程监测与诊断功能。有权限的用户可以在风电厂局域网内或在能访问Internet的任何地方，通过Web方式进入风力机状态监测与故障诊断系统，监视风力机运行情况，进行分析和诊断工作。

系统配置了和远程诊断中心的接口，可无障碍地与风电场远程业主连接，也可以请专家异地参与远程诊断。 7．其它功能

包括文件操作、文件历史查询、打印等功能。能定期或不定期打印各种输出报表、波形和频谱图。 4.3.3 硬件/软件框架设计 1．硬件系统设计

硬件系统由以下几个部份组成，1.振动传感器；2.电信号传感器；3.温度传感器、4.信号变送器；5.信号预处理板；6.现场web服务器；7.现场监控pc；8.光纤线路；9.数据库服务器；10.监控显示器；11.internet网络光纤。

其中振动传感器、信号变送器、信号预处理板的功能前面已经叙述，此处就不再重复。电信号一般风力机上都已配备有相关的采集设备，所以这部分一般不用再进行额外的投资架设。

现场Web服务器，该服务器通过风电场的局域网对各风力机传感器信号进行收集，其硬件配置为：

CPU 3.8G；; 8G 内存； 2*320G 硬盘；

5*16通道的高速数据采集卡，最高采集频率为1MHZ； 双10M/100M以太网网卡。

该系统拥有最方便的可扩展性，在风电场新增装机之时，可以根据装机数量，增加数据采集工作站，和铺设光纤，而不需要对原来的网络拓扑结构作任何修改。如果增加的风力机台数过多，只需要再增加数据服务器即可。故障诊断软件系统安装于数

38

华中科技大学硕士学位论文

据库服务器上。

所有在网络上的计算机，经过授权都能进行远程振动监测、电信号监测、温度监测、数据查询、图表输出、调用专家系统进行故障诊断。有特别权限的工作站可远程对系统进行组态。可以根据需要，设置这些工作站的权限。 2．系统软件设计

Web服务器系统采用Windows2000 Server 系统，数据库系统采用SQL Server最新版本。软件的基本框架见图4-3：

图4-3 风力机监测和故障诊断系统软件基本构架

39

华中科技大学硕士学位论文

软件系统由数据采集和处理模块、数据库管理模块、实时监测模块、历史数据查询与分析模块、诊断分析模块以及外部连接模块组成。 （1） 数据采集和处理

采用轴承转动信号和风速信号大于4米/秒触发。采集过程被触发后，对全部振动测点通道、电信号通道、温度信号数据进行采集。采用了两块最高采样频率为1MHz的采集板，每块板对各自的16通道进行采集。采集过程每5秒重复一次。

采集站在上电的初始化过程中从上位机（服务器）读取系统数据库，以获得与振动标定有关的偏移值、电信号的初始值、温度信号的初始值和转换系数、各级报警限值及死区等数据。每5秒钟采集数据后，对全部振动波形、电流波形、温度幅值进行处理，提取振动通频峰峰值、一阶至八阶分量幅值、相位、半频幅值等，并将这些信息写入实时数据库，供其它网络上的远程工作站读取。与此同时，将采集到的时域波形写入时域波形实时数据库。

在风力机运转过程中及启停机时，采集器可自动识别，并改变为按转速间隔或时间间隔采样的模式。用户也可以通过改变服务器上设置的系统工作状态，使采样模式改变。

如果系统进入事故追忆状态，则采集站将在完成每5秒钟采集的同时，按追忆采集的要求进行加速采集，并将采集的数据写入事故追忆数据库。 （2） 实时监测

A参数监测模块

参数监测的主画面是一张张机组的示意图。所有信号通道的数据按照其测点的位置显示在机组简图上。当参数在正常范围内时，该通道的数据以绿色背景显示；参数越过其报警限时，数据背景以黄色显示，而当该通道的数据超过危险限时，数据则以醒目的大红色背景显示。

B幅值谱监测模块

幅值谱监测可同时对振动幅值谱、电流幅值进行实时监测。当操作人员需要对其中若干个幅值谱进行详细分析时，可将其锁定，这样该谱图就不会随实时数据采集而发生改变。在锁定了谱图后，操作人员可移动游标对谱线上任意点的数值进行测量。

40

华中科技大学硕士学位论文

实用游标功能时，能分别对不同通道异步进行。当幅值谱太小或太大时，可以调整纵坐标改变放大或缩小屏幕上的图线，以利于观察。

C轴心轨迹监测模块

轴心轨迹监测可对加装传感器的任一轴承的轴心轨迹，以及发电机轴和主轴轴心轨迹进行实时监测。并且提供通频轨迹、一阶滤波轨迹、二阶滤波轨迹和一二阶合成轨迹供操作人员分析。轴心轨迹监测也提供图形锁定与游标测量功能。

D时域波形监测模块

时域波形监测为振动信号、电信号波形监测，可对任意选定的振动信号、电信号进行时域分析，时域波形监测也提供图形锁定与光标测量功能。

E实时信号趋势分析模块

信号趋势分析可显示任意选定的信号在当前时刻前三十分钟内的变化趋势分析图。该趋势图可随着实时采集自动滚动显示。信号趋势分析也提供图形锁定与游标测量功能。

F三维谱和波特图分析模块

三维谱和波特图是对机组启动和停机时的振动状态进行的监测。系统将根据机组状态的变化自动转变采集模式，同时按转速的变化自动采集机组相关数据，并保存在启动或停机数据库中以供分析。当机组正处于启动或停机状态时，利用启动或停机监测模块可对机组进行实时监测。而当机组处于正常运行状态时，利用启动或停机监测模块可对上一次的启停数据进行离线分析。

G报警和追忆模块

实时追忆模块根据系统数据库中的追忆极限设定值，自动记录追忆触发前后3分钟的数据。追忆由参数越限自动激发。追忆数据存在数据库中，供调用分析。

报警功能则集成在每一个实时监测模块中，只要参数越限报警，都会立即响应。 （3） 历史数据查询与分析

历史数据查询与分析提供了与实时分析同样的功能，允许对数据库记录的历史数据进行详细的分析。历史数据的查询采用以时间为主的查询方式，便于数据的管理。

历史数据查询中的另一个重要功能是数据报表功能，本系统将提供可组态的报表

41

华中科技大学硕士学位论文

输出方式，根据用户的需要提取和输出数据。 （4） 诊断与分析

诊断专家系统由推理机、诊断解释、知识库管理等模块组成。推理机分为正向推理和反向推理，前者是从征兆到结论的推理，后者是用征兆论证假设结论的推理。诊断解释是对专家系统的诊断过程和结论的解释，供用户参考。知识库管理是供风力机领域的专家修改、完善、维护知识库的工具，使专家系统的专家知识能不断扩展。

本专家系统采用的是产生式系统，由提炼的专家知识组成诊断规则，通过规则匹配进行推理。专家系统的拓扑结构如图4-4所示，它由知识库、数据库、推理机、控制框架组成。

图4-4 风力机故障诊断专家系统结构

系统的主要功能有： A知识库管理功能

利用本系统所提供的知识库管理工具，用户自身可管理知识库，可对知识库进行修改、扩充和完善。 B专家系统诊断功能

诊断包括正向推理、反向推理、诊断解释、诊断结果和诊断解释的打印输出等模

42

华中科技大学硕士学位论文

块，可进行快速自动诊断和人机交互诊断。该模块基于模糊理论、基于概率理论、基于确定性因子、基于加权因子四种不确定性推理方法。

典型的推理过程如图4-5：

图4-5 故障诊断过程

风力机故障诊断系统的软件系统，使用labview程序进行编写。包括原始数据的显示部分；数据的存储部份；还包括数据处理部份，其中包括相应的各种数学处理方法；数据处理后的图形显示部分，包括了各种不同图谱的显示；对信号、图形的比较判断部份；报警显示部份，给业主方多方面多渠道的报警显示。

43

华中科技大学硕士学位论文

（5） 系统管理与组态

系统管理与组态模块是整个系统的控制中心，用户可通过它改变系统的各项配置及系统的工作状态。

1）系统工作状态

系统工作状态是指整个监测诊断系统的运行方式，它包括对应机组是否处于正常工作状态、启动状态或停机状态的方式，以及是否启动故障追忆。系统可以自动识别工作状态，也可以由用户设置和调整。

2）测点管理

测点管理模块用表格的形式列出所有测点的各种描述信息，包括测点的各种极限值、转换系数、显示控制等。操作人员可方便地查阅和修改测点的配置。由于测点配置对系统运行影响巨大，其修改对操作人员的权限有要求，在进入测点管理模块之前要求输入密码。只有系统管理员才能进行操作。

3）密码设置

密码设置模块用以设定系统的权限密码。只有系统管理员才能进行操作。 （6） 数据接口

本系统提供标准的数据接口，由系统数据接口软件负责刷新数据。

4.4 典型故障系统与现有故障诊断系统的技术经济分析

如果只依靠振动信号进行故障诊断，技术是比较成熟，相关行业的工业应用也有实例。但一台风力机上有主轴、轴承、齿轮箱、偏航部份、变桨部份以及发电机等设备，需加装的传感器要40~60个左右。以加速度传感器为例，现在市场的价格大约为每个2、3千元，一台风力机上传感器的投资大约就需要10万~16万元。

风力发电机是风电场投资的主要部份，现阶段风力发电机的制造成本大约为每千瓦00元人民币，对于国内现在的主流机型1.5MW，大约价格为810万人民币。一个风电场大致会有二、三十台乃至近百台的规模，以50台风力机计算，光传感器的费用就需要560万~840万。除了传感器之外，还需要数据采集卡，每台风力机又需要投资近万元。还需要进行服务器的投资与线路的架设，这部分的投资每台风力机大致

44

华中科技大学硕士学位论文

也需要几万元。另外在风力机狭小的空间里安装这么多的传感器，进行这么多的线路铺设，本身就是个技术操作难题。依上面的估计，以振动信号为依据的风力机故障诊断系统，一台风力机故障诊断系统的投资在15~20万之间，以1.5MW的机组为例，故障诊断系统占其成本费用1.85~2.47%，一个50台左右的风电场，在故障诊断系统上的投资将为750~1000万之间。价格问题既是市场上所出现依靠振动信号的风力机故障诊断系统其工业实际应用效果不好的原因。

一台风力机在故障诊断系统上投资15万，不可不谓之大，且诊断系统的可靠性和正确性以及它所能带来的经济性，还会受到业主的担心和质疑。要想成本降低，则传感器的数量必然要尽可能的少。则传感器的测点位置的选取将是该系统成败的关键，而风力机的测点的布置对于风力发电机在线监测和诊断系统来说一直是个难题

[23]

。测点选择的不同，对于监测系统信号分析具有很大的影响，不同的布置方案得到

的结果不尽相同。

而本系统所用的传感器在10个以内，使系统的成本降低了很多。除了经济性上的优势之外，在技术方面，典型的风力机状态监测与故障诊断系统，比传统的基于振动信号的故障诊断系统，加入了电信号的诊断，以及温度信号的参考。不仅能诊断原有基于振动信号的诊断系统所能诊断出的故障，如齿轮、主轴、发电机轴、各轴承的点蚀、磨损、剥落，以及轴的不平衡不对中、发电机轴振动。还能监测叶片裂纹、刹车失灵、偏航齿圈齿面磨损、发电机转子定子偏心等故障。所以本系统不仅在经济上有其投资少的优势，在技术上由于加入了电信号的诊断方法，以及温度参数的监控，使得其比原有的振动诊断系统诊断故障更多也更全面。

45

华中科技大学硕士学位论文

5 风力机监测系统实验台架

5.1 实验系统及监测系统

基于以上的典型风力发电机组状态监测与故障诊断系统设计思想，构建了一个风力机状态监测与故障诊断系统实验平台，通过此系统来模拟风力机的故障形式，并在其上进行状态监测与故障诊断系统的开发研究。

本实验系统由下面的设备所组成：两台200W风力机、风速仪、风向仪、电导线、WB系列电流/电压传感器、逆变器、蓄电池、电源、整流桥、纯电阻、PCI采集卡、工业电脑。如图5-1所示：

图5-1 实验系统图

46

华中科技大学硕士学位论文

风力机的型号为FDP1.3-0.05/8，起动风速3米/秒，额定风速8米/秒，停机风速18米/秒，额定功率200瓦，风轮直径2.2米，叶片数3片，发电机型式为三相永磁交流发电机。

其中一台风力发电机所产生的三相交流电流经过导线传到逆变器，经过逆变之后变为直流电流，直流电流再对蓄电池充电，以存储电能。另外一台风力机输出电流并未接入逆变系统，而是直接接于整流桥，把交流电流变为直流电流，而后直接串联6个5Ω的纯电阻构成回路，电能直接变为了热能消耗掉。再在此直流线路中串入电流传感器，并入电压传感器，采集风力机发出的电流电压。另一风力机系统，在线路逆变之前每相之间并入电压传感器，每相线路中串入电流传感器，需三个电压传感器、三个电流传感器。加上前面直流线路中的传感器，共需4个电压传感器、4个电流传感器。风速传感器输出的信号为频率信号，直接接入到PCI采集卡上，频率信号与风速之间的关系，为V=0.15+0.0877*f，V即为风速，f为风速仪输出的频率信号。

传感器使用的是交、直流通用的跟踪型电压/电流隔离传感器，电压传感器输入为交直流电压0~50V，输出端为对应输出直流电压0~5V，电流传感器输入为交直流电流0~5A，输出直流电流0~5A。电压传感器和电流传感器输出端直接接入PCI采集卡。图5-2显示了传感器的排列，与其接线方法。

图5-2 传感器的连接

47

华中科技大学硕士学位论文

本实验所采用的采集卡为研华PCI-1716型号，16单端通道或8差分通道输入，采样频率最大为250KS/s。除了外部采集板卡之外，电脑机箱上也需要装驱动板卡，并通过专用数据线使外部采集卡与驱动连接。硬件装好后，还需要在电脑上加装本采集卡的驱动程序，以使电脑能识别采样卡并读取其数据。

5.2 数据采集程序

已编写完的程序是对风力机的电流电压信号进行采集记录，并可在计算机上对这些数据进行相关的后期处理。

后续整套风力机故障诊断程序，是风力机故障诊断系统中至关重要的一部份。程序的编写也要结合采样传感器的选取与设置，最终达到的目标为采集相关振动信号、电流信号、电压信号和温度信号，并对采样的振动信号、电流电压信号、温度信号进行处理。如进行快速傅里叶变换（FFT）、小波变换等，再在程序中对处理的数据进行判定，以得出风力机故障所在。当然这里面需要建立判定标准，需要建立一套故障判定标准库。

下面介绍一下已编写出的程序。本程序是使用labview语言进行编写的[50] [51]，labview程序有使用上手快的优点，编写容易等特点，并且也不需要其它语言知识背景，labview程序已广泛应用于工业各领域。Labview分两个界面，一个是编程界面，一个是运行操作界面。在编程界面里，很多相关的程序已被做成模块，而可直接拖入程序中应用，此点是labview最大的特点。在操作界面里可以对程序进行启停操作，并可在此界面中看到相关的数据结果显示，当然前提是程序中有显示项。

整个程序使用一个while循环，其它相关程序都在此while循环里，while循环的作用是方便用户来控制本程序的总体开停。风力机并非时刻都在运行，只有当风速大于3米/秒时，风力机才能起动，所以在while程序里需要有个判断程序，以判断当前的风速大小是否大于启动风速，相关程序如图5-3：

48

华中科技大学硕士学位论文

图5-3 风速判断程序

风速信号由风速仪传导过来之后，进入采集卡，设定好信号通道值后，采样频率设置为每秒采样1000个点，而每采样500个点进行一次计算比较，所以相当于半秒钟进行一次风速测量。500个点采样出的风速波形直接通过示波器显示出来，在labview的操作界面上，波形如图5-4所示：

图5-4 风速图

49

华中科技大学硕士学位论文

当风速较大时，方波的频率就会变的比较大，波形也就会变的比较密，而风速较小时，方波的频率比较小，波形也比较稀疏。如图中所示，记录风速为0.79米/秒。风速波形图为矩形方波，不过在无风情况下，风速仪输出的波形为在0值左右波动的噪音信号。所以程序中可以看到，首先对风速波形进行幅值的测量，并进行求和平均，只要大于3便证明此时的风速大于0，而风速在有风情况下的矩形波形幅值都为5，所以取3是稳妥起见，取4、2都可。

经过了有无风的判断之后，便是一个条件循环，有风时条件便为真，条件循环便开始运行，便对风速波形求其频率。因为如前所述，风速仪输出的为频率信号，所以对其进行频率测量，测出的风速频率再进行前述风速公式的计算，便可得风速。在测风速的程序中，如果要对周期进行测量，必须让程序知道什么值代表高幅值，什么值代表低幅值，0.5、2.5、4.5分别被取为风速波形的低幅值、中间幅值、高幅值，低于0.5就认为是低幅值开始，高于4.5便认为是高幅值开始。风速波形实际低幅值一般为0，高幅值一般为5。由于在无风情况下时而出现一个显示为42米/秒的错误风速，由于未找到其出现的原因，便在程序中进行了错误删除处理，其错误代码为-20308。

经过频率提取计算成风速之后，便是一个求和平均的程序，对0.5秒内取的500个点进行求和平均，所得出的平均值作为0.5秒内的风速。

图5-5 风速显示比较

50

华中科技大学硕士学位论文

图5-5的程序为一段风速显示比较程序，其中“当前风速”为在操作界面上显示的风速的数字值，“启动风速”为后面采样程序的运行设定值，一般设为3米/秒，也可根据研究情况更改。当风速大于等于3米/秒之后，判定程序输出值为“真”，记录指示灯亮，后面的采样程序也同时开始工作。图5-6即为部份的采样程序：

图5-6 数据采样程序

采样程序是在一个条件语句下执行的，当条件语句输入值为“真”时，采样程序开始工作。以上为两个的采样程序，分别采取的直流电流值和直流电压值。图中“直流电流”、“直流电压”即为通道的选取，即采样卡上信号输入的端口选择。与“直流电流”、“直流电压”相连模块，即为PCI采集卡在labview中相关的采样模块。本程序所用都为模拟信号取样程序，取样速率设置为500sample/s，取样点数也取为500。

由于电流信号的传感器变比为1：1，电压传感器的变比为10：1，所以电压信号还需要扩大10倍以进行还原。还原后的数据波形直接显示出来，波形数据也直接进行dat文件的记录，后期对dat文件可以利用程序进行特定时间波形的重现。通过采样模块出来的数据为波形数据，波形数据经过数字滤波器之后，提取出幅值，为了求其波形有效值，进行了平方、求和、平均以及开方的处理，最后得出来的数据即为这1秒钟的有效值，余下的事情就是记录写入了。下面的两个程序为数据的记录程序，当然里面主要涉及到记录相关格式的设置问题，此处就不一一说明了。选择以txt格

51

华中科技大学硕士学位论文

式进行记录，主要是采样数据较多，而以txt格式记录，所占用的空间和文件的大小不会过大。而以word或excel格式记录的话，文件很容易就会超出格式限定，使文件出错而报系统错误，同时使程序也无法运行。本程序已连续正常运行近一年，长时间运行还是需要注意dat文件以及txt文件的大小是否过大，有时超出系统要求会导致程序无法正常运行。

图5-7 数据记录程序

图5-7便显示了两个采样记录程序，除了这两个直流电压、电流的采样程序之外，在条件语句中还有同它们类似的采样记录程序，分别为三相电流、三相电压采样记录程序，在此就不再重复介绍了。

至于风力机整套的故障监测系统，通过应用labview在现有的基础之上即可编程实现。不过需根据添加的传感器，进行程序的添加和修改，同时也需要加上相关的数据数学处理程序，如使用FFT、小波变换等处理的程序，最后再进行数据的判断对比，还需要一套判定程序，而且此中还需要有相关的判定数据库，数据库的建立此点也是一个难点。

5.3 数据的处理与分析

如前所述，本采集程序共采集了9个量，4个电流信号、4个电压信号，同时还

52

华中科技大学硕士学位论文

有一个风速信号，这些数据全部都使用txt格式文件记录下来。除此之外，电流信号和电压信号除了文本文件记录之外，还进行了dat图形文件的记录。对dat文件的处理程序比较简单，只需要一个从文件读取波形程序，一个示波器以及一个导出波形至excel表格程序。程序如图5-8所示：

图5-8数据处理程序

此为两个并行程序，其余程序与这两个基本相同。这样便可对所需时段电流电压信号导出到excel格式中，之后便可在excel中对数据进行处理。

除了文本记录的数据之外，还有波形记录的数据显示，显示如图5-9所示：

图5-9 数据显示界面

53

华中科技大学硕士学位论文

从这个图5-9中可以看到9个波形，其中第一排第一列为风速波形图，第一排第二列和第一排第三列为直流电流波形、直流电压波形，其应该都为直线形式，只是由于显示的尺度比较小，使其看上去像噪音信号。第二排三个为三相电压波形，可以看出其为规则的正弦波形，符合理论情况。第三排为三相电流波形，由于三相交流线路后接逆变器以及蓄电池，其波形因受后接线路的影响而变的复杂一些。

从txt文件中提取了几组数据，具体的数据就不在此处复述了，在excel里对这些数据处理，做出对应时间段内的曲线图如图5-10：

风速时间图76321014:37:4914:38:3414:39:1314:40:4414:41:3014:43:0014:44:3114:45:1114:46:3114:47:2114:50:5114:53:04风速系列1时间

电压时间图252015105014:37:4914:38:3414:39:1314:40:4414:41:3014:43:0014:44:3114:45:1114:46:3114:47:2114:50:5114:53:04电压系列1时间

华中科技大学硕士学位论文

电流时间图10.80.60.40.2014:37:4914:38:3414:39:1314:40:4414:41:3014:43:0014:44:3114:45:1114:46:3114:47:2114:50:5114:53:04电流系列1时间

功率时间图20功率15105014:37:4914:38:3414:39:1314:40:4414:41:3014:43:0014:44:3114:45:1114:46:3114:47:2114:50:5114:53:04系列1时间图5-10 某组数据所对应的各图形

此为同一时间段内，对71次记录数据进行处理后的风速、电压、电流、功率图。图中电压波形图的尖峰值出现的时间滞后于风速尖峰值时间，这是因为风力机叶片转动有一定的滞后性，需要有一段稳定的大于3米/秒的来风时间，风力机才会开始转动，所以风力机转动滞后于来风，这也便是电压波形尖峰值滞后于风速波形的原因。在风速波形中，从14:37:49到14:38:13平均风速较高，高于后面时间段的平均风速，这也导致了风力机在这段时间转动良好，输出了较高的电压。在14:41:30到14:44:31之间出现了三个阵风，在电压、电流波形里也出现了三个尖峰。其大致曲线基本一致，符合理论情况。

55

华中科技大学硕士学位论文

此处只是简单的对数据进行了绘图处理，还未对该组数据进行FFT变换或小波变换，后续工作中可对电流、电压或功率波形进行FFT变换、小波变换处理，通过处理后的数据波形来对风力机的故障进行监测。可以在实验风力机上人为的制造故障，以此来观察风力机输出的电流电压波形，以及FFT变换后的波形。通过这样预设故障再加事后分析电信号波形，来获取电信号波形与故障之间的对应关系。

5.4 下一步工作

从已监测到的数据来看，证实了该实验平台的正确性和可行性。该实验平台可以较长期的稳定运行，已没有重大难以解决的问题，只需要日常的稍加维护和监测即可。现在实验平台只采集了电信号，也并未对电信号进行后续处理。下一步还要再添加振动传感器、温度传感器，以收集风力机振动信号、风力机电机的温度信号，以完成整套风力机状态监测诊断系统的硬件建设。在软件方面还要添加入风力机电信号、振动信号的FFT、小波变换等相关的数学处理程序，并且建立数据库，添加入专家诊断系统，以完成整个典型风力机状态监测和故障诊断系统的模拟实验台架。

该实验台架后续的工作如传感器的选取和安装，相关labview程序的编写，以及程序中的数学算法的选择，和判别数据库的建立，都将会是比较困难的事情，不过本实验台的前期工作已经完成，后期的工作进展的顺利程度将会因此而提高。

56

华中科技大学硕士学位论文

6 总结与展望

6.1 总结

本文总结的风力发电机的故障，本文所综合的风力机故障及危害，是从网上各种渠道所收集得来的。文中所列出的风力机故障及失效形式，应该能覆盖风力机的主要故障。

而后总结了风力机的故障诊断技术，如振动信号的监测、电信号的监测以及润滑油液分析等方法。其中使用电信号对风力机故障的监测诊断技术，将会成为风力机故障诊断领域研究的方向和趋势。对这些监测手法的应用和实践，将是风力机故障检测系统构建的关键所在，后续的工作重点还在于风力机相关诊断技术的研究上面。

本文设计了理想风力机故障监测与诊断系统，设计了其系统框架和所使用的技术方法。在此理想的风力机故障监测诊断系统基础上，结合工业应用成本与诊断技术特点，构建了典型风力机故障监测与诊断系统，设计了软硬件、数据库结构。典型故障监测诊断系统，使用了振动信号、电信号、温度信号作为故障诊断系统的信号源，该方法之前并未有商业产品和未有人提出。该方法结合了振动信号、电信号和温度信号的优势和特点，电信号和温度信号在现代风力机控制系统中可直接获得，而振动信号是作为本系统中的辅助信号，所以并不需要对风力机所有部件加装传感器，只需要在偏航系统、齿轮箱和发电机上加装不到10个的传感器。此方法解决了原有基于振动信号的故障诊断系统成本过高的问题，而且由于加入了电信号和温度信号进行诊断，比起原有的振动信号监测方法，又扩大了监测诊断范围，增加了叶片裂纹、扭转振动、发电机转子定子偏心等故障的监测诊断。可以说其经济性和实用性都比现有的系统有很大的提高和进步。

本论文最后介绍了基于典型风力机故障监测诊断系统思想，所构建的一个小型风力机的故障监测与诊断实验平台。完成了电信号的数据采集工作，并对数据信号进行了初步的数学处理。后续的振动传感器和温度传感器的加入，由于前期基础台架的搭建完毕，

57

华中科技大学硕士学位论文

也将可以顺利的进行。

6.2 展望

在接下来的工作中，首先完成典型风力机故障监测与诊断系统模拟台架的搭建工作，在系统中加入振动传感器和温度传感器。另外完善采样程序，添加进振动信号和温度信号的采样程序，同时选择出对振动信号、电信号、温度信号的数学处理方法，如快速傅里叶变换、小波变换等方法。

完成数据库的研究开发工作，保证该监测诊断系统能长期稳定的对信号进行采样、处理和记录，创建internet的连接接口，保证该系统的远程访问功能可靠稳定。在小型风力机上对风力机常见各故障进行模拟，并根据模拟的故障，研究风力机振动信号、电信号、温度信号的波形与频谱特性，以此为基础建立风力机故障监测与诊断系统的专家知识库，最终完成该故障监测与诊断系统的所有软硬件构建。

58

华中科技大学硕士学位论文

致 谢

本文是在导师黄树红教授、杨涛老师和贺国强老师共同指导下完成的。在本人硕士学习的两年中，始终得到三位老师的悉心关怀和指导。每当我工作陷入困境的时候，他们总能和我共同讨论，并为我指明前进方向。三位老师都是非常值得尊敬的人，他们对待学生的那种真诚和关怀，对待问题的那种执着和刨根问底的精神，对待学问的严谨和认真，对待工作的那种热情和激情，真得让我肃然起敬。黄老师对待学问对待工作以及做人做事的态度，都让我由衷的敬佩，也是我以后学习的榜样，感谢黄老师在这两年对我的指导，对我各方面的要求，以及在做人做事上的教诲。同时也要特别感谢贺国强老师，对于我的各方面要求总是给予了最大的帮助。能够在研究生生涯中得到他们的指导，我觉得十分荣幸！在此我对三位恩师致以深深的敬意和诚挚的感谢！

经过两年的研究生学习，我明白人生就是不断探索学习的过程，它需要我们不断的学习，不断的提高，不断的去完善自己。不仅是学习专业理论知识，其它方面的知识也需要我们去学习，以使自己更加适应社会的需求。研究生的学习使我开阔了视野，也站上了一个更高的平台看待问题。感谢华中科技大学能源学院给予我这样的机会，能在此进行研究生的学习生活。也感谢华中科技大学以及能源学院在这8年来对我的培养与熏陶，使我成长成人。感谢能源学院很多专业课老师，他们都曾经给我在专业知识以及做人处事上予以帮助和指导。感谢我本科阶段的辅导员冯敏，是他促使我选择了我大学里的道路，也是他使我收获了很多、学到了很多，也衷心的祝他在新加坡工作生活更加幸福。感谢能源学院制冷系何国庚老师，在我的本科阶段专业学习和保研选择上给予了极大的支持和理解，衷心感谢他。感谢电气学院李承老师，给予我很多电气知识方面的帮助，感谢的不厌其烦。另外也感谢能源学院2005级的很多学生，在这四年中他们给予我很多感动帮助和友情，也祝福他们都能学业有成事业顺利。

除此之外，还要感谢浙江运达申新贺和德国工作的谢亚千，给予我了很多指导帮助，不厌其烦的解答我的疑问，谢谢你们。感谢唐磊、徐星、徐送文、吕文豪、李强

59

华中科技大学硕士学位论文

强、吕方明在学习上给予的帮助，以及在生活上的帮助，衷心感谢他们，也祝他们都能有更好的发展。

最后，要特别感谢我的父母，是他们在这8年我独自在外求学过程中，给予我了无尽的支持和关心，让我感受到了亲情的伟大，也是他们给予了我包容和体谅。没有他们的关心和帮助，我想即使我进入华中科技大学，我也不会取得今天的成绩，谢谢他们的关爱，在此我第一次说声：“爸妈你们辛苦了，谢谢你们对我的爱，我的每一份成功都离不开你们的关怀。儿子长大了，你们也老了，在此祝你们身体健康生活幸福美满！”

60

华中科技大学硕士学位论文

参考文献

[1] 全球风能理事会(GWEC)、国际绿色和平组织和德国航空航天中心(DLR). 2008

全球风能展望

[2] M.R. Wilkinson et al. Extracting condition monitoring information from a wind

turbine driven train. In proceeding of UPEC’04,vol 1,pp:591-594, Bristol(UK),2004 [3] M.R. Wilkinson et al. Condition monitoring of wind turbine driven trains. In

proceeding of ICME’06, Chania(Greece),Senptember 2006

[4] Caselitz P,Giebhargt J,Kruger T,Mevenkamp M. Development of a Fault Detection

System for Wind Energy Converters[C]//Proceedings of the EUWEC’96,Gotegorg, 1996:1004-1007.

[5] D. Casadei et al. Diagnostic technique based on rotor modulating signals signature

analysis for doubly fed induction machines in wind generator systems. In proceedings of IEEE IAS’06, Vol.3,pp:1525-1532, Tampa(USA), October 2006 [6] D. Casadei et al. Experimental fault characterization of doubly fed induction

machines for wind power generation. In proceedings of IEEE SPEEDAM’06, pp: 1281-1286, Taormina(Italy), May 2006

[7] H. Douglas et al., The detection of inter turn stator faults in doubly-fed induction

generators, in Proceedings of IEEE IAS'05, vol. 2, pp. 1079- 1102, Honk Kong, October 2005.

[8] M.Wurfel. et al. Monitoring of the properties of the rotor slip ring system of

doubly-fed induction generators. In proceedings of IEEE IEMDC’05, pp:295-299, San Antonio(USA),May 2005

[9] Jeffries W Q Experience with Bicoherence of Electrical Power for Condition

Monitoring of Wind Turbine Blades[J].IEE Proc.Vision,Image and Signal Processing,1998,145(3):141-148.

[10] Amirat Y,Benbouzid ME H,Bensaker B,et al. Condition Monitoring and Fault

Diagnosis in Wind Energy Conversion Systems: A Review[C]//Electric Machines&Drives Conference, IEMDC’07,IEEE International,2007:1434-1439. [11] Tsai C S. Enhancement of Damage-Detection of Wind Turbine Blades via

61

华中科技大学硕士学位论文

CWT-Based Approaches[J].IEEE Trans. EnergyConversion,2006,21(3):776-781. [12] Kramer S G M. Fiber Optic Sensor Network for Lightning Impact Localization and

Classification in Wind Turbines[C]. Proceedings of IEEE ICMEIIS’06, Heidelberg (Germany), September 2006,2:173-178.

[13] ]Mohanty A R. Fault Detection in a Multistage Gearbox by Demodulation of Motor

Current Waveform[J].IEEE Trans. Industrial Electronics,2006,53(4):1285-1297. [14] Eren L .Bearing Damage Detection via Wavelet Packet Decomposition of the Stator

Current[J].IEEE Trans. Instrumentation&Measurement,2004,53(2):431-436.

[15] Soteris A.Kalogirou.Artificial Neural Networks in Renewable Energy Systems

Applications a Review[J].Renewable and Sustainable Energy Reviews, 2001(5):373-401.

[16] P .Caselitz et al. Advanced condition monitoring system for wind energy converter.

In proceedingd of EWEC’02, Nice(France),2002

[17] Garcia MC,Sanz-Bobi MA,Del Pico J.SIMAP:Intelligent System for Predictive

Maintenance Application to the Health Condition Monitoring of a Wind Turbine Gearbox[J].Computers in Industry,2006,57(6):552-68.

[18] 王哲. 关于风力发电机组状态监测的思考. 中国设备工程，2007，04

[19] 王瑞闯，林富洪. 风力发电机在线监测与诊断系统研究. 华东电力，2009，37（1）：

190-193

[20] 蒋东翔，洪良友，黄乾等. 风力机状态监测与故障诊断技术研究. 电网与清洁能

源，2008，24（3）：40-43

[21] 周培毅，张新燕. 风力发电机组圆柱齿轮的故障振动分析. 华东电力，2008，36

（6）：70-72

[22] 唐新安， 谢志明， 王哲等. 风力机齿轮箱故障诊断. 噪声与自动控制，2007，

（2）：120-124

[23] 王哲. 风力发电机组主传动链的故障诊断. 诊断与测试，2007，（3）：118-119 [24] 柴俊卿. 风电增速器振动状态监测研究. 大连理工大学硕士学位论文，2007，3 [25] 时轶， 崔新维. 解调分析在风力发电机上的运用.农机化，2006，（5）：31-32 [26] 樊长博，张来斌，殷树根等. 应用倒频谱分析法对风力发电机组齿轮箱故障诊断.

科学技术与工程，2006，6（2）：187-1：

62

华中科技大学硕士学位论文

[27] 叶枝全，马昊，丁康等.水平轴风力机桨叶的实验模态分析[J].太阳能学报， 2001，

22(4): 473~476

[28] 徐玉秀， 张承东. 风力机叶片应变响应分形特征及损伤识别研究. 机械科学与

技术，2009，28（1）：108-111

[29] 张彦南，张礼达. 风力机机舱故津诊断专家系统的构建. 水力发电，2008，34

（12）：97-99

[30] 郭洪澈. 风力发电系统的故障诊断专家系统设计. 节能，2002，（2）：36-38 [31] Jergen Thiretrup Petersen, Kenncth, Thomsen. Prediction of induced vibrations in

stall[R]. Contributions from the department of wind energy and atmospheric Physics to EWEC’99 in Nice,France,1999

[32] 唐新安，吴金强，谢志明. 600KW风力发电机组故障诊断.大学硕士论文，

2006年

[33] J.Ribrant et al. Survey of failures in wind power systems with focus on Swedish

wind power plant during 1997-2005. IEEE Trans.Energy Conversion, vol.22,nl, pp.167-173, March 2007.

[34] P.J. Tavner et al. Reliability analysis for wind turbines. Journal of Wind

Energy,Vol10,nl,pp.1-18,March-April 2006.

[35] 崔军. 国产化600kw风机刹车系统. 风能有限责任公司，2007年7月 [36] 丁建国，熊晓玲，娜日斯. 美国Z-40风电机在辉腾锡勒风电厂常见故障和缺陷

浅析.风力发电，2002年第4期

[37] 张巨光. HSW-250风力发电机偏航系统故障分析. 风力机技术，2002年4月 [38] 风电机组的防雷问题. 2008-7-15，11：46：49，世界风力发电息中心 [39] 杨绍勇. 测风雷达雷击故障的特点及检修.气象水文海洋仪器，2007年6月 [40] 李晓虎，贾民平，许飞云. 频谱分析法在齿轮箱故障诊断中的应用. 振动、测试

与诊断，2003年9月，第23卷第3期

[41] 唐新安，谢志明，王哲，吴金强. 风力发电机组齿轮箱振动测试与分析. 设备

管理与维修，2006年11期

[42] 徐海峰，张世惠，吴昊. 状态监测在风电机组齿轮箱上应用的探讨. 风力发电，

2002年第4期

63

华中科技大学硕士学位论文

[43] Lucian Mihet Popa, Birgitte-Bak Jensen, Ewen Ritchie and Ion Boldea. Condition

monitoring of wind generators. Industry Applications Conference, 2003. 38th IAS Annual Meeting. Conference Record of the Volume 3, 12-16 Oct. 2003 Page(s):1839 - 1846 vol.3

[44] FD77-1500-Ⅲ风力发电机合同编制，常州轨道车辆牵引传动工程技朮研究中心 [45] R.Yacamini, K.S.Smith, L.Ran. Monitoring torsional vibrations of electro-mechanical

systems using stator currents. Industrial Electronics, 2008. IECON 2008. 34th Annual Conference of IEEE 10-13 Nov. 2008 Page(s):3120 - 3125

[46] Zhou Bo ,Wang Nan, Fei Chaoyang, Chen Changzheng. Study on the reliability for

the blade structure of wind turbine. Electrical Machines and Systems, 2005. ICEMS 2005. Proceedings of the Eighth International Conference on Volume 2, 29-29 Sept. 2005 Page(s):1005 - 1008 Vol. 2

[47] M.Mohsin Khan, M. Tariq Iqbal, Faisal Khan. Reliability and condition monitoring

of a wind turbine. Faculty of engineering and applied sciences, MUN, St. John’s.NL.A1B 3X5

[48] Subhasis Nandi, Hamid A. Toliyat, Xiaodong Li. Condition monitoring and fault

diagnosis of electrical motors—a review. IEEE Transactions on energy conversion, Vol.20.NO.4.December 2005

[49] Mohamed E1, Hachemi Benbouzid. A Review of induction motors signature analysis

as a medium for faults detection. IEEE Transactions on industrial electronics, Vol.47. NO. 5. Octorber,2000

[50] 康晓村. 基于labview的机组故障在线检测诊断系统. 设备管理与维修，2003年

第10期

[51] 陈锡辉，张银鸿. Labview8.20程序设计从入门到精通. 清华大学出版社，2007.7

华中科技大学硕士学位论文

附录1 攻读硕士学位期间参加工作

[1] 参加武钢TRT机组管道的振动分析项目，进行了现场数据采集以及管道fluent

建模计算工作。

65

风力发电机组故障诊断系统研究

作者：

学位授予单位：

赵龙

华中科技大学

本文链接：http://d.wanfangdata.com.cn/Thesis_D085224.aspx

授权使用：洛阳工学院（河南科技大学）(wflskd)，授权号：59031f05-4b6a-4727-add1-9ee000f43907

下载时间：2011年5月11日