一种风电齿轮箱的综合故障诊断方法.pdfVIP

一种风电齿轮箱的综合故障诊断方法

徐经纬1,王宁1,李鼎翰²,陈涛3,谢周阳3

（1.深能南京能源控股有限公司，江苏南京211220;2.广研检测（广州）有限公司，广东广州510535；

3.大生科技（北京)有限公司，北京100041)

摘要：针对风机齿轮箱，提出一种基于多元数据融合的综合故障诊断及装备健康状态评估模型。通过振动及油

液传感器采集齿轮箱状态数据，对数据进行统计、分析，然后采用中心极限定理对单项监测指标的数据整体进行

估计，计算出各监测参数的累计分布函数并作为单项健康度的评分函数。最后结合熵权法动态修正权重，计算

出当前设备的PHM值，同时运采用多种预测模型结合遗传算法自动参数寻优过程对健康度进行智能预测，最终

量化风电齿轮箱的未来健康状态。

关键词：风电机组；加权融合;PHM方法；模型；智能预测

中图分类号：TM315;TP274文献标识码：BDOl:10.16621/j.cnki.issn1001-0599.2024.11.48

0引言度的油液传感器被逐渐应用于工业现场，通过实时采

作为目前风电机组的重要设备之一，风机齿轮集的油液监测数据，一方面提高了故障诊断的响应速

箱的运行状态一直受到广泛的关注和研究。根据相度，为实现智能化故障诊断提供数据基础；另一方面也

关统计，在风力发电机组故障中,齿轮箱和发电机的积累了海量的工业大数据，促进了工业数字化的发展

故障占60%以上，其中又以齿轮箱的故障数量最多。进程。

因此，降低齿轮箱的故障率[2]是保障风机平稳运行本文采用在线油液监测传感技术结合离线油液

的关键。风机齿轮箱的内部结构包括行星轮、太阳轮监测技术，对某风场的风机齿轮箱数据进行数据采集，

及行星架等多个齿轮部件[3],受力情况及内部结构较

并通过采用数据融合的方式对当前数据进行分析诊

复杂，特别在变工况、变载荷的情况下容易出现故断，结合一种动态权重的分配机制，综合计算出该风

障。而且齿轮箱拆装不易，一旦出现故障将给发电机场风机齿轮箱的健康指数。实现对风机齿轮箱的故障

组带来不可估量的后果。因此，如何实现风机齿轮箱预测与PHM(PrognosticsandHealthManagement,健

的状态监测和故障诊断，对风电机组安全运行有着康管理。

重要意义。1数据采集

根据国内外对风机诊断方法的研究[4-1,方法可分为实现该齿轮箱的综合故障诊断，系统内分别部

为经验诊断、机理建模和智能分析三类。其中,经验诊署了SKF振动传感器，用于观测齿轮箱内输人端、高

断方法是根据系统的油温、油液的浑浊度、噪声、振动速轴、低速轴及行星轮的振动状态，同时部署了在线

等参数,结合人工经验得出诊断结论，其对于经验知识油液监测传感器，能够监测齿轮油黏度、水分含量及

的依赖度高且无法实现精确诊断；机理建模是利用数磨损颗粒含量（图1、图2）。油液监测传感器包含黏

学物理理论对设备对象的状态进行简化分类、机理分度、水分、温度、铁磁粗颗粒及非铁磁细颗粒综合传感

析,然后进行数据建模和诊断；智能分析则是结合了传器，表1是各个监测指标的监测范围及检测误差。由

感器技术、工业大数据和智能算法，实现对设备综合评不同传感器采集的数据，通过5G技术被传至数据中

估。近年来，随着在线传感器技术的发展，高可靠、高精心，然后再通过服务器的数据分析模块对其进行分析

166设备管理与维修2024No11(上)诊断技术

表2常用工业数据统计模型及分布函数