基于时域波形和频谱分析的齿轮箱故障诊断

周卓品

国家电投集团山东海洋能源发展有限公司，山东 烟台 264000

摘要：齿轮箱在风力发电机组传动系统中起着非常重要的作用，但由于风况不稳定、设备装配工艺不达标，整个传动系统的滚动轴承在振动过程中易造成磨损失效。本文针对某风力发电机组，利用时域波形和频谱分析方法对齿轮箱轴承进行诊断，对工作异常轴承进行振动波形分析，精确诊断故障轴承的故障特征和故障程度，准确提出维护意见，避免机组的大部件损伤。

关键词：振动分析；时域波形；频谱分析；故障诊断

Gearbox fault diagnosis based on time domain waveform and spectrum analysis

Zhou Zhuopin

(China Resources Power Wind Energy (Yantai) Company Limited,Yantai 26000,China)

Abstract: The gearbox plays a very important role in the transmission system of the wind turbine, but due to unstable wind conditions and equipment assembly process not up to standard, the rolling bearings of the entire transmission system are prone to wear and failure during vibration. This paper uses a time domain waveform and frequency spectrum analysis method to diagnose gearbox bearings for a wind turbine, and analyzes vibration waveforms for abnormal bearings, accurately diagnoses the fault characteristics and degree of faulty bearings, and accurately provides maintenance advice to avoid the unit Damage to large parts.

Keywords：Vibration ；Time domain waveform； Bearing;Frequency Spectrum Analysis; FaultDiagnosis

0引言

随着国家大力倡导清洁能源的发展，风力发电已成为发展清洁能源的重要组成部分，截止2019年底，全国风电累计装机2.1亿千瓦，占全国总发电装机容量的10.40%。

风力发电机的工作主要是在恶劣的环境中运行，例如低温，多尘或气候不稳定等环境条件，这无疑导致风力发电机在工作期间发生故障或损坏，降低了发电效率，从而导致巨大的损失[1]。本文通过一些典型案例分析时域波形和频谱分析在齿轮箱轴承早期故障诊断的应用。

振动分析技术通过采集风力机组传动系统中各轴承处的振动数据和波形，然后以振动理论为依据，经过振动频谱分析诊断，可以准确的判断出故障轴承点及故障程度，从而提出维修意见和改善工艺，可极大提高工作效率、减少意外停机事故。

1齿轮箱基本结构简图

图1 齿轮箱基本结构简图

时域分析是最直观的分析方法，实际的风机在运行过程中，转速是随着时间的变化而变化的，其振动状态也会随之变化，时域分析可以用来提取原始信号的时域特征，并通过分析其时域特征来诊断风机故障。不同的时域波形能反映风机不同的运行状态。例如：信号的峰值反应了冲击信号的能量，这种特点可以用来诊断风机中的冲击故障。

频域分析是将原始信号经过傅里叶变换的方式获得的，频域分析方法通过分析频谱特征来判断风机中齿轮、轴承存在的故障，这类方法在诊断风机齿轮箱故障中运用十分广泛。当风机齿轮箱发生故障时，其频域信号在某些频率点处会有较大振幅，找出频谱中的各种故障频率，确定振动源的位置，并分析故障原因[2]。

简单的说，滚动轴承不同部位处发生故障，其频谱和波形特征不同，故障程度不同，其波形振幅也不同。频谱分析据于此特征从而判断出轴承故障发生的部位和程度。（1）径向振动在轴承故障特征频率及其低倍频处有波峰，若有多个同类型故障，则在故障特征频率的低倍频处有较大的峰值；（2）轴承内滚道故障特征频率有边带，边带间隔为1倍频的倍数；（3）滚动体特征频率处有边带，边带间隔为保持架故障特征频率；（4）若在加速度频谱的中高区域突然有峰群生出，表明有疲劳故障；（5）径向诊断时域波形有垂直复冲击迹象，其波峰系数大于5，表明故障产生了高频冲击现象

[3]。

2风力机组齿轮箱轴承故障诊断

本文以某风力发电机组齿轮箱轴承为分析对象，进行轴承故障分析诊断。该轴承型号为SKF30326，其特征频率由自身尺寸决定，计算公式如下：

内圈特征频率：

BPFI=(n/2)*[1+(d/D)*cosφ]

外圈特征频率：

BPFO=(n/2)*[1-(d/D)*cosφ]

滚动体特征频率：

BSF=(D/2d)*{1-[(d/D)*cosφ]2}

保持架特征频率：

FTF=[1-(d/D)*cosφ]/2

d—滚动体直径；

D—滚动轴承平均直径(滚动体中心处直径)；

φ—径向方向接触角；

n—滚动体数目。

查询SKF滚动轴承特征频率表如表1

轴承型号	滚动体数	特征频率（阶次   ）
		内圈	外圈	滚动体	保持架
30326	16	9.436	6.564	2.627	0.41

表1 SKF轴承特征频率表

表2 齿轮箱各传动齿齿数

在风电机组运行阶段，通过在线振动监测设备对风力发电机传动系统运行状态进行监控，利用压电式加速度传感器对风机传动系统中的各个轴承进行振动数据采集，并经在线分析软件对采集数据进行后台分析。经分析发现，某台风机齿轮箱高速轴处轴承水平方向振动加速度数值持续偏高，如图2趋势分析图所示，该处轴承振动加速在左右，严重高于其他风机同工况下同处轴承振动加速度值。

图2趋势分析

图3 峭度指标

故障轴承随着故障的出现和发展，其峭度值具有与波峰因数类似的变化趋势。由于峭度值分析与轴承的转速、尺寸和载荷无关，只是反映振动随机变量分布特性的数值统计量。当滚动轴承无故障运行时，其振动信号幅值分布接近正态分布，峭度指标值约K≈3。随着轴承故障发生和加重，较大的振动幅值信号概率密度增加，导致信号幅值偏离正态分布，峭度指标值随之增大。峭度指标值绝对值越大，说明轴承故障越严重[4]。如图3峭度指标图所示，该高速轴轴承振动波形的峭度指标值大于5。通过振动加速度趋势和波形峭度分析，已充分说明该高速轴轴承已出现故障。

图4 时域分析

图5 频谱分析

在高速轴转速为1684RPM（频率值28.06Hz）时，采集故障轴承水平方向振动信号，其时域波形如图4所示。在时域分析图中，可以看到含有明显的冲击波形，并且冲击受到高速轴转频调制。通过快速傅里叶变换，实现振动信号频谱图，如图5所示，通过频谱分析图，可以看出频谱中存在多处谱峰群，其中15000Hz以下能量比较丰富。

图6 包络解调

对振动信号的频谱图进行包络解调，如图6所示，可见存在轴承内圈故障特征频率及其倍频。初步判断高速轴轴承内圈存在缺陷，实际情况如图8所示。

图7 中速轴轴承时域波形

某风电场#26风机齿轮箱中速轴时域波形图中出现明显等间隔冲击，冲击间隔为中速轴转频，如图7所示。波形特征为中速轴断齿或轴承缺陷，风电场检修人员登机检查发现齿轮箱存在断齿情况。如图9所示。

图8 高速轴轴承磨损

图9 中速轴断齿

3结论

本文通过在线振动监测设备对风力发电机组传动系统中的各处轴承采集振动数据，进行故障分析、故障特征提取，从理论上精确诊断出各处轴承的运行状态、故障类别及故障程度。该振动分析得到实际工作效果的验证，并对齿轮箱故障提出维修意见和改善工艺，极大提高了工作效率、减少了机组故障停机，从而充分说明振动分析技术在风力发电机组轴承故障诊断中的重要性。

参考文献

[1]南冰. 风力发电机振动信号采集分析仪与诊断方法研究[D].华北电力大学,2017.

[2] 南冰. 风力发电机振动信号采集分析仪与诊断方法研究[D].华北电力大学,2017.

[3] 朱振军.轴承振动故障分析[J].设备管理与维修，2011，(S1):99-100.

[4] 王阳,刘红彦.频谱分析在齿轮故障诊断中的应用[J].石油和化工设备,2010,(03):31-33.

作者简介：

周卓品(1993-），主要从事风力发电机组机械传动系统研究和机械设备维护工作。