基于DSP+ARM的风电机组状态监测系统的研究

王惠中 沈燕妮

(兰州理工大学 电气工程与信息工程学院，甘肃 兰州 730050)

0 引言

近年来，风能作为可再生能源得到了很大利用，全球风电产业一直处于持续增长态势，装机容量不断增加。然而，风电机组长期受到严寒、风沙、台风、腐蚀等条件的影响，随着机组运行时间的延长，机组就会出现一些故障，从而导致设备停机，严重影响发电量，造成重大的经济损失。

长期以来，风电机组一直采用计划维修和事后维修的方式。计划维修即运行2500h和5000h后的例行维护，该维修体制无法全面、及时的了解设备运行状况，而且在风电机组正常运行时，也要按时实行例行维护，造成经济损失。事后维修则因事前准备不足，往往造成维修工作旷日持久，损失重大。

而使用在线监测系统，能够及时发现设备的异常，掌握设备的运行状态，全面提高生产力、减少损失。因此，研究安全可靠的在线监测系统有着重大的现实意义。

目前，风电设备的在线监控水平已经有了很大提高，但还需要进一步完善。在状态监测系统中，使用较多的处理器有单片机和工控机。这些系统对信号的处理能力有限，使得系统在实时的状态监测及故障诊断中存在不足。而DSP处理器的计算能力强、精度高、总线速度快、吞吐量大，将其应用于状态监测系统，可以极大地缩短数字滤波和小波变换的时间。ARM处理器提供了多种通讯接口及外设资源，且功耗低，速度快，便于信息的传递和实时显示。将DSP与ARM的有效结合，充分发挥了各自的优势，达到优劣互补，使得状态监测系统的运行速度大大提高、性能有所提升。

1 风电机组状态监测系统

1.1 双馈异步风电机组的构成和主要部件故障机理

目前，我国使用最多的是双馈异步风力发电机，该机组主要由塔架、叶片、主轴、齿轮箱、发电机、变频器、偏航系统、液压系统和电气控制等组成，基本结构图如图1所示［10，11］。其特点是采用了多级齿轮箱驱动双馈式异步发电机，发电机的转速高、转矩小、重量轻、体积小，变流器容量小。本文主要以双馈异步风力发电机作为研究对象。

根据目前风电机组的实际运行情况可知:主轴轴承、齿轮箱齿轮及其轴承、发电机及其轴承是较容易发生故障的部件。

轴承的常见故障有两类:一类为表面损伤故障，如点蚀、剥落、擦伤等;另一类为磨损故障。造成这些故障的原因有:不平衡、不对中、松动等机械问题;及润滑不良，装配不当，载荷过大等。

由于，轴承承载着机器的负荷，许多典型的问题，如不平衡、不对中等，都会将振动信号传给轴承。因此，通过监测轴承的振动，就会同时发现风电机组典型的故障及轴承缺陷。

图1 双馈异步风力发电机基本结构图

1.2 状态监测系统的监测信号

振动信号频率、幅值、相位的不同，可以反映出不同的故障类型。所以，本系统主要监测主轴轴承和齿轮箱轴承的振动信号。

在风电机组中，主轴轴承和齿轮箱的振动频率范围为0.1Hz～10kHz以上［2］。一般情况下，主轴轴承、齿轮箱行星级轴承(此处需要改吗?)、齿轮箱支撑工作在低频范围(工频5倍以上)，齿轮箱中间级轴承、高速级轴承工作在高频范围(1kHz以上)。

由于低频信号的方向性较强，各种故障引起的振动发生在不同的方向上，例如，不平衡一般是水平方向振动出现异常，松动是垂直方向异常，不对中是轴向异常;而高频信号对方向不敏感，只要选择最容易测的一个方向即可，这是因为滚动轴承上产生的振动是全方位各方向传递的。故在采集机械振动信号时，对于低频信号分垂直、水平、轴向3个方向;对高频信号，只测垂直或水平一个方向。因此，对主轴前后轴承、齿轮箱行星级轴承和齿轮箱支撑进行三个方向测量，对齿轮箱中间级轴承、高速级轴承进行水平和垂直两个方向进行测量［3］。

1.3 状态监测系统的硬件设计

根据系统的功能需求，设计的风电机组状态监测系统框图如图2所示。

图2 风电机组在线监测系统框图

其中，DSP主要负责数据采集和分析处理。ARM负责完成数据存储功能、故障诊断功能、人机接口和各种通信功能。

1.3.1振动传感器的选择

振动可以用位移、速度和加速度三种运动量来表示。在实际测量工作中，由于位移、速度或加速度的传感器及其微分或积分电路特性等方面的差别，引起的误差不同;同时，选用什么传感器，还与频率的大小有关。所以，一定要慎重选择传感器。

一般，位移传感器适合于低频测量，10Hz以下的低频振动会出现可观的位移。速度传感器适合于中频测量，范围为10Hz～1kHz。加速度适合于高频测量，频率范围在2Hz～10kHz之间或更高。高频振动和宽频带测量、冲击试验及谱分析时，宜选用加速度作标量。本次设计选用的是位移传感器和加速度传感器。

1.3.2通讯及人机接口

由于风电场比较大，每个风力发电机相距较远，要将各风电机的状态信息有效可靠的传输到监控中心进行分析，就要采用先进的通讯工具。在本次设计中，主要采用无线通讯方式完成通讯功能。人机接口包括键盘、液晶显示器、报警系统。通过人机接口可以显示信号的特征参数、时域波形图和小波分析图、显现故障的判断结果;还可以设置系统参数;在有故障时，可以进行报警。

1.3.3输出控制与扩展

当监测到严重故障时，系统输出控制信号，联动风机控制端，采取一些保护措施，比如风机飞车、超速时，脱网停机。

在系统需要扩展时，可通过扩展输入模块将其它监测器(标准信号或无源开关量信号)接入本系统，方便地实现系统集成;可通过扩展输出模块，方便地实现远程控制外部设备。

1.4 状态监测系统的软件设计

风电机组在线监测系统的软件设计主要包括两部分，即DSP数据采集与实时信号处理软件、基于ARM的事务处理与故障诊断软件［1］。系统软件框图如图3所示。

图3 风电机组在线监测系统软件框图

1.4.1DSP数据采集与处理软件

由于当损伤点与其他轴承元件表面发生接触时，将产生突变的冲击脉冲力，从而导致轴承系统瞬时高频共振。所以故障轴承的振动信号为非平稳信号，这种瞬时频率突变信号往往被较大的振动信号所掩盖，从而很难提取故障特征。此次对振动信号的分析主要从以下两个域进行考虑。

(1)时域分析

本系统中，数字信号处理器DSP对采集的振动信号经A/D转换后进行必要的数字滤波，然后在时域上分析信号，提取特征信息，即:均方根值、峰值、峰值指标、脉冲指标、裕度指标、歪度指标、峭度指标。

(2)频域分析

常用的时频分析方法包括:瞬时自相关、短时傅里叶变换、Wigner-Vill分布(WVD)等。虽然这些方法对信号的时频分析具有一定的效果，但都或多或少存在着一些问题。而小波分析是一种优良的时频分析法，它是一种窗口大小固定但其形状可改变的时频局部化分析方法，在处理非平稳信号时，精确度较高。通过小波变换把振动信号正交分解到独立的频带内，同时从时域和频域给出信号特征，可以在不同频带内监测轴承故障。

各种小波算法中，小波包变换是一种新兴的时频分析方法，不但能分解低频部分，还能对高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高时—频分辨率，因此选用小波包分析算法对振动信号进行时频分析非常适合。系统在DSP上实现小波包分析，既可以有效诊断设备故障，又满足了实时分析的要求。

小波包频带分析技术的理论依据是Parseval能量积分等式。小波变换系数d(j，k)的平方具有能量的量纲，可以用于轴承故障诊断的能量特征提取。提取步骤如下［4，5］

①对信号进行j层小波分解。

②计算各频带的信号能量，其公式为

其中，E(j，k)表示第j层第k个子频带上的信号能量。

③将各个频带的信号能量组成特征向量，即

④当能量较大时，E(j，k)通常是一个较大的数值，给数据分析带来了一些方便，为此将能量特征向量进行归一化处理。

其中，E(0，0)为信号总能量。假定原信号按某一小波包分解树分解后由M个子频带组成，则:

1.4.2 ARM事务处理与故障诊断软件

本系统中，ARM事务处理与故障诊断软件包括四个部分。数据存储模块把采样数据及分析结果存储到大容量非易失闪存上，以实现数据的回放和进一步处理。故障诊断主要是ARM处理器根据DSP提取的振动信号特征，诊断风电机组的显现故障。人机接口部分完成显示、键盘响应等工作。通讯模块主要将采集的数据及提取的特征参数打包，完成无线通讯。

1.4.3 DSP和ARM之间的通讯

由于DSP和ARM各有不同的硬件特点，两种处理器的运算速度各不相同，所以DSP和ARM之间的数据通讯问题就成了一个难题。在DSP与ARM结合时，既要考虑数据交换时的高效率，又要做到系统功能稳定，功耗小，让两者的工作达到最好的状态。本系统将通过DSP的HPI(Host Port Interface)接口完成两者的通讯工作。HPI是DSP上配置的与主机进行通信的片内外设，它是一个并行接口。HPI接口的访问主要通过三个专用寄存器来实现，它们分别是HPI控制寄存器(HPIC)、HPI地址寄存器(HPIA)和HPI数据寄存器(HPID)。而DSP则用片上的DMA来进行实际的数据读/写。HPI的数据、控制引脚都是专用的，它保证了HPI和DSP操作的并行性，提高了系统的处理速度。

2 结束语

本次研究设计的状态监测系统，是一个功能丰富、性能可靠的风电机组在线监测系统，能够实时监测风电机组重要部件的运行状态，诊断风电机组的显现故障，显示信号的特征参数和分析诊断结果;还可以通过无线通讯方式，为上位机进一步诊断和预测风电机组的故障提供可靠数据。

［1］孙晓松，周勇，曹雪瑞.基于 ARM—DSP的旋转机械振动测量分析系统［J］.自动化技术与应用，2006，25(11):18-20.

［2］蒋东翔，黄乾，洪良友，丁勇山.风力发电机组振动监测与智能诊断系统开发［J］.振动与冲击，2008，27(S):113-115.

［3］王瑞闯，林富洪.风力发电机在线监测与诊断系统研究［J］.华东电力.2009，37(1):190-193.

［4］李玫.基于小波包分析的辐射源特征提取和识别算法［J］.电子元器件应用.2010，12(10):87-89.

［5］范立莉，梁平.小波包分析在汽轮机转子振动故障诊断中的应用［J］.广东电力.2007，20(11):1-5.

［6］张弓，张景涛.HPI主机接口在多处理器系统中的应用［J］.电子技术应用.2002(7):73-75.

［7］刘畅，陶然.主机口(HPI)在基于DSP与ARM的系统中的应用［J］.军民两用技术与产品.2006(6):41-42.

［8］李录平，晋风华.汽轮发电机组碰摩振动的检测、诊断与控制［M］.北京:中国电力出版社，2006.

［9］飞思科技产品研发中心.小波分析理论与MATLAB7实现［M］.北京:电子工业出版社，2005.3.

［10］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［J］.设备管理与维修.2006(11):31-33.

［11］陈冶，陈朝辉.GE1.5S系列风力发电机简介［J］.电站系统工程.2009，25(6):68-69.