风电机组变桨轴承失效原因分析

刘启栋，严得鑫，芦 彪，宋首先，左仲林，孙志远，李 霖

（青海黄河风力发电有限责任公司，青海 共和）

引言

风力发电机组中使用的变桨轴承在运行过程中会受到恶劣环境的影响，包括在不同风速下的振动和冲击，因此需要高负载能力，这可能会使变桨轴承超出其极限。尽管风力涡轮机的可用性很高，但机械部件在传动系中的故障通常会造成高昂的维修成本和收入损失。在大多数风力发电机组中，齿轮箱通常用于将转子速度调整为发电机速度。如今，风力涡轮机齿轮箱的实际使用寿命往往低于设计的年限。故障可能出现在变桨轴承位置[1-2]。在风电机组滚动元件轴承中，设计用于支撑转子和转子轴、齿轮箱轴和发电机输入轴，轴承布置取决于驱动轴的重型设计。转子轴轴承支撑主轴和转子叶片，在动态和径向负载条件下运行，转速约为20 至30 rpm。转子叶片在主轴上引入周期性的负载波动，从而导致主轴本身弯曲，轴承内不对齐，可能受到首次损坏。

包络分析在这些条件下是一种强大的工具，它被广泛用于解调在经典频谱中检测到的谐振。但在实践中，选择合适的谐振频率始终比较复杂。主要是共振的定位比较复杂，如果必须分析所有可能由经典光谱产生的共振，则可能会增加计算时间。峰度可以降低难度，它是一种标量测量，可以定位信号中的瞬态。光谱峰度（SK）是基于该指标定位最优频带频率的一种新方法。本研究的主要目的是使用基于SK 的平方包络来研究风电机组变桨轴承退化中的打滑，以及运行中的故障测试。

1 变桨轴失效原因分析

风电机组的变桨轴承失效可能由多种原因引起，以下是一些可能的原因和分析[3-5]：

(1) 磨损和疲劳：轴承在长期运行中会受到很大的载荷和摩擦力，这可能导致轴承表面的磨损和疲劳裂纹。这通常是常见的失效原因之一。这种磨损和疲劳可能是由于不足的润滑、过多的负荷、材料质量不良或不当的维护等因素引起的。

(2) 污染和腐蚀：风电机组通常在恶劣的环境条件下运行，如高湿度、海盐等。这些条件可能导致轴承表面污染和腐蚀，进而降低轴承寿命。正确的密封和防护可以减轻这种情况。

(3) 轴承预载不足：轴承的预载是指在轴承上施加的初始压力，以确保轴承在运行时正常工作。如果预载不足，轴承可能会在运行中出现不稳定，导致磨损和失效。

(4) 过热：轴承的过热可能是由于不足的润滑、轴承过度负荷或运行速度过高等原因引起的。过热会导致润滑剂失效，从而加速轴承的磨损。

(5) 不良的安装和维护：不正确的轴承安装、定期维护和润滑可能导致轴承失效。正确的安装和维护程序对于轴承寿命的延长至关重要。

(6) 过度振动：风电机组在运行时可能会受到振动和冲击负荷，如果这些振动和冲击不得到适当的控制，它们可能会导致轴承失效。

(7) 设计问题：轴承失效还可能与设计问题有关，如不足的轴承容量或轴承类型选择不当等。

总之，为了减少风电机组变桨轴承失效的风险，需要定期进行维护和检查，确保轴承正常工作，并采取适当的润滑措施。此外，风电机组的设计和制造应考虑到恶劣环境条件和负载要求，以提高轴承的耐久性。如果发现轴承失效迹象，应及时更换或修理以避免进一步的损坏和停机时间。

2 风电机组变桨轴承的运行及算法分析

2.1 轴承运行条件

变桨轴承可能受到外部因素的损坏，空气或湿气污染了润滑油。由于变桨轴承的旋转，一旦轴承滚柱损坏，可能会影响其他部件，导致需要更换整个轴承。因此，必须针对每个负载条件（最小负载、平均负载、最大负载）检查各参数的最佳规格，包括轴承几何形状、间隙、轴承滚动元件的数量、冠状和保持架。

2.2 光谱峰度的定义与计算方法

光谱风度(SK)是一种频谱，提供了一种稳健的方法来检测产生脉冲状信号的早期故障，即使在存在强噪声的情况下效果也很好。SK 还提供了一种设计最佳滤波器的方法，用于使用峰度或快速峰度来过滤故障的振动特征。方位信号是一系列脉冲，脉冲的峰度值比高斯型信号高得多，峰度是一个统计参数，定义为

式中，x 是采样的时间信号；i 是样本指数；N 是采样的数量；是样本平均值。这个标准化的四次方是为了反映信号的“峰值”。信号的SK 定义为其频谱分量的峰度。信号x（t）的SK 可以定义为标准化的四阶谱矩。

式中， ·表示时间-频率平均算法，分别是f 周围x（t）的带通滤波信号的二阶及四阶累积量。如果脉冲部分更多地集中在某个频带上，则SK 滤波信号的峰度是经典功率谱密度（PSD）的补码，用于检测信号的非平稳分量，并且它也可以应用于信号的实部、虚部或模。然而，为了正确地估计信号的SK，需要最小数量的频谱。在实践中，使用短时间傅立叶变换（STFT）可以达到这个值。STFT 的基础是将信号分割成k 段，并计算每个分段的FFT。该技术旨在通过高峰度值来寻找频带。针对峰度单独计算振动信号的每个时间窗口的STFT 系数H（t,f），对所有这些系数进行平均以产生SK，如图1 所示，该方法类似于用功率谱估计的韦尔奇方法。这种方法的关键是时间窗口必须允许一个脉冲，否则脉冲之间的过渡将平滑输出。

图1 光谱峰度

为了克服这个问题，设计了一种计算SK 的曲线图，利用多重滤波器组或复数小波包对其振动信号进行分解，并根据每个分解频率计算峰度，找出具有足够峰度值的频率带。尽管如此，峰度值依赖于每个频带的中心频率“fc”和带宽“Bw”，因此很难确定分解的峰度值。在实际应用中，为了找到合适的频带进行包络分析，需要进行大量的计算。

3 变桨轴承状态检测分析

振动数据是测试条件下收集的，大约是50 天的原始数据，每天以高采样率进行一次原始采集，每次6 s（采样频率约100 kHz），经检查，该轴承存在内座圈故障。被测轴承由两个枕块支撑。处于该状态的轴承还有一个测压元件，用于测量轴承上的力，实施从2 到100 Hz 的变速控制。负载架的控制是通过机械测试解决方案系统设计的控制器进行的，该控制器使用负载架本身的手持远程控制屏幕（RCS）设备，或通过单独控制室中专用计算机上的软件程序。在任何一种情况下，负载框架都可以在负载或位移控制模式下操作。在负载控制中，一个负载被命令，并且执行器位移尽可能多地达到所需的负载。在位移控制中，一个位移被命令，并且执行器施加所需的力来达到所需的位移。

使用光谱峰度法对正常、退化和故障区域产生的原始振动和过滤信号，分别如图2、图3 和图4 所示。如简介部分所述，使用SK 的主要优势在于信号所在的频段。根据原始信号特征自动选择带通滤波以改善变桨轴承缺陷特征。在第一个实例中，峰度图用于定位峰度最大的频率区域，该区域表示较高的冲动性。在本研究中，使用了前人提出的快速计算库特图的算法。

图2 原始振动信号的趋势，以及SK 的滤波信号的包络（在正常阶段获取的信号）

图3 原始振动信号的趋势，以及SK 的滤波信号的包络（在退化阶段获得的信号）

图4 原始振动信号的趋势，以及SK 的滤波信号的包络（在失效阶段获得的信号）

从图中我们还可以发现，在第一个和第二个之间的测量中，为峰度值最小的测量值。由此得出的结论是，第一次更改发生在此间隔之后。图5 显示了在正常区、退化区和故障区进行实验运行的SK。在这种特定情况下，可以通过使用中心频率fc=17.6 kHz 和滤波器带宽Bw=1.8 kHz 的带通滤波器对原始信号进行滤波来获得具有最高SK 的频带。

图5 SK 方法用于变桨轴故障测试

特定实验运行是否可以包含故障元件的决定是基于特定测量的SK 的最大值。由等式(2)定义的SK（f）的值，随着脉冲振幅波动的强度增加。因此，SK 的值可以用作损坏严重程度的指示，分别计算每个测量的SK 值，SK 的平方根与瞬态的最佳滤波器有关。对于一个特定速度，一组50 次测量的峰度值如图6 所示。在无故障运行具有最小SK 值的假设下，我们可以确定一个波动区域，该区域可以作为故障运行和无故障运行之间的边界。该区域选择程序的前提是，具有相同类型故障的几个测量的峰度值具有相似的值。

图6 测量的峰度值

4 结论

本文研究了SK 法在诊断故障和预测领域的应用。SK 技术将峰度的概念扩展到了频率函数的概念，该函数表示信号的脉冲性。它的原理类似于功率谱密度，它使用四阶统计量而不是二阶统计量来分解信号频率的幂。此类工具用于检测信号中是否存在瞬变。即使瞬态特征隐藏在强噪声中或受到其他源的干扰，SK 法仍然可以自动指示出这些信号发生在哪个频带。因此，SK 法被广泛应用于键部件的故障检测、诊断。现有方案的进一步研究和应用将更加广泛，特别是在预测领域，面向剩余寿命的退化分析和预测。这项工作的结果表明，SK 仍在发展中，并已在风力发电机变桨轴承的故障诊断中取得了进展。