王兆心
葉片是風(fēng)能風(fēng)力渦輪機(jī)的主要部件。當(dāng)風(fēng)力渦輪機(jī)運(yùn)行時(shí),葉片將承受大的應(yīng)力并且易于失效。例如,長期運(yùn)行后,由于長期暴露在蒸汽和空氣中,葉片易于腐蝕和脫落,導(dǎo)致表面粗糙,結(jié)構(gòu)松散,結(jié)構(gòu)不穩(wěn)定。當(dāng)葉片因外力而破裂或變形時(shí),釋放出高頻瞬態(tài)聲發(fā)射信號。在此基礎(chǔ)上,將排放檢測技術(shù)應(yīng)用于葉片損傷評估。一旦葉片發(fā)生故障,將導(dǎo)致轉(zhuǎn)子葉片不平衡。通過主軸傳遞的應(yīng)力會(huì)對發(fā)動(dòng)機(jī)室產(chǎn)生一定的影響,這將導(dǎo)致整個(gè)駕駛室顫動(dòng)并嚴(yán)重影響風(fēng)扇的穩(wěn)定性。
變速箱是風(fēng)力渦輪機(jī)主軸的重要部分。其主要功能是增加主軸轉(zhuǎn)速,以滿足發(fā)電機(jī)運(yùn)行的基本需求。變速箱主要由行星齒輪和兩個(gè)平行齒輪組成。工作環(huán)境惡劣,工作條件復(fù)雜。行星齒輪和齒輪箱中的高速軸軸承的長期運(yùn)行容易失效。風(fēng)力渦輪機(jī)在運(yùn)行期間易受交變應(yīng)力和沖擊載荷的影響,導(dǎo)致齒輪磨損,生銹和滑動(dòng)。雖然齒輪組故障的頻率相對較小,但是一旦齒輪組失效并且不能繼續(xù)工作,則執(zhí)行維護(hù)需要很長時(shí)間并且維護(hù)成本高。
電動(dòng)機(jī)故障可以概括為電氣故障和機(jī)械故障,包括短路,開路,過熱等。機(jī)械故障包括軸承過熱,損壞和嚴(yán)重磨損。通過分析振動(dòng),電流和溫度信號,可以有效地檢測和評估電機(jī)故障。雙饋風(fēng)扇轉(zhuǎn)速高,額定轉(zhuǎn)速可達(dá)1500r/min。因此,有必要加快風(fēng)扇齒輪箱的速度以匹配操作過程。
偏航系統(tǒng)有兩個(gè)功能:(1) 使風(fēng)扇能夠動(dòng)態(tài)跟蹤風(fēng)向;(2) 跟蹤風(fēng)向,使電纜容易從機(jī)艙繞組中抽出。當(dāng)卷繞量太大時(shí),偏航系統(tǒng)可以直接解決卷繞問題。槳距控制系統(tǒng)的主要功能是通過在風(fēng)速變化時(shí)控制葉片角度來調(diào)節(jié)風(fēng)力渦輪機(jī),從而獲得空氣動(dòng)力學(xué)扭矩并最終實(shí)現(xiàn)有效的動(dòng)力控制。當(dāng)風(fēng)速過高或風(fēng)扇故障時(shí),葉片調(diào)整到螺旋槳狀態(tài),有效地實(shí)現(xiàn)制動(dòng)。
風(fēng)力渦輪機(jī)有許多故障診斷方法,包括傳統(tǒng)的診斷方法,智能故障診斷方法和數(shù)學(xué)診斷方法。大多數(shù)傳統(tǒng)的診斷方法都是基于狀態(tài)監(jiān)測技術(shù)的數(shù)據(jù)分析,包括:振動(dòng)監(jiān)測技術(shù),油分析技術(shù),噪聲監(jiān)測技術(shù),紅外測溫技術(shù),聲發(fā)射技術(shù)和無損檢測技術(shù)。智能診斷方法主要包括模糊邏輯,專家系統(tǒng),神經(jīng)網(wǎng)絡(luò)和遺傳算法。數(shù)學(xué)診斷方法主要包括基于線性和非線性判別函數(shù)的貝葉斯決策準(zhǔn)則和模式識(shí)別方法,基于概率統(tǒng)計(jì)的時(shí)間序列模型診斷方法,基于距離準(zhǔn)則的故障診斷方法,模糊診斷原理和灰色系統(tǒng)診斷。方法,故障樹分析方法,小波分析方法等。
時(shí)域和頻域分析是風(fēng)力渦輪機(jī)故障診斷的最常用方法。時(shí)域處理方法主要包括以下指標(biāo):均值,方差,標(biāo)準(zhǔn)差,均方值,有效值,峰值,峰峰值,波形指標(biāo),峰值指標(biāo)和脈沖指標(biāo)。通過時(shí)域指標(biāo)的統(tǒng)計(jì),可以進(jìn)行定性診斷,但不能指出具體的故障位置。對時(shí)域信號進(jìn)行傅立葉變換以獲得信號的頻譜,并且根據(jù)頻率的異常變化來診斷單元的故障。如果需要處理短期影響調(diào)制信號,如果直接對故障信號進(jìn)行頻譜分析,則通常會(huì)失敗,并且無法查看是否發(fā)生了故障,因?yàn)镕FT 更適合處理靜止期信號。因此,出現(xiàn)了包絡(luò)譜的使用。包絡(luò)譜不是信號處理過程的精確描述,而是表示不同頻率下振動(dòng)信號的能量。它是根據(jù)振動(dòng)信號源的故障頻率計(jì)算出來的,以確定元件是否發(fā)生故障。包絡(luò)解調(diào)技術(shù)增強(qiáng)了高頻瞬態(tài)失真小信號的能量,并將包絡(luò)檢測技術(shù)與傳統(tǒng)的頻譜分析技術(shù)相結(jié)合,在軸承和齒輪嚴(yán)重?fù)p壞之前檢測其早期缺陷和潤滑問題。。
人工智能診斷方法主要包括模糊邏輯,專家系統(tǒng),神經(jīng)網(wǎng)絡(luò)和遺傳算法。人工智能診斷方法可用于故障狀態(tài)模式識(shí)別,趨勢預(yù)測等。使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行自學(xué)習(xí),自組織,自適應(yīng)和強(qiáng)非線性映射能力。針對齒輪箱和發(fā)電機(jī)的故障,提出了一種新的智能診斷方法。我們的想法是首先執(zhí)行信號。單子帶重構(gòu)改進(jìn)了小波變換,然后從小波變換子帶系數(shù)中提取特征特征,提取故障特征作為BP 神經(jīng)網(wǎng)絡(luò)的輸入。BP 神經(jīng)網(wǎng)絡(luò)根據(jù)訓(xùn)練的映射關(guān)系導(dǎo)出相應(yīng)輸入信號的故障類型。
小波分析在時(shí)域和頻域都具有良好的定位特性,更好地解決了時(shí)域和頻域分辨率之間的矛盾。它可以在一些高頻頻段放大比例,并具有良好的頻率分辨率。它可以降低某些低頻頻段的規(guī)模,并具有良好的時(shí)間分辨率和對信號的適應(yīng)性。因此,小波分析特別適用于處理非平穩(wěn)時(shí)變信號,可以劃分任意頻段的信號,并且可以有效地提取故障特征,而不是基于傅里葉變換的分析方法,特別是提取弱故障特征?;谛〔ǚ治龉收显\斷理論,武漢理工大學(xué)梁衛(wèi)軍提出了一種監(jiān)測齒輪箱狀態(tài)的方法。該方法首先利用常規(guī)功率譜分析點(diǎn)蝕故障,然后對點(diǎn)蝕故障進(jìn)行小波變換的時(shí)頻分析。
風(fēng)力發(fā)電機(jī)的日常維護(hù)和故障處理是確保風(fēng)電場風(fēng)力發(fā)電機(jī)可靠運(yùn)行,降低維護(hù)成本,延長機(jī)組使用壽命的重要技術(shù)手段。以上僅是對風(fēng)力發(fā)電機(jī)的日常維護(hù)和故障排除的初步討論。風(fēng)力發(fā)電還存在許多問題需要解決。因此,要善于總結(jié)和思考工作,善于提問,分析問題,解決問題,加強(qiáng)日常檢查和檢查,減少風(fēng)機(jī)故障頻率和重復(fù)性故障,特別是對中國風(fēng)電的積極發(fā)展至關(guān)重要。