论文总字数：20803字

摘 要

在化石燃料枯竭的压力下，可再生清洁能源已成为各国追求发展的共同目标。风能作为人类很早就开始发展的清洁能源，随着其开发技术的日趋成熟，它已经在我国能源利用中占据着极其重要的地位。同时，风电产业的发展还促进了能源产业结构的转变，使中国能够更快地进入清洁低碳能源的新时代。

随着风电在电力市场中的份额不断增加，风电的安全性和可靠性越来越重要。但是风机往往安装在偏远、交通不便的地区，这意味着对风机的运行状况进行实地的监测要付出巨大的人力成本。

提高风力发电机组的利用率、降低其运行的故障率以及对机组潜在故障进行有效地预警成为风电技术发展的重要课题。除此之外，为了避免事故的发生我们应该规定相应的措施，以此来保证风力发电机组能够安全高效地运行。这些都已成为风电运营商维护和维修设备的主要任务，也是风电行业面临的重要研究课题

风力发电机组齿轮箱运行工况恶劣，容易造成设备故障。因此，本毕业设计项目在深入了解风力机结构和常见故障特征的基础上，开展风力机齿轮箱故障信号去噪技术研究，从振动信号和声发射信号两方面分析齿轮箱常见故障信号特征，进一步研究有效的去噪方法，为齿轮箱故障识别提供保证。

关键词：风电机组，齿轮箱，故障信号去噪，振动，声发射

Abstract

Day by day, under the weight of fossil fuel depletion, renewable clean energy has become a common goal for all countries to pursue and develop. As the earliest and most mature clean energy, wind energy has come into the public view. At the same time,the development of wind power industry can promote the transformation of energy industry structure, so that our country will be able to move towards a new era of clean, low-carbon energy more rapidly.

As wind power in the electricity market share continues to improve, the safety and reliability of the wind power become more and more important. And wind turbines are generally installed in inaccessible, desolate, open and remote areas, human beings are not easy to approach or linger for a long time.

How to improve the utilization rate of wind turbines, reduce the failure rate of the equipment, and effectively warn of possible faults? How to take measures to avoid the occurrence of major failures and to ensure the safe and efficient operation of wind turbines? These have become the main tasks of equipment maintenance and overhaul for wind power operators, and also an important research topic for wind power industry.

The operating conditions of wind turbine gearbox are harsh and it is easy to cause equipment failure. Therefore, on the basis of a deep understanding of the structure of wind turbines and common faults, the subject of this graduation project is to study the de-noising techniques for fault signals of wind turbine gearboxes, and to analyze the signal characteristics of common faults of gearboxes from two aspects of vibration signals and acoustic emission signals. And further study the effective method of noise reduction to provide protection for the fault identification of the gearbox.

Key words: Wind turbine, gearbox, fault signal denoising, vibration, acoustic emission

目 录

摘 要 1

Abstract 2

第一章 绪论 5

1.1 研究背景 5

1.1.1我国风电发展现状 5

1.1.2故障信号去噪的意义 6

1.2 风电机组故障信号类型 6

1.2.1风电机组简介 6

1.2.2风电机组常见故障 6

1.3 齿轮箱的监测 7

1.4 常见信号去噪的方法 9

1.4.1 小波变换去噪 9

1.4.2 独立分量去噪 9

1.4.3 经验模式分解去噪 10

1.5 论文结构 10

1.6 本章小结 10

第二章 声发射信号及振动信号 11

2.1 声发射信号 11

2.1.1声发射信号产生机理 11

2.1.2 声发射检测法的特点 12

2.2 振动信号 12

2.2.1振动信号的基本量 12

2.2.3振动信号的频域分析方法 14

2.3 本章小结 15

第三章 基于小波变换的去噪处理 16

3.1 小波变换的发展及研究现状 16

3.2 小波去噪原理 16

3.3 小波阈值去噪 17

3.4 本章小结 19

第四章 风电传动系统试验台轴承故障检测及分析 20

4.1 试验台基本结构 20

4.1.1行星齿轮箱故障制备 21

4.1.2声发射传感器 21

4.1.3振动传感器 22

4.2 实验步骤 22

4.3声发射信号去噪 23

4.3.1声发射采样软件 23

4.3.2声发射信号去噪分析 23

4.4 振动信号去噪 24

4.4.1振动采样软件 24

4.4.2振动信号去噪分析 24

4.4 本章小结 25

第五章 总结与展望 26

5.1总结 26

5.2本文研究工作不足 26

致 谢 27

绪论

研究背景

当前，我国正处于能源结构转型的关键时期，积极发展清洁风能作为节能减排战略目标中的关键环节，对降低我国的碳排放起着至关重要的作用。近年来，我国风力发电机组装机容量不断增加，风电场市场规模不断扩大，这就要求我们更加重视设备的安全性能。

1.1.1我国风电发展现状

长久以来，煤炭一直是人们赖以生存的能源。然而，煤炭作为不可再生能源，已渐渐

不能满足高速发展的当今社会，其对环境污染的这一问题也不能得到有效的改善。因此，

寻找和开发新的清洁能源已成为世界能源领域的重中之重。在众多清洁能源中，风力发电

是一个较为成熟的发电技术。其以可再生，环境友好等特点逐渐得到人们的青睐，成为了

新能源的一个重要发展方向。

现如今，许多国家明白了寻求可再生清洁能源的重要性，纷纷建立了相关法律法规。

在国家的政策支持下，新能源正在迅速发展。就风力发电机组来说，从 2011 年的统计数据可知，到 2011 年为止，世界上的风电装机量已经达到了 237669MW，其中新增的就占了43279MW，增长率达到了的 22.3%。然而，这么惊人的增长率也仅仅是与 2010 年持平，甚至低于 2009 年。在总装机量中，仅中国就占了 62364MW，大幅的领先其他国家。在 21 世纪初期，风电装机增速缓慢下降，再之后又迎来了一个高速增长的时期。而到了 2015 年左右风电装机的增速又降低，达到 22%左右。其原因是人们不再追求装机数量的多少而更倾向于技术方面的提升。

我国有着大量的风力资源，仅陆地风力发电资源就有 2.53 亿千瓦，我国的沿海风力发电资源也达到 7.5 亿千瓦。尽管资源丰富，但我国对风力发电的研究起步却较晚，直到上个世纪九十年代，我国对风力发电的研究才刚刚起步，并且由于各种客观因素的限制，我国的风力发电发展缓慢，远远落后于其他发达国家。得益于国家的支持和重视，以及清洁能源重要性的逐渐普及，我国的风力发电开始迅速发展，并逐渐成为了世界风力发电的领头羊。在 2015 年全世界范围的调查统计结果中，中国的风力发电市场已经成为了世界上目前发电容量最大、发电规模增长率最大的市场。

鉴于中国庞大的风力资源以及不断完善的风电技术，中国的风电发电发展必定会有更

长足的进步。政府的支持和各种优惠政策，也让风电的发展一路无忧，为其高速发展奠定了基础。风力发电无污染，可再生等特点符合当今社会对新能源的要求。随着风电的进一步发展，必将有一天可以取代煤炭成为新的主要能源。在实现经济可持续发展和节能减排的背景下，发展清洁能源是世界能源发展的趋势和中国的国家战略。

伴随着风力发电技术的迅猛发展以及风电机组运行功率的不断提高，风电机组单机的运行容量超过1mw的设计已逐渐成为市场的主流。风力发电的迅猛发展的同时，风电设备制造业也面临着前所未有的巨大挑战。风力涡轮机在非常恶劣的天气条件和交变负载条件下全天候运行，一旦发生故障，不仅需要昂贵的维护费用，而且会带来严重的损失。

1.1.2故障信号去噪的意义

在机械制造和自动控制领域，经常需要对系统反馈的信号进行分析，以发现系统内部的故障。然而，在信号采集和传输过程中，因为存在外界环境的干扰和本身仪器的影响，难以避免地就会产生噪声，噪声是能对目标信号检测和识别性能产生影响的重要因素。尤其是要对大量具有高精度的数据进行分析时，哪怕是及其细小的的噪声都会有可能对结果产生令人意料之外大的影响。所以，在信号采集与分析中，将信号进行去噪处理是首先需要考虑的。

风电机组故障信号类型

1.2.1风电机组简介

风力发电机组主要的类型有垂直轴型和水平轴型。目前，我们常见的风力发电机组基本上采用的都是水平轴风力机，因为它的技术发展较为成熟。水平轴风力电机的组成部分主要包括：高速轴、机舱、风轮、低速轴、方向控制装置、增速齿轮箱。如图1.1所示。

图1.1 水平轴式风力发电机的结构简图

1.轮毂；2.传动系统；3.增速齿轮箱4.刹车系统5.电机6.塔架7.风速风向仪

1.2.2风电机组常见故障

以下是一些常见的风电机组故障类型。

(1) 叶轮故障

叶轮包括叶片、轮毂和其它部件。最常用的是三片叶片，随着单机容量的增加，叶片的设计越来越长，这就要求叶片材料具有更好的性能。这些参数和结构将直接影响叶片的使用寿命。轮毂的设计用于连接叶片和主轴。它通常由钢制成，并配有沥青控制柜。在实际风场中，机组的工作环境往往非常恶劣，容易造成叶片、轮毂等部件的损坏，导致整个叶轮失效，给风机的运行带来严重的灾难。

(2) 风机塔架故障

风扇塔支撑整个装置。在风力机的实际工作过程中，塔架吸收叶片传递的冲击和整个风力机的振动，要求具有很强的疲劳强度。随着时间的推移，塔将经历疲劳破坏。

(3) 偏航系统故障

随着偏航电机的转动，整个风力机头部向风向倾斜，风向调整完毕后，电动偏航机停止。由于偏航系统不仅包含机械装置，还包含电气控制装置，在实际运行中，由于风向的变化，需要进行多次调整，使得偏航系统更容易发生故障。

(4) 齿轮箱故障

齿轮箱投入使用后，风力发电机在复杂的交变载荷条件下很难长期维护，导致齿轮箱中各种形式的部件失效，导致齿轮箱部件正常功能的丧失。

(5) 发电机故障

风电系统作为实现机械能向电能转化的设备，其常见故障有:定子绕组、轴承、转子导杆和端环、联轴器故障等。

齿轮箱的监测

随着科学技术的发展，目前齿轮箱检测系统和齿轮故障分析发展迅速。它不仅广泛应用于风力发电厂，而且广泛应用于电力、化工等行业。随着现代设备的发展，也出现了新的状态检测和故障诊断技术。

故障诊断是从采集到的数据图中找出故障的特征，从而反映机组的运行状态，从数据图中可以清楚地看出此时机组运行中是否有故障。故障预警的重点是机组故障的发展过程，从开始到有征兆，再到更严重的故障，最后到导致机组运行故障的故障，这是故障预警所关注的问题。

目前，在现代发电厂机组中，机组容量明显逐渐增大，小到几百瓦和兆瓦。如今，风力发电的研究人员们将风力发电技术日臻完善，风力发电机组的更新速度也不断加快。与此同时，齿轮箱内部的结构也越来越复杂，齿轮箱制作工艺也越来越精密，这意味着齿轮箱发生故障的可能性越来越高。所以，国内外学者都开始着重研究如何加强风电机组齿轮箱的监测与预警诊断了。当前，对于齿轮箱故障的分析工作主要集中在对信号进行去噪、参数的提取以及智能专家系统的构建等方面。

可变的负载特性在目前的风力发电机组中越来越普遍，因此我们测量的信号不是稳定平滑的信号，而是处于波动状态的信号。因此，当我们进行检查和故障排除时，会给我们的工作带来很大的不便。为了解决这一问题，国内外学者进行了大量的研究，这也是各国面临的共同问题。这些研究主要集中在两个方面。一方面，建立了单级行星齿轮箱的动力学模型；另一方面，着重对信号进行处理，找出了适合于特征提取的方法；另一方面，建立了单级行星齿轮箱的变速扭振模型。用微积分的方法得到扭转固有频率方程，但这个方程是在非常理想的条件下得到的。此外，还建立了行星轮的其他模型，并通过这些模型研究了行星轮的平均载荷特性。在此基础上，建立了普通行星齿轮的传动模型，总结了声波的频谱分布规律。其中清华大学的几位教授从非线性动力学的角度对行星齿轮箱这一课题进行了研究和分析，得到了行星齿轮箱的动力学模型。除清华大学的几个新模型外，其他高校的教授也提出了许多其他模型，如多自由度行星齿轮系统的非线性动力学模型。该模型对其特点进行了深入的探讨，分析了许多新的特点。因此，对机组整体进行检测和故障分析预测的关键是学习分析建模，从模型中找出故障原因。换句话说，动力学是单元研究的基石。为了熟练掌握整个机组的运行、故障分析和预测以及机组的状态检测，必须能够深入研究动态，进行多次实验，对齿轮箱故障和非故障波形图进行多次比较，这些差异主要体现在波形信号的差异上，经过多次比较，可以找出故障的波形特征，熟练掌握后，通过波形分析可以了解齿轮箱的故障所在和故障情况。为了得到这些波形，需要对信号进行处理，这就需要对信号处理和波形特征提取进行深入研究。这些处理方法在处理非线性信号问题、小波分析和傅里叶变换等方面发挥着重要作用，简化了这些问题。

目前，国外一些学者提出用小波分析方法来模拟齿轮箱的点蚀、断裂等故障问题。在国内，有人在算法中加入了形态学滤波技术。通过这种组合，可以很容易地得到齿轮箱的故障特征。目前，仍有一种通过跟踪时间和频率分析判断齿轮箱故障情况的方法。除了齿轮箱故障情况、故障分析和振动信号显示的故障预测外，机组运行过程中采集的信号也逐渐被人们分析和利用。众所周知，目前各风电场机组的核心是系统，对系统采集到的信号进行分析和熟悉，有助于我们更熟练地掌握机组的运行情况，便于机组的监测和诊断。针对存在的故障问题，可以更及时地找到解决方案。这是提高机组安全性和经济性的重大突破。为了分析数据以确定单元的操作，仅仅依靠一组数据是远远不够的。在收集数据时，需要在各种情况下收集数据，一种情况下的数据也应多次收集。然后按照一定的方法对多次采集到的数据进行对比分析，找出它们之间的异同，从而更准确地研究机组的运行特性，同时也找出故障的特征，对机组整体故障的预测诊断和运行中的机组整体检测具有重要意义。

虽然各种风力发电机组都有了很大的改进，但故障分析技术和监测也有了很大的发展。但在机组实际运行中，仍存在一些不可避免的问题。例如，对于一些处于早期阶段的老机组，故障管理不充分，对异常数据不敏感。当监测数据中出现异常数据时，人们不能及时联想到机组的故障。即使发现故障，也需要一定的时间来研究机组的故障点和故障情况，没有有效的故障处理方法。对于老机组，其故障一般不明显，但有些故障不明显。然而，一旦这些故障特征反映在整个齿轮箱乃至整个机组上，就会出现很大的问题和很大的损失。而在传统系统的传统方法中，一般不考虑非线性因素，所以得到的信号不是实际信号。因此很难发现故障。即使获得故障信号，当故障信号发生时，其他结果也不准确，不能作为参考。

随着技术的发展，传统方法的一些弊端日益明显，如忽略时间变化和忽略非线性问题。这些问题导致了故障分析中数据采集的不准确，现有的故障分析单元都是基于准确性的。因此这些传统方法需要很大的改进。在实验室进行机组实验时，考虑的也仅仅是一小部分情况，不能代表整个机组，并且一旦问题放在了整个机组中，分析故障的难度就上了一个层次。在当今社会，想要风力发电的发展更进一步，就必须要摈弃旧的处理方法，研究探索出一套新的检测和故障分析方法。

在机组中，齿轮箱通常会发生的故障包括轻微的剥落、腐蚀、断裂等。当这些故障齿轮在旋转时与其它齿轮碰撞时，它们将产生异常振动，这将导致齿轮部件的接触不再平滑，从而引起齿轮之间的磨损等故障。此外，当机组运行时，齿轮将每转碰撞一次。随着时间的推移，齿轮零件的摩擦会越来越大，从而导致整个装置的失效和损坏。从上面可以看出，齿轮箱的故障具有一个很明显的特征：周期性摩擦损伤。对于定轴齿轮箱而言，如果齿轮箱出现了局部损坏，那么它就会对其他的齿轮造成持续损坏，摩擦频率就是对其他齿轮箱的损坏频率。该频率与机组转速有关，转速越高，频率越大，机组损坏越严重。除了转速之外，行星齿轮箱和圆柱齿轮箱中的齿轮数量也将影响该频率。行星齿轮箱分为齿圈、太阳轮和行星齿轮。环形齿轮是固定的，行星轮太阳轮与行星架相互关联并旋转工作。在实验中，传感器通常安装在齿轮箱的壳体上，即环形齿轮。测试时，如果其中一个齿轮齿在旋转时损坏，故障点即故障齿轮齿与其他齿轮啮合的位置发生变化。此时，在壳体上进行测试的探头检测到的信号也将随之变化，并呈现周期性故障波形。这种故障波形表现为故障齿轮齿对其他齿轮的冲击引起的附加调幅。综上所述，当齿轮箱中的轮齿发生故障时，采集到的轮齿信号与正常信号有很大差异，其波形和频谱也有很大差异。因此，通过对波形图的研究，可以得到齿轮箱故障或损坏的重要依据。目前，在一些损伤情况下，还没有计算点蚀和剥落引起的故障特征频率的公式。因此，目前对齿轮箱进行分析最有效的方法是利用采集到的信号对其进行分析，这对于齿轮箱发生故障时的检测、预测以及诊断具有很重要意义。

常见信号去噪的方法

小波变换去噪

利用小波变换对问题进行分析是一种新流行起来的的数学分析方式，其于20世纪80年代后期开始有所研究并迅速得到发展，近几年在实际工程应用中发挥着越来越重要的作用。提到小波变换就不得不提到其最大的优点：多分辨率性。顾名思义，正是由于这种特性，当我们处理信号的时域图和频域图时，能够清晰地找出信号的局部特征。当采集到的信号是非平稳时，小波变换可以从整体到局部地逐步处理信号，因而与其他方式相比处理效果会更好。随着时代的发展，图像处理、模式识别等很多领域都让小波变化得以一展拳脚，它也因此被公认为是人们在数学分析上取得的重大突破。

大量的噪音信号会在采集和传输信号时对原始信号进行干扰。对采集到的信号进行去噪和提取有效信号就成为一项重要的工作。正因为如此，如何从噪声信号中提取出原始信号就成为了最重要的问题。 在人们对该问题的不懈探索过程中，小波分析这一新的处理方式脱颖而出。该方法的主要思路是挑选出信号中的各频率分量，将它们分解成若干不重叠的频带，以此作为信号处理的依据。经过实验和比对，该方法在信号去噪上的应用尤为突出。

独立分量去噪

赫鲁特和尤腾特在1983年共同提出了基于独立成分对信号进行分析的方式。该方法能够有效地消除冗余，具体来说就是它对源信号类型的详细信息并不依赖，同时对于能否准确识别信号的传输特性上也几乎不作要求。在分离盲源、分析生理数据和识别人脸等领域，该方法都获得了广泛应用。

独立分量的分析方法分解得到的每个信号分量彼此之间都没有关联。因此该算法被用于盲源分离噪声观测信号和估计源观测信号。更重要的是，该方法能有效地对信号进行去噪。

经验模式分解去噪

利用EMD / HS（经验模态分解）对信号进行处理的想法很早就被提出来了。希尔伯特变换中存在大部份非平稳信号，研究人员对它们按经验模态分解进行平滑处理起到了很好的作用。其实该方法就是逐级分解不同尺度的信号，同时生成一系列特征尺度不同的数据序列，我们将这些序列称为固有模式函数分量（IMF）。如今，这种方法已经在其他很多领域都成功地应用了。这种方法的分解过程就是把信号从高频到低频进行分解，分解得到的最低IMF分量通常被看做是原始信号的趋势或平均值。而当信号混有随机噪声的时候，此时对信号经验模式分解，分解后得到的高频IMF分量通常被看做是采集到的信号的噪声。正因为是这样的原因，EMD分解方法能够有效地滤除和提取原始信号的趋势项。

正是因为EMD分解的方法在处理非线性、非平稳的数据过程中得到的结果往往比较有效，同时它还能够将采集得到的信号在空间域中进行有效的分解，因此这种方法可以被用来区分哪些是地球物理信号中的噪音而哪些是实际的有效信号。这种方法与小波变化去噪方法相比较而言，这种方法在时频特性方面的效果是更好的。

论文结构

全篇论文分五章,其结构如下：

剩余内容已隐藏，请支付后下载全文，论文总字数：20803字