運紅麗，張濤，宋小娜

(華北水利水電大學 機械學院，鄭州 450046)

0 引言

齒輪箱是風電機組關鍵的子系統(tǒng)，齒輪箱的潤滑是影響齒輪箱壽命及可靠性的重要因素之一[1]。目前，風電齒輪箱的集中潤滑多采用“定時定量”的方式 ，各部位實際潤滑狀態(tài)無法實時顯示，存在“過潤滑”和潤滑不均衡情況，且潤滑異常狀態(tài)不易判斷，檢修難度高[2-3]。本文基于LabVIEW軟件平臺開發(fā)一個齒輪箱智能潤滑及故障診斷系統(tǒng)，利用灰色理論進行系統(tǒng)狀態(tài)預判，擬實現(xiàn)“實時監(jiān)測”“按需供油”，建立了故障樹診斷模型，實現(xiàn)齒輪箱潤滑系統(tǒng)狀態(tài)的檢測與故障診斷，為風電設備智能潤滑與故障診斷新產品的研發(fā)及優(yōu)化設計提供理論和實踐依據。

1 齒輪箱潤滑狀態(tài)監(jiān)測信號

風電齒輪箱作為發(fā)電機關鍵部位之一，在運行時需實時監(jiān)測的主要信號如下。

1.1 高速軸承溫度

當高速軸承的溫度高于80 ℃以后[4]，需要開啟齒輪箱的冷卻系統(tǒng)對高速軸承進行冷卻，直至高速軸承溫度下降至70 ℃以下。

1.2 潤滑系統(tǒng)油壓

風電齒輪箱潤滑系統(tǒng)出油口的壓力表達出其內部潤滑油的油品質量，出油口油壓不在正常范圍(1.0～1.6 kPa)時即表明潤滑系統(tǒng)出現(xiàn)故障，需采取打開安全閥門或開啟冷卻系統(tǒng)等方法進行應急處理，若出油口油壓仍無法快速穩(wěn)定在正常工作范圍內，則要進行停機處理。

1.3 潤滑系統(tǒng)油溫

潤滑油油溫在10～70 ℃為正常范圍，在機組啟動時，油溫受外界環(huán)境的影響。當油溫低于10 ℃時，需要啟動電加熱器給潤滑油加熱；當油溫高于60 ℃時，則要開啟冷卻系統(tǒng)對潤滑油進行冷卻。若潤滑油溫度升高到70 ℃以上，則必須停止發(fā)電機的工作使之停機降溫，以免因油溫過高而使齒輪箱發(fā)生故障。

1.4 潤滑系統(tǒng)油位

在齒輪箱后端安裝液位傳感器對潤滑油油位進行實時監(jiān)測，當傳感器監(jiān)測到的油位低于最低限制位時，開啟油液油閥進行加油。

1.5 油液磨粒

根據磨粒的國內界限值劃分為正常、警告和異常3個區(qū)間。綜合考慮經濟性和有效性，將油液磨粒上限設置為8 500 /mL，既可以保障潤滑油的潤滑能力，又不會因頻繁更換潤滑油而產生浪費。

2 灰色預測模型

灰色理論系統(tǒng)是用目前已知的信息對未來的變化做出預測，即由現(xiàn)在的狀態(tài)引申到未來的一種預測模型[5]?；疑Ｐ?GM)是以灰色生成函數(shù)的概念作為基礎，以曲線擬合為核心的建模方法，通過該模型可以對系統(tǒng)做出定量預測，其中應用最為廣泛且基本的預測模型是GM(1，1)。GM(1，1)建模與預測過程如下：

(1)取n個已知的數(shù)據構成原始數(shù)據序列x(0)(k)，然后對原始數(shù)據序列做一次累加生成一次累加數(shù)據序列x(1)(k)，累加生成算子

(1)

(2)把一次累加數(shù)據序列構造成一階線性微分方程

對于ICP-AES分析，可調節(jié)的儀器參數(shù)主要有射頻發(fā)生功率、工作氣體流量(包括冷卻氣、輔助氣、霧化氣)、蠕動泵轉速、觀測方式等。其中射頻發(fā)生功率、霧化氣流量和輔助氣流量是影響分析線信號的關鍵因素[19-20]。

(2)

式中，a為發(fā)展灰數(shù)；b為內生控制灰數(shù)。

(3)設δ為待求估計參數(shù)，δ=[a，b]T用最小二乘法求解

δ=(BTB)-1BTYn，

(3)

得出待求參數(shù)估計量a，b。

(4)將求得的參數(shù)a，b代入已白化的微分方程，得到時間響應函數(shù)，即GM(1,1)預測模型為

(4)

由式(1)(4)求得預測值

(1-ea)(x(0)-b/a)e-ak。

(5)

(5)用殘差e對模型精度進行檢驗

(6)

3 故障樹診斷模型

3.1 故障樹的構建

故障樹分析模型[4,6-7]是為了研究系統(tǒng)功能故障(也成為頂事件)而建立的與導致故障各種可能因素之間邏輯關系的樹狀模型。針對風電齒輪箱潤滑系統(tǒng)的特定故障，對系統(tǒng)進行層層跟蹤分析，考慮到自然環(huán)境及人為因素對系統(tǒng)的影響，建立風電齒輪箱潤滑系統(tǒng)的故障樹模型如圖1所示。

圖1 風電齒輪組潤滑系統(tǒng)故障樹模型

潤滑點缺油是風電齒輪箱潤滑系統(tǒng)最常見的故障類型，因此選取其作為故障樹頂事件。搜索添加引起頂事件的故障原因，主要來自于潤滑系統(tǒng)故障和潤滑點故障，并建立其與頂事件的邏輯關系，搜索潤滑系統(tǒng)故障可分為“油路故障”和“油泵故障”，搜索油泵故障的因素可歸納為“油液故障”“泵體故障”“電機故障”和“控制故障”等4種類型，油液故障可進一步分為“油量不足”和“油位傳感器故障”2種，這2種故障沒有子節(jié)點，被稱為底層事件，連接頂事件和底層事件的模塊為中間事件。例如，從頂事件“潤滑點缺油”層層分析到底層事件“油量不足”，可以迅速找到其故障的原因。

3.2 推理規(guī)則

推理就是對風電齒輪箱故障進行識別，利用知識庫按照一定推理策略逐步求解問題并通過解釋機制進行診斷結果輸出。系統(tǒng)故障推理診斷流程如圖2所示。

圖2 故障診斷流程

4 故障診斷試驗結果與討論

試驗系統(tǒng)通過分別模擬主油管路堵塞、調壓卸荷閥內漏、主分配器出口泄漏、中間分配器堵塞等故障進行診斷試驗。

當出現(xiàn)主油路故障后，系統(tǒng)油壓會不斷升高，達到卸荷閾值時壓力下降，一直重復循環(huán)，最低壓力會高于正常最大壓力13 MPa；當局部泄漏時，相應壓力峰值會有小幅下降，單出口泄漏和雙出口泄漏時壓力波形脈沖可見明顯下降；出口調壓卸荷閥閥芯故障時，會導致壓力無法達到正常值，分配器會間歇性運動或停止，出油量銳減或停止出油，此時壓力在3 MPa以內，這些故障信號人工難以直接識別。利用故障樹診斷系統(tǒng)，通過推理機可以對故障進行準確診斷(如果3所示)，根據檢測數(shù)據可以快速對故障定位。

圖3 潤滑狀態(tài)監(jiān)測與診斷系統(tǒng)工作界面

5 結束語

本系統(tǒng)利用灰色理論對風電齒輪箱的潤滑狀態(tài)進行監(jiān)測和預判，實現(xiàn)智能集中潤滑管理。建立了潤滑系統(tǒng)故障樹模型，通過推理機對潤滑系統(tǒng)的故障進行診斷，實現(xiàn)了故障的自動檢測和快速定位，提高了潤滑系統(tǒng)的可靠性。

[1]高志偉.風力發(fā)電機齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研發(fā)與實現(xiàn)[D].上海:上海電機學院,2015.

[2]胡志勇,廖衛(wèi)勇,黃靜雯.智能計量集中潤滑系統(tǒng)的研發(fā)與應用[J].礦山機械,2012,40(8):148-149.

[3]SALGUEIRO J M，PERSIN G，HROVATIN J，et al.On-line detection of incipient trend changes in lubricant parameters[J].Industrial lubrication and tribology,2015，67(6)：509- 519.

[4]倪紹徐，張裕芳，易宏，等.基于故障樹的智能故障診斷方法[J].上海交通大學學報,2008,42(8):1372-1375，1386.

[5]肖建偉.基于灰色理論的在線油液監(jiān)測技術研究[D].長沙:國防科學技術大學,2009.

[6]YUAN Zhixan,LIN Xueyan.Design of detection and control of oil mist lubricating system[J].Advanced material research,2013,823:388-391.

[7]高洪慧.基于LabVIEW和分形理論的風電機組故障診斷系統(tǒng)研究[D].保定：華北電力大學，2012.