成果信息

本发明基于 Kriging 模型的风力机齿轮箱故障诊断方法具有下述优点 ：本发明通过采集风力机齿轮箱在各个工况模式下的多个振动信号序列并计算多个故障信号特征值 ；建立工况模式、诊断目标值之间的对应关系和样本数据表 ；依据样本数据表建立变差函数理论模型 ；基于变差函数理论模型构建 Kriging 模型 ；检测待诊断振动信号的故障信号特征值输入 Kriging 模型得到 Kriging 估计量，根据 Kriging 估计量查询工况模式、诊断目标值之间的对应关系确定待诊断振动信号的工况模式，从而判断风力机齿轮箱是否出现故障、故障的类型及故障严重程度。本发明能够应用于风电机组齿轮箱的故障诊断，以便根据风力机齿轮箱的实际运行情况，快速获得较为准确的诊断结果，可在风力机传动系统运行下对其齿轮箱进行故障诊断，能够及时准确地反映出齿轮箱故障情况，不仅可以根据齿轮箱运行状态安排检修，避免目前风电场计划性停机检修，而且可尽早发现潜在故障风险，防止损伤程度的恶化或故障范围的扩大，避免意外事故和人员伤亡，减少故障维修次数和停机时间，增加设备正常运转时间和无故障率，提高设备利用率，节约大量运行和维护的费用，提高了风电企业运行经济性 ；本发明能够克服目前已有风力机齿轮箱故障诊断技术所存在的实时性较差、故障误判率较高的问题，较好地满足风电机组齿轮箱故障诊断的实际需要，具有诊断结果快速准确、非线性拟合效果好、使用灵活、计算量小的优点，能够为实现风力机齿轮箱故障在线诊断奠定基础。)

背景介绍

目前风电机组多以水平轴为主，包括失速型、变桨型、变桨变速型、直驱型、永磁 型、半直驱型等几种，采用齿轮箱增速双馈异步变速发电机的兆瓦级风电机组是目前风电 市场的主流机型，其中齿轮箱由齿轮箱本体、齿轮、传动轴、轴承及轴承座组成。随着我国风 电装机容量的剧增和风力机投运时间的累积，由齿轮箱故障或损坏引起的机组停运事件时 有发生。据资料统计，我国风场齿轮箱损坏率高达 40 ～ 50％，个别品牌机组齿轮箱更换率 几乎达到100％。由此带来的直接和间接损失也越来越大，维护人员投入相关工作的工作量 也不断上升。以 1.5MW 大型风力机齿轮箱故障为例，故障齿轮箱的拆装、运输和维修费用高 达 100 万元以上，相当于风力机生产总成本的 10％，且该成本费用尚未包括机组停机数月 的生产损失。因此，齿轮箱损坏对风电机组设备和风电企业的安全运行构成严重威胁。)

应用前景

本设备快速准确、非线性拟合效果好、使用灵活、计算量小，可见具有很大的实用价值。)