基于健康樣本的風(fēng)電機(jī)組滾動(dòng)軸承狀態(tài)評(píng)估

安學(xué)利，唐擁軍，王 允

（1.中國(guó)水利水電科學(xué)研究院，北京 100038；2.響水長(zhǎng)江風(fēng)力發(fā)電有限公司，江蘇 鹽城 224600）

基于健康樣本的風(fēng)電機(jī)組滾動(dòng)軸承狀態(tài)評(píng)估

安學(xué)利1，唐擁軍1，王 允2

（1.中國(guó)水利水電科學(xué)研究院，北京 100038；2.響水長(zhǎng)江風(fēng)力發(fā)電有限公司，江蘇 鹽城 224600）

針對(duì)風(fēng)電機(jī)組運(yùn)行工況復(fù)雜，故障樣本的缺乏，難以進(jìn)行有效診斷的情況，提出了一種基于健康樣本的風(fēng)電機(jī)組滾動(dòng)軸承狀態(tài)評(píng)估方法。該方法充分利用風(fēng)電機(jī)組健康狀態(tài)監(jiān)測(cè)數(shù)據(jù)資源，采用徑向基函數(shù)插值理論，建立了風(fēng)速、轉(zhuǎn)速和軸承狀態(tài)參數(shù)間的映射關(guān)系，通過(guò)振動(dòng)偏差有效地對(duì)風(fēng)電機(jī)組滾動(dòng)軸承運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估。數(shù)據(jù)分析表明，該方法克服了單一靜態(tài)閾值報(bào)警的不足，能有效地識(shí)別出風(fēng)電機(jī)組工況變化時(shí)軸承存在的異常，為風(fēng)電機(jī)組軸承健康評(píng)估提供了新的思路。

風(fēng)電機(jī)組；滾動(dòng)軸承；健康樣本；RBF插值；狀態(tài)評(píng)估

風(fēng)能作為最具規(guī)模開(kāi)發(fā)潛力的可再生新能源，近年來(lái)發(fā)展十分迅猛［1-7］。據(jù)全球風(fēng)能理事會(huì)（Global Wind Energy Council，GWEC）統(tǒng)計(jì)，截止到2013年底，全球風(fēng)電總裝機(jī)容量為318 GW；中國(guó)風(fēng)電總裝機(jī)容量達(dá)到91 GW，為全球頭號(hào)風(fēng)電大國(guó)［8］。風(fēng)力發(fā)電機(jī)組多安裝在條件惡劣的環(huán)境中，機(jī)組部件更易加速老化，出現(xiàn)異常［1-4］。調(diào)心滾子軸承是風(fēng)電機(jī)組風(fēng)輪主軸主要的支承軸承，軸承故障及其復(fù)雜。由于故障樣本的缺乏，機(jī)組現(xiàn)有在線(xiàn)監(jiān)測(cè)系統(tǒng)還不能滿(mǎn)足實(shí)際需要。

設(shè)置單一靜態(tài)閾值仍是目前在線(xiàn)監(jiān)測(cè)系統(tǒng)主要的報(bào)警方式。該方式會(huì)忽略機(jī)組不同風(fēng)速、不能轉(zhuǎn)速時(shí)的性能差異。如何從機(jī)組海量監(jiān)測(cè)數(shù)據(jù)中獲取其真實(shí)運(yùn)行狀況［9］，是開(kāi)發(fā)現(xiàn)場(chǎng)真正可用系統(tǒng)的重要研究課題。

因此，需要不同機(jī)組的自身特性建立能自適應(yīng)風(fēng)電機(jī)組工況變化的、精細(xì)的軸承狀態(tài)評(píng)估模型。本文充分利用風(fēng)電機(jī)組健康狀態(tài)監(jiān)測(cè)數(shù)據(jù)資源，建立基于健康樣本的滾動(dòng)軸承狀態(tài)評(píng)估模型，以提高風(fēng)電機(jī)組軸承運(yùn)行維護(hù)的水平，減少故障導(dǎo)致的停機(jī)損失。

1 徑向基函數(shù)插值

徑向基函數(shù)法［10］（radial basis function，RBF）能精確和穩(wěn)定地用于數(shù)據(jù)不完整的、帶噪聲的散亂數(shù)據(jù)的插值和擬合，它采用非均勻的采樣點(diǎn)構(gòu)造出連續(xù)的隱式函數(shù)，插值時(shí)只需要對(duì)該函數(shù)進(jìn)行重新采樣。

定義使用徑向基函數(shù)建立的隱式曲面方程：

式中：r為生成曲面上的任意數(shù)據(jù)點(diǎn)； pj為定義該方程的散亂點(diǎn)；wj是實(shí)系數(shù)；?( ) r-pj為徑向基函數(shù)，一般的徑向基函數(shù)是基本函數(shù)；Q（r）是一個(gè)多項(xiàng)式：

為求實(shí)數(shù)值wj和多項(xiàng)式系數(shù)qj，要求滿(mǎn)足正交條件式（3）和插值約束條件式（4）。

式中：i=1，2，……，n。

式中：。

式（5）左邊通常是非半正定、可逆的，故存在唯一解（w1，w2，……，wn，p0，p1，p2，p3）。將求得的徑向基系數(shù)和多項(xiàng)時(shí)系數(shù)代入式（2），能得到隱式曲面方程為：

從而實(shí)現(xiàn)散亂點(diǎn)的插值。

2 滾動(dòng)軸承狀態(tài)評(píng)估模型

大量現(xiàn)場(chǎng)及實(shí)驗(yàn)數(shù)據(jù)分析表明，風(fēng)速和機(jī)組轉(zhuǎn)速是影響風(fēng)電機(jī)組軸承運(yùn)行狀態(tài)的關(guān)鍵工況參數(shù)。本文建立綜合考慮風(fēng)速和轉(zhuǎn)速的軸承健康標(biāo)準(zhǔn)模型，v為軸承狀態(tài)參數(shù)，s為風(fēng)速，r為機(jī)組轉(zhuǎn)速。所構(gòu)建的基于RBF插值的風(fēng)電機(jī)組滾動(dòng)軸承狀態(tài)評(píng)估模型，具體步驟如下：

（1）健康樣本的獲取。收集風(fēng)電機(jī)組不同風(fēng)速、不同轉(zhuǎn)速下的在線(xiàn)監(jiān)測(cè)數(shù)據(jù)，遴選軸承無(wú)故障時(shí)的健康樣本。

（2）建立機(jī)組軸承健康模型。建立綜合考慮風(fēng)速和轉(zhuǎn)速的軸承健康標(biāo)準(zhǔn)模型，獲得風(fēng)速、轉(zhuǎn)速與軸承狀態(tài)參數(shù)間的映射關(guān)系，如圖1所示。

（3）建立機(jī)組軸承狀態(tài)評(píng)估模型。將機(jī)組在線(xiàn)監(jiān)測(cè)中的風(fēng)速、機(jī)組轉(zhuǎn)速數(shù)據(jù)代入，計(jì)算當(dāng)前工況下的軸承狀態(tài)參數(shù)健康值v（t），獲得軸承當(dāng)前振動(dòng)偏差：

圖1 風(fēng)速、轉(zhuǎn)速-軸承振動(dòng)映射關(guān)系

式中：i為第i個(gè)樣本點(diǎn)。振動(dòng)偏差Dv（i）高于預(yù)設(shè)值時(shí)，進(jìn)行預(yù)警。

3 應(yīng)用實(shí)例

在風(fēng)電機(jī)組實(shí)驗(yàn)臺(tái)上進(jìn)行了軸承故障實(shí)驗(yàn)，驗(yàn)證基于健康樣本的風(fēng)電機(jī)組滾動(dòng)軸承狀態(tài)評(píng)估模型的有效性。實(shí)驗(yàn)采樣頻率2 000 Hz，采樣點(diǎn)數(shù)為4 096。實(shí)驗(yàn)?zāi)M了調(diào)心滾子軸承發(fā)生外圈故障、內(nèi)圈故障和滾動(dòng)體故障［1］。

圖2為軸承在發(fā)生滾動(dòng)體故障狀態(tài)下振動(dòng)加速度峰峰值實(shí)驗(yàn)數(shù)據(jù)，從圖中可以看出，由于風(fēng)電機(jī)組結(jié)構(gòu)復(fù)雜、風(fēng)速的波動(dòng)性，使得其振動(dòng)參數(shù)時(shí)間序列非常復(fù)雜，難以從圖中準(zhǔn)確地分析其真實(shí)運(yùn)行狀態(tài)。通過(guò)分析可以發(fā)現(xiàn)，風(fēng)電機(jī)組風(fēng)速、轉(zhuǎn)速對(duì)軸承振動(dòng)參數(shù)有重要影響，由于軸承結(jié)構(gòu)的復(fù)雜性及風(fēng)速的波動(dòng)性，使得軸承振動(dòng)變化及其復(fù)雜，不能從振動(dòng)數(shù)據(jù)中直接獲取軸承的真實(shí)狀態(tài)。需要建立能自適應(yīng)風(fēng)電機(jī)組工況變化的、精細(xì)的機(jī)組軸承狀態(tài)評(píng)估模型。

圖2 風(fēng)電機(jī)組軸承狀態(tài)實(shí)測(cè)數(shù)據(jù)

本文基于軸承健康樣本，建立風(fēng)電機(jī)組軸承振動(dòng)-風(fēng)速-轉(zhuǎn)速模型，獲得軸承健康狀態(tài)下風(fēng)速（s）、轉(zhuǎn)速（r）和軸承振動(dòng)參數(shù)（v）之間的映射關(guān)系。

選取該機(jī)組軸承運(yùn)行狀態(tài)良好的在線(xiàn)監(jiān)測(cè)數(shù)據(jù)（345組）作為健康標(biāo)準(zhǔn)樣本，抽取225組建立分布式健康模型，將剩下的120組數(shù)據(jù)作為測(cè)試樣本進(jìn)行模型驗(yàn)證。為了能使模型具有很好的狀態(tài)評(píng)估性能，所選取的225組健康標(biāo)準(zhǔn)數(shù)據(jù)要盡量覆蓋機(jī)組可能的風(fēng)速和轉(zhuǎn)速變化區(qū)間。

將120組測(cè)試樣本計(jì)算出的健康標(biāo)準(zhǔn)值v（t）與實(shí)測(cè)數(shù)據(jù)r（t）的比較如圖3所示。圖中橫坐標(biāo)表示軸承振動(dòng)的實(shí)測(cè)值，縱坐標(biāo)表示軸承振動(dòng)的模型計(jì)算值，斜線(xiàn)是一條與坐標(biāo)軸成45°的直線(xiàn)，落在斜線(xiàn)上的點(diǎn)表明軸承振動(dòng)的實(shí)測(cè)值與模型計(jì)算值相等，所有的點(diǎn)越集中在這條斜線(xiàn)附近，模型的效果越好。

從圖3可以看出，模型能夠很好地反映風(fēng)電機(jī)組滾動(dòng)軸承運(yùn)行狀態(tài)。計(jì)算結(jié)果表明，考慮風(fēng)速和轉(zhuǎn)速對(duì)軸承振動(dòng)的影響，應(yīng)用RBF插值方法建立的風(fēng)電機(jī)組滾動(dòng)軸承振動(dòng)模型的計(jì)算平均相對(duì)誤差分別為0.86%，具有很高精度。

對(duì)軸承設(shè)計(jì)3種異常類(lèi)型，分別為內(nèi)圈有缺口、外圈有缺口及滾動(dòng)體有缺口。針對(duì)3種異常類(lèi)型分別選263、243、260個(gè)樣本來(lái)驗(yàn)證本文提出的滾動(dòng)軸承狀態(tài)評(píng)估模型。將機(jī)組在線(xiàn)監(jiān)測(cè)中實(shí)時(shí)獲得的風(fēng)速、轉(zhuǎn)速數(shù)據(jù)代入RBF健康模型，采用式v=f( ) s，r計(jì)算當(dāng)前工況下軸承振動(dòng)的健康值，將該值與實(shí)測(cè)值進(jìn)行對(duì)比，算出它們的差值（即振動(dòng)偏差），對(duì)振動(dòng)偏差Dv（i）高于預(yù)設(shè)值（本文選取30%，不同機(jī)組軸承、不同參數(shù)的振動(dòng)偏差預(yù)設(shè)值不同）的時(shí)刻進(jìn)行預(yù)警，建立機(jī)組軸承狀態(tài)評(píng)估模型。

圖3 軸承振動(dòng)實(shí)測(cè)值與計(jì)算值比較

圖4—圖6給出了軸承分別發(fā)生外圈故障、內(nèi)圈故障、滾動(dòng)體故障時(shí)，軸承振動(dòng)健康值v和實(shí)測(cè)數(shù)據(jù)r的對(duì)比圖，并給出了它們之間的偏差。從圖4可以看出，當(dāng)軸承發(fā)生外圈故障時(shí)，軸承振動(dòng)的實(shí)際值和健康值之間有明顯的差異，風(fēng)電機(jī)組相同工況下實(shí)際值比健康值高20 m/s2，偏差比例達(dá)100%～200%，需要停機(jī)檢查。從圖5可以看出，當(dāng)軸承發(fā)生內(nèi)圈故障時(shí)，軸承振動(dòng)的實(shí)際值和健康值之間同樣有明顯的差異，相同工況下實(shí)際值超過(guò)健康值約10～15 m/s2，偏差比例達(dá)50%～100%，需要停機(jī)檢查。從圖6可以看出，當(dāng)軸承發(fā)生滾動(dòng)體故障時(shí)，軸承振動(dòng)的實(shí)際值和健康值之間的差異雖然沒(méi)有外圈故障和內(nèi)圈故障大，但仍有較明顯的差異，需要停機(jī)檢查。

為了便于比較，圖7給出了軸承正常時(shí)，軸承振動(dòng)健康值v和實(shí)測(cè)數(shù)據(jù)r的對(duì)比圖，從圖中可以看出，軸承運(yùn)行正常時(shí)，軸承振動(dòng)的實(shí)際值和健康值之間的差異不大和較小的振動(dòng)偏差，可以繼續(xù)運(yùn)行。

圖4 風(fēng)電機(jī)組軸承外圈故障時(shí)狀態(tài)評(píng)估結(jié)果

圖5 風(fēng)電機(jī)組軸承內(nèi)圈故障時(shí)狀態(tài)評(píng)估結(jié)果

圖6 風(fēng)電機(jī)組軸承滾動(dòng)體故障時(shí)狀態(tài)評(píng)估結(jié)果

圖7 風(fēng)電機(jī)組軸承正常時(shí)狀態(tài)評(píng)估結(jié)果

綜上所述，與傳統(tǒng)設(shè)置靜態(tài)報(bào)警閾值相比，本文所提出的基于健康樣本的風(fēng)電機(jī)組軸承狀態(tài)評(píng)估模型能自適應(yīng)機(jī)組運(yùn)行工況的變化，能較全面地描述風(fēng)電機(jī)組軸承運(yùn)行狀態(tài)變化過(guò)程，能盡早檢測(cè)出軸承不斷發(fā)展的異常。

4 結(jié)論

針對(duì)風(fēng)電機(jī)組運(yùn)行工況復(fù)雜，故障樣本的缺乏，難以進(jìn)行有效診斷的情況。在風(fēng)電機(jī)組軸承實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，采用RBF插值方法，建立了基于健康樣本綜合考慮風(fēng)速和轉(zhuǎn)速因素作用的風(fēng)電機(jī)組軸承狀態(tài)評(píng)估模型，確定了風(fēng)電機(jī)組軸承運(yùn)行過(guò)程中在不同風(fēng)速和不同轉(zhuǎn)速運(yùn)行工況下對(duì)應(yīng)的最佳振動(dòng)值（即健康值），以此值作為評(píng)價(jià)風(fēng)電機(jī)組軸承狀態(tài)的設(shè)定值。即根據(jù)機(jī)組在實(shí)際運(yùn)行中軸承振動(dòng)真實(shí)值與振動(dòng)設(shè)定值之間的偏差來(lái)判定軸承的真實(shí)狀態(tài)。實(shí)例分析結(jié)果表明，該評(píng)估模型能有效地檢測(cè)出軸承存在的異常，從而實(shí)現(xiàn)軸承故障的早期預(yù)警，有很好的應(yīng)用前景。

參 考 文 獻(xiàn)：

［ 1］ 安學(xué)利，蔣東翔，李少華.基于決策融合的直驅(qū)風(fēng)力發(fā)電機(jī)組軸承故障診斷［J］.電網(wǎng)技術(shù)，2011，35（7）：36-41.

［ 2］ An Xueli，Jiang Dongxiang，Li Shaohua，et al.Application of the ensemble empirical mode decomposition and Hilbert transform to pedestal looseness study of direct-drive wind turbine［J］.Energy，2011，36（9）：5508-5520.

［ 3］ 安學(xué)利，趙明浩，蔣東翔，等.基于支持向量機(jī)和多源信息的直驅(qū)風(fēng)力發(fā)電機(jī)組故障診斷［J］.電網(wǎng)技術(shù)，2011，35（4）：117-122．

［ 4］ 安學(xué)利，蔣東翔，劉超，等.基于固有時(shí)間尺度分解的風(fēng)電機(jī)組軸承故障特征提?。跩］.電力系統(tǒng)自動(dòng)化，2012，36（5）：41-44．

［ 5］ 薛美娟，楊曉萍，馬嘯遠(yuǎn) .基于最優(yōu)潮流理論的風(fēng)電、梯級(jí)水電短期聯(lián)合優(yōu)化調(diào)度［J］.水利學(xué)報(bào)，2014，45（3）：368-375．

［ 6］ 符平，秦鵬飛，張金接 .海上風(fēng)資源時(shí)空特性研究［J］.中國(guó)水利水電科學(xué)研究學(xué)院學(xué)報(bào)，2014，12（2）：155-161．

［ 7］ 楊鋒，高季章，張金接，等.近海風(fēng)機(jī)基礎(chǔ)-塔架結(jié)構(gòu)體系振動(dòng)監(jiān)測(cè)與動(dòng)力響應(yīng)分析［J］.中國(guó)水利水電科學(xué)研究學(xué)院學(xué)報(bào)，2013，11（2）：87-93．

［ 8］ Global Wind Report-annual Market Update 2013［Z］.Global Wind Energy Council，2014.

［ 9］ 嚴(yán)劍峰，于之虹，田芳，等 .電力系統(tǒng)在線(xiàn)動(dòng)態(tài)安全評(píng)估和預(yù)警系統(tǒng)［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2008，28（34）：87-93.

［10］ 王威，周杰，王水林，等 .基于徑向基函數(shù)的三維地層分塊建模方法研究［J］.巖土力學(xué)，2012，33（3）：939-944.

State evaluation of wind turbine roller bearing based on normal samples

AN Xueli1，TANG Yongjun1，WANG Yun2
（1.China Institute of Water Resources and Hydropower Research，Beijing 100038，China；2.Xiangshui Yangtze Wind Power Co.，Ltd，Yancheng 224600，China）

Due to the complex operating condition of wind turbine and lack of its fault samples，it is diffi?cult to effectively diagnose its faults，thus a state evaluation method of wind turbine roller bearing based on normal samples is proposed in this paper.The method makes full use of monitoring data of wind tur?bine in its normal conditions and establishes a mapping between bearing condition parameters and wind speed，rotating speed by using radial basis function interpolation theory.The vibration deviation is used to effectively evaluate real-time running condition of wind turbine roller bearing.The results of data analysis show that the method can overcome the shortcomings of a single static threshold alarm and effectively identi?fy existing abnormalities of wind turbine bearing under the time-variant conditions of wind turbine.This pa?per provides a new way for state evaluation of bearings.

wind turbine；roller bearing；healthy samples；radial basis function interpolation；condition as?sessment

TK83

：Adoi：10.13244/j.cnki.jiwhr.2015.01.008

1672-3031（2015）01-0048-06

（責(zé)任編輯：韓 昆）

2014-11-17

國(guó)家自然科學(xué)基金項(xiàng)目（51309258）

安學(xué)利（1980-），男，山東肥城人，博士，高級(jí)工程師，主要從事發(fā)電機(jī)組運(yùn)行保障及故障診斷研究。E-mail：an_xueli@163.com