陳建全，傅曉錦

（上海電機學院 電氣學院，上海 201306）

0 引言

風能作為一種綠色能源，受到世界各國的青睞，已經被視為未來可持續(xù)性發(fā)展能源產業(yè)之一。新能源發(fā)電技術的不斷突破也不斷推動可再生能源的發(fā)展[1]，其中風力發(fā)電是發(fā)展最快的綠色能源之一[2]?！笆晃濉逼陂g，并網型的風力發(fā)電進入高速發(fā)展的快車道，在大型風電機組與風電場運營方面取得了很多成果[3-5]。據全球風能理事會（GWEC）預測：風機累計容量將在五年內從2014年的360GW達到2018年600GW[6]；2020年風電總裝機容量將達到700GW以上，風電提供的電力占全球電力需求的15%[7-8]。風機齒輪箱、發(fā)電機和主軸等機械傳動鏈易發(fā)生故障，這些故障的發(fā)生將會導致風力機長時間的停機，對企業(yè)造成難以挽回的損失。伴隨著我國風電機組裝機容量和規(guī)模的不斷增加，依靠傳統(tǒng)人工的“被動式檢修”已經不能滿足風力發(fā)電企業(yè)高效的檢修維護需求，因此風機故障監(jiān)測與診斷系統(tǒng)將對推動風力發(fā)電安全、可靠和穩(wěn)定運營發(fā)揮著重要的作用。針對故障高發(fā)部件齒輪箱的故障診斷過程中，由于采集的故障振動含有大量的噪聲和沖擊負載影響，在利用故障診斷方法進行診斷之前，必須對振動數據進行濾波降噪，從而獲得有效的振動信號。所以，本文采用三種濾波消噪方法對齒輪箱振動信號進行降噪預處理，通過仿真驗證結果對比表明，組合形態(tài)學方法可以有效的消除噪聲干擾，進而精確診斷齒輪箱的故障類型。

1 風力發(fā)電機組的結構分析

1.1 風力發(fā)電機組結構分析

從風力發(fā)電機外觀來看，風機主要是由四個部分構成，分別為風輪、機艙、塔筒和基礎，如圖1所示。風輪是捕獲和吸收風能的關鍵部件，主要包含葉片、輪轂以及變槳系統(tǒng)。葉片的作用是把風能轉化為機械能，而輪轂又將機械能傳遞給傳動系統(tǒng)。變槳系統(tǒng)一般安裝在輪轂上，通過調整葉片運行的角度大小來控制風輪轉速大小，從而達到控制風機的輸出功率。機艙部分主要由傳動系統(tǒng)、發(fā)電機、偏航系統(tǒng)和機艙罩等構件組成。其中傳動系統(tǒng)一般包括有低速軸、齒輪箱和高速軸等。齒輪箱具有增速作用可以將主軸的低速運作狀態(tài)變?yōu)楦咚龠\作狀態(tài)，高速旋轉驅動發(fā)電機運作，從而產生電能并通過塔筒底部的變流器設備進行調節(jié)，將其與電網系統(tǒng)相接[9]。發(fā)電機顧名思義就是一種可以產生電能的電力設備，在風機中主要作用是將機械能轉化為電能，從而進行發(fā)電。機艙罩是風機的防護結構，將機艙內的所有部件罩在其中，與外部隔絕，使風力發(fā)電機組能在雨、雪和霧霾等惡劣的天氣環(huán)境中正常工作。塔筒是為了給風輪和機艙提供支撐，使其能在空中處于固定位置，以便使風力機獲得足夠的風能；同時，在塔筒內部底部安裝有控制柜和變流器裝置，直接控制風機的正常運行和變流。

圖1-1 風力發(fā)電機的基本結構Fig.1-1 Basic structure of wind turbine

2 風機傳動鏈部件故障機理分析

風機的運行環(huán)境惡劣、工況復雜多變，風電機組內部傳動部件易發(fā)生故障[10]。風機故障又可分為機械故障和電氣故障，本文主要研究對象為主傳動鏈上的機械故障，其中風力機易發(fā)生的機械故障包括齒輪箱、發(fā)電機和主軸等主傳動鏈故障。據某風場統(tǒng)計數據顯示，齒輪箱發(fā)生故障比例為48%、56%和60%，發(fā)電機故障比例為21%、27%和29%，葉片故障比例為31%、17%和11%[11-12]。由此可知，風機的關鍵機械部件故障發(fā)生的比例較高。葉片是風力發(fā)電機重要的部件，是唯一一個直接與風接觸的部件，經年累月的暴露在風機最外邊，長期受風吹日曬、暴雨侵襲等惡劣的自然環(huán)境影響，葉片容易發(fā)生腐蝕和被雷擊現象，其常見的故障有疲勞失效、開裂和彎曲等。齒輪箱是長期運行的傳動部件，由于工作量大，出現故障是十分常見的[13]，其常見的故障有斷齒、軸承磨損失效和齒輪損傷等。發(fā)電機是風力發(fā)電機組核心部件之一，所處的電氣環(huán)境經常在變化，電磁環(huán)境也相對不穩(wěn)定，使發(fā)電機很容易出現一些常見故障如定子或轉子線圈短路、軸承過熱和轉子斷條等。

3 齒輪箱振動故障降噪方法研究

3.1 小波降噪分析

小波閾值降噪主要是選取合適的閾值和閾值函數的確定[14]。根據小波理論原理，假設時域信號為，采樣點數為N ，采樣頻率為fs，采樣后的信號f(n)，對f(n)采取小波變換有：

小波閾值降噪的步驟為和降噪流程圖如圖3-1：

（3）通過閾值選取規(guī)則和閾值函數對小波分解系數Wj,k閾值進行處理，得到新的小波分解系數。

圖3-1 小波閾值去噪流程圖Fig.3-1 Wavelet threshold denoising flow chart

3.2 小波包消噪

小波包將齒輪、軸承的振動信號進行i層分解：

將式（3-2）的分解過程利用圖3-2分解樹進行具體說明。

圖3-2 三層小波包分解樹Fig.3-2 Three-layer wavelet packet decomposition tree

通過使用不同λ值后比較重構信號的去噪效果，選定最合適的閾值，去噪效果最好的閾值函數對應的λ設為該振動信號的軟閾值函數。

式（3）中，sgn(Wj,k)表示符號函數，其返回函數值為：若Wj,k＞0，則sgn返回1；若Wj,k=0，則sgn返回0；若Wj,k＜0，則返回 -1。Wj,k表示為第j 層節(jié)點中第k 個閾值，表示與λ比較后用于消噪的閾值，為取值范圍為的任意常數。

最后，重構振動信號，小波包變換的重構公式：

3.4 形態(tài)學濾波消噪

Maragos[15]等人通過組合尺寸大小相同的結構元素和不同的形態(tài)學開運算和閉運算，提出了一種形態(tài)學開閉（OC）濾波器，如式（5）和形態(tài)學閉開（CO）濾波器，如式（6）。

形態(tài)學開閉（OC）濾波器和形態(tài)學閉開（CO）濾波器，不僅可以消除原始信號中的峰值噪聲，還能濾除波谷噪聲干擾，但是由于形態(tài)學開運算具有收縮性，濾波時導致輸出幅值偏?。恍螒B(tài)學閉運算具有擴張性，使輸出幅值偏大，濾波后去噪信號會出現統(tǒng)計偏差現象。所以單一利用形態(tài)學開閉濾波器（OC）或者閉開濾波器（CO）并不能取得理想的去噪效果，因此本文采用組合形態(tài)濾波器，如式（7）能有效地消除原始振動信號的噪聲干擾，并取得理想的降噪效果。

3.5 仿真驗證

為了驗證本文提出的組合形態(tài)學濾波算法對齒輪箱含噪振動信號具有很好的效果，并對比三種信號消噪方法降噪效果，將實測齒輪箱故障信號分別用小波降噪法、小波包降噪法和組合形態(tài)濾波降噪法進行Matalb仿真驗證。

圖3-3 齒輪箱原始振動信號Fig.3-3 Original vibration signal of gearbox

圖3-4 經小波降噪的振動信號Fig.3-4 De-noising signal basedon wavelet threshold denoising method

圖3-5 經小波包降噪的振動信號Fig.3-5 De-noising signal of gear based onwavelet packet de-noising method

圖3-6 經組合形態(tài)濾波降噪的振動Fig.3-6 De-noising signal of gear based on combination morphological filtering

如圖 3-3、圖 3-7是采集的齒輪和軸承原始信號；圖 3-4、圖 3-8是經小波降噪后的齒輪、軸承振動信號；圖 3-5、圖 3-9為經小波包降噪后的齒輪、軸承振動信號；圖 3-6、圖 3-10為經組合形態(tài)學降噪后的齒輪和軸承振動信號。

圖3-7 齒輪箱軸承原始振動信號Fig.3-7 Original vibration signal of gearbox bearing

圖3-8 經小波降噪的軸承振動信號Fig.3-8 De-noising signal of bearingbased on wavelet threshold de-noising method

圖3-9 經小波包降噪的軸承振動信號Fig.3-9 De-noising signal of bearing based on wavelet packet de-noising method

圖3-10 經形態(tài)濾波降噪的軸承振動信號Fig.3-10 De-noising signal of bearing based combination morphological filtering

從仿真圖中得出經小波降噪、小波包降噪的原始含噪信號沒有消去信號的尖峰和毛刺并且包含多處斷點、突變。而經組合形態(tài)學方法降噪的振動信號對毛刺現象取得了一定的抑制效果并且保持了信號整體的連續(xù)性。

為了更好的驗證數學組合形態(tài)學降噪算法的有效性，引入信噪比(SNR)、均方根誤差(MSE)和一次性系數作為定量對比三種消噪方法效果的技術參數。

表3-1 三種降噪方法的技術指標參數對比Tab.3-1 Comparison of several de-noising method results

從表3-1的降噪參數對比可知，經組合形態(tài)學降噪方法處理的信號信噪比最大，均方根誤差、一致性系數最小，表明對于齒輪箱齒輪和軸承故障振動信號的消噪處理，組合形態(tài)學消噪效果明顯優(yōu)于小波降噪法、小波包降噪法。

4 結論

本文對風電機組齒輪箱的振動信號消噪方法進行了研究。主要是對小波分析降噪、小波包降噪和組合形態(tài)學降噪算法進行了深入分析。針對小波降噪閾值和閾值函數各自的優(yōu)缺點、小波包降噪的性能以及利用單一形態(tài)濾波器存在的局限性，提出了組合形態(tài)學降噪方法。為了驗證三種降噪方法的效果，對齒輪點蝕、斷齒、軸承保持架損壞和外圈裂紋等常見故障進行仿真實驗。通過MATLAB 2014a軟件對故障信號仿真分析，驗證了本文提出的組合形態(tài)學降噪算法更適合于齒輪箱故障振動信號的消噪處理。