运红丽，张涛，宋小娜

(华北水利水电大学 机械学院，郑州 450046)

0 引言

齿轮箱是风电机组关键的子系统，齿轮箱的润滑是影响齿轮箱寿命及可靠性的重要因素之一[1]。目前，风电齿轮箱的集中润滑多采用“定时定量”的方式 ，各部位实际润滑状态无法实时显示，存在“过润滑”和润滑不均衡情况，且润滑异常状态不易判断，检修难度高[2-3]。本文基于LabVIEW软件平台开发一个齿轮箱智能润滑及故障诊断系统，利用灰色理论进行系统状态预判，拟实现“实时监测”“按需供油”，建立了故障树诊断模型，实现齿轮箱润滑系统状态的检测与故障诊断，为风电设备智能润滑与故障诊断新产品的研发及优化设计提供理论和实践依据。

1 齿轮箱润滑状态监测信号

风电齿轮箱作为发电机关键部位之一，在运行时需实时监测的主要信号如下。

1.1 高速轴承温度

当高速轴承的温度高于80 ℃以后[4]，需要开启齿轮箱的冷却系统对高速轴承进行冷却，直至高速轴承温度下降至70 ℃以下。

1.2 润滑系统油压

风电齿轮箱润滑系统出油口的压力表达出其内部润滑油的油品质量，出油口油压不在正常范围(1.0～1.6 kPa)时即表明润滑系统出现故障，需采取打开安全阀门或开启冷却系统等方法进行应急处理，若出油口油压仍无法快速稳定在正常工作范围内，则要进行停机处理。

1.3 润滑系统油温

润滑油油温在10～70 ℃为正常范围，在机组启动时，油温受外界环境的影响。当油温低于10 ℃时，需要启动电加热器给润滑油加热；当油温高于60 ℃时，则要开启冷却系统对润滑油进行冷却。若润滑油温度升高到70 ℃以上，则必须停止发电机的工作使之停机降温，以免因油温过高而使齿轮箱发生故障。

1.4 润滑系统油位

在齿轮箱后端安装液位传感器对润滑油油位进行实时监测，当传感器监测到的油位低于最低限制位时，开启油液油阀进行加油。

1.5 油液磨粒

根据磨粒的国内界限值划分为正常、警告和异常3个区间。综合考虑经济性和有效性，将油液磨粒上限设置为8 500 /mL，既可以保障润滑油的润滑能力，又不会因频繁更换润滑油而产生浪费。

2 灰色预测模型

灰色理论系统是用目前已知的信息对未来的变化做出预测，即由现在的状态引申到未来的一种预测模型[5]。灰色模型(GM)是以灰色生成函数的概念作为基础，以曲线拟合为核心的建模方法，通过该模型可以对系统做出定量预测，其中应用最为广泛且基本的预测模型是GM(1，1)。GM(1，1)建模与预测过程如下：

(1)取n个已知的数据构成原始数据序列x(0)(k)，然后对原始数据序列做一次累加生成一次累加数据序列x(1)(k)，累加生成算子

(1)

(2)把一次累加数据序列构造成一阶线性微分方程

对于ICP-AES分析，可调节的仪器参数主要有射频发生功率、工作气体流量(包括冷却气、辅助气、雾化气)、蠕动泵转速、观测方式等。其中射频发生功率、雾化气流量和辅助气流量是影响分析线信号的关键因素[19-20]。

(2)

式中，a为发展灰数；b为内生控制灰数。

(3)设δ为待求估计参数，δ=[a，b]T用最小二乘法求解

δ=(BTB)-1BTYn，

(3)

得出待求参数估计量a，b。

(4)将求得的参数a，b代入已白化的微分方程，得到时间响应函数，即GM(1,1)预测模型为

(4)

由式(1)(4)求得预测值

(1-ea)(x(0)-b/a)e-ak。

(5)

(5)用残差e对模型精度进行检验

(6)

3 故障树诊断模型

3.1 故障树的构建

故障树分析模型[4,6-7]是为了研究系统功能故障(也成为顶事件)而建立的与导致故障各种可能因素之间逻辑关系的树状模型。针对风电齿轮箱润滑系统的特定故障，对系统进行层层跟踪分析，考虑到自然环境及人为因素对系统的影响，建立风电齿轮箱润滑系统的故障树模型如图1所示。

图1 风电齿轮组润滑系统故障树模型

润滑点缺油是风电齿轮箱润滑系统最常见的故障类型，因此选取其作为故障树顶事件。搜索添加引起顶事件的故障原因，主要来自于润滑系统故障和润滑点故障，并建立其与顶事件的逻辑关系，搜索润滑系统故障可分为“油路故障”和“油泵故障”，搜索油泵故障的因素可归纳为“油液故障”“泵体故障”“电机故障”和“控制故障”等4种类型，油液故障可进一步分为“油量不足”和“油位传感器故障”2种，这2种故障没有子节点，被称为底层事件，连接顶事件和底层事件的模块为中间事件。例如，从顶事件“润滑点缺油”层层分析到底层事件“油量不足”，可以迅速找到其故障的原因。

3.2 推理规则

推理就是对风电齿轮箱故障进行识别，利用知识库按照一定推理策略逐步求解问题并通过解释机制进行诊断结果输出。系统故障推理诊断流程如图2所示。

图2 故障诊断流程

4 故障诊断试验结果与讨论

试验系统通过分别模拟主油管路堵塞、调压卸荷阀内漏、主分配器出口泄漏、中间分配器堵塞等故障进行诊断试验。

当出现主油路故障后，系统油压会不断升高，达到卸荷阈值时压力下降，一直重复循环，最低压力会高于正常最大压力13 MPa；当局部泄漏时，相应压力峰值会有小幅下降，单出口泄漏和双出口泄漏时压力波形脉冲可见明显下降；出口调压卸荷阀阀芯故障时，会导致压力无法达到正常值，分配器会间歇性运动或停止，出油量锐减或停止出油，此时压力在3 MPa以内，这些故障信号人工难以直接识别。利用故障树诊断系统，通过推理机可以对故障进行准确诊断(如果3所示)，根据检测数据可以快速对故障定位。

图3 润滑状态监测与诊断系统工作界面

5 结束语

本系统利用灰色理论对风电齿轮箱的润滑状态进行监测和预判，实现智能集中润滑管理。建立了润滑系统故障树模型，通过推理机对润滑系统的故障进行诊断，实现了故障的自动检测和快速定位，提高了润滑系统的可靠性。

[1]高志伟.风力发电机齿轮箱状态监测与故障诊断系统的研发与实现[D].上海:上海电机学院,2015.

[2]胡志勇,廖卫勇,黄静雯.智能计量集中润滑系统的研发与应用[J].矿山机械,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]倪绍徐，张裕芳，易宏，等.基于故障树的智能故障诊断方法[J].上海交通大学学报,2008,42(8):1372-1375，1386.

[5]肖建伟.基于灰色理论的在线油液监测技术研究[D].长沙:国防科学技术大学,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和分形理论的风电机组故障诊断系统研究[D].保定：华北电力大学，2012.