孙建伟，杜琳娟，欧焕飞，张希希，毋瑞琪

(1.华润电力技术研究院，深圳 518000；2.润电能源科学技术有限公司，郑州 450000)

0 引言

齿轮箱是双馈式风电机组的核心部件之一，对风电机组的高效、安全运行起着至关重要的作用。风电机组齿轮箱的失效方式主要表现为轴承、齿轮等磨损失效，齿轮箱在长期运行中各种轴承、齿轮的严重磨损多为周期性疲劳磨损[1]。目前，针对风电机组齿轮箱运行状态的评估方式主要采用基于齿轮箱温度的状态监测、振动监测等。例如，黄小光等[2]提出了同时使用温度和压力信号对风电机组齿轮箱状态进行监测，并据此建立了一种风电机组齿轮箱的温度和压力模型进行故障预警；李莹等[3]基于隐马尔科夫模型建立了风电机组齿轮箱故障程度评估模型，并证明了该模型可有效识别实际齿轮箱的故障程度；王红君等[4]提出一种基于振动的EEMD 小波阈值去噪和布谷鸟算法优化BP 神经网络的故障诊断方法来判断齿轮箱的故障。对于齿轮箱磨损状态的监测手段主要采用油液监测技术[5-8]，其中对于齿轮箱内部磨损微粒的变化趋势和监测数据的分布，特别是铁元素含量的监测主要是采用定期取样、离线送检的方式[9-10]。

风电机组齿轮箱磨损微粒主要是铁颗粒，铁颗粒含量的增长趋势能直接反映出风电机组齿轮箱的磨损状态。国内外很多学者针对铁元素含量参数与风电机组齿轮箱磨损状态的关系开展了研究。何照荣等[11]借助铁谱仪获得了齿轮箱运行过程的磨损量，结合设备本身的故障率和铁谱分析数据的特点，对铁谱数据进行残差分析后筛选出合格数据，然后计算出了能够反映齿轮箱运行状况的磨损状态界限值；……