针对风电机组齿轮箱高速中间齿轮轴下风向侧轮齿失效问题,利用鱼骨分析方法对设计、制造、材料、装配和运行维护等方面原因进行分析,并基于仿真分析和试验研究的方法,确定齿轮失效是由于齿轮箱装配过程缺少对下风向轴承压紧量的控制,导致轴承游隙过大,引起轴上齿轮偏载。

为准确地辨识已知、未知故障类别,提出一种基于模糊核聚类模型的风电齿轮箱故障诊断新方法。首先,将模型初始聚类中心和核参数作为优化变量,采用改进型灰狼优化算法寻优求解。改进型灰狼优化算法中引入莱维飞行策略和非线性收敛向量,能够提高算法的收敛速度与精度,从而获得最佳分类结果下的各聚类中心和核参数;然后,根据待测样本与各聚类中心之间的核空间样本相似度,先判断样本是否属于已知故障,再诊断故障类别;最后,通过模拟风电齿轮箱的故障实验验证了该方法的有效性。

风电齿轮箱中行星轮和轴承整合设计后,行星轮内孔作为滚动轴承外圈直接使用。针对该类行星轮内孔的磨削精度、质量和效益等问题,对行星轮内孔磨削方法进行了分析和试验,实际检测结果和分析相符,可供同行业加工参考。

风电齿轮箱高速轴轴承的振动是造成风电机组安全隐患的重要因素,而轴系的耦合作用会对轴承振动产生重要影响。以某750 kW风电齿轮箱高速轴多支撑轴系为研究对象,基于中心差分法提出一种用于分析多支承轴系耦合振动的建模方法,并通过MATLAB进行了模拟计算。结果表明:耦合模型比非耦合模型轴承振动幅度小;不同轴承的接触力不同,且载荷作用点越靠近轴承接触力越大;当载荷作用点在靠近单轴承的一侧时,会出现接触力远大于另一侧的双轴承的情况。

针对风电齿轮箱的维护问题,提出基于云雾协同计算的风电齿轮箱运行状态综合监测系统。采用基于ARM的数据终端对风电齿轮箱的机械振动、油液的多参数进行在线监测;通过移动通信网的4G、NB-IOT和短报文方式将现场数据传入雾节点;通过云雾协同的架构处理监测数据,得到不同层次的风电机组齿轮箱数据分析结果,实现实时快速智能监测和风电系统的整体统筹。结果表明:该系统通过云计算和雾计算的计算能力划分,提高了监测系统的整体响应速度与整体性能,对企业降低运行风电齿轮箱维护成本、提高风电经济效益具有积极意义。

疲劳寿命是风电齿轮箱一个非常重要的性能。在风机整体分析、齿轮箱动力学分析和齿轮疲劳损伤分析的基础上提出了风电齿轮箱在随机风载下的疲劳损伤计算模型,其中风机整体分析用于获取齿轮箱在随机风载下的输入扭矩和输出转速,齿轮箱动力学分析是根据输入扭矩和输出转速计算各个齿轮之间的动态啮合力以及转速,齿轮疲劳损伤分析是将齿轮动态啮合力转化为弯曲和接触应力载荷块,依据线性损伤累计理论计算各齿轮的弯曲和接触疲劳损伤。在讨论部分,利用提出的疲劳损伤计算模型计算了在平均风速为11.5 m/s和18 m/s,湍流密度为14%的风况下,各齿轮的弯曲疲劳和接触疲劳损伤,找到了各级齿轮中最危险的齿轮,对风电齿轮箱排错具有指导意义。

经验模式分解(Empirical Mode Decomposition,EMD)是一种经验的方法,缺乏严格的理论证明,在实际应用中存在着许多问题,这些问题导致EMD方法难以有效提取复杂风电齿轮箱振动信号的故障特征。傅里叶分解方法(Fourier Decomposition Method,FDM)是一种新的非平稳非线性信号处理方法,具有坚实的理论基础,能够有效克服EMD方法的缺陷。因此,将FDM用于分析风电齿轮箱振动信号,提出了基于FDM的风电齿轮箱故障诊断方法。将该方法用于实际风电齿轮箱故障诊断,结果表明该方法能够有效地诊断出风电齿轮箱的故障,与基于谱分析、EMD及小波分解的方法相比具有明显的优势。

以2.5MW风电齿轮箱高速轴轴承为研究对象,对变载荷条件下的轴承疲劳寿命进行了预测。首先对风场实测的齿轮箱输入端离散载荷谱做进一步统计分析处理,得到了更精确的连续载荷谱;其次运用修正的Miner疲劳累积损伤理论建立了风电齿轮箱轴承的疲劳寿命计算模型;最后在对齿轮箱进行受力分析的基础上,结合蒙特卡洛抽样法对高速轴轴承疲劳寿命作了分析计算。

对于风电齿轮箱的高可靠性要求,都是通过加速疲劳寿命试验的技术方法来验证齿轮箱的疲劳可靠性。根据主机厂提供的齿轮箱设计载荷谱,确定额定载荷在额定转速下运转的时间;应用Miner理论,确定风电齿轮箱加速疲劳寿命试验的试验步骤,以此试验后的结果来验证齿轮箱的疲劳可靠性。

该文介绍了采用PLC控制＋触摸屏实现设定供油流量并使回油流量跟踪供油流量变化以达到供油和回油按设定液位自动平衡的方法。