吳 娜，孫麗玲，楊 普

(華北電力大學電氣與電子工程學院，河北保定 071003)

風力機狀態(tài)監(jiān)測與故障診斷技術研究

吳 娜，孫麗玲，楊 普

(華北電力大學電氣與電子工程學院，河北保定 071003)

風力發(fā)電機在惡劣的自然環(huán)境下工作，極易出現(xiàn)故障.利用狀態(tài)監(jiān)測與故障診斷系統(tǒng)可以對其運行狀態(tài)進行實時監(jiān)控，并對可能出現(xiàn)的故障進行診斷.回顧了狀態(tài)監(jiān)測與故障診斷技術的歷史與現(xiàn)狀，介紹了狀態(tài)監(jiān)測與故障診斷系統(tǒng)的基本結構.對風力機常用狀態(tài)監(jiān)測技術及主要測量參數(shù)進行了分析研究，并分析了風力機部件的常見故障，研究了部件的故障機理.最后，分析研究了適合于風力機的多種故障診斷方法.

狀態(tài)監(jiān)測;故障診斷;風電機組;振動;油液;溫度;應變

中國風能資源豐富，可開發(fā)利用的風資源14億kW，其中陸上6億kW、海上8億kW.2008年中國累計裝機容量達到1 221萬kW(12.2 GW)，其中并網(wǎng)發(fā)電的有894萬kW.預計到2020年我國風電裝機將達到1.5億kW［1］.根據(jù)世界風能委員會的預測，到2020年全世界的電力消耗將有12%來自風力發(fā)電［2］.風力發(fā)電技術已經(jīng)成為世界各國的研究熱點，其研究重點在于如何降低風力發(fā)電的成本和如何提供可靠的、高質量的電能.

在日常的運行中，由于風力發(fā)電機工作在野外，工作環(huán)境非常惡劣，風力發(fā)電機組發(fā)生故障的位置比較復雜，同時發(fā)生故障的幾率也比較大，一旦風力發(fā)電機因故障而導致停機，就將帶來巨大的經(jīng)濟損失［3］.所以有必要對風力發(fā)電機的各個部位及周圍的環(huán)境進行實時監(jiān)測，避免不必要的損失.目前風電場的維護多采用計劃維修與事后維修方式.計劃維修，即一般風力機運行2 500 h或5 000 h后進行例行維護，這種維修方式無法全面、及時地了解設備運行狀況;而事后維修是當系統(tǒng)處于故障后才進行檢修，危險性較大，且由于事先的準備不夠充分，往往造成維修工作的耗時太長、損失嚴重［4］.對風電機組進行實時狀態(tài)監(jiān)測和故障診斷，有效地避免了上述缺陷，達到在不停機狀態(tài)下對運行設備的監(jiān)控.使用在線監(jiān)測系統(tǒng)以后，能增加風電場的正常運行時間、優(yōu)化設備運行工況、降低風力發(fā)電設備的維修費用、提高風力發(fā)電機組的運行安全性.

1 狀態(tài)監(jiān)測與故障診斷研究的歷史與現(xiàn)狀

最初的狀態(tài)監(jiān)測與故障診斷技術主要是依靠現(xiàn)場獲取設備運行時的感觀狀態(tài)，憑借經(jīng)驗或多位專家進行分析研究，確定可能存在的故障或故障隱患.隨著測量技術及測量儀器的發(fā)展，狀態(tài)監(jiān)測逐步發(fā)展為依靠儀器測量設備的某些關鍵部位，根據(jù)獲取的參數(shù)(如頻率、振幅、速度、加速度及溫度等參數(shù))，并與固有參數(shù)進行對比，確定故障點或故障隱患點.受到當時科技水平的限制，早期的“系統(tǒng)”規(guī)模小、測點數(shù)少、自動化程度低、數(shù)據(jù)處理速度慢、存儲容量?。?］.

近幾年，隨著電子技術、測試技術、計算機技術、信號分析與數(shù)據(jù)處理技術等的迅速發(fā)展，狀態(tài)監(jiān)測與故障診斷技術與計算機技術結合起來，將監(jiān)測數(shù)據(jù)傳輸給計算機和Internet網(wǎng)絡，計算機對這些數(shù)據(jù)做出綜合分析，顯示出相關的圖譜，如倍頻譜圖、倒頻譜圖、時域頻譜圖和幅值圖等，并可通過計算機上的專家系統(tǒng)對所測的數(shù)據(jù)進行綜合評價，從而實現(xiàn)在線監(jiān)測和網(wǎng)絡遠程監(jiān)測［6］.現(xiàn)代監(jiān)測與診斷系統(tǒng)也越來越復雜，系統(tǒng)的功能和性能都有了全面提高;單純的監(jiān)測與診斷向著監(jiān)測、診斷、控制、管理、調度的集成化過渡;監(jiān)測的對象從單一的機組發(fā)展成為多個區(qū)域多臺機組的監(jiān)測網(wǎng)絡;應用領域已經(jīng)迅速擴展到石油、化工、電力、冶金、能源、航空、核工業(yè)等國民經(jīng)濟的主要行業(yè)［7－8］.

2 狀態(tài)監(jiān)測與故障診斷系統(tǒng)的基本結構

風力發(fā)電機在線監(jiān)測與診斷系統(tǒng)是集合了信號采集、在線監(jiān)測以及信號分析于一體的多功能在線監(jiān)測診斷分析系統(tǒng)，對風力發(fā)電機的振動、溫度、壓力和電氣參數(shù)等進行在線的監(jiān)測，將監(jiān)測結果與事先設定的值進行比較，在線監(jiān)測和診斷系統(tǒng)，能夠及時地發(fā)現(xiàn)運行異常并報警，可對采集到的數(shù)據(jù)進行各種分析處理，從而可以準確地確定設備故障［9］.風力機狀態(tài)監(jiān)測與故障診斷系統(tǒng)的主要組成包括:信號采集、信號處理、狀態(tài)辨識、監(jiān)測與診斷決策、診斷結果［10］.信號采集由安裝在設備上或設備附近的傳感器完成，信號處理、狀態(tài)辨識和監(jiān)測與診斷決策一般由計算機系統(tǒng)或由專用儀器設備完成［11］.

3 風力機狀態(tài)監(jiān)測技術

風力發(fā)電機是將風能轉換成電能的發(fā)電設備，風能先后通過葉輪、主軸、齒輪箱和發(fā)電機后轉換成電能.風力發(fā)電機結構長期受到隨機風載荷的作用，同時由于風輪和發(fā)電機轉子的偏心等，在旋轉時都會產(chǎn)生不平衡的慣性力.這些原因會激起風機結構的振動，影響結構的安全性和可靠性.要對風機進行故障預測診斷，就必須監(jiān)測風機的運行參數(shù)，從參數(shù)中提取故障特征.一般地，監(jiān)測參數(shù)包括很多種信號，如風機電量參數(shù)、風機非電量參數(shù)、機械振動信號、負荷參數(shù)信號和特定的其他信號等.實踐證明，分析測量得到的所有信號不僅不現(xiàn)實，而且也沒有必要［12］.

為了解風力發(fā)電機組的運行狀態(tài)，理想情況下，至少需要測量以下參數(shù):風速、風向、槳距角、葉根擺振和揮舞振動彎矩、轉子軸扭矩和彎矩、轉子頻率和相位、偏航位置、機艙加速度、主軸承振動、齒輪箱振動、塔架扭矩和彎矩、發(fā)電機電流(三相)和電功率輸出以及運行噪音等［13］.

風力機狀態(tài)的監(jiān)測技術主要分為以下5類.

3.1 振動監(jiān)測

振動信號是機械故障特征的載體，不同頻率對應不同故障.振動信號的變化都可能表明機械狀態(tài)的變化［14］.振動分析是對于旋轉機械狀態(tài)監(jiān)測中使用最廣泛的方法.采用振動分析法，可以對大部分機械設備進行準確的設備檢驗和故障診斷，如轉子不平衡、轉軸彎曲、軸承松動、軸系不對中、動靜件摩擦、油膜振蕩、旋轉失速及喘振、轉軸的橫向裂紋、結構共振等［15］.文獻［16］中介紹的斯凱孚公司(SKF)在線振動監(jiān)測系統(tǒng)，可以監(jiān)測動平衡，對中情況，軸承、齒輪嚙合，軸彎曲，機械松動，塔筒振動，葉片振動，電氣故障，共振等風機故障.

用于振動監(jiān)測的傳感器可以由其監(jiān)測的機械頻率來分類:對于低頻區(qū)域為位置傳感器、對于中頻區(qū)域為速度傳感器、對于高頻區(qū)域為加速度傳感器、對于甚高頻區(qū)域為能量頻譜傳感器［17］.

在風電機組中，振動監(jiān)測法主要用于監(jiān)測齒輪箱的齒輪和軸承、發(fā)電機的軸承、主軸承以及機艙的振動，也有少數(shù)用來監(jiān)測葉片.

利用風力發(fā)電機的振動信號分析，故障診斷的方法可分為簡易診斷法和精密診斷法2種［18］.當用簡易診斷檢測出風力發(fā)電機中部件出現(xiàn)故障后，若希望把故障定位到元件級，可以借助頻譜分析技術和元件的特征頻率計算，定位故障.

風力發(fā)電機故障的精密診斷大多采用頻譜分析.頻譜分析一般是根據(jù)部件的頻譜結構分頻帶進行，再根據(jù)其特征頻率和故障特征信息進行分析.但由于風力發(fā)電機中的滾動軸承和齒輪箱的頻譜結構復雜，還會用到其他的分析方法，如倒譜分析、希爾伯特包絡分析、小波分析、細化譜分析等.

文獻［19］采用小波理論對沈陽工業(yè)大學自主研發(fā)的SUT21000型MW級風電機組的振動數(shù)據(jù)進行分析，得到直觀的包絡譜線，進而判斷風力發(fā)電機組的實際工作狀態(tài).文獻［20］采用對兆瓦級風力機主軸和齒輪箱振動信號進行頻譜分析的方法.若采集到的頻譜信號超過設定的報警限，則對實時處理信號與數(shù)據(jù)庫存儲信號進行比較，通過LabVIEW圖形化編程語言，將采集的信號進行小波變換和頻譜分析，獲得信號頻譜圖，從而判斷出風力發(fā)電機產(chǎn)生的故障及位置.在故障診斷中，確定風力機故障的指標非常困難，通常都是根據(jù)經(jīng)驗來確定標準限.而文獻［20］采取的是“歸一化”法.

3.2 油液監(jiān)測

油液監(jiān)測技術是通過對被監(jiān)測設備潤滑油和液壓油本身性能的檢測，檢測油內磨屑微粒的情況，從而掌握設備運行中的潤滑和零部件的磨損信息.油液分析技術可實現(xiàn)機械零部件從磨合階段、正常磨損階段、直到嚴重磨損階段的全過程監(jiān)測［21］.

油液監(jiān)測包括油液品質檢查、鐵屑檢查，有時候也包括油濾壓降檢查以及油溫檢查.

油液分析的手段可分為油液理化指標及污染度檢測、油液鐵譜分析及油液光譜分析［22］.

在風電機組狀態(tài)監(jiān)測中，油液分析有2個目的:監(jiān)測潤滑油的質量和監(jiān)測被潤滑的工件質量.

風電機組的油液分析多數(shù)情況下采用取樣后離線分析的方法.但目前也已經(jīng)有了商業(yè)化的在線油液監(jiān)測系統(tǒng)，這些系統(tǒng)可以實時監(jiān)測油液中的水分和微粒.除此之外，風力發(fā)電機組對液壓系統(tǒng)過濾器的狀態(tài)監(jiān)測已經(jīng)被廣泛采用，這在某種程度上也可視為是對液壓油質量的監(jiān)測［17］.

3.3 應變監(jiān)測

應力傳感器可以用來監(jiān)測風力發(fā)電機組的結構載荷和低速軸轉矩，對于風力發(fā)電機組的設計驗證和壽命預期有很重要的意義.目前被認為最適合風力發(fā)電機組進行應力測試的是光纖應力傳感器，它具有耐環(huán)境性能優(yōu)越、抗電磁干擾、體積小、靈敏度高的優(yōu)點.

3.4 溫度監(jiān)測

溫度監(jiān)測通常用于電子和電氣元件的故障診斷.在設備劣化或過負荷的情況下，溫度值可以很直觀地反映設備運行故障.對于風力發(fā)電機組，在發(fā)電機、變流器和齒輪箱等設備內都安裝有很多溫度傳感器.

3.5 電參數(shù)監(jiān)測

在發(fā)電機組中，電參數(shù)是其重要的性能指標.風力發(fā)電機組與電網(wǎng)連接點的各項電參數(shù)表征了風力發(fā)電機組的發(fā)電性能和對電網(wǎng)的適應能力，而變流、變槳等子系統(tǒng)的電參數(shù)監(jiān)測則是為了實時了解其運行狀態(tài).

4 風力機故障診斷技術

風力機故障主要分為電氣故障和機械故障兩大類.電氣故障包括傳感器故障、低壓器件故障、通信故障、變流器故障、變槳故障、電網(wǎng)故障等;機械故障包括齒輪箱故障、回轉支撐故障、軸承故障、葉片故障、機械剎車故障、液壓故障、對中故障等［23］.風電機組最常發(fā)生的故障是電氣系統(tǒng)故障，主要的停機時間是由齒輪故障造成的［24］.風力機尺寸越大，故障的頻率越高.對于海上風力機，由于其工作環(huán)境更惡劣，比陸上風力機更難以進行維護操作.以下分析風力機主要部件的故障診斷方法.

4.1 齒輪箱的故障診斷

按照不同的驅動方式，風力發(fā)電機可以分為齒輪驅動、直接驅動和混合驅動，當前世界上大約70%的風力發(fā)電采用的是齒輪驅動技術.在風力發(fā)電機組中，齒輪箱是一個重要的變速傳動部件，通過齒輪副完成整個風力發(fā)電機組能量的傳遞.齒輪箱和主軸的壽命往往決定著風力發(fā)電機組的壽命，因此齒輪箱的狀態(tài)監(jiān)測和故障診斷技術就顯得非常重要.從齒輪故障診斷的角度出發(fā)，凡是使齒廓偏離理想形狀和位置的變化，都屬于齒輪故障［25］.齒輪箱常見故障模式有齒輪磨損、齒輪斷齒、齒輪偏心、軸承損壞、潤滑不良、油溫過高等［26］.

文獻［26］中介紹了一套風力機齒輪的故障診斷軟件.該軟件利用Visual C++和MATLAB混合編程，可對采集的故障齒輪的振動信號進行時頻、解調和倒譜分析，并對齒輪狀態(tài)作出診斷.用試驗平臺測試了這套軟件系統(tǒng)的可行性.

文獻［27］針對風力發(fā)電機齒輪箱的故障特征，運用在線編程技術，開發(fā)了基于B/S的風電機組在線監(jiān)測系統(tǒng).該系統(tǒng)由固定在風電齒輪箱上的傳感器采集齒輪箱的振動信號、噪聲信號和溫度信號，將采集到的數(shù)字信號上傳到Web服務器中，Web服務器可以將實時的數(shù)據(jù)通過局域網(wǎng)發(fā)送到客戶端，實現(xiàn)在線監(jiān)測，也可以將歷史數(shù)據(jù)通過Internet發(fā)送到遠程診斷中心進行遠程診斷.該系統(tǒng)將網(wǎng)絡技術與狀態(tài)監(jiān)測相結合，大大提高了在線監(jiān)測系統(tǒng)的效率和準確性.

文獻［28］建立了圓柱齒輪的有限元模型.對ANSYS中設計的直齒圓柱齒輪在一定載荷(頻率)作用下的狀態(tài)進行有限元仿真分析，通過計算齒輪頻率和變形，求解出其正常工作和故障頻率情況下的形狀、位移和等效應力的變化，得出振型圖，直觀地分析圓柱齒輪的故障動態(tài)特性.文獻［29］對齒輪箱進行油溫故障分析.以ANSYS為主要分析工具，建立模型，進行穩(wěn)、瞬態(tài)熱分析及熱應力分析;通過分析其溫度場分布、變形、應力等，找出油溫故障原因、閾值、易出故障部位.

4.2 發(fā)電機的故障診斷

發(fā)電機內存在多個相關的工作系統(tǒng)(如電路系統(tǒng)、磁路系統(tǒng)、機械系統(tǒng)、絕緣系統(tǒng)、通風散熱系統(tǒng)等)，故障起因和故障征兆表現(xiàn)出多樣性.風力系統(tǒng)中發(fā)電機的常見故障包括定子繞組故障(占12.89%)、軸承故障(41.77%)、轉子導條和端環(huán)故障(7.64%)、轉軸或連軸器故障(4.3%)以及其他各種故障.發(fā)電機的故障通常產(chǎn)生以下一種或者多種征兆:氣隙電壓和電流的不平衡，轉矩脈動的加強，平均轉矩的減小，效率的降低，電流、電壓、磁通波形的擾動等［30］.

發(fā)電機的振動分析可與低速軸、齒輪箱的振動監(jiān)測結合起來.但振動傳感器存在價格昂貴、安裝不便以及可靠性較差的缺點.定子電流信號是另一種常用的分析信號，相對振動信號，它具有安裝簡單、價格便宜、非侵入式以及與電機控制系統(tǒng)共享電流信號的特點，已成為感應電機故障診斷信號分析的熱點.

文獻［30］提出將離散小波變換、統(tǒng)計分析、能量譜結合在一起，分析定子電流信號，從而判斷雙饋風力發(fā)電機組的故障.文獻［31］通過監(jiān)測風力發(fā)電機組中的同步發(fā)電機的電信號、發(fā)電機轉軸的轉矩和轉速來診斷發(fā)電機繞組故障和轉子不平衡故障.文獻［32］對永磁風力發(fā)電機的溫度場及電磁場進行耦合計算，得出基本仿真的數(shù)據(jù);使用現(xiàn)場實際測量的以及部分仿真的數(shù)據(jù)，結合電流、電磁場、溫度場和振動等多種信號;利用多種智能診斷技術和方法(BP網(wǎng)絡、Elman網(wǎng)絡、概率神經(jīng)網(wǎng)絡)，對發(fā)電機的多種故障數(shù)據(jù)融合處理，分類判斷，分析故障原因和嚴重程度，得出診斷結論.

4.3 人工智能故障診斷

人工智能在可再生能源技術上的應用越來越廣泛［33］.人工智能診斷方法包括人工神經(jīng)網(wǎng)絡、數(shù)據(jù)挖掘、模糊邏輯、專家系統(tǒng)等.為了提高診斷準確率，更好地適應工程需要，近年來還出現(xiàn)了多種診斷技術相結合的診斷方法，如小波神經(jīng)網(wǎng)絡、模糊自組織神經(jīng)網(wǎng)絡、基于模糊集的故障樹、基于粗糙集的人工神經(jīng)網(wǎng)絡、基于模糊推理的專家系統(tǒng)等.

文獻［34］提出了一種基于小波包變換的優(yōu)化LDB算法結合SOM－BP混合神經(jīng)網(wǎng)絡進行故障診斷的新方法.文獻［32］利用多種智能診斷技術和方法(BP網(wǎng)絡、Elman網(wǎng)絡、概率神經(jīng)網(wǎng)絡)對發(fā)電機的多種故障數(shù)據(jù)融合處理，分類判斷，分析故障原因和嚴重程度，得出診斷結論.文獻［35］利用滾動軸承振動信號，設計應用于風電機組故障診斷的神經(jīng)網(wǎng)絡模型.該模型的輸入樣本由振動信號的部分時域特征值，經(jīng)過歸一化處理和一致性檢驗后組成;輸出樣本由各種故障現(xiàn)象組成.神經(jīng)網(wǎng)絡技術其效果的好壞關鍵取決于樣本訓練的結果.神經(jīng)網(wǎng)絡系統(tǒng)的性能在很大程度上受到所選擇的訓練數(shù)據(jù)集的限制，訓練數(shù)據(jù)的正交性和完備性如果不好，就會使系統(tǒng)性能惡化.此外，樣本質量的好壞直接影響訓練質量繼而嚴重影響應用結果.因此，針對系統(tǒng)比較復雜的應用環(huán)境，應當進一步考慮加強對模糊融合等算法實現(xiàn)問題的研究，進一步提高故障診斷系統(tǒng)解決不確定性問題的能力.

5 結語

狀態(tài)監(jiān)測與故障診斷技術是一門融合電子、測試、計算機、信號分析與數(shù)據(jù)處理、人工智能等多學科交叉的技術.隨著信號處理技術、計算機技術以及人工智能的發(fā)展，許多先進的技術都被引入到風力發(fā)電機組故障診斷中.但許多先進技術和理論并沒完全成熟;如何進一步提高這些方法的有效性尚待進一步研究;如何融合先進方法，充分發(fā)揮各自優(yōu)點，是故障診斷技術發(fā)展的方向之一;如何從多傳感器中提取綜合信號并處理，以提高故障診斷的精確性;如何研究多類型故障的診斷是未來發(fā)展的熱點問題.未來狀態(tài)監(jiān)測與故障診斷技術的發(fā)展將是各種先進診斷方法的融合以及發(fā)展遠程的狀態(tài)監(jiān)測和故障診斷等.

［1］王志新，張華強.風力發(fā)電及其控制技術新進展［J］.低壓電器，2009，19:1 －7.

［2］World Wind Energy Association.World wind energy report 2008［R/OL］.［2009 － 08 － 29］.http://www.wwindea.org/home/images/stories/worldwindenergyreport2008_s.pdf.

［3］Yang Wenxian，Jiang Jiesheng，Tavner P J，et al.Monitoring wind turbine condition by the approach of empirical mode decomposition［C］//2008 International Conference on Electrical Machines and Systems.Wuhan，China:IEEE，2008:736－740.

［4］趙振宙，鄭源，陳星鶯.海上風電機組主要機械故障機理研究［J］.水利水電技術，2009，40(9):32 －45.

［5］李建華.在線設備狀態(tài)監(jiān)測與故障診斷技術的應用［J］.石油化工設備，2010，39(3):73 －75.

［6］戴東華.設備監(jiān)測與診斷技術的特點及發(fā)展應用［J］.企業(yè)技術開發(fā)，1999(6):4－6.

［7］李曉虎.旋轉機械狀態(tài)監(jiān)測與信號分析系統(tǒng)的復用研究［D］.南京:東南大學，2004.

［8］盧學軍.汽輪發(fā)電機組故障診斷系統(tǒng)中幾個關鍵技術的研究［D］.杭州:浙江大學，2001.

［9］王瑞闖，林富洪.風力發(fā)電機在線監(jiān)測與診斷系統(tǒng)研究［J］.華東電力，2009，37(1):190 －193.

［10］龍泉，劉永前，楊勇平.狀態(tài)監(jiān)測與故障診斷在風電機組上的應用［J］.現(xiàn)代電力，2008，25(6):55 －59.

［11］張雨，徐小林，張建華.設備狀態(tài)監(jiān)測與故障診斷的理論和實踐［M］.北京:國防科技大學出版社，2000.

［12］王小鵬.基于小波變換和數(shù)據(jù)挖掘的風電機在線故障診斷［D］.蘭州:蘭州理工大學，2010.

［13］Caselitz P，Giebhardt J，Mevenkamp M.On-line fault detection and prediction in wind energy converters［C］//EWEC’94，Thessaloniki，1994:623 －627.

［14］丁康，李巍華，朱小勇.齒輪及齒輪箱故障診斷實用技術［M］.北京:機械工業(yè)出版社，2005.

［15］操煉.振動信號在船舶設備檢驗中的應用探討［D］.上海:上海海事大學，2005.

［16］任玉亭.振動監(jiān)測技術在風力發(fā)電機組中應用［J］.內蒙古電力技術，2010，28(2):8 －12.

［17］葉杭治.風力發(fā)電機組監(jiān)測與控制［M］.北京:機械工業(yè)出版社，2011.

［18］吳佳梁，王廣良，魏振山.風力機可靠性工程［M］.北京:化學工業(yè)出版社，2010.

［19］金嘉琦，關新，單光坤.小波理論在風力發(fā)電機振動監(jiān)測中的應用［J］.沈陽工業(yè)大學學報，2008，30(5):520－524.

［20］陳長征，梁樹民.兆瓦級風力發(fā)電機故障診斷［J］.沈陽工業(yè)大學學報，2009，31(3):277 －280.

［21］王小斌.油液分析技術在機械設備狀態(tài)監(jiān)測中的應用分析［J］.煤炭技術，2001，20(9):52 －53.

［22］許斌，余學軍.油液分析技術在設備維修中的應用與研究［J］.潤滑油，2006，21(4):61 － 64.

［23］吳佳梁，胡杰，陳修強.風力機安裝、維護與故障診斷［M］.北京:化學工業(yè)出版社，2011.

［24］Ribrant J.Reliability performance and maintenance-a survey of failures in wind power systems［D］.Sweden:KTH School of Electrical Engineering，2006.

［25］繩曉玲，萬書亭.基于VC與Matlab的風力發(fā)電機組齒輪故障診斷系統(tǒng)［J］.機械傳動，2011，35(6):72 －75.

［26］張積堅，王奉濤.風力發(fā)電機組齒輪箱在線監(jiān)測系統(tǒng)的開發(fā)［J］.工業(yè)控制計算，2009，22(12):49 －50.

［27］周培毅，張新燕.風力發(fā)電機組圓柱齒輪的故障振動分析［J］.華東電力，2008，36(6):70 －72.

［28］張新燕，何山，張曉波，等.風力發(fā)電機組主要部件故障診斷研究［J］.新疆大學學報，2009，26(2):140 －144.

［29］Al-Ahmar E，Benbouzid M E H，Amirat Y，et al.DFIG-based wind turbine fault diagnosis using a specific discrete wavelet transform［C］//2008 International Conference on Electrical Machines，2008:1 －6.

［30］Yang Wenxian，Tavner P J，Michael Wilkinson.Wind turbine condition monitoring and fault diagnosis using both mechanical and electrical signatures［C］//International Conference on Advanced Intelligent Mechatronics，2008，Xi＇an，China，2008:1296 －1301.

［31］何山，王維慶，張新燕，等.基于類神經(jīng)網(wǎng)絡的MW永磁風力發(fā)電機短路故障智能診斷［J］.電機與控制應用，2011，38(9):24 －29.

［32］Soteris A Kalogirou.Artificial neural networks in renewable energy systems applications a review［J］.Renewable and Sustainable Energy Reviews，2001(5):373 － 401.

［33］莊哲民，殷國華，李芬蘭，等.基于小波神經(jīng)網(wǎng)絡的風力發(fā)電機故障診斷［J］.電工技術學報，2009，24(4):224－228.

［34］吳元修.神經(jīng)網(wǎng)絡在風電機組機械傳動系統(tǒng)故障診斷中的應用研究［J］.制造業(yè)自動化，2010，32(10):130－132.

Research on Wind Turbine Condition Monitoring and Fault Diagnosis

WU Na，SUN Li-ling，YANG Pu
(School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China)

Wind turbines are subject to fault because of bad working conditions in the natural environment.A condition monitoring and fault diagnosis system can be used to monitor its operating condition and diagnose the possible fault in real time.The historical and present researches of wind turbine condition monitoring and fault diagnosis techniques are reviewed in the paper，and its basic structure is illustrated.The frequently-used condition monitoring technique and its main measurement parameters are analyzed here to put forward the common faults，and the failure mechanism.At the end，the paper discusses several fault diagnosis methods fit for the wind turbine.

condition monitoring;fault diagnosis;wind turbine;vibration;oil;temperature;strain

1002－5634(2012)02－0086－05

2011－12－25

中央高校基本科研業(yè)務費專項資金項目.

吳 娜(1986—)，女，湖北咸寧人，碩士研究生，主要從事風力發(fā)電機故障診斷方面的研究.

(責任編輯:杜明俠)