窄带包络解调python实现_基于Hilbert解调法的风电机组齿轮箱故障诊断

      随着风力发电行业的快速发展及其装机容量的迅速增加，截止到2018 年末，我国风电累计装机容量已达到209530 MW[1]。齿轮箱( 也称为“增速器”) 作为双馈式风电机组中传递转速与扭矩的重要传动部件，其运行的稳定性与可靠性会直接影响风电机组整机的可利用率和发电性能。随着风电机组运行年限的增长，齿轮箱的损伤概率也在逐步增加，及时发现齿轮箱的早期损伤并进行维修和处理，可有效避免因齿轮箱损伤扩大而造成如卡死、箱体开裂等重大损失。

      目前分析齿轮箱故障的方式通常有齿轮箱油温监测、轴承温度监测，内窥镜检查、振动数据监测等。由于齿轮箱油温监测和轴承温度监测无法准确发现齿轮箱故障，而内窥镜检查无法全面检测内部部件，因此，振动数据监测已成为齿轮箱故障诊断、分析的主流方法。

      本文通过对某运行中的风电机组中存在异响的齿轮箱的振动数据进行采集后，采用Hilbert 解调法对振动数据进行了分析，并准确提取了振动数据中的故障信息，诊断出了齿轮箱存在的故障。

1 齿轮箱故障类型

      齿轮箱作为风电机组传动链的重要组成部件，主要是将叶轮吸收到的风能传递给发电机，并将叶轮的转速升高以适应发电机的工作转速，从而实现发电机发电。由于风力机外部风速存在较大波动，齿轮箱的工作环境较为恶劣，再加上齿轮箱各部件在设计、材料处理、装配精度方面可能会存在不足，高扭矩、高冲击、高转速的工作特点易导致齿轮箱内各传动部件在运行若干年后逐步出现损伤情况。较为常见的齿轮箱损伤有齿轮齿面断裂、胶合、点蚀等，以及轴承内圈、外圈、保持架、滚子损伤等[2]，如图1～图4 所示。