1.失效类型

1）风力机在运行过程中，其内部零件要承受力、热、摩擦、磨损等多种作用，随着使用时间的增长，其运行状态不断变化，有的性能将逐步退化，从而发生零件（元件）的失效。这是导致风力机故障的主要原因。因此，研究零件（元件）失效机理，识别失效模式乃是风力机故障预报的主要任务，也是奠定故障诊断的信息基础，最终实现降低设备的寿命周期费用的目的。研究和识别设备以及零部件失效模式是十分重要的，表5-3为风力机及零部件失效类型，这是设备故障预报技术研发的主要理论基础。

表5-3 风力机及零部件的失效类型

2）设备的功能体现着它在生产活动中存在的价值和对生产的保证程度。风力机故障会严重影响风电场经济效益，因而必须探索故障发生的规律：对故障进行管理、记录；对故障机理进行分析，采取有效措施控制故障的发生。

设备的状态即设备的工况，分为正常状态、异常状态和故障状态，可见故障只是设备运行状态中的一种特殊状态。故障预报技术即是以研究故障状态的发生、发展和消除的规律性为主的专门技术，通过故障预报技术应用，使风力机故障或事故消灭在萌芽状态，从而大大提高风力机运行安全性、可靠性。

故障预报技术是保障设备可靠运行、提高设备服役性能的现代技术及核心技术之一，也是当前研究的重点，国内外十分重视对设备故障预报技术的研究开发工作。

2.故障分析及研究

1）由于各种原因使设备参数劣化或老化，逐渐发展而产生的故障。其主要特点是：在给定的时间内，发生故障的概率与设备运行的时间有关。设备的使用时间越长，发生故障的概率越高。这类渐发性故障与零件表面材料的磨损、腐蚀、疲劳及蠕变等过程有密切关系，事先都有征兆出现，能通过早期检测或试验来预测。

2）故障产生的原因是各种不利因素以及偶然的外界影响共同作用的结果。这种作用已超出了设备所能承受的限度。故障往往经过一段使用间隔时间才发生。这类突发性故障的主要特征是：在给定时间内，发生故障的概率与设备已使用时间无关。如因设备使用不当或出现超载运行而引起零件折断；因各项参数都达到极限值（载荷大、剧烈振动、温度升高等）而引起的零件变形和断裂。

这类故障主要原因是操作与维护不良而引起的，由于超过设备本身的能力而超负荷运行出现的故障，以及运行中维护不当而造成的故障或设备事故。故障原因在于设备所承受的应力超过设计的极限能力。

此外，还可分为结构型故障（如裂纹、磨损、腐蚀、不平衡、不对中等）和参数型故障（如流体涡动、共振、配合松紧不当、过热等）。而操作者及管理者更要关注的是危险性的、突发性的、持续性的、全局性的故障，因为这些故障往往会造成灾难性的损失，也比较难于防范，所以开展设备故障预报尤为必要。有效运用设备故障预报技术，是在当前现代设备工程中有挑战性任务之一。

3.故障原因

故障预报技术是保障设备可靠运行、提高风力机服役性能的现代设备核心技术之一，也是国外研究重点之一。

无论是设备或其零部件，影响其失效和故障的基本因素，从客观上看，可归结为设计因素（原始因素）、制造因素（包括装配、调试因素）和运行及维修因素（工况使用因素）三大方面，为了提高预报技术可靠性、安全性，应从这三个方面努力才能达到目的。

（1）设计 为了保证风力机及其零部件的质量，必须精心设计，精心施工，以保证设计不会因应力过高，应力集中，或是材料、配合、润滑方式选用不当，对使用条件、环境影响考虑不周而超过在给定条件下正常工作和运行的准则。

（2）制造

1）装配调试因素。在零部件组装成风力机的过程中，装配或调试不良，是导致风力机发生某种失效的重要因素。常表现为：①啮合传动件，如齿轮、蜗杆、螺旋等啮合间隙不合适。②连接零件的防松装置不可靠等。③密封装置不良。

2）制造工艺因素。尽管设计是正确的，但由于工艺制造条件无法满足设计要求，风力机发生各式各样的故障而导致失效。如锻造过程的裂纹；焊接过程的未焊透、冷热裂纹；铸造过程的疏松、夹渣；机械加工过程的尺寸公差和表面粗糙度不合适；热处理工艺缺陷，如淬裂、回火脆裂、硬化表层的组织缺陷、硬度不足、硬化层过薄等。

3）材质因素。风力机零部件所用材料不符合技术条件，材质内部缺陷实质上是其内部的应力集中源。在外界载荷作用下材质缺陷处呈现高应力而导致某种失效。材质造成的失效，可能是由于设计选材不当；也可能是毛坯冷热加工（特别是热处理）工艺过程产生的缺陷而造成。

（3）运行及维修 首先是对运行工况参数（载荷、速度等）的监控，看其是否符合规定要求。此外，润滑条件也是一项重要的因素。润滑条件通常包括：润滑剂和润滑方式是否选得合适，润滑装置以及冷却系统功能是否正常。

4.故障预报技术研发

故障预报技术能够提高风力机组平均无故障时间，有效确保风力机组的可靠运行，为此开展相关试验研究工作具有重要实际意义。其主要内容包括：以风力机组为对象，为提高故障预报的准确率进行典型功能部件的故障预报试验技术研究及试验环境构建；提出风力机组运行状态监测、故障诊断预报的样本试验获取方法；构建故障预报测试试验平台；进行样本故障预报案例库的设计；构建样本知识库及知识模型等。

（1）故障预报研究 故障预报研究是以最有效的方法获取反映风力机状态（静态）、运行状态（动态）的特征量或故障诊断预报知识，并据此建立合适的故障模型。目前以风力机组的具体系统为对象进行研究，如主传动系统振动监测与诊断预报、风轮转速系统监测与诊断预报、发电机系统的监测预警等。相应的诊断预报方法以传感器技术、信号处理及分析技术和多传感器信息融合技术为主，通过一定的监控诊断预报模型实现状态判定与故障预报，或依靠数学模型来分析诊断预报对象的某种动态特性信息已取得一定的成果。从分析诊断预报对象的功能、原理、结构等方面入手，并结合专家经验，以建立诊断预报知识库为目标，诊断预报过程以知识推理为主，机理模型、功能模型及故障树模型是常用的方法。总体上，风力发电机组故障诊断预报技术的研究主要是沿着诊断预报系统架构研究、智能诊断预报方法研究、故障机理及故障模型研究和系统集成技术研究等四个方向深入开展。主要表现在以下几个方面：(www.daowen.com)

1）高性能的风力机组必须具备高度柔性，所以必然要求系统内部具有高度灵活性和运行模式的多样性，克服系统的不确定因素和在模式转换过程中故障发生的高可能性。

2）诊断预报获取困难，由于系统设备复杂，同时在外部条件影响下使风力发电机组运行过程、工况多样，因此，必须全面搜集正常与异常状态的先验样本和模式样本。

3）故障快速定位难度大，由于风力机各部件间的动态联动性、离散性致使故障的传播性、故障源的分散性更加明显。同时过程状态及故障的断续性、突发性、模糊性、关联性及时变性的明显，致使故障征兆信息和设备状态信息的获取难度大。

4）由于风力机运行干扰因素影响大，使诊断预报系统的误诊、漏诊的可能性加大，必须克服诊断预报推理的精确性和可信度下降的可能性。

5）风力机组在运行过程中信息量大而繁杂，对监控、诊断与预报的信息资源需要进一步挖掘，对监控策略、故障特征提取和诊断预报知识库管理等环节提出了更高要求。

（2）构建故障预报平台 以风力发电机组为对象，构建整机动态性能故障预报模拟综合试验环境，配备风力机性能评价所需的检测仪器设备，实现风力机设备典型故障的模拟；为样本数据获取、典型故障监测方法及单元技术的模拟验证提供了基础试验条件。风力发电机组的故障预报平台构建方案如图5-15所示。

图5-15 风力发电机组的故障预报平台构建示意图

根据风力发电机组整机运行动态性能故障预报试验平台的功能要求，以及各系统的结构特点，以运行状态信息及故障特征信息获取的准确性和完备性为目标，确定各类测试试验仪器及各类传感器的配置和选择标准，同时确定测试仪器及传感器的可安装性及布置方案的合理性。利用风力发电机组故障预报试验平台，对风力机典型功能部件主要故障进行模拟试验设计，主要是模拟主传动系统、风轮系统、发电机系统的主要故障，也可以模拟传动系统及控制电气系统的主要故障；同时可模拟有相互关联的两个或多个故障同时发生的工况。

在整机故障预报模拟试验平台上安装典型功能部件的单元监测装置，通过整机静、动态性能测试及试切标准试件的试验，模拟典型功能部件的常见故障，同时获取主要故障所需的典型信号样本。

（3）获取故障预报样本数据 样本数据的有效获取是实现风力机组故障预报所需的动态性能分析和评价的基础，也是建立设备运行性能分析和评价体系的关键。针对风力发电机组各系统运行特性，构建的整机运行动态性能故障预报试验平台的试验环境，采集和模拟风力机各系统运行的主要故障，通过振动、噪声、声发射、温度、位移和图像等各类测试仪器系统采集故障诊断预报所需的设备运行状态信号，为单元监测技术与装备的研发提供了真实可靠的试验样本数据，为进一步实现整机样本数据处理和样本数据建库提供了样本数据信息。数据样本获取方法：

1）对风力机运行速度、加速度、振幅与频率进行机械动态特性的样本数据采集，利用在线综合检测仪等进行风力机机械动态特性测量试验，以示波器的方式实时显示来自检测系统的连续数据流，对运动和定位特性进行测量及样本数据的获取。

2）为实现基于时间的动态测量及样本获取，利用基于时间的采集使动态软件提供相对位移数据，通过程序设置来完成采集时间范围内数据的保存。采用振动噪声测试分析系统和高速数据采集及分析处理系统，对风力机运行实时的动态特性进行测量获取试验样本。

3）采用专用系统对主齿轮箱、各减速器等的破损及磨损类故障进行样本获取试验，通过声发射测量试验分析，由检测得到的振动波形信号、频率质心信号、峰值频率信号等评价的磨损程度；采用专用系统进行磨损程度的样本获取试验。

通过以上样本获取试验研究，能够有效地揭示出风力机组运行典型故障对整机动态性能和故障预报的发展机理，并且能够分析其影响因素，提供故障预报试验和分析的数据样本。

（4）故障预报信息建库 针对风力机组的样本数据存在着噪声和不确定性因素而难以发现运行状态信息的隐含规律的难题，采用基于粗糙集理论的方法对样本数据进行数据分析和推理，能够有效解决信息获取、知识获取和决策分析中的实际问题。

通过分析样本数据的基本构成，采用基于粗糙集的样本数据获取方法进行建库，利用专门软件实现样本的存储、检索、管理和维护等数据库管理功能。风力机组状态信息试验获取与建库设计框架如图5-16所示。

图5-16 风力机组状态信息试验获取与建库设计框架

（5）样本故障预报试验分析 对实际运行的风力发电机组进行基于整机及各系统运行状态样本数据采集和建库的试验，在试验中进行风力机在各种外界条件的数据采集以及模拟典型故障的数据采集和分析。在试验研究基础上对样本数据的获取与建库的方法进行修正和优化，进行风力机各系统的故障预报试验，实现试验样本的数据获取和分析。

（6）风力机组故障预报实践 构建以风力发电机组为核心的样本试验获取和建库的试验平台，同时配备样本获取的试验风力机组及配套系统，利用该试验平台获取所需的样本试验数据，通过数据分析系统进行样本数据分析，并建立影响风力机运行动态性能的典型。故障样本数据案例库，为风力机组典型故障模拟提供所需的故障预报样本及试验条件。

为了有效分析影响风力发电机组运行的故障因素、验证故障预报的方法和系统，建立柔性、开放式及可重构的数据库和知识库的环境，为风力机组整机性能运行状态评价、故障机理分析和故障预报的数据和知识提供条件。为了有效利用所建立的数据库和知识库，进一步利用数据挖掘理论，从风力机组运行状态的大量样本数据中提取或挖掘有用信息和知识，研究并提出基于数据挖掘理论的整机动态性能样本数据的建库方法，以实现整机样本数据库和知识库的有效组织和利用。