前言：风力发电使用的旋转装置振动状态控制技术比较发达，主要是基于振荡信号的频率特性和振荡趋势的变化来分析旋转装置的振动缺陷。风力涡轮机属于是旋转装置。驱动电路主要包含主轴、滚动轴承、变速箱以及发电机等部件。振动测点主要是滚动轴承的卫星轴承以及齿轮箱的卫星环上，其特点是在发电机传动链中的传统旋转装置中，一些旋转装置以极低的速度旋转。为防止弱振荡信号进入噪声信号，对振动传感器和加速分辨率测量仪等振动检测手段的性能要求不仅较高，而且更高。基于此，本文对风力发电机组发电机故障进行了深入的分析。
1风力发电机组故障诊断
1.1依据振动信号来诊断
在风力发电机组发生故障时，一般会出现振动信号，利用识别振动信号的方法，能够对故障的状况做出更加准确地判断。现阶段，按照振动信号做出诊断的模式非常常见，其使用频率同样很高，可以检测与诊断风力发电机组的许多重要部位，包括齿轮箱、轴承以及叶片。以小波神经网络检测方法为例，此方法的检测依据便是故障的特点，它可以被应用于齿轮箱故障的诊断工作。特别对齿轮箱故障特征的提取来说，小波神经网络检测方法能够结合信号分析与连续小波的变化，对微弱故障信号进行提取。就发展状况而言，故障诊断方法均是利用对稳态状况的振动信号进行离线分析来完成的，不过就实际情况来说，风力发电机组在运行时的工作条件不仅是动态的，而且拥有很多变化，所以其故障诊断结果有很大的几率会存在漏洞，应该有针对地对风力发电机组的在线健康监测的系统进行开发。
1.2依据模式识别来诊断
所谓按照模式识别来诊断，是指在机组多元化基础上获得的故障诊断方法，其工作原理为将模型假设于时域或视域，按照模型来分析故障。举例说明，在对轴承故障进行诊断时，使用该诊断方法能够对立体模型进行更加有效地建立，之后对相关故障进行准确查找并将其解决。就可视化模型而言，其在建设时的常用算法为LaplacianEigenmaps算法，此算法可以对故障可视化模型进行构建，能够把立体图形提供给相关技术人员。可视化模型最显著的特征在于此类模型能够把故障的特征表现给相关人员，帮助他们尽快将故障的所在位置找出，除此之外，对于立体空间结构使用非线性的流形模型，可以分析动态轴承的故障，而且可以将故障的位置锁定，使故障处理的效率得到提升。
2风力发电机组发电机故障预防措施
2.1发电机故障诊断系统架构
风力发电机故障诊断过程是一个复杂的过程，包括信号采集、测量控制、HHT分析过程以及最终诊断结论。每个步骤都很重要，并形成一个完整的系统。在计算机的控制下，信号测量控制系统根据计算机的指令通过传感器接收每个风力机位置的振动信号，该振动信号是用于故障诊断的原始信号。收到振动信号后，需要进行时频分析以获取信号的特性，该过程首先执行信号持续时间扩展过程。目的是消除传统转换中的机翼端点问题，并获得信号极点的准确平均值。在确定值范围之后，请遵循基本转换原则，并使用设置的完成条件来确定是否满足组件的条件。如果不满足配置的条件，将再次处理它们，直到收到合格的信号，该过程的目标是接收所有组件。
2.2进行定期维护
在风力发电机使用相应的时间后，需要做好定期维护工作，确保风力发电机能够进行稳定的运行在执行一些维护任务时，必须执行以下方面：首先，测试螺栓扭矩和电气连接，确保每个连接点连接良好，并润滑传送带和其他部件。必须测试风扇的主要功能部件。如果风力发电机长时间工作，螺栓可能会松动，并且由于风力发电机长时间在振动条件下运行，螺栓可能会松动。如果螺栓松动，保持力将不均匀，这将使它们易于切割。因此，在实际的维护工作中，需要对螺栓的扭矩进行详细的检查，确保螺栓是否存在的松动，并及时做好处理。在实际加工过程中，如果风力发电机的环境温度低于-5摄氏度，则螺栓扭矩必须降低标准扭矩的80%，这样更便于紧固。此外，在测试过程中，你需要确保室温高于5摄氏度。在一些维护操作中，螺栓通常在夏季维修和松开，而维护是在风或风力条件下进行的，以有效使用风力资源。在输送带和相关零件的润滑过程中，有必要选择适当的润滑方法，并且可以理解，所需的润滑方法因零件而异。去毛刺减速机和减速机通常用稀油润滑，而轴承以及去毛刺齿轮等零件需要对干油进行润滑。在使用稀油进行润滑时，确保润滑油量充足。如果润滑油不足，需要做好立即的添加。对于使用干油润滑的零件，如轴承、去毛刺齿轮等，润滑油不得添加过多，但必须严格按照附加标准添加，以防止过多润滑油损坏发动机。
2.3远程故障排除
对于风扇，许多故障可以通过远程恢复控制解决，相关故障也可以通过自动恢复控制消除。风力涡轮机的良好运行不仅与其内部部件的质量有关，还与电网的质量密切相关。因此，为了发挥各种保障作用，可以通过风力发电机的双向保护有效地消除故障问题。由于风能资源存在较强的不稳定性，特别是风速和风向控制比较困难。因此，必须采用自动复位控制，自动恢复风速和最高工作温度。例如，发电机组的温度可以自动恢复，齿轮箱和工作环境的温度也可以自动恢复。在实际运行过程中，风力发电机经常过载，此时可以自动恢复。除上述自动恢复错误外，以下原因也容易导致远程错误恢复：第一，风力发电机错误报警，第二，检测传感器故障，第三，风力发电机运行不可靠或控制系统运行不正确。
2.4运用有效措施行动有效
第一，在风力发电机控制系统中对数字滤波器进行安装，同时需要对发电机转速信号做好相应的预处理措施。调整滤波器后，控制系统中的信号稳定且未被放大。壳体的参数值可以从俯仰系统中获得。第二，对原控制程序软件进行更新，需要使用平滑稳定的波形对旧的不稳定波形进行替换。第三，风力发电机振动监测系统的硬件系统无需更换，继续使用旧的信号采集方法。同时，消除并测试风扇振动传感器导致故障的可能性。第四，从现场试验数据可以看出，软件更新后，波动将在远离报警值的范围内保持稳定，消除了振动报警。第五，风扇配置系统中可以安装一个新的DAS系统，以确保系统在没有警报的情况下正常运行。第六，更新风力发电机单元软件后，重新配置内部控制系统，以保持振动水平稳定，并远低于报警阈值。
结束语：
风力发电机组故障诊断技术的科学应用，能够明显提高故障诊断效率及准确性，不仅为后期的设备维检工作起到绝对的引导作用，而且进一步促进了风力发电机组故障诊断系统的完善。因此，相关技术人员应积极加强对故障分析技术的创新优化，为我国风力发电领域及相关行业的长远发展打下坚实的技术基础。
参考文献：
[1]蔚恒,牛素玲.风力发电机组故障诊断技术研究[J].现代工业经济和信息化,2021,11(02):151-152.
[2]叶洪海.风力发电机组状态监测和故障诊断技术研究[J].佳木斯大学学报(自然科学版),2020,38(02):52-54.
[3]杨巍.风力发电机组故障诊断与预测技术研究[J].工程建设与设计,2018,4(04):77-78.
[4]王志远.风力发电机状态监测与故障诊断技术分析[J].科技创新与应用，2020（09）：158-159.
[5]叶洪海.风力发电机组状态监测和故障诊断技术研究[J].佳木斯大学学报（自然科学版），2020，38（02）：52-54.
[6]罗四云.探析小型风力发电机的使用与故障排除[J].科技视界，2020（08）：138-140.
