引 言
随着运行期的延长，风力发电机轴承振动逐步加大，轴承温升过高，后期有可能造成轴承烧死、保持架破裂，严重影响轴承寿命。因此，解决发电机的振动问题刻不容缓，不仅要保证发电机的设计和制造质量，同时应对设备进行有效监测和维护，如此才能进一步降低发电机的故障频率，保证发电机的长效运行。
1 机械设备故障振动特征
当轴承表面产生问题时，滚子每次经过问题部位会和轴承内、外圈相互碰撞，并因此导致冲击振动。滚动轴承在运转过程中也会发生振动，但两者是完全不一样的。冲击振动的持续时间极短，但频谱范围很广，频谱中某些振动频率可以激发轴承各部分的共振。轴承内的动件(滚子或保持架)转动时，会按照转动频率通过问题点，由此产生的周期性共振就是故障通过频率，该频率由轴承故障类型决定的。据此共振频率可以确定对应的轴承故障。
2 风电机械设备故障分析
2.1轴承润滑不良。
滚动轴承是在各种旋转机械中应用广泛的一种通用机械部件，它的运行状态是否正常往往直接影响到整台机器的性能，包括精度、可靠性及寿命等。轴承润滑不良是导致轴承非正常失效的原因之一。根据集油盒中废油脂的状态和温度监测结果，可初步判断轴承是否失效。，润滑脂在正常的工作状态下不可能发生氧化而变色发黑。因此，初步判断此种现象是由轴承发生磨损造成润滑脂中进入杂质，同时由于工作温度逐渐升高，润滑脂皂基被破坏所致。
2.2发电机与齿轮箱不对中。
风电机组的传动链较长,所含部件多,造成不对中的因素主要包括加工误差、安装误差、部件变形、环境和工况变化、设计不当等。发电机与齿轮箱的不对中包括角度不对中和平行不对中。当发电机轴与齿轮箱轴存在角度不对中时，齿轮箱轴的驱动转矩会产生一个径向力矩，使联轴器变形，由此产生交变载荷。联轴器受力的幅度与不对中角度及发电机的载荷成正比。当发电机平行不对中时，与联轴器配合的法兰盘之间产生剪力[1]。该剪力由两部分组成，一部分由联轴器传递的扭矩产生，该扭矩在不对中方向上产生作用力，力的大小与扭矩及不对中角度成正比；另一部分由联轴器的刚度产生，联轴器刚度越大，不对中产生的载荷也越大。
2.3机械松动。
设备经过长时间运转由于磨损，基座损伤，或者地脚螺栓松动等会造成机械松动，还有基座支撑刚度不够也会造成机械松动的故障等。转子的支承系统中，当轴承外圈与轴承座之间的过盈间隙太小或者配合间隙较大时，旋转过程轴承外圈和轴承座的间隙发生周期变化，使中间的油膜不稳定[2]。当轴承底座的紧固螺栓或发电机的地脚螺栓预紧力不够时，设备可能因振动产生移动，最终导致设备同轴度产生问题。
2.4发电机转子不平衡。
发电机转子不平衡现象主要是由转子上的偏心质量和偏心距在旋转角速度的作用下产生离心力和离心力矩所引发。若转子不平衡量超过限值，该交变力将使转子产生振动。当转子旋转一周，力的方向改变一次，因此，由转子不平衡引起的振动频率应为转子的回转频率或其倍频。然而由上文频谱分析结果可知，发电机振动加速度包络谱的峰值频率均在60Hz左右，未出现明显的转频或其倍频信号[3]，由此可断定发电机不存在由转子不平衡引起的振动异常。
3振动分析在风电机械设备故障诊断中的运用
3.1振动信号的采集。
振动传感器主要作用是将机械振动(比如振动速度、振动加速度、振动位移等)转变成电信号。主要原理是通过传感器内部的压电转换元件和弹簧锤等结构将机械振动转化成电信号，再通过运算放大器等电路将电信号放大并输出为模拟振动信号，最后经过模数转换电路，转化为二进制数据。振动信号采集的一般是冲击力和加速度，所以使用压电元件作为传感器内部感应器件。采集模块采集的振动信号是一个时间序列，在该时间序列中，提取信号的振动峰值和频率特征参数[4]，然后，可以分析时域和频域以确定风机的运行状态。在分析过程中，系统可以使用诸如峰值振动、有效值、波峰因数和峰度系数之类的参数来确定关键零件（如变速箱）的运行状态。
3.2故障诊断分析。
设备智能诊断系统采用多源信息融合的智能诊断专家系统技术，根据电厂的机器故障机理特性将机器故障划分为转子类、轴承类、齿轮类、电气故障类等类别。充分利用成熟的故障机理信息建立征兆到故障之间的多维映射关系，通过产生式规则、决策树、专家推理等技术实现故障诊断。本方法存在诊断过程自解释、推理过程可追溯、故障征兆可自定义的特点。针对电厂，系统内置诊断知识库的自动诊断故障范围[5]，可在试运行中增加相应的规则库以提高系统的诊断能力，并且系统自动生成图文并茂的诊断报告。
3.3轴承振动频谱分析。
在风电设备使用中，为维持设备良好状态，故障诊断技术必不可少，但由于风电设备故障诊断复杂、故障种类较多，想要在较短时间将故障排除需运用科学方法。随着研究的深入一种全新故障诊断被提出，借助振动分析可弥补传统故障诊断方法的不足，提高诊断的效率，为找准故障位置提供参考。现实应用中，想要发挥出振动分析的优势，就要先对轴承振动频谱全面、细致分析，具体方法是在相应位置安装振动传感器，无论是驱动端还是非驱动端都要依靠传感器发挥作用，分别采集振动数据[7]，振动数据的采集通常包括水平和垂直方向的详细数据，都要全部采集到。
3.4故障预测。
当预测风力涡轮机的故障时，可以通过随机子空间的方法分析所收集的振动信号，然后，可以预测风力涡轮机的可能的故障：（1）首先，建立风力发电机齿轮箱的随机状态空间模型。（2）使用最初计算出的稳态振动数据，导出模型所需的参数，并将其用作齿轮箱线性动态系统的参考参数。如果齿轮箱运行异常，则计算出的数据可能会偏离当前的原始参考参数，并且可能会预先确定变速箱发生了故障[8]。（3）如果预先确定了风力发电机的缺陷部件，则应确保维护人员可以进行现场检查，并提早警告更换和修理可能损坏的部件。
4 结束语
综上所述，在机电设备检测中广泛应用振动分析法，可将检测质量提升并确保检测数据可靠，为设备维护提供关键性数据。通过研究风机特有运行特征和结构将部件故障概率计算出来，在此基础上分析现场采集频率信号，判断出故障种类以及损害程度等，准确定位故障，以此作为参照确定维护的时间和科学维护方式。
参考文献：
朱慧军,杨洪磊.机械设备故障规律及运行趋势预测方法综述[J].电子测试,2021，2.
李建鹏.风电项目大型工程机械管理要点解析[J].居舍，2019（16）：138.
董建庭.我国风电建设项目管理及其关键问题探讨[J].节能，2020（2）：4-6.
李敬天.风电工程建设中的管理模式及风险因素分析[J].中国住宅设施，2021（1）：25-26.
吴应龙.关于风电企业生产运营管理模式的探究[J].科技风，2019(17):181-185.
孙强.振动分析在风电机械设备故障诊断中的研究[D].山东大学,2019.
黄志坚.机械设备振动故障监测与诊断(第二版)[M].北京:化学工业出版社，2017:245-254.
姜飞.风电项目大型工程机械管理要点解析[J].山东工业技术，2016（15）：88.
