风力发电机组齿轮箱故障诊断系统的探讨

　　当记录采样数据时，采样频率设置为1KHz, 采样方式设置为连续采样，采样通道设置为2 个通道。实时的监控采样如图11 所示。图中实时显示采样数据的时域波形，通道CH0、CH1 的数据保存在一个自己命名的txt 的文本文件里面。数据处理部分直接载入这个txt 文本后，就可以完成数据的处理。数据分析结果如图9。
　　利用得出的频谱图与第3 节中介绍各种故障的参考特征频谱图做对比分析来得出诊断结果。本次实验结果表明该台齿轮箱是处在正常工作状态下。
图8、9 仅是某一时段的实验结果，还得进行长期、大量实验才能得出较为准确的齿轮箱的故障特征值。除此之外, 由于齿轮箱结构的复杂性, 其振动的频率成分很多, 所以需要对齿轮箱的有关参数建立档案。比如说各轴的转频, 齿轮的啮合频率, 轴承的运动学和动力学特征频率, 并对振动的速度和加速度设置报警参数。该档案建立以后要根据实际故障情况不断地完善, 成为齿轮箱故障诊断的参考和依据。
　　6. 结束语
　　本文设计和开发了一套风力发电机组齿轮箱故障诊断系统。通过监测齿轮箱的振动加速度，用时域波形图来监测振动信号中的冲击成分，用频谱分析对齿轮箱的振动信号频率中的低频、中频、高频成分进行分析，最后结合对齿轮箱建立的档案，可以实现齿轮箱的故障诊断。实验结果表明，本系统运行速效率高，分析数据全面，能够给出较为准确的诊断结果。