作者：ADI公司 Richard Anslow 和 Dara O’Sullivan

據保守估計，目前全球至少安裝了25萬臺風輪機。未來四年里，全球風輪機市場預計將增長278 GW的陸上容量、44.3 Gw的海上容 量。1 這相當于至少100，000臺3 MW的風輪機。隨著可再生能源呈現這種增長，加上國家電網的電力投入，風輪機（WT）裝置的可靠運行已成為工業和政府結構著重研究的課題。對WT可靠性的量化研究顯示，可靠性隨時間不斷提升。例如，2016年美國國家可再生能源實驗室報告2 顯示，在2007年至2013年間，包括變速箱在內的大多數WT子系統的可靠性都得到了提高，變速箱停機時間縮短了7倍。但是，在2018年，變速箱仍然是三大常見故障點之一，且材料成本最高。2，3 變速箱每次故障的平均成本最高，一次大型更換平均花費€230，000。4

變速箱組件的可靠性相對較差，因此需要重點對齒輪、軸承和軸實施狀態監控。除了變速箱之外，轉子葉片和發電機是WT系統中 故障率最高的組件。5，6 目前商用風輪機狀態監控系統有很多，其中大部分使用振動傳感器來實施變速箱分析。目前已經有一些 商用的轉子葉片監控系統 7 ，但這個領域尚待繼續研究。大量相關資料支持在風輪機中使用振動監控系統，包括詳細調查和分 析各種系統的優勢。8 但很少有資料會介紹風輪機應用對振動傳感器的要求。本文從系統角度，提供關于風輪機組件、故障統計、 常見故障類型和故障數據收集方法等的見解。本文從WT組件上的常見故障入手，討論振動傳感器要求，例如帶寬、測量范圍和噪聲密度等。

系統組件、故障和傳感器要求

圖1和圖2顯示風輪機系統的主要組件，并提供風輪機變速箱的詳細結構。下面幾節將重點介紹變速箱、葉片和塔架對狀態監 控的要求，重點介紹振動傳感器。對于其他系統，例如偏航驅動、機械剎車和發電機，我們一般不使用振動傳感器進行監控，而是監控扭矩、溫度、潤滑油參數和電信號。

圖1. 風輪機系統組件

圖2. 變速箱的結構

變速箱

風輪機變速箱將機械能從低轉速的轉子輪轂傳輸到高速發電機。同時，WT變速箱承受著不同風速帶來的交替載荷，以及頻 繁制動導致的瞬變脈沖。變速箱包括一個低速轉子軸和主軸承，在風力驅動轉子葉片時以0 rpm至20 rpm（不到0.3 Hz）的轉速運 行。要捕獲不斷增加的振動信號，需要振動傳感器使用直流電運行。行業認證指南特別指出，振動傳感器的性能需要達到0.1 Hz。9 變速箱的高速軸通常以3200 rpm （53 Hz）的轉速運行。為了提供足夠帶寬來捕捉軸承和齒輪故障的諧波，推薦低速和高速軸振動傳感器的性能達到10 kHz及以上。9 這是因為無論轉速多大，軸承諧振一般都在幾千赫范圍內。10

到目前為止，軸承故障是引發變速箱故障的最大原因。一些研究表明，軸承故障是引發災難性齒輪故障的根本原因。 11 當高速軸上的后軸承失效時，高速軸發生傾斜，造成中間（中部）軸齒輪的傳輸不均。在這種情況下，齒輪的接觸齒極易發生故障，如圖3所示。

圖3. 中軸齒輪斷齒

軸承潤滑（油）不足是導致主軸軸承故障的主要原因。可用的解決方案（例如SKF NoWear）包括特殊軸承涂層， 12 可將缺油運行時間提高6倍以上。

即使采用特殊的軸承涂層和其他變速箱改進方法，我們仍然需要使用合適的振動傳感器來監控變速箱的主要軸承和高速軸承。振 動傳感器的本底噪聲需要足夠低，以便能夠檢測到早期振動幅度（g范圍）較低的軸承故障。較老的MEMS技術，例如ADXL001 ，其本底噪聲為4 mg/√Hz，足以捕捉軸承外環的故障。13 圖4顯示，外環故障先出現約0.055 g的頻率峰值，且軸承表現良好，從噪聲密度角度來看，本底噪聲低于2 mg/√Hz。參考的13數據采集系統的過程增益導致噪聲大幅降低，因此測量得出2 mg/√Hz本底噪聲。只有在DAQ 系統實現了足夠的過程增益，且噪聲為隨機的情況下，才適合使用本底噪聲為4 mg/√Hz的傳感器。一般情況下，最好使用本底噪聲 為100 μg/√Hz至200 μg/√Hz的振動傳感器，而不是基于過程增益，后者只有在噪聲為隨機且不相關的情況下適用。

本底噪聲在100 μg/√Hz至200 μg/√Hz之間的傳感器在捕捉正常的軸承運行狀況方面表現出色，在捕捉mg/√Hz范圍內的早期故障時則 表現卓異。事實上，使用本底噪聲為100 μg/√Hz的MEMS傳感器甚至能夠更早檢測出軸承故障。

圖4. 使用MEMS加速度計ADXL001測量軸承外環的故障

在不到0.1 g時，顯示初始軸承損壞，而在達到1 g時，通常表示深度 軸承損壞，這會觸發維護。 14 圖5顯示，當振動幅值超過6 g時，需維護變速箱和更換軸承。如前所述，軸承故障頻率會在更高頻率下 發生。在更高頻率下實施測量需要使用g范圍規格更大的傳感器。這是因為測得的加速度重力值與頻率成比例。因此，與在低頻率下 相比，在更高頻率下，相同的少量故障位移會導致更高的重力范圍。一般指定在50 g至200 g時使用測量范圍高達10 kHz、更高帶寬的傳感 器，尤其指定適用于風輪機應用。由于結構沖擊或突然的機械斷裂，振動傳感器也需要涵蓋沖擊載荷工況。因此，一般將典型的商用振動監控系統的滿量程定為至少為50 g至100 g。

圖5. 振動幅度為6 g時的軸承位移

對于風輪機主軸承，要求至少使用一個單軸振動傳感器，推薦使用兩個，并在軸向和徑向上測量。 9 軸承環上的軸向開裂可能使軸 承壽命縮短至僅一到兩年。15

由于變速箱本身很復雜，如圖2所示，所以建議使用至少6個振動傳感器來實施狀態監控。 9 在選擇傳感器的數量和位置時，應確保能夠可靠測量所有齒輪嚙合和缺陷/轉動頻率。監控變速箱的 低速級時，需要使用一個單軸傳感器，放置在盡可能靠近環形齒輪的位置。監控變速箱的中間和高速級時，需要在中心齒輪、 中間軸和高速軸位置使用一個單軸傳感器。高速和中速軸承內環的軸向開裂已成為影響風輪機變速箱壽命的主要原因。15

對于變速箱監控，未來要改善的狀態監控領域包括無線振動監控系統的采用，但持續研究才能持續為這些解決方案提供支持。8

轉子葉片

風輪機的轉子葉片和輪轂組件在低速下捕捉風并傳輸扭矩。導致葉片故障的主要原因包括極端風荷載、結冰或雷電等環境 影響，以及不平衡。這些因素導致斷裂和邊緣開裂，以及徑節系統故障。目前只有少量商用振動監控系統，可以分布在葉片外部和內部。 8 已經使用MEMS振動傳感器在葉片上開展大量學術研究，比如Cooperman和Martinez的工作， 16 其中還包括陀螺儀和磁力儀。我們使用這些傳感器的聯合輸出來確定風輪機葉片的方向和變形。相比之下，很少有商用振動監控系 Weidmuller BLADEcontrol?，17 ，它使用每個轉子葉片內的振動傳感器來測量每個葉片的自動振動行為的變化。BL ADEcontrol系統主要用于檢測引起渦輪過度振動的轉子葉片上的極端結冰狀況。

一般來說，大型風輪機葉片（即直徑40米以上的葉片）的首級固有頻率在0.5 Hz至15 Hz之間。 18 對渦輪葉片 18 上的無線振動監控系統的可行性研究顯示，因振動激勵導致的葉片頻率響應遠高于基頻。其他研究 19 表明，由葉片邊緣變形引起的葉片頻率與葉片扭轉變形引起的葉片頻率之間有顯著差異。葉片邊緣變形的固有頻率在0.5 Hz至30 Hz之間，葉片扭轉變形的固有頻率高達700 Hz。用振動傳感器測量基頻以外的頻率需要更大的帶寬。DNVGL狀態監控規范認證9建議對轉子葉片使用振動傳感器，它能夠測量0.1 Hz至≥10 kHz的頻率范圍，其中一個傳感器放在轉子軸上，另一個放在橫向方向上。振動傳感器在轉子葉片上可以實現高頻率測量范圍，它也必須具備至少50 g的大幅度測量范圍，與變速箱軸承的要求類似。

帶風機的塔

風輪機塔為風機外殼和轉子葉片總成提供結構支撐。塔身會遭受沖擊損壞，導致塔出現傾斜。塔傾斜之后，葉片與風向之間無法保持最佳角度。測量傾斜度需要使用操作功率可以低至0 Hz的傳感器，如此在零風條件下，也可以檢測到傾斜。

基座部分的結構破壞會導致塔搖晃。塔搖晃監控集成在一些渦輪狀態監控系統中，與變速箱振動監控相比，可以商用的選項并不多。 8 Scaime狀態監控系統 20 使用加速度計、位移傳感器、應變傳感器和溫度傳感器來監控葉片、塔和基座的狀況。根據DNVGL規范，Scaime加速度計的滿量程范圍為±2 g， 20 監控頻率范圍為0.1 Hz至100 Hz。 9如前所述，在靜態條件下（無風力），當塔架結構發生故障導致傾斜時，頻率的最低限值降低至0 Hz。要實施傾斜測量，需要使用具有良好的直流穩定性能的傳感器。MEMS傳感器，例如ADXL355采 用氣密封裝，可以實現行業領先的0 g失調穩定性。

研究 21 證實，最小±2 g范圍的振動傳感器足以對塔實施監控。在正常運行模式下，25 mps的最大風速可產生小于1 g的加速度重力電平。事實上，在“基于現場測量和有限元分析的風輪機塔基礎系統可識別應力狀態” 21 研究中，額定風速為2 mps到25 mps，風輪機會在風速為25 mps時關斷（停用）。

總結

表1基于風輪機應用需求提供振動傳感器的需求摘要。DNVGL狀態監控規范認證中給出了傳感器的數量、測量方向和頻率范圍。 9 如 前所述，0 Hz性能對于監控塔架的結構問題非常重要。表1還根據本文提供的現場研究和測量總結了合適的幅度范圍和噪聲密度。

故障數據收集方法

所有大規模實體WT都有標準的監控控制和數據采集（SCADA）系統，主要用于實施參數監控。監控參數的示例包括變速箱軸承溫度和潤滑、主動功率輸出和相電流。一些參考資料 6 討論使用SCADA數據進行風輪機狀態監控，以檢測趨勢。英國杜倫大學的一項調查 7 列出了多達10個商用狀態監控系統，這些系統可以適配并與使用標準協議的現有SCADA系統完全集成。GE Energy ADAPT.Wind就是這樣一個示例。 22 對未來技術趨勢的廣泛調查 7 顯示，在風輪機上安裝振動監控系統是一個明顯的傾向。

用于風輪機狀態監控的合適的振動傳感器

在等于或低于0.3 Hz時，壓電振動技術難以或無法捕獲振動特征。這意味著無法對低速WT部件，例如轉子葉片、主軸承、低速變速箱，塔等實施正常監控。基于MEMS的傳感器的性能可以低至0 Hz，可以捕捉所有主要風輪機組件中的關鍵故障。這為客戶提供了用 于WT的單一振動傳感器解決方案，僅使用MEMS來測量從0 Hz到高達10 kHz及以上的故障。

除了能夠捕捉所有關鍵故障之外，MEMS還具有以下優點：

·寬重力測量范圍和超低的μg/√Hz噪聲密度，可以輕松滿足表1中給出的要求。

·MEMS具有內置自測（BIST）功能。系統操作員無需訪問WT來測試/確保傳感器正確運行，可以節約成本。相比之下，壓電技術不具備BIST功能。

·與基于壓電的解決方案相比，MEMS接口在數據接口和電源供應方面更加靈活。在將高阻抗壓電傳感器輸出解譯到長電纜 時，可用的選項有限。最常采用的是雙線IEPE接口，使用第二根接地線通過共享電源/數據線為壓電傳感器供電。IEPE使用與壓電解決方案匹配的放大器來提供低阻抗電纜驅動解決方案。IEPE接口解決方案可以使用MEMS傳感器，但MEMS傳感器也能與使用現場總線（RS-485、CAN）或基于以太網的網絡操作的現有系統輕松集成。這是因為MEMS傳感器可以提供模擬輸出或數字輸出（SPI、IC），并輕松傳輸至其他協議。

·環保性能：WT通常在-40?C到+55?C的溫度下運行，而MEMS器件很容易滿足這一要求。

·與基于壓電的傳感器相比，MEMS在長時間使用時具有更好的靈敏度和線性度。ADI加速度計的非線性程度很低，通常可以 忽略不計。例如， ADXL1001 MEMS加速度計在滿量程范圍內具有小于0.025%的典型非線性規格。相比之下，對基于壓電傳感器的標準化測量的學術研究顯示，非線性度為0.5%或更低。23

如今可用的基于MEMS的振動傳感器和解決方案

傳感器

使用 ADXL1002、 ADXL1003、 ADXL1005、 和 ADcmXL3021 MEMS傳感器（如圖2 所示）可以輕松滿足風輪機應用的振動監控對帶寬、范圍和噪 聲密度的要求。 ADXL355 和 ADXL357 也適合用于實施風輪機塔監控， 具有較低的帶寬和范圍測量性能。ADXL355/ADXL357具有良好的直流穩定性，這對于測量風輪機塔的傾斜度非常重要。ADXL355/ ADXL357的氣密封裝保證了良好的長期穩定性。在10年使用壽命中，ADXL355的重復性在±3.5 mg以內，為傾斜測量提供了高度精準的 傳感器。

表2. 用于風輪機狀態監控的合適的MEMS傳感器

風輪機狀態監控解決方案

無線

ADI提供一套完整的驗證參考設計、評估系統和即插即用機器健康傳感器模塊，以加速客戶的設計進度。圖6顯示ADI無線振動監控評估平臺。 該系統解決方案整合了機械附件、硬件、固件和PC軟件，可以快速部署和評估單軸振動監測解決方案。該模塊可以通過磁性方式或螺柱直接連接到電機或固定裝置。作為基于狀態的監控（CbM）系統的一部分，它也可以與同一無線Mesh網絡上的其他模塊組合使用，以提供具有多個傳感器節點的范圍更廣的圖像。

圖6. 無線振動監控評估平臺

CbM硬件信號鏈包含一個安裝在模塊底座上的單軸ADXL1002加 速度計。將ADXL1002的輸出讀入 ADuCM4050低功耗微控制器，并在此對其進行緩沖，轉換至頻域并傳輸至SmartMesh? IP終端。將ADXL1002的輸出從SmartMesh芯片無線傳輸到SmartMesh IP管理器。管理器連接到PC，可以進行可視化處理和數據保存。數據顯示為原始時域數據和FFT數據。還提供了有關時間匯總數據的其他摘要統計信息。提供了PC端GUI的完整Python?代碼以及部署于模塊上的C語言固件，以便客戶修改。

有線

ADI的 Pioneer 1有線CbM評估平臺 為 ADcmXL3021 三軸振動傳感器提 供工業有線鏈接解決方案。CbM硬件信號鏈由三軸ADcmXL3021加速度計和Hirose flex PCB連接器組成。帶有SPI和中斷輸出的ADcmXL3021 Hirose連接器與接口PCB相連，通過數米長的電纜將發送至RS-485物理層的SPI轉化發送至遠程主控制器板。SPI到RS-485 物理層的轉換可以使用隔離或非隔離的接口PCB實現，其中包括 iCoupler? 隔離 （ADuM5401/ADuM110N）和RS-485/RS-422收發器（ADM4168E/ADM3066E）。該解決方案通過一根標準電纜將電能和數據結合在一起，從而降低了遠程MEMS傳感器節點的電纜和連接器成本。專用軟件GUI可以簡單配置ADcmXL3021器件，并在長電纜上捕捉振動數據。GUI軟件將數據可視化顯示為原始時間域或FFT波形。

圖7. 有線振動監控評估平臺

結論

本文證明基于MEMS的傳感器可以測量風輪機的關鍵系統中的所有關鍵故障。MEMS傳感器的帶寬、測量范圍、直流穩定性和噪聲 密度均妥善指定，在風輪機應用中具有出色性能。

MEMS內置自測（BIST）、靈活的模擬/數字接口，以及長時間使用過程中的出色的靈敏度/線性度，這是MEMS傳感器成為最佳風輪機 狀態監控解決方案的另外一些原因。基于振動檢測早期故障的維護系統是一項現代技術，可以防止整個風輪機出現成本高昂的停機。

參考電路

1 2018年全球風能報告。 GWEC，2019年4月。

2 Shuangwen （Shawn） Sheng。 “風輪機變速箱可靠性數據庫、狀態監控，以及運行和維護研究更新。” Drivetrain Reliability Collaborative Workshop，2016年5月。

3 Alexios Koltsidopoulos Papatzimos， Tariq Dawood， and Phillip R. Thies。 “從 海上風輪機變速箱更換得出的數據洞察。” EERA DeepWind 的2018年第15屆深海海上風力研發大會， 物理學報：系列會議 ，2018年10月。

4 James Carroll， Alasdair McDonald， and David McMillan。“海上風輪機的故障率、維修時間和計劃外的O&M成本分析。” 風能 ，2015年8月。

5 Yao Li， Caichao Zhu， Chaosheng Song， and Jianjun Tan。 “風輪機可靠性 的研究和開發。” 國際機械工程與應用雜志， 2018年。

6 Jannis Tautz-Weinert and Simon J. Watson。 “使用SCADA數據實施風輪機狀態監控 — 社論。” IET Renewable Power Generation ，第11卷第4期，2017年5月。

7 Christopher J. Crabtree， D. Zappala， and P.J. Tavner。 對可商用的風輪機狀態監控系統的調查。 Durham Research Online ，英國杜倫大學，2014年5月。

8 Mathew L. Wymore， Jeremy E. Van Dam， Halil Ceylan， and Daji Qiao。 “對 風輪機健康狀態監控系統的調查。” 可再生和可持續能源審查 ，第52卷，2015年12月。

9 DNVGL-SE-0439服務規范：狀態監控認證。DNVGL，2016年6月。

10 Robert Bond Randall。 基于振動的狀態監控：工業、航空航天和汽車應用。，2010年12月。

11 Wei Teng， Xian Ding， Xiaolong Zhang， Yibing Liu， and Zhiyong Ma。 基于復雜的子波轉換的風輪機變速箱的多故障檢測與故障分析。 可再生能源 ，第93卷，2016年8月。

12 David de Garavilla and Dr. Xiaobo Zhou。 延長風輪機中的主軸軸承的使用壽命。 風力發電工程與發展，2019年8月。

13 Eric Bechhoefer， Mathew Wadham-Gagnon， and Bruno Boucher。 關于風輪 機的初次狀態監控體驗。 預測和健康管理學會年會，2012年。

14 Xavier Escaler and Toufik Mebarki。“滿量程風輪機振動特征分析，” 機械 ，2018年。

15 Nic Sharpley。 “了解風輪機變速箱軸承軸向開裂的根本原因。” 風力發電工程與發展，2014年4月。

16 Aubryn M. Cooperman and Marcias J. Martinez。 “用于對風輪機葉片實施結構健康監控的MEMS。” 會期：適應性結構與技術國際會議 （ICAST 2014），2014年10月。

17 BLADEcontrol。 Weidmüller Interface GmbH & Co. KG，2020年2月。

18 O.O. Esu， S.D. Lloyd， J.A.Flint， and S.J. Watson。“適合風輪機葉片的全自動 無線監控系統的可行性。” 可再生能源 ，第97卷，2016年11月。

19 L.K. Tartibu， M. Kilfoil， and A.J. Van Der Merwe。 “長度可變的葉片風輪機的振動分析。” 國際工程與技術進展雜志 ，2012年7。

20 風能。Scaime，2020年2月。

21 Chikako Fujiyama， Kaoru Yonetsu， Takuya Maeshima， and Yasuhiro Koda。 “基于現場測量和有限元分析的風輪機塔基礎系統可識別應力狀態。” Procedia Engineering ，第95卷，2014年12月。

22 “Bently Nevada ADAPT.Wind：狀態監控解決方案。。”貝克休斯公司， 2019年11月。

23 J. Putner， P.B. Grams， and H. Fastl， “壓電加速度計的非線性行為。” 會期：Fortschritte der Akustik， AIA-DAGA 2013，2013年3月。

“對風輪機結冰檢測系統的評估：最終報告 VGB研究項目編號392：最終報告。”METEOTEST，2016年2月。

Fischer， Katharina and Diego Coronado。 “VGB研究項目383— 風輪機的狀態監控：技術先進性、用戶體驗和推薦。” VGB PowerTech ，2015年7月。

Tchakoua， Pierre， Mohand Ouhrouche， René Wamkeue， and F. Slaoui Hasnaoui。 “風輪機狀態監控：技術先進性評論、新趨勢和未來的挑戰。” Energies，2014年4月。

Wei， Teng， Feng Wang， Kaili Zhang， Yibing Liu， and Xian Ding。 “基于經驗模態分解的風輪機變速箱點蝕故障檢測。” 機械工程學報 ，2014年。

作者

Richard Anslow

Richard Anslow畢業于愛爾蘭利默里克大學，獲工程學士和碩士學位。他從事新產品定義工作，并且擔任面向客戶的角色，處理有關ADI隔離式通信產品系列的問題。

Dara O’Sullivan

Dara O‘Sullivan是ADI公司自動化、能源與傳感器業務部電機和電源控制團隊（MPC）的高級系統應用工程師。其專長領域是交流電機控制應用的功率轉換和控制。Dara擁有愛爾蘭科克大學工程學士、工程碩士和博士學位。自2001年起，Dara便從事研究、咨詢和工業領域的工業與可再生能源應用方面的工作。