在运维过程中，某大型风电场发现多台2.5MW风力发电机组在低速重载工况下频繁出现异常振动，导致齿轮箱温度升高和发电效率下降。传统的FFT频谱分析无法准确定位故障源，人工排查耗时且成本高昂。经初步检查，怀疑是行星齿轮箱内齿圈局部磨损或行星轮轴承故障，但缺乏量化诊断依据。
系统部署方案
硬件配置
-
数据采集：NI cDAQ-9188 CompactDAQ机箱 + 4通道NI 9234高精度振动采集模块（支持±5V输入，24位分辨率，采样率51.2kS/s）
-
传感器：PCB 352C33 IEPE三轴加速度传感器（频响范围0.5Hz-10kHz，灵敏度100mV/g）
-
安装位置：行星架轴承座径向方向（靠近太阳轮侧）、齿轮箱外壳轴向方向
软件架构
-
开发语言：LabVIEW 2023
-
关键工具包：
-
Signal Processing Suite（小波包分解、Hilbert变换）
-
DIAdem（数据批量处理与报表生成）
-
NI Spectral Measurements Toolkit（包络谱计算）
-
核心参数设置
-
采样率：12.8 kHz（满足齿轮啮合频率5kHz的2.56倍）
-
小波包分解：4层分解（生成16个子频带），母小波选用db10
-
峭度阈值：设定为3.5（经验值，超过阈值触发报警）
-
包络谱分辨率：1Hz（满足行星轮故障特征频率0.3Hz的识别）
故障诊断流程
数据预处理
-
多格式读取：采用"Read TDMS.vi"直接解析NI标准数据格式，CSV/TXT通过"Spreadsheet File I/O"转换
-
去趋势处理：使用"Detrend.vi"消除传感器温漂影响
-
带通滤波：0.5Hz-6kHz Butterworth滤波器（抑制高频噪声和低频偏置）
小波包-峭度联合分析
-
分解树构建：使用"WP Decomposition.vi"生成16个子频带
-
峭度计算：使用"Kurtosis.vi"并行计算各频带峭度值
-
频带选择：通过"Array Max & Min.vi"定位峭度峰值对应频带（通常为4-5kHz）
包络谱特征提取
-
Hilbert变换：使用"Hilbert Transform.vi"提取解析信号
-
包络解调：通过"Amplitude Demodulation.vi"计算包络信号
-
频谱细化：使用"Zoom FFT.vi"对包络信号进行0-500Hz频段分析
故障匹配与报警
-
特征频率库：内置行星轮系故障公式（如内齿圈故障频率=Z_c×f_r，Z_c为齿数，f_r为行星架转频）
-
自动匹配：通过"Peak Detection.vi"识别包络谱峰值，与理论值误差<±5%则判定故障
-
报警输出：通过"TCP/IP Write.vi"推送报警信息至SCADA系统
实测效果对比
| 指标 | 传统方法 | 本系统 |
|---|---|---|
| 故障识别时间 | 72小时（人工排查） | <30秒（自动分析） |
| 定位精度 | ±2个部件 | 精确到具体齿轮/轴承 |
| 误报率 | 35% | 8% |
| 数据量处理 | 10MB/s | 50MB/s（并行流盘） |
典型故障诊断实例
-
故障现象：某机组在风速8m/s时出现周期性"咔嗒"异响，振动RMS值从0.5g突增至2.3g。
-
系统诊断过程：
-
小波包分解显示4.2-4.8kHz频带峭度值达4.8（超过阈值）
-
包络谱在82Hz处出现显著峰值（理论内齿圈故障频率=78×1.05≈82Hz）
-
拆解验证：内齿圈第23齿存在3mm剥落损伤
-
-
处理结果：提前3周预警，避免齿轮箱整体报废，节约维修成本约120万元。
开发者启示
LabVIEW优化技巧
-
生产者/消费者模式：分离数据采集与分析线程
-
Memory Efficient FFT：减少实时处理内存占用
-
FPGA模块：实现预处理算法硬件加速
工程经验
-
峭度阈值需根据负载动态调整（重载工况提高至4.0）
-
行星轮系信号存在幅值调制现象，需同步采集行星架转速脉冲信号
-
开发"自适应小波包层数选择算法"应对变转速工况
用户价值体现
经济效益
-
故障预警时间提前率≥85%
-
运维成本降低40%（减少非计划停机）
-
关键部件寿命延长30%
技术突破
-
实现0.5mm级别早期微点蚀识别
-
支持多级行星轮系（3级传动）复合故障诊断
-
兼容ISO 10816-3振动标准评级体系
扩展应用场景
-
盾构机主驱动齿轮箱健康监测
-
船用推进器行星减速箱PHM系统
-
高铁牵引电机齿轮箱在线诊断
结论
本案例完整复现了从信号采集到故障诊断的闭环流程。其硬件选型方案、参数配置经验和算法实现细节对同类系统开发具有直接参考价值。开发者可在此基础上集成温度、油液等多物理量分析模块，进一步提升系统可靠性。
