中国风电轴承市场近况

近年来,中国风电轴承由卖方市场逐渐转变为买方市场。但由于主轴轴承、发电机轴承、齿轮箱轴承的技术、工艺要求高,目前对外资企业产品仍有大量需求。国内厂商则将主要精力集中于生产偏航、变桨轴承上。     

大型风电机组轴承

<正>一引言与其他重工业一样,轴承广泛应用于风电产业,并且是组成风电机组大部分部件的重要零件,轴承的范围涉及从叶片、主轴和偏航所用的轴承到齿轮箱和发电机中所用的更小的高速轴承。总体来     

风电机组转盘轴承的加速疲劳寿命试验

本文从风电机组转盘轴承实际疲劳载荷等效转化、试验载荷选取、试验时间三个方面描述了一种室内风电转盘轴承的加速疲劳寿命试验方法。该方法偏于保守,满足了风电机组转盘轴承高可靠性的要求,通过实际试验验证了本方法的可行性,并提出了风电转盘轴承优化安装方法。     

风电机组轴承磨损的油液监测技术研究与应用

轴承作为风电机组中的关键性、精密型机械部件,在运行过程中易产生磨损,其可靠性直接关系到风电机组的安全稳定运行,因此对其磨损状态进行监测是必要的。通过实例对几种典型的风电机组轴承磨损油液监测技术进行了探索,证实了这些技术的可行性和有效性,对预警滚动轴承磨损和预防设备事故有重要的意义。     

误差对风电齿轮箱轴承疲劳寿命影响

以某5 MW风电齿轮箱为研究对象,建立传动系统与结构系统耦合风电齿轮箱模型,基于ISO 281:2007标准和线性累计疲劳损伤理论,研究随机载荷作用下销轴误差对行星轴承寿命的影响.结果表明:行星销轴径向位置误差对轴承受载情况和寿命影响较小,而切向位置误差则影响较大;切向倾斜能改变上、下风向轴承的载荷分布情况;行星销轴误...     

舍弗勒助推华锐进军海上风电

由华锐风电自主研发的中国首台海上6MW风力发电机组日前在江苏省射阳县临港产业区完成吊装,该机组是国内目前实现吊装的最大兆瓦级风电机组。舍弗勒集团作为主轴和变桨轴承供应商,全程参与了相关轴承组件的开发与供货。     

MW级风电机组偏航轴承连接螺栓的强度计算

以一个2 MW风电机组偏航轴承连接螺栓为分析对象,对其进行了极限、疲劳、滑移强度计算。首先基于极限载荷计算得到了螺栓的最小极限安全系数;然后利用ANSYS得到了螺栓的载荷-应力非线性曲线;根据该曲线将载荷-时间谱转化为应力-时间谱,利用雨流统计和P-M准则得到了螺栓的最小疲劳安全系数;最后对螺栓的滑移强度进行了计算。计算结果表明,偏航轴承连接螺栓的极限、疲劳和滑移强度满足设计要求。该方法为螺栓的结构设计与优化提供了一种实用的手段。     

双排圆锥滚子风电机组主轴承的接触载荷分布分析

本文针对大型双排圆锥滚子风电机组主轴承的载荷和结构特性推导了轴承外滚道、内滚道及挡边的接触载荷分布求解方法,在此基础上可以求解出每个滚子与外、内滚道及挡边的接触载荷,为轴承承载能力设计、结构优化等提供了依据。此外,本文结合实际工程案例,对该方法在轴承静承载能力设计中的应用作了说明。     

基于轴承温度模型的风电机组故障预测研究

采用风电机组状态监测技术可有效提高机组运行的安全可靠性。轴承是风电机组能量传递的重要部件,轴承的状态评估对机组安全运行具有重要意义。文章基于主成分分析方法,选取影响机组轴承温度的参数,提出了改进的线性回归径向基函数神经网络方法,建立了正常运行状态下轴承的温度预测模型;通过机组运行数据的分析比较,采用滑动窗口残差统计方法对机组运行状态进行实时监视评价发现,发电机出现异常时,轴承温度呈现上升趋势,残差值超过设定的置信区间,从而能实现对故障的有效预测。文章的研究结果可为风电机组的安全高效运行提供参考。     

表面硬化滚道风电主轴轴承的疲劳寿命分析

建立一种针对表面硬化滚道三排圆柱滚子风电主轴轴承的疲劳寿命分析方法。首先,在卡迪尔坐标系中建立三排圆柱滚子风电主轴轴承的5自由度力学模型,分析计算在外部5个方向载荷联合作用下轴承的内部滚子载荷分布;然后,建立圆柱滚子与表面硬化滚道之间的弹塑性接触有限元模型,计算得到滚子接触载荷作用下滚道次表面的脉动应力分布;最后,根据Goodman方程将滚道脉动应力幅值转化为交变应力幅值,运用Basquin应力-寿命理论计算得到风电主轴轴承的疲劳寿命。结果表明,轴承的下风向外圈滚道承受来自风轮的推力载荷,其疲劳寿命最短;径向外圈滚道承受风轮的重力载荷,其疲劳寿命最长。轴承的疲劳寿命取决于下风向滚道。     

基于竞争失效的风电机组齿轮箱轴承剩余寿命分析

提出考虑退化失效和突发失效之间存在竞争失效的风电机组齿轮箱轴承可靠性评估方法,结合风电场SCADA实时监控数据,将轴承监控温度、振动数据通过主成分分析方法融合,以描述轴承退化程度.考虑风电机组齿轮箱轴承的特殊性,采用改进的比例危险模型,基于Wiener退化过程和Weibull突发失效过程,建立竞争失效可靠性评估模型.通...     

基于AEWT-KELM的风电机组轴承故障诊断策略

针对风力发电机组轴承故障振动信号传递路径复杂多变,且故障信号易受到背景噪声的严重干扰,传统方法对故障特征难以准确提取的问题,提出一种自适应经验小波变换（AEWT）与奇异值分解（SVD）的特征提取方法,并结合核极限学习机（KELM）实现风电机组轴承的故障诊断,该方法同时考虑轴承不同故障类型及不同损伤等级的情况。其中,自适应EWT为两阶段调整过程：基于尺度空间法固有模态函数（IMF）分解-确保EWT分解的有效性、基于相关系数最大的敏感分量提取-实现相关特征最大化和冗余信息的消除。通过相关实验结果可明显发现,所提AEWT的分解效果优于EMD、EEMD、CEEMDAN、LMD等方法。对提取敏感分量利用SVD计算奇异值,构建故障特征向量;最后将特征向量作为KELM的输入,建立KELM轴承状态识别模型。通过西储大学平台轴承振动信号和实际风场采集的轴承振动信号对算法进行验证,结果表明,相比SVM、ELM、KNN等识别模型,该方法能有效识别出不同故障类型及不同损伤等级下的轴承故障,整体识别率达99%。     

基于极限学习机的风电机组主轴承故障诊断方法

针对传统故障诊断方法在风电机组主轴承的故障诊断中诊断准确率不高的问题,引入了一种改进粒子群优化(PSO)算法,并结合交叉验证(CV)优化极限学习机(ELM)的方法。利用ELM建立故障诊断模型,采用主轴承振动信号的代表性时域特征参数作为模型输入,结合改进PSO算法和CV用于模型的参数优化,用于风电机组主轴承的故障诊断。实例分析表明,文章提出的方法可以快速、有效地诊断风电机组主轴承的故障,与LS-SVM,SVM和BPNN等方法相比,诊断准确率更高。     

基于最大信噪比的风电机组主轴承的故障特征提取

针对风电机组结构复杂、滚动轴承早期故障特征信号往往易受正常信号和现场噪声的干扰而不易识别以及信噪比低的问题,在原有盲源分离方法的基础上提出一种新的故障特征提取方法,该方法首先对原始振动信号进行包络解调分析和小波去噪,有效抑制信号的高频干扰,再采用基于最大信噪比的盲源分离方法对得到的小波包络解调信号进行分离,最后对分离后的信号进行频谱变换,从频谱图上可以清晰地观察出轴承的故障特征频率。实例分析表明,使用此方法对实测的风机主轴承故障振动信号进行分析能够有效提取出轴承的故障特征,有助于实现轴承的在线故障诊断。     

海上风电安装市场萌动

随着海上风电建设的大规模开启,蕴含千亿商机的安装市场即将爆发。而对门槛高、投入大的海上安装行业,谁能脱颖而出？2012年1月,江苏。一条长90米,宽50米,型深6．8米的大型安装船缓缓驶出泊位。这艘号称“中国最大”的海上风电设备工程安装施工船舶．集风塔打桩、风电设备安装于一体,总造价达人民币3亿多元。船体上配置83米高的主吊钩平台,主吊钩平台安装一台400吨能360度回转的起重机,最大吊高为120多米,相当于40层楼高。     

以变桨轴承延寿为目标的风电机组变桨策略优化研究

传统变速变桨风电机组采用比例积分微分模型(proportion integral differential,PID)控制的最佳桨距角变桨策略,变桨频繁,变桨轴承易损坏且不易维修,为此提出一种减少变桨动作,延长变桨轴承寿命的变桨系统优化策略.在最佳桨距角策略基础上提出风速波动阈值指标建立优化模型,以风速波动阈值指标为输入...     

变转速下基于COT-MCKD-STH的风电机组轴承复合故障诊断

为诊断变转速下风电机组轴承复合故障,提出计算阶次追踪(COT)、最大相关峭度解卷积(MCKD)和自互补顶帽(STH)变换相结合的方法。首先对时域信号进行等角度重采样,利用果蝇优化算法(FOA)搜索MCKD最佳滤波长度和STH变换最佳结构元素尺度,重采样信号经解卷积处理后,利用STH对分离的单一故障源成分进行形态学解调,最终通过分析所得阶次谱判定轴承损伤。结果表明:所述方法能有效提取变转速工况下轴承复合故障特征,具有一定工程参考价值。     

基于多尺度包络谱图的直驱式风电机组轴承故障特征提取

针对直驱式风电机组低速、重载的运行特点,提出将多尺度包络谱图应用于实际机组的故障诊断,以提取轴承的故障特征.对原始振动信号进行复小波变换,其变换结果的包络谱即为轴承振动信号的多尺度包络谱图.结果表明:因其所具有的同步多尺度分解和包络解调能力,多尺度包络谱图能够提取出隐藏在噪声中的低频微弱轴承故障特征,与传统包络解调方法相比具有较好的智能性和准确性,适用于实际风电机组的状态监测.     

基于形态学分形和极限学习机的风电机组轴承故障诊断

风力发电机组滚动轴承工况往往比较恶劣,其故障振动加速度信号具有非平稳、非线性的特性,而传统的时频域方法提取故障特征时存在不准确、适应性差等问题,针对此提出一种基于局部均值分解(LMD)和形态学分形维数的特征提取算法,并结合极限学习机(ELM)完成风电机组轴承故障诊断。该方法同时考虑滚动轴承在不同损伤程度以及不同故障类型下的情况,首先将原始振动信号进行LMD自适应分解为一系列不同频率的乘积分量(PF);接着计算所有分量与原信号的相关性系数,选择相关系数值最大的前3个PF分量作为敏感变量;并利用形态学覆盖估计所选PF分量的分形维数,构建故障特征向量组;之后将其作为ELM的输入,将轴承状态作为输出,建立ELM轴承状态识别模型。最后使用西储大学平台轴承数据和实际风场采集故障数据对算法进行验证,结果表明,该方法能够有效识别轴承不同损伤程度以及不同故障,整体识别率达到99%以上。     

拉丁美洲风电市场的机遇与挑战

经过2008年国际金融危机带来的短暂经济动荡,目前拉丁美洲的许多经济体的经济都已经复苏,强劲稳定的经济增长也持续加速了市场对电力的需求。同时,拉丁美洲的一些国家正在把风电作为发展新能源的首选路径,用来减少他们对化石能