针对大功率风电增速齿轮箱设计与研究不足的问题,提出5 MW级设计方案,并进行动力学分析。采用三级传动类型,前两级为2K-H型行星轮系,三级为定轴轮系。通过输入风电载荷谱进行仿真分析与理论计算结果对比,确保计算结果的准确性。利用动力学方法对行星架进行模态分析,使行星架模态频率避开齿轮啮合频率;对各齿轮副进行传动误差分析,得出各齿轮副传动误差的周期性变化规律与最大误差;对各轴承进行加速度响应分析,得出不同转速下的振动加速度曲线,发现各轴承加速度曲线的波峰与波谷出现重叠的规律,使齿轮箱输入转速避开了峰值。研究内容为大功率风电齿轮箱设计与可靠性分析提供方法。

随机风速会使风电齿轮箱传动系统出现频繁的载荷波动,造成复杂的结构变形,容易产生齿轮偏载,加剧其接触疲劳失效风险。提出了一种考虑环境参数随机不确定性的风电齿轮箱传动系统疲劳性能优化方法,在建立计入全局载荷的风电齿轮箱传动系统动力学模型基础上,利用代理模型方法重构“平均风速、湍流强度-齿轮修形参数-齿轮长期接触疲劳损伤”映射关系,建立考虑风速概率分布的多级齿轮修形参数优化函数,对比了风电齿轮箱传动系统疲劳性能优化效果。结果表明,低速级太阳轮长期接触疲劳损伤值大于0.7,是风电齿轮箱传动系统高可靠设计的薄弱环节之一;优化后的风电齿轮箱齿轮长期接触疲劳损伤值明显降低,其中低速级太阳轮长期接触疲劳损伤值降低了11.37%,疲劳性能提升效果显著。

针对布谷鸟搜索(CS)算法易出现早熟收敛以及风电机组齿轮箱的故障模式难以有效识别等问题,提出一种基于自适应CS算法的BP神经网络(SaCS-BP)智能诊断技术。通过构建SaCS算法,实现了步长和发现概率的自适应调整,并采用一组基准函数测试了该算法的有效性;将SaCS与BP神经网络进行融合,构建了风电齿轮箱的故障诊断模型。结果表明,SaCS算法具有较佳的寻优精度和普适性。此外,与BP神经网络以及布谷鸟搜索算法优化BP网络(CS-BP)相比,SaCS-BP算法获得了最高的诊断准确度,从而实现了风电齿轮箱故障模式的有效识别。

可靠的动力学仿真模型是振动改善的重要手段。以5.2 MW风电齿轮箱台架传动链动力学模型为例,以行业内的经验建模方法为基础,对动力学建模、响应评估与标定做了阐述。基于灵敏度优化方法对齿轮啮合动力学模型进行修正。最终修正后动力学模型的振动响应准确度较好,表明本文中的经验建模方法结合灵敏度优化方法,可建立比较可靠的动力学模型,是一种有效方法。

针对风电机组齿轮箱高速中间齿轮轴下风向侧轮齿失效问题,利用鱼骨分析方法对设计、制造、材料、装配和运行维护等方面原因进行分析,并基于仿真分析和试验研究的方法,确定齿轮失效是由于齿轮箱装配过程缺少对下风向轴承压紧量的控制,导致轴承游隙过大,引起轴上齿轮偏载。

为准确地辨识已知、未知故障类别,提出一种基于模糊核聚类模型的风电齿轮箱故障诊断新方法。首先,将模型初始聚类中心和核参数作为优化变量,采用改进型灰狼优化算法寻优求解。改进型灰狼优化算法中引入莱维飞行策略和非线性收敛向量,能够提高算法的收敛速度与精度,从而获得最佳分类结果下的各聚类中心和核参数;然后,根据待测样本与各聚类中心之间的核空间样本相似度,先判断样本是否属于已知故障,再诊断故障类别;最后,通过模拟风电齿轮箱的故障实验验证了该方法的有效性。

风电齿轮箱中行星轮和轴承整合设计后,行星轮内孔作为滚动轴承外圈直接使用。针对该类行星轮内孔的磨削精度、质量和效益等问题,对行星轮内孔磨削方法进行了分析和试验,实际检测结果和分析相符,可供同行业加工参考。

风电齿轮箱高速轴轴承的振动是造成风电机组安全隐患的重要因素,而轴系的耦合作用会对轴承振动产生重要影响。以某750 kW风电齿轮箱高速轴多支撑轴系为研究对象,基于中心差分法提出一种用于分析多支承轴系耦合振动的建模方法,并通过MATLAB进行了模拟计算。结果表明:耦合模型比非耦合模型轴承振动幅度小;不同轴承的接触力不同,且载荷作用点越靠近轴承接触力越大;当载荷作用点在靠近单轴承的一侧时,会出现接触力远大于另一侧的双轴承的情况。

根据运行在北方地区一些风电场的齿轮箱的检测情况,总结了风电齿轮箱经常出现的几种故障形式,并针对各种故障情况给出了相应的处理建议,为风电场做好风电齿轮箱的日常维护与检查提供参考.

该文介绍了采用PLC控制＋触摸屏实现设定供油流量并使回油流量跟踪供油流量变化以达到供油和回油按设定液位自动平衡的方法。