大型风力机关键部件的环境力行为与状态退化机理研究

本项目拟对复杂环境下大型风力机状态退化所涉及的基本科学问题进行研究。寻找环境力行为与风力机关键零部件的松动、磨损、冲击、裂纹、碰磨故障等的关系；研究在长期环境力作用下部件的疲劳、磨损等失效机理；分析在全寿命周期内风力机叶片、主轴承和变速箱等关键部件的状态退化规律，进行风力机的状态退化规律与早期损伤评估方法研究，构建风力机关键零部件状态退化模型。利用数值模拟与仿真来分析风力机故障机理，找出风力机故障应力波信号的特点，实现基于小波分析提取信号的微细特征，可拓集合理论识别故障信号的方法。项目的完成将为大型风力机运行可靠性问题提供解决方案，为大型风力机国产化提供依据。项目的开展可以在复杂环境中大型风力机的可靠性运行与状态退化规律方面获得源头创新，揭示大型风力机运行可靠性与环境的关系，为大型风力机抵御恶劣环境的侵袭提供理论基础和力学模型，解决制约大型风力机安全运行的基础问题。

完成了风力机的环境力行为的研究，以研制的兆瓦级风力发电机组实验台作为研究对象，得到了环境力行造成的风力机关键零部件的机械故障早期特征。.研究了在环境力作用下塔筒的疲劳、磨损等失效机理，得到了在全寿命周期内风力机塔筒的状态退化规律；提出将塔筒的两个主要连接方式，螺栓连接和焊缝连接为两个主要的失效形式。得到了环境力行为与风力机塔筒的松动、裂纹和稳定性等的关系，获得了一些有价值的结论。.以空气动力学理论为基础，提出用声发射方法研究风力发电机组叶片状态退化特征。实现了针对风力机叶片疲劳裂纹扩展识别和机理研究的实验，充分考虑了传感器类型，激励的模式，以及裂纹的产生方式。完成了相应的监测评价标准和疲劳损伤机理研究，结合理论和实验，得到一些研究成果，为风力发电机组叶片的状态退化研究奠定了力学基础。.建立了非平稳、强噪声和非线性等复杂条件下适于大型风力发电机组早期故障诊断和状态退化的特征提取和预测的处理方法。.组合采用扩展的虚拟通道FastIca法、自相关降噪法、EEMD法对现场采集到的风力机振动信号进行分析，结果表明：基于自相关-EEMD-FastIca方法可以有效地分离出单通道信号中的弱信号，并通过弱信号在原始信号中的幅值和故障特征频谱来确定是否为早期故障。基于此建立了基于自相关-EEMD-FastIca方法的风力机早期故障信号识别技术。