MAGAZINE
刊物內容

回列表

應用田口法於風力發電機驅動鏈高速軸承之故障特徵篩選與壽命預測

摘要"

本研究探討有關風力發電機驅動鏈高速軸軸承之剩餘使用壽命預測,應用田口方法進行故障特徵指標重要性篩選。研究的數據為每天測量6秒共50天之2MW風機高速軸軸承的振動訊號。本研究將以指數衰減(Exponential Degradation)為理論基礎之剩餘使用壽命(Remaining Useful Life, RUL)預測模型,運用田口方法針對架構中的故障特徵重要性,進行預測成本之改善。當軸承劣化或故障時,藉由加速規之量測可監控其振動量隨運轉時間之增長趨勢,經由特徵萃取可量化此軸承之劣化狀況由於包含時域及頻域之故障特徵指標數量眾多,為了精簡故障特徵指標之選用及降低運算成本,透過田口方法的直交表配置實驗組合,並由變異數分析與反應表找出有助於提升模型精確預測機率之特徵指標,以掌握高指標性故障特徵供擇用,建立高速軸軸承之健康指標,本研究顯示經由田口方法之運用,可大幅降低測試所需之龐大工作量,並取得優異之剩餘壽命預測成效。

關鍵詞:關鍵字:田口方法、特徵萃取、剩餘使用壽命預測

前言

風力發電機運轉狀態監控可有效減少維運成本,盡可能避免不預期之停機損失及對電網穩定性造成之衝擊。Feng等人[1]顯示典型之風力發電機驅動鏈故障為輪齒與軸承之損傷,有研究報告提及齒輪箱故障在陸域風力發電機的案例中佔了三分之一的停機主因[2],Crabtree [3] 提出商用風機監控系統的調查研究,Faulstich等人[4]探討風機故障、停機對於離岸風機佈署的影響與重要性,Tavner等人[5]論及風機電子元件的可靠度與可用性對於風機運作之影響,有效監控系統之建立實為風機運維極為重要之一環。
田口方法(Taguchi Methods)為日本學者田口玄一博士於1950年代所開發,為一種低成本、高效益的品質工程方法,透過統計學的方法進行實驗及生產品質的管控,以達到成本降低並改善產品品質的雙重目的[6]。利用簡單的直交表實驗設計與變異數分析,以少量的實驗數據進行分析,即可取得有用之資訊,雖然無法如全因子實驗法可求出確切之最佳化實驗參數,但能以少數實驗找出最佳化趨勢。田口方法早期為因應提升商品製造品質所開發,往後則大量擴展運用至各個工程領域,如機械工程、生物科技等,稱之為品質工程(Quality Engineering)。
在進行田口方法實驗之前,本研究探討之剩餘使用壽命(Remaining Useful Life, RUL)[7]預測架構導入Coble[8]之單調性(Monotonicity)與趨勢性(Trendability)概念,供故障特徵重要性排序之依據,輔以田口方法,冀以低成本提供具高效能之剩餘使用壽命預測
模型。

剩餘使用壽命預測

本研究以指數劣化(Exponential Degradation)模型為理論基礎,建構風力發電機驅動鏈組件剩餘使用壽命之預測。該模型遵循典型的預測流程:數據導入與探索、特徵萃取和後處理、特徵重要性排序、剩餘使用壽命預測、性能分析與改善(圖1)。藉由以上程序,評估風機驅動鏈隨著運行時間的增加,驅動鏈組件因疲勞或其它損傷之劣化趨勢,進而透過數學模型訓練,預估剩餘使用壽命。數據取自2MW風力發電機之50天每天6秒高速軸承振動量測訊號[9]作為技術開發範例,從圖2時域的振動訊號可知振幅隨時間而增長,顯示此軸承之劣化趨勢。
當旋轉機械處於變速運轉狀態,具時變及非平穩情況時,振動訊號常包含複雜之特徵訊息,且在設備元件故障初期,故障特徵通常甚為微弱而易被背景雜訊所掩蓋,因此如何透過有效的特徵萃取,從背景訊號中清晰的提取故障特徵,甚具重要性。而為量化劣化指標,採用包含峰度(Kurtosis)、峰值因數(Crest Factor)、形狀因數(Shape Factor)……等時域之特徵萃取,可表示當機械發生故障時其振動隨時間變化之特徵趨勢。在頻域部分,納入邊帶能量比及邊帶功率因數之萃取特徵,可針對軸承之外圈、內圈、保持架及滾動元件各別之特徵頻率進行分析,以提高軸承故障特徵的辨識效果,包含時、頻域之特徵萃取指標,本研究共計檢視30項指標。
針對不同設備組件的振動特性,各種特徵萃取方式之趨勢表現能力也有所不同,組件的健康狀態有賴適當指標之擇取。萃取之故障特徵重要性排序可利用單調性(Monotonicity)及趨勢性(Trendability)之計算,量化各個特徵的重要性,以掌握高指標性特徵,並依需求進行特徵指標之選用,這對於模型簡化與計算時間之降低大有助益。...更多內容,請見《機械新刊》雜誌

READ MORE BACK TO LIST