前言

随着我国风电装机容量的井喷式增长，机组的运行维护需求越来越大，“运维市场”成为风电六大关键词之一，我国风电事业的发展面临着关键零部件及整机测试技术、故障诊断技术落后的瓶颈问题。滚动轴承在风电机组中被大量使用，它是机组支撑和传递动力的精密、易损核心零部件，其工作环境恶劣，在运转过程中不可避免地受到力、热、振动等多种因素的影响，产生变形、裂纹、压痕、胶着、断裂，严重时将牵连周围其他部件，甚至可能导致整个机组的损伤，导致巨大经济损失。而轴承的拆装、检查维修及安装相当不便，耗费巨大的人力物力，因此对其进行状态监测和故障诊断具有重要意义。

本书以风电机组旋转部件中的滚动轴承为重点研究对象，开展故障诊断方法的研究。其主要内容如下：

第 1 章分析风力发电及机械故障诊断技术的现状，论述开展风电机组滚动轴承故障诊断研究的意义。研究分析风电滚动轴承信号的特性，对滚动轴承的各种故障形式，以及故障诊断过程中的消噪、特征提取与选择、模式识别等关键问题的分析方法和研究现状进行综述。

第 2 章针对风电机组振动信号的强干扰、非线性、非平稳特性，研究适宜的消噪方法。通过对比分析和总结传统小波消噪法的局限，研究基于风电轴承振动信号的自适应阈值小波消噪方法，将该方法分别应用于正弦仿真信号和实测振动信号的消噪处理，实现信号和噪声的有效分离，从背景噪声中提取振动信号的有用信息。

第 3 章针对风电机组滚动轴承振动信号的非高斯、非线性特性，对传统时域、频域、时-频域（小波变换、经验模态分解、变分模态分解、双谱分析）等常用的基于振动信号特征提取方法进行分析与仿真研究，获得描述滚动轴承故障的各种特征信息，对比各种方法的优势与不足。

第 4 章针对风电滚动轴承振动信号的非线性、非高斯性，研究故障模式识别方法。主要阐述了基于二值化双谱特征的模糊聚类模式识别方法和基于核函数的投影寻踪模式识别方法，并通过具体实例对提出的模式识别方法进行分析及可行性、可靠性验证。

第 5 章针对滚动轴承声学噪声和振动之间存在强干扰、强耦合特性，以及不确定的复杂非线性关系的现象，分析其原因和本质，采用基于灰色系统理论的相关性分析方法进行轴承声学噪声与振动相关性分析实验，定量分析结果表明声学噪声与振动之间的相关程度，并以线性回归分析结果表明二者不具有很好的线性相关性，并分析研究性能良好的声学噪声预测方法。

第 6 章分析研究噪声产生机理、声学噪声测量技术国际标准，归纳总结依照国际标准而实施的噪声测量方法。针对声学噪声测量过程中测量仪器设备繁多、测量过程复杂、完全相同的开机和停机测量环境不易实现等问题，提出回归分析与BP神经网络相结合的风机声学噪声预测方法，以及基于数据融合技术的改进GA-SVR的特征级数据融合的气动噪声预测方法，旨在为进一步发展和完善基于声学噪声信号的故障诊断、多信息融合的故障诊断技术奠定基础。

作者及团队成员长期从事风力发电领域的科学研究，本书内容是我们对多年来科研及实践经验的拙见及表述。由于作者水平有限，书中的观点和分析方法难免存在不足之处，欢迎批评指正。

著者
2020 年 3 月