风电机组转盘轴承的加速疲劳寿命试验
风力发电机组轴承的疲劳寿命试验与评估方法研究
风力发电机组轴承的疲劳寿命试验与评估方法研究随着可再生能源的发展和能源转型的推进，风力发电逐渐成为一种重要的清洁能源来源。
风力发电机组的可靠性和性能稳定是保证风电系统高效运行的关键因素之一。
轴承作为风力发电机组中的关键部件之一，承受着巨大的负荷和工作压力。
因此，对风力发电机组轴承的疲劳寿命进行试验和评估方法的研究是至关重要的。
1.疲劳载荷试验方法风力发电机组轴承的疲劳寿命试验是通过对轴承进行加载、模拟实际工作负荷以验证其寿命的试验。
常用的疲劳载荷试验方法包括等幅载荷试验、变幅载荷试验以及模拟实际工作负荷试验等。
等幅载荷试验可以直观地评估轴承的耐久性能，而变幅载荷试验可以更加真实地模拟实际工作条件下的负荷变化。
模拟实际工作负荷试验可以通过实测数据来确定轴承所受到的实际工作负荷情况，提供更准确的疲劳寿命评估。
2.试验数据分析方法试验数据的分析方法对于疲劳寿命评估至关重要。
常用的试验数据分析方法包括Weibull分布分析、可靠性分析以及剩余寿命分析等。
Weibull分布分析可以用于确定轴承的失效模式和失效机理，为疲劳寿命的评估提供依据。
可靠性分析可以通过统计学方法，计算出轴承在一定使用寿命下的可靠性指标，用于评估轴承的寿命预测。
剩余寿命分析可以通过监测轴承的运行状态和健康状况，确定其剩余寿命，并为预防性维修提供依据。
3.轴承疲劳寿命的评估方法轴承的疲劳寿命评估是根据试验数据和分析结果，确定轴承在特定工作条件下的可靠性和使用寿命。
常用的轴承疲劳寿命评估方法包括基于统计学方法的可靠性评估、基于试验数据的寿命预测和剩余寿命评估、以及基于系统可靠性理论的寿命评估等。
可靠性评估可以通过数学统计模型计算出轴承在一定时间内的失效概率，用于评估轴承的可靠性。
寿命预测和剩余寿命评估可以通过试验数据和监测数据来确定轴承的使用寿命和剩余寿命，并为维修计划提供依据。
系统可靠性理论可以结合轴承与其他组件的可靠性数据，从整个风力发电机组的角度评估轴承的寿命。
海上风力发电用轴承的寿命评估方法研究
海上风力发电用轴承的寿命评估方法研究近年来，海上风力发电作为一种清洁、可再生的能源形式，在全球范围内得到了广泛的关注和推广。
而在海上风力发电项目中，轴承作为重要的机械元件之一，负责支撑转子和风轮等关键部件的运动，其寿命评估成为了提高发电系统可靠性和运行效率的关键因素。
轴承的寿命评估是指预测轴承在特定工况下的使用寿命，并根据寿命评估结果制定相应的维修和更换计划。
海上风力发电场的运行环境复杂，风速、波浪、腐蚀等因素都可能对轴承寿命产生影响，因此，对于海上风力发电用轴承寿命评估方法的研究具有重要意义。
一种常用的海上风力发电用轴承寿命评估方法是基于标准化的建模和试验数据。
通过收集和分析大量的实验数据，结合标准化的计算模型，可以得出轴承在特定工况下的寿命预测。
这种方法的优点是可靠性较高，可以较为准确地评估轴承的使用寿命。
然而，由于海上风力发电场环境复杂多变，单纯依靠标准化模型进行寿命评估可能存在偏差，需要结合实际运行数据进行修正。
另一种海上风力发电用轴承寿命评估方法是基于振动和温度监测的故障预测。
通过安装振动传感器和温度传感器，实时监测轴承的振动和温度情况，利用数据分析方法识别出轴承存在的故障特征，并根据这些特征预测轴承的寿命。
这种方法能够及时发现轴承故障，并进行相应的维修和更换，可以有效提高海上风力发电系统的可靠性和运行效率。
此外，还有一种基于物理模型的海上风力发电用轴承寿命评估方法。
通过建立轴承的物理模型，考虑各种载荷和环境因素对轴承的影响，使用数值分析方法预测轴承的寿命。
这种方法可以更加精确地评估轴承的寿命，但对于模型参数的准确性和确定性要求较高，需要进行大量的实验验证和数据分析工作。
综上所述，海上风力发电用轴承寿命评估方法是提高风力发电系统可靠性和运行效率的重要环节。
标准化建模和试验数据、振动和温度监测的故障预测，以及基于物理模型的评估方法都具备各自的优势和适用范围。
未来的研究可以继续深入探索这些方法的应用和改进，同时结合实际海上风力发电场数据，提高轴承寿命评估的准确性和实用性，为海上风力发电行业的发展贡献力量。
风力发电机组轴承寿命预测方法的综合研究
风力发电机组轴承寿命预测方法的综合研究引言风力发电已成为全球范围内最主要的可再生能源之一，然而，由于风力发电机组风环境的不确定性以及复杂的工作条件，其轴承寿命预测一直是一个关键问题。
本文将对风力发电机组轴承寿命预测方法进行综合研究，旨在为可靠性评估和维护管理提供科学依据。
一、轴承寿命预测方法的概述风力发电机组的轴承寿命预测方法可以分为传统统计学方法和基于机器学习的方法两大类。
传统统计学方法主要基于轴承寿命统计数据进行参数估计，如Weibull分布函数、韦伯分布函数等。
基于机器学习的方法则根据大量数据样本进行模型训练，通常采用支持向量机、神经网络等算法。
二、轴承寿命预测方法的优缺点传统统计学方法具有计算简单、理论基础牢固的优点，但在预测精度上常常存在较大误差。
机器学习方法则可以通过模型训练不断优化，具有更高的预测精度，但对数据量和计算资源的要求较高。
三、基于特征提取的轴承寿命预测方法在轴承寿命预测中，特征提取是一个关键环节，合理的特征提取能够提高预测模型的准确性。
常用的特征包括振动信号的时域特征、频域特征和小波时频特征等。
通过提取轴承振动信号的特征，可以对其进行故障诊断和寿命预测。
四、基于机器学习的轴承寿命预测方法基于机器学习的轴承寿命预测方法通常分为监督学习和无监督学习两类。
监督学习方法需要事先标注好的训练样本，常用的算法包括支持向量机、随机森林等；无监督学习方法则不需要标注样本，常用的算法包括聚类分析、自编码器等。
这些方法可以根据实际需求选择合适的算法进行模型训练和预测。
五、综合预测方法的应用及效果评估综合预测方法将传统统计学方法与机器学习方法相结合，通过充分利用各种数据源和特征提取技术，提高轴承寿命预测的准确性和可靠性。
综合预测方法通常包括数据预处理、特征提取、特征选择和模型训练等步骤。
通过对实际案例的应用和效果评估，可以验证综合预测方法的有效性和可行性。
六、预测模型的优化和改进为进一步提高轴承寿命预测模型的准确性，可以进行模型的优化和改进。
风力发电机的疲劳测试方法
风力发电机的疲劳测试方法风力发电机是一种利用风能转换为电能的装置，它们通常被放置在风能资源丰富的地区，用于发电。
然而，由于长期暴露在恶劣的自然环境中，风力发电机的叶片、轴承和传动系统等部件易受到疲劳破坏。
因此，疲劳测试成为了评估风力发电机性能和可靠性的重要手段之一。
疲劳测试是通过模拟实际工作条件下的疲劳载荷，对风力发电机的部件进行持久性能测试。
其目的是评估风力发电机在长期运行中的可靠性和耐久性，并预测其寿命。
下面将介绍几种常见的风力发电机疲劳测试方法。
首先是振动测试。
振动测试是一种常见的疲劳测试方法，通过在实验室中模拟风力发电机运行时的振动载荷，评估其在长期振动作用下的疲劳性能。
通过监测振动信号，可以获取发电机在不同工况下的振动频谱和振动幅值，从而判断其疲劳破坏的潜在风险。
其次是风洞测试。
风洞测试是一种模拟真实风场环境的疲劳测试方法。
通过在风洞中模拟不同风速、风向和气候条件，对风力发电机的叶片和结构进行疲劳载荷测试。
这种测试方法可以模拟不同环境条件下的风力发电机工作状态，准确评估其在长期风吹雨打中的耐久性能。
还有负载测试。
负载测试是一种模拟实际工作负载条件的疲劳测试方法。
通过在实验室中施加不同的负载，如扭矩、转速和功率等，对风力发电机的传动系统和发电机组件进行疲劳性能测试。
这种测试方法可以模拟风力发电机在不同工作条件下的负载变化，评估其在长期运行中的可靠性。
还有环境模拟测试。
环境模拟测试是一种将风力发电机置于不同环境条件下，模拟其在实际运行中可能遇到的各种环境因素，如温度、湿度和盐雾等，进行疲劳测试的方法。
这种测试方法可以评估风力发电机在各种环境条件下的耐久性能，并为其设计和改进提供参考依据。
风力发电机的疲劳测试是保证其可靠性和耐久性的重要手段。
通过振动测试、风洞测试、负载测试和环境模拟测试等方法，可以评估风力发电机在长期运行中的疲劳性能，并预测其寿命。
这些疲劳测试方法不仅可以为风力发电机的设计和改进提供依据，还可以确保其在实际运行中的安全可靠性，为可持续发展提供清洁能源。
风力发电机组高速轴联轴器的疲劳寿命评估方法
风力发电机组高速轴联轴器的疲劳寿命评估方法摘要：本文基于风力发电机组传动链的疲劳载荷谱，应用雨流计数法建立了风力发电机组高速轴联轴器的二维疲劳载荷谱，并采用经典Miner线性疲劳累计损伤理论，提出了一种适用于风力发电机组高速轴联轴器的疲劳寿命评估方法，对于风力发电机组其他机械零部件疲劳寿命评估方法的研究亦具有工程指导价值。
关键词：风力发电机组高速轴联轴器疲劳载荷谱雨流计数法累计损伤疲劳寿命评估前言目前我国风力发电机组的技术路线主要有三种，双馈风力发电机组，直驱风力发电机组及半直驱风力发电机组。
而高速轴联轴器作为双馈风力发电机组和半直驱风力发电机组传动链的主要零部件，其疲劳寿命评估方法的研究一直在业界内处于空白状态。
众所周知，在机械零部件的失效形式中，疲劳失效是一种主要的失效形式。
据不完全统计，机械零部件的疲劳失效占比高达70%以上[1]。
然而，不幸的是，风能技术作为我国的新兴发展技术，其疲劳寿命的研究正处于起步阶段，尚不成熟。
本文借助其他行业中机械零部件的疲劳寿命研究方法，结合风力发电机组高速轴联轴器的结构特点，综合应用雨流计数法和Miner线性疲劳累计损伤理论，提出了一种评估风力发电机组高速轴联轴器疲劳寿命的方法。
雨流计数法原理机械零部件在随机疲劳载荷作用下，均值和幅值也是随机变化的，而其又是影响机械零部件载荷-时间历程的统计处理方法很多，例如里程计数、峰值计数和雨流计数[2]等。
其中，由于雨流计数法在计数原理上与实际工作载荷对零部件的循环应力-应变极为相近，同时考虑了静强度（均值）和动强度（幅值）两个随机疲劳载荷的只要变量，与疲劳载荷的固有特性吻合度较高，且其计数法便于计算机实现，因而在疲劳载荷处理过程中被众多学者广泛应用。
雨流计数法的基本规则[3]为：1.雨流在试验记录的起点，依次从每个峰（或谷）的内侧开始；2.雨流在下一个峰（或谷）处落下，直到有一个比其更大的峰（或更小的谷）为止；3.当雨流遇到来自上面屋顶流下的雨流时，就停止；4.取出所有的全循环，并记录下各循环的峰值（最大值）和谷值（最小值）.通过雨流计数法处理后，可以得到应力峰值Smax 和谷值Smin，由式（1）-（3）可以得到各循环应力幅值Sa ，应力均值Sm及应力比r为(1)(2)(3)式中： Sa -应力幅值；Sm-应力均值；Smax-应力峰值；Smin-应力谷值；r-应力比。
风力发电机组结构疲劳性能分析与寿命预测
风力发电机组结构疲劳性能分析与寿命预测随着全球气候变化的加剧，清洁能源成为了今后发展的必然选择。
在可再生能源中，风能是一种非常优秀的资源。
于是，风力发电机的市场逐渐得到了加强，我们也会关注风力发电机的安全性及可靠性问题。
那么，风力发电机的结构疲劳性能和寿命预测如何进行分析呢？一、结构疲劳性能分析疲劳是造成风力发电机结构故障的主要因素之一。
因此，分析风力发电机组件的疲劳性能至关重要。
众所周知，风力发电机构件常处于大的变化负载状态和复杂的环境下。
大的变化负载状态包括切向风、轴向风、横向风、重力等，以及频繁的转动、摆动、压缩和拉伸等。
复杂环境则指如冰雪、雷击等极端天气环境。
这些复杂的机械和自然环境给风力发电机构件的疲劳性能分析带来了挑战。
在实际运行中，风力发电机的叶片、轴承和齿轮等组件会受到较大的载荷影响。
结构疲劳性能分析过程中涉及的载荷和应力、材料特性、转子振动、寿命和可靠性等方面，需要综合考虑，参照现有的风力发电机标准及相关工程经验，建立可行的结构疲劳性能模型。
二、寿命预测当我们对风力发电机结构的疲劳性能进行分析后，我们需要进一步开展寿命预测。
寿命预测为评估风力发电机的使用寿命、设计寿命和寿命周期费用提供了重要依据。
目前，寿命预测通常采取在负载下、失效样本收集分析的方法。
通过这种方法就能够掌握风力发电机在不同负载下的失效机理和寿命特征，有利于设计寿命的设置和维修计划的制定。
总之，风力发电机的结构疲劳性能和寿命预测的分析需要在实践中通过多种手段进行探索、实验和验证。
新的技术和方法有望不断提升风力发电机的结构可靠性和运行安全性。
风力发电机组轴承的寿命评估与可靠性分析方法研究
风力发电机组轴承的寿命评估与可靠性分析方法研究在风能领域，风力发电机组是一种重要的可再生能源装置。
然而，尽管风力发电技术取得了长足的进步，但风力发电机组轴承的寿命问题一直是一个挑战。
轴承是风力发电机组中最重要的部件之一，其寿命直接影响着风力发电机组的可靠性和运行成本。
准确评估风力发电机组轴承的寿命并提出可靠性分析方法，可以帮助工程师们更好地预测和管理风力发电机组的运行状态，降低故障风险，延长轴承使用寿命。
首先，我们需要了解风力发电机组轴承的工作环境和运行特点。
风力发电机组在风能转化过程中要承受极其复杂和恶劣的工况。
由于长时间的运行和恶劣的环境条件，轴承容易受到各种负荷和振动的作用，导致磨损和疲劳损伤。
因此，为了准确评估轴承的寿命，我们需要考虑多种因素，如负荷、转速、振动等。
其次，根据轴承的运行特点，我们可以采用可靠性分析方法来评估其寿命。
可靠性分析是一种对系统寿命进行评估和预测的方法，可以通过统计学和概率论等工具对风力发电机组轴承的寿命进行分析。
常见的可靠性分析方法包括失效模式与效应分析（FMEA）、故障树分析（FTA）、可靠性块图（RBD）等。
在实际应用中，为了更准确地评估风力发电机组轴承的寿命，我们可以结合多种方法进行分析。
首先，基于历史数据和经验知识，可以建立统计模型来解释轴承在不同负荷和振动条件下的寿命分布。
其次，可以利用可靠性分析方法对轴承的失效模式进行归纳和分类，并根据失效机制进行可靠度计算和预测。
同时，我们还可以结合实验测试和数值模拟来验证可靠性分析结果。
通过对轴承的实验寿命试验和振动测试，可以获取更准确的数据，进一步优化分析模型。
此外，使用有限元分析方法对轴承受力情况进行模拟，可以帮助我们更好地理解轴承在不同工况下的磨损和损伤机理。
除了评估轴承的寿命，我们还可以通过定期检测和维护来延长轴承的使用寿命。
通过建立完善的监测系统，可以实时监测轴承的工作状态，及时发现潜在故障点，并采取相应措施进行维护修复。
风电转盘轴承加速寿命试验研究_孟瑞
第12期2013年12月组合机床与自动化加工技术Modular Machine Tool ＆Automatic Manufacturing TechniqueNo．12Dec．2013文章编号：1001－2265（2013）12－0083－03收稿日期：2013－03－25；修回日期：2013－04－24*基金项目：国家科技支撑计划“2兆瓦以上风电装备系列轴承关键技术研究与应用”（2011BAF09B02）。
作者简介：孟瑞（1989—），男，江苏连云港人，南京工业大学硕士研究生，主要研究方向为风电转盘轴承实验方法，（E －mail ）872769191@qq．com 风电转盘轴承加速寿命试验研究*孟瑞1，陈捷1，王华1，高学海2（1．南京工业大学机械与动力工程学院，南京210009；2．上海欧际柯特回转支承有限公司，上海201906）摘要：风电转盘轴承是风机的关键部件，一旦出现故障将带来巨大的经济损失，风机机组要求配套轴承至少有20年使用寿命及可靠性，然而在实际试验过程中不可能完全按照风机设计时的工况载荷试验，因此可采用加速寿命试验的方法进行试验以缩短试验时间。
文章介绍了加速寿命试验的基本理论，结合已有的转盘轴承试验及滚动轴承加速寿命试验方法，分析风电转盘轴承加速寿命试验可能存在的问题，并提出相应的解决方法，指出风电转盘轴承加速寿命试验的意义。
关键词：转盘轴承；加速寿命试验；小样本中图分类号：TH133．3；TG65文献标识码：AＲesearch on Accelerated Fatigue Life Test of Slewing Bearings Used in Wind TurbinesMENG Ｒui 1，CHEN Jie 1，WANG Hua 1，GAO Xue -Hai 2（1．School of Mechanical Engineering ，Nanjing University of Technology ，Nanjing 210009，China ；2．Shanghai OujiKete Slewing Bearing Co．，Ltd．Shanghai 201906，China ）Abstract ：Slewing bearings are the key components of wind turbines．Once the failure will bring huge eco-nomic losses．Slewing bearings in wind turbines are always required to service more than 20years．It is im-possible to test slewing bearings according to load conditions．So ALT is the best choice for slewing bearings test to short test time．The paper introduces the basic theory of ALT．Learn the existing slewing bearings test and rolling bearings accelerated life test method．The solution is proposed based on analysis of the problems which may appear in the process of accelerated life test for slewing bearings．The significance of slewing bearings accelerated life is pointed out．Key words ：slewing bearing ；accelerated life test ；small sample0引言转盘轴承应用于风力发电机偏航和变桨部位。
风电齿轮箱加速疲劳寿命试验验证
圆园员8年第9期网址： 电邮：hrbengineer@风电齿轮箱加速疲劳寿命试验验证曾雨田，李金库（湖南南方宇航高精传动有限公司，湖南株州412000）摘要：对于风电齿轮箱的高可靠性要求，都是通过加速疲劳寿命试验的技术方法来验证齿轮箱的疲劳可靠性。
根据主机厂提供的齿轮箱设计载荷谱，确定额定载荷在额定转速下运转的时间；应用Miner理论，确定风电齿轮箱加速疲劳寿命试验的试验步骤，以此试验后的结果来验证齿轮箱的疲劳可靠性。
关键词：风电齿轮箱；加速疲劳；齿轮中图分类号:TH 132.41文献标志码:A文章编号：员园园圆原圆猿猿猿（圆园员8）09原园152原园3Test Verification of Accelerated Fatigue Life about Wind Power GearboxZENG Yutian,LI Jinku(NFAIC High Precision Transmission Co.,Ltd.,Zhuzhou 412000,China)Abstract:In order to meet the high reliability requirements of wind turbine gearboxes,the fatigue reliability ofgearboxes is verified by the technical method of accelerating fatigue life test.The operating time at rated load and rated speed is determined according to the gearbox design load spectrum provided by the ing the Miner theory,the test procedure for the accelerated fatigue life test of the wind turbine gearbox is determined,and the fatiguereliability of the gearbox is verified by the results of the test.Keywords:wind power gearbox;accelerated fatigue;gear引言风电主齿轮箱作为风力发电系统的重要组成部件，其性能和可靠性决定了整个系统的可靠性[1]。
风力发电机组轴承的滚道疲劳寿命预测方法研究
风力发电机组轴承的滚道疲劳寿命预测方法研究引言：随着清洁能源的需求不断增加，风力发电逐渐成为各国重要的能源转换方式之一。
然而，风力发电机组在运行过程中常常遭遇极端的环境条件和工作负荷，这对轴承的可靠性和寿命提出了严峻的要求。
滚道疲劳是导致轴承失效的主要原因之一，因此预测风力发电机组轴承的滚道疲劳寿命成为了当前研究的重点。
本文将介绍相关文献中的预测方法，并提出一种新的预测方法。
一、传统的滚道疲劳寿命预测方法1. 基于经验公式的预测方法经验公式是一种简化的预测方法，它基于理论和实验数据的分析，通过将轴承的工作负荷、转速、清洗频率等参数纳入考虑，得出滚道疲劳寿命的预测值。
这种方法具有较高的实用性，但仍存在一定的误差。
2. 基于有限元分析的预测方法有限元分析是一种基于数值计算的方法，它通过对轴承内部力学行为进行分析，得出滚道疲劳寿命的预测值。
该方法考虑了轴承的材料特性、几何结构和工作负荷等因素，能够提供较精确的预测结果。
然而，由于有限元分析需要大量的计算资源和时间，该方法在实际应用中存在一定的局限性。
二、新的滚道疲劳寿命预测方法考虑到传统方法的局限性，本文提出了一种新的滚道疲劳寿命预测方法，该方法结合了统计学和机器学习技术。
1. 基于统计学的预测方法统计学是一种强大的工具，它能够分析数据之间的关系，找出规律和趋势。
本文中，我们将通过收集大量的轴承运行数据，对滚道疲劳寿命进行统计分析。
通过分析工作负荷、转速、使用时间等因素与滚道疲劳寿命之间的关系，建立数学模型，从而预测轴承的寿命。
2. 基于机器学习的预测方法机器学习是一种人工智能的方法，它通过训练模型从数据中学习和预测。
我们将使用机器学习算法对轴承运行数据进行处理和分析，并建立预测模型。
通过输入轴承的工作负荷、转速等参数，模型可以输出滚道疲劳寿命的预测结果。
相比传统方法，机器学习方法能够更准确地捕捉到轴承寿命与各种因素之间的复杂关系。
三、实验验证和结果分析为了验证提出的方法，我们将运行一系列的实验。
风力发电机组件材料的疲劳寿命分析
风力发电机组件材料的疲劳寿命分析随着全球对清洁能源需求日益增加，风力发电在可再生能源中
的地位日趋重要。
然而，风力发电机组件面临的一个重要问题是
材料的疲劳问题。
本文将对风力发电机组件材料的疲劳寿命进行
分析，并提出对策以解决这一问题。
1. 疲劳问题的产生
风力发电机组件的叶片、轴承、齿轮等部件在长期运行过程中，受到风力、重力等多方面的影响，其受力情况非常复杂。
受到反
复载荷的作用，可能会导致材料万志，从而影响零部件的完整性
和可靠性。
2. 疲劳性能测试
为了解决这一问题，在设计和制造风力发电机组件之前，需要
进行大量的实验室测试。
对于疲劳寿命和材料疲劳强度特征的精
确测试可以使用震动测试仪、弯曲疲劳测试仪、接触疲劳测试仪
等测试设备。
测试结果可以作为改进材料强度和疲劳寿命的决策
依据。
3. 材料选用
对于风力发电机组件而言，材料的强度、刚度和抗疲劳性能的
选择至关重要。
对于不同材料的选择，需综合考虑机组的使用环境、强度需求、使用年限和维护条件等因素。
4. 段内延伸
因此，在原始设计之前，制造商需要在大量试验中获取最佳组合，并提供适当的工艺和测试方法来确保材料的优异性能。
组件的大小和形状的选择也对疲劳寿命的影响极大。
5. 结尾
总体而言，风力发电机组件材料的疲劳寿命分析是提高风力发电机整体可靠性和减少故障的关键因素。
通过对材料疲劳性能的测试和正确的材料和工艺选择可以最大限度地延长风力发电机的使用寿命，为可再生能源领域的持续发展做出贡献。
风电轴承的磨损与寿命评估
风电轴承的磨损与寿命评估风力发电已成为可再生能源领域的重要组成部分，而风电机组的关键部件之一就是轴承。
随着风电机组的不断发展和扩大规模，轴承的磨损与寿命评估成为了风电行业中的一个重要研究方向。
本文将讨论风电轴承的磨损机制、评估方法以及延长轴承寿命的措施。
1. 风电轴承的磨损机制在风电机组运行过程中，轴承承受着巨大的载荷和旋转速度，因此其磨损机制是其寿命评估的基础。
风电轴承的磨损主要包括疲劳磨损和润滑剂老化。
1.1 疲劳磨损疲劳磨损是风电轴承最常见的磨损形式之一。
由于风电机组长期运行和风的不稳定性，轴承在承受载荷的作用下会发生往复应力，从而导致材料疲劳破坏。
疲劳磨损的主要特征是齿面剥落、裂纹的生成和扩展。
1.2 润滑剂老化风电轴承中的润滑剂在长期运行中会发生老化，降低润滑性能，导致轴承表面间的接触不良和摩擦增大，进而加剧磨损。
润滑剂的老化一般与氧化、污染、温度升高和时间有关。
2. 风电轴承寿命评估方法为了合理评估风电轴承的寿命，可以采用以下方法进行磨损和寿命预测。
2.1 统计学方法统计学方法是常用的轴承寿命评估方法之一。
通过对大量风电机组的运行数据进行统计分析，可以计算出平均磨损速率和寿命分布曲线，然后根据实际运行情况来预测轴承的寿命。
2.2 有限元模拟方法有限元模拟方法可以在虚拟环境中模拟风电轴承的工作状态，通过计算得到轴承受力和变形等信息，进而评估轴承的寿命。
这种方法可以较为准确地模拟轴承实际工作情况，但需要进行复杂的数值计算。
2.3 磨损指标方法磨损指标方法通过对风电轴承进行定期检测和监测，获取其磨损指标的变化情况，从而评估轴承的剩余寿命。
常用的磨损指标包括轴承振动、噪声、温度变化等。
3. 延长风电轴承寿命的措施为了延长风电轴承的寿命，减少磨损，需要采取一些措施来改善轴承的工作状态。
3.1 优化润滑系统润滑系统是保证风电轴承正常工作的关键。
通过定期更换润滑剂、清洗润滑系统和提高润滑剂过滤效果等措施，可以减少润滑剂老化和污染，从而降低磨损。
风力发电机组轴承的寿命试验与评估方法研究
风力发电机组轴承的寿命试验与评估方法研究随着全球对可再生能源的需求不断增加，风力发电成为一种主要的清洁能源。
而风力发电机组的轴承是其关键部件之一，它承受着高速旋转和巨大的载荷，因此其寿命评估与试验是十分必要的。
本文将探讨风力发电机组轴承的寿命试验与评估方法研究，以提高风力发电的可靠性和效率。
首先，寿命试验是评估风力发电机组轴承使用寿命的重要手段之一。
寿命试验可通过两种方法进行：实验方法和模拟方法。
实验方法是指在实际的风力发电机组上进行长周期的运行试验，记录轴承的运行数据并进行寿命评估。
这种方法需要耗费大量时间和资源，但结果更加真实可靠。
模拟方法是通过建立一套模拟风力发电机组的试验装置，模拟不同工况和负荷下的运行情况，进行轴承的寿命试验。
这种方法相对较快，便于进行大量试验，但需要确保模拟装置与实际机组的相似程度，并验证其准确性。
其次，风力发电机组轴承的寿命评估方法包括经验评估和理论评估两种。
经验评估是根据大量实验数据和运行经验，通过分析轴承在运行过程中的故障情况和失效模式，进行寿命评估。
这种方法简便易行，但精度较低，仅适用于具有相似工况和负荷的风力发电机组。
理论评估是通过建立轴承的数学模型，考虑诸多因素如负荷、速度、温度等，并进行寿命预测。
这种方法相对较准确，但需要大量的实验数据和模型验证。
风力发电机组轴承寿命试验的关键技术包括轴承寿命试验台的设计和搭建、试验参数的选择和监测以及数据处理与分析。
轴承寿命试验台应根据风力发电机组的不同类型和规模，设计相应的试验台结构和载荷系统。
试验参数的选择应考虑实际风力发电机组的工况和负荷，如转速、温度、湿度等，并合理监测和记录这些参数，以获取可靠的试验数据。
试验数据的处理和分析包括对轴承的振动、温度和负荷等数据进行统计学处理，提取有用的特征参数，并运用寿命预测模型进行寿命评估。
除了寿命试验与评估方法的研究，提高风力发电机组轴承寿命的技术还包括材料改进与润滑技术。
风力发电机组轴承的疲劳寿命预测方法研究
风力发电机组轴承的疲劳寿命预测方法研究摘要：随着风力发电的快速发展，风力发电机组已经成为一种重要的可再生能源发电方式。
而风力发电机组中的轴承是其中一个关键组件，其运行状态对整个系统的稳定运行起着至关重要的作用。
由于环境复杂性和工作条件的挑战，轴承极易出现过载和疲劳损伤，因此疲劳寿命预测方法对提高风力发电机组的可靠性和经济性具有重要意义。
本文针对风力发电机组轴承的疲劳寿命预测方法进行了深入研究，并提出了一种基于统计学和模拟技术的新型预测方法。
一、简介轴承是风力发电机组中承载转子重量和各种载荷的重要组件。
由于工作环境的苛刻性，轴承可能会承受高速旋转、变载荷和不稳定条件，因此容易出现疲劳损伤。
而轴承的寿命决定了风力发电机组的可靠性和经济性，因此研究轴承的疲劳寿命预测方法对于提高风力发电系统的性能具有重要意义。
二、相关研究疲劳寿命预测方法是通过对轴承的工作环境和负载状况进行分析，以预测轴承失效的时间。
目前已有一些研究致力于开发有效的轴承疲劳寿命预测方法。
其中，基于统计学和模拟技术是两种常用的方法。
基于统计学的方法主要依赖于大量试验数据的分析和整理。
通过收集大量轴承的工作寿命和相关工作条件的数据，利用统计学方法建立预测模型，从而预测轴承的疲劳寿命。
这种方法相对简单且易于实施，但在数据收集和建模过程中需要耗费大量时间和资源。
另一种常用的方法是基于模拟技术的方法，如有限元分析和多体动力学分析。
有限元分析是一种基于数值模拟的方法，通过将轴承和周围结构建立成有限元模型，分析轴承在工作条件下的受力状况，进而预测轴承的疲劳寿命。
多体动力学分析则更加细致地考虑了轴承在整个机组中的作用，能够预测轴承受力情况的变化和分布。
这些模拟技术在轴承疲劳寿命预测中具有较高的准确性和可靠性，但对系统的建模和参数设置要求较高。
三、新型预测方法为了克服基于统计学方法和模拟技术方法的局限性，本文提出了一种新型的风力发电机组轴承疲劳寿命预测方法。
基于网格法的风力发电机组轴承寿命疲劳分析
基于网格法的风力发电机组轴承寿命疲劳分析风力发电机组是一种利用风能转化为电能的设备，而轴承作为风力发电机组中重要的部件之一，对于提供承载和支持功能起着至关重要的作用。
然而，在长期运行过程中，轴承面临着复杂的工作条件和高强度载荷，容易发生疲劳故障，导致设备的停机维修和寿命的降低。
因此，基于网格法的风力发电机组轴承寿命疲劳分析显得尤为重要。
基于网格法的风力发电机组轴承寿命疲劳分析是利用数学建模和计算仿真方法，通过模拟风力发电机组在实际工作条件下的载荷和振动情况，评估轴承的疲劳寿命和可靠性。
该方法主要分为以下几个步骤：第一步，建立风力发电机组的数学模型。
这一步骤通过收集有关风力发电机组的设计参数和工作条件，包括风速、转速、叶片质量等，利用数学模型描述风力发电机组的结构和组成部件。
同时，考虑到轴承的特点和载荷分布，确定轴承在数学模型中的位置和参数。
第二步，确定轴承的受力情况。
根据风力发电机组的数学模型和载荷特性，利用网格法将轴承所受到的载荷进行离散化处理，建立矩阵方程。
这一步骤需要考虑风力发电机组运行过程中的动力学效应、空气动力学效应和其他外界因素。
第三步，进行疲劳分析。
利用有限元方法对确定的轴承载荷进行分析，计算轴承的应力和变形情况，并利用材料的疲劳本构关系，评估轴承的疲劳寿命。
该步骤需要考虑轴承的材料特性和寿命预测模型。
第四步，评估轴承的可靠性。
根据疲劳寿命分析的结果，综合考虑轴承的材料、工作条件和设计参数，评估轴承的可靠性和安全性。
这一步骤可以借助可靠性理论和方法，确定轴承的失效概率和寿命分布。
基于网格法的风力发电机组轴承寿命疲劳分析具有以下几个优势：首先，该方法可以更精确地描述风力发电机组的工况和轴承受力情况，通过数值计算和计算仿真，得到更真实可靠的结果。
相比于传统的试验方法，可以大大节省实验成本和时间。
其次，通过疲劳分析，可以对轴承的寿命进行预测和评估。
这有助于制定合理的维护计划，减少轴承故障和停机维修的风险。
风力发电机组的疲劳与寿命评估
风力发电机组的疲劳与寿命评估随着对可再生能源的需求增加，风力发电机组作为一种无污染、可再生的能源发电方式，在全球范围内得到了广泛的应用。
然而，由于长期运行和恶劣环境条件的影响，风力发电机组往往面临着疲劳和寿命问题。
因此，对风力发电机组的疲劳和寿命进行评估是非常重要的。
风力发电机组的疲劳问题是指在长期风力作用下，机组部件会出现应力累积和损伤累积，导致机组性能下降和故障风险增加的现象。
疲劳问题主要集中在桨叶、转子轴、传动装置以及塔架等关键部位。
为了准确评估机组的疲劳程度，需要进行结构强度分析、应力分析和疲劳寿命预测。
结构强度分析是对风力发电机组的结构进行动力学计算和有限元分析，确定机组各个部件的应力分布。
通过结构强度分析，可以评估机组是否能够承受长期风力作用下的应力和变形。
应力分析是在结构强度分析的基础上，进一步通过计算得到关键部件的应力水平，以确定机组在工作状态下的最大应力点，从而判断机组是否存在应力集中和疲劳破坏的风险。
疲劳寿命预测是指通过对机组部件的疲劳寿命进行估算，预测机组能够安全运行的时间和剩余寿命。
疲劳寿命预测需考虑风力发电机组所处的环境条件、机组部件的材料特性和设计寿命等因素。
常用的疲劳寿命预测方法有基于振动信号的疲劳寿命预测、基于应力响应的疲劳寿命预测和基于失效机理的疲劳寿命预测。
基于振动信号的疲劳寿命预测是通过监测机组的振动信号，利用振动特征参数与疲劳损伤的关系，对机组进行疲劳寿命预测。
这种方法可以实时监测机组的运行状况，及时发现机组的异常振动，从而避免疲劳损伤的进一步发展。
基于应力响应的疲劳寿命预测是通过实测应力来推测机组的疲劳寿命。
该方法通常需要进行一些假设和参数的估算，对实际应力的模拟程度较低。
基于失效机理的疲劳寿命预测是通过对机组的失效机理进行研究，将机组疲劳寿命与失效机理相联系，通过实验来验证疲劳寿命预测模型的准确性。
为了准确评估风力发电机组的疲劳与寿命，需要收集和分析大量的运行数据。
风电轴承的蠕变和疲劳特性研究
风电轴承的蠕变和疲劳特性研究随着全球对可再生能源的日益关注，风能作为一种清洁、可持续的能源来源得到了广泛应用。
在风能转换过程中，风力发电机的稳定运行对于能源转化的效率至关重要。
然而，由于复杂的作业环境和长时间的运行，风电轴承面临着高温、重载、多颗粒、高速等等多种挑战，容易遭受损伤，导致故障和停机时间的增加。
为了确保风电轴承的长期稳定运行和延长其使用寿命，研究人员对风电轴承的蠕变和疲劳特性进行了广泛的研究。
本文将深入探讨这些研究成果，以期提供关于风电轴承可靠性和性能提升的重要信息。
首先，蠕变是指在给定的应力和温度条件下，长时间应力作用下材料发生形变和变形的现象。
在风电轴承中，由于长时间的重载和高温环境，材料可能发生蠕变现象。
因此，了解风电轴承的蠕变特性对于预测其寿命和可靠性非常重要。
研究表明，风电轴承的蠕变特性与轴承材料的选择密切相关。
目前常用的轴承材料包括铸铁、钢和合金钢等。
这些材料在高温下可能发生蠕变，从而影响风电轴承的性能。
因此，研究人员正在努力寻找更适合高温环境下的轴承材料。
此外，疲劳也是风电轴承面临的重要问题之一。
疲劳是指材料在连续加载和卸载过程中发生的损伤和破坏。
风电轴承在高速旋转和长时间高负荷运行的情况下容易出现疲劳现象。
因此，了解和研究疲劳特性可以帮助我们预测轴承的使用寿命，并采取相应的措施来延长其寿命。
研究发现，风电轴承的疲劳特性与材料的微观结构和应力分布有关。
为了改善风电轴承的疲劳特性，研究人员采用了多种方法和技术。
例如，通过优化轴承设计和减小载荷能够减轻轴承的疲劳损伤。
此外，表面处理和材料改性也可以改善轴承的耐疲劳性能。
除了轴承材料和设计的改进，监测和维护也是提高风电轴承可靠性的关键因素。
在风电轴承运行过程中，定期的检查和维护可以帮助我们发现和解决潜在的问题，减少故障和停机时间。
因此，建立有效的检测和维护系统对于保证风电轴承的稳定运行至关重要。
总之，风电轴承的蠕变和疲劳特性的研究对于提高风能发电机的可靠性和性能至关重要。
风电轴承疲劳寿命的可靠性灵敏度分析
收稿日期:２０２２－０４－２４基金项目:国家自然科学基金资助项目(５１９７５５１１ꎬ５１９７５１１０ꎬＵ２２Ｂ２０８７).作者简介:胡㊀兵(１９９７－)ꎬ男ꎬ山东菏泽人ꎬ东北大学硕士研究生ꎻ黄贤振(１９８２－)ꎬ男ꎬ山东定陶人ꎬ东北大学教授ꎬ博士生导师.第４４卷第８期２０２３年８月东北大学学报(自然科学版)ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)Ｖｏｌ.４４ꎬＮｏ.８Ａｕｇ.２０２３㊀ｄｏｉ:１０.１２０６８/ｊ.ｉｓｓｎ.１００５－３０２６.２０２３.０８.００９风电轴承疲劳寿命的可靠性灵敏度分析胡㊀兵１ꎬ黄贤振１ꎬ２ꎬ杜姗珊３(１.东北大学机械工程与自动化学院ꎬ辽宁沈阳㊀１１０８１９ꎻ２.东北大学航空动力装备振动及控制教育部重点实验室ꎬ辽宁沈阳㊀１１０８１９ꎻ３.瓦房店轴承集团有限责任公司风电轴承事业部ꎬ辽宁瓦房店㊀１１６３００)摘㊀㊀㊀要:以某２ＭＷ风电轴承为例ꎬ给出四自由度载荷作用下圆柱滚子轴承疲劳寿命的数学模型ꎬ通过Ｒｏｍａｘ软件分析结果验证所建模型的准确性.按轴承最小额定寿命建立极限状态方程ꎬ采用自适应克里金与蒙特卡罗模拟相结合(ａｄａｐｔｉｖｅＫｒｉｇｉｎｇ￣ＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎꎬＡＫ－ＭＣＳ)进行轴承疲劳寿命可靠性灵敏度分析.结果表明:轴承游隙㊁弹性模量㊁密度增大ꎬ轴承失效概率增大ꎻ轴承节圆㊁滚子有限长度增大ꎬ轴承失效概率减小ꎻ游隙对可靠性的影响最为明显ꎬ弹性模量㊁密度㊁滚子有限长度次之ꎬ节圆影响最小.关㊀键㊀词:圆柱滚子轴承ꎻ轴承疲劳寿命ꎻ自适应克里金与蒙特卡罗模拟ꎻ可靠性灵敏度分析ꎻ风力发电机中图分类号:ＴＨ１３３.３㊀㊀㊀文献标志码:Ａ㊀㊀㊀文章编号:１００５－３０２６(２０２３)０８－１１２８－０８ＲｅｌｉａｂｉｌｉｔｙＳｅｎｓｉｔｉｖｉｔｙＡｎａｌｙｓｉｓｏｆｔｈｅＦａｔｉｇｕｅＬｉｆｅｏｆＷｉｎｄＴｕｒｂｉｎｅＢｅａｒｉｎｇｓＨＵＢｉｎｇ１ꎬＨＵＡＮＧＸｉａｎ￣ｚｈｅｎ１ꎬ２ꎬＤＵＳｈａｎ￣ｓｈａｎ３(１.ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ＆ＡｕｔｏｍａｔｉｏｎꎬＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙꎬＳｈｅｎｙａｎｇ１１０８１９ꎬＣｈｉｎａꎻ２.ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＶｉｂｒａｔｉｏｎａｎｄＣｏｎｔｒｏｌｏｆＡｅｒｏ￣ＰｒｏｐｕｌｓｉｏｎＳｙｓｔｅｍｓꎬＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎꎬＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙꎬＳｈｅｎｙａｎｇ１１０８１９ꎬＣｈｉｎａꎻ３.ＷｉｎｄＰｏｗｅｒＢｅａｒｉｎｇＤｉｖｉｓｉｏｎꎬＷａｆａｎｇｄｉａｎＢｅａｒｉｎｇＧｒｏｕｐＣｏ.ꎬＬｔｄ.ꎬＷａｆａｎｇｄｉａｎ１１６３００ꎬＣｈｉｎａ.Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ:ＨＵＡＮＧＸｉａｎ￣ｚｈｅｎꎬＥ￣ｍａｉｌ:ｘｚｈｈｕａｎｇ＠ｍａｉｌ.ｎｅｕ.ｅｄｕ.ｃｎ)Ａｂｓｔｒａｃｔ:Ａ２ＭＷｗｉｎｄｔｕｒｂｉｎｅｂｅａｒｉｎｇｉｓｔａｋｅｎａｓａｎｅｘａｍｐｌｅꎬａｎｄｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆｔｈｅｆａｔｉｇｕｅｌｉｆｅｏｆｃｙｌｉｎｄｒｉｃａｌｒｏｌｌｅｒｂｅａｒｉｎｇｓｕｎｄｅｒｆｏｕｒｄｅｇｒｅｅｓｏｆｆｒｅｅｄｏｍｌｏａｄｉｓｇｉｖｅｎ.ＴｈｅａｃｃｕｒａｃｙｏｆｔｈｅｍｏｄｅｌｉｓｖｅｒｉｆｉｅｄｂｙＲｏｍａｘｓｏｆｔｗａｒｅａｎａｌｙｓｉｓｒｅｓｕｌｔｓ.ＴｈｅｌｉｍｉｔｓｔａｔｅｅｑｕａｔｉｏｎｉｓｅｓｔａｂｌｉｓｈｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｍｉｎｉｍｕｍｒａｔｅｄｌｉｆｅｏｆｔｈｅｂｅａｒｉｎｇꎬａｎｄｔｈｅａｄａｐｔｉｖｅＫｒｉｇｉｎｇ￣ＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ(ＡＫ￣ＭＣＳ)ｍｅｔｈｏｄｉｓｕｓｅｄｔｏａｎａｌｙｚｅｔｈｅｒｅｌｉａｂｉｌｉｔｙｓｅｎｓｉｔｉｖｉｔｙｏｆｔｈｅｂｅａｒｉｎｇᶄｓｆａｔｉｇｕｅｌｉｆｅ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｂｅａｒｉｎｇｆａｉｌｕｒｅｐｒｏｂａｂｉｌｉｔｙｉｎｃｒｅａｓｅｓｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｂｅａｒｉｎｇｃｌｅａｒａｎｃｅꎬｅｌａｓｔｉｃｍｏｄｕｌｕｓａｎｄｄｅｎｓｉｔｙ.Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｂｅａｒｉｎｇｐｉｔｃｈａｎｄｒｏｌｌｅｒｆｉｎｉｔｅｌｅｎｇｔｈꎬｔｈｅｆａｉｌｕｒｅｐｒｏｂａｂｉｌｉｔｙｏｆｂｅａｒｉｎｇｓｄｅｃｒｅａｓｅｓ.Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｃｌｅａｒａｎｃｅｏｎｒｅｌｉａｂｉｌｉｔｙｉｓｔｈｅｍｏｓｔｏｂｖｉｏｕｓꎬｆｏｌｌｏｗｅｄｂｙｅｌａｓｔｉｃｍｏｄｕｌｕｓꎬｄｅｎｓｉｔｙａｎｄｒｏｌｌｅｒｆｉｎｉｔｅｌｅｎｇｔｈꎬａｎｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｐｉｔｃｈｉｓｔｈｅｌｅａｓｔ.Ｋｅｙｗｏｒｄｓ:ｃｙｌｉｎｄｒｉｃａｌｒｏｌｌｅｒｂｅａｒｉｎｇꎻｂｅａｒｉｎｇｆａｔｉｇｕｅｌｉｆｅꎻＡＫ￣ＭＣＳꎻｒｅｌｉａｂｉｌｉｔｙｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓꎻｗｉｎｄｔｕｒｂｉｎｅ㊀㊀在我国ꎬ由于国家政策使得以风力发电为主的清洁能源行业迅速发展[１].同时ꎬ风力发电机故障频发.根据调查显示ꎬ在风力发电机故障原因中ꎬ约５０％是由轴承失效因素引起的[２]ꎬ对轴承疲劳寿命进行分析显得尤为重要.针对轴承的疲劳寿命问题ꎬ许多研究人员提供了大量理论依据.Ｋａｂｕｓ等[３]采用弹性半空间理论计算滚子接触应力ꎬ计算了滚动轴承疲劳寿命.Ｗａｒｄａ等[４]利用三维弹性体接触方法计算滚子接触应力ꎬ对轴承疲劳寿命进行预测.Ｔｏｎｇ等[５]分析了误差源对轴承疲劳寿命的影响ꎬ但未对误差源进行可靠性分析.Ｃｒｅｔｕ[６]研究了滚子几㊀㊀何形状㊁游隙㊁偏转角和工作载荷对滚子接触应力的影响ꎬ通过切片技术计算了轴承疲劳寿命.Ｌｉ等[７]基于损伤演化方程研究了接触载荷对轴承疲劳寿命的影响.Ｄｕａｎ等[８]建立了轴承疲劳寿命耦合模型ꎬ探究了高速圆柱滚子轴承偏心角对轴承性能的影响.Ｚｈａｏ等[９]考虑了径向力㊁轴向力和弯矩的耦合效应ꎬ给出了多自由度载荷下轴承疲劳寿命的预测方法.虽然轴承疲劳寿命的研究趋于成熟ꎬ但传统轴承疲劳寿命分析方法认为轴承结构参数是确定的.实际上ꎬ受加工㊁制造和装配工艺的影响ꎬ轴承结构参数具有随机性[１０]ꎬ使得理论分析与实际情况不符ꎻ此外ꎬ将轴承疲劳寿命模型与ＡＫ－ＭＣＳ可靠性分析方法相结合的研究鲜有报道.针对上述问题ꎬ本文以某２ＭＷ风电轴承为研究对象ꎬ建立圆柱滚子轴承疲劳寿命模型 四自由度拟静力学模型ꎬ按风电行业标准ꎬ给出轴承疲劳寿命的极限状态方程ꎬ通过ＡＫ－ＭＣＳ方法计算轴承疲劳寿命的可靠度及灵敏度ꎬ从而确定轴承结构参数对轴承疲劳寿命的影响程度ꎬ为提高风机轴承可靠度提供理论依据.１㊀圆柱滚子轴承疲劳寿命模型１ １㊀轴承接触载荷模型为了得到计算轴承疲劳寿命所需要的各滚子接触载荷ꎬ建立了图１所示的圆柱滚子轴承全局坐标系和图２所示的滚子局部坐标系.在图１和图２中ꎬＦＴ＝[ＦｘꎬＦｙꎬＭｘꎬＭｙ]和ΔＴ＝[ΔｘꎬΔｙꎬγｘꎬγｙ]分别为轴承外载荷和轴承内圈位移ꎬＵＴ＝[Δｕꎬγｕ]和ＶＴ＝[Δｖꎬγｖ]分别为轴承内圈在滚子处的位移和滚子位移.图１㊀全局坐标系Ｆｉｇ １㊀Ｇｌｏｂａｌｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍ㊀㊀轴承内圈位移在全局坐标系与局部坐标系下的映射关系为Ｕ＝ＣˑΔ.(１)式中:Ｃ＝ｃｏｓφ０ｓｉｎφ０－ｓˑｓｉｎφ－ｓｉｎφｓˑｃｏｓφｃｏｓφéëêêùûúú为转变矩阵ꎻｓ为轴承轴向安装误差ꎻφ为轴承方位角.图２㊀局部坐标系Ｆｉｇ ２㊀Ｌｏｃａｌｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍ(ａ) 滚子方位角ꎻ(ｂ) 滚子变形.㊀㊀如图３所示ꎬ为了对滚子运用切片技术ꎬ需对滚子受力分析和构建滚子薄片变形协调关系.其中ꎬｌｋ为第ｋ个薄片到ｈ轴的距离(ｋ＝１ꎬ２ꎬ ꎬｎｓ)ꎬｈｋ为第ｋ个薄片凸度量ꎬｎｓ为薄片总数ꎬｗ为单个薄片的厚度.在外载荷作用下ꎬ滚子承受离心力为Ｆｃ㊁滚子与内(外)滚道之间的接触力为Ｑｉ(Ｑｅ)以及滚子与内(外)滚道之间的接触力矩为Ｍｉ(Ｍｅ).图３㊀滚子切片技术Ｆｉｇ ３㊀Ｒｏｌｌｅｒｓｌｉｃｉｎｇｔｅｃｈｎｉｑｕｅ㊀㊀为了获得滚子各薄片的接触力ꎬ需在实际接触区域内对滚子进行切片处理ꎬ第ｋ个薄片上的接触力ｑｋ为ｑｋ＝Δ１.１１ｋＫ１.１１ａˑｌ０.１１ｔˑｗ.(２)式中ꎬＫａ为材料系数ꎬ其表达式为Ｋａ＝３.８１ˑ２ˑ１－ν２()πˑＥæèçöø÷０.９.(３)其中ꎬｖ和Ｅ分别为材料的泊松比和弹性模量.滚子与滚道之间的初始变形量Δ０㊁相对角位移β以及接触变形量Δｋ分别为９２１１第８期㊀㊀㊀胡㊀兵等:风电轴承疲劳寿命的可靠性灵敏度分析Δ０ｉ＝Δｕ－Δｖ－Ｐｄ４ꎬ适用于滚子与内滚道ꎻΔ０ｅ＝Δｖ－Ｐｄ４ꎬ适用于滚子与外滚道.üþýïïïï(４)βｉ＝γｕ－γｖꎬ适用于滚子与内滚道ꎻβｅ＝γｖꎬ适用于滚子与外滚道.}(５)Δｋ＝Δ０＋βˑｌｋ－ｈｋ.(６)式中ꎬＰｄ为轴承径向游隙.在计算接触载荷时ꎬ为了保证滚子与滚道始终接触ꎬ避免进入非承载区ꎬ需满足:Δｋｉȡ０ꎬΔｋｅȡ０.}(７)在实际接触区域内对ｎｓ个薄片上的接触载荷进行累加ꎬ可获得滚子的接触载荷为Ｑ＝ðｎｓｋ＝１ｑｋꎬＭ＝ðｎｓｋ＝１ｑｋˑｌｋ.üþýïïïï(８)㊀㊀滚子平衡方程为Ｑｉ－Ｑｅ＋Ｆｃ＝０ꎬＭｉ－Ｍｅ＝０.}(９)式中ꎬＦｃ为离心力ꎬ其函数表达式为Ｆｃ＝π３ρＤ２ｗｎ２ｄｍｌｔ７２００.(１０)式中:ρ为材料密度ꎻＤｗ为滚子直径ꎻｎ为轴承公转速度ꎻｄｍ为轴承节圆直径ꎻｌｔ为滚子有效长度.联立式(１)~式(１０)ꎬ可得到轴承内圈的平衡方程为Ｆ＋ðＺｊ＝１ＣＴ－Ｑｉ－Ｍｉ[]＝０.(１１)采用数值方法求解式(９)和式(１１)ꎬ即可获得轴承内圈位移矢量ΔＴ.轴承拟静力学问题求解流程如图４所示.１ ２㊀疲劳寿命计算轴承内㊁外滚道额定动载荷分别为Ｑｃｉ＝５５２ˑλｉˑ(１－α)２９２７(１＋α)１４ˑα２９ˑＤｗ２９２７ˑｌｔ７９ˑＺ－１４ꎬ(１２)Ｑｃｅ＝５５２ˑλｅˑ(１＋α)２９２７(１－α)１４ˑα２９ˑＤｗ２９２７ˑｌｔ７９ˑＺ－１４.(１３)式中:λｉ和λｅ为轴承考虑应力集中的降低系数ꎬ取值为０ ８３ꎻα为辅助参数ꎬ其函数表达式为图４㊀求解流程图Ｆｉｇ ４㊀Ｓｏｌｕｔｉｏｎｆｌｏｗｃｈａｒｔα＝Ｄｗｄｍ.(１４)轴承内㊁外滚道的当量动载荷分别为Ｑｅｉ＝１Ｚˑðｊ＝Ｚｊ＝１Ｑ４ｉ()１４ꎬ(１５)Ｑｅｅ＝１Ｚˑðｊ＝Ｚｊ＝１Ｑ４.５ｅ()１４.５.(１６)轴承内㊁外滚道的疲劳寿命分别为Ｌｉ＝ＱｃｉＱｅｉæèçöø÷４ꎬ(１７)Ｌｅ＝ＱｃｅＱｅｅæèçöø÷４.(１８)以百万转(１０６ｒ)为单位表示轴承的疲劳寿命ꎬ则Ｌ１０ｒ＝Ｌ－９８ｉ＋Ｌ－９８ｅ()－８９.(１９)以小时数(ｈ)为单位表示轴承的疲劳寿命ꎬ则Ｌ１０ｈ＝Ｌ１０ｒ６０ˑｎ.(２０)２㊀轴承疲劳寿命可靠性分析２ １㊀失效概率受制造工艺的影响ꎬ导致轴承结构参数具有随机性ꎬ影响分析结果的准确性.轴承随机变量为轴承内滚道沟底直径ｄｉ㊁轴承外滚道沟底直径ｄｏ㊁滚子直径Ｄｗ㊁滚子有限长度ｌｔ㊁材料的弹性模０３１１东北大学学报(自然科学版)㊀㊀㊀第４４卷㊀㊀量Ｅ㊁材料密度ρꎬ由于轴承内㊁外滚道沟底直径及滚子直径ꎬ主要影响轴承节圆ｄｍ与游隙Ｐｄꎬ则随机变量可表示为Ｘ＝[ｄｍꎬＰｄꎬｌｔꎬＥꎬρ]Ｔꎬ轴承疲劳寿命极限状态函数为Ｇ＝ｇ(Ｘ)＝Ｒ(Ｘ)－ｒ∗.(２１)式中:Ｒ(Ｘ)为轴承疲劳寿命模型得到的轴承疲劳寿命ꎻｒ∗为阈值ꎬ根据风机行业标准及ＡＧＭＡ－６００６[１１]ꎬ阈值ｒ∗＝３００００ｈ.当函数Ｇ>０时ꎬ安全域Ｓ＝{ｘ:ｇ(ｘ)>０}ꎬ则轴承疲劳寿命大于３００００ｈꎬ风力发电机正常工作ꎻ当函数Ｇ<０时ꎬ故障域Ｆ＝{ｘ:ｇ(ｘ)<０}ꎬ则轴承疲劳寿命小于３００００ｈꎬ导致风力发电机故障.轴承疲劳寿命的失效概率Ｐｆ为Ｐｆ＝ʏＧ<０ｆＸ(ｘ)ｄｘ.(２２)式中ꎬｆＸ(ｘ)是Ｘ的联合概率密度函数.在工程应用中ꎬ轴承结构参数是相互独立的ꎬ则失效概率表示为Ｐｆ＝ʏ ʏＧ<０ｆＸ１(ｘ１) ｆＸ５(ｘ５)ｄｘ１ ｄｘ５.(２３)无法直接求解式(２３)中所示的多维积分[１２].２ ２㊀Ｋｒｉｇｉｎｇ代理模型在实际工程问题中ꎬＭｏｎｔｅＣａｒｌｏ模拟方法通常用于可靠性分析ꎬ但运算量大.为提高计算效率ꎬ通过Ｋｒｉｇｉｎｇ代理模型对轴承疲劳寿命模型进行可靠性分析.Ｋｒｉｇｉｎｇ代理模型为ｙ(ｘ)＝Ｆ(βꎬｘ)＋ｚ(ｘ)＝ｆ(ｘ)Ｔβ＋ｚ(ｘ).(２４)式中:ｙ(ｘ)为Ｋｒｉｇｉｎｇ代理模型的预测值ꎬ即轴承疲劳寿命ꎻＦ(βꎬｘ)为回归模型ꎻｆ(ｘ)为多项式函数ꎬ提供轴承疲劳寿命模型的全局近似ꎻβ为回归系数ꎬ可由已知的轴承疲劳寿命确定ꎻｚ(ｘ)反映轴承疲劳寿命模型的局部近似ꎬ且ｚ(ｘ)服从均值μ＝０㊁方差为σ２的正态分布ꎬ其协方差为ｃｏｖ[ｚ(ｘｉ)ꎬｚ(ｘｊ)]＝σ２Ｒ(θꎬｘｉꎬｘｊ).(２５)式中:σ２为方差ꎻＲ(θꎬｘｉꎬｘｊ)为高斯型核函数.Ｋｒｉｇｉｎｇ代理模型的预测值为＾ｙ(ｘ)＝ｆ(ｘ)Ｔβ∗＋ｒ(ｘ)ＴＲ－１(ｙ－Ｆβ∗).(２６)式中:β∗是β的估计值ꎻｒ(ｘ)是训练与预测样本点之间的相关函数ꎻｙ是由响应值组成的列向量ꎻＦ是回归模型矩阵ꎬ由ｍ个样本点组成.β∗和σ２由极大似然估计求得.β∗＝(ＦＴＲ－１Ｆ)－１ＦＴＲ－１ｙꎬ(２７)σ２＝(ｙ－Ｆβ∗)ＴＲ－１(ｙ－Ｆβ∗)/ｍ.(２８)２ ３㊀可靠性灵敏度分析可靠性灵敏度[１３]定义为∂Ｐｆ∂θ(ｋ)Ｘｉ＝∂ʏＦｆＸ(ｘ)ｄｘ∂θ(ｋ)Ｘｉ＝ʏＦ∂ｆＸ(ｘ)∂θ(ｋ)Ｘｉｄｘ＝ＥＩＦ(ｘ)ｆＸ(ｘ)∂ｆＸ(ｘ)∂θ(ｋ)Ｘｉ[].(２９)式中:Ｘｉ表示第ｉ个随机变量ꎻθ(ｋ)Ｘｉ表示分布参数ꎻｋ表示分布参数的个数ꎻＥ[ ]表示期望算子.可靠性灵敏度的估计值∂＾Ｐｆ/∂θ(ｋ)Ｘｉ为∂＾Ｐｆ∂θ(ｋ)Ｘｉ＝１ＮðＮｊ＝１ＩＦ(ｘｊ)ｆＸ(ｘｊ)∂ｆＸ(ｘｊ)∂θ(ｋ)Ｘｉ[].(３０)式中:Ｎ为总样本数ꎻｘｊ为第ｊ个样本ꎻＩＦ(ｘｊ)为故障域指示函数.若ｘɪＦꎬ则ＩＦ(ｘｊ)＝１ꎻ反之ꎬＩＦ(ｘｊ)＝０.对等式(３０)两边计算数学期望ꎬ则Ｅ∂＾Ｐｆ∂θ(ｋ)Ｘｉ[]＝∂Ｐｆ∂θ(ｋ)Ｘｉʈ１ＮðＮｊ＝１ＩＦ(ｘｊ)ｆＸ(ｘｊ)∂ｆＸ(ｘｊ)∂θ(ｋ)Ｘｉ[]＝∂＾Ｐｆ∂θ(ｋ)Ｘｉ.(３１)方差及相应的变异系数分别为Ｖａｒ∂＾Ｐｆ∂θ(ｋ)Ｘｉ[]ʈ１ＮðＮｊ＝１ＩＦ(ｘｊ)ｆＸ(ｘｊ)∂ｆＸ(ｘｊ)∂θ(ｋ)Ｘｉ[]２－∂＾Ｐｆ∂θ(ｋ)Ｘｉæèçöø÷２{}Ｎ－１ꎬ(３２)Ｃｏｖ[∂＾Ｐｆ/∂θ(ｋ)Ｘｉ]ʈＶａｒ[∂＾Ｐｆ/∂θ(ｋ)Ｘｉ]∂＾Ｐｆ/∂θ(ｋ)Ｘｉ.(３３)无量纲处理后ꎬ均值μｘｊ及标准差σｘｊ的灵敏度为Ｓμｘｊ＝∂Ｐｆ∂μｘｊˑσｘｊＰｆ＝１ＮðＮｉ＝１ＩＦ(ｘｉ)ˑ(ｘｊ－μｘｊ)σ２ｘｊꎬ(３４)Ｓσｘｊ＝∂Ｐｆ∂σｘｊˑσｘｊＰｆ＝１ＮðＮｉ＝１ＩＦ(ｘｉ)σｘｊˑ(ｘｊ－μｘｊ)σ２ｘｊ－１.(３５)２ ４㊀ＡＫ－ＭＣＳ方法ＡＫ－ＭＣＳ方法结合了自适应Ｋｒｉｇｉｎｇ代理模型和ＭｏｎｔｅＣａｒｌｏ模拟方法ꎬ与Ｋｒｉｇｉｎｇ代理模型方法相比ꎬ轴承疲劳寿命模型调用次数更少ꎬ预测结果更加准确ꎬ提高了可靠性分析的效率.图５为ＡＫ－ＭＣＳ方法分析灵敏度流程ꎬ其步骤:１)由联合概率密度函数ｆＸ(ｘ)生成随机变量Ｘ的ＭｏｎｔｅＣａｒｌｏ样本池Ｓｍｃꎬ样本池Ｓｍｃ包括Ｎｍｃ组随机变量ꎻ２)从样本池Ｓｍｃ中选取Ｎ１样本点ꎬ代入轴承疲劳寿命模型中得到基本额定寿命ꎬ形成初始训１３１１第８期㊀㊀㊀胡㊀兵等:风电轴承疲劳寿命的可靠性灵敏度分析㊀㊀练集Ｔｍｃꎻ３)根据初始训练集Ｔｍｃ的数据ꎬ通过Ｍａｔｌａｂ中ＤＡＣＥ工具箱构建初始Ｋｒｉｇｉｎｇ代理模型Ｇｋꎻ４)当满足Ｕ学习函数收敛准则时ꎬ即ｍｉｎｘɪＳｍｃＵ(ｘ)ȡ２ꎬ停止自适应学习过程ꎬ执行下一步ꎻ反之ꎬ选取对提高模型精度贡献较大的样本点加到Ｔｍｃ中ꎬ并更新初始Ｋｒｉｇｉｎｇ代理模型Ｇｋ.学习函数定义为ｘｕ＝ａｒｇｍｉｎｘɪＳｍｃＵ(ｘ).(３６)５)由训练后的Ｋｒｉｇｉｎｇ代理模型Ｇｋ计算样本池Ｓｍｃ中样本对应的故障域指示函数ＩＦ(ｘ)ꎻ６)利用式(２９)~式(３３)计算可靠性局部灵敏度和变异系数ꎻ７)当满足ＡＫ－ＭＣＳ方法收敛准则时ꎬ即Ｃｏｖ[∂＾Ｐｆ/∂θ(ｋ)Ｘｉ]<５％ꎬ结束ＡＫ－ＭＣＳ过程ꎻ反之ꎬ扩大样本池Ｓｍｃ并执行步骤３).图５㊀ＡＫ－ＭＣＳ方法流程图Ｆｉｇ ５㊀ＡＫ－ＭＣＳｍｅｔｈｏｄｆｌｏｗｃｈａｒｔ３㊀数值计算３ １㊀轴承疲劳寿命模型验证本文所研究的２ＭＷ风力发电机安装在嘉峪关市ꎬ轴承型号为ＮＵ２２３２ꎬ轴承结构如图６所示ꎬ相关参数见表１.在额定工况下ꎬ轴承的工作载荷为１０５ｋＮꎬ转速为１５３０ｒ/ｍｉｎꎬ嘉峪关极限阵风达到５２ ５ｍ/ｓꎬ轴承转速可达５０００ｒ/ｍｉｎ.将轴承承受的载荷从９０ｋＮ增加到１３０ｋＮꎬ转速从５００ｒ/ｍｉｎ图６㊀ＮＵ２２３２结构图Ｆｉｇ ６㊀ＮＵ２２３２ｓｔｒｕｃｔｕｒｅｄｉａｇｒａｍ增加到５０００ｒ/ｍｉｎꎬ用于验证模型准确性.通过Ｒｏｍａｘ软件建立风机主轴轴系简化模型ꎬ进行网格划分ꎬ连接相关节点ꎬ如图７所示.表１㊀轴承参数Ｔａｂｌｅ１㊀Ｂｅａｒｉｎｇｐａｒａｍｅｔｅｒｓ名称符号参数外径/ｍｍＤ２９０内径/ｍｍｄ１６０宽度/ｍｍＢ８０外滚道沟底直径的平均值/ｍｍｄｏ２６１内滚道沟底直径的平均值/ｍｍｄｉ１９３滚子直径/ｍｍＤｗ３４滚子总长度/ｍｍｌ５５滚子有效长度/ｍｍｌｔ５３滚子数/个Ｚ１８弹性模量/ＭＰａＥ２０５０００密度/(ｋｇ ｍ－３)ρ７８０６泊松比ν０.３图７㊀轴系示意图Ｆｉｇ ７㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｔｈｅｓｈａｆｔｓｙｓｔｅｍ(ａ) 轴系简化模型ꎻ(ｂ) 网格划分.㊀㊀将轴承疲劳寿命模型的数值计算结果与Ｒｏｍａｘ软件分析结果进行对比.结果表明:①在额定工况下ꎬ即Ｆｘ＝１０５ｋＮꎬｎ＝１５３０ｒ/ｍｉｎꎬ计算最大误差不超过１％ꎻ内滚道承载区为１８０ʎꎬ最大接触载荷为２５ ２６ｋＮꎻ由于惯性载荷的作用ꎬ导致外滚道承载区为３６０ʎꎬ最大接触载荷为２５ ４６ｋＮꎻ如图８所示.②径向力Ｆｘ从９０ｋＮ增２３１１东北大学学报(自然科学版)㊀㊀㊀第４４卷㊀㊀㊀㊀图８㊀接触载荷雷达图Ｆｉｇ ８㊀Ｒａｄａｒｃｈａｒｔｏｆｃｏｎｔａｃｔｌｏａｄ(ａ) 内滚道接触载荷ꎻ(ｂ) 外滚道接触载荷.加到１３０ｋＮꎬ轴承承载区接触载荷显著增加ꎬ轴承承载区未发生变化ꎬ其中内滚道最大接触载荷从２１ ７６ｋＮ增加到３１ ０９ｋＮꎬ如图９所示.③游隙Ｐｄ从０增加到３０μｍꎬ轴承承载区接触载荷显著增加ꎻ其中内滚道最大接触载荷从２５ ２６ｋＮ增加到２７ ７７ｋＮꎬ承载区从１８０ʎ减少到１４０ʎꎻ如图１０所示.④转速ｎ从５００ｒ/ｍｉｎ增加到５０００ｒ/ｍｉｎꎬ图９㊀力对内滚道接触载荷影响Ｆｉｇ ９㊀Ｉｎｆｌｕｅｎｃｅｏｆｆｏｒｃｅｏｎｔｈｅｉｎｎｅｒｒａｃｅｗａｙｃｏｎｔａｃｔｌｏａｄ图１０㊀游隙对内滚道接触载荷影响Ｆｉｇ １０㊀Ｉｎｆｌｕｅｎｃｅｏｆｃｌｅａｒａｎｃｅｏｎｔｈｅｃｏｎｔａｃｔｌｏａｄｏｆｉｎｎｅｒｒａｃｅ未导致轴承承载区发生变化ꎻ由于惯性载荷作用ꎬ外滚道接触载荷从２５ ２４ｋＮ增加到２７ ６９ｋＮꎬ如图１１所示.⑤转速ｎ从５００ｒ/ｍｉｎ增加到５０００ｒ/ｍｉｎ㊁游隙Ｐｄ从０增加到３０μｍꎬ轴承基本额定寿命Ｌ１０ｈ从１ １１ˑ１０５ｈ减少到７ ５３ˑ１０３ｈꎻ如图１２所示.图１１㊀转速对外滚道接触载荷影响Ｆｉｇ １１㊀Ｉｎｆｌｕｅｎｃｅｏｆｒｏｔａｔｉｏｎａｌｓｐｅｅｄｏｎｔｈｅｏｕｔｅｒｒａｃｅｗａｙｃｏｎｔａｃｔｌｏａｄ图１２㊀游隙及转速对轴承疲劳寿命影响Ｆｉｇ １２㊀Ｉｎｆｌｕｅｎｃｅｏｆｃｌｅａｒａｎｃｅａｎｄｒｏｔａｔｉｏｎａｌｓｐｅｅｄｏｎｔｈｅｂｅａｒｉｎｇᶄｓｆａｔｉｇｕｅｌｉｆｅ３ ２㊀轴承疲劳寿命可靠性灵敏度分析轴承结构参数Ｘ＝[ｄｍꎬＰｄꎬｌｔꎬＥꎬρ]Ｔ具有随机性ꎬ且符合正态分布ꎬ各参数对应的均值和标准３３１１第８期㊀㊀㊀胡㊀兵等:风电轴承疲劳寿命的可靠性灵敏度分析差如表２所示.在Ｆｘ＝１０５ｋＮꎬｎ＝１５３０ｒ/ｍｉｎ的额定工况下ꎬ通过拉丁超立方抽样方法ꎬ抽取５０组随机变量样本ꎬ作为自适应Ｋｒｉｇｉｎｇ代理模型的输入量ꎻ通过轴承疲劳寿命模型得到轴承疲劳寿命Ｌ１０ｈꎬ作为自适应Ｋｒｉｇｉｎｇ代理模型的输出量ꎻ构建自适应Ｋｒｉｇｉｎｇ代理模型.抽取１００组随机变量作为测试样本ꎬ分别代入轴承疲劳寿命模型和自适应Ｋｒｉｇｉｎｇ代理模型中计算ꎬ得到１００组Ｌ１０ｈ的对比情况ꎬ如图１３所示.图１４显示了自适应Ｋｒｉｇｉｎｇ代理模型的预测误差ꎬ最大误差为０ ０５８％ꎬ验证了构建的自适应Ｋｒｉｇｉｎｇ代理模型的有效性.表２㊀随机变量表Ｔａｂｌｅ２㊀Ｔａｂｌｅｏｆｒａｎｄｏｍｖａｒｉａｂｌｅｓ随机变量符号分布类型均值标准差节圆/ｍｍｄｍ正态分布２２７０.０２２７游隙/ｍｍＰｄ正态分布０.００５０.００２５滚子有限长度/ｍｍｌｔ正态分布５３０.０２６５弹性模量/ＭＰａＥ正态分布２１００００１０５０密度/(ｋｇ ｍ－３)ρ正态分布７８１０３９.０５图１３㊀两种模型计算结果对比Ｆｉｇ １３㊀Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｔｗｏｍｏｄｅｌｓ图１４㊀自适应Ｋｒｉｇｉｎｇ代理模型的预测误差Ｆｉｇ １４㊀ＰｒｅｄｉｃｔｉｏｎｅｒｒｏｒｓｏｆａｄａｐｔｉｖｅＫｒｉｇｉｎｇｓｕｒｒｏｇａｔｅｍｏｄｅｌｓ㊀㊀为探究转速ｎ对轴承疲劳寿命可靠度的影响ꎬ在径向力Ｆｘ＝１０５ｋＮ㊁游隙Ｐｄ＝０条件下ꎬ用ＡＫ－ＭＣＳ方法进行可靠性分析ꎬ得到了轴承疲劳寿命可靠度随转速ｎ的变化规律.当转速ｎ＝１５３０ｒ/ｍｉｎ时ꎬ可靠度为１ꎬ即轴承疲劳寿命大于３００００ｈꎬ风力发电机正常工作ꎻ当转速ｎ＝１６００ｒ/ｍｉｎ时ꎬ可靠度为０ ９９９８ꎬ轴承开始失效ꎬ发生疲劳失效概率较低ꎻ随着转速的增加ꎬ可靠度降低ꎬ当转速ｎ＝１９００ｒ/ｍｉｎ时ꎬ可靠度为０ꎬ轴承完全失效ꎬ风力发电机停机ꎬ如图１５所示.图１５㊀转速对轴承疲劳寿命可靠度影响Ｆｉｇ １５㊀Ｉｎｆｌｕｅｎｃｅｏｆｒｏｔａｔｉｏｎａｌｓｐｅｅｄｏｎｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｔｈｅｂｅａｒｉｎｇᶄｓｆａｔｉｇｕｅｌｉｆｅ㊀㊀为探究径向力Ｆｘ对轴承疲劳寿命可靠度的影响ꎬ在转速ｎ＝１５３０ｒ/ｍｉｎ㊁游隙Ｐｄ＝０条件下ꎬ用ＡＫ－ＭＣＳ方法进行可靠性分析ꎬ得到了轴承疲劳寿命可靠度随径向力Ｆｘ的变化规律.当径向力Ｆｘ＝１０５ｋＮ时ꎬ可靠度为１ꎬ即轴承疲劳寿命大于３００００ｈꎬ风机正常工作ꎻ当径向力Ｆｘ＝１０６ ５ｋＮ时ꎬ可靠度为０ ９９９５ꎬ轴承开始失效ꎬ发生疲劳失效概率较低ꎻ随着径向力的增加ꎬ可靠度降低ꎬ当径向力Ｆｘ＝１１１ｋＮ时ꎬ可靠度为０ꎬ轴承完全失效ꎬ风力发电机停机ꎬ如图１６所示.图１６㊀径向力对轴承疲劳寿命可靠度影响Ｆｉｇ １６㊀Ｉｎｆｌｕｅｎｃｅｏｆｒａｄｉａｌｆｏｒｃｅｏｎｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｔｈｅｂｅａｒｉｎｇᶄｓｆａｔｉｇｕｅｌｉｆｅ４３１１东北大学学报(自然科学版)㊀㊀㊀第４４卷㊀㊀㊀㊀为探究轴承随机变量对轴承疲劳寿命影响程度ꎬ用ＡＫ－ＭＣＳ方法进行可靠性灵敏度分析.随着游隙Ｐｄ㊁弹性模量Ｅ㊁密度ρ的增大ꎬ轴承疲劳失效概率也随之增大ꎻ随着节圆ｄｍ㊁滚子有限长度ｌｔ的增大ꎬ轴承疲劳失效概率随之减小ꎬ其中轴承疲劳失效概率受游隙的影响最大ꎬ占所有随机变量的８９ ４９％ꎬ如图１７~图１８所示.因此ꎬ在加工轴承的过程中ꎬ应严格控制轴承内㊁外滚道沟底直径及滚子直径的加工误差ꎬ保证加工精度.图１７㊀均值可靠性灵敏度Ｆｉｇ １７㊀Ｍｅａｎｒｅｌｉａｂｉｌｉｔｙｓｅｎｓｉｔｉｖｉｔｙ图１８㊀随机变量占比图Ｆｉｇ １８㊀Ｐｒｏｐｏｒｔｉｏｎｏｆｒａｎｄｏｍｖａｒｉａｂｌｅｓ４㊀结㊀㊀论１)本文以某２ＭＷ风电轴承为例ꎬ建立了圆柱滚子轴承疲劳寿命的数学模型ꎬ通过与Ｒｏｍａｘ软件计算结果对比ꎬ验证轴承疲劳寿命模型的有效性ꎬ且误差控制在１％以内.２)考虑了圆柱滚子轴承在制造中存在的随机因素:内(外)滚道沟底直径㊁滚子直径㊁滚子长度㊁密度㊁弹性模量ꎬ建立轴承疲劳寿命极限状态方程ꎬ通过ＡＫ－ＭＣＳ方法对轴承疲劳寿命进行可靠性分析.３)随转速及载荷的增大ꎬ轴承疲劳失效概率随之增大ꎻ轴承游隙㊁弹性模量㊁密度增大ꎬ轴承疲劳失效概率增大ꎻ轴承节圆㊁滚子有限长度增大ꎬ轴承疲劳失效概率减小ꎬ游隙对轴承疲劳寿命可靠性的影响最为明显ꎬ占所有随机变量的８９ ４９％ꎬ弹性模量㊁密度㊁滚子有限长度次之ꎬ节圆影响最小.参考文献:[１]㊀李俊峰ꎬ施鹏飞ꎬ高虎.中国风电发展报告２０１０[Ｍ].海口:海南出版社ꎬ２０１０.(ＬｉＪｕｎ￣ｆｅｎｇꎬＳｈｉＰｅｎｇ￣ｆｅｉꎬＧａｏＨｕ.Ｃｈｉｎａｗｉｎｄｐｏｗｅｒｄｅｖｅｌｏｐｍｅｎｔｒｅｐｏｒｔ２０１０[Ｍ].Ｈａｉｋｏｕ:ＨａｉｎａｎＰｒｅｓｓꎬ２０１０.)[２]㊀ＫｅｌｌｅｒＪꎬＳｈｅｎｇＳꎬＣｏｔｒｅｌｌＪꎬｅｔａｌ.Ｗｉｎｄｔｕｒｂｉｎｅｄｒｉｖｅｔｒａｉｎｒｅｌｉａｂｉｌｉｔｙｃｏｌｌａｂｏｒａｔｉｖｅｗｏｒｋｓｈｏｐ:ａｒｅｃａｐ[Ｒ].ＮａｔｉｏｎａｌＲｅｎｅｗａｂｌｅＥｎｅｒｇｙＬａｂ(ＮＲＥＬ)ꎬＧｏｌｄｅｎꎬ２０１６.[３]㊀ＫａｂｕｓＳꎬＨａｎｓｅｎＭＲꎬＭｏｕｒｉｔｓｅｎＯ.Ａｎｅｗｑｕａｓｉｓｔａｔｉｃｍｕｌｔｉ￣ｄｅｇｒｅｅｏｆｆｒｅｅｄｏｍｔａｐｅｒｅｄｒｏｌｌｅｒｂｅａｒｉｎｇｍｏｄｅｌｔｏａｃｃｕｒａｔｅｌｙｃｏｎｓｉｄｅｒｎｏｎ￣Ｈｅｒｔｚｉａｎｃｏｎｔａｃｔｐｒｅｓｓｕｒｅｓｉｎｔｉｍｅ￣ｄｏｍａｉｎｓｉｍｕｌａｔｉｏｎｓ[Ｊ].Ｍｕｌｔｉ￣ｂｏｄｙＤｙｎａｍｉｃｓꎬ２０１４ꎬ２２８:１１１－１２５.[４]㊀ＷａｒｄａＢꎬＣｈｕｄｚｉｋＡ.Ｆａｔｉｇｕｅｌｉｆｅｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｒａｄｉａｌｒｏｌｌｅｒｂｅａｒｉｎｇｗｉｔｈｔｈｅｃｏｒｒｅｃｔｉｏｎｏｆｒｏｌｌｅｒｇｅｎｅｒａｔｏｒｓ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒａｌｏｆＭｅｃｈａｎｉｃａｌＳｃｉｅｎｃｅｓꎬ２０１４ꎬ８９:２９９－２３１.[５]㊀ＴｏｎｇＶＣꎬＫｗｏｎＳＷꎬＨｏｎｇＳＷ.Ｆａｔｉｇｕｅｌｉｆｅｏｆｃｙｌｉｎｄｒｉｃａｌｒｏｌｌｅｒｂｅａｒｉｎｇｓ[Ｊ].ＡＲＣＨＩＶＥＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩｎｓｔｉｔｕｔｉｏｎｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｓＰａｒｔＪ:ＪｏｕｒｎａｌｏｆＥｎｇｉｎｅｅｒｉｎｇＴｒｉｂｏｌｏｇｙꎬ２０１６ꎬ２３１(５):６２３－６３６.[６]㊀ＣｒｅｔｕＳＳ.Ｔｈｅｅｆｆｅｃｔｏｆｐｒｉｍａｒｙｌｏａｄｉｎｇｏｎｆａｔｉｇｕｅｌｉｆｅｏｆｃｙｌｉｎｄｒｉｃａｌｒｏｌｌｅｒｂｅａｒｉｎｇｓ[Ｃ]//ＩＯＰＣｏｎｆｅｒｅｎｃｅＳｅｒｉｅｓ:ＭａｔｅｒｉａｌｓＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ.Ｐｅｎｎｓｙｌｖａｎｉａ:ＩＯＰＰｕｂｌｉｓｈｉｎｇꎬ２０１６ꎬ１４７(１):０１２０１１.[７]㊀ＬｉＦꎬＨｕＷꎬＭｅｎｇＱꎬｅｔａｌ.Ａｎｅｗｄａｍａｇｅ￣ｍｅｃｈａｎｉｃｓ￣ｂａｓｅｄｍｏｄｅｌｆｏｒｒｏｌｌｉｎｇｃｏｎｔａｃｔｆａｔｉｇｕｅａｎａｌｙｓｉｓｏｆｃｙｌｉｎｄｒｉｃａｌｒｏｌｌｅｒｂｅａｒｉｎｇ[Ｊ].ＴｒｉｂｏｌｏｇｙＩｎｔｅｒｎａｔｉｏｎａｌꎬ２０１８ꎬ１２０:１０５－１１４.[８]㊀ＤｕａｎＨꎬＳｏｎｇＪꎬＷａｎｇＺ.Ｌｕｂｒｉｃａｔｉｏｎａｎｄｆａｔｉｇｕｅｌｉｆｅｅｖａｌｕａｔｉｏｎｏｆｈｉｇｈ￣ｓｐｅｅｄｃｙｌｉｎｄｒｉｃａｌｒｏｌｌｅｒｂｅａｒｉｎｇｕｎｄｅｒｍｉｓａｌｉｇｎｍｅｎｔ[Ｊ].ＭａｔｈｅｍａｔｉｃａｌＰｒｏｂｌｅｍｓｉｎＥｎｇｉｎｅｅｒｉｎｇꎬ２０２０ꎬ２０２０:１－１１.[９]㊀ＺｈａｏＬＨꎬＬｉＱＣꎬＦｅｎｇＪＺꎬｅｔａｌ.Ｓｅｒｖｉｃｅｌｉｆｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｆｏｒｗｈｅｅｌ￣ｈｕｂ￣ｂｅａｒｉｎｇｕｎｄｅｒｒａｎｄｏｍｍｕｌｔｉ￣ａｘｉａｌｗｈｅｅｌｌｏａｄｉｎｇ[Ｊ].ＥｎｇｉｎｅｅｒｉｎｇＦａｉｌｕｒｅＡｎａｌｙｓｉｓꎬ２０２１ꎬ１２２:１０５２１１.[１０]黄贤振ꎬ朱会彬ꎬ姜智元ꎬ等.角接触球轴承打滑可靠性灵敏度分析[Ｊ].东北大学学报(自然科学版)ꎬ２０２１ꎬ４２(１２):１７３１－１７３８.(ＨｕａｎｇＸｉａｎ￣ｚｈｅｎꎬＺｈｕＨｕｉ￣ｂｉｎꎬＪｉａｎｇＺｈｉ￣ｙｕａｎꎬｅｔａｌ.Ｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｏｆｓｌｉｐｒｅｌｉａｂｉｌｉｔｙｏｆａｎｇｕｌａｒｃｏｎｔａｃｔｂａｌｌｂｅａｒｉｎｇｓ[Ｊ].ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)ꎬ２０２１ꎬ４２(１２):１７３１－１７３８.)[１１]ＢｉｓｗａｎａｔｈＮꎬＤｏｕｇｌａｓＬ.Ｐｏｓｉｔｉｏｎｉｎｇｂｅａｒｉｎｇｓｆｏｒｈｉｇｈ￣ｓｐｅｅｄｓｈａｆｔｓａｎｄｈｉｇｈ￣ｓｐｅｅｄｉｎｔｅｒｍｅｄｉａｔｅｓｈａｆｔｓｏｆｗｉｎｄｔｕｒｂｉｎｅｇｅａｒｂｏｘｅｓ[Ｊ].ＥｌｅｃｔｒｉｃａｌＭａｎｕｆａｃｔｕｒｉｎｇꎬ２００９(９):７６－７８.[１２]ＨｕａｎｇＸＺꎬＬｉＹＸꎬＺｈａｎｇＹＭꎬｅｔａｌ.Ａｎｅｗｄｉｒｅｃｔｓｅｃｏｎｄ￣ｏｒｄｅｒｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｍｅｔｈｏｄ[Ｊ].ＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃａｌＭｏｄｅｌｌｉｎｇꎬ２０１８ꎬ５５:６８－８０.[１３]杨周ꎬ朴银成ꎬ权哲优.盘式制动器热－机耦合渐变可靠性灵敏度分析[Ｊ].东北大学学报(自然科学版)ꎬ２０２２ꎬ４３(１):４８－５５ꎬ６４.(ＹａｎｇＺｈｏｕꎬＰｕＹｉｎ￣ｃｈｅｎｇꎬＱｕａｎＺｈｅ￣ｙｏｕ.Ｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｏｆｔｈｅｒｍａｌ￣ｍｅｃｈａｎｉｃａｌｃｏｕｐｌｉｎｇｒｅｌｉａｂｉｌｉｔｙｏｆｄｉｓｃｂｒａｋｅ[Ｊ].ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)ꎬ２０２２ꎬ４３(１):４８－５５ꎬ６４.)５３１１第８期㊀㊀㊀胡㊀兵等:风电轴承疲劳寿命的可靠性灵敏度分析㊀㊀。
风电机组轴承故障诊断与疲劳寿命研究综述
风电机组轴承故障诊断与疲劳寿命研究综述发布时间：2022-03-17T07:51:59.444Z 来源：《中国电业》2021年23期作者：赵洪志[导读] 风力发电从20世纪80年代开始以超越预期的发展速度向前发展。
赵洪志润阳能源技术有限公司摘要：风力发电从20世纪80年代开始以超越预期的发展速度向前发展。
根据资料统计，截止到2019年，全国新增风电容量478万kW。
风电机组主要包括叶片、轮毂、主轴、齿轮箱、发电机等主要零部件。
风电作为一种绿色能源，在国家政策扶持下并随着风力发电技术的日益成熟，风电将发展成为最迅速的新能源发电方式。
随着风电产业的迅速发展，风电机组长期在复杂交变载荷的作用下，对风电传动系统的要求也越来越严格。
风电机组轴承作为风电机组的关键部件，对提高整个机组的可靠性起着至关重要的作用，而风电机组的轴承极易发生故障，进而影响整个机组甚至停机。
关键词：轴承；数字化监测；疲劳寿命；故障诊断引言近年来，伴随我国经济高速发展，清洁能源在国家能源体系构建中发挥着举足轻重的作用，《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中提出，加快能源技术创新，建设清洁低碳、安全高效的现代能源体系。
这意味着清洁能源已纳入国家长期发展战略中，而以风能产业为代表的环境友好型能源产业由此迸发出巨大的经济前景和发展潜力。
然而，由于风电装备工作环境恶劣，运行工况复杂，使用寿命长，导致机组部件容易发生潜在损坏故障，如果不能及时发现处理将造成巨大的经济损失和严重的安全事故。
一、风电结构及轴承根据国内数据表明，风电机组传动系统中主轴、齿轮箱、发电机等关键零部件故障失效率较高，而主轴、齿轮箱、发电机失效大都由轴承故障失效所引起。
风电机组中传动链轴承包括：主轴轴承、齿轮箱轴承、发电机轴承、变桨和偏航轴承等。
对于主轴轴承而言，由于主轴直接承受来自叶轮的载荷非常大且轴很长、容易变形，所以大多数主轴是由两个调心滚子轴承支承保证主轴的转动和自调心功能；齿轮箱轴承由于齿轮箱中行星架的原因轴承数量较多，种类也多，包含有深沟球轴承、圆柱滚子轴承、双列调心滚子轴承等，主要是根据主轴支撑方式的不同引起对齿轮箱的受力不同，轴承的选用也略有不同，例如主轴的支承方式采用的是双轴承支承，那么理论上齿轮箱只受到扭矩的作用，因此行星架支撑轴承可选用两个圆柱滚子轴承或两个单列圆锥滚子轴承；发电机轴承常采用圆柱滚子轴承和深沟球轴承，通过这两种轴承的结构设计可以用来降低轴承振动的噪声；变桨和偏航系统的作用是根据风速大小和方向调整叶片角度和追踪风向从而保证风电机组功率输出稳定，根据其工作环境可知偏航和变桨轴承要承受很大的倾覆力矩和不定风向、风力产生的冲击载荷，具有间歇工作、频繁启停、传动扭矩大的特点，所以要求该轴承为零游隙或者小负游隙以减小滚动接触面的磨损。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图1 S-N曲线斜率确定示意[1]
被试轴承的扭矩、温升、位移、振动等信号均未见异常，试验结束后拆解回转支承，轴承未见损伤。
本文提出的方法可以在相对较短的时间内实现风电变桨、偏航转盘轴承20年疲劳寿命的检验，为转盘轴承在风电机组上可靠运行提供了保障，用本文方法检验实际运行的风电转盘轴承是偏保守和安全的。
滚道硬度对转盘轴承疲劳承载能力有很大影响，在实参考文献
[1] Germanischer Lloyd. Guideline for the Certification of Wind Turbines[R].
Hamburg: Germanischer Lloyd, 2010.
[2] IEC. IEC 61400-1 Wind turbines - Part 1: Design requirements (3rd edition)
[S]. IEC, 2005.
[3] ISO. ISO 281 Rolling Bearings - Dynamic Load Ratings and Rating Life[S].
Geneva, Switzerland: ISO, 2007.
[4] 冈本纯三. 球轴承的设计计算[M]. 黄志强, 译. 北京: 机械工业出版社
2003.
[5] T. Harris, A., M. Kotzalas, N. Rolling bearing analysis, Fifth Ed[M]. New York,
Taylor & Francis Group: 2006.
[6] 国家机械工业局. JB/T 2300-1999回转支承[S]. 北京: 机械科学研究院
2000.
图6 试验台及试验现场图7 试验结束拆机现场图8 全寿命疲劳试验后轴承软带位置出现收敛性剥落。