许 诺，黄登华
（1．北京安心易维科技有限公司，北京 101403；2.中国电子科技集团公司第五十八研究所，江苏无锡 214035）
风力发电机特别是海上风电机组大多工作在复杂恶劣环境下，机组运行过程中受到风速变化、海浪波动及塔影效应等因素影响，这些因素会在叶片上产生周期性疲劳载荷，长时间周期性载荷加上极端天气极可能导致叶片损伤与故障。叶片作为风电机组捕获风能部件，故障轻则使风力发电机偏离原来的设计指标造成捕风效率下降，降低经济效益，重则造成风机在运行过程中意外停机，降低风机的可靠性，甚至可能会发生叶片折断、倒塔等严重事故。叶片状态监测不仅涉及机组安全运行问题，在机组的控制中如果能考虑叶片状态及载荷，采用相应的优化控制手段，不仅极大避免运行风险，还可提升机组传动链大部件的运行效率，延迟叶片寿命，但目前大部分风电机组对叶片的状态监测缺乏有效手段。
1 风电机组叶片状态检测的主要技术手段
目前，国内外对风力发电机组状态监测方式主要有：人工巡检、图像识别、声发射监测、预埋光纤传感器和基于运行数据的监测等。
人工定期目视：风电场运行检测人员对风电机组进行定期巡检，通过肉眼观察叶片状态，利用经验对叶片状态进行判断。该监测方式实现麻烦、效率低下、安全隐患大。
图像识别处理方式：利用无人机携带摄像头或者在机舱顶端固定位置安装高清摄像机拍摄叶片图像，对叶片不同部分的照片运用图像处理方法，判断叶片状态。这类无损检测手段虽然实现了对叶片破损的非接触测量，但需要使用无人机采集叶片图像，拍摄过程中需要无人机对飞行轨迹、拍摄角度等参数进行提前规划确定，系统复杂，难度大且易受环境因素干扰。这类方法若要实现在线连续采集与监测，设备的安装难度较大，费用也较高，因此现阶段更适合于叶片的定期检测与检修。
声发射监测：利用超声波发生装置向叶片发射声波，采用超声波检测装置接收返回的声波，超声回拨在叶片内传播时，会叠加叶片内部状态信息。分析超声波回波信号，可以获取叶片内部的一些状态信息如断裂、疲劳破损等状态。该方式需额外的声发射源，导致声发监测装置体型较大，适合叶片还未装机前的检测，不适宜对正在运行的叶片进行检测。
光纤传感器：在叶片制造时，在叶片中预先埋入光纤传感器如布拉格光栅、布里渊光纤等，当叶片在运行时，叶片的应变会叠加到光线传感器上，光纤内传播的的激光信号会叠加相应的应变信号，通过对光信号的解调获取叶片运行的应变信息，进而获取叶片状态信息。
振动监测方式：当叶片发生故障时，通常表现为运行时振动异常。通过在叶片或者传动链上安装振动传感器，采集机组运行过程中的振动信号，振动信号内包含了叶片各类故障所产生的状态信息，对叶片运行的振动信号进行特征提取，时频域特征参数及特征频率计算获取叶片运行状态。
SCADA 数据诊断方式：风力发电机本身具有监视控制数据采集系统，可以通过数据挖掘等方式对风机状态进行检测。但SCADA 是通过风电机组的转速、功率等其他信号间接反映叶片的运行状态，对叶片早期故障难以及时发现。
因此，根据是否安装叶片传感器和所安装传感器的种类，可以分为3 类叶片状态监测方法。第一类方法基于SCADA 数据对叶片破损进行状态监测，该类方法主要对风电机组的运行数据进行分析和建模，无需为叶片安装任何传感器，技术上易于实现，但因对叶片无直接监视参数，多采用机器学习算法，计算量大且模型复杂，容易造成模型个体针对性强而泛化能力差。第二类方法是通过红外、可见光等摄像机获取叶片外表图像，再经图像处理进行叶片故障检测。这些检测手段虽然实现了对叶片破损的非接触测量，但容易受环境因素干扰，同时难以实现叶片状态的在线测量。另一方面，通过在风机叶片上安装各类传感器，通过传感器监测叶片运行过程中产生的各类状态信号，并对信号进行分析，提取故障信息。此类方法主要采用的传感器种类有声发射、应变、振动等传感器。这些方法根据传感器及叶片信号特点各有优点，但绝大多数检测手段价格昂贵、安装复杂、使用不便，难以推广应用。
2 风电机组叶片检测装置需求分析
叶片作为风电机组捕获风能的重要部件，传感器的安装不能改变叶片的气动外形，否则将导致发电效率的下降。叶片状态检测传感器不仅仅能发现表面破损，还需要对叶片内部裂纹、疲劳损伤、螺栓松动等状态进行及时检测。振动传感器常应用于旋转机械的故障检测，常应用于风机传动链设备的状态监测，目前风电机组齿轮箱及发电机等旋转设备的状态监测主要采用振动监测。叶片在运行过程中也属于旋转机械设备，叶片振动信号通常是叶片旋转过程中机械缝隙和各类故障信息综合产生的信息，能直接反映叶片内在状态信息。当叶片故障时，表现出振动信号与正常工况特征参数的异常，通过各类时频域特征参数的判断，可以实现叶片状态的在线监测。因此，基于振动的故障检测是故障监测最直接有效的方法之一，采用振动传感器是对叶片状态进行监测的理想手段。
同时由于风力发电机叶片工作时相对于机舱在不断运动，叶片传感器在设计时必须考虑如何实现电源供给、数据采集、数据传输及安装等问题。考虑到叶片特殊测量环境，比较理想的传感器应该是无线无源方式。叶片检测装置可采用电池或者太阳能方式实现自供电。叶片传感器采用无线方式进行数据传输，对于无线传输需要考虑功耗、传输距离、天线布置、通信速率和通信稳定性等问题。
为了在安装传感装置后不影响叶片的气动外形，需要对传感装置的外形装置进行薄膜化，贴片式。同时装置的设计尺寸和安装位置要根据叶片工况进行精心的设计。
针对上述背景技术中描述的问题与缺陷，本文设计了一种基于无线振动传感器的风力发电机叶片监测装置。针对监测装置安装问题，采用柔性薄膜贴片式电路，针对装置供电与能耗问题，采用太阳能电池无线供电方式与低功耗策略；针对监测系统通信问题，采用LORA 无线技术与星型无线网络结构。
3 风电机组叶片检测装置设计
3.1 传感器选择与设计
叶片运行旋转过程中产生的振动信号包含不同类型不同频段的故障信号，基于振动的叶片状态监测是成熟可行的方法，由于加速度振动传感器技术成熟度高，频带范围宽，很适合于叶片状态监测。目前成熟的加速度传感器有模拟式和数字式2 种，传统的模拟加速度振动传感器一般呈现圆柱形，尺寸较大，不但难以安装在叶片表面，还容易改变叶片气动外形，并且还需信号处理电路，系统复杂，不适合于叶片状态监测。新型的数字加速度计不需要额外的信号调理与ADC 电路，通过I2C 或SPI 与控制器进行数据交互，基于数字加速度及的叶片传感器可以做到结构简单、体型小。
MPU9250 是一种数字九轴半导体传感器芯片，其内部不仅集成了三轴加速度计，还集成了三轴陀螺仪、三轴磁力计等，可以通过通讯接口直接输出各个参数的数字量。MPU9250 用作叶片传感器可以方便测出叶片不同方向上的加速度，根据磁力计还可判断叶片所处姿态，方便对不同维度的信号进行分解。芯片外观采用QFN24 封装，大小3 mm×3 mm×1 mm，体积足够小巧，非常适合贴片安装。数字九轴半导体传感器芯片具有I2C 和SPI 接口，可以通过I2C 和SPI 接口直接与控制芯片通信，使得整体系统简洁轻巧。MPU9250 是一种低功耗传感器，平时可以在休眠模式下工作，可根据情况定期唤醒工作，最小电流可低至8 μA，满足系统功耗要求。
3.2 控制器选择与设计
由于采集装置需要安装在风力发电机叶片上，叶片传感器通讯装置距离较远，需要采用无线通信方式。目前流行的无线通信方式主要有：NFC 近场通信、蓝牙、Wi-Fi、ZigBee、Sub-1Ghz、LoRa 和GPRS 等。考虑通信距离和通信速率以及功耗问题，Sub-1Ghz、LoRa 两种方式都能满足叶片环境下的无线通信要求。由于风电机组叶片旋转速度较低，振动信号的采样率无需太高，数据传输的数量及速率要求较低，但系统对信号传输距离及低功耗要求较高。LoRa 是一种远距离、低功耗的无线通信技术，LoRa 技术在节点设置、运行成本、传输距离和信号接收强度等方面很适合于叶片状态条件要求。
本系统采用STM32WLE5CBU6 芯片，该芯片将无线通信与微控制器集成到一块芯片，集成了LoRa 相关协议。主控制器体积小，接口丰富，功耗低，支持低功耗和睡眠方式，可以同时实现LoRa 通信及传感器芯片数据采集和处理及异常判断功能。主控制器不仅能满足无线通信的，尺寸大小、低功耗的要求，同时本身自带的I2C 通讯接口可以直接与MPU9250 通信，无需其他外围电路，2 个芯片就可以满足传感器数据采集，信号处理，数据通信方面的设计要求，整体系统体积小，功耗低。系统主控芯片工作温度-40~105 ℃，非常适合叶片恶劣工作自然环境条件。
3.3 电源系统计
为了解决电源供给问题，本系统使用太阳能电池结合锂电池组合方式实现电源供给。白天阳光充足时，太阳能电池提供电源，在满足系统相关芯片工作耗能的同时，将多余能量存储到锂电池。夜间，太阳能电池不能为系统供给电压时，由锂电池提供系统电源。为了使传感装置正常工作，系统必须能提供一定范围内稳定的电压，但太阳能电池由于光照强度的变化，输出电压也有较大变化，必须采用稳压模块实现电压稳定及变换功能，满足信号无线传感器的供电及锂电池充电电压要求。根据STM32WLE5CBU6 和MPU9250 的电气参数，芯片工作电压范围在1.8~3.8 V，本系统选择3.3 V 作为工作电压。STM32WLE5CBU6 在发送数据时功耗最大，在TX（+13 dBm）典型电流值可达几十毫安。MPU9250 在正常工作模式下，电流值可达8 mA。系统加上其他器件的功率损耗，整体工作的最大极限功率在0.15 W 以内。
供电方式选择易于安装在叶片表面的薄膜、柔性太阳能板，根据需求选择2 W、9 V 型号。由于光照强度的变化，太阳能薄膜电池的输出电压也会发生变化，传感器系统电源系统必须将太阳能电池电压稳定在STM32WLE5CBU6 和MPU9250 需要的工作电压3.3 V。这里首先选择lm2940-5.0 稳压芯片将太阳能电池信号稳定在5 V。lm2940-5.0 具有较宽的输入电压范围，在5~12 V 的输入电压范围内都可以将输出电压稳定在5 V，非常适合于太阳能薄膜电池输出电压的特性要求（图1）。由于传感器系统工作电压是3.3 V，还需要3.3 V 电压转换与稳压芯片，这里选择Mic5255-3.3转换芯片，在输入3.4~6 V 的电压范围内，都可稳定输出3.3 V，满足系统对电源电压和功率的要求。可以看出，当太阳能电池板输出在4.1 V 以上时，就可以为整个系统提供满足要求的电压电源，并可为系统备用蓄电池充电，满足夜间设备状态监测要求。
图1 电压变换关系图
3.4 系统外观及电路设计
为了满足叶片状态监测安装环境，系统采用无线无源传感柔性贴片式设计方式。贴片式传感器装置主要包括电源管理单元、数据采集处理与通信单元、半导体传感器，系统将各部分电路采用薄膜电路设计和封装，整个传感装置体积小、重量轻。系统由无线主控制器模块，电源模块和传感器模块构成。电源模块由太阳能薄膜电池结合电压变换与稳压装置为锂电池充放电并为系统提供供电电源。传感器模块主要利用九轴半导体传感器采集叶片多轴振动加速度等数字信息并利用通信接口传输给主控制器。无线主控制器采用带无线功能的微处理器实现数据采集、低功耗管理及LoRa无线数据传输。无线传感器结构如图2 所示。
图2 无线传感器结构
4 无线传感监测系统
针对叶片状态监测的无线传感器网络系统，通过研究传感器极端条件下的能耗管理及适合叶片状态监控的传感器网络架构及通信可靠性，从而实现不同工况及气象条件下传感器网络应用可靠性及适应性；设计并制造采用薄膜化、低功耗宽参数设计，满足风电机组多变工况及复杂气象条件下的叶片传感器；根据风机叶片故障特点及设计位置在实验风机上按设计工艺安装无线传感器并组建传感器监测网。
系统在风电机组每个叶片上根据需要按装若干无线传感器，由于贴片工艺设计和太阳能薄膜电池供电，系统无需其他额外部件，只需粘贴安装到叶片指定位置即可。无线传感器外形如图3 所示。每个测量节点自动按照采用规则进行数据采集和数据组网传输。实现风电机组叶片24 小时在线状态监测。实验数据可通过集中无线通信节点传输至上位机，上位机可对所有数据进行进一步分析，采用诸如模态分局、雨流计数法等高级算法实现叶片状态、叶片疲劳、载荷分析等相关功能。
图3 无线传感器外形
5 结束语
本文研究了一种基于太阳能薄膜电池的无线贴片式振动传感器，在分析了叶片状态监测需求及特点基础上，对各种状态监测方法进行了分析对比。根据叶片状态监测特点和要求，分别进行了传感器选择、电源设计、控制器设计和通信方式设计等工作。通过研究传感器极端条件下的能耗管理及适合叶片状态监控的传感器网络架构及通信可靠性，从而实现不同工况及气象条件下传感器网络应用可靠性及适应性；设计并制造采用薄膜化、低功耗宽参数设计，满足风电机组多变工况及复杂气象条件下的叶片传感器。
