汽轮机故障诊断技术的发展与展望 - 青果园电厂化学资料网

青果园电厂化学资料网 → 汽轮机专业论坛 → Ⅱ≡汽轮机专业资料共享区≡ → 汽轮机故障诊断技术的发展与展望

汽轮机故障诊断技术的发展与展望
	发起人：dajiangjunwang　　回复数：2　　浏览数：4175　　最后更新：2009/10/8 13:37:20 by dajiangjunwang

发表新帖

　帖子排序：

2009/10/8 13:36:20

[只看该作者] #1

dajiangjunwang

角　　色：管理员
发帖数：3631
注册时间：2009/6/9

回复编辑删除

理。目前，汽轮机故障诊断系统中的振动信号处理大多采用快速傅立叶变换（FFT），FFT的思想在于将一般时域信号表示为具有不同频率的谐波函数的线性叠加，它认为信号是平稳的，所以分析出的频率具有统计不变性。FFT对很多平稳信号的情况具有适用性，因而得到了广泛的应用[61]。但是，实际中的很多信号是非线性、非平稳的，所以为了提高分辨精度，新的信号分析与处理方法成为许多机构的研究课题。美国俄亥俄州立大学的Kim,Yong.W等对传统的无参量谱分析、时-频分析、离散小波变换等作了较为深入的研究[62]。英国南安普敦大学的Lee,S.K认为，任意随意性的音响和振动信号都是由不规则冲击引起的，为此他提出了用三阶和四阶Winger谱来对这些信号进行分析[63]，同时还对信号中的噪声过滤提出了处理方法[64]。小波分析法的应用一直是国内外热门的研究课题[65][66]，东南大学王善永把小波分析法用于汽轮机动静碰摩故障诊断[67]，华中理工大学张桂才、东南大学王宁等把小波分析用于轴心轨迹的识别[68][69]。西安交通大学引入Kolmogorov复杂性测度定量评估大机组运行状态[70]，还对FFT进行改进并吸收全息谱的优点，进行轴心轨迹的瞬态提纯[71]，哈尔滨工业大学刘占生在轴心轨迹特征提取中采用一种新的平面图形加权编码法，提高了图形辨识的准确率[72]，华中理工大学李向东用降维法将轴心轨迹转化为一条角度波形，使之应用于轴心轨迹的聚类识别[73]。
2．2．故障机理与诊断策略
2·2·1故障机理
故障机理是故障的内在本质和产生原因。故障机理的研究，是故障诊断中的一个非常基础而又必不可少的工作。目前对汽轮机故障机理的研究主要从故障规律、故障征兆和故障模型等方面进行。
由于大部分轴系故障都在振动信号上反映出来，因此，对轴系故障的研究总是以振动信号的分析为主。日立公司的N.kurihara给出了振动故障诊断用的特征矩阵[74]，清华大学褚福磊对常见故障在瀑布图上的振动特征和故障识别作了研究[75]。华中理工大学伍行健也提出了用于振动故障诊断的物理模型和数学模型[76]。西安交通大学陈岳东对振动频谱进行了模糊分类[77]，上海交通大学左人和从动力学的角度研究了典型故障的响应特征[78]。清华大学张正松用Hopf分叉分析法研究了油膜失稳涡动极限环特性[79]，哈尔滨工业大学毕士华对于如何识别油膜轴承的动态参数进行了研究[80]，江苏省电力试验研究所的彭达则对实际发生的油膜振荡问题进行了剖析[81]。哈尔滨工业大学武新华分析了转轴弯曲的故障特征[82]。清华大学何衍宗、东南大学杨建刚研究了转子不平衡对其他征兆的影响[83][84]。对于动静碰摩问题，EPRI的Scheibel,John.R、西安交通大学何正嘉、西安热工研究所施维新等分别从故障特性和诊断技术方面进行了研究[85~90]，西安交通大学刘雄应用二维全息谱技术确定故障征兆[91]，东北电力学院石志标则从动力学角度分析了摩擦问题[92]，哈尔滨工业大学提出了变刚度分段线性和非线性模型[93]，并通过实验对摩擦的噪声特性进行了研究[94]。在综合振动与噪声特性的基础上，东北电力学院还开发了可对旋转机械和摩擦进行在线监测的仪器，该仪器用四个通道进行声信号检测，另外四个通道用于振动监测，可以大致确定摩擦的部位[95]。另外，李录平、张新江等对振动故障特征的提取进行了有益的研究[96~99]。
调节系统的可靠与否，对汽轮机组的安全运行具有非常重要的意义。哈尔滨工业大学的于达仁、徐基豫等在调节系统故障诊断方面作了很多研究工作，他们给出了调节系统卡涩和非卡涩原因造成故障的数学模型，并对诊断方法和诊断仪器的实现进行了探讨[100~104]。华中理工大学何映霞、向春梅等研究了对DEH系统故障的诊断[105][106]，东南大学的岳振军则把频域分析的Bloomfield模型引入时域，应用于调节系统在线监测[107]。

2·2·2诊断策略和诊断方法
在汽轮机故障诊断中用到的诊断策略主要有对比诊断、逻辑诊断、统计诊断、模式识别、模糊诊断、人工神经网络和专家系统等。而目前研究比较多的是后面几种，其中人工神经网络和专家系统的应用研究是这一领域的研究热点。
基于小波分析方法和神经网络建立的智能分析技术，是下一代故障检测与判定（FDI）的重要内核[108]。国内外在这方面进行了很多的研究[109~121]，目前应用最多的是前向神经网络[122]、BP神经网络[123~131]以及把神经网络与模糊诊断相结合的模糊神经网络[132~134]等。美国East Hardford的DePold,Hans.R将统计分析及人工神经网络技术应用于过滤器来改进数据质量[135]，田纳西大学(Tennessee Univ.)将神经网络用于振动分析，识别潜在故障，并利用神经网络使被歪曲和杂入噪音的数据得到提纯[136]。美国Stress Technology. Inc.的Roemer,M.J把神经网络和模糊逻辑技术应用于旋转动力有限元模型，所形成的实时系统可以预测关键部件的寿命[137]。华中理工大学的何耀华用一种自组织神经网络模型与多个单一故障诊断的BP网络一起完成故障诊断的协同推理[138]，申韬则把一系列BP子网络进行集成，以解决故障分类问题[139]。臧朝平、何永勇也分别提出了多网络、多故障的诊断策略[140~142]，西安交通大学的张小栋则研究了主从混合的神经网络模型[143]。东南大学把神经网络应用于轴心轨迹识别进行故障诊断[144]。同时，神经网络还被应用于动静碰磨诊断[145]、通流部分热参数诊断[146]、机组性能诊断[147]、凝汽器的诊断[148]和热力系统的建模[149]等。
专家系统按其侧重点不同，大致可分为基于推理的专家系统（如基于神经网络的推理[150]、基于事例和模型的推理[151]等）和基于知识的专家系统[152~158]等。在专家系统中，专家知识的学习、获取，以及知识库的建立是关系到诊断准确性的重要环节。于文虎、倪维斗、张雪江、钟秉林、韩西京、刘占生、何涛等人分别就知识范围的界定[159]、知识的处理[160~163]、知识的获取[164~167]、机器对知识的自学习[168][169]以及知识库的维护[170]等进行了研究。
诊断策略的研究还有：模糊诊断用于振动故障诊断[171~172]、用于层次模型[173][174]、用于模式识别[175]、用于转子碰磨诊断[176]、用于通流部分热参数诊断[177]的研究；模糊关联度用于多参数诊断[178]；灰色理论用于故障诊断[179]；概率分布干涉模型用于诊断[180]；相关维数用于低频噪声诊断[181]等的研究。
诊断方法上的研究一直是故障诊断的一个重点。振动法是应用最普遍也比较成熟的一种方法[182~186]，Ingleby,M把自动分类法和模式分析用于振动诊断[187]，何正嘉应用Winger时频分布和主分量自回归谱分析轴瓦的振动信号[188]，施维新针对一般诊断都是从征兆判断原因的逆向推理提出了振动诊断的正向诊断法[189]。在汽轮机故障诊断中，应用热力学分析诊断汽轮机性能故障也是一个重要手段[190~193]，另外还有油分析、声发射法、无损检测技术等。声发射法主要用于动静碰磨故障检测[194]、泄漏检测等。日立公司在350MW汽轮机高中压转子上设置试片，在两端轴承的轴瓦处进行声发射和记录，诊断转子的碰摩[195][196]。在汽轮机寿命诊断中，无损检测技术应用相当重要，目前用到的非破坏性评价法主要包括硬度测定法、电气抵抗法、超声波法、组织对比法、结晶粒变形法、显微镜观察测定法、X射线分析法等[21][197]。
2．3．国内在故障诊断系统设计和系统实现方面的研究
完整的汽轮机故障诊断系统，应包括数据采集、信号处理与分析、诊断和决策几个部分，它是故障诊断技术的集中体现，我国早在80年代就开始了这方面的研究，到目前已经研制开发出了几十种系统。
华北电力学院以模拟转子试验台作为信号

大将军王与你同行869024055

用户在线信息

当前查看此主题的会员: 1 人。其中注册用户 0 人，访客 1 人。