（控制科学与工程专业论文）基于小波分析和神经网络的汽轮机故障诊断研究.pdf

摘要 汽轮机组的诊断一直是故障诊断技术应用的一个重要方面。在众 多常见故障的发生率中，振动故障占了总数的9 5 以上。基于这种考 虑才选定了汽轮机故障诊断技术研究题，尤其是探索如何智能预测 和诊断转子振动故障。 本论文主要进行了基于小波分析的信号处理和基于神经网络的 智能故障诊断两方面的理论上的研究工作。主要研究内容总结如下： ( 1 ) 本文研究了小波( 包) 母函数及基的选择问题。小波及小波 包变换在故障诊断领域中有着广泛的应用，它帮助我们获得大量故障 信号的特征信息。但是，面对大量的小波母函数以及变换后的很多小 波包基，我们需要选择合适的小波母函数及其基，因为并非任意的小 波母函数及任意的小波包基都是合适的。 ( 2 ) r b f 网络训练的关键在于隐含层参数的确定。r b f 网络目 前已有的几种训练方法对于含有随机噪声的复杂样本训练速度过慢 且分类性能不稳定。针对这些缺点，本文采用了改进的遗传算法 免疫遗传算法来优化r b f 网络隐含层参数。同时，在训练过程中采 用基于构造法的方法来寻找最佳的隐含层节点数。 ( 3 ) 本文采用“小波包一能量 法来提取信号的特征量。小波 包分析能有效地提取汽轮机振动信号中的有用成分，作为故障诊断的 依据。针对强噪声背景的高频振动信号，提出了一种基于能量的自适 应阈值选取算法。本方法对于诊断频率分布范围较广且信号具有较强 时变性和复杂环境下的故障有着良好的应用前景。在故障诊断中的实 践也验证了该方法的有效性。 关键词：汽轮机，小波分析，神经网络，免疫遗传算法，故障诊断 a b s t r a c t f a u l td i a g n o s i so ft u r b i n ei sa ni m p o r t a n ta s p e c to ft h ef a u l td i a g n o s i s t e c h n o l o g ya p p l i c a t i o n a m o n gt h ei n c i d e n c eo fm a n yc o m m o nf a u l t s ，t h e v i b r a t i o nf a u l ti sa c c o u n tf o rm o r et h a n9 5 b a s e do nt h i sc o n s i d e r a t i o n ； is e l e c t e dt h es u b j e c to nf a u l td i a g n o s i st e c h n o l o g yt h a t ，i np a r t i c u l a r , t o e x p l o r ew a y st op r e d i c ta n dd i a g n o s ei n t e l l i g e n t l yf a u l to f r o t o r v i b r a t i o n t h ep r e s e n tp a p e rh a sm a i n l yc a r r i e do nr e s e a r c hw o r k st h e o r e t i c a l l y o ft w oa s p e c t sa b o u ts i g n a lp r o c e s s i n gb a s e do nt h ew a v e l e ta n a l y s i sa n d i n t e l l i g e n c ef a i l u r ed i a g n o s i sb a s e do nt h en e u r a ln e t w o r k t h em a i n r e s e a r c hc o n t e n ts u m m a r yi sa sf o l l o w s ： f1 ) t h es e l e c t i o no fw a v e l e tp a c k e tm o t h e rf u n c t i o n sa n dt h e i rb a s e si s d i s c u s s e di nt h i sp a p e r t h e r ea r ev a s ta p p l i c a t i o no fw a v e l e tt r a n s f o r m a n dw a v e l e tp a c k e tt r a n s f o r mi nt h ef a u l td i a g n o s i sf i e l d s t h et r a n s f o r m s h e l pu st oo b t a i nan u m b e ro ff e a t u r ei n f c i r m a t i o no ff a u l ts i g n a l s b u ti n t h ef a c eo fal o to fm o t h e rf u n c t i o no fw a v e l e tt r a n s f o r ma n dan u m b e ro f b a s e sa r e rt r a n s f o r m w em u s ts e l e c tap r o p e rm o t h e rf u n c t i o no fw a v e l e t t r a n s f o r r na n dh i sb a s e s b e c a u s en o ta l lm o t h e rf u n c t i o n sa n dt h e i rb a s e s a r ep r o p e r ( 2 ) t h ek e yt ot r a i n i n go fa r a d i a lb a s i sf u n c t i o n ( r b f ) n e t w o r ki st o d e t e r m i n et h ep a r a m e t e r so fh i d d e nl a y e r so ft h en e t w o r k t h e r ea r ea n u m b e ro ft r a i n i n gm e t h o d so fr b fn e t w o r k s b u tt h es h o r t c o m i n g so f t h em e t h o d sa r et h a tt h et r a i n i n gs p e e d sa r et o os l o wa n dt h ea b ili t yt o c l a s s i f yi su n s t a b l e i nv i e wo ft h e s es h o r t c o m i n g s ，t h i sa r t i c l eu s e st h e a d v a n c e dg e n e t i ca l g o r i t h m - - i m m u n i t yg e n e t i ca l g o r i t h mt oo p t i m i z et h e h i d d e nl a y e rp a r a m e t e r so fr b fn e u r a ln e t w o r k a tt h es a m et i m e ，w e s e e kt h eb e s th i d d e nl a y e ru n i t sb a s e do nc o n s t r u c t i o nm e t h o di nt h e t r a i n i n gp r o c e s s ( 3 ) i nt h i sp a p e r , w a v e l e tp a c k e t e n e r g y ”m e t h o di su s e dt oe x t r a c tt h e c h a r a c t e r i s t i c so fs i g n a l s w a v e l e tp a c k e ta n a l y s i sc a nb ee f f e c t i v ei n e x t r a c t i n gt h eu s e f u le l e m e n t so f t u r b i n em a c h i n ev i b r a t i o ns i g n a l sa st h e b a s i sf o rf a u l td i a g n o s i s a c c o r d i n gt oh i g h f r e q u e n c yv i b r a t i o ns i g n a l si n t h es t r o n gn o i s eb a c k g r o u n d ，an e we n e r g y b a s e d a d a p t i v et h r e s h o l d s e l e c t i o na l g o r i t h mi sp r o p o s e d t h i sm e t h o dr e g a r d i n gt h ed i a g n o s i s f r e q u e n c yd i s t r i b u t i o nr a n g ei sb r o a dw h e nt h es i g n a lh a ss t r o n gt i m e v a r i a t i o na n df a u l ti nt h ec o m p l e xe n v i r o n m e n th a st h eg o o da p p l i c a t i o n p r o s p e c t t h ee x p e r i m e n t so ff a u l td i a g n o s i sd e m o n s t r a t et h a tt h em e t h o d i sv a l i d k e yw o r d s t u r b i n e ，w a v e l e ta n a l y s i s ，n e u r a ln e t w o r k ，i m m u n e g e n e t i ca l g o r i t h m s ( i g a ) ，f a u l td i a g n o s i s 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均己在论文中作了明确的说明。 作者签名：憩! 重曼墨日期： 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文， 允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到中国学位论文全文数据库， 并通过网络向社会公众提供信息服务。 硕十学位论文第一章绪论 1 1 课题的背景和意义 第一章绪论 我国经济的飞速发展对电力需求日益增加，近年来各地都出现了不同程度的 缺电现象，促使国家加大了对电力的投资力度，同时对发电机组可用率、运行效 率、安全性、可靠性及经济性提出了更高的要求。汽轮机发电机组作为电厂的关 键设备，保证其安全经济运行对电力工业的发展，乃至整个国民经济的发展起着 至关重要的作用。 随着科学技术的迅猛发展，现代工业生产的机械设备正朝着大型化、复杂化、 高速化、自动化及大功率方向发展。设备的生产效率越来越高，机械结构也日趋 复杂，设备中不同部分之间的相互联系、耦合也更加紧密，一个部件出现故障， 将引起整个生产流程中断。现代化的生产设备虽然大幅度地提高了劳动生产率， 节省了人力和物力，但同时也大幅度地增加了设备的维修费用，设备故障单位时 间造成的损失也成倍地增加【l 】，汽轮机的发展同样也呈现这样的趋势，结构越来 越复杂，发生故障的可能性相应增加，故障发生所带来的损失也比以前大得多。 虽然制造精度和安装工艺水平的提高使机组的故障得到了一定程度的缓解，但是 由于机组设备的复杂性、运行与安装检修中的诸多因素，振动仍然是当前影响大 型发电机组正常运行的主要因素之一。 国内外，由于汽轮发电机组振动故障导致机组不能按期投产，或是发生重大 恶性事故的事件时有发生。1 9 8 5 年大同2 0 0 m w 机组和1 9 8 8 年秦岭电厂5 号国 产2 0 0 m w 机组发生严重断轴毁机事故，仅秦岭电厂直接经济损失就达7 0 0 0 万 元。1 9 9 8 年1 0 月，北仑电厂1 号6 0 0 m w 东芝机组，发生振动超标导致高压缸 叶片断裂的重大事故。2 0 0 1 年1 0 月，阜新电厂2 号机组断轴事故的发生，给电 厂带来了巨大的经济损失。国外的机组如1 9 7 2 年日本关西电力公司k a i n a n 电厂 一台6 0 0 m w 汽轮发电机组因振动引起轴系发生断裂为1 8 段的严重毁机事故， 直接经济损失达9 千万马克。 为保障发电设备的安全、可靠运行，国内外许多专家学者及工程技术人员致 力汽轮发电机组在线状态监测与故障诊断技术的研究。目前，国内大型发电机组 都配备了各种型号的状态监测系统，有g e b e n t l y 3 3 0 0 、3 5 0 0 ，e p r o 的m m s 6 0 0 0 等等。一方面，这些引进的监测系统对机组安全运行起到了积极的作用；另一方 面，它们的功能有限，主要具备振动超限报警和停机的功能，没有信号分析和故 障诊断功能。此外，现场对它们的许多功能也没有充分利用。个别监测系统提供 了一些供故障分析用的特征图谱，但是，由于机组故障诊断是一项专业性非常强 硕士学位论文第一章绪论 的技术，现场运行人员不具备相应的技术条件，无法利用这些信息对系统显示的 异常振动信号及时准确地做出判断。 因此，对汽轮机的状态监测与智能故障诊断技术的作用和意义，主要可以归 结为如下几个方面： 1 及时掌握汽轮机运行状态异常或故障的早期征兆，以便采取相应的措施，将 故障消灭在萌芽状态，避免或减少重大事故的发生。 2 一旦发生故障，能自动记录下故障过程的完整数据和信息，以便事后进行故 障原因分析，缩短维修时间和费用，提高汽轮机利用率，避免再次发生同类事故。 3 通过对设备状态异常的原因和性质进行分析，采取适当措施，对设备状态实 行在线调整，延长运行周期，为生产和维修决策提供科学依据。 4 实现了检测与诊断的智能化，减少了因缺乏专业知识而出现误诊的人为因素， 为潜在的和未知的多故障能提供可靠的诊断。 5 随时掌握设备运行状态的变化情况、各部分性能的劣化程度和机械性能发展 趋势，对设备状态变化情况做到心中有数，提高设备管理现代化水平。 1 2 汽轮机故障诊断技术国内外发展现状 1 2 1 故障机理的研究现状 汽轮发电机组振动故障机理研究是实现故障诊断的基础。机理研究是为了揭 示故障的内在本质和规律性，分析故障的成因，了解故障发生时表现出来的特征 和现象，从物理及原理方面探索产生故障的原因，进而提出有效的解决措施和预 防措施。机理研究借助于相关的基础学科，如数学、物理、机械动力学等，通过 试验或理论研究的途径，建立科学的故障模型，从中总结出一般性的规律，为故 障诊断的实施提供理论依据。 国内外广大学者己对汽轮发电机组的某些振动故障机理进行了深入研究，得 出了许多重要结论，有效推进了机组在线状态监测与故障自动诊断技术的发展。 m u s z y n s k a 应用动量守恒定律对转动机械碰摩问题进行了机理研究，在建模过程 中通过忽略碰撞时作用在转子上的附加弹性力和阻尼力及碰摩过程位移，建立了 一个较完善的约束微分系统的碰摩力学模型，后来又在模型中考虑了碰摩期间的 能量损失，引入了弹性恢复系数，较好地描述了点碰摩和局部碰摩的非线性动力 学特性【2 j 【引。r j s u b b i a n ，n f r i e g e r ，j s r a o ，d k r a o 等人应用非线性动力学 理论，针对机组存在的典型振动问题，建立了转子非线性动力学模型，从理论、 试验和数值计算等方面，对各种故障因素影响下的动力学行为进行了综合分析 1 4 1 1 5 1 。陆颂元采用传递矩阵一时问追赶法对机组发生大不平衡后轴系做非线性振 2 硕士学位论文 第一章绪论 动时的转轴动态应力和支撑系统动反力进行了计算研究，对轴系在非线性力作用 下的破坏机理进行了分析，揭示了机组轴系断裂事故的机理和具体过程【6 l ；褚福 磊、张正松采用混沌运动分析的方法对油膜轴承支承的转子系统发生动静碰摩的 振动特性进行了研究，指出了碰摩转子系统在进入和离开混沌区域时可经由倍周 期分岔、阵发性和拟周期路径以及由周期运动直接到混沌状态的突发路径【| 7 】；何 力东、夏松波等人从流固耦合的角度分析了转子一轴承系统的油膜振荡问题，通 过研究轴承中润滑油膜的脉动特性揭示了转子一轴承系统非线性振动的本质1 8 。 故障机理的深入研究，促进了状态监测与故障诊断技术的进一步发展。但是 由于多数的故障振动机理复杂，环境影响因素众多，实验室条件下的模型简化和 各种前提假设，使得求解得出的解析解或数值解与实际现象之间差别较大。目前， 汽轮发电机组状态监测与故障诊断技术的核心问题仍然是如何全面掌握机组运 行信息，分析各故障的表现特征以及对各种特征的识别，从而准确区分各种常见 故障，确定故障发生部位及程度。故障机理的研究一般只是为状态监测和故障诊 断技术提供理论上的支持，将其直接应用于现场实际机组的在线监测与诊断，从 目前情况看还十分困难。 1 2 2 故障信息处理技术研究现状 故障信息处理技术是故障诊断的关键环节，直接关系到故障诊断结果的准确 性。故障诊断学的发展是以故障信息的提取与处理技术的革新为标志。早期，人 们只能依靠感觉、听觉、触觉等) ，凭借经验提取故障信息并判断故障原因，这 种故障信息的提取和分析手段是原始的故障诊断技术。随着传感器技术和信号处 理技术的发展，人们借助简单的仪器和传统的信号分析方法，能够完成较为复杂 的诊断工作，在一定程度上可以预防故障发生。随着科学技术发展和多学科相互 交叉与渗透，特别是计算机软硬件技术和现代信号处理技术的发展，大大提高了 故障信息的提取与分析能力，使得人们可以更加精确地对设备故障进行识别，并 对故障发展趋势进行有效的预测。 多年来，以快速傅立叶变换为代表的振动信号频域分析方法在振动故障信号 分析中处于主导地位，形成了一套行之有效的故障诊断方法，为机组振动故障诊 断发挥了重要作用。这类方法包括：频谱分析、倒谱分析、细化谱分析、相关分 析、包络分析等【9 】【旧】。近年来出现了短时傅立叶变换( s t f t ) 、小波分析( w t ) 、 希尔伯特黄变换( h h t ) 、盲源分离( b s s ) 等一系列现代信号处理与分析方法， 在应用中也取得了一定效果。随着非线性理论研究的深入，混沌、分形等非线性 信号分析技术也逐渐在振动故障信号中得到应用。小波及小波包分析作为一种信 号时频分析的新工具，能有效地分析具有局部特征的信号，分析出信号的局部变 硕士学位论文 第一章绪论 化大小及位置。它能将隐藏在机器振动时域信号的变化找出来，与传统的f f t 分析相比，最大的优点是它不仅适用于稳态信号，尤其是对非稳态信号的分析也 能得到理想的结果。机组的某些振动故障( 如动静碰摩、突发性大振动等) 信号 呈现非稳态特征，传统的信号分析方法往往无法提取故障特征，小波及小波包分 析可区分出这类故障。1 9 9 2 年，s g m a l l a t 和w l h w a n g 首次提出了奇异性信号 检测的小波算法，为应用奠定了理论基础【l l j ；1 9 9 6 年，y w u ，r d u 将小波包变 换算法引入到了旋转机械信号监测中，给出了振动信号全频带范围内的小波包分 频带能量分布【l2 1 。1 9 9 5 年，赵纪元，何正嘉等人采用小波包一自回归谱分析的 方法实现了齿轮箱振动信号不同频带范围内不同零部件故障信息分离和提取i l3 j ； 1 9 9 9 年王善永、陆颂元等采用小波算法应用于汽轮发电机组转子动静碰摩故障 的研究，得到了有效区分动静碰摩故障与不平衡不对中复合故障的小波谱能量分 布特征【1 4 】。 汽轮发电机组故障以线性为主，同时，有些故障具有不同程度的非线性特性， 振动信号常伴有突变和非平稳性，用传统的频谱分析方法难以实现对这些突变信 号和非平稳信号的准确分析。这些特征信号在一定的尺度范围内都具有分形特 征。因此，把分形几何引入机械设备的故障诊断领域，从那些不规则的信号中求 出它的结构特征分形维数，对机组故障的诊断具有重要意义。分形维数是用 来定量刻画混沌吸引子“奇异”程度的一个重要参数，它反映了机械动力系统的 状态，可作为一个重要的特征对机械系统进行诊断和预报，比时域波形更能区分 动力系统的状态。文献【1 5 】将分形维数用于表征轴承在不同故障状态下的非线性 行为，进而进行故障分类；文献【1 6 】研究了相关维数在大机组故障诊断中的应用， 指出对机组复杂振动现象，要完全从机理上做出解释是比较困难的，但可以借助 混沌与分形动力学的一些实验工具，进行定性和定量的描述，以区分各种故障不 同的动力学机理，并且通过试验得到了几种常见振动故障的相关维数值变化范 围。文献 1 7 】把该方法用于旋转机械油膜涡动故障诊断中，研究结果表明该方法 相对传统的分析方法在较低转速区能更早发现油膜涡动故障；文献 1 8 将其应用 于齿轮故障的诊断中，对齿轮故障振动信号进行了分析，结果表明该方法能够有 效地降低噪声，提高信噪比，突出齿轮振动信号的故障特征，提高故障诊断准确 性。文献 1 9 】将该方法应用于风机振动信号分析，将经e m d 分解得到各i m f 分 量输入到b p 网络中进行训练学习和故障诊断，结果表明与直接输入原信号相比， 该方法可以提高b p 网络对故障诊断的准确率，减少了训练时间。盲源分离技术 ( b l i n ds o u r c es e p a r a t i o n ，b s s ) 1 2 0 j 是研究在未知系统的传递函数、源信号的混 合系数及其概率分布的情况下，从混合信号中分离出独立源信号的技术，它是信 号处理中一种有前途的新兴技术，应用领域十分广泛。b s s 应用于故障诊断时， 4 硕士学位论文第一章绪论 可以有效地剔除噪声干扰，提取设备故障的特征信号。现场采集到的设备故障信 号，含有大量噪声信号及其它信号( 如齿轮啮合信号等) 的干扰，信号信噪比较 低，为了保证故障诊断的准确性，必须突出设备故障信息，减小噪声干扰。利用 b s s 技术，可以把采集的故障信号看作是几个独立源信号( 故障特征信号、其它 信号、噪声信号) 的混合信号，通过b s s 中的独立分量分析方法( i n d e p e n d e n t c o m p o n e n t a n a l y s i s ，i c a ) 来实现源信号的分离，获得“真正的”故障信号。文献 f 2 1 1 将i c a 应用于一台3 5 k v 鼠笼式感应电机多通道振动信号数据融合，再对融 合后的信号做w e l c h 功率谱密度估计，故障诊断得到的结果表明i c a 融合后的 谱估计可以得到更好的诊断效果。文献【2 2 】研究了i c a 在拨轮箱故障早期诊断中 的应用，分析了齿轮箱的混合振动信号模型，使用快速i c a 算法分离出轴承的 振动信号，将其功率谱与原始振动信号的谱相比较，结果表明i c a 更易于实现 故障的早期诊断。 1 2 3 智能故障诊断方法的研究现状 随着人工智能技术的发展，故障诊断方法已从当初的领域专家通过对故障数 据的对比、联想、分析，借助自己的经验知识进行人工诊断，逐渐向基于知识和 神经网络的智能诊断发展。尽管目前智能诊断还无法完全取代人工诊断方法，现 场许多实际的故障问题还必须通过领域专家才能得以及时妥善的处理。但随着智 能诊断技术的不断发展和完善，其在机组实际故障诊断中的作用将会得到逐步加 强。智能故障诊断技术的研究主要从两个方面展开：基于知识的专家系统诊断技 术研究和神经网络的诊断技术研究。 ( 1 ) 基于知识的智能故障诊断技术的研究 基于知识的专家系统诊断技术是设备诊断领域中研究多、应用广的一类智能 诊断技术。它包括两种类型的专家系统：浅知识( 领域专家的经验知识) 专家系 统和深知识( 诊断对象的模型知识) 专家系统。 浅知识诊断系统 浅知识的故障诊断系统是以领域专家和操作者的启发性经验知识为核心，通 过演绎推理或产生式推理来获取诊断结果，目的是寻找一个故障集合，使之能对 一个给定的征兆集合产生的原因做出最佳解释。 浅知识的诊断推理具有知识表达直观、形式统一、模块性强、推理速度快等 优点。但是这种方法具有较大的局限性，如知识集不完备，对没有考虑到的故障 容易陷入困境。 模型知识诊断系统 模型知识( 深知识) 的诊断系统要求诊断对象的每一个环节具有明确的输入 5 硕+ 学位论文 第一章绪论 输出表达关系，诊断时首先通过诊断对象的实际输出与期望输出之间的差别，生 成引起这种差别的原因集合，然后根据诊断对象领域中具有明确科学依据知识及 其内部特定的约束关系，采用一定的算法，找出可能的故障源。 模型知识的诊断推理在知识的表达上比基于经验知识的推理具有更大的优 越性：知识获取方便，维护简单，易于保证知识库的一致性和完备性。但是搜索 空间大，推理速度慢，针对具体的实际机组，要找到合适的模型比较困难。 基于知识的故障诊断技术在某些方面具备智能诊断系统的能力，有如下优 点：适合用于模拟人的逻辑思维过程，善于解决需要进行逻辑推理的复杂诊断问 题；知识可用显式的符号表示，在己知基本规则的情况下，无需输入大量的细节 知识；便于模块化，当个别事实发生变化时易于修改；能与传统的符号数据库进 行连接；能解释自己的推理过程，并能解释结论是怎样获得的。因此，在设备故 障诊断领域中取得了一定的成功应用。 但是，知识处理故障系统依然存在许多明显的局限性：知识获取困难，自适 应能力差、系统不具备自学习能力、实时性差、工程应用性能差。 ( 2 ) 神经网络智能故障诊断技术研究 人工神经元网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 是在现代生物学取得的成 果基础上提出的，是用简单的处理单元连接组成网络，模拟人脑神经元结构特性 建立一种并行的非线性动力学系统。近十多年来，神经网络作为一种新的方法与 手段，己被广泛地用于模式识别、预测、优化、联想记忆、控制、知识处理等领 域的研究和应用。 1 9 8 8 年h o s k i n s 论证了神经网络在故障诊断领域的潜力。神经网络具有大规 模并行处理、信息的分布式存储、高度的容错性和鲁棒性、自组织、自学习能力 及实时处理能力，利用神经网络的学习功能、联想记忆功能、分布式并行信息处 理功能以及非线性映射能力，可以解决诊断系统的知识表示、获取和并行推理等 问题，弥补了传统专家系统的主要缺点，为智能诊断技术的发展开辟了新的途径。 神经网络在故障诊断的应用研究主要集中在三个方面，即从模式识别角度应用神 经网络作为分类器进行故障诊断；从预测角度应用神经网络作为动态预测模型进 行故障预测；从知识处理角度建立基于神经网络的诊断专家系统【2 引。作为一种自 适应的模式识别技术，人工神经网络不需要预先给出模式的先验知识和判别函 数，通过自身的学习机制，对各种故障类型样本进行学习，形成判别各类故障的 决策函数或决策区域。神经网络的特性由拓扑结构、节点特性、学习或训练规则 所决定，它能充分利用来自不同状态的信息，逐一训练以获得映射关系，可连续 学习。当环境改变，这种映射关系可以自适应调整。1 9 8 9 年，v v e n k a t a s u b r a m a n i a n 等人采用误差的反向传播算法( b p 算法) 将神经网络应用于旋转机械故障珍断， 6 硕士学位论文第一章绪论 并将这种方法与基于知识的专家系统进行了比较，取得了较为理想的效果，虽然 他们提出的这种神经网络还存在着训练时间过长、训练无法采用实时数据等不 足，但仍然是将神经网络应用于模式匹配和故障诊断的一次成功尝试【2 4 j ；1 9 9 1 年m c h o w ，s o y e e 等人采用神经网络对交流感应电动机进行故障诊断，建立 了一种基于高序神经网络的中小型感应电动机初期故障诊断算法，对早期故障进 行了成功的诊断，诊断结果表明，该种神经网络初期故障识别准确率大于9 5 ， 可以满足现场应用的要求【z 列；19 9 5 年k u o ，r j 采用b p 神经网络对汽轮机叶片 质量不平衡、叶片松动及两种复合故障的诊断进行了研究，使用模糊逻辑动态调 整学习率、动量因子、激活函数陡度等网络训练参数，加速网络学习过程，达到 了9 0 的诊断识别精度【2 6 。 神经网络的故障预测应用主要是利用神经网络对非线性函数的高度逼近能 力，f u n a h a s h i 证明了单隐层的感知器网络能以任意精度逼近任意连续映射，表 明多层感知器是一个理想的函数逼近器。r c m y a m 等采用一种递归神经网络 ( r e c u r r e mn e u r a ln e t w o r k s ，对州s ) 对某电厂一台电动泵齿轮箱故障发展趋势 进行预测，取得了较高的预测精度，实现了水泵故障的早期识别和报警，便于水 泵在运行周期内安排维修【2 1 7 j ；陈耀武针对反映转子系统工作状态的特征参数时间 序列具有不确定性的、差异较大的分段函数变化规律的特点，提出了一种组合式 神经网络转子系统状态预测模型，该模型将故障诊断和状态预测有机地结合起 来，利用转子系统当前状态特征参数样本，通过故障诊断系统判断预测时的转子 系统工作状态模式，从多种神经网络预测模型组合而成的预测模型库中调用同该 工作状态模式相应的神经网络预测模型，对多种特征参数时间序列进行预测，依 据预测出的未来某一时刻的多种特征参数，利用故障诊断系统判断转子系统的未 来工作状态模式，仿真试验结果表明该模型可以对转子系统状态进行可靠的预测 【2 引。基于神经网络的诊断专家系统充分利用了专家系统和神经网络在故障诊断领 域的各自优点，将两者结合在一起共同构造一个新的知识表达体系。与传统的专 家系统的高层逻辑模型不同，它是一种底层数值模型，信息处理是通过大量节点 的简单处理单元之间的相互作用而进行的，由于它的分布式信息保持方式，为专 家知识的获取和表达以及推理提供了新的方式，通过对经验样本的学习，将专家 知识以权值和阈值的形式存储在网络中，利用网络的信息保持性来完成诊断推 理，较好地模拟了专家凭经验、直觉而不是复杂计算的推理过程。 神经网络在故障诊断领域中的应用显示了明显的优越性，但是，人工神经网 络本身没有完善的理论基础，应用中也存在一些弱点： ( 1 ) 神经网络故障诊断系统是建立在大量故障样本训练学习基础之上，系统能 力受到所选训练样本的限制，训练样本选择不当，或样本之间不具备正交性和完 7 硕士学位论文 第一章绪论 备性，就会使系统能力降低，特别是训练样本数目很少时，系统的泛化能力下降， 缺乏较好的归纳推理能力； ( 2 ) 神经网络学习收敛速度慢、存在振荡和局部极小等问题； ( 3 ) 忽略了领域专家的诊断经验知识。神经网络利用知识和表述知识的方式单 一，通常的神经网络仅仅通过典型实例来获取诊断知识，忽视了领域专家在长期 实践中所积累的宝贵经验，导致诊断能力下降； ( 4 ) 缺少解释推理过程、推理依据及所存储知识意义的能力。神经网络从故障 样本训练学习中得到的知识是以网络拓扑结构以及权重的形式存储在网络之中， 这种隐式的知识表示方法不易被人们理解，对诊断结果也缺乏解释能力。 1 3 本文研究的主要内容 第一章绪论。本章说明了选题意义，分析和总结了汽轮机故障诊断技术国内外 发展现状，为选题提供了研究背景。 第二章汽轮机常见典型振动故障及特征。本章主要介绍了汽轮机的常见振动故 障，分析了故障机理及其特征。为由小波包分解而得到的小波能量的频率属性分 段提供了理论指导。 、 第三章小波分析及小波基的选择。本章介绍了小波变换的理论基础，分析了小 波用于故障诊断的可行性和优势，同时研究了用于提取故障特征信号的小波基的 选择，最后，用仿真实验表明所选小波( 包) 基是完全能满足工程需要的。 第四章径向基神经网络及其训练方法。本章介绍了r b f 网络的工作原理，并将 其和b p 网络做了比较。分析了r b f 网络的学习算法，最后，提出了基于免疫遗 传算法优化和递推最d - - 乘算法的混合学习算法。同时，在本节通过仿真实验证 明了这种方法的鲁棒性和优越性。 第五章基于小波分析和神经网络的汽轮机故障诊断。本章首先介绍了汽轮机常 见故障及其故障机理和特征。详细分析了小波包用于故障提取的过程，并提出了 基于“小波包一能量”法提取信号的特征量的方法。通过自适应阈值去噪和数据的 降维，提高了小波包提取信号的抗干扰性，同时，也为神经网络的分类提供了较 好的输入向量，并提高了故障诊断率。 第六章总结和展望。本章对课题研究做了较为全面的总结，并为今后进一步的 研究做了较有价值的探讨和建议。 8 硕士学位论文第二章汽轮机常见典型振动故障及特征 第二章汽轮机常见典型振动故障及特征 2 1 汽轮发电机组振动故障特征汇总 汽轮发电机组振动故障诊断是根据相关的数据和信息对故障定性，进而对其 产生的原因或机理做出判断，并确定解决措施和实施处理方案。 振动故障有很多类型，总计有数十种之多，但其中数种常见故障的发生率占 了总数的9 5 以上。总结他人及自己的现场经验，如果能对这些典型故障做出准 确的判断，则足可以应付生产实际的需要。因此，对典型、常发故障诊断技术的 掌握有十分重要的工程意义。本节将给出它们的特征、判断方法。 近几十年国内有关单位对机组振动故障处理的历史和经验教训说明，对振动 故障的定性一般并不困难，但在确定故障的具体原因时，由于对造成故障的机理 分析有分歧，使得误判时有发生。因此，机组振动故障的诊断除需要现场经验外， 还应该掌握一定的基础理论和科学的分析能力，这样才能快捷地找出故障的确切 原因，提出正确的根治措施，而不致盲目地一概采用现场高速动平衡的方法，使 得表面上振动有所减小，实际上没有根治，机组经过一段时间的运行或检修后， 振动重复出现。 表2 一l 给出了汽轮发电机组常见振动故障特征的汇总表： 表2 1 汽轮发电机组常见振动故障特征汇总表 序号故障名称频谱特征其它特征 振幅、相位随转速变化，随时间不变，轴心轨 l 原始质量不平衡 1 x 迹擎椭圆轨迹或圆轨迹 低转速卜转轴原始晃度人，l 临界转速附近振动 2 转子原始弯曲 l x 略减小 振幅、相位随时问缓慢变化到一定值，转子冷 3 转子热弯衄 1 x 却后状态恢复 4 转动部件匕脱 1 x 振动突增，相位突变剑定植，伴随声响 高的2 x 或3 x 振幅，1 2 临界转速有2 x 其振 5 转轴不对中l x 、2 x 峰，“8 ”字形轨迹 6 联轴器松动 1 x 、2 x 与负荷有关 1 x 、整分数内环或外环轨迹，振幅、相位缓慢旋转或振幅 7 动静碰磨 倍频 逐渐增加 8 油膜涡动0 3 5 d 5 x低频 l 现与转速有关 在一定转速山现，突发性的大振动，频率为转 9 油膜振荡l 子第一临界转速，人于1 x 振幅 与负荷密切相关，突发性的人振动，频率为转 1 0 汽流激振i 子第一临界转速，改变负荷即消火 1 x 、分频、 l l 结构共振存在明显的共振峰，与转速有关 倍频 1 2 结构刚度不足 l x 与转速有关，瓦振轴振接近 9 硕十学位论文第二章汽轮机常见典型振动故障及特征 降速过1 2 临界转速有2 x 振动峰，随时间逐渐 1 3 转子裂纹 1 x 、2 x 增人 1 x 、与启动次数有关，随定速、带负荷时间面逐渐 1 4 转子中心孔进油 0 8 0 9 x 增大 转轴截面刚度 1 52 x 1 2 临界转速有2 x 振动峰 不对称 2 2 转子质量不平衡 转子质量不平衡是汽轮发电机组最常见的振动故障，它约占了故障总数的 8 0 。随着制造厂加工、装配精度以及电厂检修质量的不断提高，这类故障的发 生率正在逐渐减少。过去国内大型汽轮机厂中只有个别厂家可以对大型汽轮机转 子进行高速动平衡，现在几乎全部厂家都可以做。至于发电机转子的高速平衡， 各电机厂早已能够进行。现场检修过程中的转子平衡方法也在不断改进。低速动 平衡有些电厂己经抛弃了老式的动平衡机，取而代之是使用先进的移动式动平衡 机。即便如此，质量不平衡目前仍是现场机组振动的主要故障f 2 9 1 。 2 2 1 转子质量不平衡的故障特征 当转子有质量不平衡故障时，在不平衡力的作用下转子将发生振动，振动的 主要特征有： ( 1 ) 转子的振动是一个与转速同频的强迫振动，振动幅值随转速按振动理 论中的共振曲线规律变化，在临界转速处达到最大值。因此，转子不平衡故障的 突出表现为一倍频振动幅值大，同时出现较小的高次谐波，整个频谱呈所谓的“枞 树形”| 3 0 l ，如图2 1 所示； 图2 1 转子不平衡故障频谱图 ( 2 ) 在一定的转速下，振动的幅值和相位基本上不随时间发生变化； ( 3 ) 轴心运行轨迹为圆形或椭圆形。 在工频分量占主要成分的前提下，判断质量不平衡的第二个主要依据是这种 状况的重复性。只要振动是质量不平衡造成的，工频振动的幅值与相位随转速的 l o 硕士学位论文第二章汽轮机常见典型振动故障及特征 变化以及后随时间的变化规律是稳定的，重复性很好，即使不平衡不是转子的原 始不平衡，而是来自转子的热弯曲或转动部件的松动等，现象也基本是重复的。 除非是由于其它原因造成的工频振动特征，如中心孔进油或动静碰磨【引1 。 2 2 2 转子质量不平衡的分类特征 汽轮发电机组转子的质量不平衡产生的原因有三个：原始不平衡、转动过程 中的部件飞脱、松动以及转子的热弯曲，原始不平衡是主要原因。现对这些不同 形式的不平衡振动特征分别介绍。 1 原始质量不平衡 原始质量不平衡指的是转子开始转动之前在转子上己经存在的不平衡。它们 通常是在加工制造过程中产生的，或是在检修时更换转动部件造成的。这种不平 衡的特点除了上面介绍的振幅和相位的常规特征外，它的最显著特征是“稳定”， 这个稳定是指在一定的转速下振动特征稳定，振幅和相位受机组参数影响不大， 与升速时或带负荷的时问延续没有直接的关联，也不受启动方式的影响。具体所 测的数据中，在同一转速，工况相差不大时，振幅波动约2 0 ，相位1 0 。 2 0 。范围内变化的工频振动均可视为是稳定的1 3 引。 2 转动部件飞脱和松动 汽轮发电机组振动发生转动部件飞脱可能有叶片、围带、拉金以及平衡质量 块：发生松动的部件可能有护环、转子线圈、槽楔、联轴器等。 飞脱时产生的工频振动是突发性的，在数秒钟内以某一瓦振或轴振为主，振 幅迅速增大到一个固定值，相位也同时会出现一个固定的变化。相邻轴承振动也 会增大，但变化的量值不及前者大。这种故障一般发生在机组带有某一负荷的情 况。 部件松动所造成的工频振动大的情况可以发生在升速、定速或带负荷过程。 有的情况下大振动会变小，出现波动现象。 3 转子热弯曲 转子热弯曲引起的质量不平衡的主要特征是工频振动随时间的变化。随机组 参数的提高和参数下运行时间的延续，工频振幅逐渐增大，相位也随之缓慢变化， 一定时间后这种变化趋缓，最终基本不变。 存在热弯曲的转子降速过程的振幅，尤其是过临界转速时的振幅，要比转子 温度低启升速时的振幅大。两种情况下的波特图可以用来判断是否存在热弯曲。 为此有时需要安排别的试验，机组不采用滑动参数停机的方式，较快地减负荷， 以观察转子温度高的情况下降速过程的幅频特性，和冷态启机时进行比对。 一旦转子温度降低，转子的弯曲会很快恢复。因此，测试必须在转子弯曲没 硕士学位论文 第二章汽轮机常见典型振动故障及特征 有完全恢复前进行。 新机转子的热弯曲一般来自材质热应力。这种热弯曲状态是固有的、可重复 的，因而以用平衡的方法处理。有时运行原因也会导致热弯曲，如汽缸进水、进 冷空气、动静碰摩只要没有使转子发生永久塑性变形，这类热弯曲都是可以恢复 的，引起热弯曲的根源消除后工频振动大的现象也会随之自行消失。 排气缸温度过高导致瓦振工频振幅增大是运行中时常发生的另一种现象。从 原理上分它也使转子出现热弯曲l j 。 发电机转子也常会因为通风道堵塞引起转子一侧温度高于对面一侧，转子发 生类似于阶振型的弯曲，它自然对一阶振动影响最大，表现最明显应该在过一阶 临界转速时的工频动增大。 2 3 动静碰摩 汽轮发电机组转动部件与静止部件的碰摩是运行中常见故障。随着现代机组 向着高性能、高效率发展，动静间隙变小，碰摩的可能性随之增加。 碰摩使转子产生非常复杂的振动，是转子系统发生失稳的一个重要原因，轻 者使得机组出现强烈振动，严重的可以造成转轴永久性弯曲，甚至整个轴系毁坏。 因此，对汽轮发电机组碰摩的诊断和预报无疑会有效地提高运行的安全性，防止 重大事故发生。 理论研究和实验室研究结果己经表明，不同类型的碰摩和处于不同的发展阶 段具有不同的故障特征，它们可以作为诊断的依据。但是，这些研究结果和实际 情况还有距离，因为相同的特征对应着许多其它的故障，如质量不平衡、联轴节 不对中、转子横向裂纹等，这些故障会产生和碰摩类似的频谱特征。这也是为什 么至今对碰摩的现场诊断还没有一个行之有效的方法原因所在。 每年全国都会有几台大机组发生动静碰摩而出现大振动，但在处理过程中却 往往要走弯路，或疑为质量不平衡，或疑为支撑系统刚度不足。需要进行多次开 机，平衡加重或支撑加固，为此延误数周己是常事。最终开缸检查，方发现汽封 或通流部分己严重摩擦。碰摩的诊断与认定是目前具有一定难度的主要振动故 障。 2 3 1