（机械工程专业论文）汽轮发电机组常见振动故障诊断的研究.pdf

摘要 机械故障诊断理论和技术的研究已日趋深入，但如何将其成果应用到生产实际当中 去也就成为该项研究的最终环节。 汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊 性，导致故障率高、危害性大。因此，对其常见振动故障诊断的了解和掌握就显得必不 可少。基于这种考虑才选定了汽轮发电机组常见振动故障诊断的研究一题，探索如何从 机组的状态行为综合其特征，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。 论文首先阐述了机组状态行为的复杂程度，并对如何评价机组这一总体故障特征进 行了研究，从定性和定量的角度上分别提出了图形描述工具一递归图和定量评估指标两 种方法，并结合这两种方法讨论了机组行为的可预测性问题。 对机组常见振动故障进行诊断，首先要进行振动测试，这就要求不但要熟悉测试的 原理、方法和要点，而且要掌握一定的实践经验。准确测得振动信号数据后，就需要对 数据加以分析和处理，因此振动数据分析方法的了解和掌握就显得尤为重要。论文在简 单介绍几种分析方法以及稳态数据和瞬态数据的特征图形的基础上，提出了振动信号中 的若干具体问题。 高速旋转机械设计和运行中的一个重要问题是控制和降低轴系的强追振动响应，同 时还存在另一类同样重要的问题：转子动力失稳和自激振动。故而探讨汽轮发电机组轴 系稳定性问题，描述两种失稳型式的特征和判断方法就成为论文第五章的内容。 汽轮发电机组常见振动故障的类型、特征、判断方法，是论文要讨论的关键所在， 第六章将结合实例详细进行介绍。 汽轮发电机组常见振动故障诊断与电力生产实际联系紧密，具有可马上转化为生产 力的学术价值，也是生产实际的迫切要求。 关键词：汽轮发电机组 常见；振动；故障诊断；特征；判断方法 a b s t r a c t t h et h e o r e t i c a la n dt e c h n i c a lr e s e a r c ho nd i a g n o s i so fm e c h a n i c a le q u i p m e n th a v eb e c o m e p e r f e c t e d b u ti ti st h c l a s tt a c h et h a th o wt oa p p l yi t sr e s u l tt op r o d u c i n g p r a c t i c e t u r b o g e n e r a t o r s i sa n i m p o r t a n te q u i p m e n t f o re l e c t r i c p o w e rp r o d u c i n g ，b e c a u s e o f s t r u c t u r a lc o m p l e x i t yi ni t se q u i p m e n ta n ds p e c i a lc i r c u m s t a n c ei ni t sr u n n i n g ，c a u s et h ef a u l t r a t eh i g h ，t h eh a r mi s b i g t h e r e f o r e ，勰t oi t sn e c e s s a r yt h a tt h ef a m i l i a rv i b r a t i n gf a u l t d i a g n o s i so fu n d e r s t a n d i n ga n dm a s t e r i n g a c c o r d i n gt ot h i s 虹n do fc o n s i d e r a t i o nj u s tm a d e s e l e c t i o nt u r b o g e n e r a t o r sar e s e a r c hf o rf a m i l i a r l yv i b r a t i n gf a u l td i a g n o s i s i n v e s t i g a t i n gh o w f r o mt h em a c h i n es e tb e h a v i o rs y n t h e s i z e si t s c h a r a c t e r i s t i c ，d e t e r m i n i n gt h en a t u r ew i t h i n f o r m a t i o nt ot h ef a u l t a c c o r d i n gt o t h er e l a t e dd a t a , t h e na st oi t s o u t p u t r e a s o no r m e c h a n i s m sd o t h e j u d g e m e n t , a n dm a k e s s u r et os o l v e 1 1 1 et h e s i se x p a t i a t e dt h eb e h a v i o r a la n d c o m p l i c a t e dd e g r e ei nm a c h i n ef i r s t , a n dt oe v a l u a t e t h ed e g r e eo fc o m p l e x i t yo fr u n n i n gc o n d i t i o n , p r o p o s e st w om e t h o d s ：q u a l i t a t i v eg r a p h i c m e t h o d - - - r e c u r r e n c ep l o ta n dq u a n t i t a t i v ee s t i m a t i o nc r i t e r i o n b o t hm e t h o dc a ne f f e c t i v e l y d e s c r i b et h ec o m p l e x i t yo f r u n n i n gc o n d i t i o n t h ep r e d i c t a b i l i t yo fr u n n i n gc o n d i t i o nb a s e d o n t h e s et w om e t h o d si sa l s od i s c u s s e d t ot h e t u r b o g e n e r a t o r sf o rf a m i l i a r l yv i b r a t i n gf a u l tp r o c e e d i n gd i a g n o s i s ，f i r s tw a n t i n g p r o c e e d i n gv i b r a t i o nt e s t i n g t h i sw i l lb e g g i n gn o to n l yw a n t i n ga c q u a i n t i n gw i t ht e s t 、i 恤 p r i n c i p l e ，m e t h o da n do u t l i n e , a n df u l f i l m e n te x p e r i e n c ec o n l x o l l i n gc e r t a i n l y i t sa c c u r a t e t o m e a s u r ev i b r a t i o ns i g n a l ，d e m a n dt h ed a t aa c c o r d i n gt ot a k ei n t ot h ea n a l y s i s 、) l ，i t l lh a n d l e s t h e r e f o r et h ev i b r a t i o nd a t aa n a l y z e st h eu n d e r s t a n d i n go ft h em e t h o dw i t hc o n t r o la n dt h e n s e e mt ob ep a r t i c u l a r l yf o ri m p o r t a n c e t h e s i si si ns i m p l ei n t r o d u c t i o naf e w a n a l y s i sm e t h o d a n ds t e a d yd a t ao ff e t t l e sw i mt h ef o u n d a t i o no ft h e c h a r a c t e r i s t i cs k e t c ho ft h ed a t ao f i n s t a n t a n e o u sf e t t l el a s t l y , p u tf o r w a r dv i b r a t i o ns i g n a lo fs o m ec o n c r e t e p r o b l e m n l ck g h s p e e d r e v o l v e sm a c h i n ed e s i g n 谢ma ni m p o r t a n tp r o b l e mt h a tc i r c u l a t et h ei n s i d e i sac o n t r o lw i t hl o w e rt h es h a f t i n gf o r c et h ev i b r a t i o nr e s p o n d st o ，s t i l le x s i s ta tt h es a l n et i m e a n o t h e ra na l s oi m p o r t a n tp r o b l e m ：t h er o t o rl o s e ss t e a d yw i mf x o ma r o u s et h ev i b r a t i o n p a s t b u td i s c u s st h et u r b o g e n e r a t o r sas h a t t i n gp r o b l e m ，d e s c r i b et w ok i n d so fc h a r a c t e r i s t i c st h a t l o s et h e s t e a d yp a t t e r nw i t h j u d g e t h em e t h o da n dt h e nb e c o m et h ec o n t e n t so f t h e s i s c h a p t e r 5 ， t u r b o g e n e r a t o r sat y p e ，c h a r a c t e r i s t i c ，j u d g e a n e n tm e t h o df o rf a m i l i a r l yv i b r a t i n gf a u l t ，i sa k e yp l a c et h a tt h e s i s w a n tt o d i s c u s s , c h a p t e r6w i l lj o i nt o g e t h e rad e t a i l e dp r o c e e d i n g i n t r o d u c t i o n t u r b o g e n e r a t o r s as c i e n c ef o r f a m i l i a r l yv i b r a t i n g f a u l t d i a g n o s i s a n de l e c t r i c p o w e r p r o d u c i n g a c t u a lc o n t a c tc l o s e l y , h a v i n gc a l lr i g h ta w a y c o n v e r t i n gi n t op r o d u c t i v i t yv a l u e ，a n d a l s oi su r g e n t r e q u e s t t op r o d u c i n g p r a c t i c e k e y w o r d s ：t u r b o g e n e r a t o r s f a m i l i a r ：v i b r a t i o n ；f a u l td i a g n o s i s ；c h a r a c t e r i s t i c ； j u d g e m e n t m e t h o d 0 前言 目前，国内的相当一部分石化行业和电力工业依然停留在“事后维修”和“预防为 主维修”的设备管理水平上，不但在技术应用和管理水平上严重滞后，而且因为每年在 此项工作上的大量资金投入也极大限度地制约了企业的经济效益的提高。随着科学技术 的不断发展、机械设备的改进、维修技术和管理水平的提高，状态监测指导下的“预知 维修决策”就成为现代企业最先进的设备管理思想，而预知维修决策的充要条件是对设 备故障做出准确诊断。根据状态监测所得到的信息、结合已知结构特性和参数及环境条 件，结合设备运行历史记录，对设备可能发生或已发生故障进行分析、判断，确定故障 性质、类别、原因、部位，提出控制其继续发展和消除故障的调整治理对策，并加以实 施，最终使设备恢复正常。 汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊 性，汽轮发电机组的故障率较高，而且故障危害性也很大，因此汽轮发电机组的故障诊 断一直是故障诊断技术应用的一个重要方面，而振动是直接关系到汽轮发电机组正常运 行的一项重要指标。自发电机组问世以来，振动测试分析、故障诊断与处理技术就随之 产生。在近一、二十年里，随着电力工业的迅猛发展，出现了与故障诊断相关的如下特 点：机组日趋大型化、复杂化、自动化程度日益提高；现代电力生产对设备的可靠性提 出了更高的要求，机组参数的提高和容量的增加，使得由于轴系振动缺陷造成的机组非 计划停机带来的经济损失也随之成倍地增加。所有以上这些都要求诊断技术必须迅速发 展，以与生产现状相匹配。 机组振动故障的诊断除需要现场经验外，还应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。国内还有相当一部分 企业的故障诊断主要是依靠人工，利用听、看、查、摸、比等手段对设备进行诊断。通 过经验的积累，人们可以对一些设备故障做出诊断，但这种手段由于其局限性和不完备 性，现在已不能适应生产对设备可靠性的要求。虽然也引进了一些先进的状态监测和诊 断系统，但由于测试者的现场经验不足，也不能够最大程度地发挥效用。因此，撰写本 文预期达到的目的就是通过对汽轮发电机组常见振动故障的研究，准确诊断机组的故障， 正确判断机组的运行状态，从而及时采取措施使机组处于最佳状态，充分发挥机组潜力， 保持其完好率，不仅能避免机组带病进行，而且可以大大减小或防止设备事故的发生以 及由此带来的巨大损失。 汽轮发电机组常见振动故障诊断的研究 1 绪论 1 1 选题意义 2 0 世纪以来，随着工业生产和科学技术的发展，机械、化工、动力等行业中的大型 回转设备日益朝大型化、高速化、精密化的方向发展，其工作性能不断改善，自动化程 度和生产效率越来越高：同时，其结构也日趋复杂，集成化程度不断提高，一旦其中的 某一部分或某一环节发生了故障，往往会影响产品的质量和产量，甚至使整个生产中断， 直接或间接造成巨大的社会、经济损失，更有甚者，会造成关键设备损坏、危及人身安 全。机械设备的可靠性、可用性、可维修性与安全性的问题日益突出，从而促进了人们 对机械设备故障机理及诊断技术的研究。 汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊 性，汽轮发电机组的故障率较高，而且故障危害性也很大，因此汽轮发电机组的故障诊 断一直是故障诊断技术应用的一个重要方面。振动是直接关系到汽轮发电机组正常运行 的一项重要技术指标。长期以来，汽轮发电机组的振动问题一直影响着汽轮机的安全可 靠运行。国内外都曾发生过因振动超标处理不及时而造成重大设备损坏事故。在1 9 8 8 年 6 月，1 个网局曾出现同时有5 台2 0 0 潲以上的大型机组由于振动原因停机处理的紧急局 面。在1 9 8 8 年1 0 月，北仑电厂l 号6 0 0 m w 东芝机组发生高压缺叶片断裂重大事故，直 接损失2 4 0 0 万元( 人民币) “1 。因此。如何避免和预防机器设备出现故障，杜绝重大事 故发生，就成为人们越来越关心和重视的问题。于是大型回转机械状态监测与故障诊断 技术随之应运而生。自二十世纪七十年代以来，国外大型机组状态监测与故障诊断技术 进入实用阶段。“3 。例如：美国西屋公司开发的汽轮机人工智能诊断系统( t u r b i n e a i d ) ， 人工智能诊断系统( g e n a i d ) ，中心设在奥兰多，连接了1 0 个电厂，运行已l o 多年，有 介绍说这套系统使德克萨斯7 台机组的非计划停机率从1 4 下降到0 。2 ，平均可用率由 9 5 2 上升到9 6 1 “。从七十年代末以来，国内的许多高校、研究所和工厂对大型机组 故障诊断技术进行了大量的研究，取得了很多令人瞩目的成果，许多项目在技术水平上 1 0 0 瓣t 5 基蚰 墩2 5 o 誓) 8 99 l9 2 9 3 舛9 5 时润年 图1 1 泸州天然气化学工业公司化肥生产五大机组开缸率变化示意图 f i g u r e 1 1l u z h o un a t u r a lg a sc h e m i s t r yi n d u s t r yc o m p a n i e st h e f e r t i l i z e r s p r o d u c t i o nf i v eg r e a t e s tm a c h i n e ss e t o p e n sar a t ev a r ie t ys k e t c hm a p 汽轮发电机组常见振动故醣诊断的研究 已达到甚至部分超过了国外同类产品，获得了巨大的经济、社会效益。例如：西安交通 大学机械诊断与控制学研究所开发的大型回转机械故障诊断与监测系统，经专家鉴定， 达到了国际先进水平。该系统目前已在国内十几家石化厂应用。图1 1 是该系统在泸州 天然气化学工业公司使用的几年中，化肥生产五大机组在大修中的开缸率变化示意图， 可以看出，系统投用后，开缸率是逐年下降的，由此带来的直接和问接经济效益可达数 千万元幽1 。 但是由于汽轮发电机组的结构越来越复杂，影响因素、环节越来越多，其表现出来 的行为也随之更为复杂多变。这就给正确提取故障特征、精确诊断机组故障带来困难。 目前，大多数故障诊断与监测技术对于症状较为简单的故障，一般都能准确地提取其故 障特征，故障识别、诊断的准确性和可靠性比较高。但对于行为表现复杂的故障，由于 故障特征提取困难，诊断结果往往不尽如人意，有时还经常会产生误诊，从而造成故障 的恶性发展，最终导致巨大的经济、社会损失。例如：1 9 9 5 年1 1 月，酒泉钢铁公司自备 电厂的五号汽轮发电机组几次启动都由于振动过大而被迫停机，引起振动超标的故障原 因经过现场人员多次分析始终无法确诊。最后经揭盖检查发现，转子振动过大是由于转 子出现了大弯曲造成的。此时，转子由于多次强行启动，已经损坏报废。由于这台机组 还承担了嘉峪关市的供电任务。因此其停产给酒钢和嘉峪关市造成了巨大的经济损失， 经初步估计其损失达一个亿。如果在机组第一次启动失败后，就能从转子的振动信号中 提取出转子弯曲的故障特征，从而分析出振动过大的原因是由于转子弯曲造成的，并采 取相应措施的话，不但可以避免巨大的经济损失，而且转子也不会由于多次盲目的强行 启动而导致损坏报废。由此可见，如何从带障机组的复杂状态行为中提取故障特征，及 时准确地找出故障源，避免重大事故的发生，是一个亟待解决的问题，它也是机械故障 诊断技术继续深入发展所面对的课题之一。 近几十年来。科学技术的发展突飞猛进对客观事物本质的认识越来越深刻，各种 学科和理论如：系统论、信息论、控制论和相关的技术都得到了很大发展，它们从各自 的角度上都提出了许多新方法和新思路，可以用来分析事物的复杂行为、并从中提取典 型特征。这就为从带障大型机组的复杂行为中正确、全面地提取故障特征提供了强有力 的理论和技术支持。本文以非线性动力系统理论、非稳态信号处理技术的有关概念和 方法作为工具，对汽轮发电机组常见振动故障诊断迸行研究，以期使机组故障诊断技术 更有效地应用于生产实际，促进工业生产的发展。 1 2 带障机组行为的复杂性和故障诊断过程 当汽轮发电祝组在正常运行时，其表现的状态行为大多比较简单而且比较平稳 如图1 2 a 所示，这时系统的非线性较弱，可近似看作是线性系统。”；而当机组发生故障 时，其表现的行为则是多种多样、复杂多端的，随着故障的不同，其表现的症状也大不 相同。对于有些故障其表现行为较为简单，如图l _ 2 b 所示，而对有些故障则很复杂，如 图1 2 c 所示。 另外，当机组发生故障后，其非线性往往会大大增强，这也使得带障机组表现出 来的行为更加复杂多端。下面举一个简单的例子嘲3 加以说明。 对于一个简单的质量一弹簧一阻尼系统，如图1 _ 3 所示： 当这个系统为线性对，即当弹簧剐度与阻尼是和位移x q ) 与速度主0 ) 成线性关系对， 2 垫丝垄曼塑望壹里塑垫垫堕堡堑堕竺壅 按牛顿第二定律，质量m 的运动方程为： 或 水平方阿拓动m v ( a ) 正常状态 名 需 辅 赶 悯 埘 常 摹霆l 4 h i 。“：。 o 一 m | ；一- 二 水平方阿振动m v ( b ) 管道擞勋 水平方晦报动桶 ( c ) 气封磨损 图1 2 机组具有不同故障时转子轴承平面内的轴心轨迹图 f i g u r e1 2 t h em a c h i n es e th a st h eh o u ro fd i f f e r e n tf a u l tt u r n st h e s u b b e a r i n g sa x i si nt h ef l a ts u r f a c et r a c kd i a g r a m 图1 3 质量一弹簧一阻尼系统 f i g u r e l 3q u a l i t y s p r i n g d a m ps y s t e m m 挚+ c 警拖( f ) 锁。d t z d l 一 j + 2 声+ j x = 厂( ，) ； 3 x ( t ) f ( t ) 宅餐鞲赶忙埘常 摹翼霉薰 l=中中一止“f 净e 薄鞲世幢埘啪 汽轮发电机组常见振动故障诊断的研究 cf k 胪面； c o o2 i ； 其中：m 质量； 量刚度系数； c 阻尼系数； 固有频率： y 衰减系数； ，o ) - 夕h 界激励； 取y = 0 1 2 5 ，峨= 1 ，f ( t ) = 0 3 c o s t ，则公式( 1 1 ) 成为 i + 0 2 5 k + 工= 0 3 c o s f ： 这个线性系统的输出位移x 的波形及频谱图如图1 4 所示。 “，i 燧凌形 佛i 耱诺匿 图1 4 线性系统输出位移的波形和频谱图 f i g u r e1 41 i f i es y s t e m so u t p u taf o r mo fd i s p l a c e m e n t w i t ht h ef r e q u e n c yc h a r t d i a g r a m ( 1 2 ) 由图1 4 可以看出，这时系统的输出是一个简单的正弦波，其频率和激励力的频率 相同为：0 1 6 h z 。 4 汽轮发电机组常见振动故障诊断的研究 当图1 3 所示的系统为非线性系统时，也就是弹簧刚度与阻尼和位移z o ) 与速度i o ) 成非线性关系，这时公式( 1 1 ) 中的阻尼项和刚度项为非线性函数： 膏+ 丘( 量) + 正( x ) = - 厂( r ) ； ( 1 3 ) 其中：f ( 量) 非线性阻尼函数： 疋( x ) 非线性刚度函数。 为与公式( 1 2 ) 表示的线性系统相对应，取正( i ) = 0 2 5 j + 贾2 ， ( x ) = x + x 3 ， 厂( r ) = 0 3 c o sr ，则公式( 1 3 ) 成为： 戈+ 0 2 5 2 + 童2 + x + x 3 = 0 3 c o s t ；( 1 4 ) 这个方程表示的非线性系统的输出位移x 的波形及频谱图见图1 5 所示。 ( ) 时蛾波形 ( b 撩诺图 图1 5 非线性系统输出位移的波形和频谱图 f i g u r e1 5n o tt h e1 i n es y s t e mo u t p u t s af o r mo fd i s p l a c e m e n t w i t ht h ef r e q u e n c yc h a r td i a g r a m 从图1 5 中可以看出，虽然激励力没变，但这时系统的输出已不再象线性系统那样 是一个简单的正弦波，而是由三个正弦波组成的。 汽轮发电机组常见振动故障诊断的研究 由以上这个例子可以看出，当系统出现非线性时，即使外界激励力不变，其输出响 应也会较线性系统复杂的多，其输出中不仅含有激励力频率分量，而且还含有激励力的 倍频频率分量。 由此可见，一台带障机组的行为是非常复杂多变的。 机组的状态监测和故障诊断是对机组的行为进行监测，并从监测到的信息中提取故 障特征，从而判断机组运行是否正常，即机组是否处于故障状态，并确定故障源。按系 统论的观点可知，一个机械系统的故障状态，必然是由于该系统的异常输入或该系统本 身的动力和静力特性异常或者这两者均异常造成的结果。1 。因此，故障诊断的任务就是 对监测到的关于机组状态的异常信息进行分析、处理，提取故障特征，并结合一些已知 的关于该机组运行的知识，来找出异常的输入或异常的系统动、静特性来，从而再进一 步找出引起这种异常的原因，以提出解决的办法。这样一个过程和常规的力学分析过程 是不一样的。如图1 6 所示。 输入一臣堕蔓骂一粼态 ( 已知) ( 已知)( 来蛔) ca ) 常规力学分析过程 系统的输出状态 一叵三卜 系统的动力和静力特性 【都分未知) ( b ) 哉障诊断过程 图1 _ 6 故障诊断与常规力学分析过程的差别 f i g u r e 1 6t h ef a u l t d i a g n o s i sa n a l y z ew i t hn o r m a lr e g u l a t i o n s m e c h a n i c st h ed i f f e r e n c eo ft h ep r o c e s s 由图1 6 可以看出，常规力学分析的方向是从系统的输入到系统的输出；而在故障 诊断过程中，其分析的主要方向却是从系统的输出到系统的输入。从这一点上看，故障 诊断过程实质上是常规力学的反问题：它通过从系统的输出状态中提取故障特征来寻找 系统的异常输入或异常的动静特性，这要比常规力学过程复杂的多。 由于机组发生故障时，其表现出的行为是复杂多端的。而机组故障诊断过程的实质 又是力学的反问题，它通过从带障机组的行为中提取故障特征来识别、诊断故障。所以， 带障机组行为越复杂、越多样，其故障特征的提取就越困难，从而使机组故障的精确诊 断难以实现。因此，如何从多样的、复杂的带障机组行为中找出反映故障的本质特征， 就成为一个既是很难解决，又是精确诊断机组故障的一个至关重要的问题。 汽轮发电机组常见振动故障诊断的研究 1 3 汽轮发电机组故障诊断技术的现状评述 机械故障诊断技术是- - f 2 多学科的综合技术，涉及到计算机科学、人工智能、动态 信号处理、非线性动力系统理论等众多领域的知识。目前，关于汽轮发电机组故障诊断 技术的研究主要集中在以下几个方面： 1 3 1 信号采集与信号分析 1 、传感器技术 由于汽轮机工作环境恶劣，所以在汽轮机故障诊断系统中，对传感器性能要求就更 高。目前，对传感器的研究，主要是提高传感器性能的可靠性、开发新型传感器，另外 也有相当一部分力量在研究如何诊断传感器故障以减少误诊率和漏诊率，并且利用信息 融合进行诊断。现行的对传感器自身故障诊断技术主要有硬件冗余、解析冗余和混合冗 余，由于硬件冗余有其明显的缺点，因而在实际中应用较少。 2 、信号分析与处理 最有代表性的是振动信号的分析处理。目前，汽轮机故障诊断系统中的振动信号处 理大多采用快速傅里叶变换( f f t ) 1 1 2 jf f t 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。 f f t 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。但是，实际中的很多信 号是非线性的、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。 1 3 2 故障机理与诊断策略的研究 1 、故障机理的研究 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。故障机理的研究主要是根据汽轮机的力学特性，建立相应的 动力学模型，从故障对系统动力学参数的影响来分析故障的特征表现。故障机理的研究 可以为汽轮机的故障寻因、故障定位、故障预警等提供指导和理论依据。汽轮机故障机 理的研究在转子裂纹、摩擦、自激振动、轴承动力失稳等方面已经取得了一定的进展” 3 2 o 2 、诊断策略的研究 根据获得的机组状态的信息，通过适当的处理、变换，提取出其中的诊断信息，即 故障特征，来判明机组当前的状态，并诊断机组中所隐含的故障。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。从故障诊断技术诞生以来，故障特征的提取和处理方 法取得了很大的发展。除了传统的分析方法，如：相关分析、时域波形分析、瀑布图、 频谱分析、时序模型分析、轴心轨迹、波特图、倒频谱外，还陆续发展了许多新的方法， 如时一频分析、主分量分析、小波变换以及全息谱分析方法等。”。这些新方法的使用， 使机组状态中的一些故障特征得以提取和利用，从而使诊断技术较以前的眼看、手摸、 耳听的原始状态有了一个很大的飞跃，诊断的准确率和成功率也大大提高了。但对于某 些故障，这些方法的诊断成功率仍然很低，有时甚至完全失灵，这主要是因为：( 1 ) 这 7 汽轮发电机组常见振动故障诊断的研究 些方法多半是基于线性理论基础上的。对于具有强烈非线性的故障，这些方法的分析效 果就不好，甚至失灵。( 2 ) 这些方法中有许多是直接从别的学科领域中9 1 进的，在针对 大型机组故障诊断这个特殊领域时，就需不断完善和发展，甚至需要派生出新的方法来， 以解决一般信号处理方法和大机组故障特征提取的结合问题，也就是一般和特殊的结合 问题，生搬硬套，往往带来失败。 1 3 3 人工智能 汽轮发电机组状态监测与故障诊断技术作为一门应用科学，建立智能监测与诊断系 统是一个必然的发展趋势。目前，人工智能的研究主要集中在两个方面：一是专家系统。 专家系统能够将设备管理和维修人员的实际经验以及专家的思维方法同计算机强大的运 算能力和巨大的存储容量相结合，对机械设备具有十分有效的诊断能力。目前，用于汽 轮机、内燃机、核反应堆和机床等的专家系统都已研制出来并投入到应用之中。”5 1 。人 工智能研究的另一个领域是人工神经网络，由于神经网络具有自组织学习、分布式处理、 联想记忆、较强的鲁棒性和容错性等优点，已被广泛地用来进行故障状态识别1 和预测 。“。但目前，在大型机组故障诊断领域中用于模式识别和预测的前馈神经网络只具有从 输入到输出的映射能力，其从训练样本中充分提取特征和规则的能力较差，从而在一定 程度上影响了识别的可靠性和精度。 1 3 4 机组运行状态的预测 机组运行状态预测是根据机组当前的状态和以往状态的历史记录来预测其未来的运 行状态。在生产实际中，准确预测机组状态对于避免机组重大事故、延长机组运行周期、 提高工厂的生产效益有着非常重要的意义。机组状态预测按预测的时间长短可分为短期 预测和中、长期预测。目前，随着人工神经网络技术的引入，机组状态的短期预测技术 得到了很大发展。7 “删，其预测的精度和可靠性都有了较大提高。然而，对于机组的中、 长期预测技术来说，所进行的研究工作较少，预测方法还很不成熟，目前正处于深入研 究之中。 基于以上的简述，我们看到汽轮发电机组故障诊断技术的核心：故障特征的提取和 处理技术，虽然有了长足的进步，但仍需要进一步的深入研究。本文结合与故障诊断技 术相关的一些学科领域中的新成果，对大型机组设备状态的深层次特征提取和处理方法 稍做涉猎。 1 4 若干前沿技术在故障特征提取中的应用 在工程实际中，一台汽轮发电机组可以简单的描述为图1 7 所示的黑箱系统。 千扰嗓音 未知输入状态变量输出x ( t ) 图1 7 机械系统的简单模型示意图 f i g u r e 1 7t h es i m p l em o d e ls k e t c hm a po fm a c h i n es y s t e m s 汽轮发电机组常见振动故障诊断的研究 对于这个系统，我们知道的仅是该系统的某一或某几个状态变量的输出x ( t ) 。为了能 够从x o ) 中提取出完整的、有效的故障特征，并实现提取过程的计算机自动完成，有许多 技术问题需要解决。目前，这些问题还没有得到彻底解决，以致限制了故障特征提取技 术的进一步深入发展。其中，最主要的有以下几个： 1 、如何根据系统的状态输出x ( r ) ，确定该系统行为的复杂程度； 2 、如何从状态输出x ，) 中排除干扰噪音对诊断信息的影响； 3 、如何根据状态输出x ( f l ，定量地提取故障的稳态特征： 4 、如何根据状态输出x “) ，提取故障的时变特征； 5 、如何综合利用状态输出x ，) 中包含的各种故障特征，准确诊断故障； 6 、如何实现故障特征提取和识别的智能化。 在故障特征提取技术的发展过程中，人们一直在努力解决以上这些问题，但受到所 使用的传统理论和技术的局限，一直不能很好地解决它们，以致对于复杂的、具有较强 非线性的故障，往往提取不出故障特征，显得束手无策。例如：对于问题2 ，虽然信号处 理技术提出了许多种滤波方法，但对于机组诊断这个特殊领域来说，由于知道的先验知 识很少，因此效果一般都不理想。近十几年中，一些前沿学科得到了迅速发展，其中涌 现出来的某些新方法、新技术，为以上这些问题的解决提供了新的途径。 对于问题l 、2 、3 的解决，非线性动力学。“”中的一些研究成果提供了强有力的理 论和技术支持： n h p a c k a r d ( 1 9 8 0 年) “，d r u e l l e ( 1 9 8 1 年) “，d s b r o o m h e a d 等人( 1 9 8 6 年) “” 提出和发展了用延时嵌陷方法从系统的一个状态输出中对描述系统的相空间进行重构的 方法，通过延时重构得到的相空间能够保证定性地描述原系统的动力特征。这样，通过 对机组的输出x ( ，) 进行重构，就可以描述该机械系统本身的行为特征。这就为问题1 、2 、 3 的解决提供了强有力的理论和技术基础。此外，非线性动力系统的分形维数“7 删概念的 提出，为定量描述重构空间中机械系统的稳态特征提供了有力的技术支持。 目前，非线性动力系统理论已广泛地应用于海洋工程、机械、电子及电机工程等许 多工程领域乃至社会科学中“”。但还没有被用在大型机组故障特征提取方面，以系统、 深入地解决上述问题。 对于问题4 ，近几十年来发展起来的非稳态信号处理技术，特别是时一频分析技术， 为它的解决提供了可能：时频分析技术能够在时域和频域同时描述信号，从而使机械 信号的时变故障特征在时一频域中得到充分的表现。目前，一些时一频分析技术如： w i g n e r 分布”“1 、短时傅里叶变换汹1 、小波包睇1 等已被广泛地应用于机械故障诊断领域 中旧1 ，但对于大型机组的故障诊断而言，由于这些方法仅使用了测得的两路信号中的一 路信号，而忽视了这两路信号之间的内在联系，因而对问题4 的解决，效果并不显著。 对于问题5 ，信息论和熵。“”的理论为它的解决提供了广阔的前景。信息论告诉我们， 通过信息的集成、融合和分解，可以使多个一维诊断信息集成或融合为一个多维的诊 断信息，从而使得故障特征突出、明显的表露出来。目前，在大型机组故障诊断领域中， 信息集成、融合和分解的思想得到了一些初步的应用“，但这些应用在充分利用大型 机组的各种诊断信息方面还不够深入，而且对于大型机组故障特征的集成与分解的规律， 还很少有人进行过深入研究。 对于问题6 ，人工神经网络技术“3 “1 的提出和发展为它的解决提供了新的途径。人工 9 汽轮发电机组常见振动故障诊断的研究 神经网络是对人脑神经系统的模拟，它是一个非线性动力系统，具有很强的非线性处理 能力，能从复杂的事例中学习规律，可以对复杂的现象进行非线性分类、识别。因此， 它有能力实现故障特征的自动提取和识别。目前，神经网络在智能控制、模式识别、时 间序列预测、数据压缩”7 ”等方面取得了令人鼓舞的进展。但是，传统的b p 神经网络， 只具有输入到输出的映射能力，其从训练样本中提取特征的能力还不够强，这使得其对 问题6 的解决还不能非常令人满意。 由以上的叙述可以看出，当代前沿学科中的一些新理论，新方法的提出，已经为解 决汽轮发电机组故障特征提取中的几个主要问题提供了有力的理论和技术基础，只是目 前还很少有人系统地应用这些理论和方法来解决它们。当代前沿学科在近十几年的发展 中，取得了丰硕的成果，其中很多成果在故障诊断领域中都具有普遍的指导意义和应用 价值”。由于本人能力有限，在本文中对故障特征提取技术的研究只能是浅尝辄止。 1 5 问题的提出和论文的主要内容 1 5 1 选题背景 在产业革命初期，用于指导维修实践的理论观点是“事后维修为主”的维修思想， 它是以机械设备出现功能性故障为基础的，即机械设备无法继续运行，有明显的经济损 失，以及严重威胁设备或人身安全等，随着产业革命的深入和科学技术的发展，机械维 修已形成一个独立的工种，“事后维修为主”的维修思想已不能促进生产的发展，被更先 进的“以预防为主”的维修思想所取代。 “预防为主”的维修思想是以机件磨损规律为基础，并且把机件的磨损或故障作为 时间的函数，因此就成为预防维修的基本方法。这种方法大拆大卸，不仅人为地增加了 停机时间和次数，而且造成了巨大的人力、物力的浪费。而目前我们国内的相当一部分 石化行业和电力工业恰恰仍然停留在“事后维修”和“预防为主维修”的设备管理水平 上，不但在技术应用和管理水平上严重滞后，而且因为每年在此项工作上的大量资金投 入也极大限度地制约了企业的经济效益的提高。 随着科学技术的不断发展、机械设备的改进、维修技术和管理水平的提高，新的维 修方式就形成了“预知维修”。这是在状态监测指导下的维修，它是通过仪器监测机 械失效的征兆及其发展，在机器故障发生之前适时进行维修。将来，这种维修也被主动 的预防性维修所取代，使我们的管理水平不断提高。 预知维修决策的充要条件是对设备故障做出准确诊断。近年来涌现出的模糊诊断、 专家系统、神经网络等诊断技术和方法，尚需要在大量的试验中论证。无可非议，无论 采用何种分析方法，都需要大量的现场经验和知识，需要长期经验的积累和总结，要进 行大量的数据分析，要充分了解各种设备在不同工况下的运行状态。现在有人认为设备 故障通过专家诊断系统就可以轻而易举的诊断出来，这种对专家系统盲目崇拜的做法是 不可取的。诊断系统是在正确的理论指导下，立足于大量的现场实际经验积累，通过研 制人员与现场人员共同开发的系统，是一个不断修改完善再修改再完善的 过程。所以，现场人员实际分析积累的资料是至关重要、十分宝贵的，它对我们研究汽 轮发电机组故障诊断具有特别重要的借鉴意义。 作为一个石化行业自备电厂的设备维修管理人员，追求设备维修、管理最佳化是我 永远的工作目标。正是本着以先进的维修思想为指导，立足于现场经验的积累总结以及 1 0 汽轮发电机组常见振动故障诊断的研究 先进诊断技术的应用，才选定了“汽轮发电机组常见振动故障诊断的研究”一题。 1 5 2 论文的研究内容 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，提出讵确的根治措施。 我们企业的故障诊断主要是依靠人工，利用听、看、查、摸、比等手段对设备进行诊断。 通过经验的积累，人们可以对一些设备故障做出诊断，但这种手段由于其局限性和不完 备性，现在已不能适应生产对设备可靠性的要求，虽然也引进了一些先进的状态监测和 诊断系统，但由于测试者的现场经验不足，也不能够最大程度地发挥效用。因此，选题 的目的就是通过对汽轮发电机组常见振动故障诊断的研究、准确诊断机组的故障，正确 判断机组的运行状态，从而及时采取措施使机组处于最佳状态，充分发挥机组潜力，保 持其完好率，不仅能避免机组带病运行，而且可以减小或防止设备事故的发生以及由此 带来的巨大损失。 本文研究内