大型汽轮发电机组故障诊断技术现状与开展.docx

大型汽轮发电机组故障诊断技术现状与开展yangliu导语：设备状态监测与故障诊断技术是一种理解和把握设备使用经过状态的技术。它可以确定设备整体或者部分是正常还是异常，能早期发现故障及其原因，并能预告故障开展趋势。设备状态监测与故障诊断技术是一种理解和把握设备使用经过状态的技术。它可以确定设备整体或者部分是正常还是异常，能早期发现故障及其原因，并能预告故障开展趋势。设备状态监测与故障诊断经过包括状态监测、故障检测、故障识别或者诊断、故障分析与预测、故障处理对策与建议等。在汽轮发电机组的各种故障中，振动故障是一类对消费和运行产生很大影响的故障。一方面，振动故障的诊断比拟复杂，处理时间比拟长；另一方面，振动故障一旦发散酿成事故，所造成的影响和后果是特别严重的。1大型汽轮发电机组状态监测和故障诊断由于我国用电的需要和资金制约，降低老机组故障发生率，延长老机组的使用寿命是非常重要的。目前在国内电厂各类大型汽轮发电机组的运行监测方面，只有局部装有美国本特利公司或者德国飞利浦公司的振动监视系统，尚有很多机组的监视系统是落后和不完善的。由此可见，开展大型汽轮发电机组的故障诊断技术研究是非常必要的。随着机组容量增大，所出现的振动故障也越来越复杂，目前采用的在线监测装置一般只具有振动专家系统的很少且很不完善。利用先进的检测、诊断仪器，采取科学有效的技术方法开展现场故障诊断工作是目前电厂各类机组故障诊断和预测分析的主要方法。目前在国际上，以美国为主的西方兴旺国家在大型汽轮发电机组在线监测与诊断技术的综合研究方面处于领先地位：一方面，美国的信号处理与数据分析技术开展较快，而这些处理机、分析仪和数据收集系统是机械设备状态监测的根底和核心，是开展后续技术故障诊断所不可分割的局部；另一方面，美国的几家专业公司，如Bently，IRD，BEI，从事对大型电站机组的运行和监控的研究，以及对机组可靠性、平安性、维修性与经济治理技术方面的研究，已有了40多年的历史，建立了庞大的数据库治理系统，并开展了专家系统的研究，具有雄厚的数据与软件实力。此外，国际上还有很多著名的诊断仪器公司，如丹麦的BK，德国的申克及日本的武田理研等，消费有多种用于设备诊断的分析仪器及软件系统。然而国外的在线监测系统、现场诊断仪器及诊断治理软件一般价格特别昂贵，且存在维护不便、因缺少汉化而使用不便等问题，因此还难以在我国基层电厂普及。我国工业企业的设备诊断技术自1983年起步，初期主要应用于石化、冶金及电力等行业，进入20世纪90年代后，迅速浸透到国民经济的各个主要行业。其中旋转机械的故障诊断是诊断技术应用最广、涉及行业最多的应用领域，如电力行业中的汽轮发电机组，石化行业的压缩机，航空工业的各种航空发动机等。大型汽轮发电机组的在线监测与故障诊断技术作为国家“七五、“八五重大科技攻关工程，并在“九五期间仍继续受到支持，其重要意义是显而易见的。西安交通大学、哈尔滨工业大学、清华大学等一些高校及西安热工研究院等一些研究单位在大型汽轮发电机组故障机理及其诊断技术研究方面总体上处于国内领先程度。但是，由于近年来大型汽轮发电机组单机装机容量的不断增大如国内目前己投产700MW汽轮发电机组，而对大型机组很多常见故障的机理、故障特征及现场诊断方法的研究还有待进一步的深化。此外，在现场信号收集与故障诊断仪器及数据治理软件的研制方面，国内虽有一些大学及研究所推出了自己的产品，如北京振通检测技术研究所推出的902和903便携式数据收集器、重庆大学测试中心的QLSA-W型振动噪声测试分析仪、大连理工大学推出的PDM2000数据收集分析仪及治理软件等，但随着计算机技术尤其是微处理器及软件技术的飞速开展，上述装置及软件系统在性能指标、可靠性、软件对不同公司数据收集装置的适应性等方面均存在一定的局限性。2故障诊断技术研究的主要内容及其大概情况30多年来，故障诊断技术不断吸收各门科学技术开展的新成果，诊断的理论与应用有了很大的开展和进步，它涉及系统论、控制论、信息论、检测与估计理论、计算机科学等多方面的内容，成为集数学、物理、力学、化学、电子技术、信息处理、人工智能等根底学科以及各相关专业学科于一体的新兴穿插学科。故障诊断技术研究的主要内容包括以下4个方面：故障机理；故障信息处理技术；故障源别离与定位技术；人工智能技术的应用研究。2.1故障机理的研究故障机理的研究，是以可靠性和故障物理为理论根底，研究故障的物理学或者数学模型，进展物理模拟或者计算机仿真，其目的是理解故障的形成和开展经过，明确故障的动态学特征，进而进一步把握典型的故障信号，提取故障征兆，建立故障样板形式。故障机理的研究是故障诊断的根底，是获得准确、可靠的诊断结果的重要保证。为了故障诊断工作的顺利开展，国内外很多科研人员和科研部门在故障机理方面作了大量的研究工作。例如，具有多年工厂理论经历的美国人JohnSohre是研究涡轮机械故障机理的权威，他于1968年发表的论文“高速涡轮机械运行问题的起因和治理，明晰简洁地描绘了典型的机械故障征兆及其可能成因，并将典型的故障划分为9类37种。美国BentlyNevada公司的转子动力学研究所对转子和轴承系统典型故障作了大量的试验研究，并发表了很多很有价值的论文。日本的故障诊断专家白木万博自20世纪60年代以来发表了大量的故障诊断文章，积累了丰富的现场故障处理经历，并进展了理论分析。国内自20世纪80年代中期以来，清华大学、上海交通大学、哈尔滨工业大学、西安交通大学、西安热工研究院等单位，在故障机理的研究方面做了大量的工作，发表了很多有价值的文章。固然在故障机理的研究方面已经获得了大量的成果，但大型汽轮机组的振动故障机理仍然没有全部明确，亟须进一步的深化研究。2.2故障信息处理技术的研究故障信息处理技术是故障诊断的前提，它在进步诊断的准确性和可靠性方面处于非常重要的地位。常规的故障信息处理技术包括故障信号检测和故障信号分析处理两个局部。测量的信号通常是振动、噪声、温度、压力、电流、电压等信号中的一种或者几种。随着电子技术和计算机技术的迅速开展，各种传感器越来越小型化、精细化，近年来，一些国外企业以与一般传感器同样的价格推出了智能传感器，使得故障信号检测在不影响系统运行的前提下更易于实现，而且在知足高精度要求的同时进步了其本身的可靠性。最近，日本出现了非接触式测量技术，大大地拓宽了故障信号的测量范围，固然在测量精度上暂时还未能知足要求，但它预示了信号检测技术的一个开展方向。故障信号分析处理是对检测到的各种状态信息进展加工、变换，以提取故障征兆。目前，应用最广泛的故障信号分析处理方法是傅立叶Fourier分析和相应的FFT快速算法。借助于FFT算法实现的信号处理有频谱分析、相关分析、相干分析、传递函数分析、细化谱分析、时间序列分析、倒频谱分析、包络分析等。这些分析方法在故障诊断经过中起到了重要的作用，但傅立叶分析方法只合适于分析连续的、平稳的时域信号。为了有效地分析处理工程应用领域中大量的非平稳信号，人们把小波wavelet和分形fractal这两种新的工具引入到故障信号的分析处理中。它们的理论和应用研究特别活泼，预示着在故障诊断领域中将获得广泛的应用。其实，在故障发生时，领域专家往往凭五官感觉到一些难以由数据描绘的事实，他们根据系统的构造和故障发生的历史，就能很快地做出正确的判定。这种感性知识的获取和经历知识的表达、处理经过，事实上就是故障信息的智能处理技术。在模糊诊断系统中，这种基于经历知识的智能化信息处理技术表如今故障征兆对故障原因的支持程度或者否认程度的建立上；而在专家系统中，那么表如今各类诊断知识的获取和组织表达上。近年来，人们对诊断知识的获取、表达、组织和推理方法作了大量的研究，目前仍没有获得打破性进展。由于大型机组的故障机理特别复杂，目前仍难以采用准确的数据完备地表达其运行状态，因此，研究故障信息的智能处理技术有着重要的意义。2.3故障源别离与定位技术的研究故障源别离与定位也称为故障形式识别，是将经过信号处理得到的有限的或者不完好的特征信号与故障原因对应起来，使故障源定位。故障源别离与定位技术是故障诊断的关键技术，将故障源定位是故障诊断的最终目的。20世纪60年代以来，随着故障诊断理论研究的不断深化，人们克制了越限诊断方法的局限，开展了多种故障源别离与定位技术，包括基于系统数学模型的方法、统计分析方法和模糊综合评判方法等。根据诊断知识的利用方式，可以将故障源别离与定位技术分为基于模型的方法与基于规那么的方法两大类。基于模型的方法可以充分利用系统的内部知识，有利于系统整体的故障诊断；其缺点是系统的建模误差或者外部干扰将对故障诊断的结果产生重大的影响。基于规那么的方法，其适应性广、灵敏，但故障的在线估计比拟困难。撇开实际应用场合而去评价某一种故障源别离与定位方法的好坏是没有意义的。在实际应用中，应根据详细诊断对象的特点和需要完成的诊断任务，恰当地选择或者综合利用几种方法，才能获得较好的效果。2.4智能诊断技术的研究智能诊断技术已从实验室研究阶段逐渐走向实际工程应用阶段。由于大型复杂系统在工业消费中的广泛应用，使得常规故障诊断技术越来越难以知足人们对大型复杂系统提出的可靠性要求，因此，智能诊断技术是大型复杂系统故障诊断开展的重点方向。目前，尽管人们在智能诊断技术的研究方面做了大量的研究工作，但无论是在理论方面还是在实际应用方面都还存在很多问题有待于研究解决。3故障诊断系统的研制历史故障诊断系统是根据诊断对象故障的特点，利用现有的故障诊断技术研制而成的自动化诊断装置。故障诊断的各种理论与方法的研究最终都必须落实到详细的诊断装置或者诊断系统的研制上，只有诊断系统的研制成功才能产生真正的经济效益。根据各类故障诊断系统出现的先后，可将它们分为以下四类：便携式检测仪表和分析仪器；在线监测仪表系统；计算机监测分析与诊断系统；智能诊断系统。其中，便携式检测仪表和分析仪器、在线监测仪表系统和计算机监测分析与诊断系统统称为常规故障诊断系统，这三类故障诊断装置或者诊断系统从出现至今，经过不断的改良，己经开展成为成熟的商品，在故障诊断领域发挥了宏大的作用。便携式检测仪表和分析仪器是最早出现的故障检测装置，其主要功能是对检测对象的一些重要运行参数进展测量，分析人员根据测量得到的数据判定检测对象的运行状态。如：振动测量仪、温度测量仪、轴承检测仪等，消费厂家有丹麦的BK公司、瑞典的SPM公司等。在线监测仪表系统是继便携式检测仪表和分析仪器之后出现的针对某一详细对象的专用故障监测系统，适用于需要实时监测运行状态的工业消费系统。比拟成熟的产品有：美国Bently公司的7200系列，9000系列，3300系列；西德Philips公司的11MS700系列以及申克公司的VIBROCON-TROL2000系列；瑞士Vibro-MetCr公司的MMS系统等。计算机监测分析与诊断系统的相继出现，是由于便携式检测仪表和分析仪器和一般的在线监测仪表系统无法知足大型系统故障诊断的要求。计算机监测分析与诊断系统不但可以在线实时监测大型系统的运行状态，还可以根据现场的检测数据，实现越限报警、实时故障分析与诊断等功能。典型的产品有：美国Bently公司的Trendmaster2000系统；日本三菱公司的HMH系统；瑞士Vibro-Me-ter公司的Vibro-Turbo系统；加拿大CSI3100系统；中国清华大学的QH-l系统，华中理工大学的HZ-l系统，哈尔滨工业大学的MMMD-3系统等等。智能诊断系统，是在常规故障诊断技术的根底上，结合人工智能技术的研究成果研制而成的自动化诊断系统。智能诊断系统的开发历史并不长，美国自20世纪80年代开场首先在这方面开展研制工作，开发了多种智能诊断系统。例如，1982年EGG.Idaha公司研制成功用于诊断和处理核反响堆的故障诊断系统。此后，Westinghouse公司研制成功电厂人工智能在线诊断大型网络系统，其中包括汽轮机TurbinAID、发电机GenAID和水化学ChemAID三个人工智能在线诊断系统，以及电站数据中心PDC和诊断运行中心，它在电站机组的平安运行中发挥了宏大的作用，获得了很大的经济效益，被誉为在线智能诊断系统成功应用的代表。国内在故障的智能诊断技术方面的研究起步较晚，但开展较快，并获得了不少成果，如华中理工大学研制成功汽车发动机故障诊断专家系统KB-SED和汽轮机组监测与诊断专家系统；哈尔滨工业大学研制成功大型旋转机械故障诊断专家系统MMMDES；另外，清华大学、上海交通大学、西安交通大学、郑州工学院、东南大学等院校也先后开展了故障智能诊断系统的研制工作。故障机理的研究振动信号分析是机械故障诊断技术中采用的最主要的方法之一。目前，在振动信号分析与处理方法中，以快速傅立叶变换FFT为根底的调和分析法应用最为普遍，几乎所有的动态分析仪都是以FFT为核心进展信号处理的，FFT分析方法及其派生出的多种有效的振动信号处理方法如快速卷积、相关、自谱、互谱、倒谱、细化谱及传递分析等在机械故障诊断技术应用中起到了非常大的作用。然而，这类基于平稳经过的经典信号处理方法，分别仅从时域或者频域给出信号的统计平均结果，无法同时兼顾信号在时域和频域中的全貌和部分化。为实现对非平稳信号的有效表示，解决其时频部分化分析问题，Gabor提出了加窗傅立叶变换WFT或者短时傅立叶变换STFT，但由于其时频分辨率固定，缺乏细化才能，逐步被20世纪80年代开展起来的一种新的数学方法小波wavelet分析所取代。小波分析是一种包含尺度伸缩和时间平移的双参数的函数分析方法，由于小波函数具时频部分化特性，多尺度性和“数学显微“变焦特性，伸得小坡变换可以很好地解体非平稳信号的分析问题，它的出现对纯数学和应用科学都具有重要意义。研究说明：小波分析在振动噪声的去除、非平稳振动信号的表示与分析及振动信号多分辨率分析等方面具有较强的上风，是合适机械故障诊断的一种有效方法。随着人们对小波分析的理论和应用研究的深化，不少新的理论方法被提出。其中，信号自适应小波分解理论和基于基因遗传算法求解的广义自适应小波分解方法已经具有工程应用背景。但在小波参数的最优化问题上，在将小波分析的理论应用到实际的故障诊断系统中，还有大量的实际工作要做。研究故障发活力理并应用到故障诊断系统中去可以及时发现早期的潜伏故障，防止重大恶性事故的发生，进而进步大型机组运行的平安性与可靠性。因此，研究故障机理及其诊断技术将带来宏大的经济效益。0