汽轮机振动故障诊断技术研究

【摘要】信息的采集和处理是实现机组振动检测与故障诊断中的一个基本环节、也是振动检测软件的核心技术。现代信息分析主要包括两种形式：一种是以计算机为核心的专用数字式信号处理仪器，另...

摘要：对汽轮机典型的振动类型和振动故障的诊断技术进行了研究。根据故障诊断方法在信号处理与理论模型的不同，将诊断技术分为，基于信号处理的诊断方法、基于知识的诊断方法、基于解析模型的诊断方法、基于离散事件的诊断方法。研究表明，基于各种故障诊断方法在检测信号、知识获取、识别故障位置及适用条件等均有不同的优势和侧重。

关键词：汽轮机　故障诊断　小波　神经网络

1、引言

二十世纪以来，随着工业生产和科学技术的发展，机械故障的可靠性、可用性、可维护性与安全性问题日益突出，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机是电力生产的重要设备，由于其结构的复杂性和运行环的特殊性，汽轮机的故障率较高，而却故障危害也很大。汽轮发电机组常见的机械振动故障有：转子不平衡、转子弯曲、转子不对中、油膜振荡、碰摩、转子横向裂纹和转子支承系统松动等。汽轮机振动故障的汽轮机最常见的故障，因此，汽轮机的振动故障诊断一直是故障诊断技术应用中非常重要的部分。

2、基于信号处理的振动故障诊断方法

信息的采集和处理是实现机组振动检测与故障诊断中的一个基本环节、也是振动检测软件的核心技术。现代信息分析主要包括两种形式：一种是以计算机为核心的专用数字式信号处理仪器，另一种是采用通用计算软件来进行信号分析的方式。

2.1小波变换方法

这是一种新的信号处理方法，是一种时间―尺度分析方法，具有多分辨率分析的特点。利用小波变换可以检测信号的奇异性。因噪声的小波变换的模的极大值随着尺度的增大而迅速衰减，而小波变换在突变点的模的极大值随着尺度的增大而增大(或由于噪声的影响而缓慢衰减)，即噪声的Lipschitz指数处处小于零，而在信号突变点的Lipschitz指数大于零(或由于噪声的影响而等于模很小的负数)，所以可以用连续小波变换区分信号突变和噪声。同样，离散小波变换可以检测随机信号频率的突变。孙燕平等应用了小波分析理论，采用多分辨分析和小波分解等基本思想对汽轮机转子振动信号进行了分析，针对振动信号的弱信号特征，提出了基于离散小波细化频率区间，小波分解后进行能量谱分析和小波变换结合傅立业变换分析法，并将其应用于模拟转子试验台上。闫亮以小波分析为基础，针对汽轮机早期振动故障信号具有背景噪声强，特征信号弱的特点改进传统的Donoho硬阈值降噪算法，提出了基于shannon熵的最优小波包基降噪算法，能明显地提高信号的信噪比。采用小波神经网络松散结合的诊断方法，利用小波包的分解重构系数得到信号的频带能量，再将频带能量作为神经网络输入向量进行模式识别。利用BP神经网络在故障诊断方面具有诊断精度高，学习速度快的特点与小波分析相结合。

小波神经网络是一种非模型的诊断方法，回避了抽取对象数学模型的难点，避免了复杂的关于建模的传递函数的运算，以及建模不完全或不精确导致的诊断误差。小波变换不需要系统的数学模型，对噪声有很强的抑制能力，有较高的灵敏度，运算量也不大，是一种很有前途的方法。

2.2信息融合的方法

信息融合是利用计算机技术对按时序获得的多源的观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。

张燕平设计了汽轮机转子轴系故障模拟试验方案，并对各种故障进行了多组升速试验，对故障信号进行了傅立叶分析，以三维幅值谱和升速过程波德图为工具，对故障信号的频域信息进行了融合研究。研究表明，一阶矩向量三维图不仅融合了信号的时频特征，还融合了信号的空间特征，因而可用来对故障的产生过程进行全面分析，是进行轴系典型故障诊断的又一有效工具。

2.3其他信息处理法

N.E.Huang等提出了一种经验模态分解方法(EMD)，其主旨为把一个时间序列的信号分解成不同尺度的本征模态函数(IMF)，每个本征模态函数序列都是单组分的，相当于序列的每一点只有一个瞬时频率，无其他频率组分的叠加。瞬时频率是通过对IMF进行希尔伯特变换得到，同时求得振幅，最后求得振幅频率时间的三维谱分布。唐贵基等利用EMD分析方法以及其对应的Hilbert变换在大型汽轮机故障诊断中进行非平稳信号的算法和应用，并描绘出仿真故障信号的时频图、时频谱和幅值谱。姚志宏嘲利用Kohonen网络聚类的特点，把汽轮机振动故障信号频谱中的相关频段上不同频率谱的谱峰能量值作为故障信号的训练样本输入到Kohonen网络，并由网络进行聚类，产生聚类中心点。根据此聚类中心点的位置来确认和诊断汽轮机振动故障的原因以及目前的严重程度。

3、基于知识的故障诊断方法

基于知识的方法不需要精确的数学模型就能准确预测故障，当前这一领域的研究较为活跃。

3.1基于专家系统的故障诊断方法

专家系统(Expert System――ES)是人工智能领域较为活跃的一支，它已广泛应用于过程监测系统，并取得了相当可观的经济效益。专家系统是一种基于知识的智能计算机程序系统，其运用领域专多年积累的经验与专门知识，模拟人类专家的思维过程来处理该领域的问题。张晓等提出了一种新的基于模糊与综合的离线式汽轮机故障诊断专家系统，并且提出了相关基于模糊诊断的推理和专家系统知识的漏诊断和无诊断的自学习方法。

3.2基于人工神经网络的故障诊断方法

人工神经网络技术以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空间到输出空间的非线性信息变换。对于某一特定对象建立特定的神经网络故障诊断系统，将故障征兆作为输入信号可以直接得到故障，方便地实现了故障检测与诊断。

张建华等提出了采用概率神经网络(PNN)的汽轮发电机组故障诊断方法。利用PNN算法简单、训练和泛化速度快的优点，把新的训练样本添加到以前训练好的分类器中，便于提高故障诊断结果的准确性。而且具有很高的运算速度，抗干扰能力强，对传感器测量噪声具有较强的诊断鲁棒性。新的训练样本也很容易加入以前训练好的分类器中，更适用于在线检测。程卫国翻通过对振动信号的分析，并对BP算法进行了研究和改进。刘正亮建立了人工鱼群神经网络模型，利用人工鱼的聚群、追尾和觅食行为训练RBF神经网络的权系数，提高了神经网络的收敛速度和精度。依据此模型提出一种故障诊断方法，并应用于汽轮机振动故障分析，提高了神经网络的泛化能力和故障诊断的准确率。

4、基于解析模型的故障诊断方法

基于解析模型的故障检测和诊断方法在故障诊断的研究中占有重要地位，它充分利用了系统模型的深层知识进行故障诊断，具体是指使用系统的结构、行为和功能等方面的知识对系统进行诊断推理，这就需要建立系统结构、行为和功能模型。

荆建平等针对转子裂纹故障的早期诊断与预示这一问题，提出了基于多模型估计(MMAE)的转子裂纹故障诊断方法。并对Jeffcott转子建立了正常、裂纹转子模型和基于卡尔曼滤波器的多模

型自适应估计器，通过裂纹故障的仿真分析和故障多模型估计表明，该方法对早期诊断和预示转子裂纹故障有良好的效果。张国平针对汽轮机启动和停止过程信号比平稳过程复杂这一特点用短时傅里叶变换提取状态特征信息，引入基于连续HMM建立在在线状态监测系统的应用。HMM是一种时间序列的统计模型，能用参数描述随机过程统计特性的概率模型，是一种用针对性的信号的建模和识别工具。韩璞等㈣利用了贝叶斯网络模型进行汽轮机故障诊断，通过对主成分分析方法提取故障特征的讨论，提出了基于主成分分析方法和贝叶斯网络的汽轮机故障诊断模型建立方法，应用特征提取后的样本建立了汽轮机故障贝叶斯网络模型，该汽轮机故障诊断模型简洁，易于推理，提高了汽轮机故障诊断的效率。

基于解析模型的故障诊断方法主要用于控制系统的故障诊断。因为其它诊断方法多以直接检测信号的分析为诊断依据，而控制系统的输出信号常常随着控制输入信号的变化而变化。这样，用直接信号检测分析方法往往难以甄别一个异常的信号是由于系统故障所致，还是由于控制输入信号使然。而基于解析模型的故障诊断方法将系统的模型和实际系统冗余运行，通过对比产生的残差信号，就有效地剔除了控制信号对系统的影响因素。通过对残差信号的分析，就可以诊断系统运行过程中出现的故障。

5、基于离散事件的故障诊断方法

离散事件模型的状态既反映正常状态，又反映系统的故障状态。系统的故障事件构成整个事件集合的一个子集。故障诊断就是确定系统是否处于故障状态和是否发生了故障事件。

彭希等针对常规频谱诊断方法的不足，论述了离散的BAM(双向联想记忆)网络及其特性。讨论了汽轮发电机组常见典型振动故障的变化特征及其数字化描述方法，构建了离散BAM网络能够实现汽轮机振动故障特征空间到故障标示空间的联想和追忆映射，用BAM网络建立模型诊断汽轮机组振动故障。离散BAM神经网络是继Hopfield网络之后另一类典型的反馈形网络，是一种能进行寻址记忆的二层相关网络，使用前向和后向信息对存储内容激发联想和回忆，其具有良好的动力学行为而用于联想记忆。

陈长征等在分析了汽轮机振动故障特点的基础上，提出了用遗传算法进行汽轮机故障诊断问题，定义了遗传算法求解故障诊断问题的概率因果网络，建立了汽轮机故障诊断模型，该模型能有效地识别出汽轮机的多故障。

6、结语

基于对以上汽轮机振动故障诊断技术的综述，可以看出汽轮机故障诊断方法是复杂多样性的。(1)基于信号的处理方法能够对故障信号有较好的分析识别作用，能够对检测信号进行加工、变换、提取敏感的故障征兆，对故障信号位置确定比较精确。(2)基于知识的诊断方法能在知识的表达与组织上比基于经验知识的诊断推理具有更大的优越性，知识获取方便，维护简单，但搜索空间大，推理速度慢。(3)基于解析模型的故障诊断方法能够判断系统的识别故障的出现位置，便于实现故障的分离。(4)基于离散事件的诊断方法的是一种新型的故障诊断方法，其优点是不需要被诊断系统的精确数学模型，适用于解决难以建立精确模型的系统的故障诊断问题。