基于在线数据的水轮发电机组推力轴承故障的诊断方法技术

技术编号:15532483 阅读:214 留言:0更新日期:2017-06-04 20:12
本发明专利技术公开了一种基于在线数据的水轮发电机组推力轴承故障的诊断方法,包括:在推力油盆内部规划一坐标系,该坐标系的X轴平行于推力油盆的推力镜板的板面,该坐标系的Y轴沿推力油盆的主轴延伸,在推力油盆内部,在X向和‑X方向各安装一个第一非接触性位移传感器,且各第一非接触性位移传感器面向推力镜板安装,并安装在以Y轴为旋转轴的同一个圆上;开动水轮发电机组,获取水轮发电机组在转速接近额定转速但无励磁条件下原始波形数据;以水轮发电机组的在线监测数据为基础,对实时数据的监测分析,获取到机组振动、摆度、压力脉动、位移等相关数据,并对数据进行系统、科学的分析。本发明专利技术实现了对推力轴承故障的自动分析诊断。

Fault diagnosis method for thrust bearing of hydraulic generator set based on online data

The invention discloses a diagnosis method of turbine generator unit thrust bearing fault based on the data including: planning a coordinate system in the internal thrust, thrust axis of the mirror plate X coordinate parallel to the surface of the pool of thrust, thrust along the Y axis of the spindle oil the coordinates of the extension in the thrust oil inside, in the X and X to direction of the installation of a first non-contact displacement sensor, and the first non contact displacement sensor for thrust mirror plate installation, and installed in the same circle with the Y axis as the axis of rotation; moving water turbine generator, turbine generator unit in acquisition speed close to the rated speed but no excitation conditions in original waveform data; on-line monitoring data of hydro generator based on real-time data monitoring and analysis, access to the unit vibration, swing, pressure pulsation, displacement etc. Close data and analyze the data systematically and scientifically. The invention realizes automatic analysis and diagnosis of thrust bearing faults.

【技术实现步骤摘要】
基于在线数据的水轮发电机组推力轴承故障的诊断方法
本专利技术涉及水轮发电机组的故障检测技术,尤其涉及一种基于在线数据的水轮发电机组推力轴承故障的诊断方法。
技术介绍
水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标,其社会效益巨大。随着电站规模和监测辅助系统的不断扩大,机组的控制和监测数据信息量越来越大,运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难,因此,研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况,同一异常现象可能有不同的产生原因,并且出现的故障具有随机性,其中许多事电站工作人员无法预先、直接检测到的,一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位,因而有一定的主观性和局限性。因此,为保障水电机组的正常安全运行,对其运行状态进行检测,及时发现故障征兆,做到“预测性检修”防患于未然是工程界梦寐以求的理想,也是大型电站机组检修的发展方向。水轮发电机组故障诊断是近几年兴起的一门识别机组运行状态的科学,是一个复杂的综合系统,涉及的专业范围广。及时准确地诊断出水电机组的状态和故障,对提高水电机组工作稳定性、安全可靠性具有重大意义。传统水轮发电机组的故障诊断主要有以下4种方法:1、基于信号处理的诊断方法基于信号处理的诊断方法是各种诊断方法的基础和前提,作为一种传统的故障诊断方法,根据系统可测信号的特征值,如幅值、相位、频率、方差等,以及信号之间的相关性,与故障源之间存在的某种关系,通过信号处理和特征提取,找出其与故障源之间的映射关系来进行运行设备的故障诊断。2、基于解析模型的诊断方法基于解析模型的诊断方法是以控制理论为基础的诊断方法,其建立数学表达或解析表达模型,利用观测器、滤波器、等价空间方程、参数模型估计与辨识等方法产生残差,根据模型的残差来判断发生故障的可能性。3、基于经验知识的诊断方法涉及研究领域的知识表达、处理和应用的方法,统称为基于知识的诊断方法,如故障征兆树方法、专家系统方法等,他们的特点是将专业知识通过语义和框架的方式进行表达,故障的诊断则采用推理和推理过程进行,如产生式规则推理、逻辑推理、模糊知识推理等。4、基于数据驱动的诊断方法基于数据驱动的故障诊断方法是利用设备长期积累的在线或离线的状态数据,应用统计分析模式进行识别,神经网络技术或支持向量机模型分类等方法,通过数据学习和建模,将设备状态进行识别和分类,最终得到系统可能存在的故障。随着我国水电事业的发展,水轮发电机单机容量不断增大,其推力轴承的工作条件也越加严酷,尤其在大型水轮发电机组中,推力轴承作为机组最重要的“心脏”部件,其工作性能的优劣,直接影响机组的安全,可靠运行。为此,对推力轴承的工作性能需要进行在线检测。国内在故障诊断技术方面的研究起步较晚,二十世纪70年代末开始研究和尝试应用诊断技术,二十世纪90年代开始进行智能化故障诊断的研究工作,研究方法集中在模糊逻辑法、故障树分析法、专家系统技术、人工神经网络技术等,其中专家系统技术和神经网络技术是应用的热点。许多监测诊断系统也开始投入使用,但大都集中在汽轮机以及其他旋转机械设备的监测与故障诊断,针对水电机组的应用很少。这主要由于水电机组转速低,对机组的安全运行没有给予足够的重视,使得水电机组在线监测和故障诊断技术的研究落后于其他(大型)旋转机械。在水轮发电机组中,传统在线检测推力轴承工作性能的方法是:在一块或多块轴承瓦体的适当位置,钻孔并插入电阻温度计,轴承运行时,通过该温度计的读数来推测轴瓦表面的温度,进而推测油膜形成状况。这种方法简单,因而常被用来监控轴承的运行质量,但电阻温度计体积较大,与瓦体不易良好接触,热响应速度慢,又仅凭经验选择埋设位置,特别是对于当前国内广泛采用的EMP轴瓦,由于瓦体表面是一刚性差易变形并近于绝热的弹性金属塑料层,因此不仅测量瓦体温度的误差会较大,也很难,甚至不可能推断出轴瓦表面的较准确的温度值,由此常引起烧瓦事故。
技术实现思路
针对上述技术问题,本专利技术设计开发了一种基于在线数据的水轮发电机组推力轴承故障的诊断方法,其以水轮发电机组的在线监测数据为基础,对实时数据的监测分析,获取到机组振动、摆度、压力脉动、位移等相关数据,并对数据进行系统、科学的分析,从而实现对推力轴承故障的自动分析诊断。本专利技术提供的技术方案为:一种基于在线数据的水轮发电机组推力轴承故障的诊断方法,包括:步骤一、在推力油盆内部规划一坐标系,该坐标系的X轴平行于推力油盆的推力镜板的板面,该坐标系的Y轴沿推力油盆的主轴延伸,在推力油盆内部,在X向和-X方向各安装一个第一非接触性位移传感器,且各第一非接触性位移传感器面向推力镜板安装,并安装在以Y轴为旋转轴的同一个圆上;步骤二、开动水轮发电机组,获取水轮发电机组在转速接近额定转速但无励磁条件下原始波形数据;步骤三、假设fx(t)为设置于X向的第一非接触性位移传感器所产生的振动位移信号,f-x(t)为设置于-X向的第一非接触性位移传感器所产生的振动位移信号,fx_1X(t)为X向的1X分量振动位移信号,f-x_1X(t)为-X向的1X分量振动位移信号,那么有:fx(t)=fx_vl(t)+fx_vv(t)+fx_wn(t),f-x(t)=f-x_vl(t)+f-x_vv(t)+f-x_wn(t),其中,fx_vl(t)为所述主轴与所述推力镜板不垂直导致的在X向的振动位移信号,f-x_vl(t)为所述主轴与所述推力镜板不垂直导致的在-X向的振动位移信号,fx_vv(t)为水轮发电机组真实的垂直振动的在X向的振动位移信号,f-x_vv(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号,fx_wn(t)为所述推力镜板的波浪度导致的在X向测得的位移信号,f-x_wn(t)为所述推力镜板的波浪度导致的在-X向测得的位移信号;其中,fx_1X(t)=fx_vl(t)+fx_vv1X(t),f-x_1X(t)=f-x_vl(t)+f-x_vv1X(t),fx_vv1X(t)为水轮发电机组真实的垂直振动的1X分量在X向的振动位移信号,f-x_vv1X(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号;并且,fx_vv1X(t)=f-x_vv1X(t),fx_vl(t)=f-x_vl(t),则fx_1X(t)=fx_vl(t)+fx_vv1X(t),f-x_1X(t)=-fx_vl(t)+fx_vv1X(t),最终,fx_vl(t)=(fx_1X(t)-f-x_1X(t))/2,则fx_vl(t)的幅值表示为:V=Amp(fx_vl(t)),当V>Vl时,则判定水轮发电机组存在所述主轴与所述推力镜板的故障。优选的是,所述的于在线数据的水轮发电机组推力轴承故障的诊断方法,还包括:步骤四、获取停机过程水轮发电机组在极地转速下测量得到的信号;步骤五、在水轮发电机组停机过程中,当转速接近于0r/min时,假定fx_vv(t)=0,f-x_vv(t)=0;对fx(t)信号滤除1X及以下的信号,将剩下的信号近似认为全部是由于所述推力镜板的波浪度造成的位移信号,则有W=Amp本文档来自技高网
...
基于在线数据的水轮发电机组推力轴承故障的诊断方法

【技术保护点】
一种基于在线数据的水轮发电机组推力轴承故障的诊断方法,其特征在于,包括:步骤一、在推力油盆内部规划一坐标系,该坐标系的X轴平行于推力油盆的推力镜板的板面,该坐标系的Y轴沿推力油盆的主轴延伸,在推力油盆内部,在X向和‑X方向各安装一个第一非接触性位移传感器,且各第一非接触性位移传感器面向推力镜板安装,并安装在以Y轴为旋转轴的同一个圆上;步骤二、开动水轮发电机组,获取水轮发电机组在转速接近额定转速但无励磁条件下原始波形数据;步骤三、假设f

【技术特征摘要】
1.一种基于在线数据的水轮发电机组推力轴承故障的诊断方法,其特征在于,包括:步骤一、在推力油盆内部规划一坐标系,该坐标系的X轴平行于推力油盆的推力镜板的板面,该坐标系的Y轴沿推力油盆的主轴延伸,在推力油盆内部,在X向和-X方向各安装一个第一非接触性位移传感器,且各第一非接触性位移传感器面向推力镜板安装,并安装在以Y轴为旋转轴的同一个圆上;步骤二、开动水轮发电机组,获取水轮发电机组在转速接近额定转速但无励磁条件下原始波形数据;步骤三、假设fx(t)为设置于X向的第一非接触性位移传感器所产生的振动位移信号,f-x(t)为设置于-X向的第一非接触性位移传感器所产生的振动位移信号,fx_1X(t)为X向的1X分量振动位移信号,f-x_1X(t)为-X向的1X分量振动位移信号,那么有:fx(t)=fx_vl(t)+fx_vv(t)+fx_wn(t),f-x(t)=f-x_vl(t)+f-x_vv(t)+f-x_wn(t),其中,fx_vl(t)为所述主轴与所述推力镜板不垂直导致的在X向的振动位移信号,f-x_vl(t)为所述主轴与所述推力镜板不垂直导致的在-X向的振动位移信号,fx_vv(t)为水轮发电机组真实的垂直振动的在X向的振动位移信号,f-x_vv(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号,fx_wn(t)为所述推力镜板的波浪度导致的在X向测得的位移信号,f-x_wn(t)为所述推力镜板的波浪度导致的在-X向测得的位移信号;其中,fx_1X(t)=fx_vl(t)+fx_vv1X(t),f-x_1X(t)=f-x_vl(t)+f-x_vv1X(t),fx_vv1X(t)为水轮发电机组真实的垂直振动的1X分量在X向的振动位移信号,f-x_vv1X(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号;并且,fx_vv1X(t)=f-x_vv1X(t),fx_vl(t)=f-x_vl(t),则fx_1X(t)=fx_vl(t)+fx_vv1X(t),f-x_1X(t)=-fx_vl(t)+fx_vv1X(t),最终,fx_vl(t)=(fx_1X(t)-f-x_1X(t))/2,则fx_vl(t)的幅值表示为:V=Amp(fx_vl(t)),当V>Vl时,则判定水轮发电机组存在所述主轴...

【专利技术属性】
技术研发人员:汪洋任继顺崔悦张民威苏疆东
申请(专利权)人:北京中元瑞讯科技有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1