基于在线数据的水轮发电机组碰磨故障的分析诊断方法技术

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碰磨故障的分析诊断方法，包括：步骤一、对水轮发电机组的原始振动信号进行窄带滤波，保留周期性出现的冲击共振信号；步骤二、采用希尔伯特变换对冲击共振信号进行包络检测，检测出冲击共振信号的包络信号；步骤三、对包络信号进行快速傅立叶变换，获得包络信号的频谱图，从频谱图中获得主信号幅值Amain、主信号频率Fmain；步骤四、对转动部件和固定部件之间的碰磨故障进行判定，判定条件为：如Amain≥Al_main，并且Fmain＝1X或者Fmain＝2X，则认为转动部件和固定部件之间存在碰磨故障，其中，Al_main为最小能容忍的冲击信号幅值。本发明专利技术实现了对水轮发电机组是否存在由于机组固定部件与转动部件之间发生相碰与摩擦引起的碰磨故障的自动判断。

【技术实现步骤摘要】
基于在线数据的水轮发电机组碰磨故障的分析诊断方法
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碰磨故障的分析诊断方法。
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。目前常用的信号处理方法包括时域分析法、频域分析法、时频域分析法等。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。把设备看成一个具有一定输入、输出关系的动态系统，根据系统的输入，输出关系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。水电机组是一个复杂的非线性时变系统，建立比较准备的数学模型往往很难得到，这也限制了基于解析模型的诊断方法在水电机组故障诊断的应用。目前常用的解析模型方法包括参数估计方法、状态估计方法、等价空间方法等。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。目前常用的经验知识的诊断方法包括符号有向图分析方法、故障树分析方法、专家系统诊断法等。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就是利用设备长期积累的在线或离线的状态数据，而不需要精确的数学解析模型，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。目前常用的数据驱动方法包括神经网络诊断方法、支持向量机诊断方法、统计分析诊断方法、模糊诊断方法等。由于水轮机工作在水下，水轮机的结构复杂，部件也较多，易发生碰磨故障。如果发生碰磨故障，就必须及时解体检修才能查到故障原因。若水轮机发生严重的碰磨，例如减压板脱落，极易引发整个机组产生振动，导致构件损坏。频繁的碰磨故障还会引发顶盖撕裂、导致水淹厂房的严重事故。近年内，在国内外发生过几次顶盖磨损、水轮机减压板损坏的事故。对汽轮发电机组，直至目前为止，国内在水轮机领域对碰磨故障的监测几乎难以实现，没有特别有效的手段进行监测和预警，由于传统的监测方式中干扰信号复杂，而能起到预警作用的碰磨初始阶段信号又较弱，时间短、碰磨程度轻，难以捕捉，常用的傅里叶变换等方法对此类故障的监测效果亦不准确；而碰磨后期，信号失真，对故障预警的实现无参考意义。传统故障诊断技术存在缺陷。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。在碰磨故障的分析诊断方面，国内目前的主要集中在汽轮机上有一些常用的监测方法，在水轮发电机组方面还没有较为显著的研究成果。尤其在早期弱碰磨方面的研究几乎为空白。传统的汽轮发电机组碰磨故障的常用检测方法，是监测振动波形的时域特征和频域特征，通过对波形的对比来判断是否存在碰磨故障。这种检测方法的缺陷主要有两点：a)该检测方法适用于高转速(3000r/min)、卧式的机组,机组的大轴是挠性的轴(相较水轮机就是软轴、运行起来的弯的轴)，b)该检测发生使用于强碰磨(严重摩擦)，不能使用于早期弱碰磨。在水轮发电机组中，对碰磨故障的监测仅限于对水导摆度和顶盖振动的监测，检测方法主要是水导摆度的间隙变化以及顶盖振动的冲击值变化。这种检测方法存在着很大的缺陷，仅靠监测水导摆度和顶盖振动的峰峰值的变化，以此来作为碰磨冲击值变化的依据，这种方法只有碰磨故障非常严重至水轮机组中心发生移位、出现严重不平衡时才会被检测到，而此时对于早期发生的弱碰磨状态(即轻微碰磨、轴和轴瓦的刮蹭等状态)是无法做出检测的。根据水轮发电机组现场实际测试的数据和真实案例分析，在立式水轮发电机的早期弱碰磨中，由于碰磨激起来的振动信号是远高于机组1X、2X、3X的共振冲击频率，使用上述两种方法很难发现早期的轻微碰磨故障，当然就起不到早期碰磨预警作用了。
技术实现思路
针对上述技术问题，本专利技术提供了一种基于在线数据的水轮发电机组碰磨故障的分析诊断方法，在实际的在线监测系统中，系统采用的测量信号为水导径向轴振动(或水导摆度)、水导轴承振动或顶盖振动、转轮室振动信号，来辨识水轮发电机组是否存在由于机组固定部件与转动部件之间发生相碰与摩擦引起的碰磨故障。其中，测量信号类型可同时支持振动位移信号、振动速度信号或者振动加速度信号。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碰磨故障的分析诊断方法，包括：步骤一、对水轮发电机组的原始振动信号进行窄带滤波，保留周期性出现的冲击共振信号；步骤二、采用希尔伯特变换对所述冲击共振信号进行包络检测，检测出冲击共振信号的包络信号；步骤三、对所述包络信号进行快速傅立叶变换，获得所述包络信号的频谱图，从所述频谱图中获得主信号幅值Amain、主信号频率Fmain，其中，主信号为所述频谱图中幅值最大的信号，以主信号为冲击信号；步骤四、对转动部件和固定部件之间的碰磨故障进行判定，判定条件为：如Amain≥Al_main，并且Fmain＝1X或者Fmain＝2X，则认为转动部件和固定部件之间存在碰磨故障，其中，Al_main为最小能容忍的冲击信号幅值。优本文档来自技高网...

【技术保护点】
一种基于在线数据的水轮发电机组碰磨故障的分析诊断方法，其特征在于，包括：步骤一、对水轮发电机组的原始振动信号进行窄带滤波，保留周期性出现的冲击共振信号；步骤二、采用希尔伯特变换对所述冲击共振信号进行包络检测，检测出冲击共振信号的包络信号；步骤三、对所述包络信号进行快速傅立叶变换，获得所述包络信号的频谱图，从所述频谱图中获得主信号幅值Amain、主信号频率Fmain，其中，主信号为所述频谱图中幅值最大的信号，以主信号为冲击信号；步骤四、对转动部件和固定部件之间的碰磨故障进行判定，判定条件为：如Amain≥Al_main，并且Fmain＝1X或者Fmain＝2X，则认为转动部件和固定部件之间存在碰磨故障，其中，Al_main为最小能容忍的冲击信号幅值。

【技术特征摘要】
1.一种基于在线数据的水轮发电机组碰磨故障的分析诊断方法，其特征在于，包括：步骤一、对水轮发电机组的原始振动信号进行窄带滤波，保留周期性出现的冲击共振信号；步骤二、采用希尔伯特变换对所述冲击共振信号进行包络检测，检测出冲击共振信号的包络信号；步骤三、对所述包络信号进行快速傅立叶变换，获得所述包络信号的频谱图，从所述频谱图中获得主信号幅值Amain、主信号频率Fmain，其中，主信号为所述频谱图中幅值最大的信号，以主信号为冲击信号；步骤四、对转动部件和固定部件之间的碰磨故障进行判定，判定条件为：如Amain≥Al_main，并且Fmain＝1X或者Fmain＝2X，则认为转动部件和固定部件之间存在碰磨故障，其中，Al_main为最小能容忍的冲击信号幅值。2.如权利要求1所述的基于在线数据的水轮发电机组碰磨故障的分析诊断方法，其特征在于，所述步骤一中，所述冲击共振信号的频率为40-70Hz。3.如权利要求2所述的基于在线数据的水轮发电机组碰磨故障的分析诊断方法，其特征在于，所述步骤一中，所述原始振动信号包括振动位移信号、振动速度信号以及振动加速度信号。4.如权利要求1或2或3所述的基于在线数据的水轮发电机组碰磨故障的分析诊断方法，其特征在于，所述步骤三中，还从所述频谱图中获得主信号空间相位，根据...

【专利技术属性】
技术研发人员：张民威，任继顺，汪洋，崔悦，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