大型汽轮发电机组油膜涡动故障实时诊断方法技术

本发明专利技术公开了属于机械振动状态监测与故障诊断领域的一种大型汽轮发电机组油膜涡动故障实时诊断方法。涉及大型汽轮发电机组振动状态实时在线自动监测通过采集汽轮机组转子轴振动信号，对振动数据进行必要的数据预处理。判断机组轴系转速小于２倍转子第一临界转速。进一步结合ＦＦＴ（快速傅立叶变换）频谱分析方法，对轴振振动数据进行轴振低频振动主频率单一性验证、轴振半频振动主频率条件验证、轴振半频振动幅值条件验证等实时定量计算分析。在上述实时定量计算分析基础上，结合各项验证结果，自动实时在线诊断机组是否发生油膜涡动故障。本发明专利技术具有方法科学，结论可靠，能够实现自动实时在线监测、诊断故障等优点。

【技术实现步骤摘要】

本专利技术属于旋转机械振动状态监测与故障诊断领域，特别涉及大型汽轮发电 机组振动状态实时在线自动监测的一种汽轮发电机组油膜涡动故障实时诊断方法。
技术介绍
汽轮发电机组轴系稳定性直接关系到机组的安全运行和设备的可靠性。轴系 稳定性低，轻者使检修费用提高，影响设备可用率，严重可导致重大机组毁损事 故。在影响机组轴系稳定性的诸多因素中，轴承是决定因素。轴系支持轴承中的 油膜除了产生压力支撑整个转子，还产生阻尼力抑制转子振动。在一定条件下， 阻尼小的支持轴承会发生油膜涡动故障，降低机组轴系稳定性。油膜涡动会使汽 轮发电机组转子在运行中产生突发性振动，是严重影响轴系稳定性的振动故障之在汽轮发电机组运行升速过程中，转速较低时振动不大，振动的圆频率等于 转速。当转速升高到某一转速后，由于轴承的单位面积负载较小(轻载)，转子在 轴瓦中的涡动明显增大，此时振动的频谱中出现低频分量，低频分量甚至成为主 频率。随着转速的增加，涡动频率亦随之按比例增加。转子工作转速在两倍转子 第一临界转速以下时，低频振动频率近似为转子工作频率的一半，此时自激振动称为油膜涡动。根据国内外对油膜涡动故障研究，确定其振动特征频率为Q =(0.42 0.48)"， ^为轴系的运行转速频率。油膜涡动是因运行条件改变而引起的一种自激振动现象，在旋转方向产生的 油膜力激发的不稳定力使转子发生振动。如果轴承内存在足够大的阻尼，则转子 回到其正常位置稳定下来；否则，转子将继续涡动，出现较大的不稳定振动。通 常，机组油膜涡动故障的诊断工作都是由经验丰富的专家完成，具有诊断经济成 本高，周期长，可靠性低，实时性差的缺点。本专利技术提供的汽轮发电机组油膜涡 动故障实时诊断方法，根据机组轴系实时运行转速、振动幅值特征、振动频率特征等信息，对机组油膜涡动故障进行实时自动在线监测、分析、诊断，提高故障 诊断效率和准确度。
技术实现思路
本专利技术的目的在于提供基于大型汽轮机运行中轴系的振动数据，结合计算机 程序计算，能够实现自动在线监测、准确诊断故障的一种汽轮发电机组油膜涡动 故障在线实时诊断方法。一种汽轮发电机组油膜涡动故障实时在线诊断方法，其特征在于，所述油膜 涡动故障实时在线诊断方法包括(a) 数据采集及预处理，采集汽轮机组转子轴振动信号以及振动信号分析处理需要的键相信号进一歩根据采集得到的振动信号，计算分析得到轴相对振动通频振幅；(b) 机组转子实时运行转速条件验证，实时计算分析机组轴系实时运行转速 与转子的第一临界转速的比值，定量判定机组是否具备与转速相关的油膜涡动故 障发生必要条件；(C)轴振低频振动主频率单一性验证，依据转子的轴相对振动数据，结合快 速傅立叶变换(FFT)频谱分析方法，实时计算分析轴振动低频振动频段内的主 频率值波动情况，经过相关定量计算，判定轴振低频振动主频率单一性是否显著；(d) 轴振半频振动主频率条件验证，依据转子的轴相对振动数据，结合快速 傅立叶变换频谱分析，定量分析预先设定的低频振动频段内振动主频率与轴系实 时运行转速频率的数值关系及变化情况，判定轴相对振动的低频振动主频率与轴 系实时运行转速频率是否具备半速关系；(e) 轴振半频振动幅值条件验证，结合轴相对振动数据的FFT频谱分析结果， 实时计算分析轴振动的半频振动振幅与相对轴振通频振幅的比值及变化情况，判 定轴振动的半频振动幅值是否显著；(f) .机组油膜涡动故障识别诊断，结合轴振低频振动主频率单一性验证、轴 振半频振动主频率条件验证和轴振半频振动幅值条件验证3项验证的结果，综合 判断得出大型汽轮发电机组是否发生油膜涡动故障的结论。本专利技术的有益效果是汽轮机组油膜涡动故障诊断方法利用机组运行中轴系 的振动数据，经过计算分析判断得到故障诊断结论，具有方法科学，结论可靠， 能够实现自动实时在线监测、诊断故障等优点。附图说明图1为大型汽轮发电机组油膜涡动诊断功能流程图。 图2为机组转子实时运行转速条件验证功能结构框图。 图3为轴振低频振动主频率单一性验证功能结构框图。图4为轴振半频振动主频率条件验证功能结构框图。 图5为轴振半频振动幅值条件验证功能结构框图。 具体实施例方式本项专利技术提出的主要由数据 采集、数据预处理及分析、机组转子实时运行转速条件验证、轴振低频振动主频 率单一性验证、轴振半频振动主频率条件验证、轴振半频振动幅值条件验证、机 组油膜涡动故障识别诊断等环节组成，其功能流程图如图1所示。在实时诊断过 程中，先判断机组的轴系转速小于2倍的转子第一临界转速，满足条件再进入后 续的实时运算分析验证。下面结合附图进一步说明具体实施步骤及诊断方法。数据采集及预处理油腠涡动故障都是在轴相对振动上表现明显，在后续的计算分析过程中需要 用到轴相对振动数据。因此，诊断机组油膜涡动故障采集汽轮机组转子的轴振动 数据以及振动信号分析处理需要的键相信号。根据采集得到的振动信号，标定转 换得到轴相对振动通频振幅Av。(标定转换方法由振动传感器供应商提供。) 机组转子实时运行转速条件验证计算机组轴系实时运行转速与机组选定转子的第一临界转速的比值，如果该比值小于2，那么机组转子实时运行转速条件验证通过，说明机组具备了与转速 相关的油膜涡动故障发生必要条件。机组转子实时运行转速条件验证功能结构框 图如图2所示。由于在实际的汽轮发电机组中，通常会有2个或2个以上的转子， 这些不同转子的第一临界转速不同，因此应根据当前监测诊断转子的具体数据设定转子的第一临界转速。 轴振低频振动主频率单一性验证针对预先选定的转子的一侧轴相对振动信号，进行FFT(快速傅立叶变换)频谱分析。依据转子的实时运行转速频率y;皿，，设定轴振动的低频振动频段为，在该频段内，实时计算分析得到最大振动幅值对应的主频 率值/,ox。在设定时间内，计算/。 ^的最大值和最小值的差值的绝对值，如果该绝对值小于预先设定的阈值rm/rf，那么判定轴振低频振动主频率单一性验证通过，其功能结构框图如图3所示。轴振半频振动主频率条件验证针对预先选定的转子的一侧轴相对振动信号，进行FFT(快速傅立叶变换)频 谱分析。依据转子的实时运行转速频率/,^，设定轴振动的低频振动频段为，在该频段内，实时计算分析得到最大振动幅值对应的主频 率值/,M。在设定时间内，计算/" ^的最大值、最小值之和的均值，计算该均值 与轴系实时运行转速频率/f^的比值，如果该比值在0.4 0.52范围内，那么判 定轴振半频振动主频率条件验证通过，其功能结构框图如图4所示。轴振半频振动幅值条件验证针对预先选定的转子的一侧轴相对振动信号，进行FFT(快速傅立叶变换)频 谱分析。依据转子的实时运行转速频率/， ^，设定轴振动的半IS振动频段为，计算该频段内的通频振幅^U。相对轴振通频振幅Av二者的比值&,4/《。在设定的时间段内，计算比值凡,的均值，如果比值4的 均值大于设定的阈值7乙，那么判定轴振半频振动幅值条件验证通过，其功能结 构框图如图5所示。根据轴相对振动信号，采用FFT(快速傅立叶变换)频谱分析 算法，逐项累加频段内对应频率的振幅得到频段内的通频振幅Avc;相对轴振通 频振幅Av由轴相对振动信号标定转换得到，标定转换方法由振动传感器供应商 提供。机组油膜涡动振动故障识别 根据本文档来自技高网...

【技术保护点】
一种汽轮发电机组油膜涡动故障实时在线诊断方法，其特征是，它包括：　（ａ）数据采集及预处理，采集汽轮机组转子轴振动信号以及振动信号分析处理需要的键相信号；进一步根据采集得到的振动信号，计算分析得到轴相对振动通频振幅；　（ｂ）机组转子实时运行转速条件验证，实时计算分析机组轴系实时运行转速与转子的第一临界转速的比值，定量判定机组是否具备与转速相关的油膜涡动故障发生必要条件；　（ｃ）轴振低频振动主频率单一性验证，依据转子的轴相对振动数据，结合快速傅立叶变换（ＦＦＴ）频谱分析方法，实时计算分析轴振动低频振动频段内的主频率值波动情况，经过相关定量计算，判定轴振低频振动主频率单一性是否显著；　（ｄ）轴振半频振动主频率条件验证，依据转子的轴相对振动数据，结合快速傅立叶变换频谱分析方法，定量分析预先设定的低频振动频段内振动主频率与轴系实时运行转速频率的数值关系及变化情况，判定轴相对振动的低频振动主频率与轴系实时运行转速频率是否具备半速关系；　（ｅ）轴振半频振动幅值条件验证，结合轴相对振动数据的ＦＦＴ频谱分析结果，实时计算分析轴振动的半频振动振幅与相对轴振通频振幅的比值及变化情况，判定轴振动的半频振动幅值是否显著；　（ｆ）机组油膜涡动故障识别诊断，结合轴振低频振动主频率单一性验证、轴振半频振动主频率条件验证和轴振半频振动幅值条件验证３项验证的结果，综合判断得出大型汽轮发电机组是否发生油膜涡动故障的结论。...

【技术特征摘要】

【专利技术属性】
技术研发人员：宋光雄，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：11[中国|北京]