一种基于数字孪生的汽轮机转子服役过程监测方法技术

本发明专利技术提供了一种基于数字孪生的汽轮机转子服役过程监测方法，涉及汽轮机监测技术领域。该基于数字孪生的汽轮机转子服役过程监测方法，通过融合多个数字孪生子模型构建数字孪生模型，可以从不同角度对汽轮机转子服役过程进行实时监测，同时根据实时振动信号对汽轮机转子服役过程进行监测，能够更好地反映汽轮机转子服役过程中复杂多变的运行工况。该方法弥补了传统监测技术实时性差、数据处理分析慢、耗费人力物力资源过度等缺点，适用于汽轮机转子服役过程的复杂多变情况，为优化汽轮机转子服役监测技术提供了新的思路。服役监测技术提供了新的思路。服役监测技术提供了新的思路。

【技术实现步骤摘要】
一种基于数字孪生的汽轮机转子服役过程监测方法


[0001]本专利技术涉及汽轮机监测
，具体而言，涉及一种基于数字孪生的汽轮机转子服役过程监测方法。

技术介绍

[0002]汽轮机承担着能源转换的作用，是电站最重要的旋转设备，但同时汽轮机转子作为机组运行过程中工作条件最恶劣的部件，也是机组寿命最薄弱的环节，由此可见加强对机组转子性能的实时监测十分必要。
[0003]汽轮机转子是高速旋转部件，对转子服役过程进行精确的控制调整是目前研究中的技术难题，传统信息采集技术会耗费大量的人力和时间，与此同时人工对数据处理的速度远赶不上数据的产生及采集速度，无法做到对汽轮机转子服役过程的实时监测。

技术实现思路

[0004]以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
[0005]本专利技术的目的包括，提供了一种基于数字孪生的汽轮机转子服役过程监测方法，其能够实现对汽轮机转子服役过程的实时监测。
[0006]本专利技术的实施例可以通过以下方式实现：
[0007]一种基于数字孪生的汽轮机转子服役过程监测方法，其包括：
[0008]获取汽轮机转子历史失效数据、汽轮机转子服役过程体系的初始特征信息及初始服役工况参数；
[0009]根据所述汽轮机转子历史失效数据、所述初始特征信息及初始服役工况参数构建可执行的汽轮机转子服役过程的数字孪生子模型；其中，所述数字孪生子模型包括二分类预测模型、温度场模型、本构模型、连续损伤模型及退化模型；
[0010]将所述数字孪生子模型进行融合，以形成数字孪生模型；
[0011]对所述数字孪生模型进行优化；
[0012]获取汽轮机转子服役过程中的实时振动信号，并进行降噪处理；
[0013]所述数字孪生模型根据所述降噪后的振动信号判断所述汽轮机转子是否出现故障并分析故障原因；若出现故障，表明所述汽轮机转子开始退化，并对所述退化模型的参数进行更新。
[0014]可选地，所述对所述数字孪生模型进行优化的步骤包括：
[0015]获取汽轮机转子服役过程中的振动信号以及实时服役工况参数；
[0016]对所述振动信号进行降噪处理，获得降噪信号；
[0017]所述数字孪生模型根据所述实时服役工况参数获得模拟振动信号；
[0018]对比所述降噪信号与所述模拟振动信号，以获得所述降噪信号与所述模拟振动信号的偏差；
[0019]若所述偏差超出预设范围，则采用扩展卡尔曼滤波算法并根据所述偏差对所述数字孪生模型进行优化；
[0020]重复上述步骤，直至获得的偏差在预设范围内。
[0021]可选地，所述初始特征信息包括所用几何结构信息、材料参数、转子分层数、转子内外径及历史振动信号数据。
[0022]可选地，构建所述二分类预测模型的步骤包括：
[0023]利用所述历史振动信号数据并采用逻辑回归算法进行二分类预测模型训练，以获得所述二分类预测模型；
[0024]其中，所述历史振动信号数据包含汽轮机转子无故障、不平衡、不对中、碰磨、支座松动和轴裂纹六种状态下的振动信号特征参数；所述振动信号特征参数包括波形指标、峰值指标、脉冲指标、裕度指标及峭度指标。
[0025]可选地，构建所述退化模型的步骤包括：
[0026]根据所述汽轮机转子历史失效数据并利用随机过程模型建立所述退化模型；所述退化模型的表达式为：
[0027][0028]其中，f(m)为汽轮机转子在m时刻的退化量；f(0)为汽轮机转子的初始退化量；α
m
为时变参数，代表汽轮机转子在m时刻的退化速度；β
m
为汽轮机转子在m时刻的非线性度；σ
b
为退化过程的扩散系数；B(m)为标准布朗运动。
[0029]可选地，对所述退化模型的参数更新的步骤之后，还包括：对所述汽轮机转子的剩余寿命进行预测；
[0030]对所述汽轮机转子的剩余寿命进行预测的步骤包括：
[0031]所述退化模型的参数更新至m时刻，且所述退化模型中状态参数更新方程为：
[0032][0033]其中，N(0,σ)为偶然误差；
[0034]利用所述退化模型计算m+k时刻的状态，所述m+k时刻的状态为：
[0035][0036]获得使不等式成立的k的最小值，所述k的最小值为m时刻预测到的汽轮机转子的剩余寿命；所述不等式为：
[0037]f(m+k)≥threshold
[0038]其中，threshold为失效阈值。
[0039]可选地，构建所述温度场模型的步骤包括：
[0040]将所述汽轮机转子看作一根中心开孔、初温均匀的无限长圆柱体；
[0041]运用有限元方法进行汽轮机转子温度场的计算；其中，数学模型及边界条件为：
[0042][0043]其中，t为转子温度，单位℃；τ为时间，单位s；a为导温系数；λ为转子材料的热导率，单位w/(m
·
k)；R为转子任一点半径，单位m；t0为转子初始温度，单位℃；R1为转子内径，单位m；R2为转子外径，单位m；t
f
为蒸汽温度，单位℃；α为放热系数，单位w/(m2·
k)；
[0044]将得到的偏微分方程转化为代数方程，以获得所述温度场模型；和/或，
[0045]所述本构模型的构建包括：在有限元模型计算中，基于Ramberg
‑
Osgood模型模拟材料的弹塑性应变
‑
应力关系；采用时间硬化的Norton
‑
Bailey本构方程获得汽轮机转子在高温下的蠕变行为；和/或
[0046]所述连续损伤模型的构建包括：
[0047]采用Lemaitre连续损伤力学模型，并采用计算蠕变疲劳的公式以分析所述汽轮机转子的蠕变疲劳损伤情况。
[0048]可选地，根据所述初始特征信息及初始服役工况参数构建可执行的汽轮机转子服役过程的数字孪生子模型的步骤包括：
[0049]对所述初始特征信息及所述初始服役工况参数进行处理，以获得有效相关初始数据；
[0050]根据所述有效相关初始数据构建所述数字孪生子模型。
[0051]可选地，所述实时振动信号采用绝对振动测量方式获得；其中，所述绝对振动测量方式为测量汽轮机转子相对于传感器的绝对振动。
[0052]可选地，对所述实时振动信号进行降噪处理的步骤包括：采用卡尔曼滤波和粒子滤波对所述实时振动信号进行降噪处理。
[0053]可选地，对所述退化模型的参数进行更新的步骤包括：
[0054]采用无迹粒子滤波算法并结合所述实时振动信号对所述退化模型的参数进行更新。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的汽轮机转子服役过程监测方法，其特征在于，包括：获取汽轮机转子历史失效数据、汽轮机转子服役过程体系的初始特征信息及初始服役工况参数；根据所述汽轮机转子历史失效数据、所述初始特征信息及初始服役工况参数构建可执行的汽轮机转子服役过程的数字孪生子模型；其中，所述数字孪生子模型包括二分类预测模型、温度场模型、本构模型、连续损伤模型及退化模型；将所述数字孪生子模型进行融合，以形成数字孪生模型；对所述数字孪生模型进行优化；获取汽轮机转子服役过程中的实时振动信号，并进行降噪处理；所述数字孪生模型根据所述降噪后的振动信号判断所述汽轮机转子是否出现故障并分析故障原因；若出现故障，表明所述汽轮机转子开始退化，并对所述退化模型的参数进行更新。2.根据权利要求1所述的基于数字孪生的汽轮机转子服役过程监测方法，其特征在于，所述对所述数字孪生模型进行优化的步骤包括：获取汽轮机转子服役过程中的振动信号以及实时服役工况参数；对所述振动信号进行降噪处理，获得降噪信号；所述数字孪生模型根据所述实时服役工况参数获得模拟振动信号；对比所述降噪信号与所述模拟振动信号，以获得所述降噪信号与所述模拟振动信号的偏差；若所述偏差超出预设范围，则采用扩展卡尔曼滤波算法并根据所述偏差对所述数字孪生模型进行优化；重复上述步骤，直至获得的偏差在预设范围内。3.根据权利要求1所述的基于数字孪生的汽轮机转子服役过程监测方法，其特征在于，所述初始特征信息包括所用几何结构信息、材料参数、转子分层数、转子内外径及历史振动信号数据。4.根据权利要求3所述的基于数字孪生的汽轮机转子服役过程监测方法，其特征在于，构建所述二分类预测模型的步骤包括：利用所述历史振动信号数据并采用逻辑回归算法进行二分类预测模型训练，以获得所述二分类预测模型；其中，所述历史振动信号数据包含汽轮机转子无故障、不平衡、不对中、碰磨、支座松动和轴裂纹六种状态下的振动信号特征参数；所述振动信号特征参数包括波形指标、峰值指标、脉冲指标、裕度指标及峭度指标。5.根据权利要求1所述的基于数字孪生的汽轮机转子服役过程监测方法，其特征在于，构建所述退化模型的步骤包括：根据所述汽轮机转子历史失效数据并利用随机过程模型建立所述退化模型；所述退化模型的表达式为：其中，f(m)为汽轮机转子在m时刻的退化量；f(0)为汽轮机转子的初始退化量；α
m
为时变参数，代表汽轮机转子在m时刻的退化速度；β
m
为汽轮机转子在m时刻的非线性度；σ
b
为退化
过程的扩散系数；B(m)为标准布朗运动。6.根据权利要求5所述的基于数字孪生的汽轮机转子服役过程监测方法，其特征在于，对所述退化模型的参数更新的步骤之后，还包括：对所...

【专利技术属性】
技术研发人员：朱明亮，苏晨曦，轩福贞，霍鑫，范曼杰，李松林，刘霞，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：