CN101430247B - 汽轮发电机组随机振动故障实时诊断方法 - Google Patents
汽轮发电机组随机振动故障实时诊断方法 Download PDFInfo
- Publication number
- CN101430247B CN101430247B CN200810227586XA CN200810227586A CN101430247B CN 101430247 B CN101430247 B CN 101430247B CN 200810227586X A CN200810227586X A CN 200810227586XA CN 200810227586 A CN200810227586 A CN 200810227586A CN 101430247 B CN101430247 B CN 101430247B
- Authority
- CN
- China
- Prior art keywords
- vibration
- frequency
- low
- amplitude
- watt
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了属于大型旋转机械振动状态监测与故障诊断领域,涉及汽轮发电机组振动状态自动在线监测的一种汽轮发电机组随机振动故障实时诊断方法。通过采集汽轮机组轴系的轴承座瓦振振动信号、轴振动信号,对振动数据进行标定转换、异常点剔除等必要的数据预处理。利用FFT(快速傅立叶变换)频谱分析,对振动数据进行瓦振低频振动与轴振关联性分析,并进一步对轴承座瓦振振动数据进行低频振动幅值条件验证、低频振动主频率条件验证、低频振动频率成份分散性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,诊断机组是否发生随机振动故障。
Description
技术领域
本发明属于大型旋转机械振动状态监测与故障诊断领域,特别涉及汽轮发电机组振动状态自动在线监测的一种汽轮发电机组随机振动故障实时诊断方法。
背景技术
随着机组容量增大,有些大型汽轮发电机组经常表现为较为明显的随机振动故障,其频率、振幅波动性变化明显,表现形式较复杂。随机振动故障本身不会给机组安全运行带来直接危害,但是随机振动将会对机组长期稳定可靠运行带来不利影响。
(1)随机振动可以诱发明显的有害振动。由于随机振动的频谱是连续谱,激振力频带相当宽。如果周围存在自振频率与随机振动频率成份匹配的部件,它将会激起不稳定共振,诱发明显有害振动。例如,轴瓦轴向随机振动,本身虽然不会给机组安全运行带来不利影响,但由于传至轴系,经波形节联轴器共振放大之后,产生了明显有害振动,使波形节产生较大的交变应力,长期运行波形节将会产生疲劳损伤和断裂,造成机组重大生产事故。
(2)随机振动表现是机组严重振动故障的重要征兆,如果不及时处理,将会给机组安全运行带来不利影响。例如,由松动的大部件和轴颈不稳定冲击激起的随机振动,不及时调整机组转子平衡,降低激振力,其直接后果是机组轴瓦在短期内将被振碎。
通常,机组随机振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,有效性差的缺点。因此,汽轮机组随机振动故障在线实时诊断方法具有一定的重要用途。
发明内容
本发明的目的在于提供一种能够实现自动在线监测、准确诊断故障的汽轮发电机组随机振动故障在线实时诊断方法。
一种汽轮发电机组随机振动故障在线实时诊断方法,其特征是该随机振动故障在线实时诊断方法包括:
(a)数据采集,采集汽轮机组轴系的轴承座振动信号、轴振动信号以及振动信号分析处理需要的键相信号,得到相对轴振通频振幅Asc,轴承座的瓦振振动通频幅值Abv,结合FFT频谱分析,得到轴承座瓦振低频振动预先设定频段内的通频振幅Abvc;
(b)瓦振低频振动与轴振关联性分析,将计算轴承座瓦振低频振动预先设定频段内的通频振幅Abvc、相对轴振通频振幅Asc二者的比值Rcs=Abvc/Asc,以此二者的比值Rcs为依据定量判定轴承座的低频振动设定频段内的振动与相对轴振具有非关联性,向诊断决策提供验证支持;
(c)瓦振低频振动幅值条件验证,依据轴承座瓦振低频振动预先设定频段内的通频振幅Abvc,经过相关定量计算,评价设定频段内低频振幅的波动情况,向诊断决策提供验证支持;
(d)瓦振低频振动主频率条件验证,结合对瓦振信号进行FFT频谱分析,在预先设定的低频振动频段[fcmin,fcmax]内,得到最大振动幅值对应的主频率值famax,在设定时间内,计算famax的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值Tmfd判定瓦振低频振动主频率条件验证通过的定量分析结果,向诊断决策提供验证支持;
(e)瓦振低频振动频率成份分散性验证,结合对瓦振信号进行FFT频谱分析,在预先设定的低频振动频段[fcmin,fcmax]内,计算得到幅值大于设定值的低频振动频率,在设定时间内,计算幅值大于设定值的低频振动频率成份数量Qlf,以采样数设定低频振动频率成份数量阈值Tqlf,如果低频振动频率成份数量Qlf大于阈值Tqlf,那么判定为瓦振低频振动频率成份分散性验证通过,否则判定验证不通过的FFT频谱分析结果,向诊断决策提供验证支持;
(f)机组随机振动故障识别诊断,结合轴承座的瓦振低频振动幅值条件验证、低频振动主频率条件验证及低频振动频率成份分散性验证这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随机振动故障的结论。
所述相对轴振通频振幅是根据采集得到的振动信号,得到相对轴振通频振幅Asc,轴承座振动通频幅值Abv;对轴承座振动进行FFT频谱分析,根据预先设定的低频振动频段[fcmin,fcmax],结合FFT频谱分析结果,累加频段[fcmin,fcmax]内的振幅得到该频段内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc。
所述瓦振低频振动幅值波动性是在设定时间段内,计算瓦振低频振动频段[fcmin,fcmax]内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值Tcmd,那么判定瓦振低频振动幅值条件验证通过。
所述汽轮发电机组随机振动故障的诊断是在实时诊断随机振动故障过程中,根据上述瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证及瓦振低频振动频率成份分散性验证的结果,如果同时通过上述3项验证,那么判断发生随机振动故障。
本发明的有益效果是汽轮机组随机振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随机振动诊断功能流程图。
图2为瓦振低频振动与轴振非关联性验证功能结构框图。
图3为瓦振低频振动幅值条件验证功能结构框图。
图4为瓦振低频振动主频率条件验证功能结构框图。
图5为瓦振低频振动频率成份分散性验证功能结构框图。
具体实施方式
本发明提供一种能够实现自动在线监测、准确诊断故障的汽轮发电机组随机振动故障在线实时诊断方法。首先进行基本情况分析:
一、在汽轮发电机组上能激起随机振动故障有两大类。一是流体冲击;二是松动的大部件和轴颈对轴瓦不稳定冲击。首先,与轴承座直接或间接相连的管道有循环水管、油管、主蒸汽管、再热蒸汽和导汽管等,当这些管路设计不合理时,在较大流量下管路会激起显著随机振动,管道的随机振动传至轴承座或汽缸。其次,支承的有关部件发生松动,将会引起轴承座连接刚度降低,在激振力不变时轴承振幅会增大。当轴瓦在瓦窝内松动、汽缸内某个大部件松动,在振动或汽流作用下,对轴瓦或汽缸产生冲击,或轴颈对轴瓦产生不稳定冲击,将激起随机振动。
二、汽轮发电机组上的随机振动故障,频谱以连续谱为主,其主频率和幅值均极不稳定。随机振动就其振动频率成份是由激振力频率决定,当激振力频率在某一范围内频率成份丰富时,振动频谱表现为连续,其中振幅最大对应的频率称为主频率,在不同时间主频率及其幅值变化显著。目前在大机组上观察到的低频振动幅值不稳定,振动主频率在5-30Hz范围内波动变化,振动频谱表现为连续。
本发明就是在以上所述内容基础上,根据汽轮机组随机振动故障的主要特征,结合振动信号分析处理及模式识别技术,对汽轮机组的随机振动故障进行分析诊断。
大型汽轮发电机组随机振动故障实施诊断方法主要由数据采集及预处理、瓦振低频振动与轴振非关联性验证、瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证、瓦振低频振动频率成份分散性验证、机组随机振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,针对相应的瓦振(轴承座振动)与轴相对振动,先进行瓦振低频振动与轴振关联性分析,在验证瓦振低频振动在设定频段内的振动与相对轴振的关联性不明显后,再进入后续针对轴承座瓦振低频振动的幅值条件验证、主频率条件验证及频率成份分散性验证等实时运算分析。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
在汽轮发电机组上能激起随机振动故障有两大类,一是流体冲击;二是松动的大部件和轴颈对轴瓦不稳定冲击。上述随机振动都是在轴承座上表现明显,在后续的计算分析过程中需要用到相对轴振动数据。因此,诊断机组随机振动故障采集汽轮机组轴系的轴承座振动信号以及轴振动数据。
根据采集得到的振动信号,得到相对轴振通频振幅Asc,轴承座振动通频幅值Abv。对轴承座振动进行FFT(快速傅立叶变换)频谱分析,根据预先设定的低频振动频段[fcmin,fcmax],结合FFT频谱分析结果,累加频段内的振幅得到该频段内轴承座瓦振低频振动预先设定频段内的通频振幅Abvc。
瓦振低频振动与轴振非关联性验证
计算瓦振低频振动频段[fcmin,fcmax]内的通频振幅Abvc、相对轴振通频振幅Asc二者的比值Rcs=Abvc/Asc。在设定的时间段内,如果比值Rcs的最大值、最小值的差值的绝对值大于设定的阈值Trcs(设定阈值Trcs为0.3),那么判定低频振动设定频段内的振动与相对轴振非关联性验证通过,否则判定为验证不通过,其功能结构框图如图2所示。
瓦振低频振动幅值条件验证
分析瓦振低频振动幅值波动性,评价设定频段内最大振幅的波动情况,其功能结构框图如图3所示。在设定时间段内,计算瓦振低频振动频段[fcmin,fcmax]内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值Tcmd,那么判定低频振动幅值条件验证通过,否则判定为验证不通过。
瓦振低频振动主频率条件验证
对瓦振信号进行FFT(快速傅立叶变换)频谱分析,在预先设定的低频振动频段[fcmin,fcmax]内,得到最大振动幅值对应的主频率值famax。在设定时间内,计算famax的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值Tmfd,那么判定瓦振低频振动主频率条件验证通过,否则判定验证不通过,其功能结构框图如图4所示。
瓦振低频振动频率成份分散性验证
对瓦振信号进行FFT(快速傅立叶变换)频谱分析,在预先设定的低频振动频段[fcmin,fcmax]内,计算得到幅值大于设定值的低频振动频率。在设定时间内,计算符合条件的低频振动频率成份数量Qlf,在FFT频谱分析的采样频率、采样数确定的情况下,Qlf可以明确得到。根据FFT频谱分析的采样频率、采样数设定低频振动频率成份数量阈值Tqlf,如果低频振动频率成份数量大于阈值Tqlf,那么判定为瓦振低频振动频率成份分散性验证通过,否则判定验证不通过,其功能结构框图如图5所示。
汽轮发电机组随机振动故障的诊断
根据上述瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证及瓦振低频振动频率成份分散性验证的结果,可以做出是否发生随机振动故障的诊断。如果同时通过上述3项验证,那么可以判断发生随机振动故障。
实施例
利用该方法可以实现对300MW汽轮发电机组高压转子一侧的轴承座处的随机振动故障诊断。根据该方法设计具体的随机振动故障计算机诊断程序,将故障诊断程序安装在工控机(IPC)内。随机振动故障实时诊断程序中的一次诊断循环过程包括诊断方法中涉及的数据采集及预处理、瓦振低频振动与轴振非关联性验证、瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证、瓦振低频振动频率成份分散性验证、机组随机振动故障识别诊断等一系列计算分析验证环节。
首先,工控机(IPC)通过高速数据采集卡实时采集汽轮发电机组高压转子一侧的轴承座振动及轴相对振动信号。根据采集得到的振动信号,得到相对轴振通频振幅Asc,轴承座振动通频幅值Abv。对轴承座振动进行FFT(快速傅立叶变换)频谱分析,根据预先设定的低频振动频段[5Hz,30Hz],累加频段内的振幅得到该频段内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc。
其次,故障诊断程序实时计算轴承座振动(瓦振)低频振动频段[5Hz,30Hz]内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc、相对轴振通频振幅Asc二者的比值Rcs=Abvc/Asc。在设定的时间10秒内,计算比值Rcs的最大值、最小值的差值的绝对值,如果该绝对值大于设定的阈值0.3,那么判定低频振动设定频段内的振动与相对轴振非关联性验证通过,故障诊断程序进入后续的分析诊断环节。如果验证判定为不通过,故障诊断程序不会进入后续的分析诊断环节,重新进入数据采集及预处理环节。
故障诊断程序针对高压转子的一侧轴承座振动信号,进行瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证及瓦振低频振动频率成份分散性验证等3项验证,3个验证过程是实时同步进行的。3项验证中的任何一项验证失效,都会导致程序重新进入进入数据采集及预处理环节。
在瓦振低频振动幅值条件验证中,故障诊断程序实时计算轴承座振动(瓦振)低频振动频段[5Hz,30Hz]内的通频振幅Abvc。在设定的时间10秒内,计算Abvc的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值10微米,那么判定瓦振低频振动幅值条件验证通过。
在瓦振低频振动主频率条件验证中,故障诊断程序实时计算预先设定的低频振动频段[5Hz,30Hz]内,得到最大振动幅值对应的主频率值famax。计算famax的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值5Hz,那么判定瓦振低频振动主频率条件验证通过。
在瓦振低频振动频率成份分散性验证中,在设定的时间10秒内,故障诊断程序实时计算预先设定的低频振动频段[5Hz,30Hz]内,幅值大于1微米的低频振动频率成份数量Qlf,假设FFT频谱分析的采样频率为1000Hz、采样数为1000的情况下,低频振动频率成份数量阈值为2500。如果通过计算得到在[5Hz,30Hz]内,幅值大于1微米的低频振动频率成份数量为3100,该值大于阈值2500,那么判定为低频振动频率成份分散性验证通过。
最后,故障诊断程序根据瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证及瓦振低频振动频率成份分散性验证的结果,判断是否发生随机振动故障的诊断。如果同时满足上述3项验证,那么可以判断发生随机振动。
Claims (4)
1.一种汽轮发电机组随机振动故障在线实时诊断方法,其特征在于,该随机振动故障在线实时诊断方法包括:
(a)数据采集,采集汽轮机组轴系的轴承座振动信号、轴振动信号以及振动信号分析处理需要的键相信号,得到相对轴振通频振幅Asc,轴承座的瓦振振动通频幅值Abv,结合FFT频谱分析,得到轴承座瓦振低频振动预先设定频段内的通频振幅Abvc;
(b)瓦振低频振动与轴振关联性分析,将计算轴承座瓦振低频振动预先设定频段内的通频振幅Abvc、相对轴振通频振幅Asc二者的比值Rcs=Abvc/Asc,以此二者的比值Rcs为依据定量判定轴承座的低频振动设定频段内的振动与相对轴振具有非关联性,向诊断决策提供验证支持;
(c)瓦振低频振动幅值条件验证,依据轴承座瓦振低频振动预先设定频段内的通频振幅Abvc,经过相关定量计算,评价设定频段内低频振幅的波动情况,向诊断决策提供验证支持;
(d)瓦振低频振动主频率条件验证,结合对瓦振信号进行FFT频谱分析,在预先设定的低频振动频段[fcmin,fcmax]内,得到最大振动幅值对应的主频率值famax,在设定时间内,计算famax的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值Tmfd判定瓦振低频振动主频率条件验证通过的定量分析结果,向诊断决策提供验证支持;
(e)瓦振低频振动频率成份分散性验证,结合对瓦振信号进行FFT频谱分析,在预先设定的低频振动频段[fcmin,fcmax]内,计算得到幅值大于设定值的低频振动频率,在设定时间内,计算幅值大于设定值的低频振动频率成份数量Qlf,以采样数设定低频振动频率成份数量阈值Tqlf,如果低频振动频率成份数量Qlf大于阈值Tqlf,那么判定为瓦振低频振动频率成份分散性验证通过,否则判定验证不通过的FFT频谱分析结果,向诊断决策提供验证支持;
(f)机组随机振动故障识别诊断,结合轴承座的瓦振低频振动幅值条件验证、低频振动主频率条件验证及低频振动频率成份分散性验证这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随机振动故障的结论。
2.根据权利要求1所述汽轮发电机组随机振动故障在线实时诊断方法,其特征在于,所述相对轴振通频振幅是根据采集得到的振动信号,得到相对轴振通频振幅Asc,轴承座振动通频幅值Abv;对轴承座振动进行FFT频谱分析,根据预先设定的低频振动频段[fcmin,fcmax],结合FFT频谱分析结果,累加频段[fcmin,fcmax]内的振幅得到该频段内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc。
3.根据权利要求1所述汽轮发电机组随机振动故障在线实时诊断方法,其特征在于,所述瓦振低频振动幅值波动性是在设定时间段内,计算瓦振低频振动频段[fcmin,fcmax]内的轴承座瓦振低频振动预先设定频段内的通频振幅Abvc的最大值和最小值的差值的绝对值,如果该绝对值大于预先设定的阈值Tcmd,那么判定瓦振低频振动幅值条件验证通过。
4.根据权利要求1所述汽轮发电机组随机振动故障在线实时诊断方法,其特征在于,所述汽轮发电机组随机振动故障的诊断是在实时诊断随机振动故障过程中,根据上述瓦振低频振动幅值条件验证、瓦振低频振动主频率条件验证及瓦振低频振动频率成份分散性验证的结果,如果同时通过上述3项验证,那么判断发生随机振动故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810227586XA CN101430247B (zh) | 2008-11-28 | 2008-11-28 | 汽轮发电机组随机振动故障实时诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810227586XA CN101430247B (zh) | 2008-11-28 | 2008-11-28 | 汽轮发电机组随机振动故障实时诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101430247A CN101430247A (zh) | 2009-05-13 |
CN101430247B true CN101430247B (zh) | 2011-02-09 |
Family
ID=40645769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810227586XA Expired - Fee Related CN101430247B (zh) | 2008-11-28 | 2008-11-28 | 汽轮发电机组随机振动故障实时诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101430247B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936812B (zh) * | 2010-08-25 | 2011-10-05 | 重庆大学 | 装甲车发动机工作状态检测方法 |
CN102012316B (zh) * | 2010-11-11 | 2012-05-30 | 华北电力大学 | 汽轮发电机组轴颈碰摩故障实时辨识方法 |
CN102012263B (zh) * | 2010-11-11 | 2012-07-25 | 华北电力大学 | 汽轮机组转子振动同相分量平稳性实时辨识方法 |
CN102052964B (zh) * | 2010-11-18 | 2013-03-06 | 华北电力大学 | 汽轮发电机组转子振动反相矢量稳态性实时辨识方法 |
CN102087139B (zh) * | 2010-11-24 | 2012-10-10 | 华北电力大学 | 汽轮发电机组低频振动频率成份实时分析方法 |
CN102262215B (zh) * | 2011-04-29 | 2013-05-22 | 华北电力大学(保定) | 一种大型发电机定转子气隙偏心故障检测方法 |
CN102322941A (zh) * | 2011-08-25 | 2012-01-18 | 吉林市华维电力科技有限公司 | 基于油膜厚度的振动监测诊断装置 |
CN102519579B (zh) * | 2011-12-20 | 2014-02-19 | 华北电力大学 | 汽轮机碰磨故障检测方法 |
CN103822786A (zh) * | 2012-11-16 | 2014-05-28 | 中国水利电力物资有限公司 | 基于多元统计分析的风电机组机械设备状态诊断方法 |
CN105136394B (zh) * | 2014-05-26 | 2019-03-05 | 国家电网公司 | 快速处理锅炉风机振动故障的方法及装置 |
CN105136282A (zh) * | 2015-05-29 | 2015-12-09 | 江阴市华恒仪表有限公司 | 一种振动监控保护仪 |
CN105865786B (zh) * | 2016-04-04 | 2019-08-06 | 上海大学 | 拉压油膜噪声测量试验机 |
CN106091911A (zh) * | 2016-05-31 | 2016-11-09 | 河北省电力建设调整试验所 | 一种基于tsi系统的汽轮发电机组顶轴高度测量方法 |
CN106248007A (zh) * | 2016-07-14 | 2016-12-21 | 贵州电网有限责任公司电力科学研究院 | 一种汽轮发电机组转子顶起高度在线测量装置及方法 |
CN107992801B (zh) * | 2017-11-10 | 2021-11-30 | 中国船舶重工集团公司第七一九研究所 | 一种振动设备的故障诊断方法及系统 |
CN110007698B (zh) * | 2019-04-03 | 2020-07-28 | 中国船舶重工集团公司第七一九研究所 | 一种凝汽器换热管振动的控制方法及系统 |
CN110007697B (zh) * | 2019-04-03 | 2020-07-28 | 中国船舶重工集团公司第七一九研究所 | 一种凝汽器冷却管流体激励振动控制方法和装置 |
CN110553821A (zh) * | 2019-07-08 | 2019-12-10 | 湖北华电襄阳发电有限公司 | 一种汽轮发电机组故障可视化诊断方法及系统 |
CN110566473B (zh) * | 2019-09-06 | 2021-01-05 | 中广核工程有限公司 | 非能动核电厂主泵振动监测系统 |
CN111930079A (zh) * | 2020-06-30 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 数据采集方法、装置和系统、电子设备及存储介质 |
CN112557039B (zh) * | 2020-11-04 | 2023-06-02 | 河北建投能源科学技术研究院有限公司 | 运行参数与振动相耦合的汽轮机异常振动故障诊断方法 |
CN112664379A (zh) * | 2020-12-22 | 2021-04-16 | 国家电网有限公司 | 水轮机组故障预判方法及装置 |
CN113532776B (zh) * | 2021-06-23 | 2023-08-01 | 杭州意能电力技术有限公司 | 一种发电机轴瓦瓦枕绝缘垫失效诊断方法及系统 |
CN113532826A (zh) * | 2021-07-08 | 2021-10-22 | 国能南京电力试验研究有限公司 | 一种基于多参数分析的凝结水泵轴系振动故障诊断方法 |
CN116046385B (zh) * | 2023-03-07 | 2023-06-09 | 天津汉云工业互联网有限公司 | 基于齿形图的齿轮故障识别方法、装置、介质和设备 |
CN116448236B (zh) * | 2023-06-20 | 2023-09-12 | 安徽容知日新科技股份有限公司 | 边缘端振动监测系统及方法、计算机可读存储介质 |
-
2008
- 2008-11-28 CN CN200810227586XA patent/CN101430247B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101430247A (zh) | 2009-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101430247B (zh) | 汽轮发电机组随机振动故障实时诊断方法 | |
CN101430239B (zh) | 大型汽轮发电机组油膜涡动故障实时诊断方法 | |
CN101451898B (zh) | 汽轮发电机组转子热弯曲不平衡故障实时诊断方法 | |
CN101532911B (zh) | 大型汽轮发电机组转子裂纹故障实时诊断方法 | |
CN101403648A (zh) | 大型汽轮发电机组汽流激振故障实时诊断方法 | |
CN101429877B (zh) | 汽轮发电机组联轴器角度不对中故障实时诊断方法 | |
CN101776508A (zh) | 旋转机械的光机电多参数精密监测装置 | |
CN103884482A (zh) | 一种基于压缩机的振动测试方法和系统 | |
CN102087139B (zh) | 汽轮发电机组低频振动频率成份实时分析方法 | |
Rehab et al. | The influence of rolling bearing clearances on diagnostic signatures based on a numerical simulation and experimental evaluation | |
CN102072764B (zh) | 汽轮发电机组低频振动单峰实时分析方法 | |
CN102095491B (zh) | 汽轮发电机组低频振动突变性实时分析方法 | |
CN102096771A (zh) | 汽轮发电机组轴承瓦温变化趋势实时分析方法 | |
CN102175408B (zh) | 汽轮发电机组轴承座刚度实时辨识方法 | |
CN102954888A (zh) | 汽轮机组油膜振荡故障的实时在线诊断方法 | |
CN102012263B (zh) | 汽轮机组转子振动同相分量平稳性实时辨识方法 | |
CN102879084B (zh) | 汽轮发电机组低频振动非稳态在线预警方法 | |
Lim et al. | Improved blade fault diagnosis using discrete Blade Passing Energy Packet and rotor dynamics wavelet analysis | |
Oh et al. | Development of a system for diagnosing faults in rotating machinery using vibration signals | |
CN102692303B (zh) | 汽轮发电机组汽流激振故障高效识别方法 | |
CN102879085B (zh) | 汽轮发电机组低频振动非稳态实时预警方法 | |
CAstillA-Gutiérrez et al. | Analysis, evaluation and monitoring of the characteristic frequencies of pneumatic drive unit and its bearing through their corresponding frequency spectra and spectral density | |
CN102022143B (zh) | 汽轮发电机组低频振动平稳性实时分析方法 | |
CN102680243B (zh) | 汽轮发电机组汽流激振故障在线判别方法 | |
Zahid et al. | Semi-automated impact device based on human behaviour recognition model for in-service modal analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110209 Termination date: 20131128 |