CN101532911A - 大型汽轮发电机组转子裂纹故障实时诊断方法 - Google Patents
大型汽轮发电机组转子裂纹故障实时诊断方法 Download PDFInfo
- Publication number
- CN101532911A CN101532911A CN200910082560A CN200910082560A CN101532911A CN 101532911 A CN101532911 A CN 101532911A CN 200910082560 A CN200910082560 A CN 200910082560A CN 200910082560 A CN200910082560 A CN 200910082560A CN 101532911 A CN101532911 A CN 101532911A
- Authority
- CN
- China
- Prior art keywords
- axle
- vibration amplitude
- data
- shake
- frequency
- 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.)
- Granted
Links
Images
Abstract
本发明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转子裂纹故障实时诊断方法。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计算分析判断。实时计算存储转子两侧轴振动基频振动幅值和二倍频振动幅值,并实时进行轴振基频振动幅值实时验证,判断转子任何一侧的轴振基频振动的振幅是否大于振动幅值阈值。结合最小二乘法及积差相关系数计算方法,对轴振基频振动数据进行轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证等实时定量计算分析。在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转子裂纹故障。本发明具有方法科学,结论可靠,能够实现自动实时在线监测、诊断故障等优点。
Description
技术领域
本发明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大型汽轮发电机组转子裂纹故障实时诊断方法。
背景技术
汽轮发电机组转子一旦出现裂纹的故障,对设备潜在的威胁十分巨大,可能导致轴系断裂的灾难性事故。转子裂纹产生的原因多是疲劳损伤。运行时间长的老机组,由于应力腐蚀,会在转子原本存在诱发点的位置产生微裂纹,其后随着环境因素的持续作用,微裂纹逐渐扩展,发展为宏裂纹。裂纹的诱发点通常是在应力高且材料有缺陷的地方,如轴上应力集中点、加工时留下的刀痕等部位。随着机组使用寿命的延长和被用作调峰,转轴疲劳损伤加剧,裂纹出现的可能性在增加。汽轮发电机组转子裂纹故障的诊断工作都是由经验丰富的专家完成,诊断经济成本高,周期长。因此,提出一种汽轮发电机组转子裂纹故障在线实时诊断方法就显得十分重要。
本发明提供的汽轮发电机组转子裂纹故障实时诊断方法,对机组转子裂纹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。
发明内容
本发明的目的提供能够自动在线监测、准确诊断故障的一种大型汽轮发电机组转子裂纹故障实时诊断方法。该方法基于汽轮机运行中转子的轴振动幅值,结合计算机程序计算实现。
本发明采用的技术方案是:一种汽轮发电机组转子裂纹故障在线实时诊断方法,其特征是,它包括:
(1)数据采集,实时采集机组转子两侧支持轴承附近测得的轴振动数据以及键相信号;
(2)轴振数据实时运算及存储,针对机组转子两侧的轴振动数据,利用FFT频谱分析方法,实时同步计算转子A、B两侧轴振动基频振动幅值A1Xra、A1Xrb和轴振动二倍频振动幅值A2Xra、A2Xrb,并存储转子两侧轴振动基频振动幅值和轴振动二倍频振动幅值,其中FFT为快速傅立叶变换。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。
(3)轴振基频振动幅值实时验证,实时进行当前的轴振基频振动振幅与幅值阈值AT1的比较,如果当前转子任何一侧的轴振基频振动的振幅大于AT1,那么记录此时刻T1并进行后续的计算分析。
(4)轴振基频振动幅值渐增性验证,从T1时刻向前截取至T0时刻的基频振动幅值(振动幅值为μm)数据,计算T0时刻至T1时刻的基频振动幅值数据的线性模型最佳拟合斜率,同时进行轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数计算。根据轴振基频振动幅值线性模型最佳拟合的斜率a和轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数ryf,判定轴振基频振动幅值渐增性验证是否通过。
(5)轴振二倍频振动幅值渐增性验证,从T1时刻向前截取至T0时刻的二倍频振动幅值(振动幅值为μm)数据,计算T0时刻至T1时刻的二倍频振动幅值数据的线性模型最佳拟合斜率,同时进行轴振二倍频振动幅值数据及最佳线性拟合结果二者的积差相关系数。根据轴振二倍频振动幅值线性模型最佳拟合的斜率m和轴振二倍频振动幅值数据及最佳线性拟合结果二者的积差相关系数rpg,判定轴振二倍频振动幅值渐增性验证是否通过。
(6)转子裂纹故障判定,结合轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证2项实时同步计算分析的结果,判断得出大型汽轮发电机组是否发生转子裂纹故障。
本发明的有益效果是本方法利用机组运行中转子的轴振动幅值数据,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为转子裂纹故障实时诊断功能流程图。
图2为轴振基频振动幅值渐增性验证流程图。
图3为轴振二倍频振动幅值渐增性验证流程图。
图4为汽轮发电机组转子裂纹故障的监测示意图。
具体实施方式
本项发明提出的大型汽轮发电机组转子裂纹故障实时诊断方法主要由数据采集、轴振数据实时运算及存储、轴振基频振动幅值实时验证、轴振基频振动幅值渐增性验证、轴振二倍频振动幅值渐增性验证、转子裂纹故障判定等环节组成,其功能流程图如图1所示。在实时诊断过程中,轴振基频振动幅值实时验证、轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证等3项环节同步实时进行,并在故障判定环节同时依据轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证等2个环节的计算分析结果,由此保证了故障诊断过程的可靠性以及诊断结果的准确性。下面结合附图进一步说明具体实施步骤及诊断方法。
1.数据采集,实时采集机组选定转子两侧支持轴承附近测得的轴振动数据以及键相信号。
2.轴振数据实时预算及存储,针对机组选定转子两侧的轴振动数据,利用FFT(快速傅立叶变换)频谱分析方法,进行实时同步计算分析。实时同步计算转子A、B两侧轴振动基频振动幅值A1Xra、A1Xrb和轴振动二倍频振动幅值A2Xra、A2Xrb。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。存储转子两侧轴振动基频振动幅值和轴振二倍频振动幅值,数据是每隔1秒存储一次。
3.轴振基频振动幅值实时验证,设定轴振基频振动幅值阈值AT1,AT1=62μm,实时进行当前的轴振基频振动振幅与AT1的比较,如果当前转子任何一侧的轴振基频振动的振幅大于AT1,那么记录此时刻T1并进行后续的计算分析。如果转子两侧的轴振基频振动的振幅都小于或等于AT1,那么故障诊断程序重新进入数据采集、轴振数据实时运算及存储环节。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。
4.轴振基频振动幅值渐增性验证,根据存储的T1时刻前轴振动的基频振动幅值数据,从T1时刻向前截取至T0时刻的基频振动幅值数据(振动幅值单位为μm),|T1-T0|=PT01,PT01为预设时间段长度,PT01=3600×24×7=604800秒。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。针对T0时刻至T1时刻的基频振动幅值数据,进行最佳线性拟合分析。计算T0时刻至T1时刻的基频振动幅值数据的最小二乘法意义上代表输入数据的最佳直线斜率。将轴振基频振动幅值数据拟和为式1的形式。
f=ax+b ……(1)
其中,x是由轴振振动数据采集时刻组成的序列X,a是斜率,b是截距。采用最小二乘法进行拟合,即将依据公式 计算数据的均方误差,使均方误差e1最小化,得到线性模型的斜率a。其中,N是轴振基频振动幅值数据Y的数据个数,fi是最佳线性拟合的第i个元素,yi是轴振基频振动幅值数据Y的第i个元素。
依据T0时刻至T1时刻的轴振基频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。将根据式2的形式,计算二者的积差相关系数。
其中,zyi是轴振基频振动幅值数据Y第i个元素的标准化z值,即轴振基频振动幅值数据Y第i个元素值减去平均数并除以标准偏差;zfi是轴振基频振动幅值数据最佳线性拟合第i个元素的标准化z值,即轴振基频振动幅值数据最佳线性拟合第i个元素值减去平均数并除以标准偏差。
如果同时满足下述两个条件,那么判定轴振基频振动幅值渐增性验证通过。两个条件包括:(1)轴振基频振动幅值线性模型的斜率a大于amin,即amin<a,其中amin=0.00002;(2)轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数ryf落入设定的范围区间[ryf min,ryf max]内,即ryf min≤ryf≤ryf max,其中ryf min=0.8,ryf max=1。其流程框图如图2所示。
5.轴振二倍频振动幅值渐增性验证,根据存储的T1时刻前轴振动的二倍频振动幅值数据,从T1时刻向前截取至T0时刻的二倍频振动幅值数据(振动幅值单位为μm),|T1-T0|=PT01,PT01为预设时间段长度,PT01=3600×24×7=604800秒。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。轴振二倍频振动幅值数据是每隔1秒存储一次。针对T0时刻至T1时刻的二倍频振动幅值数据,进行最佳线性拟合分析。计算T0时刻至T1时刻的二倍频振动幅值数据的最小二乘法意义上代表输入数据的最佳直线斜率。将轴振二倍频振动幅值数据拟和为式3的形式。
g=mx+n ……(3)
其中,x是由轴振振动数据采集时刻组成的序列X,m是斜率,n是截距。采用最小二乘法进行拟合,即将依据公式 计算数据的均方误差e2,使均方误差e2最小化,得到线性模型的斜率m。其中,N是轴振二倍频振动幅值数据P的数据个数,gi是最佳线性拟合的第i个元素,pi是轴振二倍频振动幅值数据P的第i个元素。
依据T0时刻至T1时刻的轴振二倍频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。将根据式4的形式,计算二者的积差相关系数。
其中,zpi是轴振二倍频振动幅值数据P第i个元素的标准化z值,即轴振二倍频振动幅值数据第i个元素值减去平均数并除以标准偏差;zgi是轴振二倍频振动幅值数据最佳线性拟合第i个元素的标准化z值,即轴振二倍频振动幅值数据最佳线性拟合第i个元素值减去平均数并除以标准偏差。
如果同时满足下述两个条件,那么判定轴振二倍频振动幅值渐增性验证通过。两个条件包括:(1)轴振二倍频振动幅值线性模型的斜率m大于mmin,即mmin<m,其中mmin=0.000015;(2)轴振二倍频振动幅值及最佳线性拟合结果二者的积差相关系数rpg落入设定的范围区间[rpg min,rpg max]内,即rpg min≤rpg≤rpg max,其中rpg min=0.8,rpg max=1。其流程框图如图3所示。
6.转子裂纹故障判定,根据上述轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证等2项实时同步分析的结果,判定是否发生转子裂纹故障。如果同时满足上述2项验证,那么可以判断故障发生。
实施例
利用该方法可以实现对汽轮发电机组转子裂纹故障的实时监测、分析、诊断。诊断方法需要的汽轮发电机组轴振动信号及振动信号分析处理需要的键相信号可以从配置汽轮发电机组的监视仪表(TSI)获得或者可以从专业振动数据采集调理设备获得。本实施例中,汽轮发电机组轴振动信号及振动信号分析处理需要的键相信号从与振动传感器相连的专业振动数据采集调理设备获得。在图4所示的汽轮发电机组转子裂纹故障的监测示意图中,高速数据采集卡插入工业用微型计算机(IPC)提供的插槽内。根据高速数据采集卡的要求,专业振动数据采集调理设备处理汽轮发电机组轴振动信号及振动信号分析处理需要的键相信号,经过处理后的键相信号输入IPC内的高速数据采集卡。根据该方法设计具体的机组转子裂纹故障计算机实时诊断程序,程序主要是诊断循环过程,一次诊断循环过程包括诊断方法中涉及的数据采集、轴振数据实时运算及存储、轴振基频振动幅值实时验证、轴振基频振动幅值渐增性验证、轴振二倍频振动幅值渐增性验证及转子裂纹故障判定等一系列计算分析验证环节,其中轴振基频振动幅值渐增性验证、轴振二倍频振动幅值渐增性验证2个环节为并行关系,如附图1所示。将故障诊断程序安装在工业用微型计算机(IPC)内。转子裂纹故障计算机实时诊断程序的一次诊断循环过程如下:
首先,工业用微型计算机(IPC)通过高速数据采集卡实时采集汽轮发电机组轴振动信号及振动信号分析处理需要的键相信号(如图4所示)。
假设程序监测诊断中压转子是否发生裂纹故障。针对机组的中压转子A、B两侧的轴振动数据,利用FFT(快速傅立叶变换)频谱分析方法,实时同步计算转子两侧轴振动基频振动幅值A1Xra、A1Xrb和轴振动二倍频振动幅值A2xra、A2Xrb。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。存储转子两侧轴振动基频振动幅值和轴振动二倍频振动幅值,数据是每隔1秒存储一次。
故障诊断程序实时进行当前的轴振基频振动振幅与幅值阈值AT1的比较,设定轴振基频振动幅值阈值AT1,AT1=62μm,如果当前转子任何一侧的轴振基频振动的振幅大于AT1,那么记录此时刻T1并进行后续的计算分析。如果转子两侧的轴振基频振动的振幅都小于或等于AT1,那么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、轴振数据实时运算及存储环节。假设中压转子A侧当前的轴振基频振动振幅为70μm,记录此时刻T1并进行后续的计算分析。
故障诊断程序针对中压转子的一侧轴振动信号,进行轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证2项验证,2个验证过程是实时同步进行的。2项验证中的任何一项验证失效,都会导致程序进入下一个诊断分析循环。
在轴振基频振动幅值渐增性验证中,从T1时刻向前截取至T0时刻的基频振动幅值数据(振动幅值单位为μm),|T1-T0|=PT01,PT01,为预设时间段长度,PT01=3600×24×7=604800秒。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。针对T0时刻至T1时刻的基频振动幅值数据,进行最佳线性拟合分析。计算T0时刻至T1时刻的基频振动幅值数据的最小二乘法意义上代表输入数据的最佳直线斜率。将轴振基频振动幅值数据拟和为式1的形式。
f=ax+b ……(1)
其中,x是由轴振振动数据采集时刻组成的序列X,a是斜率,b是截距。采用最小二乘法进行拟合,即将依据公式 计算数据的均方误差,使均方误差e1最小化,得到线性模型的斜率a。其中,N是轴振基频振动幅值数据Y的数据个数,fi是最佳线性拟合的第i个元素,yi是轴振基频振动幅值数据Y的第i个元素。
依据T0时刻至T1时刻的轴振基频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。将根据式2的形式,计算二者的积差相关系数。
其中,zyi是轴振基频振动幅值数据Y第i个元素的标准化z值,即轴振基频振动幅值数据Y第i个元素值减去平均数并除以标准偏差;zfi是轴振基频振动幅值数据最佳线性拟合第i个元素的标准化z值,即轴振基频振动幅值数据最佳线性拟合第i个元素值减去平均数并除以标准偏差。
如果同时满足下述两个条件,那么判定轴振基频振动幅值渐增性验证通过。两个条件包括:(1)轴振基频振动幅值线性模型的斜率a大于amin,即amin<a,其中amin=0.00002;(2)轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数ryf落入设定的范围区间[ryf min,ryf max]内,即ryf min≤ryf≤ryf max,其中ryf min=0.8,ryf max=1。
假设中压转子A侧当前的轴振基频振动幅值线性模型的斜率a为0.000025,大于amin,即amin<a,其中amin=0.00002;同时,轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数ryf为0.9,落入设定的范围区间[ryf min,ryf max]内,即ryf min≤ryf≤ryf max,其中ryf min=0.8,ryf max=1。判定轴振基频振动幅值渐增性验证通过。
在轴振二倍频振动幅值渐增性验证中,从T1时刻向前截取至T0时刻的二倍频振动幅值数据(振动幅值单位为μm),|T1-T0|=PT01,PT01为预设时间段长度,PT01=3600×24×7=604800秒。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。轴振二倍频振动幅值数据是每隔1秒存储一次。针对T0时刻至T1时刻的二倍频振动幅值数据,进行最佳线性拟合分析。计算T0时刻至T1时刻的二倍频振动幅值数据的最小二乘法意义上代表输入数据的最佳直线斜率。将轴振二倍频振动幅值数据拟和为式3的形式。
g=mx+n ……(3)
其中,x是由轴振振动数据采集时刻组成的序列X,m是斜率,n是截距。采用最小二乘法进行拟合,即将依据公式 计算数据的均方误差e2,使均方误差e2最小化,得到线性模型的斜率m。其中,N是轴振二倍频振动幅值数据P的数据个数,gi是最佳线性拟合的第i个元素,pi是轴振二倍频振动幅值数据P的第i个元素。
依据T0时刻至T1时刻的轴振二倍频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。将根据式4的形式,计算二者的积差相关系数。
其中,zpi是轴振二倍频振动幅值数据P第i个元素的标准化z值,即轴振二倍频振动幅值数据第i个元素值减去平均数并除以标准偏差;zgi是轴振二倍频振动幅值数据最佳线性拟合第i个元素的标准化z值,即轴振二倍频振动幅值数据最佳线性拟合第i个元素值减去平均数并除以标准偏差。
如果同时满足下述两个条件,那么判定轴振二倍频振动幅值渐增性验证通过。两个条件包括:(1)轴振二倍频振动幅值线性模型的斜率m大于mmin,即mmin<m,其中mmin=0.000015:(2)轴振二倍频振动幅值及最佳线性拟合结果二者的积差相关系数rpg落入设定的范围区间[rpg min,rpg max]内,即rpg min≤rpg≤rpg max,其中rpg min=0.8,rpg max=1。
假设中压转子A侧当前的轴振二倍频振动幅值线性模型的斜率m为0.00002,大于mmin,即mmin<m,其中mmin=0.000015;同时轴振二倍频振动幅值及最佳线性拟合结果二者的积差相关系数rpg为0.8,落入设定的范围区间[rpg min,rpg max]内,即rpg min≤rpg≤rpg max,其中rpg min=0.8,rpg max=1。判定轴振二倍频振动幅值渐增性验证通过。
最后,故障诊断程序根据轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证的结果,判断是否发生转子裂纹故障。如果同时满足上述2项验证,那么可以判断发生转子裂纹故障。根据当前的假设情况,中压转子A侧同时满足轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证2项验证,因此可以判断中压转子发生转子裂纹故障。诊断程序循环执行上述一系列计算分析验证环节,判断当前机组是否发生转子裂纹故障,实现转子裂纹故障的实时诊断。
Claims (6)
1.一种汽轮发电机组转子裂纹故障实时在线诊断方法,其特征是,它包括:
(1)数据采集,工业用微型计算机通过高速数据采集卡实时采集机组转子两侧支持轴承附近的轴振动信号及振动信号分析处理需要的键相信号;
(2)轴振数据实时运算及存储,针对机组转子两侧的轴振动数据,利用FFT频谱分析方法,实时同步计算转子A、B两侧轴振动基频振动幅值A1Xra、A1Xrb和轴振动二倍频振动幅值A2Xra、A2Xrb,并存储转子两侧轴振动基频振动幅值和轴振动二倍频振动幅值,其中FFT为快速傅立叶变换;
(3)轴振基频振动幅值实时验证,实时进行当前的轴振基频振动振幅与幅值阈值AT1的比较,如果当前转子任何一侧的轴振基频振动的振幅大于AT1,那么记录此时刻T1并进行后续的计算分析;
(4)轴振基频振动幅值趋势平缓性验证,从T1时刻向前截取至T0时刻的基频振动幅值(μm)数据,计算T0时刻至T1时刻的基频振动幅值数据的线性模型最佳拟合斜率,同时进行轴振基频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。根据轴振基频振动幅值线性模型最佳拟合的斜率a和轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数ryf,判定轴振基频振动幅值渐增性验证是否通过;
(5)轴振二倍频振动幅值渐增性验证,从T1时刻向前截取至T0时刻的二倍频振动幅值(μm)数据,计算T0时刻至T1时刻的二倍频振动幅值数据的线性模型最佳拟合斜率,同时进行轴振二倍频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。根据轴振二倍频振动幅值线性模型最佳拟合的斜率m和轴振二倍频振动幅值数据及最佳线性拟合结果二者的积差相关系数rpg,判定轴振二倍频振动幅值渐增性验证是否通过;
(6)转子裂纹故障判定,结合轴振基频振动幅值实时验证、轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证的3项实时同步分析的结果,判断得出大型汽轮发电机组是否发生转子裂纹故障。
2.根据权利要求1所述汽轮发电机组转子裂纹故障实时在线诊断方法,其特征是,所述轴振数据实时运算及存储是针对机组选定转子两侧的轴振动数据,利用FFT(快速傅立叶变换)频谱分析方法,实时同步计算转子A、B两侧轴振动基频振动幅值A1Xra、A1Xrb和轴振动二倍频振动幅值A2Xra、A2Xrb。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。存储转子两侧轴振动基频振动幅值和轴振二倍频振动幅值,数据是每隔1秒存储一次。
3.根据权利要求1所述汽轮发电机组转子裂纹故障实时在线诊断方法,其特征是,所述轴振基频振动幅值实时验证是实时进行当前的轴振基频振动振幅与AT1的比较,设定轴振基频振动幅值阈值AT1,AT1=62μm,如果当前转子任何一侧的轴振基频振动的振幅大于AT1,那么记录此时刻T1并进行后续的计算分析。否则,故障诊断程序重新进入数据采集、轴振数据实时运算及存储环节。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。
4.根据权利要求1所述汽轮发电机组转子裂纹故障实时在线诊断方法,其特征是,所述轴振基频振动幅值渐增性验证是从T1时刻向前截取至T0时刻的基频振动幅值数据(振动幅值单位为μm),|T1-T0|=PT01,PT01为预设时间段长度,PT01=3600×24×7=604800秒。轴振基频是指转子稳态正常工作时工作转速对应的频率,即50Hz。
针对T0时刻至T1时刻的基频振动幅值数据,进行最佳线性拟合分析。将轴振基频振动幅值数据拟和为式1的形式。
f=ax+b……(1)
其中,x是由轴振振动数据采集时刻组成的序列X,a是斜率,b是截距。采用最小二乘法进行拟合,即将依据公式 计算数据的均方误差,使均方误差e1最小化,得到线性模型的斜率a。其中,N是轴振基频振动幅值数据Y的数据个数,fi是最佳线性拟合的第i个元素,yi是轴振基频振动幅值数据Y的第i个元素。
依据T0时刻至T1时刻的轴振基频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。将根据式2的形式,计算二者的积差相关系数。
其中,zyi是轴振基频振动幅值数据Y第i个元素的标准化z值,即轴振基频振动幅值数据Y第i个元素值减去平均数并除以标准偏差;zfi是轴振基频振动幅值数据最佳线性拟合第i个元素的标准化z值,即轴振基频振动幅值数据最佳线性拟合第i个元素值减去平均数并除以标准偏差。
如果同时满足下述两个条件,那么判定轴振基频振动幅值渐增性验证通过。两个条件包括:(1)轴振基频振动幅值线性模型的斜率a大于amin,即amin<a,其中amin=0.00002;(2)轴振基频振动幅值数据及最佳线性拟合结果二者的积差相关系数ryf落入设定的范围区间[ryf min,ryf max]内,即ryf min≤ryf≤ryf max,其中ryf min=0.8,rvf max=1。
5.根据权利要求1所述汽轮发电机组转子裂纹故障实时在线诊断方法,其特征是,所述轴振二倍频振动幅值渐增性验证是从T1时刻向前截取至T0时刻的二倍频振动幅值数据(μm),|T1-T0|=PT01,PT01为预设时间段长度,PT01=3600×24×7=604800秒。轴振二倍频是指转子稳态正常工作时二倍工作转速对应的频率,即100Hz。
针对T0时刻至T1时刻的二倍频振动幅值数据,进行最佳线性拟合分析。将轴振二倍频振动幅值数据拟和为式3的形式。
g=mx+n……(3)
其中,x是由轴振振动数据采集时刻组成的序列X,m是斜率,n是截距。采用最小二乘法进行拟合,即将依据公式 计算数据的均方误差e2,使均方误差e2最小化,得到线性模型的斜率m。其中,N是轴振二倍频振动幅值数据P的数据个数,gi是最佳线性拟合的第i个元素,pi是轴振二倍频振动幅值数据P的第i个元素。
依据T0时刻至T1时刻的轴振二倍频振动幅值数据及最佳线性拟合结果,计算二者的积差相关系数。将根据式4的形式,计算二者的积差相关系数。
其中,zpi是轴振二倍频振动幅值数据P第i个元素的标准化z值,即轴振二倍频振动幅值数据第i个元素值减去平均数并除以标准偏差;zgi是轴振二倍频振动幅值数据最佳线性拟合第i个元素的标准化z值,即轴振二倍频振动幅值数据最佳线性拟合第i个元素值减去平均数并除以标准偏差。
如果同时满足下述两个条件,那么判定轴振二倍频振动幅值渐增性验证通过。两个条件包括:(1)轴振二倍频振动幅值线性模型的斜率m大于mmin,即mmin<m,其中mmin=0.000015;(2)轴振二倍频振动幅值及最佳线性拟合结果二者的积差相关系数rpg落入设定的范围区间[rpg min,rpg max]内,即rpg min≤rpg≤rpg max,其中rpg min=0.8,rpg max=1。
6.根据权利要求1所述汽轮发电机组转子裂纹故障实时在线诊断方法,其特征是,结合轴振基频振动幅值渐增性验证及轴振二倍频振动幅值渐增性验证的2项实时同步分析的结果,判定是否发生转子裂纹故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100825605A CN101532911B (zh) | 2009-04-24 | 2009-04-24 | 大型汽轮发电机组转子裂纹故障实时诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100825605A CN101532911B (zh) | 2009-04-24 | 2009-04-24 | 大型汽轮发电机组转子裂纹故障实时诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101532911A true CN101532911A (zh) | 2009-09-16 |
CN101532911B CN101532911B (zh) | 2011-05-11 |
Family
ID=41103643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100825605A Expired - Fee Related CN101532911B (zh) | 2009-04-24 | 2009-04-24 | 大型汽轮发电机组转子裂纹故障实时诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101532911B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726413B (zh) * | 2009-12-18 | 2011-05-18 | 北京工业大学 | 通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法 |
CN102095564A (zh) * | 2011-02-12 | 2011-06-15 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102183349A (zh) * | 2011-02-12 | 2011-09-14 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN103926855A (zh) * | 2014-05-04 | 2014-07-16 | 天津理工大学 | 一种通过电磁执行器延缓转子裂纹扩展方法 |
CN104132806A (zh) * | 2014-07-31 | 2014-11-05 | 西安热工研究院有限公司 | 一种识别汽轮发电机组转子裂纹故障的方法 |
CN104748952A (zh) * | 2013-12-26 | 2015-07-01 | 通用电气公司 | 监控转子叶片的健康状况的方法和系统 |
CN104748953A (zh) * | 2013-12-26 | 2015-07-01 | 通用电气公司 | 监控转子叶片的健康状况的方法和系统 |
CN105021385A (zh) * | 2015-07-06 | 2015-11-04 | 西安热工研究院有限公司 | 一种材质各向异性诱发的汽轮机转子振动故障诊断方法 |
CN105041631A (zh) * | 2015-07-21 | 2015-11-11 | 莱芜钢铁集团电子有限公司 | 一种气体压缩机的驱动轴振动信号的检测方法和系统 |
US9739685B2 (en) | 2014-04-15 | 2017-08-22 | International Business Machines Corporation | Integrated, predictive vibration analysis of rotational machine within electronics rack |
CN107389337A (zh) * | 2017-06-13 | 2017-11-24 | 中国航发湖南动力机械研究所 | 航空发动机转子振动测试系统 |
CN108007548A (zh) * | 2017-12-01 | 2018-05-08 | 华能国际电力股份有限公司 | 一种通过扫频诊断设备故障的方法 |
CN108956143A (zh) * | 2018-06-25 | 2018-12-07 | 西安理工大学 | 一种转子-轴承系统的横向裂纹故障特征量提取方法 |
CN109973325A (zh) * | 2017-12-20 | 2019-07-05 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
CN110134110A (zh) * | 2019-05-15 | 2019-08-16 | 哈尔滨工业大学 | 基于区间控制策略的转子裂纹故障检测方法 |
CN110319798A (zh) * | 2019-07-02 | 2019-10-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110332129A (zh) * | 2019-03-08 | 2019-10-15 | 辽宁红沿河核电有限公司 | 一种离心泵叶轮裂纹故障在线监测方法和系统 |
CN110441063A (zh) * | 2019-06-12 | 2019-11-12 | 祝思宁 | 一种监测诊断大型高速转子轴裂纹的方法 |
CN110821578A (zh) * | 2018-08-14 | 2020-02-21 | 中国航发商用航空发动机有限责任公司 | 质量飞脱事件识别方法以及识别系统 |
CN110988134A (zh) * | 2019-12-23 | 2020-04-10 | 华能国际电力股份有限公司 | 一种基于振动特征信息的高中压转子裂纹识别方法 |
CN112098065A (zh) * | 2020-09-21 | 2020-12-18 | 成都卓微科技有限公司 | 一种设备运行状态的诊断方法、存储介质及终端 |
CN112197968A (zh) * | 2020-09-29 | 2021-01-08 | 上海电力大学 | 基于置信规则库的汽轮机转子动静碰摩故障智能诊断方法 |
CN113252347A (zh) * | 2021-06-25 | 2021-08-13 | 深圳沈鼓测控技术有限公司 | 一种旋转机械轴系不对中故障检测方法和系统 |
CN114199365A (zh) * | 2021-12-14 | 2022-03-18 | 中国航发南方工业有限公司 | 一种振动信号处理方法 |
CN114235140A (zh) * | 2021-12-06 | 2022-03-25 | 中国航发沈阳发动机研究所 | 一种转子叶片振动幅值辨识方法 |
CN115270896A (zh) * | 2022-09-28 | 2022-11-01 | 西华大学 | 一种用于识别航空发动机主轴承松动故障的智能诊断方法 |
-
2009
- 2009-04-24 CN CN2009100825605A patent/CN101532911B/zh not_active Expired - Fee Related
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726413B (zh) * | 2009-12-18 | 2011-05-18 | 北京工业大学 | 通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法 |
CN102095564A (zh) * | 2011-02-12 | 2011-06-15 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102183349A (zh) * | 2011-02-12 | 2011-09-14 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102095564B (zh) * | 2011-02-12 | 2012-05-09 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102183349B (zh) * | 2011-02-12 | 2013-06-12 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN104748952A (zh) * | 2013-12-26 | 2015-07-01 | 通用电气公司 | 监控转子叶片的健康状况的方法和系统 |
CN104748953A (zh) * | 2013-12-26 | 2015-07-01 | 通用电气公司 | 监控转子叶片的健康状况的方法和系统 |
US9915584B2 (en) | 2014-04-15 | 2018-03-13 | International Business Machines Corporation | Integrated, predictive vibration analysis of rotational machine within electronics rack |
US9739685B2 (en) | 2014-04-15 | 2017-08-22 | International Business Machines Corporation | Integrated, predictive vibration analysis of rotational machine within electronics rack |
CN103926855B (zh) * | 2014-05-04 | 2016-06-08 | 天津理工大学 | 一种通过电磁执行器延缓转子裂纹扩展方法 |
CN103926855A (zh) * | 2014-05-04 | 2014-07-16 | 天津理工大学 | 一种通过电磁执行器延缓转子裂纹扩展方法 |
CN104132806A (zh) * | 2014-07-31 | 2014-11-05 | 西安热工研究院有限公司 | 一种识别汽轮发电机组转子裂纹故障的方法 |
CN105021385A (zh) * | 2015-07-06 | 2015-11-04 | 西安热工研究院有限公司 | 一种材质各向异性诱发的汽轮机转子振动故障诊断方法 |
CN105041631A (zh) * | 2015-07-21 | 2015-11-11 | 莱芜钢铁集团电子有限公司 | 一种气体压缩机的驱动轴振动信号的检测方法和系统 |
CN107389337A (zh) * | 2017-06-13 | 2017-11-24 | 中国航发湖南动力机械研究所 | 航空发动机转子振动测试系统 |
CN107389337B (zh) * | 2017-06-13 | 2019-09-20 | 中国航发湖南动力机械研究所 | 航空发动机转子振动测试系统 |
CN108007548A (zh) * | 2017-12-01 | 2018-05-08 | 华能国际电力股份有限公司 | 一种通过扫频诊断设备故障的方法 |
CN109973325A (zh) * | 2017-12-20 | 2019-07-05 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
CN109973325B (zh) * | 2017-12-20 | 2020-09-29 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
CN108956143A (zh) * | 2018-06-25 | 2018-12-07 | 西安理工大学 | 一种转子-轴承系统的横向裂纹故障特征量提取方法 |
CN110821578A (zh) * | 2018-08-14 | 2020-02-21 | 中国航发商用航空发动机有限责任公司 | 质量飞脱事件识别方法以及识别系统 |
CN110821578B (zh) * | 2018-08-14 | 2022-04-15 | 中国航发商用航空发动机有限责任公司 | 质量飞脱事件识别方法以及识别系统 |
CN110332129A (zh) * | 2019-03-08 | 2019-10-15 | 辽宁红沿河核电有限公司 | 一种离心泵叶轮裂纹故障在线监测方法和系统 |
CN110134110A (zh) * | 2019-05-15 | 2019-08-16 | 哈尔滨工业大学 | 基于区间控制策略的转子裂纹故障检测方法 |
CN110441063A (zh) * | 2019-06-12 | 2019-11-12 | 祝思宁 | 一种监测诊断大型高速转子轴裂纹的方法 |
CN110319798B (zh) * | 2019-07-02 | 2022-03-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110319798A (zh) * | 2019-07-02 | 2019-10-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110988134A (zh) * | 2019-12-23 | 2020-04-10 | 华能国际电力股份有限公司 | 一种基于振动特征信息的高中压转子裂纹识别方法 |
CN112098065A (zh) * | 2020-09-21 | 2020-12-18 | 成都卓微科技有限公司 | 一种设备运行状态的诊断方法、存储介质及终端 |
CN112197968A (zh) * | 2020-09-29 | 2021-01-08 | 上海电力大学 | 基于置信规则库的汽轮机转子动静碰摩故障智能诊断方法 |
CN113252347A (zh) * | 2021-06-25 | 2021-08-13 | 深圳沈鼓测控技术有限公司 | 一种旋转机械轴系不对中故障检测方法和系统 |
CN113252347B (zh) * | 2021-06-25 | 2021-10-01 | 深圳沈鼓测控技术有限公司 | 一种旋转机械轴系不对中故障检测方法和系统 |
CN114235140A (zh) * | 2021-12-06 | 2022-03-25 | 中国航发沈阳发动机研究所 | 一种转子叶片振动幅值辨识方法 |
CN114235140B (zh) * | 2021-12-06 | 2023-06-23 | 中国航发沈阳发动机研究所 | 一种转子叶片振动幅值辨识方法 |
CN114199365A (zh) * | 2021-12-14 | 2022-03-18 | 中国航发南方工业有限公司 | 一种振动信号处理方法 |
CN115270896A (zh) * | 2022-09-28 | 2022-11-01 | 西华大学 | 一种用于识别航空发动机主轴承松动故障的智能诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101532911B (zh) | 2011-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101532911B (zh) | 大型汽轮发电机组转子裂纹故障实时诊断方法 | |
CN101451898B (zh) | 汽轮发电机组转子热弯曲不平衡故障实时诊断方法 | |
CN101738293B (zh) | 汽轮发电机组转子原始质量不平衡故障实时诊断方法 | |
US10288043B2 (en) | Wind turbine condition monitoring method and system | |
CN103645052B (zh) | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 | |
US8332164B2 (en) | Method for determining fatigue damage in a power train of a wind turbine | |
CN101430247B (zh) | 汽轮发电机组随机振动故障实时诊断方法 | |
WO2012097819A1 (en) | A method for diagnostic monitoring of a wind turbine generator system | |
JP7240527B2 (ja) | 運転可能な風力タービンのコンポーネントの残存有効寿命を評価するための方法 | |
WO2019043600A1 (en) | ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR | |
CN102096771B (zh) | 汽轮发电机组轴承瓦温变化趋势实时分析方法 | |
CN102393303B (zh) | 一种燃气轮机的排序异常检测方法 | |
CN102087140B (zh) | 汽轮发电机组低频振动主峰频率平稳性分析方法 | |
CN102175307B (zh) | 汽轮发电机组低频振动谱阵实时定量分析方法 | |
CN102879084B (zh) | 汽轮发电机组低频振动非稳态在线预警方法 | |
CN102012263A (zh) | 汽轮机组转子振动同相分量平稳性实时辨识方法 | |
CN102879085B (zh) | 汽轮发电机组低频振动非稳态实时预警方法 | |
KR20230082887A (ko) | 유지보수 이력에 기반한 학습데이터를 이용하는 장비의 고장 예측 장치 및 방법 | |
CN103323102B (zh) | 大型汽轮发电机组低频振动预测优化方法 | |
CN102865921B (zh) | 汽轮发电机组低频振动非稳态快速预警方法 | |
CN102022143A (zh) | 汽轮发电机组低频振动平稳性实时分析方法 | |
CN103323103B (zh) | 大型汽轮发电机组低频振动实时预测方法 | |
CN103335708B (zh) | 汽轮发电机组低频振动实时预警方法 | |
CN102680243B (zh) | 汽轮发电机组汽流激振故障在线判别方法 | |
CN102052964B (zh) | 汽轮发电机组转子振动反相矢量稳态性实时辨识方法 |
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: 20110511 Termination date: 20140424 |