CN102095491A - 汽轮发电机组低频振动突变性实时分析方法 - Google Patents
汽轮发电机组低频振动突变性实时分析方法 Download PDFInfo
- Publication number
- CN102095491A CN102095491A CN 201010564725 CN201010564725A CN102095491A CN 102095491 A CN102095491 A CN 102095491A CN 201010564725 CN201010564725 CN 201010564725 CN 201010564725 A CN201010564725 A CN 201010564725A CN 102095491 A CN102095491 A CN 102095491A
- Authority
- CN
- China
- Prior art keywords
- low
- frequency vibration
- vibration amplitude
- frequency
- sequence
- 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
本发明公开了旋转机械振动状态监测与故障诊断技术领域中的汽轮发电机组低频振动突变性实时分析方法。包括设定时长和步进长度;实时采集汽轮发电机组转子一侧支持轴承的轴相对振动数据;每隔一个步进长度t,根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵并存储;当到达设定时长时,按照存储时间先后顺序,将低频振动幅值熵排成低频振动幅值熵序列;计算低频振动幅值熵的递增趋势参数,并计算低频振动幅值熵序列中的低频振动幅值熵最大值和最小值的差值绝对值;根据上述递增趋势参数和差值绝对值判断机组轴系转子一侧的低频振动数据是否发生突变。本发明实现了机组低频振动突变性实时在线监测、分析判别,确保了汽轮发电机组的运行安全。
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技术领域,尤其涉及一种汽轮发电机组低频振动突变性实时分析方法。
背景技术
汽轮发电机组在运行过程中,存在着突然发生低频振动的危险,若不及时处理并查明原因,很可能导致设备严重损坏。汽轮发电机组突然发生低频振动主要表现在振动剧增,且事先无明显征兆。这种突然发生的低频振动往往会导致轴承损坏,乌金破碎,使转动部件承受交变应力,噪音增大。大幅交变应力所形成的力学疲劳环境有可能诱发转子裂纹,对机组安全性以及可靠性造成极大危害。因此,必须消除和避免机组轴系突变性的低频振动发生。
汽轮发电机组轴系转子发生突变性的低频振动,已经成为影响大型机组安全运行的重大问题。因此,对汽轮发电机组轴系转子突变性低频振动的实时分析对保证整个大型发电机组的安全性十分重要。通常汽轮发电机组低频振动突发性分析工作,由具有一定现场运行经验的专业人员完成,由此带来分析工作对专业人员的依赖程度较高、诊断经济成本大、周期长等问题,并且无法做到汽轮发电机组低频振动突发性实时自动在线监测、分析及判别。因此,提出一种大型汽轮发电机组低频振动突变性实时分析方法就显得十分重要。
发明内容
本发明的目的在于,提供一种汽轮发电机组低频振动突变性实时分析方法,对机组轴系转子低频振动突变性进行实时自动在线监测、分析及判别,提高汽轮发电机组低频振动突变性实时辨识效率和准确度,保证汽轮发电机组的运行安全。
技术方案是,一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述方法包括下列步骤:
步骤1:设定时长T和步进长度t;
步骤2:实时采集汽轮发电机组转子一侧支持轴承的轴相对振动数据;
步骤3:每隔一个步进长度t,根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵并存储;
步骤4:当到达设定时长T时,按照存储时间先后顺序,将低频振动幅值熵排成低频振动幅值熵序列;
步骤5:计算低频振动幅值熵的递增趋势参数,并计算低频振动幅值熵序列中的低频振动幅值熵最大值和最小值的差值绝对值;
步骤6:判断低频振动幅值熵的递增趋势参数是否大于等于第一设定阈值,并且低频振动幅值熵序列中的低频振动幅值熵最大值和最小值的差值绝对值是否大于等于第一设定阈值,如果是,则机组轴系转子一侧的低频振动数据发生突变;否则,机组轴系转子一侧的低频振动数据没有发生突变。
所述根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵具体是:
步骤101:利用快速傅立叶变换频谱分析方法,计算每一采集时刻从低频到高频的振动频率所对应的振动幅值序列;
步骤102:在振动幅值序列中,截取所有小于机组工作转速频率的振动频率所对应的振动幅值,得到中间振动幅值序列;
步骤103:将中间振动幅值序列中小于1μm的幅值数据替换为0μm,得到最终振动幅值序列;
所述计算低频振动幅值熵的递增趋势参数具体是:
步骤201:计算低频振动幅值熵序列的逆序数;
步骤202:利用公式εE=1-SE/Srev计算低频振动幅值熵的递增趋势参数;其中,SE是低频振动幅值熵序列的逆序数,Srev是低频振动幅值熵序列的逆序数最大值,Srev=m(m-1)/2,m是低频振动幅值熵序列的数据个数。
所述时长T=10秒。
所述步进长度t=0.1秒。
所述第一设定阈值为0.6。
所述第二设定阈值为500。
本发明的效果在于,利用汽轮发电机组转子一侧轴相对振动数据,经过计算分析判断机组轴系转子一侧的低频振动数据是否发生突变,能够实现自动实时在线监测、分析判别,确保汽轮发电机组的运行安全。
附图说明
图1是汽轮发电机组低频振动突变性实时分析方法示意图;
图2是汽轮发电机组低频振动突变性实时分析方法流程图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
图1是汽轮发电机组低频振动突变性实时分析方法示意图。图1中,汽轮发电机组转子一侧支持轴承的轴相对振动数据,包括轴相对振动信号、转子的转速信号以及键相信号,从配置汽轮发电机组的监视仪表(TSI)获得。数据采集卡插入工业用微型计算机(IPC)提供的插槽内。根据数据采集卡的要求,数据采集调理设备处理来自发电机组监视仪表(TSI)的轴相对振动信号、转子的转速信号、键相信号,经过处理后的轴相对振动信号、转子的转速信号、键相信号输入IPC内的相应数据采集卡。数据采集卡每一通道技术参数为50ks/s,24bit。
图2是汽轮发电机组低频振动突变性实时分析方法流程图。在实施本发明前,先设定第一设定阈值D1=0.6,第一设定阈值D2=500。图2中,汽轮发电机组低频振动突变性实时分析方法,包括下列步骤:
步骤1:设定时长T和步进长度t。
本实施例中,可以设定时长T=10秒,设定步进长度t=0.1秒。
步骤2:实时采集汽轮发电机组转子一侧支持轴承的轴相对振动数据。
利用图1所示的装置,实时采集汽轮发电机组转子一侧支持轴承的轴相对振动数据,包括轴相对振动信号、转子的转速信号以及键相信号。
步骤3:每隔一个步进长度t=0.1秒,根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵并存储。
根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵具体过程是:
步骤101:利用快速傅立叶变换频谱分析方法,计算每一采集时刻从低频到高频的振动频率所对应的振动幅值序列。
步骤102:在振动幅值序列中,截取所有小于机组工作转速频率的振动频率所对应的振动幅值,得到中间振动幅值序列。
一般机组工作转速频率为50Hz,因此截取过程是将所有小于50Hz频率的振动频率所对应的所有振动幅值截取出来,形成新的序列。在实施过程中,可以设定振动数据采集频率及采集数据量,使得形成的新序列的个数为100个。这样得到新序列称为中间振动幅值序列。
经过上述步骤101-104,可以得到每一个步进长度的当前时刻的低频振动幅值熵E。
步骤4:当到达设定时长T时,按照存储时间先后顺序,将低频振动幅值熵排成低频振动幅值熵序列。
由于步进长度t=0.1秒,时长T=10秒,所以低频振动幅值熵序列中的数据个数为100个。
步骤5:计算低频振动幅值熵的递增趋势参数εE,并计算低频振动幅值熵序列中的低频振动幅值熵最大值Emax和最小值Emin的差值绝对值|Emax-Emin|。
低频振动幅值熵的递增趋势参数计算过程是:
步骤201:计算低频振动幅值熵序列的逆序数SE。
逆序是指在一个数据序列中,一对数的前后位置与大小顺序相反,即前面的数大于后面的数;逆序数是指一个数据序列中逆序的总数。
步骤202:利用公式εE=1-SE/Srev计算低频振动幅值熵的递增趋势参数;其中,SE是低频振动幅值熵序列的逆序数,Srev是低频振动幅值熵序列的逆序数最大值,Srev=m(m-1)/2,m是低频振动幅值熵序列的数据个数,m=100。
步骤6:判断低频振动幅值熵的递增趋势参数是否大于等于第一设定阈值,即是否有εE≥0.6;并且低频振动幅值熵序列中的低频振动幅值熵最大值和最小值的差值绝对值是否大于等于第一设定阈值,即是否有|Emax-Emin|≥500;如果上述两个条件都满足,则机组轴系转子一侧的低频振动数据发生突变。否则,机组轴系转子一侧的低频振动数据没有发生突变。
在机组轴系转子一侧的低频振动数据发生突变的情况下,应当采取适当措施减轻或者消除机组轴系转子一侧的低频振动数据发生的突变,从而确保汽轮发电机组的安全运行。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述方法包括下列步骤:
步骤1:设定时长T和步进长度t;
步骤2:实时采集汽轮发电机组转子一侧支持轴承的轴相对振动数据;
步骤3:每隔一个步进长度t,根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵并存储;
步骤4:当到达设定时长T时,按照存储时间先后顺序,将低频振动幅值熵排成低频振动幅值熵序列;
步骤5:计算低频振动幅值熵的递增趋势参数,并计算低频振动幅值熵序列中的低频振动幅值熵最大值和最小值的差值绝对值;
步骤6:判断低频振动幅值熵的递增趋势参数是否大于等于第一设定阈值,并且低频振动幅值熵序列中的低频振动幅值熵最大值和最小值的差值绝对值是否大于等于第一设定阈值,如果是,则机组轴系转子一侧的低频振动数据发生突变;否则,机组轴系转子一侧的低频振动数据没有发生突变。
2.根据权利要求1所述的一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述根据每一采集时刻的振动频率计算当前时刻的低频振动幅值熵具体是:
步骤101:利用快速傅立叶变换频谱分析方法,计算每一采集时刻从低频到高频的振动频率所对应的振动幅值序列;
步骤102:在振动幅值序列中,截取所有小于机组工作转速频率的振动频率所对应的振动幅值,得到中间振动幅值序列;
步骤103:将中间振动幅值序列中小于1μm的幅值数据替换为0μm,得到最终振动幅值序列;
3.根据权利要求1所述的一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述计算低频振动幅值熵的递增趋势参数具体是:
步骤201:计算低频振动幅值熵序列的逆序数;
步骤202:利用公式εE=1-SE/Srev计算低频振动幅值熵的递增趋势参数;其中,SE是低频振动幅值熵序列的逆序数,Srev是低频振动幅值熵序列的逆序数最大值,Srev=m(m-1)/2,m是低频振动幅值熵序列的数据个数。
4.根据权利要求1所述的一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述时长T=10秒。
5.根据权利要求1所述的一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述步进长度t=0.1秒。
6.根据权利要求1所述的一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述第一设定阈值为0.6。
7.根据权利要求1所述的一种汽轮发电机组低频振动突变性实时分析方法,其特征是所述第二设定阈值为500。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010564725 CN102095491B (zh) | 2010-11-24 | 2010-11-24 | 汽轮发电机组低频振动突变性实时分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010564725 CN102095491B (zh) | 2010-11-24 | 2010-11-24 | 汽轮发电机组低频振动突变性实时分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102095491A true CN102095491A (zh) | 2011-06-15 |
CN102095491B CN102095491B (zh) | 2013-05-01 |
Family
ID=44128677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010564725 Expired - Fee Related CN102095491B (zh) | 2010-11-24 | 2010-11-24 | 汽轮发电机组低频振动突变性实时分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102095491B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692303A (zh) * | 2012-05-17 | 2012-09-26 | 华北电力大学 | 汽轮发电机组汽流激振故障高效识别方法 |
CN102865921A (zh) * | 2012-10-12 | 2013-01-09 | 华北电力大学 | 汽轮发电机组低频振动非稳态快速预警方法 |
CN104133129A (zh) * | 2014-07-09 | 2014-11-05 | 广东电网公司电力科学研究院 | 汽轮发电机组调速系统的低频振荡的监测方法和系统 |
CN105865793A (zh) * | 2016-03-25 | 2016-08-17 | 西北工业大学 | 一种提高多转子航空发动机振动监测精度的方法 |
CN110702394A (zh) * | 2019-10-18 | 2020-01-17 | 西安热工研究院有限公司 | 一种基于振动变化特征的汽轮发电机组振动故障诊断方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485070B (zh) * | 2016-09-30 | 2019-05-28 | 广州机智云物联网科技有限公司 | 一种自适应阈值调整方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05248938A (ja) * | 1992-03-04 | 1993-09-28 | Nkk Corp | ゴムライニングローラのゴム剥離診断法 |
CN2911636Y (zh) * | 2005-01-28 | 2007-06-13 | 武汉科技大学 | 一种超低速转动的大型机械初始故障诊断仪 |
CN1995946A (zh) * | 2006-12-29 | 2007-07-11 | 北京工业大学 | 一种大型低速重载齿轮箱故障诊断的方法 |
US20080234983A1 (en) * | 2007-03-22 | 2008-09-25 | Commtest Instruments Limited | Method and system for vibration signal processing |
-
2010
- 2010-11-24 CN CN 201010564725 patent/CN102095491B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05248938A (ja) * | 1992-03-04 | 1993-09-28 | Nkk Corp | ゴムライニングローラのゴム剥離診断法 |
CN2911636Y (zh) * | 2005-01-28 | 2007-06-13 | 武汉科技大学 | 一种超低速转动的大型机械初始故障诊断仪 |
CN1995946A (zh) * | 2006-12-29 | 2007-07-11 | 北京工业大学 | 一种大型低速重载齿轮箱故障诊断的方法 |
US20080234983A1 (en) * | 2007-03-22 | 2008-09-25 | Commtest Instruments Limited | Method and system for vibration signal processing |
Non-Patent Citations (1)
Title |
---|
《东北电力技术》 19971231 郭力等 大型汽轮发电机组低频振动解决办法 1-2,7 1-7 , 第10期 2 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692303A (zh) * | 2012-05-17 | 2012-09-26 | 华北电力大学 | 汽轮发电机组汽流激振故障高效识别方法 |
CN102692303B (zh) * | 2012-05-17 | 2014-07-02 | 华北电力大学 | 汽轮发电机组汽流激振故障高效识别方法 |
CN102865921A (zh) * | 2012-10-12 | 2013-01-09 | 华北电力大学 | 汽轮发电机组低频振动非稳态快速预警方法 |
CN104133129A (zh) * | 2014-07-09 | 2014-11-05 | 广东电网公司电力科学研究院 | 汽轮发电机组调速系统的低频振荡的监测方法和系统 |
CN104133129B (zh) * | 2014-07-09 | 2016-08-24 | 广东电网公司电力科学研究院 | 汽轮发电机组调速系统的低频振荡的监测方法和系统 |
CN105865793A (zh) * | 2016-03-25 | 2016-08-17 | 西北工业大学 | 一种提高多转子航空发动机振动监测精度的方法 |
CN105865793B (zh) * | 2016-03-25 | 2018-04-20 | 西北工业大学 | 一种提高多转子航空发动机振动监测精度的方法 |
CN110702394A (zh) * | 2019-10-18 | 2020-01-17 | 西安热工研究院有限公司 | 一种基于振动变化特征的汽轮发电机组振动故障诊断方法 |
CN110702394B (zh) * | 2019-10-18 | 2021-06-08 | 西安热工研究院有限公司 | 一种基于振动变化特征的汽轮发电机组振动故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102095491B (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102095491B (zh) | 汽轮发电机组低频振动突变性实时分析方法 | |
CN102087139B (zh) | 汽轮发电机组低频振动频率成份实时分析方法 | |
Mohanty et al. | Fault detection in a centrifugal pump using vibration and motor current signature analysis | |
CN102012316B (zh) | 汽轮发电机组轴颈碰摩故障实时辨识方法 | |
Refaat et al. | ANN-based for detection, diagnosis the bearing fault for three phase induction motors using current signal | |
CN102072764B (zh) | 汽轮发电机组低频振动单峰实时分析方法 | |
CN102087140B (zh) | 汽轮发电机组低频振动主峰频率平稳性分析方法 | |
CN102966526B (zh) | 基于轴向振动分析的压缩机低频流体激振类故障诊断方法 | |
Shi et al. | Purification and feature extraction of shaft orbits for diagnosing large rotating machinery | |
CN102095492B (zh) | 汽轮发电机组低频振动与润滑油温相关性实时分析方法 | |
CN102175408B (zh) | 汽轮发电机组轴承座刚度实时辨识方法 | |
CN102096771A (zh) | 汽轮发电机组轴承瓦温变化趋势实时分析方法 | |
CN102879084B (zh) | 汽轮发电机组低频振动非稳态在线预警方法 | |
CN102175409B (zh) | 汽轮发电机组油膜涡动故障实时辨识方法 | |
CN102103037B (zh) | 汽轮发电机组低频振动与功率递增相关性分析方法 | |
CN102022143B (zh) | 汽轮发电机组低频振动平稳性实时分析方法 | |
CN102175307A (zh) | 汽轮发电机组低频振动谱阵实时定量分析方法 | |
CN102879085B (zh) | 汽轮发电机组低频振动非稳态实时预警方法 | |
CN103149047A (zh) | 一种基于非线性混合模型的冷却塔声学诊断方法 | |
CN102865921B (zh) | 汽轮发电机组低频振动非稳态快速预警方法 | |
CN102095564B (zh) | 汽轮发电机组波动型碰摩故障实时辨识方法 | |
Smith et al. | Rotating element bearing diagnostics in a nuclear power plant: comparing vibration and torque techniques | |
Azeem et al. | An octave analysis approach based on vibrational data for early detection of multiple faults in rolling bearing | |
Altankhuyag et al. | Noise Signal Analysis for Fault Detection | |
CN102680243B (zh) | 汽轮发电机组汽流激振故障在线判别方法 |
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: 20130501 Termination date: 20131124 |