CN102692303A - 汽轮发电机组汽流激振故障高效识别方法 - Google Patents
汽轮发电机组汽流激振故障高效识别方法 Download PDFInfo
- Publication number
- CN102692303A CN102692303A CN2012101547473A CN201210154747A CN102692303A CN 102692303 A CN102692303 A CN 102692303A CN 2012101547473 A CN2012101547473 A CN 2012101547473A CN 201210154747 A CN201210154747 A CN 201210154747A CN 102692303 A CN102692303 A CN 102692303A
- Authority
- CN
- China
- Prior art keywords
- sequence
- low
- frequency vibration
- vibration amplitude
- power
- 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
Landscapes
- Control Of Turbines (AREA)
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一种汽轮发电机组汽流激振故障高效识别方法。包括设定第一起始时刻、第二起始时刻、第一时间步进长度、第二时间步进长度和终止时刻;实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据;获取机组功率数据序列、终止时刻的机组功率数据和低频振动幅值最大值序列;计算机组功率参数和低频振动参数;根据机组功率参数和低频振动参数判断汽轮发电机组是否发生汽流激振故障。本发明提实现了汽流激振故障的自动实时在线监测、分析和判别,提高了高压转子汽流激振故障分析诊断工作的效率和准确度。
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汽流激振故障高效识别方法。
背景技术
汽流激振是一种通常发生在大型汽轮机高(中)压转子上并由蒸汽激振力诱发的低频振动现象。汽流激振问题更容易发生在高参数、大容量汽轮机的高压转子上,尤其是超临界机组高压(或高中压)转子容易发生汽流激振,致使轴系失稳。由汽流激振引起的不稳定振动成为限制超临界压力机组出力的重要因素,带负荷工况运行时因振动大引起的跳机故障或被迫限制负荷运行,直接影响机组的可用率。
分析判断机组是否发生汽流激振故障,通常由具有一定现场运行经验的专业人员完成,由此带来分析工作耗费资源时间人力、分析过程及结果对专家的主观性依赖程度较高等问题,并且无法做到汽流激振故障的实时自动在线监测、分析及判别。因此,提出一种大型汽轮发电机组汽流激振故障高效识别方法就显得十分重要。
本发明提供的大型汽轮发电机组汽流激振故障高效识别方法,对机组运行中转子轴相对振动、机组功率等数据进行实时自动在线监测、分析及判别,判定高压转子是否发生汽流激振故障,提高高压转子汽流激振故障分析诊断工作的效率和准确度。
发明内容
本发明的目的在于,提出一种汽轮发电机组汽流激振故障高效识别方法,用于实现高压转子汽流激振故障的实时自动在线监测、分析及判别。
为实现上述目的,本发明提供的技术方案是,一种汽轮发电机组汽流激振故障高效识别方法,其特征是所述方法包括:
步骤2:实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据;
步骤3:获取机组功率数据序列、终止时刻TN的机组功率数据和低频振动幅值最大值序列,具体是:
从第二起始时刻T2开始,每隔第二时间步进长度t2,利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号,计算得到当前时刻的低频振动幅值序列并存储,k=1,2,...,l,l为预先设定的低频振动幅值序列的数据个数,计算得到当前时刻低频振动幅值序列的最大值并存储,直至终止时刻TN;将低频振动幅值序列的最大值按照存储时间的先后顺序排列成低频振动幅值最大值序列
步骤4:计算机组功率参数和低频振动参数,包括:
1)计算机组功率数据序列的递增趋势参数IP;
3)计算低频振动幅值最大值序列的偏度SAM;
4)计算从第二起始时刻T2到终止时刻TN,每隔第二时间步进长度t2存储的低频振动幅值序列的同下标低频振动幅值之和,并按照下标由小到大的顺序将同下标低频振动幅值之和排列成同下标低频振动幅值之和序列k=1,2,...,l,l为预先设定的低频振动幅值序列的数据个数;计算同下标低频振动幅值之和序列的峰度κAS;
5)计算低频振动幅值最大值序列与机组功率数据序列的相关系数γ;
步骤5:根据机组功率数据序列的递增趋势参数IP、终止时刻TN的机组功率数据低频振动幅值最大值序列的最大值低频振动幅值最大值序列的偏度SAM、同下标低频振动幅值之和序列的峰度κAS和低频振动幅值最大值序列与机组功率数据序列的相关系数γ,判断汽轮发电机组的高压转子是否发生汽流激振故障。
所述计算机组功率数据序列的递增趋势参数IP采用公式IP=SP/[1/2×n×(n-1)];其中,n为机组功率数据序列的数据个数,SP为是机组功率数据序列的顺序数;顺序数是指一个数据序列中顺序对的总数;顺序对是指在一个数据序列中,一对数的前后位置与大小顺序相同,即前面的数小于后面的数。
所述计算低频振动幅值最大值序列的偏度SAM采用公式其中,是低频振动幅值最大值序列第j个数据的值,μAM是低频振动幅值最大值序列的均值,即σAM是低频振动幅值最大值序列的标准偏差,即j=1,2,...,n,n为低频振动幅值最大值序列的数据个数,
所述计算从第二起始时刻T2到终止时刻TN,每隔第二时间步进长度t2存储的低频振动幅值序列的同下标低频振动幅值之和采用公式其中,是从第二起始时刻T2到终止时刻TN,每隔第二时间步进长度t2存储的低频振动幅值序列中下标为k的低频振动幅值之和,是从第二起始时刻T2到终止时刻TN,第j个第二时间步进长度t2存储的低频振动幅值序列中下标为k的低频振动幅值,k=1,2,...,l,l是预先设定的低频振动幅值序列的数据个数。
所述计算同下标低频振动幅值之和序列的峰度κAS采用公式其中,是同下标低频振动幅值之和序列的第k个数据的值,μAS是同下标低频振动幅值之和序列的均值,即σAS是同下标低频振动幅值之和序列的标准偏差,即k=1,2,...,l,l是同下标低频振动幅值之和序列的数据个数。
所述计算低频振动幅值最大值序列与机组功率数据序列的相关系数γ采用公式γ=(Ns-Nd)/(Ns+Nd);其中,Ns是低频振动幅值最大值序列与机组功率数据序列中,调和排列的序列对的总数,Nd是低频振动幅值最大值序列与机组功率数据序列中,非调和排列的序列对的总数;
所述调和排列的序列对是指,对于2个序列{Ak}和{Bk}中的任意2个序列对(Am,Bm)和(An,Bn),q≥m,n≥1,q为序列{Ak}和序列{Bk}的数据个数,如果同时满足Am>An并且Bm>Bn或者同时满足Am<An并且Bm<Bn,则2个序列对(Am,Bm)和(An,Bn)是调和排列的序列对;
所述非调和排列的序列对是指,对于2个序列{Ak}和{Bk}中的任意2个序列对(Am,Bm)和(An,Bn),q≥m,n≥1,q为序列{Ak}和序列{Bk}的数据个数,如果同时满足Am>An并且Bm<Bn或者同时满足Am<An并且Bm>Bn,则2个序列对(Am,Bm)和(An,Bn)是非调和排列的序列对。
所述步骤5具体是,当同时满足下述6个条件:
1)机组功率数据序列的递增趋势参数IP大于第一设定值;
4)低频振动幅值最大值序列的偏度SAM大于第四设定值;
5)同下标低频振动幅值之和序列的峰度κAS大于第五设定值;
6)低频振动幅值最大值序列与机组功率数据序列的相关系数γ大于第六设定值;
则判定汽轮发电机组高压转子发生汽流激振故障;否则,判定汽轮发电机组高压转子没有发生汽流激振故障。
本发明提供的方法能够对机组运行中转子轴相对振动、机组功率等数据进行实时自动在线监测、分析及判别,判定高压转子是否发生汽流激振故障,提高了高压转子汽流激振故障分析诊断工作的效率和准确度。
附图说明
图1是汽轮发电机组汽流激振故障高效识别方法流程图;
图2是汽轮发电机组信号采集示意图。
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。
实施例
图1是汽轮发电机组汽流激振故障高效识别方法流程图。图1中,本发明提供的汽轮发电机组汽流激振故障高效识别方法包括:
在本实施例中,可以设定第一起始时刻T1=0秒,第二起始时刻T2=290秒,第一时间步进长度t1=3秒、第二时间步进长度t2=0.1秒,终止时刻TN=300秒。
此时, 满足 的条件。
步骤102:实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据。
转子轴相对振动数据、转子的转速信号以及键相信号可以从配置汽轮发电机组的监视仪表(TSI)获得,机组功率数据信号可以从配置汽轮发电机组的分布式控制系统(DCS)获得。本实施例中,转子轴相对振动数据、转子的转速信号以及键相信号是从配置汽轮发电机组的监视仪表(TSI)获得,机组功率数据信号是从配置汽轮发电机组的分布式控制系统(DCS)获得。图2是汽轮发电机组信号采集示意图,如图2所示,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汽轮发电机组监视仪表(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内的高速振动数据采集卡。振动数据采集卡每一通道技术参数为50ks/s,24bit。同时,数据采集调理设备处理来自汽轮发电机组分布式控制系统(DCS)的机组功率数据信号,经过处理后的轴承润滑油温度数据信号输入IPC内的数据采集卡。数据采集卡每一通道技术参数为1ks/s,16bit。
根据该方法设计具体的汽轮发电机组汽流激振故障高效辨识程序,将辨识程序安装在工业用微型计算机(IPC)内。汽轮发电机组汽流激振故障高效辨识程序中的一次诊断循环过程,包括诊断方法中涉及的数据实时采集计算存储、实时判别、机组功率数据参数计算、低频振动参量实时计算、相关系数实时计算及故障判定等一系列计算分析环节。
步骤103:获取机组功率数据序列、终止时刻TN的机组功率数据和低频振动幅值最大值序列,具体是:
由于T1时刻至TN时刻的机组功率数据数据是每隔第一步进长度3秒存储一次,因此机组功率数据数据量为100个。将机组功率数据按照存储时间的先后顺序排列成机组功率数据序列后,该序列记为i=1,2,...,100。另外,将终止时刻TN=300时的机组功率数据记为并单独存储。
从第二起始时刻T2=290秒开始,每隔第二时间步进长度t2=0.1秒,利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号,计算得到当前时刻的低频振动幅值序列并存储,k=1,2,...,l,l为预先设定的低频振动幅值序列的数据个数,计算得到当前时刻低频振动幅值序列的最大值并存储,直至终止时刻TN=300秒。
如图2所示,首先,工业用微型计算机(IPC)中的分析程序通过采用高速振动数据采集卡实时采集汽轮发电机组高压转子A侧支持轴承附近测得的轴相对振动数据、转子的转速信号以及键相信号。振动数据采集卡每一通道技术参数为50ks/s,24bit。
其次,针对机组高压转子A侧的轴相对振动数据,利用FFT频谱分析方法,计算得到当前时刻从低频到高频的不同振动频率所对应的振动幅值数据序列(幅值单位为μm,微米)。对于高速振动数据采集卡而言,每一个时刻都能采集到从低频到高频的不同振动频率所对应的振动幅值数据序列,从中截取得到频率小于机组工作转速对应频率(50Hz)的当前时刻低频振动幅值序列,记为(k=1,2,3,…,l)。可以设定振动数据采集频率及采集数据量,使得低频振动幅值序列数据个数l=98。
上述利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号,计算得到当前时刻低频振动幅值序列(k=1,2,3,…,l)已经是本领域技术人员常用的技术,在本发明中不再赘述。
根据当前时刻低频振动幅值序列(k=1,2,3,…,l,l=98),获取的最大值,记为并存储,j=1,2,...,100。由于从T2=290秒至TN=300秒每隔第二时间步进长度0.1秒获得并存储一次低频振动幅值序列的最大值因此振动幅值序列和低频振动幅值序列的最大值的数据量都是100个。
步骤104:计算机组功率参数和低频振动参数,包括:
1)计算机组功率数据序列的递增趋势参数IP。
计算机组功率数据序列的递增趋势参数IP采用公式IP=SP/[1/2×n×(n-1)]。其中,n为机组功率数据序列(i=1,2,...,n)的数据个数,在本实施例中,n=100。SP为是机组功率数据序列的顺序数;顺序数是指一个数据序列中顺序对的总数;顺序对是指在一个数据序列中,一对数的前后位置与大小顺序相同,即前面的数小于后面的数。
3)计算低频振动幅值最大值序列的偏度SAM。
计算低频振动幅值最大值序列的偏度SAM采用公式其中,是低频振动幅值最大值序列的第j个数据的值,μAM是低频振动幅值最大值序列的均值,即σAM是低频振动幅值最大值序列的标准偏差,即j=1,2,...,n,n为低频振动幅值最大值序列的数据个数,在本实施例中,n=100。
在本实施例中,计算从第二起始时刻T2到终止时刻TN,每隔第二时间步进长度t2存储的低频振动幅值序列的同下标低频振动幅值之和,即计算从第二起始时刻T2=290秒到终止时刻TN=300秒,每隔第二时间步进长度t2=0.1秒存储的低频振动幅值序列(k=1,2,3,…,l,l=98)的同下标低频振动幅值之和。由于从第二起始时刻T2=290秒到终止时刻TN=300秒,每隔第二时间步进长度t2=0.1秒都存储了一个低频振动幅值序列因此共存储了100个低频振动幅值序列。这100个低频振动幅值序列的同下标的低频振动幅值也是100个。比如,下标为k=1的低频振动幅值为100个,因为从第二起始时刻T2=290秒到终止时刻TN=300秒,每隔第二时间步进长度t2=0.1秒都存储了一个。同理,下标为k=2,3,...,98的低频振动幅值也分别为100个。
采用公式计算同下标低频振动幅值之和,是从第二起始时刻T2=290秒到终止时刻TN=300秒,每隔第二时间步进长度t2=0.1秒存储的低频振动幅值序列中下标为k的低频振动幅值之和,是从第二起始时刻T2=290秒到终止时刻TN=300秒,第j个第二时间步进长度t2存储的低频振动幅值序列中下标为k的低频振动幅值,j=1,2,...,n,n=100,k=1,2,...,l,l=98。由于每个低频振动幅值序列的数据个数是l=98个,因此计算得到的同下标低频振动幅值之和(k=1,2,...,98)也是98个。按照同下标低频振动幅值之和的下标由小到大的顺序将同下标低频振动幅值之和排列成同下标低频振动幅值之和序列
在获得同下标低频振动幅值之和序列之后,采用公式计算同下标低频振动幅值之和序列的峰度κAS。其中,是同下标低频振动幅值之和序列的第k个数据的值,μAS是同下标低频振动幅值之和序列的均值,即σAS是同下标低频振动幅值之和序列的标准偏差,即k=1,2,...,l,l=98。
5)计算低频振动幅值最大值序列与机组功率数据序列的相关系数γ。
计算低频振动幅值最大值序列与机组功率数据序列的相关系数γ采用公式γ=(Ns-Nd)κ(Ns+Nd);其中,Ns是低频振动幅值最大值序列与机组功率数据序列中,调和排列的序列对的总数,Nd是低频振动幅值最大值序列与机组功率数据序列中,非调和排列的序列对的总数。
其中,调和排列的序列对是指,对于2个序列{Ak}和{Bk}中的任意2个序列对(Am,Bm)和(An,Bn),q≥m,n≥1,q为序列{Ak}和序列{Bk}的数据个数,如果同时满足Am>An并且Bm>Bn或者同时满足Am<An并且Bm<Bn,则2个序列对(Am,Bm)和(An,Bn)是调和排列的序列对。非调和排列的序列对是指,对于2个序列{Ak}和{Bk}中的任意2个序列对(Am,Bm)和(An,Bn),q≥m,n≥1,q为序列{Ak}和序列{Bk}的数据个数,如果同时满足Am>An并且Bm<Bn或者同时满足Am<An并且Bm>Bn,则2个序列对(Am,Bm)和(An,Bn)是非调和排列的序列对。
就本发明而言,对于低频振动幅值最大值序列和机组功率数据序列中的任意2个序列对和(注意,在本发明中有因此低频振动幅值最大值序列的数据个数和机组功率数据序列的数据个数都是100),100≥m,n≥1,如果同时满足并且或者同时满足并且则这2个序列对和是调和排列的序列对。对于低频振动幅值最大值序列和机组功率数据序列中的任意2个序列对和100≥m,n≥1,如果同时满足并且或者同时满足并且则这2个序列对和是非调和排列的序列对。对于低频振动幅值最大值序列和机组功率数据序列中的任意2个序列对和100≥m,n≥1,如果满足或者则这2个序列对和既不是调和排列序列对,也不是非调和排列序列对。
步骤105:根据机组功率数据序列的递增趋势参数IP、终止时刻TN的机组功率数据低频振动幅值最大值序列的最大值低频振动幅值最大值序列的偏度SAM、同下标低频振动幅值之和序列的峰度κAS和低频振动幅值最大值序列与机组功率数据序列的相关系数γ,判断汽轮发电机组的高压转子是否发生汽流激振故障。
分别设定第一设定值D1=0.82,第二设定值D2=155MV(兆瓦),第三设定值D3=30μm(微米),第四设定值D4=1.5,第五设定值D5=3和第六设定值D6=0.7。上述设定值用于协助判定汽轮发电机组的高压转子是否发生汽流激振故障,每个设定值可以根据汽轮发电机组的要求和标准进行调整。
当同时满足下述6个条件:
1)机组功率数据序列的递增趋势参数IP大于第一设定值,即IP>D1=0.82;
4)低频振动幅值最大值序列的偏度SAM大于第四设定值,即SAM>D4=1.5;
5)同下标低频振动幅值之和序列的峰度κAS大于第五设定值,即κAS>D5=3;
6)低频振动幅值最大值序列与机组功率数据序列的相关系数γ大于第六设定值,即γ>D6=0.7;
则判定汽轮发电机组高压转子发生汽流激振故障;否则,判定汽轮发电机组高压转子没有发生汽流激振故障。
通过上述判定过程可以看出,本发明提供的大型汽轮发电机组汽流激振故障高效识别方法,对机组运行中转子轴相对振动、机组功率等数据进行实时自动在线监测、分析及判别,判定高压转子是否发生汽流激振故障,提高了高压转子汽流激振故障分析诊断工作的效率和准确度。
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汽流激振故障高效识别方法,其特征是所述方法包括:
步骤2:实时采集汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号、转子的键相信号以及机组功率数据;
步骤3:获取机组功率数据序列、终止时刻TN的机组功率数据和低频振动幅值最大值序列,具体是:
从第二起始时刻T2开始,每隔第二时间步进长度t2,利用当前时刻采集的汽轮发电机组高压转子一侧支持轴承的轴相对振动数据、转子的转速信号和转子的键相信号,计算得到当前时刻的低频振动幅值序列并存储,k=1,2,...,l,l为预先设定的低频振动幅值序列的数据个数,计算得到当前时刻低频振动幅值序列的最大值并存储,直至终止时刻TN;将低频振动幅值序列的最大值按照存储时间的先后顺序排列成低频振动幅值最大值序列
步骤4:计算机组功率参数和低频振动参数,包括:
1)计算机组功率数据序列的递增趋势参数IP;
3)计算低频振动幅值最大值序列的偏度SAM;
4)计算从第二起始时刻T2到终止时刻TN,每隔第二时间步进长度t2存储的低频振动幅值序列的同下标低频振动幅值之和,并按照下标由小到大的顺序将同下标低频振动幅值之和排列成同下标低频振动幅值之和序列k=1,2,...,l,l为预先设定的低频振动幅值序列的数据个数;计算同下标低频振动幅值之和序列的峰度κAS;
5)计算低频振动幅值最大值序列与机组功率数据序列的相关系数γ;
2.根据权利要求1所述的汽轮发电机组汽流激振故障高效识别方法,其特征是所述计算机组功率数据序列的递增趋势参数IP采用公式IP=SP[1/2×n×(n-1)];其中,n为机组功率数据序列的数据个数,SP为是机组功率数据序列的顺序数;顺序数是指一个数据序列中顺序对的总数;顺序对是指在一个数据序列中,一对数的前后位置与大小顺序相同,即前面的数小于后面的数。
6.根据权利要求1所述的汽轮发电机组汽流激振故障高效识别方法,其特征是所述计算低频振动幅值最大值序列与机组功率数据序列的相关系数γ采用公式γ=(Ns-Nd)/(Ns+Nd);其中,Ns是低频振动幅值最大值序列与机组功率数据序列中,调和排列的序列对的总数,Nd是低频振动幅值最大值序列与机组功率数据序列中,非调和排列的序列对的总数;
所述调和排列的序列对是指,对于2个序列{Ak}和{Bk}中的任意2个序列对(Am,Bm)和(An,Bn),q≥m,n≥1,q为序列{Ak}和序列{Bk}的数据个数,如果同时满足Am>An并且Bm>Bn或者同时满足Am<An并且Bm<Bn,则2个序列对(Am,Bm)和(An,Bn)是调和排列的序列对;
所述非调和排列的序列对是指,对于2个序列{Ak}和{Bk}中的任意2个序列对(Am,Bm)和(An,Bn),q≥m,n≥1,q为序列{Ak}和序列{Bk}的数据个数,如果同时满足Am>An并且Bm<Bn或者同时满足Am<An并且Bm>Bn,则2个序列对(Am,Bm)和(An,Bn)是非调和排列的序列对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210154747.3A CN102692303B (zh) | 2012-05-17 | 2012-05-17 | 汽轮发电机组汽流激振故障高效识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210154747.3A CN102692303B (zh) | 2012-05-17 | 2012-05-17 | 汽轮发电机组汽流激振故障高效识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102692303A true CN102692303A (zh) | 2012-09-26 |
CN102692303B CN102692303B (zh) | 2014-07-02 |
Family
ID=46857903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210154747.3A Expired - Fee Related CN102692303B (zh) | 2012-05-17 | 2012-05-17 | 汽轮发电机组汽流激振故障高效识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102692303B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879085A (zh) * | 2012-10-12 | 2013-01-16 | 华北电力大学 | 汽轮发电机组低频振动非稳态实时预警方法 |
CN103323103A (zh) * | 2013-06-13 | 2013-09-25 | 华北电力大学 | 大型汽轮发电机组低频振动实时预测方法 |
CN105841966A (zh) * | 2016-04-06 | 2016-08-10 | 西安西热振动研究所有限公司 | 一种基于正向推理的汽轮发电机组振动故障诊断方法 |
CN114322746A (zh) * | 2021-12-27 | 2022-04-12 | 贵州电网有限责任公司 | 一种旋转机械轴振测量端面平整度在线测试装置和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4322977A (en) * | 1980-05-27 | 1982-04-06 | The Bendix Corporation | Pressure measuring system |
US20060288703A1 (en) * | 2004-12-23 | 2006-12-28 | Kurtz Anthony D | System for detecting and compensating for aerodynamic instabilities in turbo-jet engines |
CN102095491A (zh) * | 2010-11-24 | 2011-06-15 | 华北电力大学 | 汽轮发电机组低频振动突变性实时分析方法 |
CN102103037A (zh) * | 2010-11-24 | 2011-06-22 | 华北电力大学 | 汽轮发电机组低频振动与功率递增相关性分析方法 |
-
2012
- 2012-05-17 CN CN201210154747.3A patent/CN102692303B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4322977A (en) * | 1980-05-27 | 1982-04-06 | The Bendix Corporation | Pressure measuring system |
US20060288703A1 (en) * | 2004-12-23 | 2006-12-28 | Kurtz Anthony D | System for detecting and compensating for aerodynamic instabilities in turbo-jet engines |
CN102095491A (zh) * | 2010-11-24 | 2011-06-15 | 华北电力大学 | 汽轮发电机组低频振动突变性实时分析方法 |
CN102103037A (zh) * | 2010-11-24 | 2011-06-22 | 华北电力大学 | 汽轮发电机组低频振动与功率递增相关性分析方法 |
Non-Patent Citations (1)
Title |
---|
宋光雄等: "汽轮机振动故障诊断知识信息服务系统", 《电力系统自动化》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879085A (zh) * | 2012-10-12 | 2013-01-16 | 华北电力大学 | 汽轮发电机组低频振动非稳态实时预警方法 |
CN102879085B (zh) * | 2012-10-12 | 2015-01-07 | 华北电力大学 | 汽轮发电机组低频振动非稳态实时预警方法 |
CN103323103A (zh) * | 2013-06-13 | 2013-09-25 | 华北电力大学 | 大型汽轮发电机组低频振动实时预测方法 |
CN105841966A (zh) * | 2016-04-06 | 2016-08-10 | 西安西热振动研究所有限公司 | 一种基于正向推理的汽轮发电机组振动故障诊断方法 |
CN114322746A (zh) * | 2021-12-27 | 2022-04-12 | 贵州电网有限责任公司 | 一种旋转机械轴振测量端面平整度在线测试装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102692303B (zh) | 2014-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103321854B (zh) | 一种风力发电机组塔架振动控制方法 | |
EP3631205B1 (en) | Wind turbine fault detection using acoustic, vibration, and electrical signals | |
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 | |
CN101451898A (zh) | 汽轮发电机组转子热弯曲不平衡故障实时诊断方法 | |
CN101738293A (zh) | 汽轮发电机组转子原始质量不平衡故障实时诊断方法 | |
CN102692303B (zh) | 汽轮发电机组汽流激振故障高效识别方法 | |
CN102072764B (zh) | 汽轮发电机组低频振动单峰实时分析方法 | |
CN102087139B (zh) | 汽轮发电机组低频振动频率成份实时分析方法 | |
CN116933024B (zh) | 旋转类设备运行状态监控方法及系统 | |
CN102175306B (zh) | 汽轮发电机组油膜振荡故障实时辨识方法 | |
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 | |
CN102175409B (zh) | 汽轮发电机组油膜涡动故障实时辨识方法 | |
CN102879084B (zh) | 汽轮发电机组低频振动非稳态在线预警方法 | |
CN102175307B (zh) | 汽轮发电机组低频振动谱阵实时定量分析方法 | |
CN102103037B (zh) | 汽轮发电机组低频振动与功率递增相关性分析方法 | |
CN102012263B (zh) | 汽轮机组转子振动同相分量平稳性实时辨识方法 | |
CN102095564B (zh) | 汽轮发电机组波动型碰摩故障实时辨识方法 | |
CN102645336B (zh) | 汽轮发电机组汽流激振故障实时辨识方法 | |
CN102680243B (zh) | 汽轮发电机组汽流激振故障在线判别方法 | |
CN102879085B (zh) | 汽轮发电机组低频振动非稳态实时预警方法 | |
CN102865921B (zh) | 汽轮发电机组低频振动非稳态快速预警方法 | |
CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
CN103323103B (zh) | 大型汽轮发电机组低频振动实时预测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140702 Termination date: 20150517 |
|
EXPY | Termination of patent right or utility model |