CN102900534A - 一种燃气轮机防振动监控保护方法 - Google Patents

Abstract

一种燃气轮机防振动监控保护方法，涉及燃气轮机服役后防止其在运行过程中振动损伤的保护方法。该方法是在燃气轮机需要监控的轴承上安装多个振动传感器，对振动传感器采集信号进行滤波处理，并将所有测振通道的采集信号构成广义集；通过对传感器采集信号组成的广义集进行模式识别得到振动监控的神经网络智能观测器；建立燃气轮机振动保护的报警逻辑和报警退出逻辑；建立燃气轮机振动保护的危险跳闸逻辑。本发明相对传统方法，设计上更为简单，不会因为振动传感器数目的增加而额外的增加工作量，算法上修改也相对集中，而不用对各个通道逐一调整。同时最大限度地减少了人为设置参数，有效提高了燃气轮机防振动监控保护系统的智能化和自动化。

Description

一种燃气轮机防振动监控保护方法

技术领域

本发明涉及一种燃气轮机服役后防止其在运行过程中振动损伤的保护方法，是一种基于神经网络模式识别算法的振动信号实时监控方法，尤其涉及振动监控神经网络智能观测器的设计和防振动的信号处理方法。

背景技术

燃气轮机、汽轮机、发电机等都是高速旋转的设备，其变化工况非常大，通常总是存在一定的振动。然而，当燃气轮机在高速运转下，如果振动过大，轻则会导致转速等测量传感器出现测量误差，影响燃气轮机的运行，重则有可能导致压气机和透平叶片产生断裂、动叶与静叶产生摩擦，给机组造成重大安全事故。因此对燃气轮机的振动进行监控，在燃气轮机振动过大时对用户进行适当的提醒和保护操作，对燃气轮机的安全运行显示的十分必要。

目前各大燃气轮机制造厂商采用的防振动监控系统的结构大多是通过在燃气轮机轴承座上布置振动传感器，然后将传感器采集到的信号输入到相应的I/O板卡中，再传入控制器微处理器中进行相应的处理。早期的机组只有电磁式的速度型振动传感器，目前机组则越来越多的采用位移型振动传感器。位移型传感器是一种非接触式间隙测量传感器，典型的如本特利—内华达公司（B&N）的测量探头及其配套仪表，它可以静态的测量间隙的变化，即相对位置的位移量，而燃气轮机振动本身就是机械的来回摆动，使得振动传感器采集到的信号表现为幅值上下高频摆动，因此对振动传感器采集信号进行平滑滤波显得十分必要。而且燃气轮机在启动和停机时通常振动较大，噪声干扰也较为强烈，而运行到额定工况后，振动和噪声干扰都很少，因此需要考虑变权值滤波。

另一方面，振动监控保护的基本原理就是将每一路振动传感器采集信号与用户预先设定的报警阈值和危险阈值进行比较，从而辨别燃气轮机是否处于报警或危险状态，而阈值选取过大则容易导致危险状态没有被检测，过小则容易导致警告误报，因此阈值的设定需要工程师有丰富的工程经验，此外每一路通道振动阈值的取值还受传感器布置位置、使用寿命等因素的影响，这些都给用户和工程师都带来了较大的设计负担和使用不便，同时由于人为因素的干预，将使得整个振动监控系统性能不确定性增加。然而目前人工智能特别是神经网络模式识别算法已经发展相对成熟，在工业控制和故障振动领域已经有了许多成功的应用和工程实践，同时许多如MATLAB、python等计算设计软件上已经有了成熟的神经网络设计软件，使得神经网络的计算和设计非常简单和方便。

发明内容

本发明的目的是为了解决传统燃气轮机振动监控保护系统设计过于复杂的问题，通过利用现代信息技术中的神经网络模式识别方法，实现由一个神经网络智能观测器同时监控燃气轮机多路振动信号，并利用数据训练减少人为设置参数，提高燃气轮机防振动监控保护系统的智能化和自动化。

为了实现上述的目的，本发明的技术方案如下：

一种燃气轮机防振动监控保护方法，其特征在于包括以下步骤：

A1）、在燃气轮机需要监控的轴承上安装N个振动传感器，对振动传感器采集信号进行滤波，滤波公式为：

S(t)_i=a*L(t)_i+(1-a)L(t-1)_i

其中：S为滤波后的信号；L为振动传感器采集信号；t表示当前时刻；a为滤波权值，取值范围为0～1,与燃气轮机的当前工况有关，下标i表示第i路振动传感器采集信号，N为振动传感器的安装数目，将所有的滤波信号组成广义集S{S₁，S₂，…S_N}；

B1）、首先在燃气轮机无故障条件下采集一段振动信号并滤波记为S_无，再在警告和危险状态下分别采集一段振动信号并滤波，记为S_警和S_故，将这三段信号一起作为数据样本，采用神经网路模式识别算法进行训练，得到一个输出区间为0～2的神经网络智能观测器；

C1）、设置警告和警告退出机制：当前无警告状态下，如果神经网络智能观测器输出值小于1时，则表示正常；如果神经网络智能观测器输出值大于等于1并小于2，则表示警告；如果警告已经发生，则神经网络智能观测器输出值必须少于0.5才能消除警告；

D1）、设置危险跳闸逻辑：一旦检测到神经网络智能观测器输出值为2，则发出危险信号，启动燃气轮机停车逻辑。

上述技术方案中，对于步骤A1）中滤波公式S(t)_i=a*L(t)_i+(1-a)L(t-1)_i，并且在燃气轮机启动和停机阶段，滤波权值a的值优选取为0.9；当燃气轮机处于额定转速阶段时，该值优选取0.5。

本发明的技术其特征还在于：在危险逻辑机制上，当神经网络智能观测器输出值大于等于2时，立即给出危险信号，通知燃气轮机跳闸停机，并且该信号被锁定，即神经网络智能观测器输出值再度降到2以下，甚至0，振动监测机制仍然保持危险状态并持续进行停机相关操作。

本发明与现有技术相比，具有以下优点及突出性的技术效果：①考虑到振动信号的抖动特性，采用滤波算法平滑后有利于平滑振动信号，降低噪声干扰对监控算法精确度的干扰。同时考虑到燃气轮机在实际运行过程中，启动和停机过程中的振动相对额定转速下的振动要大。因此在启动过程中取大权值，从而保证监控算法对振动的敏感性，在额定过程中振动相对平稳因此可取小权值，保证滤波后振动信号的平滑性。②对振动测量信号采用广义集打包后进行集中处理。传统方法采用对各个振动信号采集通道单独设置阈值进行比较，比较后再对各通道的比较结果进行与或非逻辑操作，再最终判断燃气轮机的当前状态。改进的方法相对传统方法，设计上更为简单，不会因为振动传感器数目的增加而额外的增加工作量，算法上修改也相对集中，而不用对各个通道逐一调整。

③对报警和危险阈值的选取，传统的方法需要工程师对各个通道的测量信号的振幅进行观测，从而确定各测振通道的报警和危险阈值，因此导致最终振动监控算法的准确度受设计工程师的经验水平的影响。而采用基于神经网络的人工智能算法，通过数据训练来自动计算报警和危险阈值，最大的避免的人为因素，算法的精确度相对较高。④报警的触发和解除采用双阈值，触发时为1，接触时为0.5，这样可以防止了测量信号在噪声干扰下，反复在1附近进行摆动，导致燃气轮机的报警信号频繁触发和解除。⑤在危险信号采用锁存措施，这样保证危险信号一旦触发，燃气轮机必须停车接受工程师的检查后，再手动的切换到正常状态。防止危险信号由于后续振幅的下降而又被软件自动消除，导致燃气轮机危险事故发生。

附图说明

图1燃气轮机振动监测保护方法的设计流程框架。

图2某型号燃气轮机振动信号滤波的前后对比图。

图3某型号燃气轮机的神经网络智能观测器训练性能。

图4a、图4b、图4c图4d分别为燃气轮机的神经网络智能观测器的训练混淆矩阵、验证混淆矩阵、测试混淆矩阵、全部混淆矩阵。

图5某型号燃气轮机的神经网络智能观测器的监控保护输出。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的说明

图1燃气轮机振动监测保护方法的设计流程框架，其具体实施方法包括以下步骤：

1）、在燃气轮机需要监控的轴承上安装N个振动传感器，对N个振动传感器采集信号采用滤波公式S(t)_i=a*L(t)_i+(1-a)L(t-1)_I进行滤波，

式中，S为滤波后的信号，L为振动传感器采集信号，t表示当前时刻；a为滤波权值，与燃气轮机的当前工况有关，取值范围为0～1；N为振动传感器的安装数目，下标i表示第i路振动传感器采集信号；

将所有的滤波信号组成广义集S{S₁，S₂，…S_N}；因为a的取值越小，滤波后的信号越平滑，但对故障敏感度越低，因此通常在燃气轮机启动和停机过程中取a值为0.9，在额定转速状态下，a的取值为0.5。同时因为在实际监控时间上，是对燃气轮机进行实时监控，并达到同时监控多路振动传感器的目的，因此将当前时刻t测量信号滤波后的信号组成广义集S(t)：

S(t)=[S₁(t)S₂(t)…S_N(t)]；

2）、首先在燃气轮机无故障条件下采集一段振动信号并滤波记为S_无，再在警告和危险状态下的分别采集并滤波的信号记为S_警和S_故，将这三段信号一起作为数据样本，采用神经网路模式识别算法进行训练，得到一个输出区间为0～2的神经网络智能观测器。为了得到的神经网络智能观测器，首先设定神经网络的训练数据S_tran={S_无S_警S_故}，并设定正常状态下的训练数据输出标志为{1,0,0}，报警状态下的训练数据标志为{0,1,0}，危险状态下的训练数据标志为{0,1,1}，将输出标志的后两位相加构成神经网络智能观测器的输出。再利用目前成熟的神经网络模式识别工具箱如MATLAB中的nprtool工具箱，通过对训练数据的机器学习得到一个可用于振动监测的神经网络智能观测器。得到神经网络智能观测器后，只需将当前时刻t测量信号滤波后的信号广义集S(t)输入到神经网络智能观测器，就会自动得到范围为0～2的输出值。

3）、设置警告和警告退出机制：当前无警告状态下，如果神经网络智能观测器输出值小于1时，则表示正常；如果神经网络智能观测器输出值大于等于1并小于2，则表示警告；如果警告已经发生，则神经网络智能观测器输出值必须少于0.5才能消除警告。在实际实现中，需要对燃气轮机的当前状态进行记录，软件编程时可采用静态变量的方法，如果燃气轮机当前状态为正常，则比较神经网络智能观测器输出是否大于等于1并且小于2，如果成立则立刻给出报警信号触发控制系统相应的报警逻辑，并将燃气轮机当前状态记录为警告状态。如果燃气轮机当前状态已为报警状态，则比较神经网络智能观测器输出是否小于等于0.5，如果成立，则将燃气轮机状态恢复为正常并进行记录。

4）、设置危险跳闸逻辑：一旦检测到神经网络智能观测器输出值为2，则发出危险信号，启动燃气轮机停车逻辑。实际实现中，需要实现一个锁存功能，当神经网络智能观测器输出等于2时，发动危险信号触发控制系统相应危险跳闸逻辑，并锁定燃气轮机状态为危险，该燃气轮机危险状态只允许人为手动切换到正常状态。在危险逻辑机制上，当神经网络智能观测器输出值大于等于2时，立即给出危险信号，通知燃气轮机跳闸停机，并且该信号被锁定，即神经网络智能观测器输出值再度降到2以下，甚至0，振动监测机制仍然保持危险状态并持续进行停机相关操作。

对于服役后某型号燃气轮机振动监控进行试验验证如下。

实施例一：

某型燃气轮机的运行历史记录为，某次运行周期为4380小时，平均700ms记录数据一次。选取历史数据中某一时间段的数据进行监控实验。该燃气轮机的轴承处布置有振动传感器4个，取权值a为0.5，则滤波公式为S(t)_i=0.5*L(t)_i+0.5L(t-1)_i，滤波前后数据对比如图2所示，这里仅给出第一路通道滤波的示意图。从图中可以看出滤波后效果相对平缓，但又不失信号的敏感性。然后将滤波后的4路传感器信号增广成广义集为神经网络智能观测器训练数据的输入，设置输出标志{1,0,0}为正常状态，{0,1,0}为报警状态，{0,1,1}为危险状态，我们将输出标志的后两位相加作为神经网络智能观测器的最终输出。使用MATLAB的神经网络模式识别工具箱nprtool进行设计，设置取30%的数据点进行训练，35%的数据点作为收敛点验证，35%的数据点作为测试，得到神经网络智能观测器，图3和图4给出了设计神经网络智能观测器的性能评论图，从图3中可以看到设计的神经网络智能观测器收敛性好，测试点的精度吻合度也非常高。从图4的混淆矩阵也可以看出，设计的神经网络智能观测器正确识别率为100%，无漏警和误警的发生。再用设计的神经网络智能观测器监控传感器的测量信号。由于该型燃气轮机在真实运行过程中尚未出现过振动故障，因此我们采用文献上提到的通过对采集数据加偏置的方法，对4个测振通道的采集数据分别加入0.3mm的偏置信号模拟警告状态，加入0.4mm的偏置信号模拟危险状态。监控的结果如图5所示，从图中可以看出，任何一路通道的测量信号出现小阶跃，神经网络智能观测器的最终输出会立马跳转到1，当任何一个通道出现大阶跃，神经网络智能观测器的最终输出会跳转到2。得到神经网络智能观测器最终输出后，就可以引入C1和D1中的报警和危险保护逻辑进行判断实现相应的硬件操作。

Claims (3)

1.一种燃气轮机防振动监控保护方法，其特征在于包括以下步骤：

A1）、在燃气轮机需要监控的轴承上安装N个振动传感器，对振动传感器采集信号进行滤波，滤波公式为：

S(t)_i=a*L(t)_i+(1-a)L(t-1)_i

其中：S为滤波后的信号；L为振动传感器采集信号；t表示当前时刻；a为滤波权值，取值范围为0～1,与燃气轮机的当前工况有关，下标i表示第i路振动传感器采集信号，N为振动传感器的安装数目，将所有的滤波信号组成广义集S{S₁，S₂，…S_N}；

B1）、首先在燃气轮机无故障条件下采集一段振动信号并滤波记为S_无，再在警告和危险状态下分别采集一段振动信号并滤波，记为S_警和S_故，将这三段信号一起作为数据样本，采用神经网路模式识别算法进行训练，得到一个输出区间为0～2的神经网络智能观测器；

C1）、设置警告和警告退出机制：当前无警告状态下，如果神经网络智能观测器输出值小于1时，则表示正常；如果神经网络智能观测器输出值大于等于1并小于2，则表示警告；如果警告已经发生，则神经网络智能观测器输出值必须少于0.5才能消除警告；

D1）、设置危险跳闸逻辑：一旦检测到神经网络智能观测器输出值为2，则发出危险信号，启动燃气轮机停车逻辑。

2.如权利要求1所述燃气轮机防振动监控保护方法，其特征在于：对于步骤A1）中滤波公式S(t)_i=a*L(t)_i+(1-a)L(t-1)_i，并且在燃气轮机启动和停机阶段，滤波权值a的值取为0.9；当燃气轮机处于额定转速阶段时，该值取0.5。

3.如权利要求1所述燃气轮机防振动监控保护方法，其特征在于：在危险逻辑机制上，当神经网络智能观测器输出值大于等于2时，立即给出危险信号，通知燃气轮机跳闸停机，并且该信号被锁定，即神经网络智能观测器输出值再度降到2以下，甚至0，振动监测机制仍然保持危险状态并持续进行停机相关操作。

Images