CN103630604B - 离心式压缩机半开式叶轮裂纹故障识别方法 - Google Patents

Abstract

本发明属于设备故障诊断领域，具体的说是一种离心式压缩机半开式叶轮裂纹故障识别方法。本发明通过振动加速度传感器和数据采集设备采集离心式压缩机的振动信号；对测得的离心式压缩机的振动信号进行小波分解，获得特征参数；以采集得到的正常信号提取的特征参数为类比对象，通过预先制定的裂纹判定标准判断离心式压缩机半开式叶轮有无裂纹。本发明研究制定一种新型的离心式压缩机半开式叶轮裂纹故障识别方法，从而解决离心式压缩机半开式叶轮裂纹的动态检测问题，避免由于叶片的裂纹故障而引起的事故发生。

Description

离心式压缩机半开式叶轮裂纹故障识别方法

技术领域

本发明属于设备故障诊断领域，具体的说是一种离心式压缩机半开式叶轮裂纹故障识别方法。

背景技术

叶轮是离心式压缩机的关键部件，承受离心力、流体动力、振动、温差、介质等的综合作用。现今叶轮机械正朝着重载化、高速化、轻型化方向发展，使叶片工作长度和工作参数不断提高，工作条件越来越严酷，导致叶片容易发生故障。叶轮裂纹的产生会对整个机组的安全运行带来严重的威胁，甚至导致重大事故的产生。叶片故障严重影响离心式压缩机等相关叶轮机械的经济性和安全运行。如何以相对简单的方法和较高的准确率实现动态无损检测叶片的裂纹故障，是困扰国内外设备故障诊断工程界和学术界的难题。

目前工程中运用的叶片裂纹无损检测方法大多是静态的，主要包括：磁粉探伤、超声波检测等，这些检测方法对检测条件要求十分苛刻，需要逐点扫描，工作量繁重，降低了检测效率，另一个更大的缺点是需要停机检修时才可以进行检测，这对于需要长期连续运行的机组来说无疑会造成巨大的损失。声发射信号检测技术是当前工程中运用比较广泛的新型的动态检测技术，其已被广泛应用于设备的无损检测等领域，但是该种检测技术对于连续高速运转的叶片裂纹动态检测仍然是无能为力。

发明内容

针对上述现有技术中所存在的问题，本发明的目的是根据离心式压缩机及其半开式叶轮的结构和工作条件的特点，研究制定一种新型的离心式压缩机半开式叶轮裂纹故障识别方法，从而解决离心式压缩机半开式叶轮裂纹的动态检测问题，避免由于叶片的裂纹故障而引起的事故发生。

本发明为实现上述目的所采用的技术方案是：一种离心式压缩机半开式叶轮裂纹故障识别方法，将振动加速度传感器放置在离心式压缩机进口管道与机壳连接部位的最佳测点上，通过数据采集设备采集离心式压缩机壳体的振动加速度信号；对测得的振动加速度信号进行小波分解和信号的重构，得到振动加速度信号的低频部分频谱图，获取基频与叶片通过频率的幅值，将二者的比值作为特征参数；通过预先制定的裂纹判定标准判断离心式压缩机半开式叶轮有无裂纹。

所述最佳测点通过以下方式确定：

1）在离心式压缩机进口管道与机壳连接部位的不同位置布置多个振动加速度传感器；

2）通过数据采集设备采集各振动加速度传感器的振动加速度信号并进行小波分解，确定振动加速度传感器对叶片裂纹的最佳测点。

所述数据采集具有多输入通道。

所述数据采集设备集成在振动信号数据采集平台上。

所述振动信号数据采集平台实时采集离心式压缩机的振动加速度信号，并通过程序显示。

所述裂纹判定标准为：

1）在正常运行工况下，采集最佳测点位置的振动加速度信号，进行小波分析，获取反映压缩机叶片裂纹的特征参数；

2）将运行工况下得到的特征参数与1）中得到的无裂纹特征参数数据进行对比，当转频与叶频的幅值比大于0.5时，则可判定为离心式压缩机半开式叶轮存在裂纹故障。

本发明通过试验的方法进行离心式压缩机半开式叶轮裂纹故障识别方法的研究，对离心式压缩机不同测试位置的测试数据对叶轮裂纹特征的反应程度进行了分析，最终证明在离心式压缩机进口型环位置所测得的振动信号更有利于后续裂纹特征参数的识别，为最佳测试位置。

本发明所述的离心式压缩机半开式叶轮裂纹故障识别方法的显著效果是：能够通过简单快速搭建的离心式压缩机振动信号数据采集平台，对离心式压缩机若干测点位置进行振动加速度信号数据采集，进而利用编写的基于小波分解的数据处理分析程序进行数据处理，最终通过制定的判定标准来进行离心式压缩机半开式叶轮裂纹故障识别。该方法能够对离心式压缩机半开式叶轮裂纹故障进行快速准确的识别，进而能够有效避免因叶轮裂纹故障而导致的事故发生。

附图说明

图1是离心式压缩机组结构及其振动信号数据采集平台示意图；

图2是本发明方法流程图；

图3是离心式压缩机结构示意图；

图4是基于小波分解的数据处理流程图；

图5a是小波函数随尺度参数的变化情况；

图5b是小波频谱随尺度参数的变化情况；

图6是小波变换基函数和时频平面分辨率示意图；

图7是基于小波包分析的基频与叶频的频谱对比图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1-4所示，本发明的具体实施步骤如下：

（一）离心式压缩机振动信号数据采集平台的搭建

该平台特征在于：

（1）具有多输入通道的数据采集设备；

（2）具有实时采集与显示离心式压缩机振动信号的软件模块；

本发明所研究的是工业用离心式压缩机，体型比较大、结构比较复杂，因此，对于该振动信号数据采集平台的搭建过程中，特别要注意的是合适的测点位置布置的问题。本发明的研究过程中对于压缩机多个测点位置所采集到的数据进行了分析处理，最终确认在压缩机进口型环位置进行振动信号采集更适合本发明所述方法的实现。

（二）数据处理

基于小波分解的基本原理，并且根据离心式压缩机及其半开式叶轮的结构和工作参数的特点，利用Matlab软件编制了相应的程序对所测得的振动加速度数据进行处理获得特征参数。

小波变换：

令函数ψ(t)为基小波或母小波，则满足函数ψ(t)通过平移和伸缩产生函数族ψ_a，b(t)：

${\mathrm{\ψ}}_{a,b}\left(t\right)={\left|a\right|}^{-1/2}\mathrm{\ψ}\left(\frac{t-b}{a}\right)---\left(1\right)$

其中，a,b∈R，a≠0，a为尺度因子，b为平移因子。

由可知函数ψ(t)在实轴t上取值有正有负，即ψ(t)具有振荡性，在图形上有“波”的形状。小波函数ψ(t)是紧支撑的，超出一定范围时，其波动的幅度迅速衰减为零。从频域看，基小波ψ(t)的频谱分布在一个“小”的频带内，具有带通性。同理小波函数ψ_a,b(t)也具有带通性，可知小波函数ψ(t)的带通宽度随着尺度因子的变化而变化。图5a和5b为小波函数ψ_a,b(t)及其频谱随尺度因子a变化的示意图。尺度因子变小，ψ_a,b(t)的支撑区域变窄，的频谱向高端展宽。

连续小波变换：

对任意函数x(t)∈L²(R)，其连续小波变换（Continuouswavelettransform，CWT）在时间域的定义为：

$\mathrm{CWT}(a,b;\mathrm{\ψ})={\left|a\right|}^{-1/2}{\∫}_{-\∞}^{\∞}x\left(t\right){\mathrm{\ψ}}_{a,b}^{*}\left(t\right)\mathrm{dt}---\left(2\right)$

其中ψ(t)为母小波，()^*表示共轭，a为尺度因子，b为平移因子，x(t)为待分析的时域信号。小波变换中时频窗口的面积与尺度因子和平移因子无关，但时频窗口的形状随尺度因子a改变而变化。图6表示小波函数的时频分辨率随尺度的变化情况，当a减小时，在频域方向上，小波函数的中心频率逐渐变高，频带逐渐变宽；在时域方向上，小波函数逐渐变窄。

离散小波变换：

为了在计算机上对信号进行小波变换，需要将连续小波变换进行离散处理得到离散小波变换（Discretewavelettransform，DWT）。首先需要对尺度因子a和平移因子b进行离散化处理，若基小波ψ(t)满足允许条件，且有较强的衰减性，连续小波变换式（2）可写成离散小波变换形式：

${\mathrm{DWT}}_{m,n}={a_0}^{-m/2}{\∫}_{-\∞}^{\∞}x\left(t\right){\mathrm{\ψ}}^{*}({a_0}^{-m}t-{\mathrm{nb}}_0)\mathrm{dt}---\left(3\right)$

其中，a₀>1，b₀≠0，m,n∈Z。

记基小波的频窗中心和半窗宽分别为和由傅立叶变换的性质可知，离散小波函数ψ_m，n(t)的带通中心和带宽分别为和式（3）可描述为信号x(t)按不同的频率通道来进行分解的，其频率通道的中心和带宽由和确定。

本发明所述的离心式压缩机半开式叶轮裂纹故障识别方法的实现需要首先建立一个离心式压缩机半开式叶轮无裂纹类比库。在离心式压缩机半开式叶轮无裂纹和设定的不同转速情况下在进口型环位置所测得的振动信号数据，使用编制的程序对该数据进行处理得到特征参数。这些特征参数即组成了一个离心式压缩机半开式叶轮无裂纹类比库。

（三）制定判定标准，依据判定标准对离心式压缩机半开式叶轮裂纹故障进行识别

本发明通过试验方法，对带有不同程度裂纹的离心式压缩机进行数据采集，并由处理程序计算得到特征参数，与离心式压缩机半开式叶轮无裂纹类比库中的特征参数数据进行对比，制定了裂纹故障识别判定标准。即当各转速工况下，转频与叶频的幅值比大于0.5以上时，如图7所示，则可判定为离心式压缩机半开式叶轮存在裂纹故障。

Claims (5)

1.一种离心式压缩机半开式叶轮裂纹故障识别方法，其特征在于，将振动加速度传感器放置在离心式压缩机进口管道与机壳连接部位的最佳测点上，通过数据采集设备采集离心式压缩机壳体的振动加速度信号；对测得的振动加速度信号进行小波分解和信号的重构，得到振动加速度信号的低频部分频谱图，获取基频与叶片通过频率的幅值，将二者的比值作为特征参数；通过预先制定的裂纹判定标准判断离心式压缩机半开式叶轮有无裂纹；

所述最佳测点通过以下方式确定：

1)在离心式压缩机进口管道与机壳连接部位的不同位置布置多个振动加速度传感器；

2)通过数据采集设备采集各振动加速度传感器的振动加速度信号并进行小波分解，确定振动加速度传感器对叶片裂纹的最佳测点。

2.根据权利要求1所述的离心式压缩机半开式叶轮裂纹故障识别方法，其特征在于，所述数据采集具有多输入通道。

3.根据权利要求1所述的离心式压缩机半开式叶轮裂纹故障识别方法，其特征在于，所述数据采集设备集成在振动信号数据采集平台上。

4.根据权利要求3所述的离心式压缩机半开式叶轮裂纹故障识别方法，其特征在于，所述振动信号数据采集平台实时采集离心式压缩机的振动加速度信号，并通过程序显示。

5.根据权利要求1所述的离心式压缩机半开式叶轮裂纹故障识别方法，其特征在于，所述裂纹判定标准为：

1)在正常运行工况下，采集最佳测点位置的振动加速度信号，进行小波分析，获取反映压缩机叶片裂纹的特征参数；

2)将运行工况下得到的特征参数与1)中得到的无裂纹特征参数数据进行对比，当转频与叶频的幅值比大于0.5时，则可判定为离心式压缩机半开式叶轮存在裂纹故障。