CN107066662A - 基于在线数据的水轮发电机组质量不平衡故障的诊断方法 - Google Patents
基于在线数据的水轮发电机组质量不平衡故障的诊断方法 Download PDFInfo
- Publication number
- CN107066662A CN107066662A CN201611245771.2A CN201611245771A CN107066662A CN 107066662 A CN107066662 A CN 107066662A CN 201611245771 A CN201611245771 A CN 201611245771A CN 107066662 A CN107066662 A CN 107066662A
- Authority
- CN
- China
- Prior art keywords
- vibration
- mrow
- speed
- rotating speed
- upper frame
- 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.)
- Pending
Links
- 238000002405 diagnostic procedure Methods 0.000 title abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims abstract description 30
- 230000005284 excitation Effects 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 230000013011 mating Effects 0.000 claims description 3
- 241000239290 Araneae Species 0.000 abstract 3
- 238000003745 diagnosis Methods 0.000 description 31
- 238000004458 analytical method Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Control Of Turbines (AREA)
Abstract
本发明提出的基于在线数据的水轮发电机组质量不平衡故障的诊断方法，步骤包括：选择最近一次开机过程或停机过程在线记录数据；得出高速转速下上机架振动、上导摆动的1X分量；得出低速转速下上机架振动、上导摆动的1X分量；得出中速转速下上机架振动、上导摆动的1X分量；得出1X幅值与转速的相关幂次；计算最大相位变化量；将所得出的1X幅值与转速的相关幂次和的最大相位变化量分别与预设值进行对比，根据比较情况判断出水轮发电机组是否发生质量不平衡故障。本发明易于操作。使用人员无需进行设置、选择数据等复杂操作，采用“一键完成”式的软件操作。
Description
技术领域
本发明涉及基于在线数据的水轮发电机组质量不平衡故障的诊断方法。
背景技术
水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标，其社会效益巨大。随着电站规模和监测辅助系统的不断扩大，机组的控制和监测数据信息量越来越大，运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难，因此，研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况，同一异常现象可能有不同的产生原因，并且出现的故障具有随机性，其中许多事电站工作人员无法预先、直接检测到的，一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位，因而有一定的主观性和局限性。因此，为保障水电机组的正常安全运行，对其运行状态进行检测，及时发现故障征兆，做到“预测性检修”防患于未然是工程界梦寐以求的理想，也是大型电站机组检修的发展方向。水轮发电机组故障诊断是近几年兴起的一门识别机组运行状态的科学，是一个复杂的综合系统，涉及的专业范围广。及时准确地诊断出水电机组的状态和故障，对提高水电机组工作稳定性、安全可靠性具有重大意义。传统水轮发电机组的故障诊断主要有以下4种方法
1、基于信号处理的诊断方法
基于信号处理的诊断方法是各种诊断方法的基础和前提，作为一种传统的故障诊断方法，根据系统可测信号的特征值，如幅值、相位、频率、方差等，以及信号之间的相关性，与故障源之间存在的某种关系，通过信号处理和特征提取，找出其与故障源之间的映射关系来进行运行设备的故障诊断。目前常用的信号处理方法包括时域分析法、频域分析法、时频域分析法等。
2、基于解析模型的诊断方法
基于解析模型的诊断方法是以控制理论为基础的诊断方法。把设备看成一个具有一定输入、输出关系的动态系统，根据系统的输入，输出关系建立数学表达或解析表达模型，利用观测器、滤波器、等价空间方程、参数模型估计与辨识等方法产生残差，根据模型的残差来判断发生故障的可能性。水电机组是一个复杂的非线性时变系统，建立比较准备的数学模型往往很难得到，这也限制了基于解析模型的诊断方法在水电机组故障诊断的应用。目前常用的解析模型方法包括参数估计方法、状态估计方法、等价空间方法等。
3、基于经验知识的诊断方法
涉及研究领域的知识表达、处理和应用的方法，统称为基于知识的诊断方法，如故障征兆树方法、专家系统方法等，他们的特点是将专业知识通过语义和框架的方式进行表达，故障的诊断则采用推理和推理过程进行，如产生式规则推理、逻辑推理、模糊知识推理等。目前常用的经验知识的诊断方法包括符号有向图分析方法、故障树分析方法、专家系统诊断法等。
4、基于数据驱动的诊断方法
基于数据驱动的故障诊断方法就是利用设备长期积累的在线或离线的状态数据，而不需要精确的数学解析模型，应用统计分析模式进行识别，神经网络技术或支持向量机模型分类等方法，通过数据学习和建模，将设备状态进行识别和分类，最终得到系统可能存在的故障。目前常用的数据驱动方法包括神经网络诊断方法、支持向量机诊断方法、统计分析诊断方法、模糊诊断方法等。
水轮发电机组质量不平衡故障是一种常见故障，会引起水轮发电机组的振动或摆度，是一种不可避免的、非常有害的现象，它不但产生噪音，使机组各连接部件松动，使各转动部件与静止部件之间产生摩擦甚至损坏，还加速结构部件的疲劳破坏，降低机组的服役期限，严重影响机组的正常安全与稳定运行。
传统水轮发电机组质量不平衡故障诊断技术的缺陷：
国内在故障诊断技术方面的研究起步较晚，二十世纪70年代末开始研究和尝试应用诊断技术，二十世纪90年代开始进行智能化故障诊断的研究工作，研究方法集中在模糊逻辑法、故障树分析法、专家系统技术、人工神经网络技术等，其中专家系统技术和神经网络技术是应用的热点。许多监测诊断系统也开始投入使用，但大都集中在汽轮机以及其他旋转机械设备的监测与故障诊断，针对水电机组的应用很少。这主要由于水电机组转速低，对机组的安全运行没有给予足够的重视，使得水电机组在线监测和故障诊断技术的研究落后于其他(大型)旋转机械。
传统水轮发电机组质量不平衡故障诊断中，主要采用3种方法。
第一种是3次试重法，是比较常用的方法。3次试重法首先在机组空转运行时测量原始振动值，然后再发电机转子上3个半径相同且互成120°的点上一次固定试重块，每次固定好试重块后启动机组到额定转速，在机组导轴承所在的机架上分别测出对应的径向振动值，根据这4个振动值求出配重大小及方位。
第二种是时频分析法，采用时域分析和频域分析相结合的方法来确定不平衡力的方向和大小。根据时域波形图确定不平衡力的相位，由频谱图中的转频分量来确定不平衡力的大小。
第三种是影响系数法，是目前转子系统常用的平衡方法，广泛应用在汽轮机、风机以及其他各类转子系统中，可以在多个校正面及平衡转速下对转子系统进行动平衡校正。通过测得校正面振动值，解方程组得到平衡块的大小和方位。
上述的三种方法，都存在一定的缺陷。其中，3次试重法最早，不需测量振动的相位，计算公式简单，但是实际中难以准确地将转子圆周划分为120°的等分角度，且划分好的区域未必适合安装配重块；振动数据需人观察误差较大，导致试验费时费工；时域分析法在高转速机组中，由于无法忽略转子振动的机械滞后角，故不能直接根据振动波形的最高点确定方位，必须经过一次试重才能确定方位；影响系数法，校正面个数和振动测点数相同有唯一确定解，如配重面个数少于振动测点数，将无确定解。并且影响系数法需要选择能使振动测点幅值有较大变化的部位进行试重。大中型机组角度难以精确测量，如果位置不佳将导致计算误差大，配重效果差。
发明内容
针对上述技术问题，本发明提供了基于在线数据的水轮发电机组质量不平衡故障的诊断方法，步骤包括：
1)选择最近一次开机过程或停机过程在线记录数据；
2)选择90～95％的额定转速，无励磁条件下原始时域波形记录，通过计算得出高速转速下上机架振动、上导摆动的1X分量；
3)选择35～45％的额定转速，无励磁条件下原始时域波形记录，通过计算得出低速转速下上机架振动、上导摆动的1X分量；
4)选择65～75％的额定转速，无励磁条件下原始时域波形记录，通过计算得出中速转速下上机架振动、上导摆动的1X分量；
5)根据步骤2～4计算出的所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量计算得出1X幅值与转速的相关幂次；
6)在转速30～95％的额定转速范围内，逐点计算上机架振动、上导摆动的空间相位，并计算最大相位变化量；
7)将步骤1所得出高速转速下上机架振动、上导摆动的1X分量，步骤5所得出的1X幅值与转速的相关幂次和步骤6所得出的最大相位变化量分别与预设值进行对比，根据比较情况判断出水轮发电机组是否发生质量不平衡故障。
优选方案是：通过FFT计算所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量。
优选方案是：步骤7的判断方法如下：
其中，
1)Al_1X为最小的能容忍的摆度、机架振动的1X幅值下限，通常选择0.3倍到0.6倍相关国标运行振动幅值，A1X为所述高速转速下上机架振动、上导摆动的1X分量；
2)Ol_1X、Oh_1X为能认可的幅值与转速的相关幂次，通常Ol_1X≥1.6，Oh_1X≤2.4，O1X为步骤5计算出的所述1X幅值与转速的相关幂次；
3)ΔΦl_1X为能认可的过程中最大相位变化，通常选则，ΔΦl_1X≤40°，ΔΦ1X为步骤6计算出的最大相位变化量；当同时满足上述3个条件时，判断水轮发电机组存在质量不平衡故障。
优选方案是：如果被确认为质量不平衡故障，那么最终的超重角方位为Φ1X,而配种角则应该是Φ1X+180°。
本发明的有益效果如下：
(1)易于操作。使用人员无需进行设置、选择数据等复杂操作，采用“一键完成”式的软件操作。
(2)数据选择、计算、判定过程自动化。所有筛选数据和根据故障或缺陷模型计算的过程、分析推理、判定的过程由计算机完成，无需操作人员中间交互操作。
(3)报告中提供明确的分析诊断结论和可能的检修建议。
(4)以报告的形式输出到用户界面，而且报告可以自动转换为WORD等格式。
附图说明
图1为水轮发电机组质量不平衡故障特征曲线图；
图2为本发明实施例的流程图；
图3为本发明自动分析诊断报告的流程图。
具体实施方式
下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。
1、质量不平衡的故障机理
一个刚性单盘子结构的转子系统，旋转机械的不平衡力是指其转动部分的机械不平衡力，是由旋转机械转动部分质量分布不对称造成的不对称离心力，它遵守下列离心力关系：
Fl＝mω2e
式中Fl为离心力，m为不平衡质量，ω为旋转角速度，e为不平衡质量的偏心距。上式告诉我们，单纯由质量分布不对称引起的机械不平衡力和转速频率的平方成比例，和不平衡质量及不平衡质量的位置半径成线性关系。
对于水轮发电机组而言，质量不平衡是一个发电机经常会遇见的问题，也是最容易判定的故障。对于转速较低的水轮发电机组而言，轴系是一个刚性轴系，可以将转子轴系系统近似看作一个单盘子结构的刚性转子系统，因此转子质量不平衡可以用上式近似描述。由质量不平衡引起的摆度、振动变化与转速的平方接近正比关系，而其变化成分的频率必定是转速频率(1X)。一般来说，对于水轮发电机组而言，转子质量不平衡故障主要通过在靠近转子的机组摆度测点(比如上导摆度)和机架振动的1X分量(上机架振动、下机架振动)的特征辨识，其特征规律如下：在机组开机升速过程、停机降速过程或变转速试验中，摆度和机架振动的1X分量随转速上升而变大，且1X分量与转速接近平方关系。在上述过程中，摆度、机架振动的1X分量相位不应该发生突变。图1是一个典型的机组质量不平衡故障特征曲线：机架振动的1X分量幅值与机组转速接近平方关系。
2、质量不平衡的故障特征及参数辨识算法
在实际的在线监测系统中，系统会选择机组正常的自动开机、自动停机过程数据、以及变转速试验过程数据进行故障辨识，在采用机组正常自动开机、自动停机过程数据时通常选择30％-95％转速下的数据，在此转速下，发电机励磁未投入，并且导轴承油膜已形成，正常条件下不存在卡顿或者摩擦问题，是判定质量不平衡故障的最好条件。
本发明提供了基于在线数据的水轮发电机组质量不平衡故障的诊断方法，步骤包括：
1)选择最近一次开机过程或停机过程在线记录数据；
2)选择90～95％的额定转速，无励磁条件下原始时域波形记录，通过计算得出高速转速下上机架振动、上导摆动的1X分量；
3)选择35～45％的额定转速，无励磁条件下原始时域波形记录，通过计算得出低速转速下上机架振动、上导摆动的1X分量；
4)选择65～75％的额定转速，无励磁条件下原始时域波形记录，通过计算得出中速转速下上机架振动、上导摆动的1X分量；
5)根据步骤2～4计算出的所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量计算得出1X幅值与转速的相关幂次；
6)在转速30～95％的额定转速范围内，逐点计算上机架振动、上导摆动的空间相位，并计算最大相位变化量；
7)将步骤1所得出高速转速下上机架振动、上导摆动的1X分量，步骤5所得出的1X幅值与转速的相关幂次和步骤6所得出的最大相位变化量分别与预设值进行对比，根据比较情况判断出水轮发电机组是否发生质量不平衡故障。
优选方案是：通过FFT计算所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量。
优选方案是：步骤7的判断方法如下：
其中，
1)Al_1X为最小的能容忍的摆度、机架振动的1X幅值下限，通常选择0.3倍到0.6倍相关国标运行振动幅值，A1X为所述高速转速下上机架振动、上导摆动的1X分量；
2)Ol_1X、Oh_1X为能认可的幅值与转速的相关幂次，通常Ol_1X≥1.6，Oh_1X≤2.4，O1X为步骤5计算出的所述1X幅值与转速的相关幂次；
3)ΔΦh_1X为能认可的过程中最大相位变化，通常选则ΔΦh_1X≤40°，ΔΦ1X为步骤6计算出的最大相位变化量；
当同时满足上述3个条件时，判断水轮发电机组存在质量不平衡故障。
优选方案是：如果被确认为质量不平衡故障，那么最终的超重角方位为Φ1X,而配种角则应该是Φ1X+180°。
实施例
本发明提供了基于在线数据的水轮发电机组质量不平衡故障的诊断方法，步骤包括：
1)选择最近一次开机过程或停机过程在线记录数据；
2)选择95％的额定转速，无励磁条件下原始时域波形记录，通过FFT计算计算得出高速转速下上机架振动、上导摆动的1X分量A1X；
3)选择40％的额定转速，无励磁条件下原始时域波形记录，通过FFT计算得出低速转速下上机架振动、上导摆动的1X分量A1X_40；
4)选择70％的额定转速，无励磁条件下原始时域波形记录，通过FFT计算得出中速转速下上机架振动、上导摆动的1X分量A1X_70；
5)根据步骤2～4计算出的所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量计算得出1X幅值与转速的相关幂次O1X；
6)在转速30～95％的额定转速范围内，逐点计算上机架振动、上导摆动的空间相位Φ1X，并计算最大相位变化量ΔΦ1X；
7)将步骤1所得出高速转速下上机架振动、上导摆动的1X分量A1X，步骤5所得出的1X幅值与转速的相关幂次O1X和步骤6所得出的最大相位变化量ΔΦ1X分别与预设值进行对比，根据比较情况判断出水轮发电机组是否发生质量不平衡故障。
步骤7的判断方法如下：
其中，
1)Al_1X为最小的能容忍的摆度、机架振动的1X幅值下限，通常选择0.3倍到0.6倍相关国标运行振动幅值，A1X为所述高速转速下上机架振动、上导摆动的1X分量；
2)Ol_1X、Oh_1X为能认可的幅值与转速的相关幂次，通常Ol_1X≥1.6，Oh_1X≤2.4，O1X为步骤5计算出的所述1X幅值与转速的相关幂次；
3)ΔΦh_1X为能认可的过程中最大相位变化，通常选则ΔΦh_1X≤40°，ΔΦ1X为步骤6计算出的最大相位变化量；当同时满足上述3个条件时，判断水轮发电机组存在质量不平衡故障。
3)自动分析诊断报告
A、自动分析诊断功能是系统根据故障机理，自动选取合适的数据，进行自动分析和统计判断，并给出分析评价诊断结果。整个分析过程系统能够自动完成而无需人工操作。
报告的生成流程基本流程如图3所示，除选择启动报告需要人为选定之外,其他环节全部由系统的综合分析诊断软件自动完成。
B、自动分析诊断技术路线
机组在停机过程中，导叶完全关闭，励磁开关断开且转速还没有明显下降时的机架振动和摆度，可认为主要由质量不平衡和静态弯曲综合引起，静态弯曲的大小在整个停机过程中是恒定的，而质量不平衡时随着转速的升高而加大的，可以通过矢量合成的方法，确定不平衡质量对机组摆度、机架振动影响的数值大小和超重角方位。系统自动调用采集和存储的完整停机过程的高密度数据，并自动跟踪检索导叶完全关闭、励磁开关断开后的数据，通过矢量方式计算机架振动、摆度的变化值，并计算超重角和失重角，最终给出质量不平衡对机架振动、摆度的影响大小及方位。通过对质量不平衡对机架振动的影响大小评定是否存在质量不平衡。
C、最终分析诊断结论形式及内容
以自动分析诊断报告的形式输出。
报告的内容包括：
1)停机过程的机架振动、摆度、转速、励磁开关、励磁电流、导叶开度过程曲线；
2)计算得到的质量不平衡对各机架振动、摆度的影响大小；
3)配重角(失重角)；
4)与转速的相关幂次。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出。
Claims (4)
1.基于在线数据的水轮发电机组质量不平衡故障的诊断方法，其特征在于，步骤包括：
1)选择最近一次开机过程或停机过程在线记录数据；
2)选择90～95％的额定转速，无励磁条件下原始时域波形记录，通过计算得出高速转速下上机架振动、上导摆动的1X分量；
3)选择35～45％的额定转速，无励磁条件下原始时域波形记录，通过计算得出低速转速下上机架振动、上导摆动的1X分量；
4)选择65～75％的额定转速，无励磁条件下原始时域波形记录，通过计算得出中速转速下上机架振动、上导摆动的1X分量；
5)根据步骤2～4计算出的所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量计算得出1X幅值与转速的相关幂次；
6)在转速30～95％的额定转速范围内，逐点计算上机架振动、上导摆动的空间相位，并计算最大相位变化量；
7)将步骤1所得出高速转速下上机架振动、上导摆动的1X分量，步骤5所得出的1X幅值与转速的相关幂次和步骤6所得出的最大相位变化量分别与预设值进行对比，根据比较情况判断出水轮发电机组是否发生质量不平衡故障。
2.根据权利要求1所述的基于在线数据的水轮发电机组质量不平衡故障的诊断方法，其特征在于，通过FFT计算所述高速转速下上机架振动、上导摆动的1X分量，所述低速转速下上机架振动、上导摆动的1X分量和所述中速转速下上机架振动、上导摆动的1X分量。
3.根据权利要求1所述的基于在线数据的水轮发电机组质量不平衡故障的诊断方法，其特征在于，步骤7的判断方法如下：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>A</mi>
<mrow>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>A</mi>
<mrow>
<mi>l</mi>
<mo>_</mo>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>O</mi>
<mrow>
<mi>l</mi>
<mo>_</mo>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>O</mi>
<mrow>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>O</mi>
<mrow>
<mi>h</mi>
<mo>_</mo>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;&Phi;</mi>
<mrow>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>&Delta;&Phi;</mi>
<mrow>
<mi>l</mi>
<mo>_</mo>
<mn>1</mn>
<mi>X</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，
1)Al_1X为最小的能容忍的摆度、机架振动的1X幅值下限，通常选择0.3倍到0.6倍相关国标运行振动幅值，A1X为所述高速转速下上机架振动、上导摆动的1X分量；
2)Ol_1X、Oh_1X为能认可的幅值与转速的相关幂次，通常Ol_1X≥1.6，Oh_1X≤2.4，O1X为步骤5计算出的所述1X幅值与转速的相关幂次；
3)ΔΦl_1X为能认可的过程中最大相位变化，通常选则，ΔΦl_1X≤40°，ΔΦ1X为步骤6计算出的最大相位变化量；当同时满足上述3个条件时，判断水轮发电机组存在质量不平衡故障。
4.根据权利要求3所述的基于在线数据的水轮发电机组质量不平衡故障的诊断方法，其特征在于，如果被确认为质量不平衡故障，那么最终的超重角方位为Φ1X,而配种角则应该是Φ1X+180°。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611245771.2A CN107066662A (zh) | 2016-12-29 | 2016-12-29 | 基于在线数据的水轮发电机组质量不平衡故障的诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611245771.2A CN107066662A (zh) | 2016-12-29 | 2016-12-29 | 基于在线数据的水轮发电机组质量不平衡故障的诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107066662A true CN107066662A (zh) | 2017-08-18 |
Family
ID=59623945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611245771.2A Pending CN107066662A (zh) | 2016-12-29 | 2016-12-29 | 基于在线数据的水轮发电机组质量不平衡故障的诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107066662A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111628570A (zh) * | 2020-04-20 | 2020-09-04 | 国电大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
| CN113295412A (zh) * | 2021-05-26 | 2021-08-24 | 华能澜沧江水电股份有限公司 | 一种检测立式水轮发电机组导轴承受力不平衡原因的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101561312A (zh) * | 2008-06-24 | 2009-10-21 | 郑州大学 | 一种转子瞬态信号分析方法 |
| CN101738293A (zh) * | 2009-12-18 | 2010-06-16 | 华北电力大学 | 汽轮发电机组转子原始质量不平衡故障实时诊断方法 |
| CN105134456A (zh) * | 2015-07-29 | 2015-12-09 | 贵州电力试验研究院 | 基于在线监测的水轮机故障预诊断方法 |
| CN105675213A (zh) * | 2016-01-05 | 2016-06-15 | 国网甘肃省电力公司电力科学研究院 | 一种水轮发电机转子动平衡试验配重方法 |
-
2016
- 2016-12-29 CN CN201611245771.2A patent/CN107066662A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101561312A (zh) * | 2008-06-24 | 2009-10-21 | 郑州大学 | 一种转子瞬态信号分析方法 |
| CN101738293A (zh) * | 2009-12-18 | 2010-06-16 | 华北电力大学 | 汽轮发电机组转子原始质量不平衡故障实时诊断方法 |
| CN105134456A (zh) * | 2015-07-29 | 2015-12-09 | 贵州电力试验研究院 | 基于在线监测的水轮机故障预诊断方法 |
| CN105675213A (zh) * | 2016-01-05 | 2016-06-15 | 国网甘肃省电力公司电力科学研究院 | 一种水轮发电机转子动平衡试验配重方法 |
Non-Patent Citations (3)
| Title |
|---|
| Z SONG等: "Nonlinear vibration analysis of an eccentric rotor with Nonlinear vibration analysis of an eccentric rotor with unbalance magnetic pull", 《25TH IAHR SYMPOSIUM ON HYDRAULIC MACHINERY AND SYSTEMS》 * |
| 卢双龙等: "某小型水轮发电机组振动问题分析及处理", 《人民长江》 * |
| 李炤: "水轮发电机组平衡分析与实践", 《水电站机电技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111628570A (zh) * | 2020-04-20 | 2020-09-04 | 国电大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
| CN113295412A (zh) * | 2021-05-26 | 2021-08-24 | 华能澜沧江水电股份有限公司 | 一种检测立式水轮发电机组导轴承受力不平衡原因的方法 |
| CN113295412B (zh) * | 2021-05-26 | 2022-10-11 | 华能澜沧江水电股份有限公司 | 一种检测立式水轮发电机组导轴承受力不平衡原因的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102262215B (zh) | 一种大型发电机定转子气隙偏心故障检测方法 | |
| CN102288283B (zh) | 汽轮发电机组振动故障的监测方法及装置 | |
| Monkova et al. | Condition monitoring of Kaplan turbine bearings using vibro-diagnostics | |
| CN105866250B (zh) | 基于振动的通风机叶片裂纹识别方法 | |
| CN106762343B (zh) | 基于在线数据的水轮发电机组推力轴承故障的诊断方法 | |
| CN105067262A (zh) | 一种滚动轴承状态监测方法 | |
| CN110905732B (zh) | 风电机组风轮不平衡的辨识方法、系统及储存介质 | |
| CN109488630A (zh) | 基于谐波相对指标的离心风机转子不对中故障诊断方法 | |
| CN108981796B (zh) | 一种五位一体水力机械故障诊断方法 | |
| CN106596110B (zh) | 基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法 | |
| CN106525337A (zh) | 基于在线数据的水轮发电机组磁拉力不平衡故障分析方法 | |
| Corne et al. | Comparing MCSA with vibration analysis in order to detect bearing faults—A case study | |
| CN111474477B (zh) | 电机故障诊断中部分时域参数和频域参数获取方法 | |
| CN112329357B (zh) | 一种清水离心泵振动故障的简易诊断方法及诊断系统 | |
| CN106441843B (zh) | 一种旋转机械故障波形识别方法 | |
| CN111413404A (zh) | 基于叶尖定时和支持向量机原理的叶片裂纹在线测量方法 | |
| CN108871543A (zh) | 恒速下叶片异步振动频率非调和傅里叶分析方法 | |
| CN109115408B (zh) | 一种基于离心力方程的大型水电机组动平衡试验方法 | |
| CN107066662A (zh) | 基于在线数据的水轮发电机组质量不平衡故障的诊断方法 | |
| Vojtko et al. | Examining the effect of alignment of the rotor of the emissions exhaust fan on its operating parameters | |
| CN108871827B (zh) | 一种基于交叉统计分析的快速诊断旋转机械共振的方法 | |
| Romahadi et al. | Detecting classifier-coal mill damage using a signal vibration analysis | |
| CN114018480A (zh) | 一种大型旋转机械的转子不平衡故障的实时诊断方法 | |
| CN110441063B (zh) | 一种监测诊断大型高速转子轴裂纹的方法 | |
| CN112945535B (zh) | 一种基于数值模拟的旋转机械故障检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |
|
| RJ01 | Rejection of invention patent application after publication |