CN108871827B - 一种基于交叉统计分析的快速诊断旋转机械共振的方法 - Google Patents

Abstract

本发明公开了一种基于交叉统计分析的快速诊断旋转机械共振的方法，针对大型旋转机械设备振动故障，首先通过测振探头测得的大型旋转机械的典型图谱，初步判断振动故障的类型是属于工频振动故障，并无典型工频故障的图谱表现；导出至少两组完整的启停机数据，多次试车期间未做任何装配调整或现场动平衡等工作；对每组数据的单元数据组进行批量处理，在每组数据内部和每组数据之间进行交叉统计分析，可实现对旋转机械共振故障的快速识别。利用本发明方法可以快速、准确、有效地对旋转机械共振的工频故障进行准确识别。

Description

一种基于交叉统计分析的快速诊断旋转机械共振的方法

技术领域

本发明属于大型旋转机械故障诊断技术领域，具体涉及一种基于大型旋转机械的多振动趋势数据分析的快速诊断共振的方法。

背景技术

大型旋转机械设备是石油炼化、化工、发电等现代企业的核心设备，而工频故障(又称转频故障)作为一种大型旋转机械设备的常见振动故障。大型旋转机械系统是一个较强的非线性复杂系统，引发故障的因素很多，故障的表现也形式多样，故障原因和表现征兆之间也不存在一一对应的明确关系，各故障之间还存在着复杂的偶合关系，使得该问题的诊断具有较大的难度，深刻影响着企业的安全和生产效益。

目前，大型旋转机械设备工频故障诊断技术的研究大多仍停留在单纯的仿真和实验室验证阶段，研究成果只给出了具有典型图谱特征的工频振动故障原因，而对于具有非典型工频振动故障诱因，由于频谱结构中唯一或主导优势的振动故障，其频谱结构通常非常相似甚至完全相同，无法给出准确的判别方法，造成在用户现场的旋转机械设备工频故障的诊断与处理中，通过最原始的排除法进行故障原因的排除。

共振故障的频谱显示就属于上述情况，故障诊断的技术难点主要表现在：与轴承紧力不足，转子零部件松动、转子裂纹等故障原因的频谱表现雷同，无法区分；一次启停机所采集到的数据，其分析结果与理论差别较大，无法明确；由于测振探头布置的数量不够，位置单一等的局限，更增加了共振故障的诊断难度。

发明内容

本发明的目的是根据旋转机械转子进入临界区后相位的不稳定性，提供一种基于交叉统计分析的快速诊断旋转机械共振的方法，可以快速、准确、有效地对旋转机械共振的工频故障进行准确识别。

为了实现上述任务，本发明采用以下技术方案：

一种基于交叉统计分析的快速诊断旋转机械共振的方法，包括以下步骤：

采集多组旋转机械启停机过程中的振动数据，判断故障类型并建立振动数据列表；

对所述振动数据列表中每一组振动数据进行以下数据处理：

确定振动故障区间的最低转速n_l，然后删除振动数据列表中小于n_l的转速所在行的振动数据；

计算升速区间和降速区间对应的升速列表和降速列表，根据升速列表、降速列表对所述振动数据列表中的振动数据进行筛选，并对稳转速区间中的振动数据进行筛选；

如振动数据列表中的振动数据同时满足条件1和条件2，则表明旋转机械的工频振动故障为共振：

条件1：对于每一组振动数据，在旋转机械的工作转速下，至少存在一个测点的工频幅值出现持续上涨，并且在旋转机械开始降速的过程中，所述的工频幅值仍然持续上涨，同时至少存在一个测点的相位发生超过30°的变化；

条件2：对于不同组的振动数据，在升速区间、稳转速区间内的同一个转速下，至少存在一个测点的相位出现了超过30°的变化。

进一步地，所述的采集多组旋转机械启停机过程中的振动数据，判断故障类型，包括：

在旋转机械上确定测振截面，在每个测振截面处布设测振探头，通过振动数据采集设备，采集旋转机的械振动数据；针对采集到的振动数据，通过波形频谱图、轴心轨迹图分析出所述旋转机械的振动故障属于工频振动故障，并且是非典型性振动故障。

进一步地，所述的确定振动故障区间的最低转速n_l，然后删除振动数据列表中小于n_l的转速所在行的振动数据，包括：

根据实际振动故障开始发生的转速，确定振动故障区间的最低转速，记为n_l；对所述振动数据列表中的每一组振动数据进行筛选，如果在一组振动数据中，某一行振动数据对应的转速值小于n_l，则将该行振动数据删除。

进一步地，所述的计算升速区间和降速区间对应的升速列表和降速列表，根据升速列表、降速列表对所述振动数据列表中的振动数据进行筛选，包括：

以振动数据列表中每一组振动数据作为子单元，对每一个子单元中的数据进行以下处理：

在升速区间内，以20rpm或20+10i rpm作为转速间隔设定值n′_u；同样地，在降速区间内，20rpm或20+10i rpm作为转速间隔设定值n′_d；i为自然数；

按照以下公式计算生成升速列表和降速列表：

上式中，n为旋转机械的工作转速，n_l为振动故障区间的最低转速；

利用升速列表和降速列表，与振动数据列表进行比对：

①在升速区间和降速区间内的振动数据中，如未出现相应的n_u或n_d，则选择与n_u或n_d最接近的一个转速，并将该转速变更为n_u或n_d，该转速对应的工频幅值和相位保持不变；

②如果有两个及两个以上的转速同等接近n_u或n_d，则选择在前面的一个转速，将该转速变更为n_u或n_d，该转速对应的工频幅值和相位保持不变；

对除了①、②之外的其余振动数据全部删除。

进一步地，所述的对稳转速区间中的振动数据进行筛选，包括：

在稳转速区间内，选择刚升到该稳转速的转速所在行的振动数据、准备升速或准备降速的转速所在行的振动数据、每一个测点工频幅值的最大值以及最小值所在行的振动数据、每一个测点相位最大值以及最小值所在行的振动数据，并除此之外其他的振动数据进行删除。

本发明与现有技术相比具有以下技术特点：

1.本发明提出的这种基于交叉统计分析的快速诊断旋转机械共振的方法，通过对多组旋转机械启停机的振动数据列表进行交叉统计分析，并结合旋转机械的结构特点，便可准确、快速的识别共振是引起振动的原因。

2.本发明可以提高旋转机械设备的该类振动故障诊断的效率，也可以对该方法进行延伸和实践应用，进一步提高基于大数据分析的旋转机械设备的状态监测、趋势预测、故障预警及故障诊断等的准确率和应用效果。

3.本发明充分地考虑了旋转机械的结构特点、装配要点，并从实践应用的角度出发，构建出此类振动故障诊断的数学诊断模型，诊断结果的准确性与及时性，大大缩短机组故障的排查时间，减少了故障处理次数，节约了企业的检修成本，避免因检修时间过长或检修不彻底，给客户造成的不可估量的经济损失。

附图说明

图1为本发明的流程图；

图2为测振探头在测振截面处的布设示意图，其中(a)为采用电涡流探头和键相探头作为测振探头时的布设示意图，(b)为采用速度探头和键相探头作为测振探头时的布设示意图；

图3为实施例中的发电机的振动趋势图；

图4的(a)和(b)分别为发电机的3#垂直测点和4#垂直测点的波形图；

图5的(a)和(b)分别为发电机排气侧的3#垂直测点和4#垂直测点的频谱图；

图6为实施例中导出的包含三组振动数据的振动数据列表；

图7为实施例中振动数据列表经过处理后的示意图。

具体实施方式

本发明提供了一种基于交叉统计分析的快速诊断旋转机械共振的方法，具体步骤如下：

步骤1，采集旋转机械的振动数据并进行故障类型判别

对于旋转机械的振动故障，首先进行数据采集，具体步骤包括：

步骤1.1，在旋转机械上确定测振截面，在每个测振截面处布设测振探头，通过振动数据采集设备，例如远程在线监测系统或便携式振动数据采集分析仪采集旋转机的械振动数据。本方案中提及的旋转机械指包含转子的、依靠旋转动作完成特定功能的机械，例如电动机、汽轮机、风机、发电机、发动机等。

本实施例的图2示例中给出了两种测振探头的布设方法，其中：

图2的(a)中展示出的是在旋转机械的一个测振截面处布设的测振探头，每个测振截面布设两个电涡流探头；在该示例中两个测点X、Y处均采用电涡流探头，相对于旋转机械的轴心互成90°，位于X、Y中间的K处为键相探头。一般情况下，测振截面有两个，每个测振截面设置两个测点，分别布设一个电涡流探头，两个测振截面只需要一个键相探头。所述的测振截面为旋转机械的两个支撑位置所在的截面。

同样地，图2的(b)展示出了另外一种测振探头的布设方式，在该测振截面中布设的测振探头采用两个或一个速度探头，采用两个速度探头时，两个测点X、Y处各一个速度探头，二者布设位置互成90°；K处为键相探头，其布设方向与Y相同。

步骤1.2，针对采集到的振动数据，利用振动数据采集设备对振动数据生成波形频谱图或轴心轨迹图，通过波形频谱图、轴心轨迹图等分析出所述旋转机械的振动故障属于工频振动故障，并且是非典型性振动故障。

步骤2，振动数据的导出与整理

从所述的振动数据采集设备中以列表的形式导出采集到的振动数据，要求振动数据列表中每一行振动数据包含的参数有：时间、转速、每个测振探头采集的工频幅值及相位；

并且所述的振动数据至少包含两组，每一组振动数据即为所述旋转机械一次启停机之间采集到的振动数据；在振动数据采集期间要求旋转机械未做任何装配调整或现场动平衡等工作；所述的旋转机械在启停机过程中至少要达到工作转速。

所述的振动数据列表由振动数据采集设备自动生成，每一个振动数据列表包含多行振动数据，每一行振动数据即为测振探头一次采样获取到的数据。以两组振动数据为例，振动数据列表的格式如下：

表1振动数据列表

上表中的第一组振动数据、第二组振动数据分别为旋转机械第一次启停机、第二次启停机过程采集的数据；在该表给出的示例中，位于旋转机械上共有两个测点1、2，各设置一个测振探头，以第一组振动数据为例，幅值1、相位1分别为1号测点采集到的工频幅值和相位，幅值2、相位2分别为2号测点采集到的工频幅值和相位。在每一组振动数据中，每一行的振动数据包含时间、转速每个测点的工频幅值和相位。

步骤3，振动数据列表的数据处理

针对振动数据列表中的每一组振动数据，去掉各组振动数据的时间参数所在列，然后进行以下数据处理：

步骤3.1，根据实际振动故障开始发生的转速，确定振动故障区间的最低转速，记为n_l；最高转速为旋转机械的工作转速，记为n；对所述振动数据列表中的每一组振动数据进行筛选，如果在一组振动数据中，某一行振动数据对应的转速值小于n_l，则将该行振动数据删除，从而保留大于和等于n_l的数据。

所述的故障开始发生的转速的判断方法为，当旋转机械在稳转速下工频幅值开始快速增大，则认为快速增大时对应的转速为故障开始发生时的转速；故障区间的终点则为工作转速。

步骤3.2，以振动数据列表中每一组振动数据作为子单元，对每一个子单元中的数据进行以下处理：

步骤3.2.1，在升速区间内，以20rpm或20+10i rpm(i为自然数)作为转速间隔设定值n′_u；同样地，在降速区间内，20rpm或20+10i rpm(i为自然数)作为转速间隔设定值n′_d；

步骤3.2.2，按照以下公式计算生成升速列表和降速列表：

上式中，n_u为升速区间的计算值，当f取自然数时，通过上述公式计算出来一系列的n_u值，从而构成升速列表；同样地，n_d为降速区间的计算值，当f取自然数时，通过上述公式计算出来一系列的n_d值，从而构成降速列表；

步骤3.2.3，利用升速列表和降速列表，与振动数据列表进行比对：

①在升速区间和降速区间内的振动数据中，如未出现相应的n_u或n_d，则选择与n_u或n_d最接近的一个转速，并将该转速变更为n_u或n_d，该转速对应的工频幅值和相位保持不变；

②如果有两个及两个以上的转速同等接近n_u或n_d，则选择在前面的一个转速(时间在前)，将该转速变更为n_u或n_d，该转速对应的工频幅值和相位保持不变。

将除了①、②之外的其余振动数据全部删除。

以第一组振动数据为例进行说明：

以升速区间为例，记故障区间最低转速为1800rpm，转速间隔设定值n′_u为20rpm，则f取值为0,1,2…时利用上述公式计算出来的升速列表为(单位rpm)：

1800,1820,1840,1860,1880,1900,1920…

在第一组振动数据的升速区间中进行比较，如果存在1800rpm转速，则该行振动数据保留；如果不存在1820rpm转速，则寻找与1820rpm转速最接近的一个转速，例如升速区间中与1820rpm最接近的一个转速为1822rpm，则将该转速1822rpm变更为1820rpm，原1822rpm转速对应的两个测点的工频幅值、相位均保持不变。

而如果对于1840rpm，升速区间中与之最接近的转速为1842rpm有两个或三个，则选择在上(即采样时间靠前)的第一个转速，将该转速变更为1840rpm，其余的两个转速及所在行数据删除。

降速区间的数据处理过程与升速区间相同，在此不赘述。经过数据处理后，将不满足上述条件的转速及该转速所在行的振动数据均删除，这样在每一组振动数据中的升速、降速区间仅保留了固定间隔的转速，如图6所示。

步骤3.2.4，在稳转速区间内，选择刚升到该稳转速的转速所在行的振动数据、准备升速或准备降速的转速所在行的振动数据、每一个测点工频幅值的最大值以及最小值所在行的振动数据、每一个测点相位最大值以及最小值所在行的振动数据，并对除了这些振动数据之外的其他振动数据进行删除。

在该步骤的筛选中，依次以每个测点进行工频幅值最大值最小值，以及相位最大值与最小值的筛选。例如先筛选1号测点对应的振动数据，则从1号测点对应的振动数据中，筛选出该测点对应的工频幅值最大值、最小值所在行振动数据，以及相位最大值、最小值所在行振动数据，该行其他的振动数据保持不变。同理对2号测点对应的振动数据进行筛选。

所述的稳转速区间包含工作转速区间，即稳转速区间可以有多个。所述的刚升到该稳转速的转速，是指稳转速区间的第一个转速；准备升速或准备降速的转速，即为稳转速区间的最后一个转速。

对每一组振动数据均按照步骤3的过程进行处理，并对处理过程进行整理，使每一组振动数据之间以转速相互对齐。

步骤4，根据数据处理结果进行共振分析

根据步骤3的处理结果，对振动数据列表进行分析：

条件1：对于每一组振动数据，在旋转机械的工作转速n下，至少存在一个测点的工频幅值出现持续上涨，并且在旋转机械开始降速的过程中，所述的工频幅值仍然持续上涨，同时至少存在一个测点的相位发生超过30°的变化；

该条件是针对于每一组振动数据内部的，即只要有任意一组振动数据中的测点出现了满足上述要求，即认为满足条件1。

条件2：对于不同组的振动数据，在升速区间、稳转速区间内的同一个转速下，至少存在一个测点的相位出现了超过30°的变化。

该条件是针对不同组振动数据的，例如表1的示例中，有两组振动数据，则分别比较同一个转速下，同一个测点在不同组振动数据中相位的变化(差值)，如至少一个测点满足相位超过30°的变化，则认为满足条件2。

如果振动数据列表中的数据同时满足条件1和条件2，则表明旋转机械的工频振动故障为共振。

以下是发明人给出的实施案例：

本发明方法通过在工业现场的实践应用，取得了非常明显的效果。在此，以发明人在某公司的汽轮机拖动发电机机组试车过程中的应用为案例，展示了该发明的应用过程，本实例中所述的旋转机械为发电机。

汽轮机拖动发电机机组为直连(无变速箱)，工作转速为3000rpm，共计布置3个速度探头，分别为汽轮机进气侧轴承箱、发电机联轴端轴承箱、发电机自由端轴承箱的垂直方向。6月2日试车过程中(见图3)，连续试车三次，试车间未做检查和调整，每次升至3000rpm时，发电机自由端的振动幅值不断爬升，无法稳住，并且在停机惰走一段时间内，发电机自由端的振动幅值仍出现不断爬升的迹象。

在发电机两端各布置一个速度探头和一个键相探头，使用便携式振动采集仪器测量发电机的三次试车数据，其中报警值为4.0mm/s，停机值为4.5mm/s。对发电机的三次试车过程分别进行频谱分析，发现振动的能量主要集中在工频，工作转速下振动值无法稳住，并且相位角度发生了明显变化，但仍无法从共振、轴承松动、转子零部件松动、转子裂纹等的故障原因中准确判断。

利用该发明的方法进行故障诊断，具体步骤如下：

步骤1，根据频谱分析(见图4和图5)，该发电机的振动能量主要集中在工频，2倍频能量次之，其它频率成分非常小，检查机组找正，未发现问题，属于无典型工频故障的图谱表现；

步骤2，导出三次试车的振动数据列表(时间、转速、发电机两端2个测点的工频幅值与相位)，去掉时间列表，并且将其区分为3组(见图6)；

步骤3，根据振动趋势图判断故障区间的最低转速n_l为2600rpm，根据升降速过程的升降速率和导出的升降速过程的转速的列表数据，选取升速的转速间隔n′_u为20rpm，降速过程的转速间隔n′_d为50rpm，在稳转速区间，保留3个振动测点的工频幅值与相位的变化最大值、刚升至稳转速和升降过程下的子单元数据，同时，根据振动趋势图，可以看出该故障区间的稳转速分别为2800rpm、2900rpm和工作转速3000rpm，根据批量数据处理方案，筛选出3组数据(见图7)。

步骤4，通过对批量处理过的数据进行数据分析，选择结果如下：

条件1：每一组振动数据的对比分析

在工作转速3000rpm下，3#垂直方向的工频幅值上涨了0.45mm/s，相位变化了31°，4#垂直方向的相位变化59°；3#垂直方向的工频幅值上涨了0.47mm/s，相位变化了126°，4#垂直方向的工频幅值上涨2.52mm/s，相位变化34°；3#垂直方向的相位变化了130°，4#垂直方向的工频幅值上涨2.55mm/s，相位变化34°。

结论：3组数据中均出现至少一个测点的工频幅值上涨，并且至少一个测点的相位变化超过30°，其中相位最大的相位变化达到了130°。

条件2：不同组振动数据的对比分析

在升降速过程和稳转速区域内，尤其是在(1±5％)n的转速范围内，即2850rpm～3000rpm内的同一个转速下对标分析：2860rpm下，工频幅值变化不大，相位相差最大为10°，属于正常；在3000rpm准备降速时，4#垂直方向的工频振动幅值变化最大为2.96mm/s，3#垂直方向的相位角度变化最大为92°。

结论：3次试车同样状态下，相位角度的变化远超过30°。

综合以上两点确认发电机的振动故障为共振，其根本原因是转子的固有频率与工作转速接近，通过对转子的结构进行改造，发电机满负荷运行发电，各测点的振动值远远小于报警值，该振动故障得到根本解决。

Claims (5)

1.一种基于交叉统计分析的快速诊断旋转机械共振的方法，其特征在于，包括以下步骤：

采集多组旋转机械启停机过程中的振动数据，判断故障类型并建立振动数据列表；

对所述振动数据列表中每一组振动数据进行以下数据处理：

确定振动故障区间的最低转速n_l，然后删除振动数据列表中小于n_l的转速所在行的振动数据；

计算升速区间和降速区间对应的升速列表和降速列表，根据升速列表、降速列表对所述振动数据列表中的振动数据进行筛选，并对稳转速区间中的振动数据进行筛选；

如筛选后振动数据列表中的振动数据同时满足条件1和条件2，则表明旋转机械的工频振动故障为共振：

条件1：对于每一组振动数据，在旋转机械的工作转速下，至少存在一个测点的工频幅值出现持续上涨，并且在旋转机械开始降速的过程中，所述的工频幅值仍然持续上涨，同时至少存在一个测点的相位发生超过30°的变化；

条件2：对于不同组的振动数据，在升速区间、稳转速区间内的同一个转速下，至少存在一个测点的相位出现了超过30°的变化。

2.如权利要求1所述的基于交叉统计分析的快速诊断旋转机械共振的方法，其特征在于，所述的采集多组旋转机械启停机过程中的振动数据，判断故障类型，包括：

在旋转机械上确定测振截面，在每个测振截面处布设测振探头，通过振动数据采集设备，采集旋转机的械振动数据；针对采集到的振动数据，通过波形频谱图、轴心轨迹图分析出所述旋转机械的振动故障属于工频振动故障，并且是非典型性振动故障。

3.如权利要求1所述的基于交叉统计分析的快速诊断旋转机械共振的方法，其特征在于，所述的确定振动故障区间的最低转速n_l，然后删除振动数据列表中小于n_l的转速所在行的振动数据，包括：

根据实际振动故障开始发生的转速，确定振动故障区间的最低转速，记为n_l；对所述振动数据列表中的每一组振动数据进行筛选，如果在一组振动数据中，某一行振动数据对应的转速值小于n_l，则将该行振动数据删除。

4.如权利要求1所述的基于交叉统计分析的快速诊断旋转机械共振的方法，其特征在于，所述的计算升速区间和降速区间对应的升速列表和降速列表，根据升速列表、降速列表对所述振动数据列表中的振动数据进行筛选，包括：

以振动数据列表中每一组振动数据作为子单元，对每一个子单元中的数据进行以下处理：

在升速区间内，以20rpm或20+10i rpm作为转速间隔设定值n′_u；同样地，在降速区间内，20rpm或20+10i rpm作为转速间隔设定值n′_d；i为自然数；

按照以下公式计算生成升速列表和降速列表：

上式中，n为旋转机械的工作转速，n_l为振动故障区间的最低转速；

利用升速列表和降速列表，与振动数据列表进行比对：

①在升速区间和降速区间内的振动数据中，如未出现相应的n_u或n_d，则选择与n_u或n_d最接近的一个转速，并将该转速变更为n_u或n_d，该转速对应的工频幅值和相位保持不变；

②如果有两个及两个以上的转速同等接近n_u或n_d，则选择在前面的一个转速，将该转速变更为n_u或n_d，该转速对应的工频幅值和相位保持不变；

对除了①、②之外的其余振动数据全部删除。

5.如权利要求1所述的基于交叉统计分析的快速诊断旋转机械共振的方法，其特征在于，所述的对稳转速区间中的振动数据进行筛选，包括：

在稳转速区间内，选择刚升到该稳转速的转速所在行的振动数据、准备升速或准备降速的转速所在行的振动数据、每一个测点工频幅值的最大值以及最小值所在行的振动数据、每一个测点相位最大值以及最小值所在行的振动数据，并除此之外其他的振动数据进行删除。

Images