CN109855873B - 汽轮机大轴的故障诊断方法及装置 - Google Patents
汽轮机大轴的故障诊断方法及装置 Download PDFInfo
- Publication number
- CN109855873B CN109855873B CN201811518908.6A CN201811518908A CN109855873B CN 109855873 B CN109855873 B CN 109855873B CN 201811518908 A CN201811518908 A CN 201811518908A CN 109855873 B CN109855873 B CN 109855873B
- Authority
- CN
- China
- Prior art keywords
- main shaft
- fault
- steam turbine
- value
- state
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003745 diagnosis Methods 0.000 title claims abstract description 32
- 238000005452 bending Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims 2
- 238000005299 abrasion Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Images
Landscapes
- Control Of Turbines (AREA)
Abstract
本发明提供一种汽轮机大轴的故障诊断方法，包括：获取汽轮机大轴的预设传感器数据；根据预设传感器数据判断汽轮机大轴的运行状态；根据汽轮机大轴的运行状态对汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；根据大轴弯曲故障告警因子与预设告警阈值的差值判断是否存在至少一种故障原因；根据相应的汽轮机大轴的运行状态对差值向量与故障样本向量进行相似度计算，以确认汽轮机大轴的至少一种故障原因；选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。本发明提供的诊断方法，通过告警阈值充分考虑参数特征值的变化规律与汽轮机的运行状态，降低误报率。
Description
技术领域
本发明涉及交通工具检测技术领域，具体而言，涉及一种汽轮机大轴的故障诊断方法及装置。
背景技术
汽轮机大轴弯曲故障会直接导致机组停运，如果大轴产生永久弯曲将对发电企业造成严重的经济影响。因此，通过对汽轮机实时传感器数据进行挖掘、分析与处理从而提前发现汽轮机大轴弯曲的早期征兆并准确诊断出其故障原因的预警诊断系统就有了一定的商业价值。
目前对于汽轮机大轴弯曲故障的主要处理方法包括：
1)频域诊断法：应用频谱分析技术，根据频谱特征变化，判别轴系的状态及故障形成原因；
2)时域分析法：应用时间序列模型及其有关的特征函数判别轴系状态的变化；
3)模式识别法：利用检测信号提取与状态反映敏感的特征量构成矢量，设计合适的分类器，判别故障形成原因，即人工智能方法。
目前的汽轮机大轴弯曲故障诊断主要采用两种方法。一种方法是对原始振动信号进行时域与频域分析，通过专家领域知识人为判断故障，该种方法过度依赖专家的经验，无法程序化，不利用推广使用。另一种方法是采用数据驱动的方法，将汽轮机大轴弯曲故障发生前后的传感器数据进行特征提取，聚类成隐式规则，该种方法由于故障样本数量有限，所形成的隐式规则很难泛化，因此诊断成功率较低。
发明内容
鉴于上述问题，本发明针对此现状，综合考虑以上两种方法(时域与频域分析)的优劣，对汽轮机的相关参数进行必要的数据处理，通过计算处理后数据与故障特征数据间的相似度来间接判定大轴弯曲故障原因的置信度，从而有效提高故障诊断的准确性。
为了实现上述目的，本发明采用如下的技术方案：
第一方面，本发明提供了一种汽轮机大轴的故障诊断方法，所述故障诊断方法包括：
由检测模块获取所述汽轮机大轴的预设传感器数据；
根据所述预设传感器数据判断所述汽轮机大轴的运行状态，其中，所述汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态；
根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；
根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因；
根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度计算，以确认所述汽轮机大轴的至少一种故障原因；
选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。
作为一种可选的实施方式，在所述“由检测系统获取所述汽轮机大轴的预设传感器数据”前，所述故障诊断方法还包括：
设定所述汽轮机大轴的预设传感器数据，所述预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。
作为一种可选的实施方式，在所述“由检测模块获取所述汽轮机大轴的预设传感器数据”中，所述检测模块为监视信息系统、分散控制系统或汽轮机监视系统。
作为一种可选的实施方式，在所述“根据所述预设传感器数据判断所述汽轮机大轴的运行状态”中，根据汽轮机缸温、转速变化率、负荷变化率中的至少一种参数判断所述汽轮机大轴的运行状态。
作为一种可选的实施方式，在所述“根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子”中，所述故障诊断方法包括：
根据所述汽轮机大轴的运行状态选定至少一种预设传感器数据；
根据以下公式计算所述差值向量：
B＝(Δv,Δu,Δd,Δe,Δt……)，其中，Δv＝v-vn，Δu＝u-un，Δd＝d-dn，Δe＝e-en，Δt＝t-tn；
vn为该工况下正常运行时的振动值；
un为该工况下正常运行时的偏心值；
dn为该工况下正常运行时的轴向位移值；
en为该工况下正常运行时的胀差值；
tn为该工况下正常运行时的上下缸温差值；
作为一种可选的实施方式，在所述“根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因”中，当所述汽轮机大轴于所述升速状态时，所述预设告警阈值为1.3～1.4；当所述汽轮机大轴于所述降速状态时，所述预设告警阈值为1.2～1.3；当所述汽轮机大轴于所述稳定负荷状态时，所述预设告警阈值为1.1～1.2；当所述汽轮机大轴于所述升负荷状态时，所述预设告警阈值为1.2～1.3；当所述汽轮机大轴于所述降负荷状态时，所述预设告警阈值为1.25～1.35。
作为一种可选的实施方式，在所述“根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度，以确认所述汽轮机大轴的至少一种故障原因”中，所述故障原因包括轴系碰磨、空心转子中积液或汽轮机水冲击的其中至少一。
第二方面，本发明提供了一种汽轮机大轴的故障诊断装置，应用于汽轮机大轴的故障诊断方法，所述故障诊断装置包括：
检测模块，所述检测模块获取所述汽轮机大轴的预设传感器数据；
判断模块，所述判断模块根据所述预设传感器数据判断所述汽轮机大轴的运行状态，其中，所述汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态；
预处理模块，所述预处理模块根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；
故障模块，所述故障模块根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因；
确认模块，所述确认模块根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度，以确认所述汽轮机大轴的至少一种故障原因；
选取模块，所述选取模块选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。
作为一种可选的实施方式，所述故障诊断装置还包括：
设定模块，所述设定模块设定所述汽轮机大轴的预设传感器数据，所述预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。
根据本发明的又一个实施方式，提供一种计算机终端，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机终端执行根据上述的防盗管理方法。
根据本发明的又一个实施方式，提供一种计算机可读存储介质，其存储有上述的计算机终端中所使用的所述计算机程序。
根据本发明提供一种汽轮机大轴的故障诊断方法及装置。故障诊断方法包括：获取汽轮机大轴的预设传感器数据；根据预设传感器数据判断汽轮机大轴的运行状态；根据汽轮机大轴的运行状态对汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；根据大轴弯曲故障告警因子与预设告警阈值的差值判断汽轮机大轴是否存在至少一种故障原因；根据相应的汽轮机大轴的运行状态对差值向量与故障样本向量进行相似度计算，以确认汽轮机大轴的至少一种故障原因；选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。本发明提供的诊断方法，通过告警阈值充分考虑参数特征值的变化规律与汽轮机的运行状态，降低误报率。可见，实施本发明的技术方案能够根据汽轮机的运行状态进行分类，采用对故障敏感的参数特征值进行大轴弯曲故障告警因子计算。另外，本发明采用差值向量与故障样本向量进行相似度计算时，充分考虑了不同原因产生故障时的样本向量各参数的权重，原因诊断更为准确，用相似度值代替诊断置信度值更为科学与合理。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。
图1是本发明实施例1提供的汽轮机大轴的故障诊断方法的流程示意图；
图2是本发明实施例2提供的汽轮机大轴的故障诊断方法的流程示意图；
图3是本发明实施例3提供的汽轮机大轴的故障诊断装置的方块示意图。
主要元件符号说明：
300-故障诊断装置；301-检测模块；303-判断模块；305-预处理模块；307-故障模块；309-确认模块；311-选取模块；313-设定模块。
具体实施方式
下面详细描述本发明的实施例，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
请参阅图1，图1是本发明实施例1提供图1是本发明实施例1提供的汽轮机大轴的故障诊断方法(以下简称“故障诊断方法”)的流程示意图。如图1所示，故障诊断方法包括以下步骤：
S02、由检测模块获取汽轮机大轴的预设传感器数据。
汽轮机是一种旋转式蒸汽动力装置，高温高压蒸汽穿过固定喷嘴成为加速的气流后喷射到叶片上，使装有叶片排的转子旋转，同时对外做功，作为火力发电厂的主要设备。大致来说，汽轮机包括单级汽轮机和多级汽轮机。各级汽轮机装在一个汽缸内的单缸汽轮机，和各级汽轮机分装在几个汽缸内的多缸汽轮机。各级汽轮机装在一根轴上的单轴汽轮机，和各级汽轮机装在两根平行轴上的双轴汽轮机。例如，汽轮机的联轴器(可视为大轴)用来连接汽轮机各个转子以及发电机转子，并将汽轮机的扭矩传给发电机，并在运行时检测预设传感器数据。
在一实施例中，本发明通过分散控制系统(Distributed Control system)、监视信息系统(Supervisory Informntion System)或汽轮机监视系统(Turbine SupervisoryInstrumentation)以自动模式或手动模式获取汽轮机大轴的预设传感器数据。其中，分散控制系统是以微处理器为基础的集中分散型控制系统。监视信息系统是收集过程实时监测、优化控制及生产过程管理为一体的厂级自动化信息系统。
S03、根据预设传感器数据判断汽轮机大轴的运行状态，其中，汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态。
在一实施例中，可以根据汽轮机缸温、转速变化率、负荷变化率中的至少一种参数判断汽轮机大轴的运行状态。例如，转速变化率为正值时，汽轮机大轴的运行状态为升速状态；转速变化率为负值时，汽轮机大轴的运行状态为降速状态；负荷变化率为为零时，汽轮机大轴的运行状态为稳定负荷状态；负荷变化率为为正值时，汽轮机大轴的运行状态为升负荷状态；负荷变化率为为负值时，汽轮机大轴的运行状态为降负荷状态。
S04根据汽轮机大轴的运行状态对汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子。
在一实施例中，本发明利用在特定运行状态所获取到的预设传感器数据的实时参数值与工况下正常运行时的参数值进行差值运算得到差值向量，再对差值向量进行预处理得到大轴弯曲故障告警因子。以下为理论公式集举例说明：
根据汽轮机大轴的运行状态选定至少一种预设传感器数据，在一实施例中，选定振动值、偏心值、轴向位移值、胀差值及上下缸温差值作为根据以下公式计算差值向量的预设传感器数据(可视为故障反映敏感的参数)，本发明不以此为限制；
根据以下公式计算差值向量：
B＝(Δv,Δu,Δd,Δe,Δt……)，其中，Δv＝v-vn，Δu＝u-un，Δd＝d-dn，Δe＝e-en，Δt＝t-tn；
vn为该工况下正常运行时的振动值，v为获取到的预设传感器数据的振动值；
un为该工况下正常运行时的偏心值，u为获取到的预设传感器数据的偏心值；
dn为该工况下正常运行时的轴向位移值，d为获取到的预设传感器数据的轴向位移值；
en为该工况下正常运行时的胀差值，e为获取到的预设传感器数据的胀差值；
tn为该工况下正常运行时的上下缸温差值，t为获取到的预设传感器数据的上下缸温差值；
S05、根据大轴弯曲故障告警因子与预设告警阈值的差值判断汽轮机大轴是否存在至少一种故障原因；
在一实施例中，当汽轮机大轴于升速状态时，预设告警阈值为1.3～1.4；当汽轮机大轴于所述降速状态时，预设告警阈值为1.2～1.3；当汽轮机大轴于稳定负荷状态时，预设告警阈值为1.1～1.2；当汽轮机大轴于升负荷状态时，预设告警阈值为1.2～1.3；当汽轮机大轴于所述降负荷状态时，预设告警阈值为1.25～1.35。
例如，
为预设告警阈值，
为运行状态计算常数，计算程序为：
int m，“m为选用参数的数量”；
Dim B(1To m)As float；
a＝B(1)；
b＝B(2)；
for(i＝2；i≤m；i++)；
a＝w，b＝B(i)；}；
S06、根据相应的汽轮机大轴的运行状态对差值向量与故障样本向量进行相似度计算，以确认汽轮机大轴的至少一种故障原因。
在一实施例中，故障原因包括轴系碰磨、空心转子中积液或汽轮机水冲击的其中至少一。
S07选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。
实施例2
请参阅图2，图2是本发明实施例2提供图2是本发明实施例2提供的汽轮机大轴的故障诊断方法(以下简称“故障诊断方法”)的流程示意图。S02～S07请参阅实施例1的说明。如图2所示，故障诊断方法包括以下步骤：
S01设定汽轮机大轴的预设传感器数据，预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。
实施例3
请参阅图3，图3是本发明实施例3提供的汽轮机大轴的故障诊断装置(以下简称“故障诊断装置”)的方块示意图。
如图3所示，故障诊断装置300，包括：
检测模块301，检测模块301获取汽轮机大轴的预设传感器数据；
判断模块303，判断模块303根据预设传感器数据判断汽轮机大轴的运行状态，其中，汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态；
预处理模块305，预处理模块305根据汽轮机大轴的运行状态对汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；
故障模块307，故障模块307根据大轴弯曲故障告警因子与预设告警阈值的差值判断汽轮机大轴是否存在至少一种故障原因；
确认模块309，确认模块309根据相应的汽轮机大轴的运行状态对差值向量与故障样本向量进行相似度计算，以确认汽轮机大轴的至少一种故障原因；
选取模块311，选取模块311选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因；
设定模块313，设定模块313设定汽轮机大轴的预设传感器数据，预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。
此外，本发明还提供了一种计算机终端，包括存储器以及处理器，该终端设备可以包括智能电话、平板电脑、台式计算机、便携式计算机等。该终端设备包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行所述计算机程序，从而使终端设备执行上述诊断方法或者上述诊断装置中的各个模块的功能。
存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例还提供了一种计算机存储介质，用于储存上述计算机终端中使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种汽轮机大轴的故障诊断方法，其特征在于，所述故障诊断方法包括：
由检测模块获取汽轮机大轴的预设传感器数据；
根据所述预设传感器数据判断所述汽轮机大轴的运行状态，其中，所述汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态；
根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；
根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因；
根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度计算，以确认所述汽轮机大轴的至少一种故障原因；
选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因；
在所述根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子中，所述故障诊断方法包括：
根据所述汽轮机大轴的运行状态选定多组预设传感器数据；
根据以下公式计算所述差值向量：
B＝(Δv，Δu，Δd，Δe，Δt……)，其中，Δv＝v-vn，Δu＝u-un，Δd＝d-dn，Δe＝e-en，Δt＝t-tn；
vn为该工况下正常运行时的振动值；
un为该工况下正常运行时的偏心值；
dn为该工况下正常运行时的轴向位移值；
en为该工况下正常运行时的胀差值；
tn为该工况下正常运行时的上下缸温差值；
2.根据权利要求1所述的汽轮机大轴的故障诊断方法，其特征在于，在所述由检测系统获取所述汽轮机大轴的预设传感器数据前，所述故障诊断方法还包括：
设定所述汽轮机大轴的预设传感器数据，所述预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。
3.根据权利要求1所述的汽轮机大轴的故障诊断方法，其特征在于，在所述由检测模块获取所述汽轮机大轴的预设传感器数据中，所述检测模块为监视信息系统、分散控制系统或汽轮机监视系统。
4.根据权利要求1所述的汽轮机大轴的故障诊断方法，其特征在于，在所述根据所述预设传感器数据判断所述汽轮机大轴的运行状态中，根据汽轮机缸温、转速变化率、负荷变化率中的至少一种参数判断所述汽轮机大轴的运行状态。
5.根据权利要求1所述的汽轮机大轴的故障诊断方法，其特征在于，在所述根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因中，当所述汽轮机大轴于所述升速状态时，所述预设告警阈值为1.3～1.4；当所述汽轮机大轴于所述降速状态时，所述预设告警阈值为1.2～1.3；当所述汽轮机大轴于所述稳定负荷状态时，所述预设告警阈值为1.1～1.2；当所述汽轮机大轴于所述升负荷状态时，所述预设告警阈值为1.2～1.3；当所述汽轮机大轴于所述降负荷状态时，所述预设告警阈值为1.25～1.35。
6.根据权利要求1所述的汽轮机大轴的故障诊断方法，其特征在于，在所述根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度，以确认所述汽轮机大轴的至少一种故障原因中，所述故障原因包括轴系碰磨、空心转子中积液或汽轮机水冲击的其中至少一种。
7.一种汽轮机大轴的故障诊断装置，应用于汽轮机大轴的故障诊断方法，其特征在于，所述故障诊断装置包括：
检测模块，所述检测模块获取所述汽轮机大轴的预设传感器数据；
判断模块，所述判断模块根据所述预设传感器数据判断所述汽轮机大轴的运行状态，其中，所述汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态；
预处理模块，所述预处理模块根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；
故障模块，所述故障模块根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因；
确认模块，所述确认模块根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度，以确认所述汽轮机大轴的至少一种故障原因；
选取模块，所述选取模块选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因；
所述预处理模块用于：
根据所述汽轮机大轴的运行状态选定多组预设传感器数据；
根据以下公式计算所述差值向量：
B＝(Δv，Δu，Δd，Δe，Δt……)，其中，Δv＝v-vn，Δu＝u-un，Δd＝d-dn，Δe＝e-en，Δt＝t-tn；
vn为该工况下正常运行时的振动值；
un为该工况下正常运行时的偏心值；
dn为该工况下正常运行时的轴向位移值；
en为该工况下正常运行时的胀差值；
tn为该工况下正常运行时的上下缸温差值；
8.根据权利要求7所述的汽轮机大轴的故障诊断装置，其特征在于，所述故障诊断装置还包括：
设定模块，所述设定模块设定所述汽轮机大轴的预设传感器数据，所述预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。
9.一种计算机终端，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机终端执行根据权利要求1至6中任一项所述的汽轮机大轴的故障诊断方法。
10.一种计算机可读存储介质，其特征在于，其存储有权利要求9所述的计算机终端中所使用的所述计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811518908.6A CN109855873B (zh) | 2018-12-12 | 2018-12-12 | 汽轮机大轴的故障诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811518908.6A CN109855873B (zh) | 2018-12-12 | 2018-12-12 | 汽轮机大轴的故障诊断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109855873A CN109855873A (zh) | 2019-06-07 |
| CN109855873B true CN109855873B (zh) | 2021-02-05 |
Family
ID=66891105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811518908.6A Active CN109855873B (zh) | 2018-12-12 | 2018-12-12 | 汽轮机大轴的故障诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109855873B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110617981B (zh) * | 2019-09-16 | 2021-06-15 | 江苏方天电力技术有限公司 | 一种调相机故障诊断方法 |
| CN111332809B (zh) * | 2020-03-18 | 2021-12-07 | 华润电力技术研究院有限公司 | 一种协调盘煤仪和斗轮机的堆取料控制方法及系统 |
| CN114034476B (zh) * | 2021-11-17 | 2022-06-14 | 深圳沈鼓测控技术有限公司 | 旋转机械转子结垢、腐蚀故障识别方法和装置 |
| CN114813105B (zh) * | 2022-04-11 | 2023-04-28 | 西安热工研究院有限公司 | 一种基于工况相似性评估的齿轮箱故障预警方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19723728C2 (de) * | 1996-05-31 | 2000-03-02 | Yamatake Corp | Verfahren und Vorrichtung zur Ermittlung von Haft-Gleit-Bewegungen |
| DE19855745A1 (de) * | 1998-12-03 | 2000-08-03 | Medav Digitale Signalverarbeit | Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand |
| CN102829967A (zh) * | 2012-08-27 | 2012-12-19 | 中国舰船研究设计中心 | 一种基于回归模型系数变化的时域故障识别方法 |
| CN103321839A (zh) * | 2012-03-20 | 2013-09-25 | 华锐风电科技(集团)股份有限公司 | 风机振动监测方法及系统、风机监控器 |
| CN103940611A (zh) * | 2014-04-09 | 2014-07-23 | 中国水利水电科学研究院 | 一种风电机组变工况下滚动轴承自适应异常检测方法 |
| CN105467975A (zh) * | 2015-12-29 | 2016-04-06 | 山东鲁能软件技术有限公司 | 一种设备故障诊断方法 |
| CN106525415A (zh) * | 2016-10-25 | 2017-03-22 | 华北电力科学研究院有限责任公司 | 一种风电机组传动链健康状态评价系统及方法 |
| CN108021774A (zh) * | 2017-12-28 | 2018-05-11 | 华润电力技术研究院有限公司 | 数据处理方法以及装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
| CN101393049B (zh) * | 2008-08-25 | 2010-09-08 | 北京天源科创风电技术有限责任公司 | 风力发电机组振动监测及故障诊断的方法 |
| CN102054179A (zh) * | 2010-12-14 | 2011-05-11 | 广州大学 | 一种旋转机械在线状态监测与故障诊断装置及方法 |
| CN103454113B (zh) * | 2013-09-16 | 2016-02-03 | 中国人民解放军国防科学技术大学 | 一种适用于工况变化情况下的旋转机械健康监测方法 |
| CN107036819A (zh) * | 2017-05-02 | 2017-08-11 | 大唐东北电力试验研究所有限公司 | 多参数修正的汽轮发电机组远程振动故障诊断方法及系统 |
| CN108647809A (zh) * | 2018-04-17 | 2018-10-12 | 西安热工研究院有限公司 | 一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法 |
| CN108627345B (zh) * | 2018-05-11 | 2020-07-10 | 浙江师范大学 | 一种汽轮机系统级故障的诊断方法及系统 |
| CN109163919A (zh) * | 2018-09-05 | 2019-01-08 | 中国科学院上海高等研究院 | 一种机械运行故障监测系统、方法、可读存储介质及终端 |
-
2018
- 2018-12-12 CN CN201811518908.6A patent/CN109855873B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19723728C2 (de) * | 1996-05-31 | 2000-03-02 | Yamatake Corp | Verfahren und Vorrichtung zur Ermittlung von Haft-Gleit-Bewegungen |
| DE19855745A1 (de) * | 1998-12-03 | 2000-08-03 | Medav Digitale Signalverarbeit | Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand |
| CN103321839A (zh) * | 2012-03-20 | 2013-09-25 | 华锐风电科技(集团)股份有限公司 | 风机振动监测方法及系统、风机监控器 |
| CN102829967A (zh) * | 2012-08-27 | 2012-12-19 | 中国舰船研究设计中心 | 一种基于回归模型系数变化的时域故障识别方法 |
| CN103940611A (zh) * | 2014-04-09 | 2014-07-23 | 中国水利水电科学研究院 | 一种风电机组变工况下滚动轴承自适应异常检测方法 |
| CN105467975A (zh) * | 2015-12-29 | 2016-04-06 | 山东鲁能软件技术有限公司 | 一种设备故障诊断方法 |
| CN106525415A (zh) * | 2016-10-25 | 2017-03-22 | 华北电力科学研究院有限责任公司 | 一种风电机组传动链健康状态评价系统及方法 |
| CN108021774A (zh) * | 2017-12-28 | 2018-05-11 | 华润电力技术研究院有限公司 | 数据处理方法以及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 汽轮机大轴弯曲的诊断与分析;胡利辉;《内蒙古科技与经济》;20070831;全文 * |
| 汽轮机大轴弯曲诊断及其防范措施探讨;吴庆生;《电力科学与工程》;20061231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109855873A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109855873B (zh) | 汽轮机大轴的故障诊断方法及装置 | |
| US9818242B2 (en) | Gas turbine engine anomaly detections and fault identifications | |
| TWI662424B (zh) | 領先輔助參數的選擇方法以及結合關鍵參數及領先輔助參數進行設備維護預診斷的方法 | |
| CN1910434A (zh) | 在机械中诊断机械问题的方法和装置 | |
| CN110388315B (zh) | 基于多源信息融合的输油泵故障识别方法、装置及系统 | |
| JP7238921B2 (ja) | 設備診断方法 | |
| EP3516466B1 (en) | Method and system for detecting attacks on monitored physical systems | |
| US20220128030A1 (en) | A method for computer-implemented monitoring of a wind turbine | |
| CN112418306B (zh) | 基于lstm-svm的燃气轮机压气机故障预警方法 | |
| KR102206737B1 (ko) | 기계학습 기반 펌프수차 고장 진단 방법 및 시스템 | |
| CN110007660B (zh) | 一种火电厂汽轮机组瞬态等效热应力在线软测量方法 | |
| Khan et al. | System design for early fault diagnosis of machines using vibration features | |
| Joshuva et al. | Wind turbine blade fault diagnosis using vibration signals through decision tree algorithm | |
| JP2005345154A (ja) | 異常予兆検出方法および装置 | |
| DE102012107421A1 (de) | System und Verfahren zum Vorhersagen von Turbinenreiben | |
| Sakthivel et al. | Effect of kernel function in support vector machine for the fault diagnosis of pump | |
| CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
| CN114322446B (zh) | 冷却系统故障预警方法、装置、冷却系统及作业机械 | |
| CN115270896A (zh) | 一种用于识别航空发动机主轴承松动故障的智能诊断方法 | |
| Senanayaka et al. | Autoencoders and data fusion based hybrid health indicator for detecting bearing and stator winding faults in electric motors | |
| CN114667492A (zh) | 训练机器学习模型以进行数据驱动的决策 | |
| CN112881044A (zh) | 变转速设备异常诊断方法 | |
| Zhao et al. | Health indicator selection and health assessment of rolling element bearing | |
| Azergui et al. | Bearing fault classification based on the adaptive orthogonal transform method | |
| CN117150236A (zh) | 离心压缩机故障诊断方法及装置、存储介质、计算机设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240403 Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd. Country or region after: China Address before: 523000 Room 302, building 18, songkeyuan, Songshanhu high tech Industrial Development Zone, Dongguan City, Guangdong Province Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |