CN115111181A - 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 - Google Patents
一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 Download PDFInfo
- Publication number
- CN115111181A CN115111181A CN202210683674.0A CN202210683674A CN115111181A CN 115111181 A CN115111181 A CN 115111181A CN 202210683674 A CN202210683674 A CN 202210683674A CN 115111181 A CN115111181 A CN 115111181A
- Authority
- CN
- China
- Prior art keywords
- blade
- fan
- analyzing
- vibration
- data
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途,所述叶片健康度智能监测分析评估方法包括:(1)将振动传感器安装于动叶可调轴流式风机的叶片对应导风筒上,设置振动传感器的参数;(2)采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;(3)获取叶片在不同工况下的运行状态;(4)分析稳定工况下叶片的磨损情况、变形情况及缺失情况;(5)分析叶片剩余磨损量,估算叶片的剩余磨损寿命,提供检修策略。本发明提供的轴流式风机的叶片健康度智能监测分析评估方法对于动叶可调的轴流式风机,首次提出了叶片健康度的传感、监测和分析方法,可应用于电厂的风机状态检修,具有较强的适用性和实用性。
Description
技术领域
本发明属于叶片健康度监测技术领域,涉及一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途。
背景技术
轴流式风机是电站锅炉的重要辅机之一,锅炉风机是依靠电动机输入的机械能,提高气体压力并排送气体的机械。大型电站锅炉引风机一般多采用动叶可调轴流式风机,作为一种从动的流体机械,利用叶轮旋转产生的提升力,将锅炉的烟气抽出,将锅炉内的烟气沿轴向引入脱硫岛或烟囱,并维持炉膛负压。风机的正常运行可确保锅炉里的热力循环,保证电力的稳定生产及供给,但由于风机特别是引风机工作环境的特殊性,在连续使用过程中频繁发生故障问题,严重影响了电厂的正常运作。
在风机动叶片的旋转过程中,锅炉烟气气流中的粉尘颗粒会加剧叶片磨损,积灰会附着在叶片上,另外烟气中的硫化物和碳化物会对叶片造成不同程度的腐蚀,并且这种磨损、积灰和腐蚀往往是不均匀的。这些因素不仅破坏了风机内的流动特性,破坏风机转子的动平衡,引起风机振动,缩短风机寿命,而且容易引发叶片断裂等重大事故,造成风机不能正常运行。目前,电站风机状态的运行监测仅集中于轴承温度、轴承振动、油温、风机压力、烟气温度、烟气流量等运行参数,而对于风机动叶片的磨损、腐蚀、裂纹和断裂情况,目前尚无合适的传感监测手段和数据分析处理方法,也无法在机组运行过程中实时评估风机动叶片的健康度,无法为后续的叶片检修和备品备件采购提供技术支持。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途,对于动叶可调的轴流式风机,首次提出了叶片健康度的传感、监测和分析方法,可应用于电厂的风机状态检修,具有较强的适用性和实用性。
为达此目的,本发明采用以下技术方案:
第一方面,本发明提供了一种轴流式风机的叶片健康度智能监测分析评估方法,所述叶片健康度智能监测分析评估方法包括:
(1)将振动传感器安装于动叶可调轴流式风机的叶片对应导风筒上,设置振动传感器的参数;
(2)采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;
(3)获取叶片在不同工况下的运行状态;
(4)分析稳定工况下叶片的磨损情况、变形情况及缺失情况;
(5)分析叶片剩余磨损量,估算叶片的剩余磨损寿命,提供检修策略。
现有的风机状态监测方法无法监测动叶片的运行情况,也无法分析动叶片的健康程度,本发明提供的轴流式风机的叶片健康度智能监测分析评估方法对于动叶可调的轴流式风机,首次提出了叶片健康度的传感、监测和分析方法,可应用于电厂的风机状态检修,具有较强的适用性和实用性。为动叶片增加了传感单元,合理的传感器选型、布置和安装适用于电厂复杂多变的恶劣运行环境;基于风机各叶片的监测数据扩充叶片的监测内容,并进一步提高叶片健康度评估的准确性和精度;利用风机和叶片的主要监测数据,建立风机实时运行的通风性能计算模型,可以实时分析风机的性能劣化情况,并据此计算评估每个叶片的剩余磨损值;基于风机和叶片监测的历史运行数据,采用人工智能算法预测动叶片的最大许可磨损极限和计算剩余寿命,可为电厂运维人员直接推送报警信息和后续的动叶片检修策略。
作为本发明一种优选的技术方案,步骤(1)中,所述叶片传感器包括振动传感器和键相传感器。
优选地,所述振动传感器的安装过程具体包括:
确定振动传感器的轴向安装位置:叶片外周设置有导风筒,采集风机在满负荷运行工况下流过风机的烟风温度,根据烟风温度计算风机在热态工况的轴向膨胀量,根据轴向膨胀量确定振动传感器在导风筒上的轴向安装位置,使振动传感器在工作时与叶片中心处于同一平面。
确定振动传感器的周向安装位置和径向安装深度:在确定的导风筒轴向安装位置处,导风筒处于工作状态下的上半部分开设两个安装孔,两个安装孔位于导风筒的同一周向上并沿竖直方向对称设置,安装孔与导风筒轴心的连线与竖直方向的夹角为45°,振动传感器穿过安装孔,调整振动传感器的径向安装深度,使振动传感器的头部与导风筒的内壁面平齐。
优选地,所述键相传感器的安装过程具体包括:
在风机转子的驱动端安装键相传感器,键相传感器的键相槽与叶片对齐,并标记编号。
作为本发明一种优选的技术方案,所述安装孔的直径为25~30mm,例如可以是25mm、25.5mm、26mm、26.5mm、27mm、27.5mm、28mm、28.5mm、29mm、29.5mm或30mm,但并不仅限于所列举的数值,该数值范围内其他未列举的数值同样适用。
优选地,所述振动传感器通过固定支撑块安装于所述导风筒上,所述固定支撑块位于所述安装孔对应的所述导风筒外壁处,所述支撑块内开设有贯通的螺纹孔,所述螺纹孔与所述安装孔轴线对齐,所述螺纹孔与所述振动传感器的螺纹相匹配,所述振动传感器的头部旋入所述固定支撑块内并伸入所述安装孔,与所述导风筒的内壁面平齐。
本发明在导风筒上设置了两个呈90°分布的振动传感器(电涡流传感器),结合键相信号,对于定频和变频风机均可直接分析计算每个叶片的振动数据、累积磨损量、累积变形量、严重变形、裂纹和断裂位置。在振动传感器的布置方案中,不仅考虑了叶片在径向平面的振动特性、转子热膨胀时动叶片的轴向窜动特性,还考虑了传感器的安装空间,避免干扰传感器信号。根据导风筒的内表面和叶片顶部边缘之间的缝隙宽度选择传感器的量程及其灵敏度,导风筒上的传感器安装孔的尺寸要避免影响传感器的测量精度。
作为本发明一种优选的技术方案,步骤(2)中,所述振动传感器的检测数据的采集过程包括:
所述振动传感器和所述键相传感器的检测信号输出端接入数据动态采集装置,所述数据动态采集装置收集汇总的检测数据按照所述振动传感器和所述键相传感器的通道编号、采样频率、灵敏度和报警值进行数据转换,根据不同的数据存储策略分别存入实时数据库和历史数据库。
优选地,步骤(2)中,所述动叶可调轴流式风机的状态数据包括整体级数据、设备级数据和部件级数据,将所述整体级数据、所述设备级数据和所述部件级数据按照数据类型、采集频率和数据存储策略分别存入实时数据库和历史数据库。
优选地,所述整体级数据用于表征电厂发电机组和电厂锅炉的运行状态,所述整体级数据映射到单台风机设备层面,所述整体级数据包括发电机组的实发功率、锅炉总燃料量、主蒸汽流量和总风量。
优选地,所述设备级数据用于表征电厂烟风系统的运行状态,所述设备级数据映射到单台风机设备层面,所述设备级数据包括烟气流量、风压、风温和风门挡板开度。
优选地,所述部件级数据用于表征单台风机设备的运行状态,所述部件级数据包括风机动叶角度、入口压力、入口风温、出口压力、出口风温、电机电流和频率。
从电厂SIS或DCS系统所采集的机组功率、锅炉蒸发量等总体参数和风机的状态参数按照数据类型、采集频率和数据存储策略分别存入实时数据库和历史数据库。从数据动态采集装置所传输的数据按照键相传感器和各振动传感器的通道编号、采样频率、灵敏度、报警值等信息进行数据转换,按照数据存储策略分别存入实时数据库和历史数据库。
作为本发明一种优选的技术方案,步骤(3)具体包括如下步骤:
将风机运行过程中所采集的键相信号定位到相应的叶片编号上,对振动传感器采集到的每组叶片的振动数据进行时域和频域FFT分析,获取叶片在不同工况下的运行状态,分析叶片在径向上的振动情况,计算得到最大振动值及相应的相位角。
当最大振动值超出预设值时,发出相应的振动报警信息。
根据最大振动值及相位角对风机转轴进行动平衡计算。
作为本发明一种优选的技术方案,步骤(4)具体包括:
分析叶片的磨损情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片的径向平均轮廓位置作为叶片的径向初始轮廓并存储;当风机运行一段时间后,分析每个动叶片的径向平均轮廓,并与径向初始轮廓对比,计算得到各个动叶片的径向轮廓磨损量。
分析叶片的变形情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片的周向平均轮廓位置作为叶片的周向初始轮廓并存储;当风机运行一段时间后,分析每个动叶片的周向平均轮廓,并与周向初始轮廓对比,计算得到各个动叶片的周向轮廓变形量,并判断叶片是否发生变形。
分析叶片的缺失情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片的轮廓位置作为叶片的初始轮廓并存储;在风机的轴承座振动和叶片振动均发生突变并恶化时,此时叶片的磨损量和变形量也发生突变,通过对比此时的叶片的轮廓形状与初始轮廓,判断叶片是否出现裂纹或是否断裂。
当叶片的磨损情况、变形情况或缺失情况中的任一检测值超过预设值时,发出相应的报警信息。
本发明建立了完整合理的叶片健康度分析方法,根据振动传感器采集的振动数据,开展叶片振动的时域和频域分析,发现振动异常的叶片;基于新建机组或大修后叶片的初始运行状态和当前的叶片振动状态,可实时分析计算叶片的累积磨损值、累积变形值和叶片缺失情况;采用风机的机理模型,结合当前的性能劣化情况,可实时分析计算叶片的剩余磨损值;同时,根据风机的压力、流量、温度、动叶角度(或转速)、电流等数据预测叶片的最大许可磨损极限和剩余寿命。具体而言,在风机刚投入运行后或大修后的初期运行阶段:
(1)分析稳定工况下叶片的径向平均轮廓位置作为叶片的径向初始轮廓并存储;当风机运行一段时间后,长期的高温高腐蚀烟尘气流会对叶片产生磨损,此时分析每个动叶片的径向平均轮廓,并与径向初始轮廓对比,计算得到各个动叶片的径向轮廓磨损量;
(2)分析稳定工况下叶片的周向平均轮廓位置作为叶片的周向初始轮廓并存储;当风机运行一段时间后,长期的高温高腐蚀烟尘气流会对叶片产生腐蚀,可能引起叶片局部腐蚀或动叶片调节卡涩,在离心力长期作用下会导致叶片发生周向变形,此时分析每个动叶片的周向平均轮廓,并与周向初始轮廓对比,计算得到各个动叶片的周向轮廓变形量,并判断叶片是否发生变形;
(3)分析稳定工况下叶片的轮廓位置作为动叶片的初始轮廓并存储。在风机的轴承座振动和叶片振动均发生突变并恶化时,此时某个叶片的磨损量和变形量也发生严重地突变,通过对比叶片的轮廓形状与初始轮廓,可以直接客观得判断叶片出现裂纹或已经断裂。
作为本发明一种优选的技术方案,步骤(5)具体包括:
在发电机组满负荷工况和相同的动叶片角度下,基于风机的性能计算模型、叶片的初始轮廓、叶片磨损情况、叶片变形情况和叶片缺失情况,计算出叶片的最大许可磨损极限位置;或者
基于当前类型叶片的历史磨损数据采用人工智能算法预测出叶片的最大许可磨损量,从而评估出叶片的剩余磨损寿命,结合叶片的磨损情况、变形情况及缺失情况,提供检修策略和更换依据。
当叶片的剩余磨损寿命超过预设值时,发出相应的寿命报警信息。
在本发明中,风机动叶片的智能监测分析提升了风机状态监测的直观性和准确性,与状态检修系统的结合,实现了火电厂风机的动叶片实时健康度评估,可展示所有叶片的实时振动值、累积磨损值、累积变形值和叶片的缺失情况,同时展示风机叶片的剩余磨损值、最大许可磨损极限和剩余寿命,有利于运维人员直观地查看和分析风机叶片状态,为风机的叶片备件采购提供数据支撑,可直接推送动叶片的检修方案,还可根据叶片磨损值为风机的优化运行提供控制策略。同时,准确评估风机叶片的健康度能够减少火电机组的非计划停机,降低火电厂的运维成本,保证电厂或电网运行的稳定性和安全性。
第二方面,本发明提供了一种用于进行第一方面所述叶片健康度智能监测分析评估方法的监测分析评估系统装置,所述监测分析评估系统装置包括:
振动传感模块,包括若干振动传感器和一个键相传感器,根据导风筒的内表面与叶片边缘之间的缝隙宽度选择振动传感器的量程及灵敏度;
振动信号采集模块,接入所述键相传感器和所述振动传感器的检测信号输出端,根据键相传感器和振动传感器的检测通道设置采样频率、传感器编号、名称、灵敏度、量程、报警值和安装位置;
数据采集存储模块,电性连接所述振动信号采集模块,用于采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;
数据监测分析模块,电性连接所述数据采集存储模块,对振动传感器采集的叶片振动信号进行傅里叶变换,结合键相信号,计算得到叶片的最大振动值和相位角,并定位到相应的叶片编号上;
叶片磨损量计算模块,电性连接所述数据监测分析模块,对叶片的振动信号进行比较分析,结合键相信号,计算得到叶片的累积磨损情况、累积变形情况及缺失情况;
叶片剩余磨损量评估模块,电性连接所述叶片磨损量计算模块,计算叶片的剩余磨损值,预测叶片的最大许可磨损极限和剩余寿命,推送检修策略。
作为本发明一种优选的技术方案,所述监测分析评估系统装置还包括叶片健康度展示模块,所述叶片健康度展示模块用于图形化3D显示全部叶片的当前状态,包括振动值、累积磨损量、累积变形量、缺失状况、剩余磨损量、最大许可磨损极限、最大许可变形极限和剩余寿命。
第三方面,本发明提供了一种第一方面所述的叶片健康度智能监测分析评估系统装置的用途,所述叶片健康度智能监测分析评估系统装置用于对电站锅炉的轴流式风机的叶片健康度进行检测分析并提供维修更换策略。
本发明在研究风机的动叶片健康度时,基于风机每组动叶片的周向位置,在导风筒上半部分周向对称各45°的位置分别开设一个直径为25~30mm的安装孔,在安装孔外部焊接一个带M10螺纹孔的固定支撑块,在其上安装一支振动流传感器,调整振动传感器的径向安装深度,使其头部与导风筒的内部平齐,同时在风机转子的驱动端安装一支键相传感器,其键相槽可与叶片的第一个编号对齐;将所有传感器的信号接入数据动态采集装置,将其监测数据通过光纤传输到后台电脑;在后台电脑上安装有叶片健康度分析软件,在软件中设置键相传感器和各叶片传感器的功能、灵敏度、报警值等信息,并从电厂SIS或DCS系统采集机组的功率、锅炉蒸发量等总体参数和风机的状态参数;在风机运行过程中可智能监测动叶片的运行状态,通过对监测数据进行分析处理,可实时得到叶片的相对振动情况、叶片的磨损情况、叶片是否有变形、叶片是否有裂纹或断裂等情况,进而实时评估风机动叶片的健康度,包括叶片的最大许可磨损极限和剩余磨损寿命等,并给出相应的报警信息,指导风机的安全可靠运行,提供正确的动叶片检修策略。
所述系统是指设备系统、装置系统或生产装置。
本发明所述的数值范围不仅包括上述例举的点值,还包括没有例举出的上述数值范围之间的任意的点值,限于篇幅及出于简明的考虑,本发明不再穷尽列举所述范围包括的具体点值。
与现有技术相比,本发明的有益效果为:
现有的风机状态监测方法无法监测动叶片的运行情况,也无法分析动叶片的健康程度,本发明提供的轴流式风机的叶片健康度智能监测分析评估方法对于动叶可调的轴流式风机,首次提出了叶片健康度的传感、监测和分析方法,可应用于电厂的风机状态检修,具有较强的适用性和实用性。为动叶片增加了传感单元,合理的传感器选型、布置和安装适用于电厂复杂多变的恶劣运行环境;基于风机各叶片的监测数据扩充叶片的监测内容,并进一步提高叶片健康度评估的准确性和精度;利用风机和叶片的主要监测数据,建立风机实时运行的通风性能计算模型,可以实时分析风机的性能劣化情况,并据此计算评估每个叶片的剩余磨损值;基于风机和叶片监测的历史运行数据,采用人工智能算法预测动叶片的最大许可磨损极限和计算剩余寿命,可为电厂运维人员直接推送报警信息和后续的动叶片检修策略。
附图说明
图1为本发明一个具体实施方式提供的振动传感器安装位置图;
图2为本发明一个具体实施方式提供的轴流式风机的叶片状态示意图;
图3为本发明一个具体实施方式提供的轴流式风机的叶片健康度智能分析评估方法的流程图;
图4为本发明一个具体实施方式提供的叶片健康度智能分析评估系统装置的结构示意图;
其中,1-叶片;2-导风筒;3-安装孔;4-固定支撑块;5-振动传感器。
具体实施方式
需要理解的是,在本发明的描述中,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“设置”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面通过具体实施方式来进一步说明本发明的技术方案。
在一个具体实施方式中,本发明提供了一种轴流式风机的叶片健康度智能监测分析评估方法,如图3所示,所述叶片健康度智能监测分析评估方法包括:
(1)将振动传感器5安装于导风筒2上,并位于动叶可调轴流式风机的叶片1上方,设置振动传感器5的参数;
(2)采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;
(3)获取叶片1在不同工况下的运行状态;
(4)分析稳定工况下叶片1的磨损情况、变形情况及缺失情况;
(5)分析叶片1剩余磨损量,估算叶片1的剩余磨损寿命,提供检修策略。
现有的风机状态监测方法无法监测动叶片1的运行情况,也无法分析动叶片1的健康程度,本发明提供的轴流式风机的叶片健康度智能监测分析评估方法对于动叶可调的轴流式风机,首次提出了叶片健康度的传感、监测和分析方法,可应用于电厂的风机状态检修,具有较强的适用性和实用性。为动叶片1增加了传感单元,合理的传感器选型、布置和安装适用于电厂复杂多变的恶劣运行环境;基于风机各叶片1的监测数据扩充叶片1的监测内容,并进一步提高叶片健康度评估的准确性和精度;利用风机和叶片1的主要监测数据,建立风机实时运行的通风性能计算模型,可以实时分析风机的性能劣化情况,并据此计算评估每个叶片1的剩余磨损值;基于风机和叶片1监测的历史运行数据,采用人工智能算法预测动叶片1的最大许可磨损极限和计算剩余寿命,可为电厂运维人员直接推送报警信息和后续的动叶片1检修策略。
进一步地,步骤(1)中,所述叶片传感器包括振动传感器5和键相传感器。
进一步地,如图1所示,所述振动传感器5的安装过程具体包括:
确定振动传感器5的轴向安装位置:叶片1外周设置有导风筒2,采集风机在满负荷运行工况下流过风机的烟风温度,根据烟风温度计算风机在热态工况的轴向膨胀量,根据轴向膨胀量确定振动传感器5在导风筒2上的轴向安装位置,使振动传感器5在工作时与叶片1中心处于同一平面。
确定振动传感器5的周向安装位置和径向安装深度:在确定的导风筒2轴向安装位置处,导风筒2处于工作状态下的上半部分开设两个安装孔3,两个安装孔3位于导风筒2的同一周向上并沿竖直方向对称设置,安装孔3与导风筒2轴心的连线与竖直方向的夹角为45°,振动传感器5穿过安装孔3,调整振动传感器5的径向安装深度,使振动传感器5的头部与导风筒2的内壁面平齐。
进一步地,所述键相传感器的安装过程具体包括:
在风机转子的驱动端安装键相传感器,键相传感器的键相槽与叶片1对齐,并标记编号。
进一步地,所述安装孔3的直径为25~30mm。
进一步地,所述振动传感器5通过固定支撑块4安装于所述导风筒2上,所述固定支撑块4位于所述安装孔3对应的所述导风筒2外壁处,所述支撑块内开设有贯通的螺纹孔,所述螺纹孔与所述安装孔3轴线对齐,所述螺纹孔与所述振动传感器5的螺纹相匹配,所述振动传感器5的头部旋入所述固定支撑块4内并伸入所述安装孔3,与所述导风筒2的内壁面平齐。
本发明在导风筒2上设置了两个呈90°分布的振动传感器5(电涡流传感器),结合键相信号,对于定频和变频风机均可直接分析计算每个叶片1的振动数据、累积磨损量、累积变形量、严重变形、裂纹和断裂位置。在振动传感器5的布置方案中,不仅考虑了叶片1在径向平面的振动特性、转子热膨胀时动叶片1的轴向窜动特性,还考虑了传感器的安装空间,避免干扰传感器信号。根据导风筒2的内表面和叶片1顶部边缘之间的缝隙宽度选择传感器的量程及其灵敏度,导风筒2上的传感器安装孔3的尺寸要避免影响传感器的测量精度。
进一步地,步骤(2)中,所述振动传感器5的检测数据的采集过程包括:
所述振动传感器5和所述键相传感器的检测信号输出端接入数据动态采集装置,所述数据动态采集装置收集汇总的检测数据按照所述振动传感器5和所述键相传感器的通道编号、采样频率、灵敏度和报警值进行数据转换,根据不同的数据存储策略分别存入实时数据库和历史数据库。
进一步地,步骤(2)中,所述动叶可调轴流式风机的状态数据包括整体级数据、设备级数据和部件级数据,将所述整体级数据、所述设备级数据和所述部件级数据按照数据类型、采集频率和数据存储策略分别存入实时数据库和历史数据库。
进一步地,所述整体级数据用于表征电厂发电机组和电厂锅炉的运行状态,所述整体级数据映射到单台风机设备层面,所述整体级数据包括发电机组的实发功率、锅炉总燃料量、主蒸汽流量和总风量。
进一步地,所述设备级数据用于表征电厂烟风系统的运行状态,所述设备级数据映射到单台风机设备层面,所述设备级数据包括烟气流量、风压、风温和风门挡板开度。
进一步地,所述部件级数据用于表征单台风机设备的运行状态,所述部件级数据包括风机动叶角度、入口压力、入口风温、出口压力、出口风温、电机电流和频率。
从电厂SIS或DCS系统所采集的机组功率、锅炉蒸发量等总体参数和风机的状态参数按照数据类型、采集频率和数据存储策略分别存入实时数据库和历史数据库。从数据动态采集装置所传输的数据按照键相传感器和各振动传感器5的通道编号、采样频率、灵敏度、报警值等信息进行数据转换,按照数据存储策略分别存入实时数据库和历史数据库。
进一步地,步骤(3)具体包括如下步骤:
将风机运行过程中所采集的键相信号定位到相应的叶片1和编号上,对振动传感器5采集到的每组叶片1的振动数据进行时域和频域FFT分析,获取叶片1在不同工况下的运行状态,分析叶片1在径向上的振动情况,计算得到最大振动值及相应的相位角。
当最大振动值超出预设值时,发出相应的振动报警信息。
根据最大振动值及相位角对风机转轴进行动平衡计算。
进一步地,步骤(4)具体包括:
分析叶片1的磨损情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片1的径向平均轮廓位置作为叶片1的径向初始轮廓并存储;当风机运行一段时间后,分析每个动叶片1的径向平均轮廓,并与径向初始轮廓对比,计算得到各个动叶片1的径向轮廓磨损量(如图2所示)。
分析叶片1的变形情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片1的周向平均轮廓位置作为叶片1的周向初始轮廓并存储;当风机运行一段时间后,分析每个动叶片1的周向平均轮廓,并与周向初始轮廓对比,计算得到各个动叶片1的周向轮廓变形量,并判断叶片1是否发生变形(如图2所示)。
分析叶片1的缺失情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片1的轮廓位置作为叶片1的初始轮廓并存储;在风机的轴承座振动和叶片1振动均发生突变并恶化时,此时叶片1的磨损量和变形量也发生突变,通过对比此时的叶片1的轮廓形状与初始轮廓,判断叶片1是否出现裂纹或是否断裂(如图2所示)。
当叶片1的磨损情况、变形情况或缺失情况中的任一检测值超过预设值时,发出相应的报警信息。
本发明建立了完整合理的叶片健康度分析方法,根据振动传感器5采集的振动数据,开展叶片1振动的时域和频域分析,发现振动异常的叶片1;基于新建机组或大修后叶片1的初始运行状态和当前的叶片1振动状态,可实时分析计算叶片1的累积磨损值、累积变形值和叶片1缺失情况;采用风机的机理模型,结合当前的性能劣化情况,可实时分析计算叶片1的剩余磨损值;同时,根据风机的压力、流量、温度、动叶角度(或转速)、电流等数据预测叶片1的最大许可磨损极限和剩余寿命。具体而言,在风机刚投入运行后或大修后的初期运行阶段:
(1)分析稳定工况下叶片1的径向平均轮廓位置作为叶片1的径向初始轮廓并存储;当风机运行一段时间后,长期的高温高腐蚀烟尘气流会对叶片1产生磨损,此时分析每个动叶片1的径向平均轮廓,并与径向初始轮廓对比,计算得到各个动叶片1的径向轮廓磨损量;
(2)分析稳定工况下叶片1的周向平均轮廓位置作为叶片1的周向初始轮廓并存储;当风机运行一段时间后,长期的高温高腐蚀烟尘气流会对叶片1产生腐蚀,可能引起叶片1局部腐蚀或动叶片1调节卡涩,在离心力长期作用下会导致叶片1发生周向变形,此时分析每个动叶片1的周向平均轮廓,并与周向初始轮廓对比,计算得到各个动叶片1的周向轮廓变形量,并判断叶片1是否发生变形;
(3)分析稳定工况下叶片1的轮廓位置作为动叶片1的初始轮廓并存储。在风机的轴承座振动和叶片1振动均发生突变并恶化时,此时某个叶片1的磨损量和变形量也发生严重地突变,通过对比叶片1的轮廓形状与初始轮廓,可以直接客观得判断叶片1出现裂纹或已经断裂。
进一步地,步骤(5)具体包括:
在发电机组满负荷工况和相同的动叶片1旋转角度时,基于风机的性能计算模型、叶片1的初始轮廓、叶片1磨损情况、叶片1变形情况和叶片1缺失情况,计算出叶片1的最大许可磨损极限位置;或者
基于当前类型叶片1的历史磨损数据采用人工智能算法预测出叶片1的最大许可磨损量,从而评估出叶片1的剩余磨损寿命,结合叶片1的磨损情况、变形情况及缺失情况,提供检修策略和更换依据。
当叶片1的剩余磨损寿命超过预设值时,发出相应的寿命报警信息。
在本发明中,风机动叶片1的智能监测分析提升了风机状态监测的直观性和准确性,与状态检修系统的结合,实现了火电厂风机的动叶片1实时健康度评估,可展示所有叶片1的实时振动值、累积磨损值、累积变形值和叶片1的缺失情况,同时展示风机叶片1的剩余磨损值、最大许可磨损极限和剩余寿命,有利于运维人员直观地查看和分析风机叶片1状态,为风机的叶片1备件采购提供数据支撑,可直接推送动叶片1的检修方案,还可根据叶片1磨损值为风机的优化运行提供控制策略。同时,准确评估风机叶片1的健康度能够减少火电机组的非计划停机,降低火电厂的运维成本,保证电厂或电网运行的稳定性和安全性。
在另一个具体实施方式中,本发明提供了一种用于进行上述叶片健康度智能监测分析评估方法的监测分析评估系统装置,如图4所示,所述监测分析评估系统装置包括:
振动传感模块,包括若干振动传感器5和一个键相传感器,根据导风筒2的内表面与叶片1边缘之间的缝隙宽度选择振动传感器5的量程及灵敏度;
振动信号采集模块,接入所述键相传感器和所述振动传感器5的检测信号输出端,根据键相传感器和振动传感器5的检测通道设置采样频率、传感器编号、名称、灵敏度、量程、报警值-和安装位置;
数据采集存储模块,电性连接所述振动信号采集模块,用于采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;
数据监测分析模块,电性连接所述数据采集存储模块,对振动传感器5采集的叶片1振动信号进行傅里叶变换,结合键相信号,计算得到叶片1的最大振动值和相位角,并定位到相应的叶片1编号上;
叶片1磨损量计算模块,电性连接所述数据监测分析模块,对叶片1的振动信号进行比较分析,结合键相信号,计算得到叶片1的磨损情况、变形情况及缺失情况;
叶片1剩余磨损量评估模块,电性连接所述叶片1磨损量计算模块,计算叶片1的剩余磨损值,预测叶片1的最大许可磨损极限和剩余寿命,推送检修策略。
作为本发明一种优选的技术方案,所述监测分析评估系统装置还包括叶片健康度展示模块,所述叶片健康度展示模块用于图形化3D显示全部叶片1的当前状态,包括振动值、累积磨损量、累积变形量、缺失状况、剩余磨损量、最大许可磨损极限、最大许可变形极限和剩余寿命。
在另一个具体实施方式中,本发明提供了一种上述的叶片健康度智能监测分析评估系统装置的用途,所述叶片健康度智能监测分析评估系统装置用于对电站锅炉的轴流式风机的叶片健康度进行检测分析并提供维修更换策略。
本发明在研究风机的动叶片健康度时,基于风机每组动叶片1的周向位置,在导风筒2上半部分周向对称各45°的位置分别开设一个直径为25~30mm的安装孔3,在安装孔3外部焊接一个带M10螺纹孔的固定支撑块4,在其上安装一支振动传感器,调整振动传感器5的径向安装深度,使其头部与导风筒2的内部平齐,同时在风机转子的驱动端安装一支键相传感器,其键相槽可与叶片1的第一个编号对齐;将所有传感器的信号接入数据动态采集装置,将其监测数据通过光纤传输到后台电脑;在后台电脑上安装有叶片健康度分析软件,在软件中设置键相传感器和各叶片传感器的功能、灵敏度、报警值等信息,并从电厂SIS或DCS系统采集机组的功率、锅炉蒸发量等总体参数和风机的状态参数;在风机运行过程中可智能监测动叶片1的运行状态,通过对监测数据进行分析处理,可实时得到叶片1的相对振动情况、叶片1的磨损情况、叶片1是否有变形、叶片1是否有裂纹或断裂等情况,进而实时评估风机动叶片1的健康度,包括叶片1的最大许可磨损极限和剩余磨损寿命等,并给出相应的报警信息,指导风机的安全可靠运行,提供正确的动叶片1检修策略。
申请人声明,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,所属技术领域的技术人员应该明了,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,均落在本发明的保护范围和公开范围之内。
Claims (10)
1.一种轴流式风机的叶片健康度智能监测分析评估方法,其特征在于,所述叶片健康度智能监测分析评估方法包括:
(1)将振动传感器安装于动叶可调轴流式风机的叶片对应导风筒上,设置振动传感器的参数;
(2)采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;
(3)获取叶片在不同工况下的运行状态;
(4)分析稳定工况下叶片的磨损情况、变形情况及缺失情况;
(5)分析叶片剩余磨损量,估算叶片的剩余磨损寿命,提供检修策略。
2.根据权利要求1所述的叶片健康度智能监测分析评估方法,其特征在于,步骤(1)中,所述叶片传感器包括振动传感器和键相传感器;
优选地,所述振动传感器的安装过程具体包括:
确定振动传感器的轴向安装位置:叶片外周设置有导风筒,采集风机在满负荷运行工况下流过风机的烟风温度,根据烟风温度计算风机在热态工况的轴向膨胀量,根据轴向膨胀量确定振动传感器在导风筒上的轴向安装位置,使振动传感器在工作时与叶片中心处于同一平面;
确定振动传感器的周向安装位置和径向安装深度:在确定的导风筒轴向安装位置处,导风筒处于工作状态下的上半部分开设两个安装孔,两个安装孔位于导风筒的同一周向上并沿竖直方向对称设置,安装孔与导风筒轴心的连线与竖直方向的夹角为45°,振动传感器穿过安装孔,调整振动传感器的径向安装深度,使振动传感器的头部与导风筒的内壁面平齐;
优选地,所述键相传感器的安装过程具体包括:
在风机转子的驱动端安装键相传感器,键相传感器的键相槽与叶片对齐,并标记叶片编号。
3.根据权利要求2所述的叶片健康度智能监测分析评估方法,其特征在于,所述安装孔的直径为25~30mm;
优选地,所述振动传感器通过固定支撑块安装于所述导风筒上,所述固定支撑块位于所述安装孔对应的所述导风筒外壁处,所述支撑块内开设有贯通的螺纹孔,所述螺纹孔与所述安装孔轴线对齐,所述螺纹孔与所述振动传感器的螺纹相匹配,所述振动传感器的头部旋入所述固定支撑块内并伸入所述安装孔,与所述导风筒的内壁面平齐。
4.根据权利要求1-3任一项所述的叶片健康度智能监测分析评估方法,其特征在于,步骤(2)中,所述振动传感器的检测数据的采集过程包括:
所述振动传感器和所述键相传感器的检测信号输出端接入数据动态采集装置,所述数据动态采集装置收集汇总的检测数据按照所述振动传感器和所述键相传感器的通道编号、采样频率、灵敏度和报警值进行数据转换,根据不同的数据存储策略分别存入实时数据库和历史数据库;
优选地,步骤(2)中,所述动叶可调轴流式风机的状态数据包括整体级数据、设备级数据和部件级数据,将所述整体级数据、所述设备级数据和所述部件级数据按照数据类型、采集频率和数据存储策略分别存入实时数据库和历史数据库;
优选地,所述整体级数据用于表征电厂发电机组和电厂锅炉的运行状态,所述整体级数据映射到单台风机设备层面,所述整体级数据包括发电机组的实发功率、锅炉总燃料量、主蒸汽流量和总风量;
优选地,所述设备级数据用于表征电厂烟风系统的运行状态,所述设备级数据映射到单台风机设备层面,所述设备级数据包括烟气流量、风压、风温和风门挡板开度;
优选地,所述部件级数据用于表征单台风机设备的运行状态,所述部件级数据包括风机动叶角度、入口压力、入口风温、出口压力、出口风温、电机电流和频率。
5.根据权利要求1-4任一项所述的叶片健康度智能监测分析评估方法,其特征在于,步骤(3)具体包括如下步骤:
将风机运行过程中所采集的键相信号定位到相应的叶片编号上,对振动传感器采集到的每组叶片的振动数据进行时域和频域FFT分析,获取叶片在不同工况下的运行状态,分析叶片在径向上的振动情况,计算得到最大振动值及相应的相位角;
当最大振动值超出预设值时,发出相应的振动报警信息;
根据最大振动值及相位角对风机转轴进行动平衡计算。
6.根据权利要求1-5任一项所述的叶片健康度智能监测分析评估方法,其特征在于,步骤(4)具体包括:
分析叶片的磨损情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片的径向平均轮廓位置作为叶片的径向初始轮廓并存储;当风机运行一段时间后,分析每个动叶片的径向平均轮廓,并与径向初始轮廓对比,计算得到各个动叶片的径向轮廓磨损量;
分析叶片的变形情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片的周向平均轮廓位置作为叶片的周向初始轮廓并存储;当风机运行一段时间后,分析每个动叶片的周向平均轮廓,并与周向初始轮廓对比,计算得到各个动叶片的周向轮廓变形量,并判断叶片是否发生变形;
分析叶片的缺失情况:在风机刚投入运行后或大修后的初期运行阶段,分析稳定工况下叶片的轮廓位置作为叶片的初始轮廓并存储;在风机的轴承座振动和叶片振动均发生突变并恶化时,此时叶片的磨损量和变形量也发生突变,通过对比此时的叶片的轮廓形状与初始轮廓,判断叶片是否出现裂纹或是否断裂;
当叶片的磨损情况、变形情况或缺失情况中的任一检测值超过预设值时,发出相应的报警信息。
7.根据权利要求1-6任一项所述的叶片健康度智能监测分析评估方法,其特征在于,步骤(5)具体包括:
在发电机组满负荷工况和相同的动叶片角度下,基于风机的性能计算模型、叶片的初始轮廓、叶片磨损情况、叶片变形情况和叶片缺失情况,计算出叶片的最大许可磨损极限位置;或者
基于当前类型叶片的历史磨损数据采用人工智能算法预测出叶片的最大许可磨损量,从而评估出叶片的剩余磨损寿命,结合叶片的磨损情况、变形情况及缺失情况,提供检修策略和更换依据;
当叶片的剩余磨损寿命超过预设值时,发出相应的寿命报警信息。
8.一种用于进行权利要求1-7任一项所述叶片健康度智能监测分析评估方法的监测分析评估系统装置,其特征在于,所述监测分析评估系统装置包括:
振动传感模块,包括若干振动传感器和一个键相传感器,根据导风筒的内表面与叶片边缘之间的缝隙宽度选择振动传感器的量程及灵敏度;
振动信号采集模块,接入所述键相传感器和所述振动传感器的检测信号输出端,根据键相传感器和振动传感器的检测通道设置采样频率、传感器编号、名称、灵敏度、量程、报警值和安装位置;
数据采集存储模块,电性连接所述振动信号采集模块,用于采集叶片传感器的检测数据和动叶可调轴流式风机的状态数据;
数据监测分析模块,电性连接所述数据采集存储模块,对振动传感器采集的叶片振动信号进行傅里叶变换,结合键相信号,计算得到叶片的最大振动值和相位角,并定位到相应的叶片编号上;
叶片磨损量计算模块,电性连接所述数据监测分析模块,对叶片的振动信号进行比较分析,结合键相信号,计算得到叶片的磨损情况、变形情况及缺失情况;
叶片剩余磨损量评估模块,电性连接所述叶片磨损量计算模块,计算叶片的剩余磨损值,预测叶片的最大许可磨损极限和剩余寿命,推送检修策略。
9.根据权利要求8所述的监测分析评估系统装置,其特征在于,所述监测分析评估系统装置还包括叶片健康度展示模块,所述叶片健康度展示模块用于图形化3D显示全部叶片的当前状态,包括振动值、累积磨损量、累积变形量、缺失状况、剩余磨损量、最大许可磨损极限、最大许可变形极限和剩余寿命。
10.一种权利要求8或9所述的叶片健康度智能监测分析评估系统装置的用途,其特征在于,所述叶片健康度智能监测分析评估系统装置用于对电站锅炉的轴流式风机的叶片健康度进行检测分析并提供维修更换策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210683674.0A CN115111181A (zh) | 2022-06-16 | 2022-06-16 | 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210683674.0A CN115111181A (zh) | 2022-06-16 | 2022-06-16 | 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115111181A true CN115111181A (zh) | 2022-09-27 |
Family
ID=83328797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210683674.0A Pending CN115111181A (zh) | 2022-06-16 | 2022-06-16 | 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115111181A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115683007A (zh) * | 2023-01-04 | 2023-02-03 | 北矿机电科技有限责任公司 | 一种浮选设备叶轮磨损软测量方法 |
CN117920533A (zh) * | 2024-03-21 | 2024-04-26 | 江苏安氟龙科技有限公司 | 一种特氟龙布加工用涂布机机构 |
-
2022
- 2022-06-16 CN CN202210683674.0A patent/CN115111181A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115683007A (zh) * | 2023-01-04 | 2023-02-03 | 北矿机电科技有限责任公司 | 一种浮选设备叶轮磨损软测量方法 |
CN117920533A (zh) * | 2024-03-21 | 2024-04-26 | 江苏安氟龙科技有限公司 | 一种特氟龙布加工用涂布机机构 |
CN117920533B (zh) * | 2024-03-21 | 2024-06-11 | 江苏安氟龙科技有限公司 | 一种特氟龙布加工用涂布机机构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115111181A (zh) | 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 | |
KR101429952B1 (ko) | 베어링의 진단 시스템 | |
KR100304466B1 (ko) | 축류압축기의진동들뜸을모니터하기위한프로세스및장치 | |
EP3452720B1 (en) | Status monitoring for wind turbines | |
EP2026160B1 (en) | Event monitoring via combination of signals | |
CN101836168B (zh) | 用于分析燃气轮机的运行的方法 | |
CN101592590B (zh) | 一种转动叶片故障间接诊断技术 | |
CN111828103B (zh) | 一种汽轮机深度调峰运行叶片颤振区在线判别方法 | |
CN104019000A (zh) | 风力发电机组的载荷谱测定与前瞻性维护系统 | |
CN107448362B (zh) | 回转支承轴承的状态监测方法、装置及风力发电机组 | |
CN109707653B (zh) | 一种天然气长输管道离心压缩机组智能监控系统 | |
CN102966526B (zh) | 基于轴向振动分析的压缩机低频流体激振类故障诊断方法 | |
CN111609923A (zh) | 一种基于dcs数据的汽轮发电机组振动预警方法 | |
JP3708041B2 (ja) | 回転機械の振動診断方法及び装置 | |
CN105332862B (zh) | 用于检测风力发电机组工作状态的方法、装置和系统 | |
CN209483437U (zh) | 切低压缸供热汽轮机末段叶片颤振精确监测系统 | |
US8955372B2 (en) | Systems and methods for continuous pressure change monitoring in turbine compressors | |
CN109441563A (zh) | 切低压缸供热汽轮机末段叶片颤振精确监测系统 | |
KR101927213B1 (ko) | 싱글스크류 공기압축기 고장진단시스템 | |
CN110382878A (zh) | 确定用于预测压缩机中不稳定性的指标的方法和装置及其用途 | |
CN116465627A (zh) | 机械设备故障监测系统 | |
JP2021121788A (ja) | 診断装置、診断方法、診断プログラムおよび診断システム | |
US20120137759A1 (en) | Surge precursor protection systems and methods | |
Rusinski et al. | Monitoring and testing of high power industrial fans vibration | |
JPH01270623A (ja) | 回転機の振動診断装置 |
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 |