CZ2023364A3

CZ2023364A3 - A method of monitoring turbine blade vibrations

Info

Publication number: CZ2023364A3
Application number: CZ2023-364A
Authority: CZ
Inventors: Jindřich LIŠKA; Liška Jindřich Ing., Ph.D.; Jan JAKL; Jakl Jan Ing., Ph.D.; Vojtěch VAŠÍČEK; Vojtěch Ing. Vašíček
Original assignee: Západočeská Univerzita V Plzni
Priority date: 2021-10-26
Filing date: 2021-10-26
Publication date: 2023-10-25
Also published as: CZ310018B6; WO2022152336A1

Abstract

Při monitorování lopatkových vibrací turbíny se změří rotorové vibrace turbíny pomocí nejméně jednoho snímače rotorových vibrací umístěného na nejméně jednom ložisku turbíny. Získaný signál se předzpracuje tak, že se převede z časové do frekvenční oblasti, s výhodou diskrétní Fourierovou transformací, provede se potlačení úrovně širokospektrálního šumu signálu, s výhodou liftrací kepstra signálu, a potlačení variance širokospektrálního šumu signálu, s výhodou průměrováním liftrovaných spekter signálu. Následně se provede identifikace složek lopatkových vibrací v předzpracovaném signálu. Identifikace zahrnuje proces prahování předzpracovaného signálu a shlukování komponent z prahování. V identifikovaných složkách lopatkových vibrací se následně sleduje velikost odchylky frekvence a/nebo amplitudy nejméně jedné identifikované složky od jejího nominálního stavu.When monitoring turbine blade vibrations, turbine rotor vibrations are measured using at least one rotor vibration sensor located on at least one turbine bearing. The obtained signal is pre-processed by converting it from the time domain to the frequency domain, preferably by discrete Fourier transformation, suppressing the level of wide-spectral signal noise, preferably by lifting the signal cepstrum, and suppressing the variance of the wide-spectral signal noise, preferably by averaging the lifted signal spectra. Subsequently, the components of blade vibrations in the pre-processed signal are identified. Identification involves the process of thresholding the pre-processed signal and clustering the components from the thresholding. In the identified components of blade vibrations, the size of the frequency and/or amplitude deviation of at least one identified component from its nominal state is subsequently monitored.

Description

Způsob monitorování lopatkových vibrací turbínyA method of monitoring turbine blade vibrations

Oblast technikyField of technology

Navrhovaný vynález spadá do oblasti měření a vyhodnocení mechanických kmitů a rezonancí lopatek turbíny.The proposed invention falls into the field of measurement and evaluation of mechanical oscillations and resonances of turbine blades.

Dosavadní stav technikyCurrent state of the art

Monitorování vibrací oběžných lopatek je důležitou úlohou v diagnostice lopatkových strojů, především parních a plynových turbín. Tlak ze strany provozovatele parní turbíny je minimalizovat náklady na provoz turbíny a současně zajistit její bezporuchovost. Toho lze docílit mimo jiné dlouhodobým monitorováním a včasnou detekcí případné poruchy. Nicméně je častou praxí, že se vibrace lopatek turbín dlouhodobě vůbec nesledují. Důvodem jsou relativně vysoké pořizovací a provozní náklady diagnostického systému. Dosavadní přístupy monitorování lopatkových vibrací jsou založeny na především dvou způsobech měření, na kontaktním a bezkontaktním.Monitoring the vibrations of rotating blades is an important role in the diagnosis of blade machines, especially steam and gas turbines. The pressure from the steam turbine operator is to minimize the cost of operating the turbine while ensuring its fault-free operation. This can be achieved, among other things, by long-term monitoring and early detection of any malfunctions. However, it is a common practice that the vibrations of turbine blades are not monitored at all in the long term. The reason is the relatively high acquisition and operating costs of the diagnostic system. Current approaches to monitoring blade vibrations are mainly based on two methods of measurement, contact and non-contact.

Kontaktní způsob je založen na tenzometrickém měření. Tenzometrické měření poskytuje informaci o mechanickém napětí na povrchu lopatky. Jedná se o kontaktní měření, kdy je snímač s lopatkou pevně spojen, což umožňuje získat velmi přesné hodnoty mechanického namáhání. Tento přístup umožnuje měřit s vysokou vzorkovací frekvencí, čehož lze využít v pozdější analýze signálu a jeho zpracování. Nejčastěji využívanými snímači jsou odporové tenzometry, které pracují na principu změny elektrického odporu vodiče v důsledku jeho deformace. Monitorování mechanického napětí oběžných lopatek však přináší nutnost vyvést měřenou veličinu ve formě elektrického signálu mimo rotující systém. Zároveň je tenzometrické měření vlivem extrémních vlastností pracovního média interagujícího v průtočné části s instalovanými snímači a kanály dlouhodobě nepoužitelné. Limitujícím faktorem tenzometrického měření v případě monitorování vibrací oběžných lopatek je nutnost instalace snímačů do průtočné části turbíny, a tedy odolnost vůči panujícím podmínkám a způsob vyvedení měřených signálů z rotujícího systému. Pro dlouhodobé monitorování je tak použití tenzometrů nevhodné a lze jej využít především pro krátkodobá měření a experimenty.The contact method is based on tensometric measurement. Tensometric measurement provides information about the mechanical stress on the blade surface. This is a contact measurement, where the sensor is firmly connected to the blade, which makes it possible to obtain very accurate values of mechanical stress. This approach makes it possible to measure with a high sampling frequency, which can be used in later signal analysis and processing. The most frequently used sensors are resistance strain gauges, which work on the principle of a change in the electrical resistance of a conductor as a result of its deformation. Monitoring the mechanical stress of the rotating blades, however, requires outputting the measured quantity in the form of an electrical signal outside the rotating system. At the same time, due to the extreme properties of the working medium interacting in the flow part with the installed sensors and channels, strainometric measurement is unusable in the long term. The limiting factor of tensometric measurement in the case of vibration monitoring of rotating blades is the necessity of installing sensors in the flow part of the turbine, and thus the resistance to the prevailing conditions and the way of outputting the measured signals from the rotating system. Thus, the use of strain gauges is unsuitable for long-term monitoring and can be used mainly for short-term measurements and experiments.

Pro dlouhodobé monitorování lopatkových vibrací lze využít metodu označovanou jako Blade TipTiming (BTT). Metoda využívá sadu senzorů zabudovaných ve statorové části nad monitorovanými lopatkami (nad lopatkovým kolem). Z naměřeného signálu se identifikuje čas průletu lopatky pod senzorem. Ze znalosti geometrického rozložení lopatek po obvodu lopatkového kola, tedy z jejich počtu a obvodu lopatkového kola, lze určit očekávané časy průletu lopatek pod senzorem. Odchylky očekávaných časů průletu a skutečně měřených časů průletu ze snímačů systému BTT jsou dále zpracovávány a umožňují určit frekvenční a amplitudové vlastnosti kmitání jednotlivých lopatek kola (např. využití frekvenční analýzy aplikací Fourierovy transformace).For long-term monitoring of blade vibrations, a method called Blade TipTiming (BTT) can be used. The method uses a set of sensors built into the stator part above the monitored blades (above the blade wheel). From the measured signal, the time of passage of the vane under the sensor is identified. From the knowledge of the geometrical distribution of the blades around the circumference of the impeller, i.e. from their number and the circumference of the impeller, the expected times of passage of the blades under the sensor can be determined. The deviations of the expected transit times and the actually measured transit times from the BTT system sensors are further processed and allow to determine the frequency and amplitude characteristics of the vibration of individual wheel blades (e.g. using frequency analysis by Fourier transform applications).

Úkolem vynálezu, jehož podstata je popsána v následující kapitole, je eliminovat nutnost instalace nových snímačů do tělesa turbíny případně do průtočné části a využít stávajících (standardně instalovaných) snímačů. To umožní významně zlevnit instalaci monitorovacího systému lopatek a zvýšit dostupnost dlouhodobého monitoringu lopatek nejen pro nově instalované turbíny, ale i pro již provozované stroje (není nutnost odstavení stroje při instalaci monitorovacího zařízení).The task of the invention, the essence of which is described in the following chapter, is to eliminate the necessity of installing new sensors in the turbine body or in the flow part and to use the existing (standard installed) sensors. This will make it possible to make the installation of the blade monitoring system significantly cheaper and to increase the availability of long-term blade monitoring not only for newly installed turbines, but also for machines already in operation (it is not necessary to shut down the machine when installing the monitoring device).

Podstata vynálezuThe essence of the invention

Podstatou vynálezu je způsob monitorování lopatkových vibrací turbíny z rotorového chvění, například parní nebo plynové turbíny. Způsob spočívá v tom, že se změří rotorové vibrace turbínyThe essence of the invention is a method of monitoring blade vibrations of a turbine from rotor vibration, for example a steam or gas turbine. The method consists in measuring the rotor vibrations of the turbine

- 1 CZ 2023 - 364 A3 pomocí nejméně jednoho snímače rotorových vibrací umístěného na nejméně jednom ložisku turbíny. S výhodou se využije snímače relativních rotorových vibrací. To znamená, že snímač je situován na pevné části zařízení a snímá relativní vzdálenost mezi pevnou částí zařízení a případně vibrující hřídelí turbíny. Nejčastěji se jedná o snímač založený na principu měření vířivých proudů.- 1 CZ 2023 - 364 A3 using at least one rotor vibration sensor located on at least one turbine bearing. Relative rotor vibration sensors are advantageously used. This means that the sensor is located on a fixed part of the device and senses the relative distance between the fixed part of the device and possibly the vibrating shaft of the turbine. Most often, this is a sensor based on the principle of measuring eddy currents.

Signál získaný ze snímače rotorových vibrací se předzpracuje tak že se převede z časové do frekvenční oblasti. Výsledkem je spektrum signálu, které je patrné na obr. 1. Účelem převodu do frekvenční oblasti je identifikace frekvenčních složek obsažených v měřeném signálu. Pro převod z časové do frekvenční oblasti se s výhodou použije metoda diskrétní Fourierovy transformace. Existuje však několik dalších použitelných metod. Jedná se například o metodu nejmenších čtverců nebo o metody provádějící spektrální odhad na základě autoregresních modelů, jako je Burgova metoda nebo Yule-Walkerova metoda.The signal obtained from the rotor vibration sensor is pre-processed so that it is converted from the time domain to the frequency domain. The result is the signal spectrum, which can be seen in Fig. 1. The purpose of the conversion to the frequency domain is to identify the frequency components contained in the measured signal. For the conversion from the time domain to the frequency domain, the method of discrete Fourier transformation is preferably used. However, there are several other methods that can be used. These are, for example, the method of least squares or methods performing spectral estimation based on autoregressive models, such as the Burg method or the Yule-Walker method.

Dále se provede potlačení úrovně širokospektrálního šumu signálu a potlačení variance širokospektrálního šumu signálu. To má za následek zvýšení odstupu mezi složkami signálu, které jsou buzeny kmitáním lopatek (užitečný signál) a šumem.Furthermore, suppression of the wide-spectral noise level of the signal and suppression of the variance of the wide-spectral noise of the signal is performed. This has the effect of increasing the separation between the components of the signal that are excited by the oscillation of the vanes (the useful signal) and the noise.

Ve výhodném provedení se potlačení úrovně širokospektrálního šumu signálu provede liftrací kepstra signálu. To se provede tak, že je vypočteno kepstrum signálu rotorového chvění a toto kepstrum je liftrováno - jsou potlačeny nežádoucí složky pomocí vážení jednotlivých kepstrálních koeficientů c váhovou fůnkcí označovanou jako liftr w. Princip je patrný na obr. 2. Tím se dosáhne potlačení nežádoucích spektrálních složek pomocí vhodně zvoleného liftru, viz obr. 3. Liftrace kepstra je zde použita k výpočtu tzv. spektrální obálky, která charakterizuje úroveň šumu pozadí. S výhodou je využíván liftr ve tvaru Gaussovy fůnkce. Použití liftru a výpočet spektrální obálky následně umožňuje odečíst tuto spektrální obálku od amplitudového spektra a tím potlačit širokospektrální šumy. Výsledky tohoto principu jsou patrné na obr. 4 a obr. 5.In an advantageous embodiment, the suppression of the level of broadband noise of the signal is carried out by lifting the signal cepstrum. This is done by calculating the cepstrum of the rotor vibration signal and lifting this cepstrum - unwanted components are suppressed by weighting the individual cepstral coefficients c with a weight function called liftr w. The principle can be seen in Fig. 2. This achieves the suppression of unwanted spectral components by means of a suitably chosen lifter, see Fig. 3. The cepstral lift is used here to calculate the so-called spectral envelope, which characterizes the background noise level. Advantageously, a lifter in the shape of a Gaussian function is used. The use of a lifter and the calculation of the spectral envelope subsequently make it possible to subtract this spectral envelope from the amplitude spectrum and thereby suppress broad-spectral noise. The results of this principle can be seen in Fig. 4 and Fig. 5.

V dalším kroku se provede potlačení variance širokospektrálního šumu signálu. Tento krok vychází z poznatku, že každá spektrální složka signálu, resp. amplituda, je aditivně zatížena šumem. Potlačení střední hodnoty širokospektrálního šumu bylo provedeno v předchozím kroku. Potlačení variance širokospektrálního šumu signálu lze s výhodou provést průměrováním liftrovaných spekter signálu. Průměrování probíhá tak, že je několik v čase po sobě vypočítaných spekter signálu sečteno a vyděleno počtem sčítaných spekter. Princip potlačení variance širokospektrálního šumu signálu průměrováním je patrný na obr. 6. Potlačení variance širokospektrálního šumu signálu lze provést i metodami spektrálního odhadu.In the next step, the variance of the wide-spectral signal noise is suppressed. This step is based on the knowledge that each spectral component of the signal, or amplitude, is additively loaded with noise. Broadband noise mean suppression was performed in the previous step. Suppression of the variance of broadband signal noise can be advantageously performed by averaging the lifted signal spectra. Averaging takes place in such a way that several signal spectra calculated consecutively over time are added up and divided by the number of added spectra. The principle of suppression of the variance of wide-spectral signal noise by averaging can be seen in Fig. 6. Suppression of the variance of wide-spectral signal noise can also be performed by spectral estimation methods.

Po uvedeném předzpracování signálu se provede identifikace složek lopatkových vibrací v předzpracovaném signálu. Identifikace zahrnuje proces prahování spektra předzpracovaného signálu a shlukování komponent z prahování. Identifikace dále může zahrnovat proces filtrace shluknutých komponent. Filtraci lze využít pro odstranění některých nevýznamných shluků, což vede k přesnějším výsledkům.After the mentioned pre-processing of the signal, the components of blade vibrations in the pre-processed signal are identified. Identification involves the process of thresholding the spectrum of the pre-processed signal and clustering the components from the thresholding. The identification may further include a process of filtering the clustered components. Filtering can be used to remove some insignificant clusters, leading to more accurate results.

Prahování předzpracovaného signálu znamená, že jsou identifikovány právě takové amplitudy spektra předzpracovaného signálu mající potlačenou varianci širokospektrálního šumu, které svojí hodnotou převyšují hodnota předem zvoleného prahu (amplitudové úrovně). Princip prahování je patrný na obr. 7. Při automatické detekci lze pro stanovení prahovací úrovně využít medián hodnot analyzovaného liftrováného spektra. Jako amplituda identifikované frekvenční složky se použije hodnota původního neliftrovaného spektra signálu na identifikované lopatkové frekvenci.Thresholding of the pre-processed signal means that precisely those amplitudes of the spectrum of the pre-processed signal with suppressed wide-spectral noise variance are identified, which exceed the value of the pre-selected threshold (amplitude level). The principle of thresholding can be seen in Fig. 7. In automatic detection, the median value of the analyzed lifted spectrum can be used to determine the threshold level. The value of the original unfiltered spectrum of the signal at the identified blade frequency is used as the amplitude of the identified frequency component.

Každou z lopatkových spektrálních složek je žádoucí reprezentovat jednou frekvenční a jednou amplitudovou hodnotou, namísto všech identifikovaných komponent. Za tím účelem se provede shlukování komponent. Shlukování komponent z prahování znamená seskupení komponent do skupin podle definované míry podobnosti. Míra podobnosti dvou složek je v této úloze založena na jejich frekvenční vzdálenosti. Frekvenční vzdálenost je v tomto případě porovnávána s předem definovaným shlukovacím prahem, jehož překročení určuje vznik nového shluku.It is desirable to represent each of the vane spectral components with one frequency and one amplitude value, instead of all identified components. For this purpose, component clustering is performed. Clustering components from thresholding means grouping components into groups according to a defined degree of similarity. The degree of similarity of two components in this task is based on their frequency distance. In this case, the frequency distance is compared with a predefined clustering threshold, the crossing of which determines the formation of a new cluster.

-2CZ 2023 - 364 A3-2CZ 2023 - 364 A3

Frekvenční vzdálenost lze s výhodou definovat např. pomocí Eukleidovské vzdálenosti. Díky shlukování je možné rozhodnout o počtu identifikovaných lopatkových frekvencí a konkrétních vlastnostech (hodnota frekvence a amplitudy). Příklad výstupu shlukování je uveden na obr. 8. Z obrázku je zřejmé, že algoritmus dobře sleduje obě lopatkové složky, které jsou v signálu rotorového chvění přítomny.The frequency distance can advantageously be defined, for example, using the Euclidean distance. Thanks to the clustering, it is possible to decide on the number of blade frequencies identified and the specific properties (frequency and amplitude value). An example of the clustering output is shown in Fig. 8. It is clear from the figure that the algorithm tracks well both blade components that are present in the rotor vibration signal.

V identifikovaných složkách lopatkových vibrací se následně sleduje velikost odchylky frekvence a/nebo amplitudy nejméně jedné identifikované složky od jejího nominálního stavu. Získané hodnoty lze využít například pro odhalení zvýšeného kmitání lopatek v případě zvýšení amplitudy identifikované složky oproti nominálnímu stavu. Další možností využití může být identifikace změny frekvence lopatkové komponenty, která indikuje frekvenční přeladění jedné nebo více lopatek. To může poukázat na jejich možnou mechanickou změnu (poškození - prasklina, odlomení části materiálu atp.).In the identified components of blade vibrations, the size of the frequency and/or amplitude deviation of at least one identified component from its nominal state is subsequently monitored. The obtained values can be used, for example, to detect increased vibration of the blades in case of an increase in the amplitude of the identified component compared to the nominal state. Another possibility of use can be the identification of a change in the frequency of the blade component, which indicates a frequency retuning of one or more blades. This can indicate their possible mechanical change (damage - crack, part of the material breaking off, etc.).

Objasnění výkresůClarification of drawings

Příkladné provedení navrhovaného řešení je popsáno s odkazem na výkresy, na kterých je na obr. 1 - spektrum rotorových vibrací X;An exemplary embodiment of the proposed solution is described with reference to the drawings, in which in Fig. 1 - spectrum of rotor vibrations X;

obr. 2 - kepstrum rotorových vibrací c a liftr v podobě Gaussovy funkce w;Fig. 2 - cepstrum of rotor vibrations c and liftr in the form of a Gaussian function w;

obr. 3 - liftrované kepstrum rotorových vibrací;Fig. 3 - lifted cepstrum of rotor vibrations;

obr. 4 - potlačení úrovně šumu signálu pomocí liftrace kepstra, kde amplitudové spektrum X je uvedené plnou čarou a liftrované spektrum XW přerušovanou čarou;Fig. 4 - suppression of the signal noise level using cepstral lifting, where the amplitude spectrum X is indicated by a solid line and the lifted spectrum XW by a dashed line;

obr. 5 - amplitudové spektrum z obr. 4 po odečtení spektrální obálky a nulová střední hodnota spektrálního šumu;Fig. 5 - amplitude spectrum from Fig. 4 after subtraction of the spectral envelope and the zero mean value of the spectral noise;

obr. 6 - průměrované spektrum zpracované v krocích na obr. 4 a obr. 5;Fig. 6 - averaged spectrum processed in the steps of Fig. 4 and Fig. 5;

obr. 7 - prahování předzpracovaného signálu zpracovaného v krocích na obr. 4 až obr. 6, kde jsou identifikovány takové amplitudy průměrovaného spektra, které svojí hodnotou převyšují hodnotu předem zvoleného prahu T (amplitudové úrovně) - viz amplitudy označené čtverci C;Fig. 7 - thresholding of the pre-processed signal processed in the steps in Fig. 4 to Fig. 6, where such amplitudes of the averaged spectrum are identified that exceed the value of the pre-selected threshold T (amplitude level) - see the amplitudes marked with squares C;

obr. 8 - výstup shlukování komponent, kde křivka složená z hodnot μ reprezentuje střed každého ze shluků je na obrázku plnou čarou, zatímco černé body X jsou jednotlivé komponenty (identifikované složky lopatkových vibrací).Fig. 8 - component clustering output, where the curve composed of μ values represents the center of each of the clusters is a solid line in the figure, while the black points X are the individual components (identified blade vibration components).

Příklad uskutečnění vynálezuAn example of the implementation of the invention

V tomto příkladu je popsán způsob monitorování lopatkových vibrací turbíny z rotorového chvění. Při tomto způsobu se změří rotorové vibrace turbíny pomocí nejméně jednoho snímače rotorových vibrací umístěného na nejméně jednom ložisku turbíny.This example describes how to monitor turbine blade vibrations from rotor shake. In this method, the rotor vibrations of the turbine are measured using at least one rotor vibration sensor located on at least one bearing of the turbine.

Získaný signál se předzpracuje tak že se převede z časové do frekvenční oblasti. Převod se v tomto příkladu provede pomocí diskrétní Fourierovy transformace. Dále se provede potlačení úrovně širokospektrálního šumu signálu a potlačení variance širokospektrálního šumu signálu. Potlačení úrovně širokospektrálního šumu signálu se v tomto příkladu provede liftrací kepstra. Potlačení variance širokospektrálního šumu signálu se v tomto příkladu provede průměrováním liftrovaných spekter signálu.The obtained signal is pre-processed so that it is converted from the time domain to the frequency domain. The conversion in this example is done using a discrete Fourier transform. Furthermore, suppression of the wide-spectral noise level of the signal and suppression of the variance of the wide-spectral noise of the signal is performed. Suppression of the broadband noise level of the signal is done by lifting the cepstrum in this example. Suppression of the variance of the wide spectrum signal noise is performed in this example by averaging the lifted signal spectra.

- 3 CZ 2023 - 364 A3- 3 CZ 2023 - 364 A3

Po tomto předzpracování signálu se provede identifikace složek lopatkových vibrací v předzpracovaném signálu. Tato identifikace složek zahrnuje proces prahování spektra předzpracovaného signálu a shlukování komponent z prahování.After this signal preprocessing, the blade vibration components in the preprocessed signal are identified. This component identification involves the process of thresholding the spectrum of the preprocessed signal and clustering the components from the thresholding.

V identifikovaných složkách lopatkových vibrací se následně sleduje velikost odchylky frekvence a/nebo amplitudy nejméně jedné identifikované složky od jejího nominálního stavu.In the identified components of blade vibrations, the size of the frequency and/or amplitude deviation of at least one identified component from its nominal state is subsequently monitored.

Claims

1. A method of monitoring turbine blade vibrations, in which the rotor vibrations of the turbine are measured using at least one rotor vibration sensor located on at least one bearing of the turbine and the obtained signal is pre-processed so that it is converted from the time domain to the frequency domain, characterized in that further suppression of the wide-spectral signal noise level and suppression of the variance of the wide-spectral noise of the signal, after pre-processing of the signal, the identification of the blade vibration components in the pre-processed signal is carried out, where the identification includes the process of thresholding the spectrum of the pre-processed signal and clustering of the components from the thresholding, and in the identified components of the blade vibrations, the magnitude of the frequency deviation is subsequently monitored and/or the amplitude of at least one identified component from its nominal state.

2. The method of monitoring blade vibrations of the turbine according to claim 1, characterized in that the suppression of the broad-spectrum noise level of the signal is carried out by lifting the signal cepstrum.

3. The method of monitoring turbine blade vibrations according to claim 1 or 2, characterized in that the suppression of the variance of the wide-spectrum signal noise is performed by averaging the lifted signal spectra.

4. Method for monitoring turbine blade vibrations according to any one of claims 1 to 3, characterized in that the obtained signal is converted from the time domain to the frequency domain using a discrete Fourier transform.