CZ310018B6 - Způsob automatického monitorování lopatkových vibrací turbíny - Google Patents
Způsob automatického monitorování lopatkových vibrací turbíny Download PDFInfo
- Publication number
- CZ310018B6 CZ310018B6 CZ2023-364A CZ2023364A CZ310018B6 CZ 310018 B6 CZ310018 B6 CZ 310018B6 CZ 2023364 A CZ2023364 A CZ 2023364A CZ 310018 B6 CZ310018 B6 CZ 310018B6
- Authority
- CZ
- Czechia
- Prior art keywords
- signal
- identified
- turbine
- spectrum
- frequency
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000012935 Averaging Methods 0.000 claims abstract description 6
- 230000001629 suppression Effects 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 230000007774 longterm Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000010358 mechanical oscillation Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
- G01H1/006—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines of the rotor of turbo machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Při způsobu automatického 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. Jako prahovací úroveň se použije medián hodnot analyzovaného liftrovaného spektra a jako amplituda se použije hodnota původního neliftrovaného spektra signálu na identifikované lopatkové frekvenci.
Description
Způsob automatického monitorování lopatkových vibrací turbíny
Oblast techniky
Navrhovaný vynález spadá do oblasti měření a vyhodnocení mechanických kmitů a rezonancí lopatek turbíny.
Dosavadní stav techniky
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.
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.
Pro dlouhodobé monitorování lopatkových vibrací lze využít metodu označovanou jako Blade Tip-Timing (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).
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).
- 1 CZ 310018 B6
Podstata vynálezu
Podstatou vynálezu je způsob automatického monitorování lopatkových vibrací turbíny z rotorového chvění, například parní nebo plynové turbíny. Způsob spočívá v tom, že se změří rotorové vibrace turbíny 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.
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.
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.
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 funkcí 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 funkce. 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.
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 liftrováných 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.
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.
Prahování předzpracovaného signálu znamená, že jsou identifikovány právě takové amplitudy spektra předzpracovaného signálu mající potlačenou varianci širokospektrálního šumu, které svojí hodnotou převyšují hodnotu předem zvoleného prahu (amplitudové úrovně). Princip prahování je patrný na obr. 7. Pro stanovení prahovací úrovně se použije medián hodnot analyzovaného liftrovaného spektra. Jako amplituda identifikované frekvenční složky se použije hodnota původního neliftrovaného spektra signálu na identifikované lopatkové frekvenci.
-2CZ 310018 B6
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.
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.
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.).
Objasnění výkresů
Příkladné provedení navrhovaného řešení je popsáno s odkazem na výkresy, ve kterých je znázorněno na:
obr. 1 spektrum rotorových vibrací X;
obr. 2 kepstrum rotorových vibrací c a liftr v podobě Gaussovy funkce w;
obr. 3 liftrované kepstrum rotorových vibrací;
obr. 4 potlačení úrovně šumu signálu pomocí liftrace kepstra, kde amplitudové spektrum X je uvedené plnou čarou a liftrované spektrum XW přerušovanou čarou;
obr. 5 amplitudové spektrum z obr. 4 po odečtení spektrální obálky a nulová střední hodnota spektrálního šumu;
obr. 6 průměrované spektrum zpracované v krocích na obr. 4 a obr. 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; a 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).
- 3 CZ 310018 B6
Příklad uskutečnění vynálezu
V tomto příkladu je popsán způsob automatického 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.
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.
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.
Jako prahovací úroveň se použije medián hodnot analyzovaného liftrovaného spektra a jako amplituda identifikované frekvenční složky se použije hodnota původního neliftrovaného spektra signálu na identifikované lopatkové frekvenci.
V identifikovaných složkách lopatkových vibrací se následně sleduje velikost odchylky frekvence a/nebo amplitudy nejméně jedné identifikované složky od jejího nominálního stavu.
Claims (4)
1. Způsob automatického monitorování lopatkových vibrací turbíny, při kterém se změří rotorové vibrace turbíny pomocí nejméně jednoho snímače rotorových vibrací umístěného na nejméně jednom ložisku turbíny a získaný signál se předzpracuje tak, že se převede z časové do frekvenční oblasti, vyznačující se tím, že dále se provede potlačení úrovně širokospektrálního šumu signálu a potlačení variance širokospektrálního šumu signálu, po předzpracování signálu se provede identifikace složek lopatkových vibrací v předzpracovaném signálu, kde identifikace zahrnuje proces prahování spektra předzpracovaného signálu a shlukování komponent z prahování, přičemž jako prahovací úroveň se použije medián hodnot analyzovaného liftrovaného spektra a jako amplituda identifikované frekvenční složky se použije hodnota původního neliftrovaného spektra signálu na identifikované lopatkové frekvenci, a v identifikovaných složkách lopatkových vibrací se následně sleduje velikost odchylky frekvence a/nebo amplitudy nejméně jedné identifikované složky od jejího nominálního stavu.
2. Způsob automatického monitorování lopatkových vibrací turbíny podle nároku 1, vyznačující se tím, že potlačení úrovně širokospektrálního šumu signálu se provede liftrací kepstra signálu.
3. Způsob automatického monitorování lopatkových vibrací turbíny podle nároku 1 nebo 2, vyznačující se tím, že potlačení variance širokospektrálního šumu signálu se provede průměrováním liftrovaných spekter signálu.
4. Způsob automatického monitorování lopatkových vibrací turbíny podle kteréhokoliv z nároků 1 až 3, vyznačující se tím, že získaný signál se převede z časové do frekvenční oblasti pomocí diskrétní Fourierovy transformace.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CZ2021/050118 WO2022152336A1 (en) | 2021-10-26 | 2021-10-26 | A method for monitoring turbine blade vibration |
Publications (2)
Publication Number | Publication Date |
---|---|
CZ2023364A3 CZ2023364A3 (cs) | 2023-10-25 |
CZ310018B6 true CZ310018B6 (cs) | 2024-05-08 |
Family
ID=78851037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CZ2023-364A CZ310018B6 (cs) | 2021-10-26 | 2021-10-26 | Způsob automatického monitorování lopatkových vibrací turbíny |
Country Status (2)
Country | Link |
---|---|
CZ (1) | CZ310018B6 (cs) |
WO (1) | WO2022152336A1 (cs) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116340730B (zh) * | 2023-05-26 | 2023-08-04 | 西安现代控制技术研究所 | 一种火箭弹弹性振动频率在线辨识与抑制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050261876A1 (en) * | 2002-08-26 | 2005-11-24 | Michal Orkisz | Method for detecting and automatically identifying defects in technical equipment |
WO2011108391A1 (ja) * | 2010-03-03 | 2011-09-09 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
US20130325373A1 (en) * | 2012-05-29 | 2013-12-05 | Wei Qiao | Detecting Faults in Wind Turbines |
AU2015201595A1 (en) * | 2015-03-27 | 2016-10-13 | Tensor Systems Pty Ltd | Vibration measurement and analysis |
US20210063276A1 (en) * | 2017-12-28 | 2021-03-04 | Safran | Method and device for monitoring a bearing equipping a rotary device |
-
2021
- 2021-10-26 CZ CZ2023-364A patent/CZ310018B6/cs unknown
- 2021-10-26 WO PCT/CZ2021/050118 patent/WO2022152336A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050261876A1 (en) * | 2002-08-26 | 2005-11-24 | Michal Orkisz | Method for detecting and automatically identifying defects in technical equipment |
WO2011108391A1 (ja) * | 2010-03-03 | 2011-09-09 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
US20130325373A1 (en) * | 2012-05-29 | 2013-12-05 | Wei Qiao | Detecting Faults in Wind Turbines |
AU2015201595A1 (en) * | 2015-03-27 | 2016-10-13 | Tensor Systems Pty Ltd | Vibration measurement and analysis |
US20210063276A1 (en) * | 2017-12-28 | 2021-03-04 | Safran | Method and device for monitoring a bearing equipping a rotary device |
Non-Patent Citations (1)
Title |
---|
KALISTA ET AL.: "A Vibration Sensor‐Based Method for Generating the Precise Rotor Orbit Shape with General Notch Filter Method for New Rotor Seal Design Testing and Diagnostics", SENSORS, vol. 21, no. 15, 3 August 2021 (2021-08-03), pages 5249, ISSN: https://doi.org/10.3390/s21155249 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022152336A1 (en) | 2022-07-21 |
CZ2023364A3 (cs) | 2023-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhen et al. | Fault diagnosis of motor drives using stator current signal analysis based on dynamic time warping | |
Nelwamondo et al. | Early classifications of bearing faults using hidden Markov models, Gaussian mixture models, mel-frequency cepstral coefficients and fractals | |
CA2955531C (en) | Vibration monitoring systems | |
JP2006113002A (ja) | 機械設備の異常診断システム | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
CN112101174A (zh) | 一种基于LOF-Kurtogram的机械故障诊断方法 | |
CN100368783C (zh) | 用于检测设备部件上脉冲机械作用的方法和装置 | |
CN109139390B (zh) | 一种基于声信号特征库的风机桨叶故障识别方法 | |
US9689660B2 (en) | Method and device for monitoring status of turbine blades | |
CZ310018B6 (cs) | Způsob automatického monitorování lopatkových vibrací turbíny | |
CN111120388A (zh) | 一种风机状态联合监测方法及系统 | |
Jami et al. | Impeller fault detection under variable flow conditions based on three feature extraction methods and artificial neural networks | |
US7599804B2 (en) | Method for detecting structure-borne noise events in a roller bearing | |
CN117836599A (zh) | 检测旋转系统中轴承缺陷的方法以及实施该方法的监控系统 | |
CN109934136B (zh) | 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法 | |
JP7394031B2 (ja) | 転がり軸受の異常検出装置、及び異常検出方法 | |
Patel et al. | Condition monitoring of induction motor bearing based on bearing damage index | |
JP6497919B2 (ja) | 回転体およびその軸受を含む設備の診断方法と診断システム | |
Ferracuti et al. | Multi-Scale PCA based fault diagnosis for rotating electrical machines | |
CN115683644A (zh) | 航空发动机双源拍振特征识别方法 | |
CN115438688A (zh) | 关键设备的故障检测方法、装置、电子设备及存储介质 | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults | |
Lim et al. | Motor fault detection method for vibration signal using FFT residuals | |
Salunkhe et al. | Unbalance Bearing Fault Identification Using Highly Accurate Hilbert-Huang Transform Approach | |
CN112664379A (zh) | 水轮机组故障预判方法及装置 |