汽轮发电机组油膜振荡故障实时辨识方法

摘要

本发明公开了旋转机械振动状态监测与故障诊断技术领域中的一种汽轮发电机组油膜振荡故障实时辨识方法。采集汽轮机组升速过程转子轴振动信号，实时计算并存储转子低频振动幅值序列及运行转速对应频率的振动幅值；实时计算一个时间段内，低频振动幅值的熵、低频振动幅值熵序列的变化峰度参数及运行转速对应频率振动幅值的熵；并依据上述参数判定机组转子支持轴承是否发生油膜振荡故障。本发明利用机组运行中转子的轴相对振动数据，经计算分析判断得到故障诊断结论，实现了油膜振荡故障的自动实时在线监测、分析和判别。

说明书

技术领域

本发明属于旋转机械振动状态监测与故障诊断技术领域，尤其涉及一种汽轮发电机组油膜振荡故障实时辨识方法。

背景技术

汽轮发电机组轴系稳定性直接关系到机组的安全运行和设备的可靠性。轴系稳定性低，轻者使检修费用提高，影响设备可用率；严重可导致重大机组毁损事故。在影响机组轴系稳定性的诸多因素中，轴承是决定因素。轴系支持轴承中的油膜除了产生压力支撑整个转子，还产生阻尼力抑制转子振动。在一定条件下，阻尼小的支持轴承会发生油膜振荡故障，降低机组轴系稳定性。

油膜振荡会使汽轮发电机组转子在运行中产生突发性振动，是严重影响轴系稳定性的振动故障之一。油膜振荡故障是由于在机组升速过程中，当转速升高到某一转速(一般为两倍转子第一临界转速)后，由于轴承的单位面积负载较小(轻载)，转子在轴瓦中的涡动明显增大，此时振动的频谱中出现低频分量，低频分量甚至成为主频率。随着转速的增加，涡动频率为转子第一临界转速或某固定频率。油膜振荡是因运行条件改变而引起的一种自激振动现象，在旋转方向产生的油膜力激发的不稳定力使转子发生振动。如果轴承内存在足够大的阻尼，则转子回到其正常位置稳定下来；否则，转子将继续失稳，出现较大的不稳定振动。

汽轮发电机组油膜振荡故障辨识工作需要由具有一定现场振动故障诊断经验的专家通过观察三维频谱图来完成，客观性较差，对专家的主观性依赖程度较高，并且无法做到机组转子油膜振荡故障辨识实时自动在线监测、分析及判别。因此，提出一种汽轮发电机组油膜振荡故障实时辨识方法就显得十分重要。

发明内容

本发明的目的在于，提供一种汽轮发电机组油膜振荡故障实时辨识方法，实时自动在线监测、分析及判别机组轴系转子是否发生油膜振荡故障，提高汽轮发电机组油膜振荡故障实时辨识效率和准确度。

技术方案是，一种汽轮发电机组油膜振荡故障实时辨识方法，其特征是所述方法包括下列步骤：

步骤1：设定时长T、步进长度t和数据序列个数n；

步骤2：采集机组启动升速过程中的数据，所述数据包括汽轮发电机组转子一侧支持轴承的轴相对振动数据、转子的转速信号以及键相信号；

步骤3：利用快速傅立叶变换频谱分析方法，计算得到当前时刻j的轴相对振动中从低频到高频的振动幅值序列和振动频率序列；

步骤4：从振动频率序列中，截取所有小于机组正常工作转速频率的频率，形成初始低频振动频率序列并从振动幅值序列中，截取所有小于机组正常工作转速频率对应的幅值，形成初始低频振动幅值序列其中，1≤i≤n，

$1\le j\le \frac{T}{t};$

步骤5：从振动幅值序列中，获取机组运行转速对应频率的振动幅值存储机组运行转速对应频率以及机组运行转速对应频率的振动幅值

步骤6：将初始低频振动幅值序列中，机组运行转速频率对应的振动幅值替换为0，形成最终低频振动幅值序列

步骤7：判断是否达到设定时长T，如果是，则执行步骤8；否则，增加1个步进长度t，返回步骤3；

步骤8：计算低频振动幅值熵序列和低频振动幅值熵序列最大值

步骤9：计算低频振动幅值熵序列的变化峰度参数κ^Elfa；

步骤10：按照存储时间的先后顺序，将机组运行转速对应频率和机组运行转速对应频率的振动幅值排成序列；

步骤11：计算运行转速对应频率的振动幅值熵

步骤12：判定机组转子支持轴承是否发生油膜振荡故障。

所述计算低频振动幅值熵序列具体利用公式其中，规定当时，1≤i≤n，

所述计算低频振动幅值熵序列的变化峰度参数κ^Elfa利用公式其中，μ^Elfa是低频振动幅值熵序列的均值，是低频振动幅值熵序列的标准偏差，${\sigma }^{\mathrm{Elfa}}=\sqrt{1/n\underset{i=1}{\overset{n}{\Sigma }}{(E_i^{\mathrm{lfreq}}-{\mu }^{\mathrm{Elfa}})}^2};$1≤i≤n。

所述计算运行转速对应频率的振动幅值熵E^wfreq利用公式其中，规定当时，

所述判定机组转子支持轴承是否发生油膜振荡故障具体是，当低频振动幅值熵序列的变化峰度参数κ^Elfa大于第一设定值、低频振动幅值熵序列最大值大于1/3倍的运行转速对应频率的振动幅值熵E^wfreq、机组运行转速对应频率排成的序列的第一个值f₁^wfreq大于等于第二设定值以及机组运行转速对应频率排成的序列的最后一个值小于等于第三设定值同时满足时，机组转子支持轴承发生油膜振荡故障；否则，机组转子支持轴承不发生油膜振荡故障。

所述设定时长T＝200秒。

所述步进长度t＝1秒。

所述数据序列个数n≥100。

本发明利用机组运行中转子的轴相对振动数据，经计算分析判断得到故障诊断结论，实现了油膜振荡故障的自动实时在线监测、分析和判别。

附图说明

图1是汽轮发电机组油膜振荡故障实时辨识方法流程图；

图2是汽轮发电机组油膜振荡故障实时辨识方法示意图；

图3是低频振动幅值熵序列图；

图4是运行转速对应频率振动幅值图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是汽轮发电机组油膜振荡故障实时辨识方法流程图。图1中，汽轮发电机组油膜振荡故障实时辨识方法包括下列步骤：

步骤1：设定时长T＝200秒、步进长度t＝1秒和数据序列个数n＝100。另外，为了便于后续步骤判定机组转子支持轴承是否发生油膜振荡故障，取第一设定值D₁＝40、第二设定值D₂＝20Hz、第三设定值D₃＝50Hz。

步骤2：采集机组启动升速过程中的数据，所述数据包括汽轮发电机组转子一侧支持轴承的轴相对振动数据、转子的转速信号以及键相信号。

图2是汽轮发电机组油膜振荡故障实时辨识方法示意图。图2中，汽轮发电机组轴相对振动信号及振动信号分析处理需要的键相信号可以从配置汽轮发电机组的监视仪表(TSI)或者与振动传感器相连的专业振动数据采集调理设备获得。高速数据采集卡插入工业用微型计算机(IPC)提供的插槽内。根据高速数据采集卡的要求，专业振动数据采集调理设备处理汽轮发电机组轴相对振动信号及振动信号分析处理需要的键相信号，经过处理后的汽轮发电机组轴相对振动信号及振动信号分析处理需要的键相信号输入IPC内的高速数据采集卡。根据该方法设计具体的汽轮发电机组油膜振荡故障实时辨识程序，将实时分析程序安装在工业用微型计算机(IPC)内。汽轮发电机组油膜振荡故障实时辨识程序中的一次诊断循环过程，包括诊断方法中涉及的实时采集升速过程数据、数据实时计算存储、低频振动幅值熵相关参数实时计算、运行频率振动幅值熵实时计算及油膜振荡故障实时判别等一系列计算分析验证环节。

利用汽轮发电机组油膜振荡故障实时辨识程序监测分析高压转子A侧支持轴承是否发生油膜振荡故障。首先，工业用微型计算机(IPC)采用高速振动数据采集卡，实时采集机组启动升速过程中的数据，数据包括汽轮发电机组高压转子A侧支持轴承附近测得的轴相对振动数据、转子的转速信号以及键相信号。振动数据采集卡每一通道技术参数为50ks/s，24bit。

步骤3：利用快速傅立叶变换频谱分析方法，计算得到当前时刻j的轴相对振动中从低频到高频的振动幅值序列和振动频率序列。

辨识过程的数据实时计算存储，针对上述机组高压转子A侧的轴相对振动数据，利用快速傅立叶变换(FFT)频谱分析方法，计算得到当前时刻轴相对振动中从低频到高频的振动幅值序列(幅值单位为μm)以及振动频率序列(频率单位为Hz)。上述振动频率序列与振动幅值序列中的数据，在顺序上是一一对应的，即频率与幅值的对应关系是明确的。

步骤4：从振动频率序列中，截取所有小于机组正常工作转速频率的频率，形成初始低频振动频率序列并从振动幅值序列中，截取所有小于机组正常工作转速频率对应的幅值，形成初始低频振动幅值序列其中，1≤i≤100，

$1\le j\le \frac{T}{t}=200.$

机组正常工作转速对应频率通常为50Hz。因此，从振动频率序列中，截取得到所有频率小于机组正常工作转速对应频率50Hz的初始低频振动频率序列(i＝1，2，...，n，j＝1，2，...，200)。同时，从振动幅值序列中截取得到当前时刻的所有频率小于机组正常工作转速对应频率50Hz的初始低频振动幅值序列(i＝1，2，...，n，j＝1，2，...，200)。可以设定振动数据采集频率及采集数据量，使得初始低频振动频率序列、初始低频振动幅值序列数据个数n＝100。其中，j为当前时刻。

步骤5：从振动幅值序列中，获取机组运行转速对应频率的振动幅值存储机组运行转速对应频率以及机组运行转速对应频率的振动幅值

机组启动过程中，运行转速对应频率f^wfreq呈递增变化。从振动幅值序列中，获取机组运行转速对应频率的振动幅值实时存储机组运行转速对应频率的振动幅值以及机组运行转速对应频率并进行存储。

步骤6：将初始低频振动幅值序列中，机组运行转速频率对应的振动幅值替换为0，形成最终低频振动幅值序列

步骤7：判断是否达到设定时长T＝200秒，如果是，则执行步骤8；否则，增加1个步进长度t＝1秒，返回步骤3。

达到设定时长T＝200秒时，由于每步进长度t＝1秒，执行步骤3-6一次，因此，存储的机组运行转速对应频率机组运行转速对应频率的振动幅值各有200个值。而最终低频振动幅值序列共有200个，每个序列有100个数据。

步骤8：计算低频振动幅值熵序列和低频振动幅值熵序列最大值

计算低频振动幅值熵序列具体利用公式此公式中，规定当时，其中，i＝1，2，...，100，j＝1，2，...，200。

低频振动幅值熵序列最大值图3是低频振动幅值熵序列图，图中，起始时刻至终止时刻，低频振动幅值熵序列(i＝1，2，L，n)的变化峰度参数κ^Elfa＝43.7249，低频振动幅值熵序列(i＝1，2，L，n)中的最大值

$E_{\max }^{\mathrm{lfreq}}=1.1771E+7.$

步骤9：计算低频振动幅值熵序列的变化峰度参数κ^Elfa。

计算低频振动幅值熵序列的变化峰度参数κ^Elfa利用公式其中，μ^Elfa是低频振动幅值熵序列的均值，是低频振动幅值熵序列的标准偏差，${\sigma }^{\mathrm{Elfa}}=\sqrt{1/100\underset{i=1}{\overset{100}{\Sigma }}{(E_i^{\mathrm{lfreq}}-{\mu }^{\mathrm{Elfa}})}^2};$i＝1，2，...，100。

步骤10：按照存储时间的先后顺序，将机组运行转速对应频率和机组运行转速对应频率的振动幅值排成序列。

步骤11：计算运行转速对应频率的振动幅值熵E^wfreq。

计算运行转速对应频率的振动幅值熵E^wfreq利用公式规定当时，

图4是运行转速对应频率振动幅值图。图中，起始时刻至终止时刻的运行转速对应频率振动幅值的熵E^wfreq＝3.87027E+6。

步骤12：判定机组转子支持轴承是否发生油膜振荡故障。

判定机组转子支持轴承是否发生油膜振荡故障具体依据下列条件：

1)低频振动幅值熵序列的变化峰度参数κ^Elfa是否大于第一设定值，即是否满足条件κ^Elfa＞D₁＝40；

2)低频振动幅值熵序列最大值是否大于1/3倍的运行转速对应频率的振动幅值熵E^wfreq，即是否满足条件

3)机组运行转速对应频率排成的序列的第一个值f₁^wfreq是否大于等于第二设定值，即是否满足条件f₁^wfreq≥D₂＝20Hz；

4)机组运行转速对应频率排成的序列的最后一个值是否小于等于第三设定值，即是否满足条件

如果上述条件1)-4)同时满足，即κ^Elfa＞40、f₁^wfreq≥20Hz并且同时成立，则机组转子支持轴承发生油膜振荡故障；否则，机组转子支持轴承不发生油膜振荡故障。

根据前述说明，假设起始时刻T₀至终止T₁时刻的低频振动幅值熵序列的变化峰度参数κ^Elfa＝43.7249、最大值运行转速对应频率振动幅值的熵E^wfreq＝3.87027E+6，T₀时刻的运行转速对应频率以及T₁时刻的运行转速对应频率则上述参数同时满足条件κ^Elfa＞40、并且因此判定高压转子A侧支持轴承发生油膜振荡故障。

以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。