汽輪機診斷技術

前言：本站為你精心整理了汽輪機診斷技術范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：回顧和總結了國內外汽輪機故障診斷技術的發展情況，指出了目前在汽輪機故障診斷研究中存在的問題，并從檢測技術、故障機理等七個方面分析了今后可能取得進展的研究方向。

關鍵詞：汽輪機故障診斷監測

0．引言

二十世紀以來，隨著工業生產和科學技術的發展，機械設備的可靠性、可用性、可維修性與安全性的問題日益突出，從而促進了人們對機械設備故障機理及診斷技術的研究。

汽輪發電機組是電力生產的重要設備，由于其設備結構的復雜性和運行環境的特殊性，汽輪發電機組的故障率不低，而且故障危害性也很大。因此，汽輪發電機組的故障診斷一直是故障診斷技術應用的一個重要方面。本文回顧國內外汽輪機故障診斷的發展概況，并在總結目前研究狀況的基礎上，指出了在汽輪機故障診斷研究中存在的問題，提出了今后在這一領域的研究方向。

1．國內外發展概況

早期的故障診斷主要是依靠人工，利用觸、摸、聽、看等手段對設備進行診斷。通過經驗的積累，人們可以對一些設備故障做出判斷，但這種手段由于其局限性和不完備性，現在已不能適應生產對設備可靠性的要求。而信息技術和計算機技術的迅速發展以及各種先進數學算法的出現，為汽輪機故障診斷技術的發展提供了有利的條件。人工智能、計算機網絡技術和傳感技術等已經成為汽輪機故障診斷系統不可缺少的部分。

1．1．國外發展情況

美國是最早從事汽輪機故障診斷研究的國家之一，在汽輪機故障診斷研究的許多方面都處于世界領先水平。目前美國從事汽輪機故障診斷技術開發與研究的機構主要有epri及部分電力公司，西屋、bently、ird、csi等公司[1][2]。

美國bechtel電力公司于1987年開發的火電站設備診斷用專家系統（scope）在進行分析時不只是根據控制參數的當前值，而且還考慮到它們隨時間的變化，當它們偏離標準值時還能對信號進行調節，給出消除故障的建議說明，提出可能臨近損壞時間的推測[3][4]。

美國radial公司于1987年開發的汽輪發電機組振動診斷用專家系統（turbomac），在建立邏輯規則的基礎上，設有表征振動過程各種成分與其可能故障源之間關系的概率數據，其搜集知識的子系統具有人-機對話形式。該系統含有9000條知識規則，有很大的庫容[5]。

西屋公司（whec）是首先將網絡技術應用于汽輪機故障診斷的，他們在已經開發出的汽輪發電機組故障診斷系統（aid）的基礎上，在奧蘭多建立了一個診斷中心（doc），對分布于各地電站的多臺機組進行遠程診斷[5][6]。

bently公司在轉子動力學和旋轉機械故障診斷機理方面研究比較透徹[7]。該公司開發的旋轉機械故障診斷系統（adr3）在中國應用情況良好，很受用戶歡迎。

日本也很重視汽輪機故障診斷技術的研究，由于日本規定1000mw以下的機組都須參與調峰運行，因此，他們更注重于汽輪機壽命檢測和壽命診斷技術的研究。日本從事這方面研究的機構主要有東芝電氣、日立電氣、富士和三菱重工等[8~10]。

東芝電氣公司與東京電力公司于1987年合作開發的大功率汽輪機軸系振動診斷系統，采用計算機在線快速處理振動信號的解析技術與評價判斷技術，設定一個偏離軸系正常值的極限值作為診斷的起始點進行診斷[11]。九十年代，東芝公司相繼開發出了壽命診斷專家系統，針對葉片、轉子、紅套葉輪及高溫螺栓的診斷探傷實時專家系統、機組性能評價系統等[12~17]。

日立公司在1982年開發了汽輪機壽命診斷裝置hidic-08e[18][19]，以后逐步發展，形成了一套完整的壽命診斷方法[20][21]。

三菱公司則在八十年代初期開發了mhm振動診斷系統，該系統能自動地或通過人機對話進行異常征候檢測并能診斷其原因，其特點是可根據動矢量來確定故障[22]。

歐洲也有不少公司和部門從事汽輪機故障診斷技術的研究與開發。法國電力部門（edf）從1978年起就在透平發電機上安裝離線振動監測系統，到九十年代初又提出了監測和診斷支援工作站（monitoringanddiagnosisaidstation）的設想[23][24]。九十年代中期，其專家系統psad及其diva子系統在透平發電機組和反應堆冷卻泵的自動診斷上得到了應用[25~28]。另外瑞士的abb公司、德國的西門子公司、丹麥的b&k公司等都開發出了各自的診斷系統[29~31]。

1．2．我國的發展情況

我國在故障診斷技術方面的研究起步較晚，但是發展很快。一般說來，經歷了兩個階段：第一階段是從70年代末到80年代初，在這個階段內主要是吸收國外先進技術，并對一些故障機理和診斷方法展開研究；第二階段是從80年代初期到現在，在這一階段，全方位開展了機械設備的故障診斷研究，引入人工智能等先進技術，大大推動了診斷系統的研制和實施，取得了豐碩的研究成果。1983年春，中國機械工程學會設備維修分會在南京召開了首次"設備故障診斷和狀態監測研討會"，標志著我國診斷技術的研究進入了一個新的發展階段，隨后又成立了一些行業協會和學術團體，其中和汽輪機故障診斷有關的主要有，中國設備管理協會設備診斷技術委員會、中國機械工程學會設備維修分會、中國振動工程學會故障診斷學會及其旋轉機械專業學組等。這期間，國際國內學術交流頻繁，對于基礎理論和故障機理的研究十分活躍，并研制出了我國自己的在線監測與故障診斷裝置，"八五"期間又進行了大容量火電機組監測診斷系統的研究，各種先進技術得到應用，研究步伐加快，縮小了與世界先進水平的差距[32][33]，同時也形成了具有我國特點的故障診斷理論，并出版了一系列這方面的專著，主要有屈梁生、何正嘉主編的《機械故障學》[34]、楊叔子等主編的《機械故障診斷叢書》[35]、虞和濟等主編的《機械故障診斷叢書》[36]、徐敏等主編的《設備故障診斷手冊》等[37~50]。

目前我國從事汽輪機故障診斷技術研究與開發的單位有幾十家，主要有哈爾濱工業大學、西安交通大學、清華大學、華中理工大學、東南大學、上海交通大學、華北電力大學等高等院校和上海發電設備成套設計研究所、哈爾濱電工儀表所、西安熱工研究所、山東電力科學試驗研究所、哈爾濱船舶鍋爐渦輪機研究所及一些汽輪機制造廠和大型電廠等。

國家在"七五"、"八五"計劃期間安排的汽輪機故障診斷攻關項目促進了一大批研究單位參與汽輪機故障診斷系統的研究與開發，許多重要成果都是在這一階段取得的。

2．汽輪機故障診斷技術的發展

2．1．信號采集與信號分析

2·1·1傳感器技術

由于汽輪機工作環境惡劣，所以在汽輪機故障診斷系統中，對傳感器性能要求就更高。目前對傳感器的研究，主要是提高傳感器性能和可靠性、開發新型傳感器，另外也有相當一部分力量在研究如何診斷傳感器故障以減少誤診率和漏診率，并且利用信息融合進行診斷。

現行的對傳感器自身故障檢測技術主要有硬件冗余、解析冗余和混合冗余，由于硬件冗余有其明顯的缺點，因而在實際中應用較少。意大利diferrara大學的simani.s等人針對傳感器故障，采用了解析冗余的動態觀測器來解決透平傳感器的故障檢測問題[51]。加拿大windsor大學的chen,y.d等人對傳感器融合技術進行研究，并在實際中得到了應用[52]。brunel大學的harris,t把神經網絡技術應用于多重傳感器的融合作為其研制的汽輪機性能診斷系統的技術關鍵[53]，pennsylvaniastateuniv.的kuo,r.j則應用人工神經網絡，采用多傳感器融合診斷葉片故障[54]。prock,j以及西安交通大學的谷立臣、上海交通大學的林日升等對傳感器故障檢測[55][56]和偽參數識別技術開展了研究工作[57]。華中理工大學的王雪、申韜、西安交通大學的常炳國等在傳感器信號的可靠性[58]和采用融合技術提高傳感器可靠性[59][60]方面也進行了研究。

2·1·2信號分析與處理

最有代表性的是振動信號的分析處理。目前，汽輪機故障診斷系統中的振動信號處理大多采用快速傅立葉變換（fft），fft的思想在于將一般時域信號表示為具有不同頻率的諧波函數的線性疊加，它認為信號是平穩的，所以分析出的頻率具有統計不變性。fft對很多平穩信號的情況具有適用性，因而得到了廣泛的應用[61]。但是，實際中的很多信號是非線性、非平穩的，所以為了提高分辨精度，新的信號分析與處理方法成為許多機構的研究課題。美國俄亥俄州立大學的kim,yong.w等對傳統的無參量譜分析、時-頻分析、離散小波變換等作了較為深入的研究[62]。英國南安普敦大學的lee,s.k認為，任意隨意性的音響和振動信號都是由不規則沖擊引起的，為此他提出了用三階和四階winger譜來對這些信號進行分析[63]，同時還對信號中的噪聲過濾提出了處理方法[64]。小波分析法的應用一直是國內外熱門的研究課題[65][66]，東南大學王善永把小波分析法用于汽輪機動靜碰摩故障診斷[67]，華中理工大學張桂才、東南大學王寧等把小波分析用于軸心軌跡的識別[68][69]。西安交通大學引入kolmogorov復雜性測度定量評估大機組運行狀態[70]，還對fft進行改進并吸收全息譜的優點，進行軸心軌跡的瞬態提純[71]，哈爾濱工業大學劉占生在軸心軌跡特征提取中采用一種新的平面圖形加權編碼法，提高了圖形辨識的準確率[72]，華中理工大學李向東用降維法將軸心軌跡轉化為一條角度波形，使之應用于軸心軌跡的聚類識別[73]。

2．2．故障機理與診斷策略

2·2·1故障機理

故障機理是故障的內在本質和產生原因。故障機理的研究，是故障診斷中的一個非常基礎而又必不可少的工作。目前對汽輪機故障機理的研究主要從故障規律、故障征兆和故障模型等方面進行。

由于大部分軸系故障都在振動信號上反映出來，因此，對軸系故障的研究總是以振動信號的分析為主。日立公司的n.kurihara給出了振動故障診斷用的特征矩陣[74]，清華大學褚福磊對常見故障在瀑布圖上的振動特征和故障識別作了研究[75]。華中理工大學伍行健也提出了用于振動故障診斷的物理模型和數學模型[76]。西安交通大學陳岳東對振動頻譜進行了模糊分類[77]，上海交通大學左人和從動力學的角度研究了典型故障的響應特征[78]。清華大學張正松用hopf分叉分析法研究了油膜失穩渦動極限環特性[79]，哈爾濱工業大學畢士華對于如何識別油膜軸承的動態參數進行了研究[80]，江蘇省電力試驗研究所的彭達則對實際發生的油膜振蕩問題進行了剖析[81]。哈爾濱工業大學武新華分析了轉軸彎曲的故障特征[82]。清華大學何衍宗、東南大學楊建剛研究了轉子不平衡對其他征兆的影響[83][84]。對于動靜碰摩問題，epri的scheibel,john.r、西安交通大學何正嘉、西安熱工研究所施維新等分別從故障特性和診斷技術方面進行了研究[85~90]，西安交通大學劉雄應用二維全息譜技術確定故障征兆[91]，東北電力學院石志標則從動力學角度分析了摩擦問題[92]，哈爾濱工業大學提出了變剛度分段線性和非線性模型[93]，并通過實驗對摩擦的噪聲特性進行了研究[94]。在綜合振動與噪聲特性的基礎上，東北電力學院還開發了可對旋轉機械和摩擦進行在線監測的儀器，該儀器用四個通道進行聲信號檢測，另外四個通道用于振動監測，可以大致確定摩擦的部位[95]。另外，李錄平、張新江等對振動故障特征的提取進行了有益的研究[96~99]。

調節系統的可靠與否，對汽輪機組的安全運行具有非常重要的意義。哈爾濱工業大學的于達仁、徐基豫等在調節系統故障診斷方面作了很多研究工作，他們給出了調節系統卡澀和非卡澀原因造成故障的數學模型，并對診斷方法和診斷儀器的實現進行了探討[100~104]。華中理工大學何映霞、向春梅等研究了對deh系統故障的診斷[105][106]，東南大學的岳振軍則把頻域分析的bloomfield模型引入時域，應用于調節系統在線監測[107]。

2·2·2診斷策略和診斷方法

在汽輪機故障診斷中用到的診斷策略主要有對比診斷、邏輯診斷、統計診斷、模式識別、模糊診斷、人工神經網絡和專家系統等。而目前研究比較多的是后面幾種，其中人工神經網絡和專家系統的應用研究是這一領域的研究熱點。

基于小波分析方法和神經網絡建立的智能分析技術，是下一代故障檢測與判定（fdi）的重要內核[108]。國內外在這方面進行了很多的研究[109~121]，目前應用最多的是前向神經網絡[122]、bp神經網絡[123~131]以及把神經網絡與模糊診斷相結合的模糊神經網絡[132~134]等。美國easthardford的depold,hans.r將統計分析及人工神經網絡技術應用于過濾器來改進數據質量[135]，田納西大學(tennesseeuniv.)將神經網絡用于振動分析，識別潛在故障，并利用神經網絡使被歪曲和雜入噪音的數據得到提純[136]。美國stresstechnology.inc.的roemer,m.j把神經網絡和模糊邏輯技術應用于旋轉動力有限元模型，所形成的實時系統可以預測關鍵部件的壽命[137]。華中理工大學的何耀華用一種自組織神經網絡模型與多個單一故障診斷的bp網絡一起完成故障診斷的協同推理[138]，申韜則把一系列bp子網絡進行集成，以解決故障分類問題[139]。臧朝平、何永勇也分別提出了多網絡、多故障的診斷策略[140~142]，西安交通大學的張小棟則研究了主從混合的神經網絡模型[143]。東南大學把神經網絡應用于軸心軌跡識別進行故障診斷[144]。同時，神經網絡還被應用于動靜碰磨診斷[145]、通流部分熱參數診斷[146]、機組性能診斷[147]、凝汽器的診斷[148]和熱力系統的建模[149]等。

專家系統按其側重點不同，大致可分為基于推理的專家系統（如基于神經網絡的推理[150]、基于事例和模型的推理[151]等）和基于知識的專家系統[152~158]等。在專家系統中，專家知識的學習、獲取，以及知識庫的建立是關系到診斷準確性的重要環節。于文虎、倪維斗、張雪江、鐘秉林、韓西京、劉占生、何濤等人分別就知識范圍的界定[159]、知識的處理[160~163]、知識的獲取[164~167]、機器對知識的自學習[168][169]以及知識庫的維護[170]等進行了研究。

診斷策略的研究還有：模糊診斷用于振動故障診斷[171~172]、用于層次模型[173][174]、用于模式識別[175]、用于轉子碰磨診斷[176]、用于通流部分熱參數診斷[177]的研究；模糊關聯度用于多參數診斷[178]；灰色理論用于故障診斷[179]；概率分布干涉模型用于診斷[180]；相關維數用于低頻噪聲診斷[181]等的研究。

診斷方法上的研究一直是故障診斷的一個重點。振動法是應用最普遍也比較成熟的一種方法[182~186]，ingleby,m把自動分類法和模式分析用于振動診斷[187]，何正嘉應用winger時頻分布和主分量自回歸譜分析軸瓦的振動信號[188]，施維新針對一般診斷都是從征兆判斷原因的逆向推理提出了振動診斷的正向診斷法[189]。在汽輪機故障診斷中，應用熱力學分析診斷汽輪機性能故障也是一個重要手段[190~193]，另外還有油分析、聲發射法、無損檢測技術等。聲發射法主要用于動靜碰磨故障檢測[194]、泄漏檢測等。日立公司在350mw汽輪機高中壓轉子上設置試片，在兩端軸承的軸瓦處進行聲發射和記錄，診斷轉子的碰摩[195][196]。在汽輪機壽命診斷中，無損檢測技術應用相當重要，目前用到的非破壞性評價法主要包括硬度測定法、電氣抵抗法、超聲波法、組織對比法、結晶粒變形法、顯微鏡觀察測定法、x射線分析法等[21][197]。

2．3．國內在故障診斷系統設計和系統實現方面的研究

完整的汽輪機故障診斷系統，應包括數據采集、信號處理與分析、診斷和決策幾個部分，它是故障診斷技術的集中體現，我國早在80年代就開始了這方面的研究，到目前已經研制開發出了幾十種系統。

華北電力學院以模擬轉子試驗臺作為信號源對汽輪發電機組振動監測與故障診斷系統進行了研究[198]。上海汽輪機廠研究所經過多年的實驗和研究，推出了四套旋轉機械狀態監測和故障診斷系統，他們在系統硬件配置上做了較多的工作[199]。上海交通大學研制了一種熱力參數監測和故障診斷系統tpd，該系統可以提高運行可靠性、優化運行方案、提高運行效率、延長運行壽命[200]。東南大學對集成智能故障診斷系統[201~204]和遠程分布式故障診斷網絡系統[205]進行了研究。華中理工大學研究了診斷系統的功能及其實現[206]、數據的采集[207]以及遠程診斷[208][209]等問題，并開發出了多套汽輪機故障診斷系統，其中汽輪發電機組在線振動監測與故障診斷專家系統（hz-1）采用了主從機結構，可以對多臺發電機組實時監測及集中診斷；200mw單元機組狀態監測、能損分析及汽輪發電機組故障診斷專家系統采用solartron分散采集系統監測機組，集das系統、狀態監測、能損分析和故障診斷于一體[210~212]等。由清華大學、華中理工大學、哈爾濱工業大學、哈爾濱電工儀表所等院所聯合研制200mw、300mw汽輪發電機組工況監測與故障診斷專家系統（國家"八五"攻關項目）可全面監測診斷機械振動故障、汽隙振動故障、熱因素引起的故障、機電耦合軸系扭振故障、以及調節控制系統故障[213]。哈爾濱工業大學對診斷系統從數據采集到原型機理論作了很多研究[214~219]，并推出了代表性的診斷系統mmmd[220]。清華大學對診斷系統的軟件構成[221]、硬件結構與協調方法[222]、原型機系統[223~225]等，進行了一系列的研究[226]，并與山東電力科學試驗研究所合作開發出了大型電站性能與振動遠程監測分析與診斷系統，該系統由各電廠中的振動分析站、數據通訊網絡系統、遠程診斷中心（濟南市山東電力科學研究院）和遠程診斷分中心（清華大學）等四個子系統構成[227][228]。國內主要汽輪機故障診斷系統及研制單位見表1[229]。

表1國內部分研制應用的故障診斷系統及研制單位

3．汽輪機故障診斷中存在的問題

3·1檢測手段

汽輪機故障診斷技術中的許多數學方法，甚至專家系統中的一些推理算法都達到了很高的水平，而征兆的獲取成為了一個瓶頸，其中最大的問題是檢測手段不能滿足診斷的需要，如運行中轉子表面溫度檢測、葉片動應力檢測、調節系統卡澀檢測、內缸螺栓斷裂檢測等，都缺乏有效的手段。

3·2材料性能

在壽命診斷中，對材料性能的了解非常重要，因為大多數壽命評價都是以材料的性能數據為基礎的。但目前對于材料的性能，特別是對于汽輪機材料在復雜工作條件下的性能變化還缺乏了解。

3·3復雜故障的機理

對故障機理的了解是準確診斷故障的前提。目前，對汽輪機的復雜故障，有些很難從理論上給出解釋，對其機理的了解并不清楚，比如在非穩定熱態下軸系的彎扭復合振動問題等，這將是阻礙汽輪機故障診斷技術發展的主要障礙之一。

3·4人工智能應用

專家系統作為人工智能在汽輪機故障診斷中的主要應用已經獲得了成功，但仍有一些關鍵的人工智能應用問題需要解決，主要有知識的表達與獲取、自學習、智能辨識、信息融合等。

3·5診斷技術應用推廣面臨的問題

我國汽輪機診斷技術在現有基礎上，進一步推廣應用面臨的主要問題是研究開發機制和觀念問題、診斷技術與生產管理的結合問題。機制和觀念問題主要表現在：研究機構分散，不能形成規模化效應；重復性研究過多，造成人力、物力的浪費；技術研究轉化為應用產品的少；系統研究連貫性差，因而系統升級困難；應用系統的維護與服務得不到保證等。診斷技術與生產管理結合不好，表現在各種技術的相互集成性不好，與生產管理相孤立，不能創造預期的效益，使電廠失去信心。

4．汽輪機故障診斷的發展前景與趨勢

很多學者和研究人員都認識到上述問題對汽輪機故障診斷技術發展的影響，正在進行相應的研究工作。本文認為汽輪機故障診斷技術的研究將會在以下幾個方面得到重視，并取得進展。

4·1全方位的檢測技術

針對汽輪機及其系統各類故障的各種新檢測技術將是一個主要的研究方向，會出現許多重要成果。

4·2故障機理的深入研究

任何時候，故障機理的深入研究都將推動故障診斷技術的發展。故障機理的研究將集中在對漸發故障定量表征的研究上，研究判斷整個系統故障狀態的指標體系及其判斷閾值將是另一個重要方向。

4·3知識表達、獲取和系統自學習

知識的表達、獲取和學習一直是診斷系統研究的熱點，但并未取得重大突破，它仍將是繼續研究的熱點。

4．4綜合診斷

汽輪機故障診斷，將從以振動診斷為主向考慮熱影響診斷、性能診斷、邏輯順序診斷、油液診斷、溫度診斷等的綜合診斷發展，更符合汽輪機的特點和實際。

4·5診斷與仿真技術的結合

診斷與仿真技術的結合將主要表現在，通過故障仿真辨識汽輪機故障、通過系統仿真為診斷專家系統提供知識規則和學習樣本、通過邏輯仿真對系統中部件故障進行診斷。

4·6信息融合

汽輪機信息融合診斷將重點在征兆級和決策級展開研究，目的是要通過不同的信息源準確描述汽輪機的真實狀態和整體狀態。

4·7從診斷向汽輪機設備現代化管理發展

研究的重點將集中在基于診斷技術的預知維修決策、維修管理、設備計算機化管理系統等方面，目的是針對汽輪機及其系統實施預知維修或基于狀態的維修，獲取最大的經濟收益。這也將是推動電廠接受該汽輪機診斷系統的一個根本所在。