专利名称：汽轮发电机组油膜涡动故障实时辨识方法
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涡动故障实时辨识方法。
背景技术：
油膜涡动是严重影响轴系稳定性的振动故障之一，会使汽轮发电机组转子在运行中产生突发性振动。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涡动故障，降低机组轴系稳定性。如果轴承内存在足够大的阻尼，则转子会回到其正常位置稳定下来；如果轴承内的阻尼过�。蜃咏绦龋鱿纸洗蟮牟晃榷ㄕ穸�。由于轴承的单位面积负载较小(轻载)， 转子在轴瓦中的涡动会明显增大，此时振动的频谱中出现低频分量，甚至低频分量能够成为主频率。在机组升速过程中，当转子工作转速在两倍转子第一临界转速以下时，油膜涡动引起的低频振动涡动频率随着转速的增加，亦随之按比例增加，近似为转子工作频率的一半。根据国内外对油膜涡动故障的研究，确定其振动特征频率Ω为(0. 42 0. 48) ω，ω 为轴系的运行转速频率。目前，汽轮发电机组油膜涡动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涡动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涡动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，针对目前汽轮发电机组油膜涡动故障辨识中存在的问题，提出一种汽轮发电机组油膜涡动故障实时辨识方法，实现机组转子油膜涡动故障的实时自动在线监测、分析及判别，进而保证汽轮发电机组的安全运行。技术方案是，一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述方法包括下列步骤步骤1 设定时长Τ、步进长度t和序列中数据的个数η ；步骤2 实时采集机组启动升速过程中的数据，所述数据包括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 利用快速傅立叶频谱分析方法，计算得到当前时刻的轴相对振动中从低频到高频的振动幅值序列以及振动频率序列；步骤4 从振动幅值序列中获取机组运行转速频率fwfre<1对应的振动幅值Awfrai,存储机组运行转速频率fwfre<1及其对应的振动幅值Awfretl ；步骤5 从振动频率序列中，截取所有小于机组运行转速频率fwfrai的频率，形成低频振动频率序列洞时，从振动幅值序列中，截取所有小于机组运行转速频率fwfrai的频率对应的振幅，形成低频振动幅值序列{Jf-}；存储低频振动频率序列{Jf-}和低频振动幅值序列；其中，i = 1，2，· · ·，η ；步骤6 计算所述低频振动幅值序列中的最大值Amlf，并取得该最大值Amlf 对应的频率fmlf ；存储Amlf和fmlf ；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2 ；步骤8 按照存储时间的先后顺序，将每个步进长度存储的低频振动幅值序列 {Jf 丨中的最大值Amlf，排成低频振动幅值序列最大值序列将每个步进长度存储的低频振动幅值序列沖的最大值Amlf对应的频率fmlf，排成低频振动幅值序列最大值对应的频率序列{//” ；将每个步进长度存储的运行转速频率fwftM1，排成运行转速频率序列
{/;freq}；将每个步进长度存储的运行转速频率fwfre<1对应的振动幅值[email protected]，排成运行转速频
一T
率对应的振动幅值序 ”其中，7' = 1,2,y ；步骤9 计算低频振动幅值序列最大值序列{^“”的熵Emlf以及低频振动幅值序列最大值序列{^“”的非稳态参数ε lf ；步骤10 计算运行转速频率对应的振动幅值序列的熵Erfretl ；步骤11 分别计算低频振动幅值序列最大值对应的频率序列{//”中的每个频率与运行转速频率序列中的相应运行转速频率的比值<"■，并将结果排成频率比值序列；步骤12 从频率比值序列中，获取频率比值最大值rm"f和频率比值最小值rmf;步骤13 判定机组转子一侧支持轴承是否发生油膜涡动故障。所述计算低频振动幅值序列最大值序列的熵Emlf利用公式
mEmlf =YXiAff YXniiAJlf f)]
；=1
T其中，当=0时，ln((y4mr)2)= 0 ； J = 1，2,3，· · ·，m = y ο所述低频振动幅值序列最大值序列{^“”的非稳态参数ε "lf利用公式ε "lf = (Samlf+0. 5- μ A) / σ A其中，Samlf是低频振动幅值序列最大值序列的逆序数；μ Α是低频振动幅值序列最大值序列{^“”的逆序数理论均值，μ a = m(m-l)/4 ； σ 4是低频振动幅值序列最大值序
列的逆序数理论标准偏差，~ = ^(2^+3^-5)/72 ; j = 1，2，3，. . .，m = f。所述计算运行转速频率对应的振动幅值的熵Erfretl利用公式
mE^ =H(Af^f)]
；=1
T 5
所述判定机组转子一侧支持轴承是否发生油膜涡动故障具体是，如果低频振动幅值序列最大值序列{^“”的熵Emlf、低频振动幅值序列最大值序列{^“”的非稳态参数ε lf、 运行转速频率对应的振动幅值序列{《—}的熵『_、频率比值序列{r^沖的频率比值最大值rm"f和频率比值最小值rmf同时满足下列条件1)低频振动幅值序列最大值序列的非稳态参数ε amlf的绝对值大于第一设定值；2)低频振动幅值序列最大值序列{^“”的熵Emlf大于运行转速频率对应的振动幅值序列μ广}的熵3)频率比值序列{<”中的频率比值最大值rm"f小于第二设定值；4)频率比值序列{<”中的频率比值最小值rmf大于第三设定值；则判定机组转子一侧支持轴承发生油膜涡动故障；否则，判定机组转子一侧支持轴承没有发生油膜涡动故障。所述第一设定值为Niw2(Oa),即概率为(Ι-α/2)的标准正态分布变量值，其中， 设定 α /2 = 0. 5%。所述第二设定值为0.55。所述第三设定值为0.4。本发明实现了机组转子油膜涡动故障的实时自动在线监测、分析及判别，提高了机组转子油膜涡动故障辨识的准确性。
图1是汽轮发电机组油膜涡动故障实时辨识方法流程图；图2是汽轮发电机组油膜涡动故障实时辨识示意图；图3是低频振动幅值序列最大值序列数据图；图4是运行转速频率对应的振动幅值序列数据图。
具体实施例方式下面结合附图，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涡动故障实时辨识方法流程图。图1中，本发明提供的汽轮发电机组油膜涡动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，序列中数据的个数η = 50 ’另外，第一设定值为Ν0.995(0, 1) = 2. 5762，第二设定值为0. 55，第三设定值为0. 4。步骤2 实时采集机组启动升速过程中的数据，所述数据包括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涡动故障实时辨识示意图。图2中，本发明提供的方法需要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可以从配置汽轮发电机组的监视仪表(TSI)获得或者可以从专业振动数据采集调理设备获得。本实施例中，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从与振动传感器相连的专业振动数据采集调理设备获得。图2中，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。根据本发明设计具体的汽轮发电机组油膜涡动实时辨识程序，将实时分析程序安装在工业用微型计算机(IPC)内。汽轮发电机组油膜涡动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、升速过程低频振动相关参数实时计算、运行频率振动幅值熵实时计算、频率比值实时计算及油膜涡动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涡动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涡动故障。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 利用快速傅立叶频谱分析方法，计算得到当前时刻的轴相对振动中从低频到高频的振动幅值序列以及振动频率序列。针对机组转子一侧的轴相对振动数据，利用快速傅立叶(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ym)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 从振动幅值序列中获取机组运行转速频率fwfre<1对应的振动幅值Awftra1,存储机组运行转速频率fwfre<1及其对应的振动幅值Awfre<1。机组启动过程中，运行转速对应频率fwfre<1呈递增变化。从振动幅值序列中获取机组运行转速频率fwfre<1对应的振动幅值Awftra1,实时存储机组运行转速频率及对应的振动幅值Arfra1，数据是每隔t = 1秒存储一次。步骤5 从振动频率序列中，截取所有小于机组运行转速频率fwfrai的频率，形成低频振动频率序列洞时，从振动幅值序列中，截取所有小于机组运行转速频率严“的频率对应的振幅，形成低频振动幅值序列；存储低频振动频率序列和低频振动幅值序列；其中，i = 1，2，· · ·，50。通常，国产汽轮发电机组工作转速频率fwfrai为50Hz。因此，从振动频率序列中，截取所有小于机组工作转速频率fwfte<1的频率，即从振动频率序列中，截取所有小于50Hz的频率，形成低频振动频率序列并存储。从振动幅值序列中，截取所有小于机组运行转速频率fwfM1的频率对应的振幅，即从振动幅值序列中，截取所有频率小于50Hz的频率对应的振幅，形成低频振动幅值序列 Mfre9}并存储。实施过程中，可以设定振动数据采集频率及采集数据量，使得低频振动频率序列、 低频振动幅值序列数据个数η = 50。步骤6 计算所述低频振动幅值序列中的最大值Amlf，并取得该最大值Amlf 对应的频率fmlf ；存储Amlf和fmlf。
由于设定n = 50，因此在低频振动幅值序列中，共有50个数据。计算50个数据中的最大值，即为低频振动幅值序列{jf-}中的最大值Amlf。另外，获取该最大值AmlIi 应的频率fmlf。最后，存储低频振动幅值序列中的最大值Amlf及其对应的的频率fmlf。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2。步骤8 按照存储时间的先后顺序，将每个步进长度存储的数据排成序列。其中需要排成序列的数据包括A、按照存储时间的先后顺序，将每个步进长度存储的低频振动幅值序列中的最大值Amlf，排成低频振动幅值序列最大值序列{4"”。由于设定时长T = 200秒，步进长度t= 1秒，每个步进长度t= 1秒存储的低频振动幅值序列{<—沖的最大值Amlf共有200个。将这200个低频振动幅值序列沖的最大值Amlf，按照时间存储先后顺序排成序列，记为低频振动幅值序列最大值序列。B、将每个步进长度存储的低频振动幅值序列β< }中的最大值Amlf对应的频率 fmlf，排成低频振动幅值序列最大值对应的频率序列{//”。同样，每个步进长度t = 1秒存储的低频振动幅值序列{Jfw}中的最大值Amlf对应的频率fmlf也有200个。将这200个频率fmlf，按照时间存储先后顺序排成序列，记为低频振动幅值序列最大值对应的频率序列{//”。C、将每个步进长度存储的运行转速频率排成运行转速频率序列{///re< }。每个步进长度t = 1秒存储的运行转速频率fwftM1有200个，将这200个运行转速频率Γ&、按照时间存储先后顺序排成序列，记为运行转速频率序列{///re< }。D、将每个步进长度存储的运行转速频率对应的振动幅值Arfrai,排成运行转速频率对应的振动幅值序列μ/-}。每个步进长度t = 1秒存储的运行转速频率fwfre<1对应的振动幅值Awftrai有200个， 将这200个振动幅值Awtotl按照时间存储先后顺序排成序列，记为运行转速频率对应的振动幅值序列MT^ }。上述各个序列中，j = 1，2，…，200。步骤9 计算低频振动幅值序列最大值序列{^“”的熵Emlf以及低频振动幅值序列最大值序列{jf}的非稳态参数ε amlf。计算低频振动幅值序列最大值序列{^“”的熵Emlf利用公式
m
E-'f =^[(Affln((Aff)]。其中，规定当(</)2 =0 时，ln((</)2) = 0 ； j = 1，2，3，· · ·，m ； T
to = — = 200 ο t计算低频振动幅值序列最大值序列{^“”的非稳态参数ε amlf利用公式ε amlf = (Samlf+0. 5- μ A) / σ A。其中，S-lf是低频振动幅值序列最大值序列{《”的逆序数；逆序对是指在一个数据序列中，一对数的前后位置与大小顺序相反，即前面的数大于后面的数；逆序数是指一个数据序列中逆序对的总数。μ α是低频振动幅值序列最大值序列{^“”的逆序数
理论均值，μ Α = m(m-l)/4 ； σ Α是低频振动幅值序列最大值序列的逆序数理论标准偏
权利要求
1.一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述方法包括下列步骤 步骤1 设定时长τ、步进长度t和序列中数据的个数η ；步骤2 实时采集机组启动升速过程中的数据，所述数据包括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 利用快速傅立叶频谱分析方法，计算得到当前时刻的轴相对振动中从低频到高频的振动幅值序列以及振动频率序列；步骤4 从振动幅值序列中获取机组运行转速频率fwfrai对应的振动幅值Awfrai,存储机组运行转速频率及其对应的振动幅值Awfretl ；步骤5 从振动频率序列中，截取所有小于机组运行转速频率fwfre<1的频率，形成低频振动频率序列洞时，从振动幅值序列中，截取所有小于机组运行转速频率严“的频率对应的振幅，形成低频振动幅值序列Mfre]；存储低频振动频率序列Mfre]和低频振动幅值序列；其中，i = 1,2,...,η；步骤6 计算所述低频振动幅值序列{中的最大值Amlf，并取得该最大值Amlf对应的频率fmlf ；存储Amlf和fmlf ；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2 ；步骤8:按照存储时间的先后顺序，将每个步进长度存储的低频振动幅值序列中的最大值Amlf，排成低频振动幅值序列最大值序列{^“” ；将每个步进长度存储的低频振动幅值序列中的最大值Amlf对应的频率fmlf，排成低频振动幅值序列最大值对应的频率序列{//” ；将每个步进长度存储的运行转速频率fwfM1，排成运行转速频率序列{///re< }；将每个步进长度存储的运行转速频率fwfre<1对应的振动幅值Arfrai,排成运行转速频率对应的一T振动幅值序列丨JyM丨;其中，= 1, 2,y ;步骤9 计算低频振动幅值序列最大值序列{^“”的熵Emlf以及低频振动幅值序列最大值序列的非稳态参数ε lf ；步骤10 计算运行转速频率对应的振动幅值序列{Jf^}的熵ErfM ； 步骤11 分别计算低频振动幅值序列最大值对应的频率序列{//”中的每个频率与运行转速频率序列中的相应运行转速频率的比值<"■，并将结果排成频率比值序列 Klf }·,步骤12 从频率比值序列{<”中，获取频率比值最大值rm"f和频率比值最小值步骤13 判定机组转子一侧支持轴承是否发生油膜涡动故障。
2.根据权利要求1所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述计算低频振动幅值序列最大值序列{^“”的熵Emlf利用公式mEmlf = YjHAf f 111((4^)2)]；=1T其中，当(Jmr)2 =0时，ln((y4mr)2) = 0 ； J = 1'2,3, . . . , m -m = — ο
3.根据权利要求1所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述低频振动幅值序列最大值序列{^“”的非稳态参数ε "lf利用公式
4.根据权利要求1所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述计算运行转速频率对应的振动幅值的熵Erfretl利用公式
5.根据权利要求1所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述判定机组转子一侧支持轴承是否发生油膜涡动故障具体是，如果低频振动幅值序列最大值序列{jf}的熵Emlf、低频振动幅值序列最大值序列{^“”的非稳态参数ε "lf、运行转速频率对应的振动幅值序列μ/—}的熵ErfM1、频率比值序列{<”中的频率比值最大值和频率比值最小值同时满足下列条件1)低频振动幅值序列最大值序列{^“”的非稳态参数ε"lf的绝对值大于第一设定值；2)低频振动幅值序列最大值序列的熵Emlf大于运行转速频率对应的振动幅值序列Mf^ }的熵 Ewftetl ；3)频率比值序列{<”中的频率比值最大值rm"f小于第二设定值；4)频率比值序列{<”中的频率比值最小值rmf大于第三设定值；则判定机组转子一侧支持轴承发生油膜涡动故障；否则，判定机组转子一侧支持轴承没有发生油膜涡动故障。
6.根据权利要求5所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述第一设定值为Niw2(Oa),即概率为(Ι-α/2)的标准正态分布变量值，其中，设定α/2 =0. 5%。
7.根据权利要求5所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述第二设定值为0. 55。
8.根据权利要求5所述的一种汽轮发电机组油膜涡动故障实时辨识方法，其特征是所述第三设定值为0.4。
全文摘要
本发明公开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涡动故障实时辨识方法。包括设定时长、步进长度；实时采集机组启动升速过程中的数据；利用快速傅立叶频谱分析方法，计算得到当前时刻的轴相对振动中从低频到高频的振动幅值序列以及振动频率序列；达到设定时长时，排列存储的数据形成低频振动幅值序列最大值序列，低频振动幅值序列最大值对应的频率序列；运行转速频率序列；运行转速频率对应的振动幅值序列；根据上述各序列的值，经过计算判定机组转子一侧支持轴承是否发生油膜涡动故障。本发明实现了机组转子油膜涡动故障的实时自动在线监测、分析及判别，提高了机组转子油膜涡动故障辨识的准确性。
文档编号G01H17/00GK102175409SQ201110034250
公开日2011年9月7日 申请日期2011年2月1日 优先权日2011年2月1日
发明者宋光雄 申请人:华北电力大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
