基于在线数据的水轮发电机组推力轴承故障的诊断方法与流程

本发明涉及水轮发电机组的故障检测技术，尤其涉及一种基于在线数据的水轮发电机组推力轴承故障的诊断方法。

背景技术：

水电机组运行状态的实时诊断直接关系到水电站的安全稳定运行、电力质量和电力生产成本等重要的经济效益指标，其社会效益巨大。随着电站规模和监测辅助系统的不断扩大，机组的控制和监测数据信息量越来越大，运行操作人员对机组运行状态的实时有效监控、对设备故障做出迅速而准确地判断变得越来越困难，因此，研究开发智能水电机组故障诊断系统是非常必要的。水电机组在运行过程中难免发生各种各样的异常情况，同一异常现象可能有不同的产生原因，并且出现的故障具有随机性，其中许多事电站工作人员无法预先、直接检测到的，一般要根据工作人员的个人经验和对监测数据的分析来查找故障发生的原因及部位，因而有一定的主观性和局限性。

因此，为保障水电机组的正常安全运行，对其运行状态进行检测，及时发现故障征兆，做到“预测性检修”防患于未然是工程界梦寐以求的理想，也是大型电站机组检修的发展方向。

水轮发电机组故障诊断是近几年兴起的一门识别机组运行状态的科学，是一个复杂的综合系统，涉及的专业范围广。及时准确地诊断出水电机组的状态和故障，对提高水电机组工作稳定性、安全可靠性具有重大意义。

传统水轮发电机组的故障诊断主要有以下4种方法：

1、基于信号处理的诊断方法

基于信号处理的诊断方法是各种诊断方法的基础和前提，作为一种传统的故障诊断方法，根据系统可测信号的特征值，如幅值、相位、频率、方差等，以及信号之间的相关性，与故障源之间存在的某种关系，通过信号处理和特征提取，找出其与故障源之间的映射关系来进行运行设备的故障诊断。

2、基于解析模型的诊断方法

基于解析模型的诊断方法是以控制理论为基础的诊断方法，其建立数学表达或解析表达模型，利用观测器、滤波器、等价空间方程、参数模型估计与辨识等方法产生残差，根据模型的残差来判断发生故障的可能性。

3、基于经验知识的诊断方法

涉及研究领域的知识表达、处理和应用的方法，统称为基于知识的诊断方法，如故障征兆树方法、专家系统方法等，他们的特点是将专业知识通过语义和框架的方式进行表达，故障的诊断则采用推理和推理过程进行，如产生式规则推理、逻辑推理、模糊知识推理等。

4、基于数据驱动的诊断方法

基于数据驱动的故障诊断方法是利用设备长期积累的在线或离线的状态数据，应用统计分析模式进行识别，神经网络技术或支持向量机模型分类等方法，通过数据学习和建模，将设备状态进行识别和分类，最终得到系统可能存在的故障。

随着我国水电事业的发展，水轮发电机单机容量不断增大，其推力轴承的工作条件也越加严酷，尤其在大型水轮发电机组中，推力轴承作为机组最重要的“心脏”部件，其工作性能的优劣，直接影响机组的安全，可靠运行。为此，对推力轴承的工作性能需要进行在线检测。

国内在故障诊断技术方面的研究起步较晚，二十世纪70年代末开始研究和尝试应用诊断技术，二十世纪90年代开始进行智能化故障诊断的研究工作，研究方法集中在模糊逻辑法、故障树分析法、专家系统技术、人工神经网络技术等，其中专家系统技术和神经网络技术是应用的热点。许多监测诊断系统也开始投入使用，但大都集中在汽轮机以及其他旋转机械设备的监测与故障诊断，针对水电机组的应用很少。这主要由于水电机组转速低，对机组的安全运行没有给予足够的重视，使得水电机组在线监测和故障诊断技术的研究落后于其他(大型)旋转机械。

在水轮发电机组中，传统在线检测推力轴承工作性能的方法是：在一块或多块轴承瓦体的适当位置，钻孔并插入电阻温度计，轴承运行时，通过该温度计的读数来推测轴瓦表面的温度，进而推测油膜形成状况。这种方法简单，因而常被用来监控轴承的运行质量，但电阻温度计体积较大，与瓦体不易良好接触，热响应速度慢，又仅凭经验选择埋设位置，特别是对于当前国内广泛采用的EMP轴瓦，由于瓦体表面是一刚性差易变形并近于绝热的弹性金属塑料层，因此不仅测量瓦体温度的误差会较大，也很难，甚至不可能推断出轴瓦表面的较准确的温度值，由此常引起烧瓦事故。

技术实现要素：

针对上述技术问题，本发明设计开发了一种基于在线数据的水轮发电机组推力轴承故障的诊断方法，其以水轮发电机组的在线监测数据为基础，对实时数据的监测分析，获取到机组振动、摆度、压力脉动、位移等相关数据，并对数据进行系统、科学的分析，从而实现对推力轴承故障的自动分析诊断。

本发明提供的技术方案为：

一种基于在线数据的水轮发电机组推力轴承故障的诊断方法，包括：

步骤一、在推力油盆内部规划一坐标系，该坐标系的X轴平行于推力油盆的推力镜板的板面，该坐标系的Y轴沿推力油盆的主轴延伸，在推力油盆内部，在X向和-X方向各安装一个第一非接触性位移传感器，且各第一非接触性位移传感器面向推力镜板安装，并安装在以Y轴为旋转轴的同一个圆上；

步骤二、开动水轮发电机组，获取水轮发电机组在转速接近额定转速但无励磁条件下原始波形数据；

步骤三、假设f_x(t)为设置于X向的第一非接触性位移传感器所产生的振动位移信号，f_-x(t)为设置于-X向的第一非接触性位移传感器所产生的振动位移信号，f_{x_1X}(t)为X向的1X分量振动位移信号，f_{-x_1X}(t)为-X向的1X分量振动位移信号，那么有：

f_x(t)＝f_{x_vl}(t)+f_{x_vv}(t)+f_{x_wn}(t)，

f_-x(t)＝f_{-x_vl}(t)+f_{-x_vv}(t)+f_{-x_wn}(t)，

其中，f_{x_vl}(t)为所述主轴与所述推力镜板不垂直导致的在X向的振动位移信号，f_{-x_vl}(t)为所述主轴与所述推力镜板不垂直导致的在-X向的振动位移信号，f_{x_vv}(t)为水轮发电机组真实的垂直振动的在X向的振动位移信号，f_{-x_vv}(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号，f_{x_wn}(t)为所述推力镜板的波浪度导致的在X向测得的位移信号，f_{-x_wn}(t)为所述推力镜板的波浪度导致的在-X向测得的位移信号；

其中，f_{x_1X}(t)＝f_{x_vl}(t)+f_{x_vv1X}(t)，

f_{-x_1X}(t)＝f_{-x_vl}(t)+f_{-x_vv1X}(t)，

f_{x_vv1X}(t)为水轮发电机组真实的垂直振动的1X分量在X向的振动位移信号，f_{-x_vv1X}(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号；

并且，f_{x_vv1X}(t)＝f_{-x_vv1X}(t)，

f_{x_vl}(t)＝f_{-x_vl}(t)，

则f_{x_1X}(t)＝f_{x_vl}(t)+f_{x_vv1X}(t)，

f_{-x_1X}(t)＝-f_{x_vl}(t)+f_{x_vv1X}(t)，

最终，f_{x_vl}(t)＝(f_{x_1X}(t)-f_{-x_1X}(t))/2，则f_{x_vl}(t)的幅值表示为：

V＝Amp(f_{x_vl}(t))，

当V＞V_l时，则判定水轮发电机组存在所述主轴与所述推力镜板的故障。

优选的是，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法，还包括：

步骤四、获取停机过程水轮发电机组在极地转速下测量得到的信号；

步骤五、在水轮发电机组停机过程中，当转速接近于0r/min时，假定f_{x_vv}(t)＝0，f_{-x_vv}(t)＝0；

对f_x(t)信号滤除1X及以下的信号，将剩下的信号近似认为全部是由于所述推力镜板的波浪度造成的位移信号，则有W＝Amp(f_x'(t))，其中，f_x'(t)为f_x(t)信号滤除1X及以下的信号；

当W＞W_l，则判定水轮发电机组的所述推力镜板的波浪度过大。

优选的是，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法中，所述第一非接触性位移传感器为电涡流传感器。

优选的是，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法，还包括：

步骤六、在所述推力油盆内部设置三个第二非接触性位移传感器，三个第二非接触性位移传感器面向所述推力镜板安装，且分布在以Y轴为旋转轴的同一个圆上，且彼此之间间隔120°；

步骤七、当水轮发电机组在转速逐渐提高的过程中，各第二非接触性位移传感器检测所述推力镜板在三个位置的抬升量，当三个位置的抬升量不一致，且三个位置的抬升量中两两抬升量之间的最大差值用L表示，当L＞L_l时，则判定所述水轮发电机组的推力瓦面存在不水平故障，并且判断出推力瓦平面在对应着抬升量相对较大的方位较低，而在对应着抬升量较小的方位较高。

优选的是，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法中，所述第二非接触性位移传感器为电涡流传感器。

优选的是，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法，还包括：

步骤八、输出自动分析诊断报告，其中，所述自动分析诊断报告的内容包括：停机过程中去励磁后高转速下，水轮发电机组的大轴摆线姿态及推力镜板的运行状态；停机过程中最低可检测转速下，水轮发电机组的大轴摆线姿态及所述推力镜板运行状态；计算得到的所述推力轴承的推力镜板的波浪度，所述推力镜板与所述主轴的不垂直度和不垂直方位，所述推力瓦的不水平度及方位。

优选的是，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法中，所述步骤八中，所述自动分析诊断报告以WORD格式提供。

本发明所述一种基于在线数据的水轮发电机组推力轴承故障的诊断方法，其以水轮发电机组的在线监测数据为基础，对实时数据的监测分析，获取到机组振动、摆度、压力脉动、位移等相关数据，并对数据进行系统、科学的分析，从而实现对推力轴承故障的自动分析诊断。

附图说明

图1为本发明所述的一对第一非接触性位移传感器的设置方式示意图；

图2为本发明所述的自动分析诊断报告的生成流程图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供一种基于在线数据的水轮发电机组推力轴承故障的诊断方法，包括：

步骤一、在推力油盆内部规划一坐标系，该坐标系的X轴平行于推力油盆的推力镜板2的板面，该坐标系的Y轴沿推力油盆的主轴1延伸，在推力油盆内部，在X向和-X方向各安装一个第一非接触性位移传感器3,4，且各第一非接触性位移传感器3,4面向推力镜板2安装，并安装在以Y轴为旋转轴的同一个圆上(请看图1)。

步骤二、开动水轮发电机组，获取水轮发电机组在转速接近额定转速但无励磁条件下原始波形数据。

步骤三、由于主轴1与推力镜板2不垂直会导致在推力镜板2的X和-X处产生一个频率为机组转速的1倍频率、相位相差180度的振动位移信号，则假设f_x(t)为设置于X向的第一非接触性位移传感器3,4所产生的振动位移信号，f_-x(t)为设置于-X向的第一非接触性位移传感器3,4所产生的振动位移信号，f_{x_1X}(t)为X向的1X分量振动位移信号，f_{-x_1X}(t)为-X向的1X分量振动位移信号，那么有：

f_x(t)＝f_{x_vl}(t)+f_{x_vv}(t)+f_{x_wn}(t)，

f_-x(t)＝f_{-x_vl}(t)+f_{-x_vv}(t)+f_{-x_wn}(t)，

其中，f_{x_vl}(t)为所述主轴1与所述推力镜板2不垂直导致的在X向的振动位移信号，f_{-x_vl}(t)为所述主轴1与所述推力镜板2不垂直导致的在-X向的振动位移信号，f_{x_vv}(t)为水轮发电机组真实的垂直振动的在X向的振动位移信号，f_{-x_vv}(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号，f_{x_wn}(t)为所述推力镜板2的波浪度导致的在X向测得的位移信号，f_{-x_wn}(t)为所述推力镜板2的波浪度导致的在-X向测得的位移信号。

对于f_x(t)和f_-x(t)而言，其1X分量f_{x_1X}(t)、f_{-x_1X}(t)主要由于主轴1与推力镜板2不垂直导致的位移信号和水轮发电机组垂直振动的1X分量构成，也就是说：

其中，f_{x_1X}(t)＝f_{x_vl}(t)+f_{x_vv1X}(t)，

f_{-x_1X}(t)＝f_{-x_vl}(t)+f_{-x_vv1X}(t)，

f_{x_vv1X}(t)为水轮发电机组真实的垂直振动的1X分量在X向的振动位移信号，f_{-x_vv1X}(t)为水轮发电机组真实的垂直振动的1X分量在-X向的振动位移信号。

并且，对于机组的垂直振动信号而言，不论在X处或在-X处其相位和频率完全一致，其1X分量也是如此，也就是说：

f_{x_vv1X}(t)＝f_{-x_vv1X}(t)。

但是对于f_{x_vl}(t)和f_{-x_vl}(t)而言，其频率一致，相位差180度，也就是说：

f_{x_vl}(t)＝f_{-x_vl}(t)。

则f_{x_1X}(t)＝f_{x_vl}(t)+f_{x_vv1X}(t)，

f_{-x_1X}(t)＝-f_{x_vl}(t)+f_{x_vv1X}(t)，

最终，f_{x_vl}(t)＝(f_{x_1X}(t)-f_{-x_1X}(t))/2。

选择机组转速接近额定转速但无励磁条件下的原始波形数据，根据实际测得的X处振动位移信号和-X处的振动位移信号，经FFT计算获得f_{x_1X}(t)和f_{-x_1X}(t)的幅值和相位，根据上式计算获得f_{x_vl}(t)的幅值和相位，则f_{x_vl}(t)的幅值表示为：

V＝Amp(f_{x_vl}(t))。当V＞V_l时，则判定水轮发电机组存在所述主轴1与所述推力镜板2的故障。

在一个优选的实施例中，对于波浪度特征参数，可选用停机过程机组在极地转速下测量得到的信号，根据如下方法计算获得，即所述的于在线数据的水轮发电机组推力轴承故障的诊断方法，还包括：

步骤四、获取停机过程水轮发电机组在极地转速下测量得到的信号。

步骤五、在水轮发电机组停机过程中，当转速接近于0r/min时，可以近似认为水轮发电机组的真正的垂直振动位0，也就是说：假定f_{x_vv}(t)＝0，f_{-x_vv}(t)＝0。

对f_x(t)信号滤除1X及以下的信号，将剩下的信号近似认为全部是由于所述推力镜板2的波浪度造成的位移信号，则有W＝Amp(f_x'(t))，其中，f_x'(t)为f_x(t)信号滤除1X及以下的信号。当W＞W_l，则判定水轮发电机组的所述推力镜板2的波浪度过大。

在一个优选的实施例中，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法中，所述第一非接触性位移传感器3,4为电涡流传感器。

对于推力瓦水平度的估算，需要在推力油盆内部沿圆周方向相差120°的位置，均匀布置三只电涡流位移传感器才能完成。其基本原理如下：

将多块推力瓦构成的水平面，近似看作一个整体的平面，水轮发电机组在很低转速下，在重力作用下推力镜板2与这个平面近似贴合(当然二者之间仍然有油膜)。如果这个推力瓦平面并不水平，那么当水轮发电机组转速升高后，当各导轴承完全承载后，那么推力镜板2的抬升量在各个方位就会不一致，推力瓦平面较低的位置抬升量较大，推力瓦平面较高的位置抬升量较小，也就是说推力镜板2在抬升后与推力瓦平面并不平行。根据3个位置的测点在整个升速过程中不同位置抬升量的大小，就可以近似确定出推力瓦平面在哪一个方位较低，哪一个方位较高，且最高的方位和最低的方位之间高低差有多大，将最高的方位和最低的方位之间高低差用L表示(或者说是两两抬升量之差中的最大值)，当L＞L_l时，可认为推力瓦面存在不水平故障。

在一个优选的实施例中，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法，还包括：

步骤六、在所述推力油盆内部设置三个第二非接触性位移传感器，三个第二非接触性位移传感器面向所述推力镜板2安装，且分布在以Y轴为旋转轴的同一个圆上，且彼此之间间隔120°；

步骤七、当水轮发电机组在转速逐渐提高的过程中，各第二非接触性位移传感器检测所述推力镜板2在三个位置的抬升量，当三个位置的抬升量不一致，且三个位置的抬升量中两两抬升量之间的最大差值用L表示，当L＞L_l时，则判定所述水轮发电机组的推力瓦面存在不水平故障，并且判断出推力瓦平面在对应着抬升量相对较大的方位较低，而在对应着抬升量较小的方位较高。

在一个优选的实施例中，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法中，所述第二非接触性位移传感器为电涡流传感器。

在一个优选的实施例中，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法，还包括：

步骤八、输出自动分析诊断报告，其中，所述自动分析诊断报告的内容包括：停机过程中去励磁后高转速下，水轮发电机组的大轴摆线姿态及推力镜板2的运行状态；停机过程中最低可检测转速下，水轮发电机组的大轴摆线姿态及所述推力镜板2运行状态；计算得到的所述推力轴承的推力镜板2的波浪度，所述推力镜板2与所述主轴1的不垂直度和不垂直方位，所述推力瓦的不水平度及方位。

请看图2，图2示出了自动分析诊断报告的生成流程图。自动分析诊断功能是系统根据故障机理，自动选取合适的数据，进行自动分析和统计判断，并给出分析评价诊断结果。整个分析过程系统能够自动完成而无需人工操作。

上述流程中，除选择启动报告需要人为选定之外，其他环节全部由系统的综合分析诊断软件自动完成。

本部分功能主要面向日常运行工作人员。具备以下特点：

(1)易于操作。使用人员无需进行设置、选择数据等复杂操作，采用“一键完成”式的软件操作。

(2)数据选择、计算、判定过程自动化。所有筛选数据和根据故障或缺陷模型计算的过程、分析推理、判定的过程由计算机完成，无需操作人员中间交互操作。

(3)报告中提供明确的分析诊断结论和可能的检修建议。

(4)以报告的形式输出到用户界面，而且报告可以自动转换为WORD等格式。

在一个优选的实施例中，为便于对报告进行打印查看等操作，所述的于在线数据的水轮发电机组推力轴承故障的诊断方法中，所述步骤八中，所述自动分析诊断报告以WORD格式提供。

在推力油盆内部，沿圆周方向相差180°或120°的位置，均匀布置两只或三只电涡流位移传感器，面向推力镜板2安装，在线测量推力镜板2在水轮发电机组运行当中的运动情况。水轮发电机组在开机或停机过程机组接近额定转速下测得的三个电涡流信号经过矢量运算，可以计算出推力镜板2与主轴1不垂直度、不垂直方位及波浪度等参数。同时，根据机组在降速过程三个传感器间隙的相对变化量，计算刚性瓦(即推力瓦)的不水平大小和方位。

系统自动调用采集和存储的完整停机过程的高密度数据，并自动跟踪检索停机过程并自动跟踪检索机组转速接近额定转速、去除励磁前高转速下的数据，通过矢量计算，计算推力镜板2与主轴1的不垂直度、不垂直方位以及镜板波浪度；并自动跟踪检索机组转速在最低可检测到转速下的数据，计算三个测点间隙的相对变化，据此得出刚性瓦的不水平度和方位。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。