专利名称：大型汽轮发电机组油膜涡动故障实时诊断方法
技术领域：
本发明属于旋转机械振动状态监测与故障诊断领域，特别涉及大型汽轮发电 机组振动状态实时在线自动监测的一种汽轮发电机组油膜涡动故障实时诊断方法。
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涡动故障，降低机组轴系稳定性。油膜涡动会使汽 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
在汽轮发电机组运行升速过程中，转速较低时振动不大，振动的圆频率等于 转速。当转速升高到某一转速后，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，涡动频率亦随之按比例增加。转子工作转速在两倍转子 第一临界转速以下时，低频振动频率近似为转子工作频率的一半，此时自激振动
称为油膜涡动。根据国内外对油膜涡动故障研究，确定其振动特征频率为Q =(0.42 0.48)"， ^为轴系的运行转速频率。
油膜涡动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，转子将继续涡动，出现较大的不稳定振动。通 常，机组油膜涡动故障的诊断工作都是由经验丰富的专家完成，具有诊断经济成 本高，周期长，可靠性低，实时性差的缺点。本发明提供的汽轮发电机组油膜涡 动故障实时诊断方法，根据机组轴系实时运行转速、振动幅值特征、振动频率特征等信息，对机组油膜涡动故障进行实时自动在线监测、分析、诊断，提高故障 诊断效率和准确度。
发明内容
本发明的目的在于提供基于大型汽轮机运行中轴系的振动数据，结合计算机 程序计算，能够实现自动在线监测、准确诊断故障的一种汽轮发电机组油膜涡动 故障在线实时诊断方法。
一种汽轮发电机组油膜涡动故障实时在线诊断方法，其特征在于，所述油膜 涡动故障实时在线诊断方法包括
(a) 数据采集及预处理，采集汽轮机组转子轴振动信号以及振动信号分析处理
需要的键相信号进一歩根据采集得到的振动信号，计算分析得到轴相对振动通频
振幅；
(b) 机组转子实时运行转速条件验证，实时计算分析机组轴系实时运行转速 与转子的第一临界转速的比值，定量判定机组是否具备与转速相关的油膜涡动故 障发生必要条件；
(C)轴振低频振动主频率单一性验证，依据转子的轴相对振动数据，结合快 速傅立叶变换(FFT)频谱分析方法，实时计算分析轴振动低频振动频段内的主 频率值波动情况，经过相关定量计算，判定轴振低频振动主频率单一性是否显著；
(d) 轴振半频振动主频率条件验证，依据转子的轴相对振动数据，结合快速 傅立叶变换频谱分析，定量分析预先设定的低频振动频段内振动主频率与轴系实 时运行转速频率的数值关系及变化情况，判定轴相对振动的低频振动主频率与轴 系实时运行转速频率是否具备半速关系；
(e) 轴振半频振动幅值条件验证，结合轴相对振动数据的FFT频谱分析结果， 实时计算分析轴振动的半频振动振幅与相对轴振通频振幅的比值及变化情况，判 定轴振动的半频振动幅值是否显著；
(f) .机组油膜涡动故障识别诊断，结合轴振低频振动主频率单一性验证、轴 振半频振动主频率条件验证和轴振半频振动幅值条件验证3项验证的结果，综合 判断得出大型汽轮发电机组是否发生油膜涡动故障的结论。本发明的有益效果是汽轮机组油膜涡动故障诊断方法利用机组运行中轴系 的振动数据，经过计算分析判断得到故障诊断结论，具有方法科学，结论可靠， 能够实现自动实时在线监测、诊断故障等优点。
图1为大型汽轮发电机组油膜涡动诊断功能流程图。 图2为机组转子实时运行转速条件验证功能结构框图。 图3为轴振低频振动主频率单一性验证功能结构框图。
图4为轴振半频振动主频率条件验证功能结构框图。 图5为轴振半频振动幅值条件验证功能结构框图。
具体实施例方式
本项发明提出的大型汽轮发电机组油膜涡动故障实时诊断方法主要由数据 采集、数据预处理及分析、机组转子实时运行转速条件验证、轴振低频振动主频 率单一性验证、轴振半频振动主频率条件验证、轴振半频振动幅值条件验证、机 组油膜涡动故障识别诊断等环节组成，其功能流程图如图1所示。在实时诊断过 程中，先判断机组的轴系转速小于2倍的转子第一临界转速，满足条件再进入后 续的实时运算分析验证。下面结合附图进一步说明具体实施步骤及诊断方法。
数据采集及预处理
油腠涡动故障都是在轴相对振动上表现明显，在后续的计算分析过程中需要 用到轴相对振动数据。因此，诊断机组油膜涡动故障采集汽轮机组转子的轴振动 数据以及振动信号分析处理需要的键相信号。根据采集得到的振动信号，标定转 换得到轴相对振动通频振幅Av。(标定转换方法由振动传感器供应商提供。) 机组转子实时运行转速条件验证
计算机组轴系实时运行转速与机组选定转子的第一临界转速的比值，如果该
比值小于2，那么机组转子实时运行转速条件验证通过，说明机组具备了与转速 相关的油膜涡动故障发生必要条件。机组转子实时运行转速条件验证功能结构框 图如图2所示。由于在实际的汽轮发电机组中，通常会有2个或2个以上的转子， 这些不同转子的第一临界转速不同，因此应根据当前监测诊断转子的具体数据设定转子的第一临界转速。 轴振低频振动主频率单一性验证
针对预先选定的转子的一侧轴相对振动信号，进行FFT(快速傅立叶变换)频
谱分析。依据转子的实时运行转速频率y;皿，，设定轴振动的低频振动频段为
，在该频段内，实时计算分析得到最大振动幅值对应的主频 率值/,ox。在设定时间内，计算/。 ^的最大值和最小值的差值的绝对值，如果该
绝对值小于预先设定的阈值rm/rf，那么判定轴振低频振动主频率单一性验证通过，
其功能结构框图如图3所示。
轴振半频振动主频率条件验证
针对预先选定的转子的一侧轴相对振动信号，进行FFT(快速傅立叶变换)频 谱分析。依据转子的实时运行转速频率/,^，设定轴振动的低频振动频段为
，在该频段内，实时计算分析得到最大振动幅值对应的主频 率值/,M。在设定时间内，计算/" ^的最大值、最小值之和的均值，计算该均值 与轴系实时运行转速频率/f^的比值，如果该比值在0.4 0.52范围内，那么判 定轴振半频振动主频率条件验证通过，其功能结构框图如图4所示。
轴振半频振动幅值条件验证
针对预先选定的转子的一侧轴相对振动信号，进行FFT(快速傅立叶变换)频 谱分析。依据转子的实时运行转速频率/， ^，设定轴振动的半IS振动频段为
，计算该频段内的通频振幅^U。相对轴振通频振幅Av二
者的比值&,4/《。在设定的时间段内，计算比值凡,的均值，如果比值4的 均值大于设定的阈值7乙，那么判定轴振半频振动幅值条件验证通过，其功能结 构框图如图5所示。根据轴相对振动信号，采用FFT(快速傅立叶变换)频谱分析 算法，逐项累加频段内对应频率的振幅得到频段内的通频振幅Avc;相对轴振通 频振幅Av由轴相对振动信号标定转换得到，标定转换方法由振动传感器供应商 提供。
机组油膜涡动振动故障识别 根据上述轴振低频振动主频率单一性验证、轴振半频振动主频率条件验证及轴振半频振动幅值条件验证的结果，可以做出是否发生油膜涡动故障的诊断。如 果同时满足上述3项验证，那么可以判断发生油膜涡动故障。 实施例
利用该方法可以实现对200MW汽轮发电机组的油膜涡动故障诊断。根据该
方法设计具体的油膜涡动故障计算机诊断程序，将故障诊断程序安装在工控机
(IPC)内。油膜涡动故障实时诊断程序中的一次诊断循环过程包括诊断方法中涉及
的数据釆集及预处理、机组转子实时运行转速条件验证、轴振低频振动主频率单 一性验证、轴振半频振动主频率条件验证、轴振半频振动幅值条件验证、机组油 膜涡动振动故障识别等一系列计算分析验证环节。
首先，工控机(IPC)通过高速数据采集卡实时采集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。根据釆集得到的振动信号，实时计算得 到轴相对振动通频振幅Av。
其次，故障诊断程序实时计算机组轴系实时运行转速与机组选定转子的第一 临界转速的比值，假设当前机组轴系运行转速为1800r/min，监测转子的第一临 界转速为1210r/min，通过计算二者比值小于2，因此机组转子实时运行转速条件 验证通过，故障诊断程序进入后续的分析诊断环节。如果当前机组轴系运行转速 为2600r/min，运行转速与临界转速的比值大于2，那么机组转子实时运行转速条 件验证失败，故障诊断程序不会进入后续的分析诊断环节，重新进入数据采集及 预处理环节。
故障诊断程序针对预先选定的转子的一侧轴相对振动信号，进行轴振低频振 动主频率单一性验证、轴振半频振动主频率条件验证及轴振半频振动幅值条件验 证等3项验证，3个验证过程是实时同步进行的。3项验证中的任何一项验证失 效，都会导致程序进入下一个诊断分析循环。
在轴振低频振动主频率单一性验证中，故障诊断程序实时计算轴振动的低频 振动设定频段内的最大振动幅值对应的主频率值得到/am^。在设定时间10秒内， 计算/^< 的最大值和最小值的差值的绝对值，如果该绝对值小于预先设定的阈值 3，那么判定轴振低频振动主频率单一性验证通过。在轴振半频振动主频率条件验证中，故障诊断程序实时计算轴振动的低频振 动设定频段内的最大振动幅值对应的主频率值得到/^m。在设定时间IO秒内， 进一步计算/^ 的最大值、最小值之和的均值，并计算该均值与轴系实时运行转
速频率/ 的比值，如果该比值在0.4 0.52范围内，那么判定轴振半频振动主 频率条件验证通过。假设计算得到主频率均值为16Hz，轴系实时运行转速频率 为35Hz， 二者比值为0.46，该比值在0.4 0.52范围内，因此判定轴振半频振动 主频率条件验证通过。
在轴振半频振动幅值条件验证中，故障诊断程序实时计算轴振动的低频振动
设定频段内的通频振幅Ave、相对轴振通频振幅^v。进一步计算二者的比值
《,=4t/《，在设定时间10秒内，如果比值凡,的均值大于设定的阈值OJ，那么
判定轴振半频振动幅值条件验证通过。假设计算得到振幅比值的均值为0.5，该 比值大于设定的阈值0J，因此那么判定轴振半频振动幅值条件验证通过。
最后，故障诊断程序根据轴振低频振动主频率单一性验证、轴振半频振动主 频率条件验证及轴振半频振动幅值条件验证的结果，判断是否发生油膜涡动故障 的诊断。如果同时满足上述3项验证，那么可以判断发生油膜涡动故障。
诊断程序循环执行上述一系列计算分析验证环节，判断当前机组是否发生油 膜涡动故障，实现油膜涡动故障的实时诊断。
权利要求
1. 一种汽轮发电机组油膜涡动故障实时在线诊断方法，其特征是，它包括(a)数据采集及预处理，采集汽轮机组转子轴振动信号以及振动信号分析处理需要的键相信号；进一步根据采集得到的振动信号，计算分析得到轴相对振动通频振幅；(b)机组转子实时运行转速条件验证，实时计算分析机组轴系实时运行转速与转子的第一临界转速的比值，定量判定机组是否具备与转速相关的油膜涡动故障发生必要条件；(c)轴振低频振动主频率单一性验证，依据转子的轴相对振动数据，结合快速傅立叶变换(FFT)频谱分析方法，实时计算分析轴振动低频振动频段内的主频率值波动情况，经过相关定量计算，判定轴振低频振动主频率单一性是否显著；(d)轴振半频振动主频率条件验证，依据转子的轴相对振动数据，结合快速傅立叶变换频谱分析方法，定量分析预先设定的低频振动频段内振动主频率与轴系实时运行转速频率的数值关系及变化情况，判定轴相对振动的低频振动主频率与轴系实时运行转速频率是否具备半速关系；(e)轴振半频振动幅值条件验证，结合轴相对振动数据的FFT频谱分析结果，实时计算分析轴振动的半频振动振幅与相对轴振通频振幅的比值及变化情况，判定轴振动的半频振动幅值是否显著；(f)机组油膜涡动故障识别诊断，结合轴振低频振动主频率单一性验证、轴振半频振动主频率条件验证和轴振半频振动幅值条件验证3项验证的结果，综合判断得出大型汽轮发电机组是否发生油膜涡动故障的结论。
2.根据权利要求1所述汽轮发电机组油膜涡动故障实时在线诊断方法，其特 征是，所述机组转子实时运行转速条件验证，由于在实际的汽轮发电机组中，通 常会有2个或2个以上的转子，这些不同转子的第一临界转速不同，因此应根据 当前监测诊断转子的具体数据设定转子的第一临界转速，计算机组轴系实时运行 转速与机组选定转子的第一临界转速的比值，如果该比值小于2，那么机组转子 实时运行转速条件验证通过，说明机组具备了与转速相关的油膜涡动故障发生必要条件。
3. 根据权利要求1所述汽轮发电机组油膜涡动故障实时在线诊断方法，其特 征是，所述轴振低频振动主频率单一性验证是通过实时计算分析得到最大振动幅 值对应的主频率值/^^。计算/。，,的最大值和最小值的差值的绝对值，如果该绝对值小于预先设定的阈值那么定轴振低频振动主频率单一性验证通过。
4. 根据权利要求1所述汽轮发电机组油膜涡动故障实时在线诊断方法，其特征是，所述轴振半频振动主频率条件验证，计算轴振动的设定低频振动频段内的主频率值/，ox，在设定时间内，计算/。 ^的最大值、最小值之和的均值，计算该均值与轴系实时运行转速频率/， ^的比值，如果该比值在40% 52%范围内， 那么判定轴振半频振动主频率条件验证通过。
5. 根据权利要求1所述汽轮发电机组油膜涡动故障实时在线诊断方法，其特 征是，所述轴振半频振动幅值条件验证，针对预先选定的转子的一侧轴相对振动 信号，进行FFT(快速傅立叶变换)频谱分析，依据转子的实时运行转速频率/，","g， 设定轴振动的半频振动频段为
，计算轴振动的半频振动 设定频段内的通频振幅Aw、相对轴振通频振幅4v二者的比值/t-^^M,在设 定的时间段内，如果比值凡,的均值大于设定的阈值7;，那么判定轴振半频振动 幅值条件验证通过；其中As^轴振动的半频振动设定频段内的通频振幅；A^相 对轴振通频振幅。
6. 根据权利要求1所述汽轮发电机组油膜涡动故障实时在线诊断方法，其特 征是，所述机组油膜涡动振动故障识别，结合轴振低频振动主频率单一性验证、 轴振半频振动主频率条件验证、轴振半频振动幅值条件验证等3项验证的结果， 对故障发生与否进行判断。
全文摘要
本发明公开了属于机械振动状态监测与故障诊断领域的一种大型汽轮发电机组油膜涡动故障实时诊断方法。涉及大型汽轮发电机组振动状态实时在线自动监测通过采集汽轮机组转子轴振动信号，对振动数据进行必要的数据预处理。判断机组轴系转速小于2倍转子第一临界转速。进一步结合FFT(快速傅立叶变换)频谱分析方法，对轴振振动数据进行轴振低频振动主频率单一性验证、轴振半频振动主频率条件验证、轴振半频振动幅值条件验证等实时定量计算分析。在上述实时定量计算分析基础上，结合各项验证结果，自动实时在线诊断机组是否发生油膜涡动故障。本发明具有方法科学，结论可靠，能够实现自动实时在线监测、诊断故障等优点。
文档编号G01M15/00GK101430239SQ20081022758
公开日2009年5月13日 申请日期2008年11月28日 优先权日2008年11月28日
发明者宋光雄 申请人:华北电力大学