高炉TRT发电机组运行状态的智能监测方法与流程

高炉trt发电机组运行状态的智能监测方法
技术领域
1.本发明涉及机械设备监测与诊断技术领域，尤其涉及一种高炉trt发电机组运行状态的智能监测方法。


背景技术：

2.高炉trt发电机组由透平机组系统、动力油系统、润滑油系统、氮气系统、大型阀门系统、电气系统、自动控制系统以及循环水系统构成。
3.目前高炉trt发电机组的保护系统大多采用的是电流输出型振动传感器，通过接入plc后进行保护控制，且只带保护跳机和报警功能，无原始信号输出能力，无法实现机组的频谱分析及远程诊断。
4.随着检测技术和信息技术的发展，顺应设备智能化与设备管理技术发展，利用智能传感、物联网、大数据分析和人工智能等技术的有机融合，对trt发电机组进行集中监控，提升设备管理效率、优化设备检修策略，提升trt发电机组管理的智能化水平是本领域技术人员亟待研究的课题。trt发电机组的失效形式主要表现为油膜涡动、不对中、动静件碰磨、喘振以及转子失衡等。由于trt发电机组的保护系统的限制，严重影响高炉trt发电机组运行状态的监测。
5.目前trt机组基本采用事后维修，对trt设备进行在线监测均为连锁保护仪表。在trt设备的实际运行过程中，易出现油膜涡动、不对中、动静件碰磨、喘振和转子失衡等故障，因此对trt设备进行在线运行状态智能监测和诊断具有重要意义。


技术实现要素：

6.本发明所要解决的技术问题是提供一种高炉trt发电机组运行状态的智能监测方法，本方法针对trt设备的主要失效形式，利用trt设备的振动传感器，采集trt设备的振动数据，通过信号重构获得trt设备的故障特征，并采集trt设备的运行状态数据，实现trt设备运行状态的智能监测与诊断，把握trt设备运行状态的劣化趋势，指导设备的检修及维护。
7.为解决上述技术问题，本发明高炉trt发电机组运行状态的智能监测方法包括如下步骤：
8.步骤一、采集trt发电机组振动传感器输出原始振动信号xi，对该原始振动信号xi作频谱分析，提取trt发电机组的特征信号；原始振动信号的总振值a由原始振动信号的离散值x(i)(i＝1,2,
……
,n)求得；
[0009][0010]
式(1)中是x(i)的平均值；
[0011]
步骤二、建立trt发电机组油膜涡动的分类指标，对已获取的原始振动信号xi，经
频谱分析fft变换提取1至5倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,5)，提取0.4倍频至0.5倍频振动幅值分量xw(t),trt发电机组油膜涡动故障系数w按式(2)计算得到；
[0012][0013]
当w》25％时，预警trt发电机组油膜涡动故障；
[0014]
步骤三、建立轴系不对中分类指标，对已获取的原始振动信号xi，经频谱分析fft变换提取1倍频转速频率和2倍频转速频率处的振动幅值分量x(i)(i＝1，2)，通过反算叠加后重构不对中引起的故障信号，轴系不对中故障系数l按式(3)计算得到；
[0015]
l＝x(2)/[x(1)+x(2)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0016]
式(3)中x(1)和x(2)分别表示振动信号1倍频转速频率和2倍频转速频率处的振动幅值；
[0017]
监测trt发电机组轴系不对中故障系数l,当l》20％时，预报trt发电机组轴系不对中，建议进行trt发电机组轴系中心线校正；
[0018]
步骤四、建立动静件碰磨故障系数，对已获取的原始振动信号xi，经频谱分析fft变换提取1至9倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,
┈
，9)，通过反算叠加后重构动静件碰磨故障信号，动静件碰磨故障系数g按式(4)计算得到；
[0019][0020]
式(4)中x(5)、x(6)、x(7)、x(8)、x(9)分别表示振动信号5至9倍频转速频率处的振动幅值；
[0021]
监测动静件碰磨故障系数g,当g》40％时，预报动静件碰磨；
[0022]
步骤五、建立trt发电机组喘振故障分类指标；对已获取的原始振动信号xi，经频谱分析fft变换提取1至5倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,5)，提取0.2倍频至0.4倍频振动幅值分量xs(t),trt发电机组喘振故障系数s按式(5)计算得到；
[0023][0024]
当s》20％时，预警trt发电机组喘振故障；
[0025]
步骤六、建立trt发电机组转子失衡故障的分类指标，对于已获取的原始振动信号xi，经频谱分析fft变换提取1至9倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,
┈┈
，9)，通过反算叠加后重构trt发电机组转子失衡故障信号，转子失衡故障系数b按式(6)计算得到；
[0026][0027]
监测trt发电机组转子失衡故障系数,当b》60％时预报安装对中不良。
[0028]
由于本发明高炉trt发电机组运行状态的智能监测方法采用了上述技术方案，即本方法利用trt发电机组已安装的振动传感器，通过trt发电机组二次仪表采集trt发电机组的振动数据，通过信号重构获得trt发电机组的故障特征，包括油膜涡动的分类指标、轴系不对中分类指标、动静件碰磨故障系数、喘振故障分类指标以及转子失衡故障分类指标；
并分别设定各类指标的限值，大于相应的限值给出预警提示。本方法实现trt发电机组运行状态的智能监测与诊断，把握trt发电机组运行状态的劣化趋势，指导设备检修即维护。
附图说明
[0029]
下面结合附图和实施方式对本发明作进一步的详细说明：
[0030]
图1为本发明高炉trt发电机组运行状态的智能监测方法的流程框图。
具体实施方式
[0031]
实施例如图1所示，本发明高炉trt发电机组运行状态的智能监测方法包括如下步骤：
[0032]
步骤一、采集trt发电机组振动传感器输出原始振动信号xi，对该原始振动信号xi作频谱分析，提取trt发电机组的特征信号；原始振动信号的总振值a由原始振动信号的离散值x(i)(i＝1，2,
……
,n)求得；
[0033][0034]
式(1)中是x(i)的平均值；
[0035]
步骤二、建立trt发电机组油膜涡动的分类指标，对已获取的原始振动信号xi，经频谱分析fft变换提取1至5倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,5)，提取0.4倍频至0.5倍频振动幅值分量xw(t),trt发电机组油膜涡动故障系数w按式(2)计算得到；
[0036][0037]
当w》25％时，预警trt发电机组油膜涡动故障；
[0038]
步骤三、建立轴系不对中分类指标，对已获取的原始振动信号xi，经频谱分析fft变换提取1倍频转速频率和2倍频转速频率处的振动幅值分量x(i)(i＝1，2)，通过反算叠加后重构不对中引起的故障信号，轴系不对中故障系数l按式(3)计算得到；
[0039]
l＝x(2)/[x(1)+x(2)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0040]
式(3)中x(1)和x(2)分别表示振动信号1倍频转速频率和2倍频转速频率处的振动幅值；
[0041]
监测trt发电机组轴系不对中故障系数l,当l》20％时，预报trt发电机组轴系不对中，建议进行trt发电机组轴系中心线校正；
[0042]
步骤四、建立动静件碰磨故障系数，对已获取的原始振动信号xi，经频谱分析fft变换提取1至9倍频转速频率处的振动幅值分量x(i)(i＝1，2，3，4，
┈┈
，9)，通过反算叠加后重构动静件碰磨故障信号，动静件碰磨故障系数g按式(4)计算得到；
[0043][0044]
式(4)中x(5)、x(6)、x(7)、x(8)、x(9)分别表示振动信号5至9倍频转速频率处的振动幅值；
[0045]
监测动静件碰磨故障系数g,当g》40％时，预报动静件碰磨；
[0046]
步骤五、建立trt发电机组喘振故障分类指标；对已获取的原始振动信号xi，经频谱分析fft变换提取1至5倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,5)，提取0.2倍频至0.4倍频振动幅值分量xs(t),trt发电机组喘振故障系数s按式(5)计算得到；
[0047][0048]
当s》20％时,预警trt发电机组喘振故障；
[0049]
步骤六、建立trt发电机组转子失衡故障的分类指标，对于已获取的原始振动信号xi，经频谱分析fft变换提取1至9倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,
┈┈
，9)，通过反算叠加后重构trt发电机组转子失衡故障信号，转子失衡故障系数b按式(6)计算得到；
[0050][0051]
监测trt发电机组转子失衡故障系数,当b》60％时预报安装对中不良。
[0052]
本方法针对trt设备的主要失效形式，利用trt发电机组已安装的振动传感器，从trt发电机组二次仪表的缓存采集trt发电机组的振动数据，通过信号重构获得trt设备的故障特征；实现trt设备运行状态的智能监测与诊断，把握trt运行状态的劣化趋势，指导设备检修及维护。本方法弥补了目前高炉trt设备运行状态在线监测信息无法有效利用的缺陷，解决了油膜涡动、不对中、动静件碰磨、喘振和转子失衡等故障无法实时监测的问题；为高炉trt发电机组运行状态的把握和其零部件的及时更换和状态维修提供有效依据。