趙博

【摘 要】隨著我國綜合國力的提升，國內(nèi)對能源的需求量逐年增加，機組向大型化、節(jié)能化方向發(fā)展，不可避免的火電機組的汽輪機也在朝著大型化、高速化的方向發(fā)展?；痣姍C組增效擴容提高生產(chǎn)效率的同時，對設(shè)備的安全運行的要求也變得越來越嚴格。汽輪機組震動的狀態(tài)監(jiān)測與故障診斷，是保證汽輪機安全經(jīng)濟運行的重要途徑。本文從汽輪機震動常見故障轉(zhuǎn)子質(zhì)量不平衡、設(shè)備動靜碰磨、轉(zhuǎn)子不對中等出發(fā)，介紹了汽輪機專家型、神經(jīng)網(wǎng)絡(luò)方法和支持向量機等汽輪機震動故障診斷流程和決策方法。

【關(guān)鍵詞】故障診斷；汽輪機；專家系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；支持向量機

0 前言

現(xiàn)在國產(chǎn)機組容量都較大，在現(xiàn)代化生產(chǎn)中，設(shè)備運行過程中的任何故障不僅直接影響產(chǎn)品的產(chǎn)量和質(zhì)量，還可能造成嚴重的設(shè)備和人身事故。要使機組設(shè)備安全、可靠、有效地運行，充分發(fā)揮其效益，必須發(fā)展過程監(jiān)測和故障診斷技術(shù)。從眾多學者的研究趨勢來看，目前汽輪機故障的智能診斷策略和方法式當今故障診斷技術(shù)發(fā)展的一個方向，特別是這幾年來專家系統(tǒng)的應(yīng)用和實施，它使故障的智能診斷方式提供了一個可行的途徑，是故障診斷進入了一個從未有過的全新階段。在強大的專家系統(tǒng)的研究之后，許多學者將人工智能應(yīng)用于故障診斷，賦予程序機器學習的能力，讓診斷更加智能，研究成果十分誘人。在對具體某一臺設(shè)備進行故障診斷前，需要針對性的建立故障診斷模型，學習該設(shè)備的歷史數(shù)據(jù)。具體過程包括：提取歷史數(shù)據(jù)特征，生成訓(xùn)練樣本；學習訓(xùn)練樣本，訓(xùn)練出合格的模型參數(shù)。完成建立模型的工作后，故障診斷系統(tǒng)便擁有了對該設(shè)備的故障診斷能力。建立診斷模型工作需要獨立于故障診斷系統(tǒng)提前完成，應(yīng)建立一個針對該設(shè)備的故障模型訓(xùn)練系統(tǒng)，得到故障診斷模型參數(shù)并傳遞給故障診斷系統(tǒng)；同時，如何使系統(tǒng)更加方便非專業(yè)人員的操作，也是研究的重點。

1 汽輪機運行常見故障

電廠汽輪機設(shè)備震動故障是多種多樣的，但是從總體上來看，汽輪機震動故障可以分為幾大類，具體的來說主要有轉(zhuǎn)子質(zhì)量不平衡、設(shè)備動靜碰磨、汽輪機轉(zhuǎn)子不對中、汽輪機轉(zhuǎn)子中心孔進油。轉(zhuǎn)子質(zhì)量不平衡常常會使轉(zhuǎn)子在不平衡的力的共同作用下發(fā)生一定程度的震動，轉(zhuǎn)子質(zhì)量不平衡震動特點很明顯，它的震動頻率與轉(zhuǎn)速同頻，震動幅值按照共振曲線變化，一定的轉(zhuǎn)速下，復(fù)制和相位保持穩(wěn)定，軸心軌跡呈橢圓或圓形。引起轉(zhuǎn)子不平衡的因素很多，但是一般是由于零件脫飛或轉(zhuǎn)子熱彎曲等造成的。設(shè)備的動靜碰磨在汽輪機設(shè)備運行過程中也較為常見，但是動靜碰磨不像轉(zhuǎn)子質(zhì)量不平衡那樣容易確認，它的確認一般需要通過開缸處理。這也是研究汽輪機故障診斷的主要原因，如果能夠通過一定的手段將這些故障確認而不需要開缸處理，那將對機組的運行性能和效率有很大的提高。然后是汽輪機轉(zhuǎn)子不對中，他可以通過轉(zhuǎn)子震動的時域波形上的旋轉(zhuǎn)基本頻率中出現(xiàn)工頻的高次成分或軸心軌跡為香蕉形等就可以初步斷定為轉(zhuǎn)子不對中。汽輪機轉(zhuǎn)子進油會使工頻震動增大，通過清理中心孔可以快速解決振動問題。

為解決汽輪機震動過程中的常見故障，進行汽輪機故障診斷的研究是十分有現(xiàn)實意義的。本位介紹了目前汽輪機震動檢測和故障診斷的的研究方法，為汽輪機故障診斷和汽輪機檢修維護提供了理論基礎(chǔ)。

2 旋轉(zhuǎn)機械故障診斷技術(shù)

電廠的汽輪機屬于大型旋轉(zhuǎn)設(shè)備，由于其轉(zhuǎn)速較高、體積龐大，發(fā)生故障后果將不堪設(shè)想，將對生產(chǎn)和人身造成不可估量的損害，旋轉(zhuǎn)機械的故障診斷和判別是汽輪機故障診斷過程中十分重要的一個過程，汽輪機故障的診斷過程一般包括三個過程，分別為：1）信號采集過程，在這個過程中通過汽輪機組上的各個測點測量汽輪機各處的運行參數(shù)，將這些能反映汽輪機運行故障的參數(shù)匯總，并且反應(yīng)給診斷者，這些信號主要有汽輪機的震動頻率、振幅、軸心軌跡等。信號采集是故障診斷的最初始的一部分，它的正常運行將直接影響診斷結(jié)果的準確性，所以診斷過程中一定要合理選用儀表。2）特征的提取過程，這一部分通過對采集到的信號進行處理，提取信號中所包含的一些特征信息，所謂提取特征，其實就是對采集信號的一種在處理的過程，包括時域分析、頻譜分析等多種方式，如果能合理的掌握并提取不同故障下的特征將使實際的診斷過程變得簡單有效。3）最后就是基于信號特征進行故障的決策和分類，著以過程往往要借助于大型的數(shù)據(jù)庫進行神經(jīng)網(wǎng)絡(luò)模式識別，或者利用支持向量機的方法探討故障的種類。目前故障的決策方案主要有模糊模式識別、專家系統(tǒng)、支持向量機等方法。

3 故障診斷決策方法

在對機械設(shè)備進行故障診斷初期，故障的診斷和確定只能憑借工人的經(jīng)驗來進行。顯然，這類診斷方法對工人的素質(zhì)要求很高，同時診斷時間往往很長，響應(yīng)速度很慢，并且往往會出現(xiàn)故障處理不當引起的二次事故。由于以上的問題，國內(nèi)外學者正在尋求一種更加先進的診斷方案和方法，就在這時人工智能技術(shù)逐漸引起了學者的注意，并且通過各種故障診斷方法將該項技術(shù)應(yīng)用于故障診斷的領(lǐng)域中來，并且隨著時間的推移，人工智能的故障診斷方法變得越來越合理和有效。

基于智能方法的故障診斷方法目前有多中，其中應(yīng)用較廣，讓學者比較認可的有專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)以及支持向量機方法，其中，故障診斷的專家系統(tǒng)主要研究的是知識的獲取、表示和故障識別的問題，首先，知識的獲取是通過領(lǐng)域內(nèi)相關(guān)專家對所研究故障知識的積累，這些知識積累的成敗直接影響專家系統(tǒng)的成敗。知識的表示就是通過計算機代碼的形式，表現(xiàn)從專家出獲取的知識，并且通過特定的過程將獲取的知識進行存儲分類，知識的表示方法多種多樣，同一個知識就有多個表示方法，不同的表示方法在解決同一個問題時往往會表現(xiàn)出不同的效果。專家系統(tǒng)的缺陷首先表現(xiàn)在它對數(shù)據(jù)庫的構(gòu)建上，他需要儲存大量的知識，對數(shù)據(jù)庫的容量需求很大，另外他獲取知識需要大量的時間。其次是神經(jīng)網(wǎng)絡(luò)方法，該方法與專家系統(tǒng)一個共同的特點是均需要利用大型數(shù)據(jù)庫，它將數(shù)據(jù)的每個發(fā)生過的特定故障構(gòu)成一個記憶，當特定信號的故障發(fā)生時，將直接激發(fā)改過程的回憶，反饋給實驗人員并且確定故障發(fā)生的原因，但是由于神經(jīng)網(wǎng)絡(luò)方法自身的特點，研究人員對該故障診斷方法的研究結(jié)果顯示，建模過程往往不易收斂，且在較多參數(shù)是計算量巨大，性能直線下降，另外該方法需要大量的樣本對系統(tǒng)進行訓(xùn)練，訓(xùn)練樣本的選取也將直接影響診斷的成敗。最后，要討論的是支持向量機方法，該方法是目前較為先進的一種診斷方法，它通過一種基于統(tǒng)計力學的學習方法將故障進行記憶并且學習，該種診斷方案具有極強的魯棒性，能夠在樣本極少的情況下實現(xiàn)故障的診斷，這是該方法較神經(jīng)網(wǎng)絡(luò)方法的一大進步。

4 結(jié)論

汽輪機振動問題是目前汽輪機運行中經(jīng)常出現(xiàn)的問題，為了發(fā)現(xiàn)、診斷和處理火電廠汽輪機常見的振動問題，本文首先介紹了汽輪機汽輪機中常見的質(zhì)量不平衡、轉(zhuǎn)子不對中等故障，然后介紹了目前汽輪機震動檢測的故障診斷和決策的常用方法，具體來說有故障診斷專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)方法以及支持向量機方法。這些方法通過一些較容易測得的量來推測和分析故障的原因，可以為汽輪機組的運行決策提供理論基礎(chǔ)。

【參考文獻】

[1]劉峻華，黃樹紅，陸繼東.汽輪機故障診斷技術(shù)的發(fā)展與展望[J].動力工程學報，2001，21（2）：1105-1110.

[2]馬靜楠.電廠汽輪機故障診斷技術(shù)分析[J].山東工業(yè)技術(shù)，2015（13）：156-156.

[3]張建華，侯國蓮，孫曉剛，等.采用概率神經(jīng)網(wǎng)絡(luò)的汽輪機故障診斷方法[J].動力工程學報，2005，25（5）：698-701.

[4]阮躍，徐世昌，黃文虎.汽輪機故障診斷專家系統(tǒng)的知識獲取[J].中國電力， 1997（2）：11-13.

[責任編輯：楊玉潔]