汽轮发电机组故障诊断技术概述

《汽轮发电机组故障诊断技术概述》由会员分享，可在线阅读，更多相关《汽轮发电机组故障诊断技术概述（23页珍藏版）》请在装配图网上搜索。

1、汽轮发电机组故障诊断技术概述王亮中国国电衡丰发电有限责任公司目 录汽轮发电机组故障诊断技术概述Mr-LX.弟一章刖 言1. 1国内外概况1.1.1国外的发展情况1.1.2国内的发展情况1.2振动诊断技术的发展1.3开展故障诊断技术研究的意义第二章汽轮机故障诊断技术所包含的内容2.1故障机理的研究2.2信号采集技术的研究2.2.1诊断方法2.2.2传感器错误！未定义书签。2.3 信号分析与处理2.4状态识别2.4.1神经网络2.4.2专家系统2.4.3模糊诊断技术2.4.4 诊断策略2.5诊断决策第三章目刖诊断系统存在的问题 第四章今后大型机组故障诊断技术的发展 4.1故障机理的深入研究4.2传

2、感技术的研究4.3知识表达、获取和系统自学习4.4知识库知识范围的建立4.5专家系统开发工具的研究利用4.6故障诊断系统中设备状态预测功能4.7基于Interne的远程故障诊断系统（大型诊断中心）4.8分布式结构的故障诊断系统的研究和开发4.9集成式结构的故障诊断系统的研究和开发4.10自主闭环诊断系统的研究与开发回顾和总结了国内外汽轮机故障诊断技术的发展情况，介绍了目前在汽轮机故障诊断研 究中存在的问题和今后的发展方向。第一章前言二十世纪以来，随着工业生产和科学技术的发展，机械设备的可靠性、可用性、可维修 性与安全性的问题日益突出，从而促进了人们对机械设备故障机理及诊断技术的研究。汽轮发电机

3、组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊 性，汽轮发电机组的故障率较高，而且故障危害性也很大。因此，汽轮发电机组的故障诊断 一直是故障诊断技术应用的一个重要方面。机械设备的检测和故障诊断，是建立在信息检测技术、信号处理技术、计算机应用 技术、模式识别理论和机械工程各学科等现代科学技术成就基础上的综合性技术科学。 故障诊断就是要在设备正常运行中或基本不拆卸的情况下，掌握设备的状态，早期发现 故障，判断故障的原因和部位，并预测预报故障的发展趋势。保证机组安全可靠运行的 主要手段是不断提高机组状态监测和故障诊断技术。目前汽轮发电机组的容量不断向大型化方向发展，如何通过先进的技术

4、手段对设备状态 参数进行监测和分析，判断设备是否存在异常和故障、故障的部位及故障的变化趋势，以确 定合理的检修时间和方案，达到减少事故停机损失、提高设备运行可靠性、降低维修费用的 目的，对故障诊断技术提出了新的和更高的要求，同时近几年来，传感器技术、信号处理技 术、人工智能技术如专家系统、神经网络等及其它技术在诊断中的应用，也为设备诊断技术 的进一步发展提供了动力。电力系统在个大型发电厂大力推广的以汽轮机组安全监视为目的的旋转机械状态监测系 统，在很大的程度上提高了机组运行的可靠性，降低了事故发生率。1. 1国内外概况早期的故障诊断主要是依靠人工，利用触、摸、听、看等手段对设备进行诊断。通过经

5、 验的积累，人们可以对一些设备故障做出判断，但这种手段由于其局限性和不完备性，现在 已不能适应生产对设备可靠性的要求。而信息技术和计算机技术的迅速发展以及各种先进数 学算法的出现，为汽轮机故障诊断技术的发展提供了有利的条件。人工智能、计算机网络技 术和传感技术等已经成为汽轮机故障诊断系统不可缺少的部分。1.1.1国外的发展情况国外发达国家从70年代开始进行汽轮发电机组振动故障技术的研究，以后陆续推出自 己的汽轮发电机组的故障诊断系统，目前在这一方面较为先进的研发机构有：美国电力研究 院（EPRI）、西屋公司、Bentley公司、CSI公司等，代表性的产品有Bentley公司的DM2000、 M

6、CM2000系统、旋转机械故障诊断系统（ADR3）在中国应用情况良好，很受用户欢迎。西屋 公司首先将网络技术应用于汽轮机故障诊断，在奥兰多诊断中心应用的汽轮发电机组故障诊 断系统AID，对分布于各地电站的多台机组进行远程诊断。日本三菱重工的白木万博研制的 “机械保健系统”。美国具有丰富实践经历的John Sohre于1968年在ASME石油机械工程师年会发表的 题为“高速涡轮机械运行问题（故障）的起因和治理”一文，对旋转机械典型故障征兆 及可能原因进行了全面的描述和归纳，将汽轮机的典型故障分为9大类37种，开辟了诊断知识量化的先河，至今仍被广泛的采用。但其中大部分是经验总结，没有从机理上进 行

7、深入分析。白木万博提出了 “得分法”，列出了16种常见故障与振动频率之间的关系，发表了大量有关故障诊断的文章，积累了不少现场故障处理经验，并进行了理论分 析。美国的Bently公司转子动力学研究所对转子和轴承系统典型非线性振动故障机理研 究比较透彻，进行了大量试验，发表了许多很有价值的论文。美国Bechtel电力公司于1987年开发的火电站设备诊断用专家系统（SCOPE）在进行分 析时不只是根据控制参数的当前值，而且还考虑到它们随时间的变化，当它们偏离标准值时 还能对信号进行调节，给出消除故障的建议说明，提出可能临近损坏时间的推测。美国 Radial公司于1987年开发的汽轮发电机组振动诊断用

8、专家系统（Turbomac），在建立逻辑 规则的基础上，设有表征振动过程各种成分与其可能故障源之间关系的概率数据，其搜集知 识的子系统具有人-机对话形式。该系统含有9000条知识规则，有很大的库容。日本也很重视汽轮机故障诊断技术的研究，由于日本规定1000MW以下的机组都须参与 调峰运行，因此，他们更注重于汽轮机寿命检测和寿命诊断技术的研究。日本从事这方面研 究的机构主要有东芝电气、日立电气、富士和三菱重工等。东芝电气公司与东京电力公司于1987年合作开发的大功率汽轮机轴系振动诊断系 统，采用计算机在线快速处理振动信号的解析技术与评价判断技术，设定一个偏离轴系正常 值的极限值作为诊断的起始点进

9、行诊断。九十年代，东芝公司相继开发出了寿命诊断专家系 统，针对叶片、转子、红套叶轮及高温螺栓的诊断探伤实时专家系统、机组性能评价系统日立公司在1982年开发了汽轮机寿命诊断装置HIDIC-08E，以后逐步发展，形成了一套完整的寿命诊断方法。三菱公司则在八十年代初期开发了 MHM振动诊断系统，该系统能自动地或通过人机 对话进行异常征候检测并能诊断其原因，其特点是可根据动矢量来确定故障。欧洲也有不少公司和部门从事汽轮机故障诊断技术的研究与开发。法国电力部门 （EDF）从1978年起就在透平发电机上安装离线振动监测系统，到九十年代初又提出了监测 和诊断支援工作站的设想。九十年代中期，其专家系统PSA

10、D及其DIVA子系统在透平发电机 组和反应堆冷却泵的自动诊断上得到了应用。另外瑞士的ABB公司、德国的西门子公司、丹 麦的B&K公司等都开发出了各自的诊断系统。国外的资料表明：故障诊断的效果是明显的。据日本统计，在采用诊断技术后，事故率 减少75%,维修费用降低25%50%;英国对2000家企业进行的调查表明，诊断技术的采 纳使得每年节省的维修费用达3亿英镑。1.1.2国内的发展情况我国的设备诊断技术的研究和开发是从20世纪70年代末期开始的。经历了两个阶段： 第一阶段是从70年代末到80年代初，在这个阶段内主要是吸收国外先进技术，并对一些故 障机理和诊断方法展开研究；第二阶段是从80年代初期

11、到现在，在这一阶段，全方位开展 了机械设备的故障诊断研究，引入人工智能等先进技术，大大推动了诊断系统的研制和实 施，缩小了与世界先进水平的差距，同时也形成了具有我国特点的故障诊断理论，并出版了 一系列这方面的专着，主要有屈梁生、何正嘉主编的机械故障学、杨叔子等主编的机 械故障诊断丛书、虞和济等主编的机械故障诊断丛书、徐敏等主编的设备故障诊断 手册等。我国从事汽轮机故障诊断技术研究与开发的单位有几十家，如西安交通大学、华中理工 大学、清华大学、哈尔滨工业大学、东南大学等和上海发电设备成套设计研究所、哈尔滨电 工仪表所、西安热工研究所、山东电力科学试验研究所、哈尔滨船舶锅炉涡轮机研究所及一 些汽轮

12、机制造厂和大型电厂等。通过“七五”和“八五”攻关项目的研究及近几年的不断完 善和发展。研究开发出多套的故障诊断系统，代表性的国产诊断系统如下表：表1-1有代表性的国产诊断系统序号型号名称研制单位1MMMD-3机组振动微机检测和故障诊断系统哈尔滨工业大学2MFD-2汽轮发电机组智能诊断系统东南大学3RB-20大型旋转机械计算机状态监测与故障诊断系 统西安交通大学4ZJZ-1汽轮发电机组状态监测与诊断系统西安热工研究院5HZ-1汽轮发电机组振动监测与故障诊断系统华中理工大学 扬子石化总厂6MMDS-90大型旋转机械故障诊断系统郑州工业大学7大型汽轮发见机组远程在线振动监测性能分 析与诊断系统山东电

13、力研究院 清华大学完整的汽轮机故障诊断系统，应包括数据采集、信号处理与分析、诊断和决策几个部分，它是故障诊断技术的集中体现，我国早在80年代就开始了这方面的研究，到目前已经 研制开发出了几十种系统。华北电力学院以模拟转子试验台作为信号源对汽轮发电机组振动监测与故障诊断系统进 行了研究。上海汽轮机厂研究所经过多年的实验和研究，推出了四套旋转机械状态监测和故 障诊断系统，他们在系统硬件配置上做了较多的工作。上海交通大学研制了一种热力参数监 测和故障诊断系统TPD，该系统可以提高运行可靠性、优化运行方案、提高运行效率、延长 运行寿命。东南大学对集成智能故障诊断系统和远程分布式故障诊断网络系统进行了研

14、究。 华中理工大学研究了诊断系统的功能及其实现、数据的采集以及远程诊断等问题，并开发出 了多套汽轮机故障诊断系统，其中汽轮发电机组在线振动监测与故障诊断专家系统（HZ-1） 采用了主从机结构，可以对多台发电机组实时监测及集中诊断；200MW单元机组状态监测、 能损分析及汽轮发电机组故障诊断专家系统采用Solartron分散采集系统监测机组，集DAS 系统、状态监测、能损分析和故障诊断于一体等。由清华大学、华中理工大学、哈尔滨工业 大学、哈尔滨电工仪表所等院所联合研制200MW、300MW汽轮发电机组工况监测与故障诊断 专家系统（国家八五攻关项目）可全面监测诊断机械振动故障、汽隙振动故障、热因素

15、引 起的故障、机电耦合轴系扭振故障、以及调节控制系统故障。哈尔滨工业大学对诊断系统从 数据采集到原型机理论作了很多研究，并推出了代表性的诊断系统MMMD。清华大学对诊断系 统的软件构成、硬件结构与协调方法、原型机系统等，进行了一系列的研究，并与山东电力 科学试验研究所合作开发出了大型电站性能与振动远程监测分析与诊断系统，该系统由各电 厂中的振动分析站、数据通讯网络系统、远程诊断中心（济南市山东电力科学研究院）和远 程诊断分中心（清华大学）等四个子系统构成。随着诊断技术的发展，出现了与之有关的厂家。部分传感器、数据采集器已接近国际水 平，同时研制开发了一些诊断仪器和设备。1.2振动诊断技术的发展

16、机械设备的诊断从其出现到如今可以分为三个阶段：第一阶段是设备状态监测，第二阶 段是设备状态监测与故障诊断，第三阶段是基于网络化的故障诊断及在设备管理应用。目前 设备诊断技术处于第二阶段的整理完善和向第三阶段过渡时期。机械设备故障诊断技术的发展可以分为以下几个阶段：（1）基于故障事件的故障诊断阶段。当出现故障后才检查故障原因和发生部位，故障诊断 的手段是通过对设备的解体分析并借助以往的经验以及一些简单的仪器。（2）基于故障预防的故障诊断阶段。该阶段故障诊断的目的在于为合理的维修周期的制定 提供依据，并在定期维修前检查突发性故障，保证在故障出现之前就能排除故障。这一阶段 的诊断手段主要是一些简单的

17、状态检测仪，多设有一定运行参数的报警值，能够对突发故障 进行预测。（3）基于故障预测的故障诊断阶段。该阶段故障诊断是以信号采集与处理为中心，多层 次、多角度地利用各种信息对设备的状态进行评估，针对不同的设备采取不同的措施。属于 正常运行状态的设备，可依据原先的检测计划进行检测；属于故障进行性发展的设备，重点 检测；而个别故障较严重发展的设备，应及时停机进行故障诊断。1.3开展故障诊断技术研究的意义当前，我国企业中大型设备的数目越来越多，其在生产中的重要性不言而喻，关键设备 的检测和诊断技术所带来的社会效益和经济效益，也不断为人们所认识，具体包括：（1）预防事故，保证人身和设备安全。（2）推动设

18、备维修制度的改革。维修制度由预防维修向预知维修的转化是必然的，而真正 实现预知维修的基础是设备诊断技术的发展和成熟。（3）提高经济效益。设备诊断的最终目的是避免故障的发生，使零部件的寿命得到充分的 发挥，延长检修周期，提高维修的精度和速度，降低维修费用，获得最佳经济效益。第二章汽轮机故障诊断技术所包含的内容设备故障诊断技术根据诊断的目的及所选取的诊断方法的不同，其实施过程也有所不 同，但其基本过程是相同的，主要包括：状态信号特征的获取、故障特征的提取、故障诊断 和诊断决策四个方面。图2-1设备故障诊断的实施过程故障诊断技术的研究大体上有三部分组成：第一部分为故障机理的研究；第二部分为故 障诊断

19、信息学的研究，它主要研究故障信号的采集、选择、处理和分析过程；第三部分为诊 断逻辑与数学原理方面的研究，主要是通过逻辑方法、模型方法、推论方法和人工智能方 法，根据可观测的设备故障表征来确定下一步的检测部位，最终分析判断故障发生的部位和 产生故障的原因。由于目前人们对故障诊断的理解不同，按诊断方法原理分为如下几类：（1）频域诊断法应用频谱分析技术，根据频谱特征变化，判别机器的运行状态及故 障形成原因。（2）时域分析法应用时间序列模型极其有关的特性函数，判别机器的工况状态的变 化。（3）统计分析法应用概率统计模型极其有关的特性函数，实现工况状态监视与故障 诊断。（4）信息理论分析法应用信息理论建

20、立的某些特性函数，如库尔伯克信息数，J散 度等在机器运行过程中的变化，进行工况状态分析与故障诊断。（5）模式识别法利用检测信号，提取对工况状态反应敏感的特征量构成模式矢量， 设计合适的分类器，判别工况状态，它是人工智能的技术之一。（6）其它人工智能方法 如人工神经网络、专家系统等，这些都是新发展的新领域。主要的成熟的诊断技术：（1）基于故障机理的诊断方法本方法注重从动力学的角度出发去研究故障的发生、发展机理及其出现故障之后对应的 状态。它是其它各种诊断方法的基础。（1）基于故障树分析诊断法本方法用逻辑推理图的方式分析机械设备各部位故障的发生及其故障产生的原因之 间的相互关系，是一种比较早的故障

21、诊断方法，其目的是判断基本故障、确定故障发生的原 因、影响以及故障发生的概率。它的诊断精确度不高，但是它表达直观，便于现场分析、处 理。（2）基于信号分析和处理的诊断方法信号分析和处理诊断方法主要是通过在机械设备上安置传感器，采集机械设备的状 态信息，然后进行分析处理，提取关于设备的运行情况以及有无故障、故障发生、发展情 况。其关键技术是信号的分析处理方法，目前主要有时域、频域、倒频谱分析等。（3）基于模式识别的诊断理论基于模式识别的诊断理论是在模式识别的基本内容的基础上发展起来的诊断学理论。（4）油液分析诊断方法油液分析（用润滑油分析）是依据测取运行设备润滑油的微量磨损粉末，用化学理论 对其

22、分析的故障诊断方法，它所采取的“硬措施”是通过检测装置获取的润滑油的状态，是 设备诊断的最重要技术手段之一，其核心内容涉及对在用润滑油的污染、变质和所含机械磨 损产物的检测分析，主要分析方法包括油光谱诊断法和铁谱诊断法门（5）红外热成像诊断法红外热成像诊断法是通过测取机械设备的二维温度场的变化情况，了解设备是否存在 过热、热不均等，从而判断设备是否存在故障以及故障的发生、发展情况。它的“硬措施” 是测取设备向周围辐射的红外线，得到红外热场图，从红外热场图判断设备的状态。（6）无损探伤诊断法在诊断过程中，采用先向设备发射某种信号，然后再测取从设备反射（或透射）的同种 性质的信号来反映设备的状态信

23、息的诊断方法定义为无损探伤诊断法。它的“硬措施”是向 设备发射某种信号并接受它的硬件装置。无损探伤诊断法包括射线探伤诊断法、超声探伤诊 断法、声发射诊断法和涡流探伤诊断法等、（7）热工参量诊断方法把通过测量装置测取与设备有关的热工参量，从而诊断设备的运行状态及其故障的发 生、发展情况的诊断方法称之为热工参量诊断法，它包括压力脉冲诊断法、温度诊断法。（8）电工参量诊断方法在诊断过程中，测取设备的某些电工参量的诊断方法称为电工参量诊断法，它包括电 流诊断法、电阻诊断法。还有神经网络、专家系统、基于模糊数学的诊断技术。2.1故障机理的研究故障机理是故障的内在本质和产生原因。故障机理的研究，是以可靠性

24、和故障原理为 理论基础，研究故障的物理学或数学模型，进行物理模拟或计算机仿真，其目的是了解 故障的形成和发展过程，明确故障的动态学特征，从而进一步掌握典型的故障信号，提 取故障征兆，建立故障样板模式。故障机理的研究，是故障诊断中的一个非常基础而又 必不可少的工作。诊断系统的完善程度，依赖于对故障机理的认识程度。目前对汽轮机 故障机理的研究主要从故障规律、故障征兆和故障模型等方面进行。现阶段，虽然在故障机理的研究方面已经取得了大量的成果，但大型汽轮机组的振 动故障机理仍然没有全部明确，需要进一步的深入研究。自然界从本质上讲都是非线性的，线性只是非线性的近似。随着科学技术的发展， 自然科学和工程中

25、的非线性动力学问题日益突出，非线性动力学已经成为当今世界前沿 的研究热点学科。大型汽轮机发电机组的实际运行情况表明，在汽轮发电机组系统中，非线性振动现 象普遍存在。例如工频以外的大量低频振动分量都是由系统的非线性因素引起的。许多 故障的出现都伴随着非线性振动，例如转子和定子之间的碰摩故障、油膜涡动、油膜振 荡和支承松动等等。在机械系统故障诊断领域，系统的动力学模型被用来定性或定量阐明实际系统由于 故障激励而产生的各种振动现象。在一些实际问题的处理中，合理的线性化能显着的减 少分析与计算工作量，所得结果与真实系统的观测结果基本相符。然而当真实的转子系 统的非线性振动现象较为明显时，如果再采用线性

26、化的分析方法，人为的忽略掉对系统 具有重要影响的非线性因素，以及与之相关的系统固有的非线性动力学现象，会造成分 析结果与实际系统的动力学行为在定性和定量上的偏差，导致人们有时无法用转子动力 学理论来准确解释异常振动现象产生的原因，不能满足机械状态检测与故障诊断的需 要。因此，线性理论不可能彻底解决转子系统的动力学问题，开展转子系统非线性动力 学的研究具有很重要的理论和现实意义。由于大部分轴系故障都在振动信号上反映出来，因此，对轴系故障的研究总是以振动信 号的分析为主。日立公司的N.kurihara给出了振动故障诊断用的特征矩阵，清华大学褚福磊 对常见故障在瀑布图上的振动特征和故障识别作了研究。

27、华中理工大学伍行健也提出了用于 振动故障诊断的物理模型和数学模型。西安交通大学陈岳东对振动频谱进行了模糊分类，上 海交通大学左人和从动力学的角度研究了典型故障的响应特征。清华大学张正松用Hopf分叉 分析法研究了油膜失稳涡动极限环特性，哈尔滨工业大学毕士华对于如何识别油膜轴承的动 态参数进行了研究，江苏省电力试验研究所的彭达则对实际发生的油膜振荡问题进行了剖 析。哈尔滨工业大学武新华分析了转轴弯曲的故障特征。清华大学何衍宗、东南大学杨建刚 研究了转子不平衡对其他征兆的影响。对于动静碰摩问题，EPRI的Scheibel,John.R、西安 交通大学何正嘉、西安热工研究所施维新等分别从故障特性和诊

28、断技术方面进行了研究，西 安交通大学刘雄应用二维全息谱技术确定故障征兆，东北电力学院石志标则从动力学角度分 析了摩擦问题，哈尔滨工业大学提出了变刚度分段线性和非线性模型，并通过实验对摩擦的 噪声特性进行了研究。在综合振动与噪声特性的基础上，东北电力学院还开发了可对旋转机 械和摩擦进行在线监测的仪器，该仪器用四个通道进行声信号检测，另外四个通道用于振动 监测，可以大致确定摩擦的部位。另外，李录平、张新江等对振动故障特征的提取进行了有 益的研究。2.2信号采集技术的研究设备在运行过程中必然会有力、热、振动及能量等各种量的变化，由此会产生各种不同 的信息。诊断技术需要获得设备运行时产生的代表其状态的

29、各种信号，因此信号采集技术是 进行设备故障诊断的前提。信号采集技术包括传感器技术及信号的采集与放大。2.2.1诊断方法诊断方法的研究一直是故障诊断领域的重点。目前，在汽轮机组故障诊断领域中，主要 的诊断方法有振动诊断法，噪声诊断法，热力学诊断法，红外诊断法，声发射诊断法和无损 监测诊断法等。汽轮机组是大型的旋转机械，振动是及其重要的（也是主要的）特征信号。因此，振动 诊断法是汽轮机组的常用诊断方法。机械振动必会产生噪声，噪声信号中包含了机组的丰富 的状态信息，因此，噪声诊断法也可用于诊断机组的故障。汽轮机组热力性能方面的故障，用热力学方法来诊断。机组动静碰磨、转子裂纹等故障可用声发射诊断法进行

30、诊断。在诊断机组剩余寿命和部件缺陷时，主要用无损监测诊断法。目前用到的无损监测技术 主要包括硬度测定法、电气阻抗法、超声波法、组织对比法、结晶粒变形法、显微镜观测法 和X射线分析法等。2.2.2传感器由于汽轮机组工作环境的特殊性（高温、高压、高转速、高应力），所以在汽轮机组故 障诊断系统中，对传感器的性能要求很高。目前，对传感器的研究，主要是提高传感器性能 的可靠性、开发新型传感器，以及研究如何诊断传感器故障以减少误诊率和漏诊率等方面的 问题。当前，许多的学者正在研究利用多传感器信息融合技术来诊断故障，提高故障的分辨 率。现行的对传感器自身故障检测技术主要有硬件冗余、解析冗余和混合冗余，由于硬

31、件冗 余有其明显的缺点，因而在实际中应用较少。意大利di Ferrara大学的Simani.s等人针对传感器故障，采用了解析冗余的动态观测 器来解决透平传感器的故障检测问题。加拿大Windsor大学的Chen,Y.D等人对传感器融合技 术进行研究，并在实际中得到了应用。Brunel大学的Harris,T把神经网络技术应用于多重 传感器的融合作为其研制的汽轮机性能诊断系统的技术关键，Pennsylvania State Univ.的 Kuo,R.J则应用人工神经网络，采用多传感器融合诊断叶片故障。Prock,J以及西安交通大 学的谷立臣、上海交通大学的林日升等对传感器故障检测和伪参数识别技术开展

32、了研究工 作。华中理工大学的王雪、申韬、西安交通大学的常炳国等在传感器信号的可靠性和采用融 合技术提高传感器可靠性方面也进行了研究。2.3信号分析与处理信号的分析与处理是对采集到的各种信号进行特征数据分析与特征数据与图形的提取、 是进行故障诊断的关键基础工作。所采集到的表征诊断对象运行中的原始状态信号称为初始 模式。在初始模式中。故障信息混杂在大量的背景噪声中，为提高诊断的灵敏度和可靠性， 必须采用信号处理技术，在状态信号中排除噪声、干扰的影响，提取有用的故障信息，以突 出故障特征。信号分析主要依靠数学工具如：快速傅立叶变换（FFT）、z变换、小波变换、 信号的分维数计算、时一频分析、Wing

33、er变换、延时嵌陷分析、相关函数及功率谱等进行。信号分析主要有时域法和频域法两种方法。时域分析法是将信号分解为在时间上的具有不同延时的简单时间信号的叠加，如信号的 响应分析、数字滤波、卷积计算及相关分析等。信号的频域分析法是将信号经过某种变换（如付氏变换、拉氏变换、沃氏变换、小波变 换等）后得到的有关信号的某些特征量的值，也称谱分析法:主要有经典谱（FFT）分析法和现 代谱分析法。经典谱的优点是可以用FFT快速计算，物理意义明确，缺点是谱分辨率偏低，需要的数 据量较多，加窗易产生泄露。现代谱分析法采用建模的方法来估计信号的谱参数，因而速度快，运算量小，精度高， 受到越来越多的重视。目前应用的有

34、自回归法（AR）,滑动平均法（MA）和自回归滑动平均法 （ARMA）。现代谱分析法具有较高的分辨率，对数据量的要求较少，但是容易产生波形失 真。最有代表性的是振动信号的分析处理。目前，汽轮机故障诊断系统中的振动信号处理大 多采用快速傅立叶变换（FFT），FFT的思想在于将一般时域信号表示为具有不同频率的谐波 函数的线性叠加，它认为信号是平稳的，所以分析出的频率具有统计不变性。FFT对很多平 稳信号的情况具有适用性，因而得到了广泛的应用。但是，实际中的很多信号是非线性、非 平稳的，所以为了提高分辨精度，新的信号分析与处理方法成为许多机构的研究课题。近几 年来的热点是小波分析与分形几何技术及全息谱

35、的研究。美国俄亥俄州立大学的Kim,Yong.W等对传统的无参量谱分析、时-频分析、离散小波变 换等作了较为深入的研究。英国南安普敦大学的Lee,S.K认为，任意随意性的音响和振动信 号都是由不规则冲击引起的，为此他提出了用三阶和四阶 Winger谱来对这些信号进行分 析，同时还对信号中的噪声过滤提出了处理方法。小波分析法的应用一直是国内外热门的研 究课题，东南大学王善永把小波分析法用于汽轮机动静碰摩故障诊断，华中理工大学张桂 才、东南大学王宁等把小波分析用于轴心轨迹的识别。西安交通大学引入Kolmogorov复杂 性测度定量评估大机组运行状态，还对FFT进行改进并吸收全息谱的优点，进行轴心轨

36、迹的 瞬态提纯，哈尔滨工业大学刘占生在轴心轨迹特征提取中采用一种新的平面图形加权编码 法，提高了图形辨识的准确率，华中理工大学李向东用降维法将轴心轨迹转化为一条角度波 形，使之应用于轴心轨迹的聚类识别。2.4状态识别所谓状态识别，是指将待检模式与诊断文档库中的样板模式进行对比，并将待检模式归 属到某一已知的样板模式中去的过程。由此便可判定诊断对象所处的状态模式是否正常，并 预测其可靠性和状态的发展趋势。汽轮机组是一个复杂的机电系统，其故障特征集合与故障集合之间的映射关系非常复 杂。机组在运行过程中，可能出现数个故障。所以如何根据监测到的故障特征来诊断处机组 的故障是研究人员非常关心的问题，这就

37、是状态识别，也可以说是诊断策略。在汽轮机组故障诊断领域中，常用的诊断策略有对比诊断、逻辑诊断、统计诊断、模式 识别、基于灰色理论的诊断、模糊诊断，专家系统和基于人工神经网络的诊断。最近几年随 着计算机技术、人工智能技术的发展，目前常用诊断方法有模糊诊断技术、专家系统与人工 神经网络方法。基于小波分析方法和神经网络建立的智能分析技术，是下一代故障检测与判 定的重要内核。诊断方法上的研究一直是故障诊断的一个重点。振动法是应用最普遍也比较成熟的一种 方法，Ingleby,M把自动分类法和模式分析用于振动诊断，何正嘉应用Winger时频分布和主 分量自回归谱分析轴瓦的振动信号，施维新针对一般诊断都是从

38、征兆判断原因的逆向推理提 出了振动诊断的正向诊断法。在汽轮机故障诊断中，应用热力学分析诊断汽轮机性能故障也 是一个重要手段，另外还有油分析、声发射法、无损检测技术等。声发射法主要用于动静碰 磨故障检测、泄漏检测等。日立公司在350MW汽轮机高中压转子上设置试片，在两端轴承的 轴瓦处进行声发射和记录，诊断转子的碰摩。在汽轮机寿命诊断中，无损检测技术应用相当 重要，目前用到的非破坏性评价法主要包括硬度测定法、电气抵抗法、超声波法、组织对比 法、结晶粒变形法、显微镜观察测定法、X射线分析法等。根据对设备状态的判断，决定应 采取的对策和措施，同时给出状态的可能发展趋势。故障的诊断方法可简单地划分为传统

39、的诊断方法、数学诊断方法以及智能诊断方法。传 统的诊断方法包括：振动监测技术、油液分析技术、噪声监测技术、红外测温技术、声发射 技术以及无损检测技术等；数学诊断方法包括：基于贝叶斯决策判据以及基于线性和非线性 判别函数的模式识别方法、基于概率统计的时序模型诊断方法、基于距离判据的故障诊断方 法、模糊诊断原理、灰色系统诊断方法、故障树分析法、小波分析法以及混沌分析法与分 形几何法等；智能诊断方法包括：模糊逻辑、专家系统、神经网络、进化计算方法(如遗传 算法)等。2.4.1神经网络随着汽轮发电机组容量的增大，结构更加复杂，影响因素增多，振动亦更加复杂。 往往同一故障可能由多种因素引起，各种因素间还

40、可能存在耦合，并且同一种故障在不 同机组中表现的征兆也没有明显的特征，另外不同的故障还可能是由同一种因素引起， 有时不同故障所表现的征兆也没有明显特征，故障与征兆之间并不是线性对应关系，两 者之间存在明显的非线性，这就给故障诊断增加了极大的困难。因此，研究可靠、适应 性强的故障诊断系统已显得日益重要。人工神经网络具有大规模并行、分布式存储和处 理、自组织、自适应和自学习的功能，特别适合于处理需要同时考虑许多因素和条件的、不精确的和模糊的信息处理问题。近年来，逐渐引起人们的重视，并且用于大型旋 转机械的故障诊断。人工神经网络法它不包括任何规则(相对于专家系统)，它是通过训练，使网络中的权值 变化

41、，最后达到某一稳定状态，并用训练好的网络对故障类别进行判断。它类似于人类的形 象思维。神经网络技术非常适用于从大量的故障事例中，学会判断故障，即用大量故障事例 训练网络。神经网络在设备故障诊断领域的应用有三个方面：(1) 模式识别的故障诊断网络(2) 故障预测的神经网络(3) 神经网络与基于知识的专家系统结合神经网络法的优点是：并行结构，并行处理，高度的自适应性，很强的自学能力，极强 的容错性等。但也存在缺点：如网络的选取很难，一般要靠经验：若隐结点过多，则网络过于“死 板，缺少灵活性，只对训练事例联想性能好，而对非训练事例误差较大；隐结点数过少，则 过于“灵活”，不易收敛。同时需要足够的学习

42、样本，才能保证诊断的可靠性。在故障诊断的实践中，根据具体情况，应综合应用上述几种方法；比如将模糊诊断技术 和专家系统结合形成的模糊故障诊断专家系统；将模糊诊断技术和人工神经网络方法结合形 成的模糊神经网络诊断方法；将神经网络和专家系统结合形成的神经网络专家系统；综合应 用模糊技术、神经网络技术和专家系统形成的模糊神经元网络专家系统等。任何能用传统的模型分析或统计方法解决的问题，一般来说用神经网络能处理的更好。 人们已提出了三十多种神经网络模型，在这些模型中，常用的模型约有十几种。目前应用最多的是前向神经网络、BP神经网络以及把神经网络与模糊诊断相结合的模糊 神经网络等。美国East Hardf

43、ord的DePold,Hans.R将统计分析及人工神经网络技术应用于 过滤器来改进数据质量，田纳西大学（Tennessee Univ.）将神经网络用于振动分析，识别潜 在故障，并利用神经网络使被歪曲和杂入噪音的数据得到提纯。美国Stress Technology. Inc.的Roemer,M.J把神经网络和模糊逻辑技术应用于旋转动力有限元模型，所形成的实时 系统可以预测关键部件的寿命。华中理工大学的何耀华用一种自组织神经网络模型与多个单 一故障诊断的BP网络一起完成故障诊断的协同推理，申韬则把一系列BP子网络进行集成， 以解决故障分类问题。臧朝平、何永勇也分别提出了多网络、多故障的诊断策略，西

44、安交通 大学的张小栋则研究了主从混合的神经网络模型。东南大学把神经网络应用于轴心轨迹识别 进行故障诊断。同时，神经网络还被应用于动静碰磨诊断、通流部分热参数诊断、机组性能 诊断、凝汽器的诊断和热力系统的建模等。近来人们对神经网络的研究主要有以下几个方面：（1）新人工神经网络的模式开发；（2）人工神经网络性能改进；（3）人工神经网络特性分析与理论研究；（4）人工神经网络的应用研究。2.4.2专家系统专家系统（Expert System ）是利用知识和基于知识的推理过程模拟领域专家解决问题的方式对诊断对象存在的故障进行诊断：它的实质是应用大量人类专家的知识和推理方法求解 复杂实际问题的一种人工智能

45、计算机程序，它具有启发性、透明性、灵活性等特点，是一种 高级推理系统。典型诊断专家系统如图2-2。专家系统按其侧重点不同，大致可分为基于推理的专家系统和基于知识的专家系统等。 在专家系统中，专家知识的学习、获取，以及知识库的建立是关系到诊断准确性的重要环 节。专家系统的核心主要包括以下几个部分：知识库、知识获取部分、推理机、解释部分。 多数专家系统都是在以上几个部分的基础对之加以细化，并采用适当的知识组织、调度策略 进行建构的。专家系统中的知识是解决诊断问题的各种信息的总和，专家系统的诊断能力就取决于它 所拥有的知识的数量和质量。根据知识的分类专家系统可分为基于浅知识（专家经验知识）故 障专家

46、系统和基于深知识（诊断对象模型知识）的故障专家系统。根据在诊断过程中起的作用 诊断知识分为三类：事实（知识库）、诊断规则（推理机）及策略（解释部分）。事实：是描述诊断对象当前状态的知识，是对故障各种特征值的定性或定量描述，在汽 轮机组专家系统中我们称它为故障征兆。诊断规则：是对故障原因与事实之间的因果关系所作的判断。决策知识：是发生故障时是否应该或采取怎样的处理措施。于文虎、倪维斗、张雪江、钟秉林、韩西京、刘占生、何涛等人分别就知识范围的界 定、知识的处理、知识的获取、机器对知识的自学习以及知识库的维护等进行了研究。图2-2典型诊断专家系统专家系统在诊断工作中存在的主要问题是：（1）专家系统诊

47、断准确率的高低，主要取决于知识库中知识的多少及正确率的大小， 其成功与否与领域专家的经验有关。（2）当系统很大时，规则的维护较为困难。（3）知识的获取与学习是难度很大的问题。面对当前越来越复杂、先进、自动化的机械设备，其组件更复杂化，故障发生的形式和 产生故障的原因更多，即所谓的“知识爆炸”，所以，“知识瓶颈”问题是故障诊断专家系 统的一大难题。2.4.3模糊诊断技术模糊诊断是用隶属函数表示振动量的综合评判方法。借助常规谱分析的结果，应用模糊 数学进行模糊诊断的做法是：建立故障的模糊向量D=X1,X2.Xn和征兆（特征频率分量） 的模糊向量SY1、Y2Yn，通过试验研究，可以找到模糊关系矩阵R

48、，使D=RS, 模糊诊断的目的是通过S，诊断D。对于复杂系统建立正确的模糊规则与隶属函数非常困难，这是因为由于系统的复杂性由 时域、频域特征空间到故障模式空间的映射关系十分复杂，隶属函数形状复杂，选定合适的 隶属函数是一项艰难的工作。同时确定模糊关系矩阵要作大量的试验研究工作。2.4.4诊断策略诊断策略的研究还有：模糊诊断用于振动故障诊断、用于层次模型、用于模式识别、 用于转子碰磨诊断、用于通流部分热参数诊断的研究；模糊关联度用于多参数诊断；灰色理 论用于故障诊断；概率分布干涉模型用于诊断；相关维数用于低频噪声诊断等的研究。2.5诊断决策当识别故障之后，必须进一步对设备的异常或故障及其危险程度

49、作出评价，以便研究和 确定维修的具体的形式，即所谓的诊断决策。机械维修方式是指对维修时机的控制。它主要 分为事后维修、计划维修和预知维修三部分。设备故障诊断技术与当代前言科学的融合是设备故障诊断技术的发展方向。当今故障诊 断的发展趋势是传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊断技术的智能 化，具体说来表现在：（1）与当代最新传感器技术尤其是激光测试技术的融和。（2）与最新信号处理方法的融和。（3）与非线性原理和方法的融合。（4）与多传感器技术的融和。（5）与现代智能方法的融和。第三章 目前诊断系统存在的问题随着计算机技术、现代测试与信号分析处理技术和人工智能技术的发展，设备故障诊

50、断 技术已经取得了很大的进展，人们已经研究开发出了一些较为成熟的诊断方法和诊断系统。 但是，目前国内的各种故障诊断系统在现场工程实际应用中还存在许多不足。都是一些教科书式的理论升华，很少应用于实践，更别说指导实践。油膜涡动频率的 0.42n-0.48n最早是在实践中发现的，动静碰磨的FFT连续谱、时域波形中的尖峰毛刺，是 在实验台上发现的，对中找正不良出现的2、3倍频也是实践中发现的。（1）目前国内的故障诊断技术的研究重点放在了对故障模型的建立与诊断技术中数学 算法的研究上，比如神经网络模型的如何选取，神经网络的快速算法等，但对诊断系统如何 在现场实际中达到实用考虑不多，偏离了故障诊断的最根本

51、的实质，影响了故障诊断技术在 现场的应用推广。（2）目前国内的故障诊断系统未能很好地与现场有丰富故障处理经验的专家进行结 合；同时诊断系统所包含的知识范围不够不足以对现场的振动故障进行准确的诊断。（3）目前的故障诊断系统常常只是进行到故障类型识别这一部分，不能确定故障的具 体位置，对故障机理的分析不够透彻，缺少对设备状态的综合评价、故障趋势的预测、设备 运行知道和维修决策等方面的综合功能。（4）在诊断方法和诊断系统的开发研究方面投入的精力较多，而对故障机理的研究投 入的精力相对来说少了一些。（5）国内在诊断软件的开发方面进展很大，但是没有统一、规范的软件标准，没有标 准的开发环境。（6）现有的

52、诊断系统的诊断过程是非“自主”的。目前已开发出来的诊断系统，大多 数是在人工参与下的辅助诊断系统，其诊断过程需要人员的参与和照料，因此，这样的诊断 系统是非“自主”系统。这大大降低了诊断系统的实用性。（7）检测手段汽轮机故障诊断技术中的许多数学方法，甚至专家系统中的一些推理算法都达到了 很高的水平，而征兆的获取成为了一个瓶颈，其中最大的问题是检测手段不能满足诊断的需 要，如运行中转子表面温度检测、叶片动应力检测、调节系统卡涩检测、内缸螺栓断裂检测 等，都缺乏有效的手段。（8）材料性能在寿命诊断中，对材料性能的了解非常重要，因为大多数寿命评价都是以材料的性 能数据为基础的。但目前对于材料的性能，

53、特别是对于汽轮机材料在复杂工作条件下的性能 变化还缺乏了解。（9）复杂故障的机理对故障机理的了解是准确诊断故障的前提。目前，对汽轮机的复杂故障，有些很难 从理论上给出解释，对其机理的了解并不清楚，比如在非稳定热态下轴系的弯扭复合振动问 题等，这将是阻碍汽轮机故障诊断技术发展的主要障碍之一。（10）人工智能应用专家系统作为人工智能在汽轮机故障诊断中的主要应用已经获得了成功，但仍有一 些关键的人工智能应用问题需要解决，主要有知识的表达与获取、自学习、智能辨识、信息 融合等。（11）诊断技术应用推广面临的问题我国汽轮机诊断技术在现有基础上，进一步推广应用面临的主要问题是研究开发机 制和观念问题、诊断

54、技术与生产管理的结合问题。机制和观念问题主要表现在：研究机构分 散，不能形成规模化效应；重复性研究过多，造成人力、物力的浪费；技术研究转化为应用 产品的少；系统研究连贯性差，因而系统升级困难；应用系统的维护与服务得不到保证等。 诊断技术与生产管理结合不好，表现在各种技术的相互集成性不好，与生产管理相孤立，不 能创造预期的效益，使电厂失去信心。第四章 今后大型机组故障诊断技术的发展大型火电机组的故障诊断要求较高的快速、准确、高教、实时性。但纵观目前国内外各 种振动故障诊断系统，均还不能达到这种要求，现场中出现的大量振动故障主要还是依靠有 丰富经验的专家来进行诊断与处理，如何开发现场实用性高的诊断

55、系统是今后故障诊断系统 开发和应用的方向。4.1故障机理的深入研究任何时候，故障机理的深入研究都将推动故障诊断技术的发展。故障机理的研究将集中 在对渐发故障定量表征的研究上，研究判断整个系统故障状态的指标体系及其判断阈值将是 另一个重要方向。4.2传感技术的研究各种新型传感器的应用，如光学传感器、光纤传感器、化学传感器等，特别是各种多 功能集成式传感器和智能化传感器的应用，将大大提高诊断对象状态信息的辨识力，提高诊 断结果的准确率。4.3知识表达、获取和系统自学习知识的表达、获取和学习一直是诊断系统研究的热点，但并未取得重大突破，它仍将是 继续研究的热点。4.4知识库知识范围的建立故障诊断系统

56、中，故障诊断的正确性取决于它所拥有的知识的数量和质量，但目前国 内外在故障诊断知识范围的研究方面还存在许多不足，多数诊断系统所包含的知识范围仅为 频谱分析、相关因素、变化趋势等23个方面，这些知识范围还不足以反映引起振动故障 原因的全部征兆，因而使故障诊断在实际应用中存在一定的局限性，对某些振动故障还无法 做出准确诊断。诊断与仿真技术的结合将主要表现在，通过故障仿真辨识汽轮机故障、通过 系统仿真为诊断专家系统提供知识规则和学习样本、通过逻辑仿真对系统中部件故障进行诊 断。4.5专家系统开发工具的研究利用专家开发工具，可大大缩短专家系统的开发周期，节约时间和资金。国外诊断系统开发 基本都利用开发

57、工具来实现。国内这方面研究工作是空白。4.6故障诊断系统中设备状态预测功能以往的故障诊断系统侧重于故障的诊断而对机组运行状态趋势重视不够。实际机组的 故障有发生和发展的过程，故障征兆也随时间发展而逐渐显露，故障诊断系统中的趋势分析 与预测功能，可以跟踪机组状态变化，对故障进行早期预报，为电厂的检修管理提供保证。研究的重点将集中在基于诊断技术的预知维修决策、维修管理、设备计算机化管理系统等方 面，目的是针对汽轮机及其系统实施预知维修或基于状态的维修，获取最大的经济收益。这 也将是推动电厂接受该汽轮机诊断系统的一个根本所在。4.7基于Internet的远程故障诊断系统（大型诊断中心）随着计算机网络

58、技术的发展，使得基于Internet的远程应用系统成为可能。将故障诊 断系统与Internet相结合不但能够大量获取现场中的故障案例与诊断经验，同时能够大范围 共享诊断资源，实现多专家的异地会诊，提高故障的诊断水平。4.8分布式结构的故障诊断系统的研究和开发汽轮机组各子系统的结构和功能是分布式和多层次的。这种结构上的层次关系，要求其 诊断系统也是分布式和多层次的，有全局诊断系统和子诊断系统组称。全局诊断系统负责诊 断任务的管理，包括将总体任务分解成子任务和向各子系统负责诊断任务两方面内容，这些 子任务往往是相互耦合的。诊断子任务完成以后，通过对各子诊断系统结论的综合，最终得到结论。分布式故障诊

59、断专家系统就有推理效率高、诊断速度快、系统可靠、实时性好的特 点。4.9集成式结构的故障诊断系统的研究和开发集成式故障诊断系统包括信息的融合及多种诊断方法的集成。由于大型火电机组的结构 和功能的复杂性，机组故障的多样性，汽轮机故障诊断将从以振动诊断为主向考虑热影响诊 断、性能诊断、逻辑顺序诊断、油液诊断、温度诊断等的综合诊断发展，更符合汽轮机的特 点和实际。同时在一个诊断系统中同时集成了基于规则的推理模型、基于人工神经网络的推 理模型、基于事例的推理模型等多种诊断方法，向综合诊断发展很有必要。（温度测试与振动测试技术相比较，有着先天的缺陷。因为温度变化和设备故障之间没 有直接对应关系。对于设备

60、而言，机械故障引起温度变化引起热故障，采用温度监测是今后 故障诊断重要的补充手段。温度测试主要分为：接触式和非接触式。接触式已经非常成熟，主要用于在线监测，例如电阻温度计、热电偶测温计和便携式测 温仪。非接触式有红外成像仪，辐射高温计。红外测温的目前的难度在于环境变化对测试结果 影响大，同时分析软件包运算能力目前还有限。只有少量的机械故障会直接引起温度变化， 不平衡不对中松动等故障一般不会直接和温升有关，而轴承故障也不一定就会温度升高，当 然温度过高会使轴承失效。一般而言，轴承润滑不良或过多会引起温度升高，设备负载过高 会引起温升，摩擦会引起温升等等。实际问题是不能因为这台设备温度高就说它可能存在轴 承故障。但在振动频谱上发现轴承故障频率，至少有50%的把握说可能存在轴承故障。很多 设备温度很高，其实只是通风冷却不好，如果因此判断该设备存在故障，是错误的。）4.10主闭环诊断系统的研究与开发全自主闭环故障诊断系统能够在人员不参与和不照料的情况下完成持续的故障诊断，形 成决策，再由诊断系统发出相应的控制指令，对机组施加适当的控制。