汽輪機轉子運行故障分析及診斷

王韶鵬+陳偉鵬

摘 要：汽輪機作為在目前工業生產中重要的旋轉設備，是必不可少的工業生產中的機械設備。其中汽輪機的主要零部件是汽輪機轉子，以致汽輪機轉子安全性、可靠性、適用性以及可維修性特點受到人們的關注，同時促使飛速發展的還有關于汽輪機轉子運行故障機理與診斷技術。

關鍵詞：汽輪機轉子；故障診斷；特征提取

DOI：10.16640/j.cnki.37-1222/t.2017.13.015

0 引言

火電廠重要的動力設備是汽輪機，其運轉正常與否直接關系到火電廠的經濟性和安全性。作為汽輪機的核心部件—轉子，在運行過程中故障率比較高，若機器運轉的情況下，產生異常或者振動情況下，振動度的強弱會使轉子的轉速與負荷程度直線上升，通過對轉子的處理不當會使機組磨碰，從而使轉子大軸彎曲。若想查找轉子故障的最常用的方法，就必須對現場振動程度進行分析，在經過實驗證明，從而明確轉子的故障類型，在此同時訂做出一套維修方案。在維修過后，在正常操作的同時測試機組是否還有振動現象，通過這種方法診斷實踐過長，雖然在診斷過程中參加人力與物力過多，但是可以找出機組的故障所在，也是值得欣慰的一件事。

1 汽輪機轉子故障問題

1.1 汽輪轉子運行類型

在汽輪機轉子運行過程中，轉子發生故障的前表現是振動信號發生，對此應在汽輪機轉子運行過程中，為了更好地判斷汽輪機轉子運行故障類型，我們要對轉子進行振動程度信號的測量從而對測量出來的結果進行一一解答，在測量過程中要準確無誤。振動頻率分幾種，其中包括倍頻振動、基頻振動、整分數基頻振動、比例基頻振動、超高基頻振動以及超低基頻振動；振幅方位：橫向振動（水平振動和垂直振動）、軸向振動與扭轉振動；振動部位：轉子和軸系振動（軸頸、軸紋葉片）、軸承（油膜滑動和波動）、殼體振動與軸承座振動、基礎振動（基座、工作臺、支架）、其他結構振動（閥門、閥桿、管道等）；振動原因：轉子平衡度較差、軸系不對稱和零件松動、摩擦（密封件摩擦、轉子和定子之間產生的摩擦）、軸承損壞、軸承內部油膜渦動與油膜振動、動力和水力的影響、軸承剛度較差、電氣等。

1.2 小波分析特征

小波可以通過母小波的伸縮程度與平移從而取得不同程度的基函數對振動程度進行分析。小波變化是一種處理技術非常強大信息技術，它是由多分辨率信號組成的。在具體分析過程中，它可以從尺度的變換而選出不一樣的頻率段。小波分解，它可以把穩定的或者不穩定的信號分解由小波伸縮的基函數，從而保持信息量完好，在此基礎之上，原來的信號可以在不一樣的頻段上或者發生信號突變的情況下，可以通過分解信號在不同尺度中進行分解或得到重構。對振動程度信號的小波包進行分解，從而對振動系統進行了故障分析，及時呈現出系統故障產生的頻率能量以及產生的時間。

1.3 轉子故障處理的結果

在轉子出現故障的同時，檢修的過程中要參考檢修時訂做的方案從而對機組進行檢查。在檢修的過程中若葉片質量不合格的情況下，原因就是在開啟蓋子時對（16～19）級葉片進行了振動測試，在測試的同時發現了18級葉片的頻率超出標準的質量，所以要更換葉片。

2 火電汽輪機轉子運行故障的BP神經網絡模型診斷

2.1 理論基礎

BP算法不僅擁有著嚴格式的學習算法，它還擁有是階梯型并且很有規律的下降式計算方法，相對于BP神經網絡而言，它是由一種輸出層，一種或多種隱含層，一種輸入層而形成的，而由正極傳播與反級傳播這兩方面組成形成了網絡。在此同時創建了BP網絡神經，轉子運行檢測診斷的模型就必須使用BP網絡神經，就不用那么多的人力與物力來進行，在這樣的同時對人力與物力、財力的使用也大大的減少了，更不需要費好大的力氣做很多次的實驗。據對汽輪機模擬的實驗與專家的經驗來說，總結出一種很常見的特點，就是輸出就是故障的類型所在，而網絡神經的輸入就是常見特點的信號。

2.2 報警和故障診斷

在對汽輪機轉子振動信號數據分析過程中，在振動值高出正常限定值時，及時對汽輪機轉子的運行故障類型進行識別和分類，應利用事先采集的信號設置與之相對應的報警界定，其詳細的振動值高超報警流程為：輸定報警值界限——輸入采集數據限號——汽輪機轉子運行——發生警報。

2.3 分析汽輪機轉子

要得到原信號在不同頻段上能量分布的詳細信息，小波包分析的特點就是重構與分解，它可以在汽輪機轉子的振動故障時間順序上進行重構與分解，小波包振動信號的含義就是可以利用能量的特點與對振動系統的故障診斷來提取方法，從而可以根據振動故障的頻率來判斷故障的特點，這樣可以對機組振動故障進行一定的診斷與預測。

3 小波包原理

3.1 最大Lyapunov指數原理

Lyapunov指數分為兩種一種是正的，一種是負的，正的lyapunov指數就注明在它附近軌道的指數分離，這種表現代表混沌，而負的就大大的相反了，負的lyapunov指數代表著軌道在局部是存在穩定性的，從而對應周期運動。而小波包的重構結果是有一個時間的順序的，通過混沌動力的方法對重構結果的時間順序來計算它們的lyapunov指數。

3.2 基于小波包分析和信息融合技術的故障診斷方法

在信息與小波包分解混合技術的故障診斷中，總結出了幾種方法，例如：提取出4種常見的故障在相反方向的振動信號，采取小波包分解對其常見現象進行分解，并判斷出故障的特點，D-S證據理論的識別框架是采取故障特點為參照的，通過D-S證據理論可以判斷出X與Y方向的不確定度與概率值，進行組合從而得出診斷結果。

4 結語

本文講述的汽輪機轉子運行與怎樣進行診斷才能省時省力，若想提升空氣靜壓的剛度與承載力，從而完善空氣靜壓主軸的功能，就必須對空氣靜壓轉臺參數進行完事與優化，這樣可以排除加工裝配誤差的影響。

參考文獻：

[1]馬蘭蘭，李樹森，蘇健民.超精密氣磁軸承的發展[J].林業機械與木工設備，2005，33（01）：12-15.

[2]肖增弘，華興魯，李子超.汽輪機轉子運行故障分析及診斷研究[J].機械設計與制造，2014（05）：233-236.