專利名稱：汽輪發(fā)電機組油膜渦動故障實時辨識方法
技術(shù)領(lǐng)域：
本發(fā)明屬于旋轉(zhuǎn)機械振動狀態(tài)監(jiān)測與故障診斷技術(shù)領(lǐng)域，尤其涉及一種汽輪發(fā)電機組油膜渦動故障實時辨識方法。
背景技術(shù)：
油膜渦動是嚴(yán)重影響軸系穩(wěn)定性的振動故障之一，會使汽輪發(fā)電機組轉(zhuǎn)子在運行中產(chǎn)生突發(fā)性振動。軸系支持軸承中的油膜除了產(chǎn)生壓力支撐整個轉(zhuǎn)子，還產(chǎn)生阻尼力抑制轉(zhuǎn)子振動。在一定條件下，阻尼小的支持軸承會發(fā)生油膜渦動故障，降低機組軸系穩(wěn)定性。如果軸承內(nèi)存在足夠大的阻尼，則轉(zhuǎn)子會回到其正常位置穩(wěn)定下來；如果軸承內(nèi)的阻尼過小，則轉(zhuǎn)子將繼續(xù)失穩(wěn)，出現(xiàn)較大的不穩(wěn)定振動。由于軸承的單位面積負(fù)載較小(輕載)， 轉(zhuǎn)子在軸瓦中的渦動會明顯增大，此時振動的頻譜中出現(xiàn)低頻分量，甚至低頻分量能夠成為主頻率。在機組升速過程中，當(dāng)轉(zhuǎn)子工作轉(zhuǎn)速在兩倍轉(zhuǎn)子第一臨界轉(zhuǎn)速以下時，油膜渦動引起的低頻振動渦動頻率隨著轉(zhuǎn)速的增加，亦隨之按比例增加，近似為轉(zhuǎn)子工作頻率的一半。根據(jù)國內(nèi)外對油膜渦動故障的研究，確定其振動特征頻率Ω為(0. 42 0. 48) ω，ω 為軸系的運行轉(zhuǎn)速頻率。目前，汽輪發(fā)電機組油膜渦動故障辨識工作需要由具有一定現(xiàn)場振動故障診斷經(jīng)驗的專家通過觀察三維頻譜圖來完成，客觀性較差，對專家的主觀性依賴程度較高，并且無法做到機組轉(zhuǎn)子油膜渦動故障辨識實時自動在線監(jiān)測、分析及判別。因此，提出一種汽輪發(fā)電機組油膜渦動故障實時辨識方法就顯得十分重要。

發(fā)明內(nèi)容
本發(fā)明的目的在于，針對目前汽輪發(fā)電機組油膜渦動故障辨識中存在的問題，提出一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，實現(xiàn)機組轉(zhuǎn)子油膜渦動故障的實時自動在線監(jiān)測、分析及判別，進而保證汽輪發(fā)電機組的安全運行。技術(shù)方案是，一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述方法包括下列步驟步驟1 設(shè)定時長Τ、步進長度t和序列中數(shù)據(jù)的個數(shù)η ；步驟2 實時采集機組啟動升速過程中的數(shù)據(jù)，所述數(shù)據(jù)包括機組轉(zhuǎn)子一側(cè)支持軸承的軸相對振動數(shù)據(jù)、轉(zhuǎn)子的轉(zhuǎn)速信號以及鍵相信號；步驟3 利用快速傅立葉頻譜分析方法，計算得到當(dāng)前時刻的軸相對振動中從低頻到高頻的振動幅值序列以及振動頻率序列；步驟4 從振動幅值序列中獲取機組運行轉(zhuǎn)速頻率fwfre<1對應(yīng)的振動幅值A(chǔ)wfrai,存儲機組運行轉(zhuǎn)速頻率fwfre<1及其對應(yīng)的振動幅值A(chǔ)wfretl ；步驟5 從振動頻率序列中，截取所有小于機組運行轉(zhuǎn)速頻率fwfrai的頻率，形成低頻振動頻率序列洞時，從振動幅值序列中，截取所有小于機組運行轉(zhuǎn)速頻率fwfrai的頻率對應(yīng)的振幅，形成低頻振動幅值序列{Jf-}；存儲低頻振動頻率序列{Jf-}和低頻振動幅值序列；其中，i = 1，2，· · ·，η ；步驟6 計算所述低頻振動幅值序列中的最大值A(chǔ)mlf，并取得該最大值A(chǔ)mlf 對應(yīng)的頻率fmlf ；存儲Amlf和fmlf ；步驟7 判斷是否達到設(shè)定時長T，如果是，則執(zhí)行步驟8 ；否則，增加1個步進長度 t，返回步驟2 ；步驟8 按照存儲時間的先后順序，將每個步進長度存儲的低頻振動幅值序列 {Jf 丨中的最大值A(chǔ)mlf，排成低頻振動幅值序列最大值序列將每個步進長度存儲的低頻振動幅值序列沖的最大值A(chǔ)mlf對應(yīng)的頻率fmlf，排成低頻振動幅值序列最大值對應(yīng)的頻率序列{//” ；將每個步進長度存儲的運行轉(zhuǎn)速頻率fwftM1，排成運行轉(zhuǎn)速頻率序列
{/;freq}；將每個步進長度存儲的運行轉(zhuǎn)速頻率fwfre<1對應(yīng)的振動幅值A(chǔ)rf@，排成運行轉(zhuǎn)速頻
一T
率對應(yīng)的振動幅值序 ”其中，7' = 1,2,y ；步驟9 計算低頻振動幅值序列最大值序列{^“”的熵Emlf以及低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε lf ；步驟10 計算運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列的熵Erfretl ；步驟11 分別計算低頻振動幅值序列最大值對應(yīng)的頻率序列{//”中的每個頻率與運行轉(zhuǎn)速頻率序列中的相應(yīng)運行轉(zhuǎn)速頻率的比值<"■，并將結(jié)果排成頻率比值序列；步驟12 從頻率比值序列中，獲取頻率比值最大值rm"f和頻率比值最小值rmf;步驟13 判定機組轉(zhuǎn)子一側(cè)支持軸承是否發(fā)生油膜渦動故障。所述計算低頻振動幅值序列最大值序列的熵Emlf利用公式
mEmlf =YXiAff YXniiAJlf f)]
；=1
T其中，當(dāng)=0時，ln((y4mr)2)= 0 ； J = 1，2,3，· · ·，m = y ο所述低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε "lf利用公式ε "lf = (Samlf+0. 5- μ A) / σ A其中，Samlf是低頻振動幅值序列最大值序列的逆序數(shù)；μ Α是低頻振動幅值序列最大值序列{^“”的逆序數(shù)理論均值，μ a = m(m-l)/4 ； σ 4是低頻振動幅值序列最大值序
列的逆序數(shù)理論標(biāo)準(zhǔn)偏差，~ = ^(2^+3^-5)/72 ; j = 1，2，3，. . .，m = f。所述計算運行轉(zhuǎn)速頻率對應(yīng)的振動幅值的熵Erfretl利用公式
mE^ =H(Af^f)]
；=1
T 5
所述判定機組轉(zhuǎn)子一側(cè)支持軸承是否發(fā)生油膜渦動故障具體是，如果低頻振動幅值序列最大值序列{^“”的熵Emlf、低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε lf、 運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列{《—}的熵『_、頻率比值序列{r^沖的頻率比值最大值rm"f和頻率比值最小值rmf同時滿足下列條件1)低頻振動幅值序列最大值序列的非穩(wěn)態(tài)參數(shù)ε amlf的絕對值大于第一設(shè)定值；2)低頻振動幅值序列最大值序列{^“”的熵Emlf大于運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列μ廣}的熵3)頻率比值序列{<”中的頻率比值最大值rm"f小于第二設(shè)定值；4)頻率比值序列{<”中的頻率比值最小值rmf大于第三設(shè)定值；則判定機組轉(zhuǎn)子一側(cè)支持軸承發(fā)生油膜渦動故障；否則，判定機組轉(zhuǎn)子一側(cè)支持軸承沒有發(fā)生油膜渦動故障。所述第一設(shè)定值為Niw2(Oa),即概率為(Ι-α/2)的標(biāo)準(zhǔn)正態(tài)分布變量值，其中， 設(shè)定 α /2 = 0. 5%。所述第二設(shè)定值為0.55。所述第三設(shè)定值為0.4。本發(fā)明實現(xiàn)了機組轉(zhuǎn)子油膜渦動故障的實時自動在線監(jiān)測、分析及判別，提高了機組轉(zhuǎn)子油膜渦動故障辨識的準(zhǔn)確性。


圖1是汽輪發(fā)電機組油膜渦動故障實時辨識方法流程圖；圖2是汽輪發(fā)電機組油膜渦動故障實時辨識示意圖；圖3是低頻振動幅值序列最大值序列數(shù)據(jù)圖；圖4是運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列數(shù)據(jù)圖。
具體實施例方式下面結(jié)合附圖，對優(yōu)選實施例作詳細(xì)說明。應(yīng)該強調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。圖1是汽輪發(fā)電機組油膜渦動故障實時辨識方法流程圖。圖1中，本發(fā)明提供的汽輪發(fā)電機組油膜渦動故障實時辨識方法包括下列步驟步驟1 設(shè)定時長T = 200秒，步進長度t = 1秒，序列中數(shù)據(jù)的個數(shù)η = 50 ’另外，第一設(shè)定值為Ν0.995(0, 1) = 2. 5762，第二設(shè)定值為0. 55，第三設(shè)定值為0. 4。步驟2 實時采集機組啟動升速過程中的數(shù)據(jù)，所述數(shù)據(jù)包括機組轉(zhuǎn)子一側(cè)支持軸承的軸相對振動數(shù)據(jù)、轉(zhuǎn)子的轉(zhuǎn)速信號以及鍵相信號。圖2是汽輪發(fā)電機組油膜渦動故障實時辨識示意圖。圖2中，本發(fā)明提供的方法需要的汽輪發(fā)電機組軸相對振動信號及振動信號分析處理需要的鍵相信號可以從配置汽輪發(fā)電機組的監(jiān)視儀表(TSI)獲得或者可以從專業(yè)振動數(shù)據(jù)采集調(diào)理設(shè)備獲得。本實施例中，汽輪發(fā)電機組軸相對振動信號及振動信號分析處理需要的鍵相信號從與振動傳感器相連的專業(yè)振動數(shù)據(jù)采集調(diào)理設(shè)備獲得。圖2中，高速數(shù)據(jù)采集卡插入工業(yè)用微型計算機 (IPC)提供的插槽內(nèi)。根據(jù)高速數(shù)據(jù)采集卡的要求，專業(yè)振動數(shù)據(jù)采集調(diào)理設(shè)備處理汽輪發(fā)電機組軸相對振動信號及振動信號分析處理需要的鍵相信號，經(jīng)過處理后的汽輪發(fā)電機組軸相對振動信號及振動信號分析處理需要的鍵相信號輸入IPC內(nèi)的高速數(shù)據(jù)采集卡。根據(jù)本發(fā)明設(shè)計具體的汽輪發(fā)電機組油膜渦動實時辨識程序，將實時分析程序安裝在工業(yè)用微型計算機(IPC)內(nèi)。汽輪發(fā)電機組油膜渦動實時辨識程序中的一次診斷循環(huán)過程，包括診斷方法中涉及的實時采集升速過程數(shù)據(jù)、數(shù)據(jù)實時計算存儲、升速過程低頻振動相關(guān)參數(shù)實時計算、運行頻率振動幅值熵實時計算、頻率比值實時計算及油膜渦動故障實時判別等一系列計算分析驗證環(huán)節(jié)。利用汽輪發(fā)電機組油膜渦動實時辨識程序監(jiān)測分析高壓轉(zhuǎn)子A側(cè)支持軸承是否發(fā)生油膜渦動故障。工業(yè)用微型計算機(IPC)采用高速振動數(shù)據(jù)采集卡，實時采集機組啟動升速過程中的數(shù)據(jù)，數(shù)據(jù)包括汽輪發(fā)電機組高壓轉(zhuǎn)子A側(cè)支持軸承附近測得的軸相對振動數(shù)據(jù)、轉(zhuǎn)子的轉(zhuǎn)速信號以及鍵相信號。振動數(shù)據(jù)采集卡每一通道技術(shù)參數(shù)為50ks/s，24bit。步驟3 利用快速傅立葉頻譜分析方法，計算得到當(dāng)前時刻的軸相對振動中從低頻到高頻的振動幅值序列以及振動頻率序列。針對機組轉(zhuǎn)子一側(cè)的軸相對振動數(shù)據(jù)，利用快速傅立葉(FFT)頻譜分析方法，計算得到當(dāng)前時刻軸相對振動中從低頻到高頻的振動幅值序列(幅值單位為ym)以及振動頻率序列(頻率單位為Hz)。上述振動頻率序列與振動幅值序列中的數(shù)據(jù)，在順序上是一一對應(yīng)的，即頻率與幅值的對應(yīng)關(guān)系是明確的。步驟4 從振動幅值序列中獲取機組運行轉(zhuǎn)速頻率fwfre<1對應(yīng)的振動幅值A(chǔ)wftra1,存儲機組運行轉(zhuǎn)速頻率fwfre<1及其對應(yīng)的振動幅值A(chǔ)wfre<1。機組啟動過程中，運行轉(zhuǎn)速對應(yīng)頻率fwfre<1呈遞增變化。從振動幅值序列中獲取機組運行轉(zhuǎn)速頻率fwfre<1對應(yīng)的振動幅值A(chǔ)wftra1,實時存儲機組運行轉(zhuǎn)速頻率及對應(yīng)的振動幅值A(chǔ)rfra1，數(shù)據(jù)是每隔t = 1秒存儲一次。步驟5 從振動頻率序列中，截取所有小于機組運行轉(zhuǎn)速頻率fwfrai的頻率，形成低頻振動頻率序列洞時，從振動幅值序列中，截取所有小于機組運行轉(zhuǎn)速頻率嚴(yán)“的頻率對應(yīng)的振幅，形成低頻振動幅值序列；存儲低頻振動頻率序列和低頻振動幅值序列；其中，i = 1，2，· · ·，50。通常，國產(chǎn)汽輪發(fā)電機組工作轉(zhuǎn)速頻率fwfrai為50Hz。因此，從振動頻率序列中，截取所有小于機組工作轉(zhuǎn)速頻率fwfte<1的頻率，即從振動頻率序列中，截取所有小于50Hz的頻率，形成低頻振動頻率序列并存儲。從振動幅值序列中，截取所有小于機組運行轉(zhuǎn)速頻率fwfM1的頻率對應(yīng)的振幅，即從振動幅值序列中，截取所有頻率小于50Hz的頻率對應(yīng)的振幅，形成低頻振動幅值序列 Mfre9}并存儲。實施過程中，可以設(shè)定振動數(shù)據(jù)采集頻率及采集數(shù)據(jù)量，使得低頻振動頻率序列、 低頻振動幅值序列數(shù)據(jù)個數(shù)η = 50。步驟6 計算所述低頻振動幅值序列中的最大值A(chǔ)mlf，并取得該最大值A(chǔ)mlf 對應(yīng)的頻率fmlf ；存儲Amlf和fmlf。
由于設(shè)定n = 50，因此在低頻振動幅值序列中，共有50個數(shù)據(jù)。計算50個數(shù)據(jù)中的最大值，即為低頻振動幅值序列{jf-}中的最大值A(chǔ)mlf。另外，獲取該最大值A(chǔ)mlIi 應(yīng)的頻率fmlf。最后，存儲低頻振動幅值序列中的最大值A(chǔ)mlf及其對應(yīng)的的頻率fmlf。步驟7 判斷是否達到設(shè)定時長T = 200秒，如果是，則執(zhí)行步驟8 ；否則，增加1個步進長度t = 1秒，返回步驟2。步驟8 按照存儲時間的先后順序，將每個步進長度存儲的數(shù)據(jù)排成序列。其中需要排成序列的數(shù)據(jù)包括A、按照存儲時間的先后順序，將每個步進長度存儲的低頻振動幅值序列中的最大值A(chǔ)mlf，排成低頻振動幅值序列最大值序列{4"”。由于設(shè)定時長T = 200秒，步進長度t= 1秒，每個步進長度t= 1秒存儲的低頻振動幅值序列{<—沖的最大值A(chǔ)mlf共有200個。將這200個低頻振動幅值序列沖的最大值A(chǔ)mlf，按照時間存儲先后順序排成序列，記為低頻振動幅值序列最大值序列。B、將每個步進長度存儲的低頻振動幅值序列β< }中的最大值A(chǔ)mlf對應(yīng)的頻率 fmlf，排成低頻振動幅值序列最大值對應(yīng)的頻率序列{//”。同樣，每個步進長度t = 1秒存儲的低頻振動幅值序列{Jfw}中的最大值A(chǔ)mlf對應(yīng)的頻率fmlf也有200個。將這200個頻率fmlf，按照時間存儲先后順序排成序列，記為低頻振動幅值序列最大值對應(yīng)的頻率序列{//”。C、將每個步進長度存儲的運行轉(zhuǎn)速頻率排成運行轉(zhuǎn)速頻率序列{///re< }。每個步進長度t = 1秒存儲的運行轉(zhuǎn)速頻率fwftM1有200個，將這200個運行轉(zhuǎn)速頻率Γ&、按照時間存儲先后順序排成序列，記為運行轉(zhuǎn)速頻率序列{///re< }。D、將每個步進長度存儲的運行轉(zhuǎn)速頻率對應(yīng)的振動幅值A(chǔ)rfrai,排成運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列μ/-}。每個步進長度t = 1秒存儲的運行轉(zhuǎn)速頻率fwfre<1對應(yīng)的振動幅值A(chǔ)wftrai有200個， 將這200個振動幅值A(chǔ)wtotl按照時間存儲先后順序排成序列，記為運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列MT^ }。上述各個序列中，j = 1，2，…，200。步驟9 計算低頻振動幅值序列最大值序列{^“”的熵Emlf以及低頻振動幅值序列最大值序列{jf}的非穩(wěn)態(tài)參數(shù)ε amlf。計算低頻振動幅值序列最大值序列{^“”的熵Emlf利用公式
m
E-'f =^[(Affln((Aff)]。其中，規(guī)定當(dāng)(</)2 =0 時，ln((</)2) = 0 ； j = 1，2，3，· · ·，m ； T
to = — = 200 ο t計算低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε amlf利用公式ε amlf = (Samlf+0. 5- μ A) / σ A。其中，S-lf是低頻振動幅值序列最大值序列{《”的逆序數(shù)；逆序?qū)κ侵冈谝粋€數(shù)據(jù)序列中，一對數(shù)的前后位置與大小順序相反，即前面的數(shù)大于后面的數(shù)；逆序數(shù)是指一個數(shù)據(jù)序列中逆序?qū)Φ目倲?shù)。μ α是低頻振動幅值序列最大值序列{^“”的逆序數(shù)
理論均值，μ Α = m(m-l)/4 ； σ Α是低頻振動幅值序列最大值序列的逆序數(shù)理論標(biāo)準(zhǔn)偏
權(quán)利要求
1.一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述方法包括下列步驟 步驟1 設(shè)定時長τ、步進長度t和序列中數(shù)據(jù)的個數(shù)η ；步驟2 實時采集機組啟動升速過程中的數(shù)據(jù)，所述數(shù)據(jù)包括機組轉(zhuǎn)子一側(cè)支持軸承的軸相對振動數(shù)據(jù)、轉(zhuǎn)子的轉(zhuǎn)速信號以及鍵相信號；步驟3 利用快速傅立葉頻譜分析方法，計算得到當(dāng)前時刻的軸相對振動中從低頻到高頻的振動幅值序列以及振動頻率序列；步驟4 從振動幅值序列中獲取機組運行轉(zhuǎn)速頻率fwfrai對應(yīng)的振動幅值A(chǔ)wfrai,存儲機組運行轉(zhuǎn)速頻率及其對應(yīng)的振動幅值A(chǔ)wfretl ；步驟5 從振動頻率序列中，截取所有小于機組運行轉(zhuǎn)速頻率fwfre<1的頻率，形成低頻振動頻率序列洞時，從振動幅值序列中，截取所有小于機組運行轉(zhuǎn)速頻率嚴(yán)“的頻率對應(yīng)的振幅，形成低頻振動幅值序列Mfre]；存儲低頻振動頻率序列Mfre]和低頻振動幅值序列；其中，i = 1,2,...,η；步驟6 計算所述低頻振動幅值序列{中的最大值A(chǔ)mlf，并取得該最大值A(chǔ)mlf對應(yīng)的頻率fmlf ；存儲Amlf和fmlf ；步驟7 判斷是否達到設(shè)定時長T，如果是，則執(zhí)行步驟8 ；否則，增加1個步進長度t，返回步驟2 ；步驟8:按照存儲時間的先后順序，將每個步進長度存儲的低頻振動幅值序列中的最大值A(chǔ)mlf，排成低頻振動幅值序列最大值序列{^“” ；將每個步進長度存儲的低頻振動幅值序列中的最大值A(chǔ)mlf對應(yīng)的頻率fmlf，排成低頻振動幅值序列最大值對應(yīng)的頻率序列{//” ；將每個步進長度存儲的運行轉(zhuǎn)速頻率fwfM1，排成運行轉(zhuǎn)速頻率序列{///re< }；將每個步進長度存儲的運行轉(zhuǎn)速頻率fwfre<1對應(yīng)的振動幅值A(chǔ)rfrai,排成運行轉(zhuǎn)速頻率對應(yīng)的一T振動幅值序列丨JyM丨;其中，= 1, 2,y ;步驟9 計算低頻振動幅值序列最大值序列{^“”的熵Emlf以及低頻振動幅值序列最大值序列的非穩(wěn)態(tài)參數(shù)ε lf ；步驟10 計算運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列{Jf^}的熵ErfM ； 步驟11 分別計算低頻振動幅值序列最大值對應(yīng)的頻率序列{//”中的每個頻率與運行轉(zhuǎn)速頻率序列中的相應(yīng)運行轉(zhuǎn)速頻率的比值<"■，并將結(jié)果排成頻率比值序列 Klf }·,步驟12 從頻率比值序列{<”中，獲取頻率比值最大值rm"f和頻率比值最小值步驟13 判定機組轉(zhuǎn)子一側(cè)支持軸承是否發(fā)生油膜渦動故障。
2.根據(jù)權(quán)利要求1所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述計算低頻振動幅值序列最大值序列{^“”的熵Emlf利用公式mEmlf = YjHAf f 111((4^)2)]；=1T其中，當(dāng)(Jmr)2 =0時，ln((y4mr)2) = 0 ； J = 1'2,3, . . . , m -m = — ο
3.根據(jù)權(quán)利要求1所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε "lf利用公式
4.根據(jù)權(quán)利要求1所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述計算運行轉(zhuǎn)速頻率對應(yīng)的振動幅值的熵Erfretl利用公式
5.根據(jù)權(quán)利要求1所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述判定機組轉(zhuǎn)子一側(cè)支持軸承是否發(fā)生油膜渦動故障具體是，如果低頻振動幅值序列最大值序列{jf}的熵Emlf、低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε "lf、運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列μ/—}的熵ErfM1、頻率比值序列{<”中的頻率比值最大值和頻率比值最小值同時滿足下列條件1)低頻振動幅值序列最大值序列{^“”的非穩(wěn)態(tài)參數(shù)ε"lf的絕對值大于第一設(shè)定值；2)低頻振動幅值序列最大值序列的熵Emlf大于運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列Mf^ }的熵 Ewftetl ；3)頻率比值序列{<”中的頻率比值最大值rm"f小于第二設(shè)定值；4)頻率比值序列{<”中的頻率比值最小值rmf大于第三設(shè)定值；則判定機組轉(zhuǎn)子一側(cè)支持軸承發(fā)生油膜渦動故障；否則，判定機組轉(zhuǎn)子一側(cè)支持軸承沒有發(fā)生油膜渦動故障。
6.根據(jù)權(quán)利要求5所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述第一設(shè)定值為Niw2(Oa),即概率為(Ι-α/2)的標(biāo)準(zhǔn)正態(tài)分布變量值，其中，設(shè)定α/2 =0. 5%。
7.根據(jù)權(quán)利要求5所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述第二設(shè)定值為0. 55。
8.根據(jù)權(quán)利要求5所述的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法，其特征是所述第三設(shè)定值為0.4。
全文摘要
本發(fā)明公開旋轉(zhuǎn)機械振動狀態(tài)監(jiān)測與故障診斷技術(shù)領(lǐng)域中的一種汽輪發(fā)電機組油膜渦動故障實時辨識方法。包括設(shè)定時長、步進長度；實時采集機組啟動升速過程中的數(shù)據(jù)；利用快速傅立葉頻譜分析方法，計算得到當(dāng)前時刻的軸相對振動中從低頻到高頻的振動幅值序列以及振動頻率序列；達到設(shè)定時長時，排列存儲的數(shù)據(jù)形成低頻振動幅值序列最大值序列，低頻振動幅值序列最大值對應(yīng)的頻率序列；運行轉(zhuǎn)速頻率序列；運行轉(zhuǎn)速頻率對應(yīng)的振動幅值序列；根據(jù)上述各序列的值，經(jīng)過計算判定機組轉(zhuǎn)子一側(cè)支持軸承是否發(fā)生油膜渦動故障。本發(fā)明實現(xiàn)了機組轉(zhuǎn)子油膜渦動故障的實時自動在線監(jiān)測、分析及判別，提高了機組轉(zhuǎn)子油膜渦動故障辨識的準(zhǔn)確性。
文檔編號G01H17/00GK102175409SQ201110034250
公開日2011年9月7日 申請日期2011年2月1日 優(yōu)先權(quán)日2011年2月1日
發(fā)明者宋光雄 申請人:華北電力大學(xué)