汽轮机故障诊断技术.docx
- 文档编号:25596167
- 上传时间:2023-06-10
- 格式:DOCX
- 页数:46
- 大小:330.47KB
汽轮机故障诊断技术.docx
《汽轮机故障诊断技术.docx》由会员分享,可在线阅读,更多相关《汽轮机故障诊断技术.docx(46页珍藏版)》请在冰豆网上搜索。
汽轮机故障诊断技术
毕业设计(论文)
汽轮机故障诊断技术
系别
动力工程
专业班级
学生姓名
指导教师
汽轮机故障诊断技术
摘要
汽轮机是一种应用十分广泛的旋转式机械设备,主要作为驱动各种生产设备运转的原动机,因此其在工业生产中的地位不言而喻。
随着现代工业的发展,汽轮机正向着大型化、高速化、自动化的方向发展,与其他生产设备之间的联系也越来越紧密。
因此,一旦汽轮机发生故障而停止工作,将会导致整个生产过程的停滞,造成不可估量的经济损失。
可见,机械故障诊断在工程实际中具有相当的意义,它甚至逐渐成为了一种单独的学科门类。
本文从汽轮机这一大型设备出发。
首先详细介绍了汽轮机故障诊断的历史,然后有分别介绍了汽轮机故障的分类情况和故障参数的主要分析方法,最后根据电厂的实际情况,设计了一个故障检测诊断系统,以说明在汽轮机故障诊断技术在实际应用中的具体原则。
关键词:
故障诊断;旋转机械;汽轮机
TURBINEFAULTDIAGNOSISTECENOLOGY
Abstract
Thesteamturbineisakindofrotatingmachinery,whichiswidelyused.Itismainlyusedastheprimemovertodriveallkindsofproductionequipment.Therefore,thepositionofthesteamturbineintheindustrialproductionisself-evident.Withthedevelopmentofmodernindustry,thesteamturbineisdevelopinginthedirectionoflargescale,highspeedandautomation,andtherelationbetweenthesteamturbineandotherproductionequipmentsismoreandmoreclose.Therefore,oncetheturbinefailsandstopsworking,itwillleadtothestagnationofthewholeproductionprocessandcauseincalculableeconomiclosses.Obviously,themechanicalfaultdiagnosishasthequitesignificanceintheengineeringpractice,itevenbecomesakindofindependentdisciplinecategorygradually.Thispaperstartsfromthelarge-scaleequipmentofsteamturbine.Firstintroducedthehistoryofthefaultdiagnosisofsteamturbine,andthenthemainanalysismethodswereintroducedtoturbinefaultclassificationandfaultparameters,accordingtotheactualsituationofthenuclearpowerplant,designedafaultdiagnosissystem,thespecificprinciplestoexplainintheturbinefaultdiagnosistechnologyinthepracticalapplication.
KeyWords:
Thesteamturbine;Faultdiagnosis;Rotatingmachinery
第一章绪论
汽轮机故障问题研究的意义
汽轮机(SteamTurbine),又称蒸汽透平。
是一种以高温高压的蒸汽作为动力,将蒸汽的内能转换为汽轮机转子动能的机械。
汽轮机由转动部分和静止部分两个方面组成,其主要作用是转换蒸汽内能,带动发电机转子发电。
也可以直接驱动其他动能转换设备,例如风机、泵等等。
因此被广泛应用于包括电力在内的各种生产行业,甚至我国的第一艘航空母舰“辽宁号”也是采用蒸汽轮机驱动螺旋桨。
作为主要的动力设备,它能否安全高效地运行直接关系到了一个生产企业能否顺利地运营。
随着工业的大规模发展和科学技术的长足进步,让以汽轮机为代表的大型旋转机械设备正向着大型化、高速化、连续化、集中化、自动化的方向发展,生产设备之间形成一套完整的系统,各种设备之间的联系也越来越紧密[1]。
根据墨菲定律的引申,越是精密复杂的系统,发生故障的概率就越高。
即使是在重视安全的今天,由于汽轮机故障产生的灾难性事故仍时有发生。
例如,1987年山西大同电厂200MW机组由于调速器失控,导致机组发证生转子超速飞车的恶性事故;1999年阜新电厂一号机200MW汽轮机低压缸铸铁隔板碎裂导致轴系损坏断裂;而国外,类似的事故从上世纪60年代报道以来就有50多起[2],例如,1969年英国辛克利角核电站一台87MW汽轮机组在超速实验时由于高应力和材料的低韧性导致主轴断裂,电站停止运行;1974美国加拉丁(Gallatin)电站2号机组225MW汽轮机由于转子制作材料缺陷产生裂纹导致中低压转子断裂,造成了巨大的经济损失;2011年2月,南非ESKOM电力公司的DUVHA电站四号机组在进行超速实验时,由于转速飞升引发了汽轮机飞车恶性事故。
由此可见,能够有效地预测或是诊断汽轮机故障对于生产实际是非常有必要的。
故障诊断技术的发展
二次世界大战以后,为了尽快恢复到战前的生产水平,各国加大了对于旋转式机械设备的开发与应用,结合战争中对于保养设备和维修故障的经验,再加上与之相关的基础物理和应用数学的极大发展,使得机械的故障诊断技术的到了飞速的提高。
但是随着汽轮机向着高温度、高转速、新型材料和新式结构的发展,传统的转子动力学愈显不足,尤其是转子的复杂程度越来越高,各种传统物理学和机械学难以解释的故障频繁发生。
于是,为汽轮机量身定制的设备故障诊断技术应运而生。
为汽轮机量身定制的设备诊断技术,最早是出现在欧洲,那在的欧洲工业联合会(EIF,EuropeanIndustryFederation)的推动下,成立了英国机械保健和状态监测协会(MHMC,MechanicalHealthMonitoringCenter),以综合诊断学(Terotech)为指导,从60年代末开始了对设备故障的研究;美国最开始提倡以后勤学(Logistics)为主导的装备设备服务维修,后来由于层出不穷的机械故障事故,在美国航天局(NASA,NationalAeronauticsandSpaceAdministration)的倡导下,由美国海军实验室(NRL,NavalResearchLaboratory)主持成立了美国机械故障预防小组(MFPG,MachineryFaultPreventionGroup),积极从事机械设备故障诊断技术的开发,在汽轮机的故障诊断领域也是成绩斐然。
日本虽然起步较晚,新日铁(NSC,NipponSteelCorporation)于1971年开始研发诊断技术,吸收英美两国长处,于1976年达到使用并取得了良好的效果,让日本的电力行业以及汽轮机制造业得以居于世界领先之位。
在当时,被广泛推崇的系统有:
日本三菱公司的“旋转机械健康管理系统”(MHM,MachinaryHealthMonitoring),美国西屋公司的“可移动诊断中心”(MDC,MobileDiagnosisCentre),美国中心发电部的“汽轮机监测设备”(TSE,TurbineSupervisoryEquipment)和“试验设备监测”(TEM,TestEquipmentMonitoring)等等。
我国自1979年才初步开发设备诊断技术,并于1983年初正式把开展机械故障诊断工作的要求纳入《国营工业交通设备管理试行条例》[3],电力行业响应国家政策,于1984年在各大电厂推广电力故障诊断技术,应用于电厂各设备的故障检修与维护。
故障诊断技术的现状
目前汽轮机系统有基于线性振动理论和典型非线性振动理论研究两种故障诊断模型[4],线性的理论系统较为完善,因此当我们分析非线性振动模型时,常常是把某个典型的非线性模型,近似地处理接近成一个线性模型去分析,这样得以使计算工作大为简化,但是这样做到弊端是:
当一个强烈的非线性故障出现及恶化时,我们就无法辨识出现的非线性转子故障的动力学现象,以至于无法进行正确的动力学特征的提取,无法准确有效地分析问题,因此,对于非线性的研究问题必须采用非线性的基础模型来分析。
现代科技的飞速发展从某种方面解决了这些问题,前辈们辛苦钻研,研究出了各种各样的、可以有效应用与现场分析计算的故障诊断模型。
例如:
应用MATLAB的汽轮机振动故障诊断模型;基于小波分析技术与聚类分析技术相结合的旋转机械故障分析技术[5];利用一维、二维隐马尔科夫(Markov)模型的故障信号处理方法;将独立分量分析(ICA)与高阶统计量等现代信号处理方法应用于故障特征提取等。
尽管我们在汽轮机故障诊断方面做了相当程度的的研究,但这一技术的本身发展还是远远不够,无法满足实际的生产需要,尚未形成一个完整的全面的理论应用体系。
因此,即使在工业高度发达的今天,已经投入运行使用、应用比较成功、系统较为完善的汽轮机故障诊断系统仍然不多见。
作者从大三的专业课上接触到汽轮机的维修及故障预防技术,通过学习与交流,深刻地了解到设备的维护与故障的诊断工作直接关系到企业的生产效益与安全,在生产环节中的地位至关重要。
导师说:
“当前故障诊断推广应用的最大障碍就是从事现场故障诊断的技术人员知识结构的缺乏,许多人懂得设备、懂得如何运行,却不明白背后的理论概念。
”汽轮机的故障诊断技术,应该是由严谨的数学逻辑作为支撑,众多学科相互渗透所组成的知识体系。
本文从汽轮机这一大型旋转机械设备出发,首先详细介绍汽轮机故障的分类及发生故障前后的特点,并针对故障给出相对的解决方案。
然后列出故障诊断的主要方法与内容,以及其理论支撑和应用效果。
最后,以实际电厂为例,制定汽轮机故障诊断的具体原则。
第二章汽轮机故障诊断的基本分析方法
汽轮机故障分析概述
故障诊断技术,从理论到实现,要经历三个阶段。
首先是状态的检测,通过各种传感和观测仪器记录并上传所采集的数据,为故障诊断提供参考数据和根本依据;然后是信息的处理,包括了信息的分类整理和信号的运算与筛选,以及信号之间的转换,从庞大的数据中整理出对故障诊断工作有价值的信息;最后是对处理之后的信息进行模糊识别,以期对设备的运行状态、运转趋势进行判断和预测。
诊断的基本流程,如图2-1:
图2-1故障诊断的基本流程
诊断的实施方法也用很多种,虽然在各个领域都各不相同,但总体来讲,可以分为三个方面:
(1)按照核心部分分类,有离线经验分析和在线设备监视等等。
(2)按照检测方法分类,有振动检测法、噪声检测法、温度压力检测法、声波检测法、金相分析法等等[6]。
(3)按照诊断的原理分类,有频域诊断法,时域分析法、统计分析法、信息理论分析法、模式识别法等等【7】。
振动诊断检测法
对汽轮机的故障诊断时所选择的特征信号,应该同时具备敏感性和实时性两方面:
即蕴含了机器运行时的最本质的信息,又能表明当前的运行情况,有利于设备的工况判别。
旋转设备发生故障的最明显的特征就是伴随着剧烈的振动和刺耳的噪声,而其中振动是最主要的信号特征[8]。
在汽轮机所发生的故障中,振动往往是最普遍的现象。
由此可见,振动诊断检测法是一种十分合理的汽轮机故障诊断方法。
振动信号的监测
振动的测量装置
在工程实际中,想要了解汽轮机的运行状态,往往通过监测它的通频振幅而得出。
用来测量通频振幅的装置叫拾振器,拾振器的核心组成部分是传感器。
在工程现场,应根据不同的使用环境和现场条件,来选择使用何种传感器。
测振仪器的种类有很多,以被测参数来划分,有位移传感器(电阻式、应变式、电容式、涡流式),速度传感器(动圈式、动磁式、变间距式),加速度传感器(压电式和应变式)【9】。
振动信号的评定
需要采集的振动信号可以根据实际应用情况分为:
(1)轴承振动评定,测量点位于轴承基座。
(2)轴振动值评定,测量点位于基座上,轴的两侧。
振动的监测参数
振动的监测参数可以分为以下两种:
(1)动态参数
1)振幅,表征被测器件因振动离开其平衡位置的最大距离。
图2-23个方向上的测点
2)振动烈度,是国际上统一的机械振动状态特征量。
3)相位,用于确定旋转机械的动态特性及动平衡。
(2)静态参数
1)轴心位置,在平衡状态下,轴承中心相对于轴颈中心的位置[10]。
2)轴向位置,是指机器转子上安装的止推环相对于止推轴承的位置[11]。
3)涨差,指的是汽轮机转子与气缸的相对膨胀量。
4)对中度,指轴系转子之间的连接对中程度[12]。
5)温度,轴瓦温度反映了轴承当前的运行情况。
6)润滑油压,可以以此判断轴承油膜的状态。
振动信号的分析
在工程实际中,过程参数与过程状态之间,其实并没有严格的一一对照的关系。
因此,在故障诊断的准确与否,取决于先期信息的分类处理。
故障诊断其实是由工况监测和故障分析两个部分组成。
不论是从字面意思还是其背后机理,二者有着明显的不同,但是二者确是相辅相成,不可或缺。
工况监测是故障分析的基础,故障分析是工况监测的目的。
工况监测是对实时状态的监视及实时信息的收集,从汽轮机侧接收数字信号并进行处理。
故障分析则是从汽轮机的故障出发,目的在于判断查明故障的部位以及发生原因。
然而在工程实际中,汽轮机故障往往是一种十分复杂的多参数形态,因此在分析数据时,不仅要应用到模拟量分析,等基本处理手段,也要尝试用了一些新的方法,例如人工神经网络系统、混沌模型系统等。
对比分析法
在工程实际中,采用了一种频谱分析仪,分析所测得振动信号的频谱中的峰值等数据,通过与参考模式的对比,就可以判断出运行是否正常或是识别出什么故障、何种原因。
这种把当前信息与过往经验相比对,通过分析其中的区别和联系并以此为根据进行信息处理的方法,称为对比分析法
对比分析法的顺利应用,有两个十分必要的先决条件:
一是要熟悉机器的各种状态下的稳态参数和故障特征,并统计为参考模式;而二是要有鉴定人员需要有一定的技术水平,对操作仪器有着相当的了解。
逻辑判别法
前面提到,在工程实际中,过程参数与过程状态之间,其实并没有严格的一一对照的关系。
导致了我们没法直接通过分析对比就能得出二者之间的关系,因此我们需要后退一步,通过梳理二者的逻辑,进行故障判别。
逻辑判别法可以分为数理逻辑判别和物理逻辑判别两种方法[13]。
所谓的数理逻辑判别法,简单来讲,就是将采集的数据通过函数运算转变为特征参数,比对该特征参数是否大于或小于某些故障的阈值,依次判断是否存在该故障。
物理判别法则是从关键部位的零部件所用材料物理变化的角度来判断该部位零件的当前情况。
例如:
通过对润滑油的分析,测得润滑油温度、压力是否正常,以及各种金属微粒的含量大小,就可以分析得出,油膜是否正常、被润滑件是否产生严重磨损等。
贝叶斯分类法
在机械的运行过程中个,出现的问题大多是随机的。
虽然机械故障的出现不可预见,但我们仍然可以根据已有的统计模型和现场数据估计出故障发生的概率,这种利用已有模型和经验对故障出现的概率做出的估计,称为先验概率[14]。
因为故障状态是一个随机量,以此故障状态的空间可以写成Ωj=(ω1,ω2…ωi,ωm),其中ωi(i=1,2,3,…,m)称为故障状态空间中的模式点。
在诊断过程中,主要用于判别运行状况的正常或异常两种状态,因此他们的先验概率P(ω1)+P(ω2)=1。
仅仅得出先验概率还不足以达到判条件,还需要考虑到各种观测数据、各种状态下的条件密度。
例如:
P(
/ω1)——正常状态下的类条件事件发生密度;
P(
/ω2)——异常状态下的类条件事件发生密度;
由此,根据贝叶斯公式:
(式3—1)
式中
为后验概率。
可以理解为,在所有样本环境及条件均为已知的条件下,故障状态空间中模式点出现的概率。
图2-3贝叶斯分类算法
模型判别法
在生产实际中,汽轮机的故障的发生是一个动态的过程,而且遵循着一定的规律。
最常使用的模型判别法,是展开对故障发生的前后动态和瞬态时间域的数据分析。
也就是所谓的时间域分析。
时间域分析是根据观测数据建立的数学表达式,只要拥有合理的模型结构和参数设置,那么动态过程的基本规律、运行状态的异常与否等信息一定蕴含在分析模型及数据结构当中。
在工程实践中已经证明:
用时间域分析法进行的建模,在运行状态预测、故障提前预警方面已经取得了一定的效果。
目前的汽轮机诊断技术中,已经大范围采用时间序列分析法中的线性和非线性检验方法,来判断一个运行工况是否整体在一个正常或是异常的范围内。
模糊诊断法
机器在运行过程中,我们所监测得的测量值和特征参数往往是确定的,但它们对应的现象及故障却是存在一定的不确定性,也就是存在一定的偶然性和模糊性。
因此在工程实际中,我们并不能将故障准确地定义为某一类,同样地,也无法判断机轮机的当前的状态属于具体哪一种故障。
我们只能以一种范围性的说法来概括。
例如振动有大有小,有径向振动也有径向振动,有倍频振动也有同步振动等等,我们通过逐步模糊处理的方法,先把振动信号模糊归类在振动大这一分类中,在通过后续的算法做详细分类。
但是,这里所说的模糊分类并不是靠人工思维分类那么简单,它有着一定的模糊运算规则以及运算逻辑,并可以通过复杂的数学运算把相应的想象用数学模型来体现。
故障树分析法
故障树分析法,是利用树状图将汽轮机故障与汽轮机运行时的异常现象、异常状态、异常参数等等联结起来的图形式分析方法,它模糊了各个事件与故障发生原因的微小差别,强调了故障前后现象的因果关联。
通过鲜明的分支和严谨的结构关系,将故障-现象-因素这三者紧密地结合起来,具有逻辑性强、合理程度大、便于分类和处理等优点,因此在故障诊断领域被广泛使用。
下面是应用故障树的步骤:
(1)给故障以明确的定义,选定可能发生的故障作为顶事件。
(2)分析该故障的成因
(3)做出系统故障的逻辑图。
(4)对故障树的各级结构做定性分析,分析各个因素与顶事件的关联程度。
(5)对故障树的各个结构做定量分析,就可以根据故障树逻辑,对系统故障做出分析。
图2-4汽轮机故障的故障树分析图
图形分析法
所监测的数据,通过分析处理,可以得到一系列的图形数据,有的可以直观的看出机器当前的运行状况、某一参数的大致走向等等。
针对汽轮机振动故障的特点,常常采用的图形分析方法有:
(1)波特图(Bodeplot),又称为幅频响应图,是一种应用于线性的非时变系统的坐标图。
一般由两张图组合而成,波特图中横坐标表示为转速频率的半对数坐标尺度,波特图纵坐标则分别表为振动幅值和振动相位。
因此它也是一种幅频响应和相频响应曲线。
有着绘制简单,对比直观等优点。
图2-5机组升速时的波特图
(2)极坐标图,也称奈奎斯特(Nysquist)图,在进行振动的分析绘图时,也称之为振型圆。
其是指是一种工频振动矢量图,原理是将振动频率特性分析计算成相应的极坐标函数后,以振动频率特性的实部为横坐标,虚部为纵坐标,以幅频特性ω为参变量的图,可以直观地表示出振幅与相位的关系。
它的绘制范围很广,可以绘制整个范围域的特性曲线,因此在数据分析领域被被广泛使用。
图2-6产生振动时的极坐标图
(3)轴心位置图利用相互垂直的两个传感器,通过监测和分析得到的数据,得出轴中心的径向位置。
轴心位置图与极坐标图不同,轴心振动图是以不存在径向振动为前提的,它给出的是转子中心的轴向振动特性。
图2-7失稳时的轴心位置图
(4)轴心轨迹图主要是借助安装在轴的截面上的传感器,可以得到轴心轨迹大致图像和轴系的旋转状态,进而可以确定轴的进动方向。
还可以用来测算转子的临界转速、空间振型曲线及部分故障,如转子不对中、轴颈处的动静碰磨、油膜振荡(正进动时发生)等等[17]。
图2-8轴心轨迹图
(5)频谱图汽轮机振动的绝大部分信号是由多种激励信号合成的复杂信号,根据傅里叶分析原理,这种合成的复杂信号可以被分解成一系列的谐波分量,即概率成分。
每一个谐波分量又含有幅值和相位特征量。
各个谐波分量以频率轴为坐标,按转速高低为幅值频率排列起来的谱图,就叫做频谱图[19]。
图2-9频谱图
把一段时间内收集的所有频谱图叠加进一个图形了,就得到了瀑布图:
图2-10瀑布图
(6)趋势分析趋势分析是把所测得的特征数据值和预报值按一定的时间顺序排列起来进行分析。
这些特征数据可以是通频振动、1倍振幅、二倍振幅以及轴心位置等[18]。
图2-11趋势分析图
第三章汽轮机主要故障的分类
汽轮机故障概述
以汽轮机为代表的大型旋转是动力机械,是现带工业生产中的关键动力设备。
如何维护管理好这些设备,避免机器出现故障和事故,以确保生产过程中的安全性和高效率是当前工业的发展目标之一。
由于汽轮机的复杂的结构组成以及对零部件精度的高要求使得机器,以及运行过程的低容错率等等,很容易使汽轮机在运行或是实验过程中发生故障,其常见原因见下表:
表3-1汽轮机发生故障的常见原因分类
故障分类
主要原因
设计原因
1结构不合理,动静间隙过小;
2参数选用不合理,工况下易磨损腐蚀;
3工作转速距离临界转速太近;
4热膨胀量计算不精确,易产生摩擦振动
制造原因
1零件材料选用错误,强度不够;
2零件处理不够,锻造工艺不足;
3转子出厂时的动平衡调整不到位
安装维修
1安装时未严格按照要求,各部位安装精度不够;
2轴系整体对中性不良,各段转子轴心落差不在可以接受的范围内;
3机器静平衡调整不当,热套过盈配合性不好;
4安装问题导致个别部位应力集中;
5管道的空间布置不当,有较大的节流损失和沿程阻力损失;
6检修方法不当,破坏了机组原有的平衡性能
操作运行
1未在正常工况下运行,实际运行主参数与设计值不同;
2汽轮机经常超速超负荷运行;
3在临界转速区内转子的升速率过高或过低,引起振动损坏机组;
4轴承与转子轴颈处润滑不良导致磨损;
5转子工艺缺陷导致金相较差的部位产生疲劳和磨损;
6启停机过程中盘车时间不够,暖机时间不够
机器劣化
1长期运行,保养不当,机组各部分状态较差;
2零部件磨损、腐蚀、脱落;
3机组的热套过盈配合发生变化;
4机器的基础沉降不均匀,机器壳体变形等
汽轮机振动基础
转子时旋转式机械设备发挥功能的主要构造,高温蒸汽在汽轮机内膨胀做功,从而使转子高速旋转。
在工程实际中,对于高速旋转设备,发生故障的特征就是旋转不稳定,转子系统不能实现自动定心,伴随着振动和噪声。
因此,在现场可以通过分析汽轮机的振动情况来推断出汽轮机的运行状态以及该状态的会如何发展。
也可以通过故障前采集到的各种振动图形,判断汽轮机出了在什么部位,出了何种故障,是否严重,是否对汽轮机主体造成了损害等等。
汽轮机振动的分类
我的导师曾经提到过:
汽轮机的故障诊断技术从某种层面上看就是汽轮机的振动诊断技术。
如
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 汽轮机 故障诊断 技术