CN115539139A - 一种汽轮机安全性的监测方法 - Google Patents

Abstract

本发明公开了一种汽轮机安全性的监测方法，包括如下步骤：对汽轮机的振动数据进行收集、存储和预处理，并得到预处理后的数据；将所述预处理后的数据转化为系统信号；将所述系统信号和数据库中的故障信号进行比对，得到叶片运行状态，并判断汽轮机的安全性。本发明的汽轮机安全性的监测方法，基于汽轮机运行过程中的各振动状态参数，根据监测数值得到叶片振动实时运行过程中的变化特性，将实时变化特性和故障特性做比对，实现故障诊断，并计算汽轮机的实时寿命，实现汽轮机寿命的实时评估；其故障诊断过程和寿命评估过程无需中断汽轮机运行。

Description

一种汽轮机安全性的监测方法

技术领域

本发明具体涉及一种基于叶片振动数据进行汽轮机安全性的监测方法和寿命评估的方法。

背景技术

汽轮机是发电行业的重要机械设备，其运行过程和发电过程高度集成。典型的汽轮机由轴、叶片、轴承、轴套、联轴器、外壳和基座组成。汽轮机长叶片作为汽轮机的关键部件，其工况的极端变化往往使其承受高机械载荷，是汽轮机的主要故障源之一。

由于汽轮机属于旋转机械，长叶片又是汽轮机各级叶片中工况最为恶劣的叶片，其所蕴含的振动问题往往会造成安全隐患，使发电单位面临高昂的故障风险和经济损失风险。停机会造成产出、安全性、环保性、客户满意度等所方面因素的下滑，随着发电行业运维水平的不断提高，人们尽量避免利用停机时间排除汽轮机长叶片的安全隐患。

近年来，人们多已将注意力转向更有效的故障诊断策略和更主动的维护技术，其中一个较为突出的策略是基于状态的维护技术，该策略与其他较为传统的维护策略相比(如非计划内停机检修、有计划的预防性维护等)，优点是新出现的故障和异常可以很早就被捕获和甄别，从而避免故障导致灾难性事件。

为实现基于状态的维护技术进行汽轮机长叶片的故障监测和诊断，人们使用不同的监测测量方法来捕获和跟踪各种运行参数，如振动监测、润滑油和磨屑监测、红外热成像、声发射、过程监测、人类感官等等。由于汽轮机长叶片的振动是导致故障的主要原因之一，因此在一定时间间隔内了解汽轮机长叶片在健康和可疑故障条件下的振动行为，以分析汽轮机长叶片振动特性中的不规则性，是基于状态的维护技术的主要技术目标。

目前汽轮机安全性监测和寿命评估方法多集中在对轴系横振、扭振、瓦振等方面，缺乏对汽轮机中的重要部件之一-长叶片的实时监测手段，仅依靠停机检修时的检测无法实时获得汽轮机长叶片运行过程中的叶片强度，无法准确评估汽轮机安全性和寿命。一旦长叶片在运行过程中出现失效，现有分析流程仅能在叶片振动较大直至影响到轴系振动频率时才能监测出变化，无法监测长叶片出现微裂纹时产生的频率变化，无法进一步提高汽轮机安全监测水平，无法准确对汽轮机进行寿命评估。

以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日以前已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

有鉴于此，为了克服现有技术的缺陷，本发明的目的是提供一种基于叶片振动参数进行汽轮机安全性监测的方法。

为了达到上述目的，本发明采用以下的技术方案：

一种汽轮机安全性的监测方法，包括如下步骤：

对汽轮机叶片的振动数据进行收集、存储和预处理，并得到预处理后的数据；

将所述预处理后的数据转化为系统信号；

将所述系统信号和数据库中的故障信号进行比对，得到叶片运行状态，并判断汽轮机的安全性。

根据本发明的一些优选实施方面，所述汽轮机的振动数据包括叶片的振动数据以及反映叶片振动信息的汽轮机其它部件的振动数据；所述叶片的振动数据通过采用光学传感器和/或涡流传感器得到。所述汽轮机的振动数据包括叶片振幅、瞬时角速度、轴承振动和外壳振动的轴扭转振动数据。

根据本发明的一些优选实施方面，所述叶片振幅通过如下公式计算得到：

P＝n·πD·ΔT/60

式中，P为叶片的振幅，n为转速，D为叶顶监测位置的直径，ΔT为叶片尖端实际到达时间与理论达到时间上的时间差。

根据本发明的一些优选实施方面，所述预处理按照如下步骤进行：将振动数据采用拉伊达法则进行数据筛选，剔除因传感器读数异常所测得的明显超限的数据，随后进行滤波和归一化处理。

根据本发明的一些优选实施方面，所述汽轮机的长度延伸方向上设置有多组传感器，一组传感器对应一组叶片，每组传感器对应设置在一组叶片的宽度方向范围内。

根据本发明的一些优选实施方面，每组传感器至少包括两个光学传感器和一个涡流传感器，所述涡流传感器设置在两个光学传感器之间。

根据本发明的一些优选实施方面，相邻所述传感器在所述汽轮机横截面上的投影对应的圆心角为30～60°；和/或，多个所述传感器在所述汽轮机纵截面上的投影位于不同的水平面和竖直面上。所述传感器的安装角度正对长叶片。

根据本发明的一些优选实施方面，采用通道信号调节器将所述预处理后的数据转化为系统信号。

根据本发明的一些优选实施方面，所述系统信号包括时域信号、频域信号、短时傅里叶变换信号、瞬时角速度信号、时间同步平均信号。

根据本发明的一些优选实施方面，所述数据库存储有汽轮机叶片在正常运行状态下或故障状态下的叶片振动信息。

根据本发明的一些优选实施方面，所述故障状态包括叶片开裂、高周疲劳、叶片摩擦、叶片根部松动、侵蚀、蠕变和腐蚀。

根据本发明的一些优选实施方面，所述比对为将得到的系统信号和数据库中的正常运行信息和故障特征信息分别进行最小二乘法计算，得到多组回归方程，找出最为匹配的回归方程，根据数据库得到该回归方程所对应的运行状态，从而得到目前长叶片的运行状态，实现叶片的健康监测和管理。

所述步骤还包括通过收集某一工况下叶片实时的温度、应力、运行时间，计算得到汽轮机服役期间的总寿命损耗。

根据本发明的一些优选实施方面，所述总寿命损耗利用下式得到：

式中，τ_i指在叶片运行状态i下的汽轮机实际运行时间，τ_b,j指在叶片运行状态i下的寿命，τ_b指汽轮机服役期间总寿命损耗。

由于采用了以上的技术方案，相较于现有技术，本发明的有益之处在于：本发明的汽轮机安全性的监测方法，基于汽轮机运行过程中的各振动状态参数，根据监测数值得到叶片振动实时运行过程中的变化特性，将实时变化特性和故障特性做比对，实现故障诊断，并计算汽轮机的实时寿命，实现汽轮机寿命的实时评估；其故障诊断过程和寿命评估过程无需中断汽轮机运行。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明优选实施例中汽轮机安全性监测和寿命评估系统的结构示意图；

图2是本发明优选实施例中加装的传感器的安装示意图；

图3是本发明优选实施例中叶片振动数据的获取过程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明针对当前汽轮机长叶片运行过程健康监测效果不佳、经济性不高等问题，提出了一种基于叶片振动信息进行汽轮机安全性监测和寿命评估的方法，实现汽轮机长叶片运行信息的实时采集和各类故障特征的分析，且具有良好的鲁棒性。

本发明的原理如下：长叶片是最有可能导致汽轮机故障的部件，长叶片在汽轮机运行期间承受各种高动态载荷，包括热载荷、惯性载荷和弯曲载荷。长叶片失效模式通常为叶片开裂、高周疲劳、叶片摩擦、叶片根部松动、侵蚀、蠕变和腐蚀。叶片健康监测可以通过观察和比较正常状态下和故障操作条件下叶片的固有频率的振动水平来确定。每只叶片旋转经过传感器时，系统会记录下该叶片的实际到达时刻。当叶片不振动时，指定叶片每圈到达传感器的理论时刻是相同的。当叶片固有频率与激励频率相匹配时，就会发生叶片共振，若叶片尖端因为振动而产生偏转，则叶片尖端会比预期稍早或稍晚的掠过传感器，从而产生和理论到达时间不一致的信号脉冲，通过对该信号脉冲进行收集，得到时间差ΔT，进而得到叶片的振幅：

P＝n·πD·ΔT/60

式中，P为叶片的振幅，n为转速，D为叶顶监测位置的直径，ΔT为叶片尖端实际到达时间与理论达到时间上的时间差。

实施例1基于叶片振动参数进行汽轮机安全性监测和寿命评估的方法

基于上述的原理，本实施例中的基于叶片振动参数进行汽轮机安全性监测和寿命评估的方法，具体包括如下步骤：

步骤1、基于加装的传感器采集汽轮机叶片的振动数据，并采集能直观反映叶片振动信息的其它部件的振动数据，包括但不限于叶片振幅、瞬时角速度、轴承振动和外壳振动的轴扭转振动等振动相关信息。如图3所示，将所述的振动数据做预处理(数据调理)之后进行存贮。

预处理的方法如下：将振动数据采用拉伊达法则进行数据筛选，剔除因传感器读数异常所测得的明显超限的数据，随后进行滤波和归一化处理。

步骤1所述的汽轮机叶片的振动数据和能直观反映叶片振动信息的其它部件的振动数据通过下述方式获得：其中，汽轮机叶片的振动数据来源于加装的传感器；能直观反映叶片振动信息的其它部件的振动数据来源于汽轮机系统出厂自带的监测系统。

加装的传感器的测量原理、安装位置、传感器参数的选取说明如下：

测量原理：在汽轮机长叶片的旋转过程中，除了汽轮机系统已有的各测点和监测手段外，加装汽轮机长叶片非接触式测量所需的传感器，搜集叶片掠过传感器时产生的信号脉冲。该信号脉冲可在后续步骤中与每个叶片理论上转动到传感器的到达时间进行比较，若叶片尖端因为振动而产生偏转，则叶片尖端会比预期稍早或稍晚的掠过传感器，从而产生和理论到达时间不一致的信号脉冲。

安装位置：传感器的安装角度为正对长叶片，传感器可按采集信息精度要求选择光学传感器、涡流传感器。本实施例中汽轮机的长度延伸方向上设置有多组传感器，一组传感器对应一组叶片，每组传感器对应设置在一组叶片的宽度方向范围内。传感器安装数量为一组三个：一个涡流传感器和两个光学传感器，三者在圆周方向间隔45°并错位布置。传感器通过机械固定方式固定在汽轮机内缸上，其探头工作面正对汽轮机动叶片的端面。如图2所示。图2中左侧为左视结构示意图，其宽度为一组叶片的宽度，在该宽度和视角下，水平方向和竖直方向上均错开布置有传感器(图2中的黑点)，且一个涡流传感器设置在两个光学传感器之间。

传感器参数：汽轮机长叶片非接触式测量所需的传感器的工作温度范围为-25℃至200℃之间，测量数目涵盖整周8至120片叶片，适用范围覆盖国内大多数商用汽轮机。涡流传感器电源电压适用范围为5-24V直流电源，输出信号为脉冲信号，脉冲信号为矩形，可由信号调理器调制成数字信号，最大测量频率1000Hz。光学传感器最大测量频率500Hz，感应距离范围0.001-0.1m，电源电压适用范围为10-30V直流电源。

步骤2、将所述预处理后的数据转化为系统信号

采用4通道信号调节器，用于放大来自步骤1中得到的长叶片振动信号，并将数据传输到数据采集板。叶片振动信号经信号调节器调理后，进行信号预处理的工作，并分别转化为时域信号、频域信号、短时傅里叶变换信号、瞬时角速度信号、时间同步平均信号，这五类信号是下一步进行数据分析的数据来源。

这五类信号的计算方式简述如下：时域信号是经过信号调节器采样和放大后的数字信号；频域信号是时域信号经过傅里叶变化后的数字信号；短时傅里叶信号是将时域信号按照时间序列划分为更小的部分，并将傅里叶变化单独应用于所有部分，后将数据重新组合成时间和频率的二维数字信号；瞬时角速度信号从信号调节器原始信号中提取，代表叶片的扭转振动，代表信号调节器连续脉冲之间的时间间隔变化；时间同步平均信号是对时域信号进行FFT(快速傅里叶变换，fast Fourier transform)后的频谱平均信号，去除了与叶片转速无关的任何信号分量，可以降低复杂信号频谱中的噪声。

步骤3、将所述系统信号和数据库中的故障信号进行比对，得到叶片运行状态

数据库中的正常运行信息和故障特征信息通过有限元模拟获得。有限元模拟的目的为获取叶片无缺陷、装配缺陷、松动、裂纹、震颤、微动磨损、高周疲劳、低周疲劳等不同状态的运行振动信息，生成长叶片运行数据库。其中，装配缺陷因叶片几何特性之间的差异产生，可通过设置几何特性差异进行模拟；松动是因叶根和大轴支撑结构之间的间隙过大而产生，可通过设置几何特性差异进行模拟；裂纹因异物、制造缺陷、高周或低周疲劳、共振疲劳和应力腐蚀而产生，可通过设置不同极端工况进行模拟；震颤因空气动力和叶片振动位移之间的相互作用而产生，可通过不同工况下叶片性能的计算进行模拟；高周疲劳、低周疲劳可通过设置大范围运行工况，进而利用有限元软件中相应的计算模块进行模拟。

将步骤2中得到的时域信号、频域信号、短时傅里叶变换信号、瞬时角速度信号、时间同步平均信号和数据库中的正常运行信息和故障特征信息分别进行最小二乘法计算，得到五组回归方程，所述的故障信号包含不同故障状态下的时域信号、频域信号、短时傅里叶变换信号、瞬时角速度信号、时间同步平均信号。

找出最为匹配的回归方程，根据数据库得到该回归方程所对应的运行状态，从而得到目前长叶片的运行状态，实现长叶片的健康监测和管理。

步骤4、通过叶片运行状态得到汽轮机安全性

叶片运行状态是汽轮机安全性的关键评价指标，步骤3所获得的叶片运行状态信息和汽轮机安全性相对应。即通过步骤3中得到的长叶片的运行状态判断汽轮机的安全性。

步骤5、通过叶片运行状态或汽轮机安全性得到汽轮机的寿命评估

当叶片工作在某一特定工况下，通过收集该时刻的温度、应力、运行时间，查阅材料持久强度得到相应的寿命，并利用下式得到汽轮机服役期间的总寿命损耗，进而进行汽轮机的寿命评估。

式中，τ_i指在叶片运行状态i下的汽轮机实际运行时间，τ_b,j指在叶片运行状态i下的寿命，τ_b指汽轮机服役期间总寿命损耗。

实施例2基于叶片振动参数进行汽轮机安全性监测和寿命评估的系统

为了匹配实施例1中的方法，本实施例提供了汽轮机安全性监测和寿命评估系统，按实现功能分类，共有四个子系统(第一子系统、第二子系统、第三子系统、第四子系统)。其中，对应实施例1中步骤1的信号采集和预处理层级集成于第一子系统内，步骤2的信号调理层级集成于第二子系统内，步骤3的故障甄别和故障诊断层级集成于第三子系统内，数据显示和人机交互层级集成于第四子系统内，核心算法为基于状态的汽轮机长叶片故障监测和诊断算法。

第一子系统集成监测汽轮机长叶片运行状态的各类传感器，并将汽轮机长叶片的运行数据和监测信息做预处理，便于后续分析。第一子系统所预处理后的数据引入第二子系统，第二子系统将数据信号经过信号调理后扩充生成系统信号并同时输入至第三子系统和第四子系统。第三子系统利用经过调理的汽轮机长叶片振动信息和运行工况信息进行故障监测和诊断，并将相应结论输出至第四子系统。第四子系统集成第二子系统、第三子系统的输出信号，通过预设的人机显示界面，将汽轮机长叶片的健康监测结果以简洁直观的形式输出，便于电厂运维人员和设备专家分析。具体的，

1)第一子系统

在汽轮机长叶片旋转过程中，除了汽轮机系统已有的各测点和监测手段外，加装汽轮机长叶片非接触式测量所需的传感器，通过测量叶片参数(如固有频率、到达时间和到达角度等)，实现对长叶片故障的检测，包括叶片微动磨损、裂纹、弯曲和叶片松动等。第一子系统将所采集信号进行预处理，并将预处理后的数据引入第二子系统。传感器的设置和参数参见实施例1。

2)第二子系统

采用4通道信号调节器，该设备用于放大来自第一子系统的长叶片振动信号，并将数据传输到数据采集板。第二子系统的调节频率响应范围在0.05Hz至50000Hz之间，可以完成对第一子系统的数据信号调理。第二子系统输出的数据通过LABVIEW软件记录，并备份存储至第四子系统上。

3)第三子系统

利用经过调理的汽轮机长叶片振动信息和运行工况信息进行故障监测和诊断，识别叶片目前运行的状态，也可对叶片故障进行甄别，如叶片是否存在装配缺陷、松动、裂纹、震颤、微动磨损、高周疲劳、低周疲劳等缺陷，并将相应结论输出至第四子系统。

4)第四子系统

至少包括液晶显示器，显示的内容涵盖汽轮机长叶片转速值、故障信息、运行状态等单元。硬件部分配备有键盘和鼠标，用户可以在人机交互界面中轻松更改程序以满足操作要求，可以根据需要执行以下操作：(i)采样信息自动校准，(ii)固定或自由设置范围，(iii)图表缩放，(iv)显示运行状态和故障信息。

本发明提供了一种基于叶片振动进而进行汽轮机故障诊断的技术方案，实现汽轮机的安全性监测和寿命评估，提高汽轮机长叶片运行过程中的故障监测能力。第一子系统采用非接触和非破坏性的测量方式获取长叶片振动信息，第二子系统对采集信号进行信号调理，第三子系统基于叶片振动信息，采用故障诊断方法对状态信息进行特征匹配和故障甄别，第四子系统将各类信息集成至人机交互界面，故障诊断结论由系统实时运行数据进行特征匹配后得到，便于电厂运维人员和设备专家分析，提高了汽轮机安全性监测和寿命评估的精确性和便携性。

本发明的方法基于汽轮机运行过程中的各振动状态参数(叶片振动幅度、瞬时角速度、轴承振动和外壳振动的轴扭转振动等振动相关信息)，根据监测数值得到叶片振动实时运行过程中的变化特性，将实时变化特性和故障特性做比对，实现故障诊断，并计算汽轮机的实时寿命，实现汽轮机寿命的实时评估；故障诊断过程和寿命评估过程无需中断汽轮机运行。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (13)

1.一种汽轮机安全性的监测方法，其特征在于，包括如下步骤：

对汽轮机的振动数据进行收集、存储和预处理，并得到预处理后的数据；

将所述预处理后的数据转化为系统信号；

将所述系统信号和数据库中的故障信号进行比对，得到叶片运行状态，并判断汽轮机的安全性。

2.根据权利要求1所述的监测方法，其特征在于，所述汽轮机的振动数据包括叶片的振动数据以及反映叶片振动信息的汽轮机其它部件的振动数据；所述叶片的振动数据通过采用光学传感器和/或涡流传感器得到。

3.根据权利要求2所述的监测方法，其特征在于，所述叶片振幅通过如下公式计算得到：

P＝n·πD·ΔT/60

式中，P为叶片的振幅，n为转速，D为叶顶监测位置的直径，ΔT为叶片尖端实际到达时间与理论达到时间上的时间差。

4.根据权利要求1所述的监测方法，其特征在于，所述预处理按照如下步骤进行：将振动数据采用拉伊达法则进行数据筛选，剔除因传感器读数异常所测得的明显超限的数据，随后进行滤波和归一化处理。

5.根据权利要求2所述的监测方法，其特征在于，所述汽轮机的长度延伸方向上设置有多组传感器，一组传感器对应一组叶片，每组传感器对应设置在一组叶片的宽度方向范围内。

6.根据权利要求5所述的监测方法，其特征在于，每组传感器至少包括两个光学传感器和一个涡流传感器，所述涡流传感器设置在两个光学传感器之间。

7.根据权利要求6所述的监测方法，其特征在于，相邻所述传感器在所述汽轮机横截面上的投影对应的圆心角为30～60°；和/或，多个所述传感器在所述汽轮机纵截面上的投影位于不同的水平面和竖直面上。

8.根据权利要求1所述的监测方法，其特征在于，采用通道信号调节器将所述预处理后的数据转化为系统信号；所述系统信号包括时域信号、频域信号、短时傅里叶变换信号、瞬时角速度信号、时间同步平均信号。

9.根据权利要求1所述的监测方法，其特征在于，所述数据库存储有汽轮机叶片在正常运行状态下或故障状态下的叶片振动信息。

10.根据权利要求9所述的监测方法，其特征在于，所述故障状态包括叶片开裂、高周疲劳、叶片摩擦、叶片根部松动、侵蚀、蠕变和腐蚀。

11.根据权利要求10所述的监测方法，其特征在于，所述比对为将得到的系统信号和数据库中的正常运行信息和故障特征信息分别进行最小二乘法计算，得到多组回归方程，找出最为匹配的回归方程，根据数据库得到该回归方程所对应的运行状态，从而得到目前长叶片的运行状态，实现叶片的健康监测和管理。

12.根据权利要求1所述的监测方法，其特征在于，所述步骤还包括通过收集某一工况下叶片实时的温度、应力、运行时间，计算得到汽轮机服役期间的总寿命损耗。

13.根据权利要求12所述的监测方法，其特征在于，所述总寿命损耗利用如下公式计算得到：

式中，τ_i指在叶片运行状态i下的汽轮机实际运行时间，τ_b,j指在叶片运行状态i下的寿命，τ_b指汽轮机服役期间总寿命损耗。

Images