基于全息譜的機組狀態(tài)評估及故障診斷

蔡國娟

（中國石油化工股份有限公司天津分公司，天津 300271）

傳統(tǒng)的振動信號處理主要是采用以快速傅氏變換（FFT）為核心的經(jīng)典振動信號處理分析方法，包括時域分析、頻譜分析、相關(guān)分析、倒頻譜分析、包絡分析等。這些分析方法存在著兩方面的不足，首先這些方法將幅值和相位分離，甚至完全忽略了相位信息，致使診斷中丟掉了很多有用的信息；其次，這些方法都是孤立的去分析兩個方向的振動信號，沒有考慮它們之間的內(nèi)在聯(lián)系，往往難以得出可靠、準確的診斷結(jié)論。對于故障與信號特征之間的關(guān)系多是建立在單通道信息上，雖然也有一些截面雙通道的分析方法，但對于信息的融合量還不能完全適應準確診斷故障的要求。以全息譜技術(shù)為核心，構(gòu)建一整套信號分析和故障診斷技術(shù)，在充分融合設(shè)備振動信息的基礎(chǔ)上，能夠快速、準確區(qū)分診斷石化行業(yè)大型設(shè)備的常見故障，同時對相似故障和復合故障也有很強的區(qū)分能力。

1 機組狀態(tài)評估方法

采用二維全息譜的融合參數(shù)信息結(jié)合模糊分類技術(shù)的方法對機組進行狀態(tài)評估。主要原理如下：

設(shè)轉(zhuǎn)子截面兩個信號中的i階次分量為：

式中，αi，βi分別為i階初相位；Ai和Bi為i階幅值；ω為旋轉(zhuǎn)角頻率，第i階全息譜以向量方式表示為。式(1)可進一步表示成如下形式：

sx 和cx、sy 和cy 分別代表構(gòu)成二維全息譜的正弦和余弦系數(shù)。當t=0 時，對應的點[cx，cy]叫做二維全息譜的初相點，通過全息譜橢圓初相點的變化也可以反應機組運行狀態(tài)的變化?；谏鲜?，以構(gòu)造二維全息譜的正、余弦系數(shù)為基本參數(shù)，采用遺傳編程的方法構(gòu)造復合指標，選擇其中一組指標如下：，Hi可取為

式中，iH為構(gòu)造的復合指標。iH綜合了全息譜構(gòu)成的所有信息，比傳統(tǒng)的單一指標的分類能力更強。aH,rH,sH表示對應區(qū)域里的全息譜的復合指標的最大值。接著采用模糊分類基本原理，從能量的角度出發(fā)，將譜型在相應的全息譜圖上分為3個區(qū)域，如圖1 所示。其中AH域—低頻區(qū)域；RH域—工頻區(qū)；SH域—高頻區(qū)域。

圖1 全息譜的3個域劃分

利用iH用來指代式（3）中的aH,rH,sH，根據(jù)這3個區(qū)域上aH,rH,sH的大小及相對關(guān)系定義轉(zhuǎn)子振動的7 種標準樣本，如圖2 所示。

圖2 全息譜的模糊分類

2 機組故障診斷方法

通過全息譜參數(shù)結(jié)合概率神經(jīng)網(wǎng)絡來實現(xiàn)機組的智能診斷。根據(jù)全息譜能可靠地反映機組振動情況的特點，來獲取振動信號的特征量的，將故障數(shù)據(jù)進行全息譜分析后的特征量作為權(quán)向量對神經(jīng)網(wǎng)絡進行訓練，將診斷數(shù)據(jù)進行全息譜分析后的特征量作為網(wǎng)絡輸入，這樣的神經(jīng)網(wǎng)絡訓練速度快，同時又通過貝葉斯判定策略對機組故障類別進行合理判定。

為了便于進行旋轉(zhuǎn)機械的故障智能診斷，必須對轉(zhuǎn)子的故障進行科學的分類。同時，振動信號的采樣點數(shù)都比較多，直接將時域樣本輸入神經(jīng)網(wǎng)絡顯然不大可行，我們需要借助諸如FFT、全息譜等信號處理手段，從信號中提取某些時域或頻域特征，應用這些特征來進行診斷。借助先進的信號分析方法，包括時頻分析和全息譜等方法，可將轉(zhuǎn)子的常見故障分為14 種模式，各種故障及其對應的識別特征列如表1 所示。

表1 旋轉(zhuǎn)機械常見故障分類及特征

這些識別特征總的來說可以分為3 類，第一類包括表1 中的故障1 ～7，這一類根據(jù)與回轉(zhuǎn)頻率有關(guān)的某些頻率成分全息橢圓的大小、偏心率、旋向、偏斜角等特征來判定；第二類為表1 中的故障8 ～10，這類根據(jù)某些特定頻率的全息橢圓的特征來判定；第三類包括喘振、流體激勵、氣封磨損和支座松動，這4 種故障在頻域內(nèi)的特征均為低頻區(qū)存在有色噪聲帶，采用頻域特征分析的方法很難將它們區(qū)分開來，但其低頻濾波軸心軌跡呈現(xiàn)出不同的特征，由時域分析技術(shù)可知，低頻濾波軸心軌跡的復雜性可反映在垂直、水平方向的波形分布參數(shù)上，因此通過低頻段波形的時域統(tǒng)計特征值的方法來進行判定，具有很好的效果。

3 案例分析

某烯烴部裂解氣壓縮機組，汽輪機驅(qū)動端測點V2052X/Y 出現(xiàn)間歇式振動波動，每次振動波動過程持續(xù)5 ～15 分鐘，隨后恢復到原來的穩(wěn)定運行狀態(tài)，但振動波動的最大幅值有逐漸增長的趨勢，嚴重影響該機組的安全運行。選取具有代表性的時刻，即振動達到峰值時刻進行狀態(tài)評價及故障診斷。V2052X/Y 截面測點在該時刻數(shù)據(jù)的狀態(tài)評估結(jié)果和神經(jīng)網(wǎng)絡診斷結(jié)果圖如圖3 和圖4 所示。機組該測點的狀態(tài)應當歸于RH類，機組運行狀態(tài)一般，故障診斷結(jié)論如表2 所述。

圖3 V2052X/Y 截面測點該時刻的狀態(tài)評估結(jié)果

圖4 V2052X/Y 截面測點該時刻的神經(jīng)網(wǎng)絡診斷結(jié)果圖

表2 故障智能診斷結(jié)論

根據(jù)以上機組狀態(tài)評價及故障診斷結(jié)論，可以確定蒸汽透平頻繁地出現(xiàn)振動波動，主要是由于動靜件發(fā)生摩擦，而且極有可能是氣封或油封發(fā)生磨損，同時伴有異物進入轉(zhuǎn)子所致。

4 故障檢查

機組停車檢修開蓋后發(fā)現(xiàn)透平蒸汽室一個角環(huán)易損壞，并有部分碎屑進入透平過流部件，轉(zhuǎn)子兩端的油封結(jié)垢比較嚴重，圖5 為透平驅(qū)動端軸封結(jié)垢情況。機組更換結(jié)垢的油封開車后，在整個開車過程中蒸汽透平機組振動幅值正常，趨勢平穩(wěn)。運行至今，透平未再出現(xiàn)振動波動現(xiàn)象，運轉(zhuǎn)狀況良好。

圖5 透平驅(qū)動端油封結(jié)垢情況

5 結(jié)語

采用全息譜結(jié)合模糊分類方法對機組的運行狀態(tài)進行評價；全息譜結(jié)合概率神經(jīng)網(wǎng)絡技術(shù)實現(xiàn)對機組故障的智能診斷。通過一些特征譜圖快速診斷了此次異常故障的原因。機組檢修開蓋后，驗證了前期診斷的準確性。