【摘要】随着我国综合国力的提升，国内对能源的需求量逐年增加，机组向大型化、节能化方向发展，不可避免的火电机组的汽轮机也在朝着大型化、高速化的方向发展。火电机组增效扩容提高生产效率的同时，对设备的安全运行的要求也变得越来越严格。汽轮机组震动的状态监测与故障诊断，是保证汽轮机安全经济运行的重要途径。本文从汽轮机震动常见故障转子质量不平衡、设备动静碰磨、转子不对中等出发，介绍了汽轮机专家型、神经网络方法和支持向量机等汽轮机震动故障诊断流程和决策方法。
【关键词】故障诊断；汽轮机；专家系统；神经网络；支持向量机
0前言
现在国产机组容量都较大，在现代化生产中，设备运行过程中的任何故障不仅直接影响产品的产量和质量，还可能造成严重的设备和人身事故。要使机组设备安全、可靠、有效地运行，充分发挥其效益，必须发展过程监测和故障诊断技术。从众多学者的研究趋势来看，目前汽轮机故障的智能诊断策略和方法式当今故障诊断技术发展的一个方向，特别是这几年来专家系统的应用和实施，它使故障的智能诊断方式提供了一个可行的途径，是故障诊断进入了一个从未有过的全新阶段。在强大的专家系统的研究之后，许多学者将人工智能应用于故障诊断，赋予程序机器学习的能力，让诊断更加智能，研究成果十分诱人。在对具体某一台设备进行故障诊断前，需要针对性的建立故障诊断模型，学习该设备的历史数据。具体过程包括：提取历史数据特征，生成训练样本；学习训练样本，训练出合格的模型参数。完成建立模型的工作后，故障诊断系统便拥有了对该设备的故障诊断能力。建立诊断模型工作需要独立于故障诊断系统提前完成，应建立一个针对该设备的故障模型训练系统，得到故障诊断模型参数并传递给故障诊断系统；同时，如何使系统更加方便非专业人员的操作，也是研究的重点。
1汽轮机运行常见故障
电厂汽轮机设备震动故障是多种多样的，但是从总体上来看，汽轮机震动故障可以分为几大类，具体的来说主要有转子质量不平衡、设备动静碰磨、汽轮机转子不对中、汽轮机转子中心孔进油。转子质量不平衡常常会使转子在不平衡的力的共同作用下发生一定程度的震动，转子质量不平衡震动特点很明显，它的震动频率与转速同频，震动幅值按照共振曲线变化，一定的转速下，复制和相位保持稳定，轴心轨迹呈椭圆或圆形。引起转子不平衡的因素很多，但是一般是由于零件脱飞或转子热弯曲等造成的。设备的动静碰磨在汽轮机设备运行过程中也较为常见，但是动静碰磨不像转子质量不平衡那样容易确认，它的确认一般需要通过开缸处理。这也是研究汽轮机故障诊断的主要原因，如果能够通过一定的手段将这些故障确认而不需要开缸处理，那将对机组的运行性能和效率有很大的提高。然后是汽轮机转子不对中，他可以通过转子震动的时域波形上的旋转基本频率中出现工频的高次成分或轴心轨迹为香蕉形等就可以初步断定为转子不对中。汽轮机转子进油会使工频震动增大，通过清理中心孔可以快速解决振动问题。为解决汽轮机震动过程中的常见故障，进行汽轮机故障诊断的研究是十分有现实意义的。本位介绍了目前汽轮机震动检测和故障诊断的的研究方法，为汽轮机故障诊断和汽轮机检修维护提供了理论基础。
2旋转机械故障诊断技术
电厂的汽轮机属于大型旋转设备，由于其转速较高、体积庞大，发生故障后果将不堪设想，将对生产和人身造成不可估量的损害，旋转机械的故障诊断和判别是汽轮机故障诊断过程中十分重要的一个过程，汽轮机故障的诊断过程一般包括三个过程，分别为：1）信号采集过程，在这个过程中通过汽轮机组上的各个测点测量汽轮机各处的运行参数，将这些能反映汽轮机运行故障的参数汇总，并且反应给诊断者，这些信号主要有汽轮机的震动频率、振幅、轴心轨迹等。信号采集是故障诊断的最初始的一部分，它的正常运行将直接影响诊断结果的准确性，所以诊断过程中一定要合理选用仪表。2）特征的提取过程，这一部分通过对采集到的信号进行处理，提取信号中所包含的一些特征信息，所谓提取特征，其实就是对采集信号的一种在处理的过程，包括时域分析、频谱分析等多种方式，如果能合理的掌握并提取不同故障下的特征将使实际的诊断过程变得简单有效。3）最后就是基于信号特征进行故障的决策和分类，着以过程往往要借助于大型的数据库进行神经网络模式识别，或者利用支持向量机的方法探讨故障的种类。目前故障的决策方案主要有模糊模式识别、专家系统、支持向量机等方法。
3故障诊断决策方法
在对机械设备进行故障诊断初期，故障的诊断和确定只能凭借工人的经验来进行。显然，这类诊断方法对工人的素质要求很高，同时诊断时间往往很长，响应速度很慢，并且往往会出现故障处理不当引起的二次事故。由于以上的问题，国内外学者正在寻求一种更加先进的诊断方案和方法，就在这时人工智能技术逐渐引起了学者的注意，并且通过各种故障诊断方法将该项技术应用于故障诊断的领域中来，并且随着时间的推移，人工智能的故障诊断方法变得越来越合理和有效。基于智能方法的故障诊断方法目前有多中，其中应用较广，让学者比较认可的有专家系统、神经网络以及支持向量机方法，其中，故障诊断的专家系统主要研究的是知识的获取、表示和故障识别的问题，首先，知识的获取是通过领域内相关专家对所研究故障知识的积累，这些知识积累的成败直接影响专家系统的成败。知识的表示就是通过计算机代码的形式，表现从专家出获取的知识，并且通过特定的过程将获取的知识进行存储分类，知识的表示方法多种多样，同一个知识就有多个表示方法，不同的表示方法在解决同一个问题时往往会表现出不同的效果。专家系统的缺陷首先表现在它对数据库的构建上，他需要储存大量的知识，对数据库的容量需求很大，另外他获取知识需要大量的时间。其次是神经网络方法，该方法与专家系统一个共同的特点是均需要利用大型数据库，它将数据的每个发生过的特定故障构成一个记忆，当特定信号的故障发生时，将直接激发改过程的回忆，反馈给实验人员并且确定故障发生的原因，但是由于神经网络方法自身的特点，研究人员对该故障诊断方法的研究结果显示，建模过程往往不易收敛，且在较多参数是计算量巨大，性能直线下降，另外该方法需要大量的样本对系统进行训练，训练样本的选取也将直接影响诊断的成败。最后，要讨论的是支持向量机方法，该方法是目前较为先进的一种诊断方法，它通过一种基于统计力学的学习方法将故障进行记忆并且学习，该种诊断方案具有极强的鲁棒性，能够在样本极少的情况下实现故障的诊断，这是该方法较神经网络方法的一大进步。
4结论
汽轮机振动问题是目前汽轮机运行中经常出现的问题，为了发现、诊断和处理火电厂汽轮机常见的振动问题，本文首先介绍了汽轮机汽轮机中常见的质量不平衡、转子不对中等故障，然后介绍了目前汽轮机震动检测的故障诊断和决策的常用方法，具体来说有故障诊断专家系统、神经网络方法以及支持向量机方法。这些方法通过一些较容易测得的量来推测和分析故障的原因，可以为汽轮机组的运行决策提供理论基础。
【参考文献】
［1］刘峻华,黄树红,陆继东.汽轮机故障诊断技术的发展与展望[J].动力工程学报,2001,21(2):1105-1110.
［2］马静楠.电厂汽轮机故障诊断技术分析[J].山东工业技术,2015(13):156-156.
［3］张建华,侯国莲,孙晓刚,等.采用概率神经网络的汽轮机故障诊断方法[J].动力工程学报,2005,25(5):698-701.
［4］阮跃,徐世昌,黄文虎.汽轮机故障诊断专家系统的知识获取[J].中国电力,1997(2):11-13.
作者：赵博 单位：辽宁大唐国际锦州热电有限责任公司
相关专题：服装企业税收征管浅析 四川警察学院学报
