循环流化床粉煤灰

第 38 卷第 6 期2023 年 12 月
Vol.38 No.6
Dec. 2023电力学报
JOURNAL OF ELECTRIC POWER
文章编号：1005-6548（2023）06-0525-16 中图分类号：TM621.7 文献标识码：B 学科分类号：47040 DOI：10.13357/j.dlxb.2023.056开放科学（资源服务）标识码（OSID）：
磨煤机故障检测与诊断方法综述
王之武1，程智海1，孙康1，娄中发1，谢明红2，王迪1
（1.上海电力大学能源与机械工程学院，上海 201306；2.贵州华电桐梓发电有限公司，贵州遵义 563200）
摘要：磨煤机工艺机理复杂，工况多变，在运行过程中经常会出现各种故障状况，这些故障将直接影响锅炉的安全与稳定运行，因此磨煤机的安全问题一直备受关注。

为了确保锅炉的正常运行，准确地检测和诊断磨煤机故障显得尤为关键。

首先，简要介绍了低速磨煤机和中速磨煤机的工作原理与特性，并总结了磨煤机常见的故障类型及其对制粉系统的影响；接着，将现有磨煤机故障诊断方法归纳为定性分析和定量分析，并从定性和定量两个方面全面阐述了磨煤机故障检测与诊断的方法。

针对磨煤机故障诊断的各种方法，评述它们的优缺点，提出了结合或改善的方法；最后，根据实际磨煤机故障诊断的重点和难点，指出磨煤机故障诊断方法未来可能的发展方向和故障诊断系统应该具备的特点。

关键词：磨煤机；故障诊断；定量分析；定性分析
Review of Fault Detection and Diagnosis Methods of Coal Mills
WANG Zhiwu1，CHENG Zhihai1，SUN Kang1，LOU Zhongfa1，XIE Minghong2，WANG Di1（1.School of Energy and Mechanical Engineering， Shanghai University of Electrical Power， Shanghai 201306， China；
2.Guizhou Huadian Tongzi Power Generation Co.， Ltd.， Zunyi 563200， China）
Abstract：The process mechanism of the coal mill is complex， the working conditions are changeable， and vari⁃ous fault conditions often occur in the operation process， which will directly affect the safety and stable operation of the boiler， so the safety of the coal mill has always attracted much attention. In order to ensure the normal op⁃eration of the boiler， it is particularly critical to accurately detect and diagnose coal mill faults. Firstly， the work⁃ing principle and characteristics of low-speed coal mill and medium-speed coal mill are briefly introduced， and the common fault types of coal mill and their impact on the pulverizing system are summarized， and then the ex⁃isting fault diagnosis methods of coal mill are summarized into qualitative and quantitative analysis. The meth⁃ods of fault detection and diagnosis of coal mill are comprehensively expounded from both qualitative and quanti⁃tative aspects. In view of the various methods of coal mill fault diagnosis， the advantages and disadvantages of them are reviewed，and the methods of combining or improving are proposed.Finally，according to the key points and difficulties of the actual coal mill fault diagnosis， the direction of the future possible development of ＊收稿日期：2023-11-15
作者简介：王之武（1996—），男，硕士研究生，从事磨煤机故障诊断方面的科研工作，2505768923@；
程智海（1976—），男，博士，副教授，从事煤电机组动态优化控制技术等方面的科研工作，@；
孙康（1998—），男，硕士研究生，从事锅炉数值模拟方面的科研工作，mn15245678@；
娄中发（1993—），男，硕士研究生，从事磨煤机数值模拟方面的科研工作，m158********@；
谢明红（1982—），男，本科，工程师，从事煤电机组运行方面的科研工作，306122842@；
王迪（1998—），男，硕士研究生，从事化学法吸收二氧化碳方面的科研工作，962875082@。

引文格式：王之武，程智海，孙康，等.磨煤机故障检测与诊断方法综述［J］.电力学报，2023，38（06）：525-540.DOI：
10.13357/j.dlxb.2023.056.
第 38 卷电力学报the coal mill fault diagnosis method and the characteristics of the fault diagnosis system are pointed out.Key words ：coal mill ；fault diagnosis ；quantitative analysis ；qualitative analysis
0 引言
风电和光伏的装机容量不断提升，但因其具有波动性和不稳定性的特点，火电机组仍然是电力供应的“压舱石”。

近年来，火电厂由于设备故障而引起的非计划停机，给电厂造成了较大的经济损失，制粉系统作为煤粉锅炉的重要组成部分，包括给煤机、一次风机、磨煤机、连接管道等设备，是锅炉燃烧的重要辅助系统。

磨煤机作为控制燃煤粒度的关键部件，其具有工艺机理复杂、工况多变的特点，性能异常状态一旦出现，会影响锅炉、发电机、汽轮机等设备的安全稳定运行。

随着煤电机组灵活性改造的推进，提升煤电机组的灵活调峰能力，对磨煤机性能检测和诊断的及时性和准确性提出了更高的要求。

磨煤机状态监督和诊断对于确保火电机组的正常运行至关重要，磨煤机的先进监督方法、故障检测和故障诊断方法受到了科研人员和一线工程师的广泛关注［1］。

为了提高磨煤机的安全性、可靠性和稳定性，及时发现和维护磨煤机故障，提升机组运行的安全性一直是重要的研究课题［2-3］。

此外，在智能电网“绿色”发展的理念中，磨煤机的性能监测也是重要考察指标之一［4］。

本文总结了磨煤机的故障类型，对磨煤机故障检测与诊断相关技术的研究现状进行了分析，并结合现有故障诊断技术，分析了磨煤机故障检测技术未来可能的发展趋势。

1 磨煤机类型及故障描述
1.1　磨煤机类型　
磨煤机根据速度可分为低速、中速和高速磨煤机，其中低速和中速磨煤机是燃煤电厂常使用的类型，以下分别对这两种磨煤机的工作原理和结构展开介绍。

1.1.1　低速磨煤机　
低速磨煤机是最常见的磨煤机类型，也被称作球磨机。

它由水平的空心圆筒和小直径的钢球构成，钢球填充圆筒体积的25%~30%，圆筒内部安装波浪形衬板，通过螺栓连接在筒体上，磨煤机筒体围绕纵轴旋转，当旋转时，钢球通过衬板提升一定的高度，
然后砸向原煤进行研磨。

相较于中速磨煤机，
球磨机具有较大的功耗，但结构坚固，维护需
求较少，并具备较大的煤粉储存容量，因此对
负荷变化的响应速度非常快。

然而，球磨机使
用钢球进行研磨会产生较大的噪音。

球磨机
可以分为单进单出球磨机和双进双出球磨机，
在单进单出磨煤机中，一次风和原煤从一端进
入，从另一端出去；而双进双出球磨机具有两
路风，一路为容量风直接进入筒体，将研磨好
的煤粉带出筒体，另一路为旁路风，进入混料
箱对原煤进行干燥，此外，在低负荷时旁路风
可以确保煤粉管道具有良好的煤粉输送速
度［5］。

典型的球磨机结构如图1所示。

1.1.2　中速磨煤机　
中速磨煤机因经济实惠而深受火电厂欢迎，但其储煤能力相对较低。

中速磨煤机可分为辊-盘式中速磨、辊-碗式中速磨、球-环式中速磨与辊-环式中速磨［6］。

以碗式磨煤机为例，原煤从入口管道进入磨煤机，并落在以恒定速度旋转的台或碗上，在离心力的作用下原煤向外移动，在台上被滚轮碾碎，
碾碎的煤粉被一图1　低速磨煤机结构图Fig.1　Structure diagram of low -speed coal mill
526
第 6 期王之武，等：磨煤机故障检测与诊断方法综述次风吹起并干燥。

在这个过程中，较重的煤颗粒落回碗
中进一步研磨，而较小和较轻的煤颗粒则被带入气流，
输送到煤粉分离器中。

在煤粉分离过程中，较轻的煤粉
颗粒被送到磨煤机出口，而较重的煤粉颗粒则被送回磨
煤机做进一步处理。

典型的碗式磨煤机结构图如图2
所示。

1.2　磨煤机的故障类型　
磨煤机故障的清晰分类有助于我们了解各种故障，
并设计出合理的故障诊断系统。

通过深入研究磨煤机
故障，对常见磨煤机故障进行分类，总结其故障特征以
及造成的影响。

文献［7-13］对磨煤机常见的几种故障
类型和特征进行了研究总结。

本文参考了前人的总结
和分析，对电厂中磨煤机常见的故障进行了整理，
见表1。

2 故障诊断方法
故障诊断是一种科学技术，定义为设备在一定的工作条件下，通过运行状态信息确定异常原因和性质，并判断故障位置，预测故障演变并做出决策［14］。

故障检测与诊断系统包括三个关键过程：故障检测，
即确定
图2　中速磨煤机结构图Fig.2　Structure diagram of medium -speed coal mill
表1　磨煤机常见的故障的描述、影响及特征征兆
Tab.1　Description ， impact and characteristic signs of common faults of coal mills
常见故障类型
球磨机变速箱故障润滑油系统故障球磨机满煤球磨机空磨球磨机堵磨堵煤中速磨煤机入口断煤中速磨煤机堵煤自燃故障
描述齿轮和轴承出现损坏油泵磨损故障、油路油箱漏油当磨煤机的煤料给入量超过了磨煤机容积的最大通过能力和排出量，使磨煤机逐步失去了磨煤能力的现象
当给煤量或煤粉浓度很低时，磨煤机内煤量少，形成空磨的结果，造成严重的过研磨现象球磨机煤料给入量超过磨煤机容积的最大排出量落煤管堵煤或给煤机故障导致的磨煤机入口煤量减少原煤水分过大、风煤比失调煤量过多导致的磨煤机内部煤粉大量堆积并且无法被一次风送入炉膛燃烧
冷热风比失调、煤粉挥发分较高或有易燃物造成磨煤机内部着火故障特征振动异常轴承温度上升，静压轴承油压下降或上升，油流量减少前期电流增大，后期输出功率下降表现
为电流减少，磨煤机滚筒内声响减弱，风机电流下降，磨煤机轴承振动异常，
磨前后压差变大电流减少，筒内发出的声响增强，风机电流下降，磨煤机轴承振动异常、入口负压变大，风机入口负压变小，磨煤机出口温度上升，磨煤机通风量变大
磨煤机进出口压差变大，出口风温升高，电流增大
磨煤机电流下降，进出口压差减少，出口温度升高
磨煤机出口压力下降，进出口压力增加，出口风粉混合物温度下降，开始电流稍微增大后转为急剧下降磨煤机出口温度快速升高，一次风量降
低，进出口压差下降，磨煤机入口负压变正，风机入口负压变正、电流变大造成的影响造成传送失去动力，磨
煤机停止工作
无法正确地去除热量，增加了齿轮箱、轴承、轴
和密封件等驱动部件的
磨损、摩擦和失效情况
磨煤机失去研磨能力磨煤机失去研磨能力磨煤机停止工作影响锅炉的稳定运行影响锅炉的稳定运行磨煤机爆炸
527
第 38 卷电力学报系统中是否发生了故障；故障诊断，即诊断已经发生的特定故障类型，包括确定故障类型、位置和检测时间；故障识别，即判断故障的大小和随时间变化的趋势［15］。

故障诊断技术涉及多个理论技术，包括控制理论、信息融合、信号处理、可靠性理论、模糊理论、传感器技术、模式识别、人工智能等［16］。

德国的FRANK 将故障诊断方法分为三类，即基于知识、基于信号处理和基于解析模型的故障诊断方法［17］。

随着故障诊断的理论和技术不断发展，周东华对故障诊断方法进行了重新分类，将故障诊断方法分为定性分析方法和定量分析方法，其中定性分析方法包括图论方法（故障树等）、专家系统等，定量分析方法包含了基于解析模型、基于机器学习和基于信号处理等方法，其对故障诊断方法的分类如图3所示［18］。

随着新能源的不断发展，火电机组需要参与深度调峰，导致磨煤机经常处于变负荷运行状态，增加了故障发生的可能性，也会在一定程度上影响锅炉燃烧安全［19］。

而传感技术、信息处理技术和计算机技术的快速发展，为磨煤机的故障检测提供了关键的技术支持［13］。

针对磨煤机，研究通常包括了定性分析和定量分析方法。

因此，本文分别从定性分析和定量分析的角度，对磨煤机的故障检测技术展开论述。

3 磨煤机的故障诊断策略
3.1　故障征兆参数选择方法　
磨煤机作为制粉系统的重要组成设备，磨煤机在发生故障时，除了自身监测的状态参数会变化，制粉系统的其他设备状态参数也同样受到影响。

因此，磨煤机在进行故障监测与诊断时，需要使用传感器获取整个制粉系统的相关状态参数以判断磨煤机是否正常运行。

制粉系统作为锅炉的重要辅助系统，在生产运行中生成大量数据，这些数据为磨煤机智能建模提供了基础［19］。

制粉系统运行的监测参数高达几十个，其中一些参数是冗余的，且很难用数学关系表达不同参数间的定量关系，若将所有参数全部用来分析会使诊断
模型的稳定性和可靠性降低。

因此，选择与故障类别紧密相关的征兆参数显得非常重要［11，13］。

然而，由于传
感器可能存在偏差或故障，过程测量存在不充分或不可靠，这也增加了磨煤机故障诊断的任务难度［20］，因此如何去选择准确、可靠且具有代表性的征兆参数变得尤为重要。

选取故障征兆参数的方法通常可以通过机理分析［11］或利用算法对数据降维来实现。

机理分析的方法是分析征兆参数变量和故障类型的影响关系，以确定与故障相关的征兆参数变量。

赵刚，等［11］通过机理分析选择了对制粉系统故障分析有用的故障征兆参数；费树岷，等［21］利用粗糙集算法对选定的故障征兆参数数量进行降维，缩短了检测时间。

另一种方法是利用算法实现数据降维，包括相关系数法、粗糙集理论算法［13］、主成分分析法［22］、特征评估法［16］对征兆参数和故障类别进行分析，以确定对故障类别有较大影响的征兆参数。

金秀章，等［23］分别利用相关性分析和主元分析对数据进行降维，基于多元状态估计方法建立电厂一次风机的故障预警模型，比较发现主元分析降维有更好的预警效果。

陈波，等［24］利用主成分分析方法和广义回归神经网络建立了磨煤机的安全预测模型。

因此，正确筛选征兆参数可以节省资源、提高效率，并实现更好的诊断效果。

在定量分析方法中，由于磨煤机的异常工况具有随机性并且可能引发安全问题，电厂通常不会模拟磨煤机的故障工况获得数据，这给获取异常数据增加了困难。

为解决这个问题，
研究人员采用模拟故障的方图3　故障诊断方法的分类［18］
Fig.3　Classification of troubleshooting methods
528
第 6 期王之武，等：磨煤机故障检测与诊断方法综述法来获得故障数据，以进一步对磨煤机进行故障分析。

陈立志［8］对磨煤机的机理分析建立磨煤机的灰箱模型，通过灰箱模型模拟典型故障，利用模拟出来的典型故障数据进行磨煤机故障检测研究。

然而模拟也无法反应真实的故障情况，因此及时记录保存故障数据非常重要［25］。

定性分析的故障诊断方法，需要及时真实记录磨煤机的故障机理、原因和时间，并结合专家经验，才能后续借助科学方法制定磨煤机的故障检测与诊断系统。

3.2　基于定量分析的磨煤机故障检测方法　
3.2.1　基于解析模型的磨煤机故障诊断　
基于解析模型的故障诊断方法是通过对磨煤机进行机理分析，利用数学方法建立系统数学模型，根据建立的数学模型与实际系统输入输出量进行残差分析来实现对磨煤机的故障检测［26］。

残差实际上与被诊断的设备系统是否正常运行状态相关，由系统输入输出数据构成函数，在无故障时残差表现为零。

基于解析模型的故障诊断主要方法有参数估计法［27］、状态估计法［28］、等价空间法［29］。

基于解析模型的故障诊断流程见图4。

参数估计法是依据模型参数与相应物理参数的变化实现对故障的监测和诊断。

已有许多研究人员利用参数估计法对磨煤机故障进行了研究，其中，FAN ，等［30］基于磨煤机内部系统能量和质量守恒，建立了磨煤机内部状态数学模型，根据建立的模型，通过磨煤机各种输入量计算出输出量出口温度，依据磨煤机系统内质量与能量变化对其内部状态进行判断。

梁修凡［31］基于机理与数据建立磨煤机的灰箱模型，利用统计理论方法依据模型输出值和现场测量值的残差判断是否发生故障，再利用多尺度小波分析对故障类别进行识别。

文献［24-36］报道了使用基于解析模型的故障诊断来识别磨煤系统中存煤问题的相关研究成果。

除了基于参数估计法的故障检测和诊断方法外，一些研究者还进一步开发了更加详细的磨煤机模型，将磨煤机划分为不同的区域，分别建立煤、水的质量和能量方程，以实现对磨煤机的故障诊断与检测［37-42］。

参数估计法可适用于不同类型的系统和故障，具有较好的适应性和灵活性。

但其对数据质量的要求高，准确性和可靠性受到数据质量的影响，如果数据存在噪声、缺失或异常值较大的问题，则估计结果会受到较大影响。

因此，该方法需要对数据做进一步的选择和清洗。

基于解析模型中的状态估计方法也是实现设备系统故障检测的可行技术，状态估计方法是基于相似性原理，利用正常运行状态数据进行建模，通过计算模型产生的计算值与实际值的残差来检测系统，如果残差在允许范围内，则表示运行状态正常；如果残差超出最大范围，则有可能与故障相关［43］。

多元状态估计方法具有包容性特点，即使数据之间不相关也不会对其他变量的预测造成负面的影响，对关键矩阵进行运算即可完成模型训练［44］，但其对数据质量的要求高，因此需要对数据选择和清洗。

张琨［44］、胡杰［45］、陈星宇［46］等利用该方法建立了制粉系统相关设备在线监测预警模型。

状态估计技术在磨煤机故障检测中的应用也比较多。

等价空间法是将系统在不同状态下的信号映射到一个等价的空间，使得不同工况下的信号可以进行比较和分析。

这种方法通常涉及信号的变换和映射，例如通过数学变换、特征提取或降维技术将原始信号转换到等价空间中进行分析。

在等价空间中，不同工况下的信号表现为特定的模式或特征，这些特征可以用于识别系统中的故障或异常情况。

等价空间法能够对系统观测数据进行分析，通过确定故障所在的等价空间，实现故障位置的准确定位。

但等价空间法的有效性依赖于对系统状态空间的合理划分。

划分往往是基于专家经验或主观假设，可能存在不一致或不准确。

等价空间法的应用领域非常广泛，包括机械设备、电力系统、化工过程等领域的故障诊断，然而目前尚未将等价空间法应用于磨煤机的故障诊断中。

因此，未来的研究人员可以开展进一步的研究，以探索在磨煤机领域中应用等价空间法的可能性和价值［47-48］。

图4　基于解析模型的故障诊断步骤图
Fig.4　Analytical model -based fault diagnosis steps
529
第 38 卷电力学报基于解析模型的故障监测方法耗时且繁琐，并且仅用于少量故障问题。

由于设备存在多变性和不确定性，该方法会受到限制，不适用于结构复杂、工况多变的电厂辅机，需进一步与其他方法相结合。

综上所述，基于解析模型方法的特点以及建议结合或改善的方法如表2所示。

3.2.2　基于信号处理的磨煤机故障诊断　
基于信号处理的故障诊断方法，是利用信号处理方法提取仪器测量到的参数信号（如振动、电流）的特征值，如幅值、频率，通过时域和频域分析来实现故障诊断。

常用的信号分析技术包括频谱分析、小波变换、经验模态分解和傅里叶变换等方法［46］。

在采集电流等数据时，因为采集的数据是实际数据和噪声相集成的，会影响故障诊断的效果，因此需要进行降噪处理［49］，常用的噪声处理技术包括中值滤波和小波分析［13］。

在故障诊断领域，频谱分析法可用来帮助故障诊断系统确定机器或设备的故障类型和故障原因。

具体来说，频谱分析将信号分解成其频率组成，并在频谱图中显示，从而快速识别出异常频率成分。

例如，杨根喜，等［50］采用时域、频域相结合的分析方法对球磨机进行故障诊断，诊断结果正确地反映了真实故障。

此外，傅贵兴［51］通过球磨机的振动频谱分析确定了故障的原因和部位。

更进一步的，也可以将振动信号和参数变量结合起来分析，例如，ZHANG ，等［52］利用监测到的振动信号与磨煤机运行参数（如流量、压降、测量温度等）以及研磨过程进行建模，建立了一个在线密切监测磨煤机运行状况的系统，用于维护和安排磨煤机运行状况和发电需求。

该方法在系统正常运行的情况下进行故障诊断，无需中断系统操作或进行额外的控制操作，但频谱分析法通常只能提供系统信号的静态频谱特征，不能提供信号的时变特征。

小波变换法，可以将一个信号分解成一系列不同频率的子信号，这些子信号称为小波系数。

在故障诊断中，小波变换被用于分析机器或设备的振动、声音或电信号等数据。

通过对信号进行小波变换，可以提取出不同频率下的振动或声音成分，从而帮助故障诊断系统确定故障类型和故障位置。

具体而言，可以将原始信号分解成多个小波子带，然后对每个子带进行特征提取，得到故障诊断结果。

小波变换在故障诊断中具有较好的局部分辨能力和时频分析能力，即可以在时间域和频率域对信号进行分析，分析效果高度依赖于所选择的小波基函数。

该方法在机械、电气等领域的故障诊断中得到广泛应用。

例如，SU ，等［53］利用小波包处理技术将轴承振动信号转化为能量幅度，通过对振动特征和估计的煤量综合分析，可以实现对磨煤机超负荷和煤量不足等问题的诊断。

赵明，等［54］对球磨机进行研究，利用小波包频带分解技术对传感器获得的轴承振动信号进行特征量提取，通过统计分析特征量来对筒内球径配比进行诊断。

经验模态分解是一种自适应的信号分解方法，通常用于处理非线性和非平稳信号的时频分析。

在进行分解时，不需要预先设定任何基函数或外部参数，而是根据数据自身的不同时间尺度特征将信号分解成本征模态函数。

该方法能够有效地提取信号的局部特性，并且具有良好的适应性和灵活性。

近些年来，经验模态分解被广泛地应用到旋转机械设备的故障诊断当中。

其中，田峰［55］将经验模态分解方法运用到了磨煤机的故障诊断当中，通过经验模态分解对振动信号分解，提取出关键特征建立故障诊断模型，实现对磨煤机断齿和轴承磨损两类故障的诊断。

但在实际应用中，经验模态分解可能存在模态混叠的问题，即某些本征模态函数可能包含多个频率成分的叠加。

这可能导致对故障频率的估计不准确，从而降低了故障诊断的准确率。

傅里叶变换是将时域信号转换成频域信号，在频域上观察信号的频率特征和谱线分布，以便发现故障引起的频率成分变化。

故障诊断系统通过分析傅里叶变换后的频谱图，观察频率成分的变化和能量分布情况，对比正常和故障状态下的频谱图，发现故障所产生的频率成分异常，再根据频谱分析结果确定故障所引起的频率成分变化，然后结合设备的工作原理和特点，推断可能的故障类型和位置。

例如，吕海文［56］，朱
表2　基于解析模型方法的特点以及建议结合或改善的方法
Tab.2　Based on the characteristics of the analytic model approach and suggesting methods to combine or improve 故障诊断方法
参数估计法
状态估计方法
等价空间法优点适用于不同类型系统和故障不对其他变量预测有负影响不依赖于系统模型缺点数据的质量和准确性要求高数据的质量和准确性要求高系统状态空间划分主观建议结合或改善的方法故障征兆参数选择故障征兆参数选择模糊逻辑控制
530。