汽轮发电机组常见的故障诊断技术毕业设计

摘要
汽轮机发电机组是电力生产重要设备，由于其设备结构的复杂性和运行环境的特殊性，汽轮发电机组的故障率一直比较高，故障危害性也大。

因此，汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。

汽轮机振动是影响机组安全运行的一个重要指标。

产生振动的原因是多种多样的，可以是某一个因素引起的，也可以是多方面因素引起的（其中故障更是导致振动异常的主要因素）。

且许多故障的征兆很相似，这就给振动分析和故障诊断工作带来很大困难。

汽轮机振动信号中一般含有大量的噪音，要求对振动信号进行消噪，还有对信号处理，
快速傅氏变换（FFT），是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。

它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。

然而，快速傅里叶变换的产生，使得傅里叶变换大为简化，在不牺牲耗电量的条件下提高了系统的运算速度，增强了系统的综合能力，提高了运算速度，因此快速傅里叶变换在生产和生活中都有着非常重要的作用，对于学习掌握都有着非常大的意义。

关键词：故障诊断振动监测汽轮机快速傅里叶变换
ABSTRACT:
KEYWORD:
目录
摘要
ABSTRACT
第一章绪论 4
1.1汽轮机组振动监测与故障诊断的概况 (4)
1.2汽轮机发电机组故障诊断处理的意义 (5)
1.3 国内外汽轮机组故障诊断处理发展状况 (6)
1.4快速傅立叶变换（FFT）应用于汽轮机故障诊断的简介 (6)
第二章汽轮发电机组常见的故障诊断技术 (7)
2.1 汽轮机组常见的故障类型及产生的原因 (7)
2.2常见故障诊断技术与方法的介绍 (9)
2.3故障诊断的步骤 (10)
第三章简介几种信号处理方法 (11)
3.1时域分析法 (11)
3.2频域分析法 (17)
3.3倒频谱分析法 (26)
3.4时频分析法 (31)
3.4.1传统的时频分析方法 (31)
1 短时傅立叶变换 (31)
2 Wigner-Ville 分布 (31)
3 小波分析 (31)
3.4.2基于经验的模式分解及其希尔伯特变换谱 (32)
1 瞬时频率与希尔伯特变换 (32)
2 基于经验的模式分解(EMD)及希尔伯特时频谱 (33)
3 该方法研究的有关问题 (34)
4 希尔伯特谱的边界谱特性 (35)
第四章快速傅里叶变换 (36)
4.1 引言 (36)
4.2傅立叶分析的类别及其联系 (37)
4.2.2连续非周期信号的傅立叶变换 (37)
4.2.3离散周期信号的傅立叶级数 (37)
4.2.4离散非周期信号的傅立叶变换 (38)
4.2.5离散傅立叶变换 (38)
4.3快速傅立叶变换的算法分析 (38)
4.3.1快速傅立叶变换提出的原因 (39)
4.3.2快速傅立叶变换的原理 (39)
4.3.3 FFT的特点和规律 (39)
4.4基2 快速傅立叶算法分析 (40)
4.5快速傅立叶算法的实现 (40)
4.3 FFT的实际应用 (42)
4.7总结 (45)
第五章结论 (46)
参考文献 (47)
第一章绪论
1.1汽轮机组振动监测与故障诊断的概况
振动是直接关系到汽轮机发电机组正常运行的一项重要指标。

自发电机组问世以来，振动测试分析、故障诊断与处理技术就随之产生。

在近一、二十年里，随着电力工业的迅猛发展，出现了与故障诊断相关的如下特点：机组日趋大型化、复杂化，自动化程度日益提高，现代电力生产对设备的可靠性，提出了更高的要求，机组参数的提高和容量的增加，使得由于轴系振动缺陷造成的机组非计划停机带来的经济损失也随之成倍地增加。

所有以上这些，都要求诊断技术必须迅速发展，以与生产现状相匹配。

早期的汽轮发电机组故障诊断方法为人工诊断，这是最原始的，却也是基本的故障诊断方法。

直至70年代它仍是我国电力系统主要的诊断方法。

实际上，当今大量的现场实际疑难振动，也还是采用这种人工故障诊断方法进行诊断分析，所不同的则是测量工具和信号分析手段不断改进和更新。

从本世纪70年代起，随着人工智能理论、电子技术和计算机技术的发展，为机理振动故障诊断技术向自动化、智能化发展提供了重要的先决条件。

诊断系统的智能化是指它可以有效地获取、传递、处理并利用相关信息，对给定环境下的诊断对象进行自动状态识别、故障判断和状态预测。

国外的资料表明：故障诊断的效果是明显的。

据日本统计，在采用诊断技术后，事故率减少75%，维修费用降低36%左右，英国对2000个企业进行的调查表明，诊断技术的采纳使得每年节省的维修费用达3亿英镑。

国内外汽轮发电机组故障自动诊断理论和技术在近20年得到快速发。

国内在大机组振动及状态监测、分析、故障诊断与处理等方面取得一定的成绩, 为电力的安全生产和保障主设备安全运行提供了重要的技术支持。

但是, 现今的状况仍然不能满足实际需要, 振动仍是当前影响大型机组运行的关键技术之一。

1988 年,曲靖电厂在新机组调试期间, 均由于振动缺陷影响了机组顺利投运。

全国各电网中在役大机组出现振动故障影响电力生产的事更是屡屡发生。

在 1988年6月, 在1个网局曾出现同时有5 台 200MW 以上的大型机组由于振动原因停机处理的紧急局面。

在 1988年10月, 北仑电厂1号600MW 东芝机组发生高压叶片断裂重大事故, 直接损失 2400 万元( 人民币) 。

本文概述了现今国内外机组振动故障技术, 包括当今故障诊断理论研究现状、应用开发情况等, 并对国内在此项技术发展中的一些相关问题进行了粗浅的讨论, 以期对今后的发展能有所启发。

1.2汽轮机发电机组故障诊断处理的意义
火力发电厂中的汽轮机、发电机都属于旋转机械，它们在电力生产中处于至关重要的的地位。

汽轮发电机组一旦出现故障，不仅会带来经济损失，而且会引起很严重的安全隐患，甚至会导致事故的发生。

理论上讲，转子的外形是一个轴对称的旋转体，其转子上面的叶轮、叶片都沿圆周均匀分布在转轴上。

但实际上，由于制造水平和装备的误差以及材质的不均匀，所以转子的几何中心不重合产生了质量的偏差。

在旋转状态下，偏心的质量是转子产生离心力，此离心力在任何一个通过旋转中心线的静止平面上投影是一个周期性简谐外力，这一简谐外力就会引起转子振动的激振力。

由于转子也是和其它弹性体一样，有自己固有的自振频率，当激振力频率和转子横向振动的自振频率相等时，会产生共振现象。

由于共振时，整个弹性体的振幅最大，动应力也急剧增加。

因此会对汽轮发电机组造成严重的影响，甚至发生事故。

汽轮机事故中，尤其是以振动所发生的事故所占的比例最大，因此我们可以把振动作为设备安全评估的重要指标。

一台机组正常运行，其振动值和振动变化是比较小的。

一旦机组振动值变大，或振动变得不稳定，则说明了设备出现了一定程度的故障。

随着国民经济水平的提高和技术的进步，汽轮发电机组向高容量高参数的方向发展。

蒸汽参数越高，容量越大，汽轮发电机组的故障就越复杂。

而且由于旋转机械故障的复杂性和多样性，如果发生故障，影响范围一般都比较大，同时这些引起故障的原因却非常复杂且不明显，要准确的判断出汽轮发电机组故障类型及故障发生的部位相当困难，检修时间和难度都会大大提高。

我们可以通过采取对汽轮发电机组故障诊断来减少或者避免类似情况发生。

设备的故障诊断是指在设备不解体的情况下，根据人类积累的经验和数据，采用一定的技术手段对设备所处的状态进行判断、对设备的故障及其发展及其发展变化进行诊断和估计的技术。

随着传感技术、微电子、计算机软硬件和数字信号处理技术、专家系统、模糊集理论等综合智能系统的应用，设备状态监测和先进诊断技术的研究得到发展，成为电力系统中的一个重要研究领域。

故障诊断的一般内容是：确定设备故障的性质、程度、类别和部位，明确故障、征兆、原因和系统之间的相互关系，指明故障发展趋势。

因此，通过对汽轮机发电机组运行过程中的故障诊断，及时有效的判断其状态，将使汽轮发电机长期、安全可靠的运行成为可能。

无论是从重要性还是具有的经济效益来衡量，都将对电力系统的安全运行产生重要的意义。

1.3 国内外汽轮机组故障诊断处理发展状况
我国对于故障诊断的研究开始于八十年代，初期主要应用于石化、钢铁行业，在九十年代以后，这一技术迅速的应用到我国工业领域。

旋转机械作为我国工业的原动机，使旋转机械的故障诊断成为了此技术应用到我国工业领域。

大型汽轮发电机组的在线监测与故障诊断技术在当时成为了国家‘七五’、‘八五’重大科技攻关项目，并在‘九五’期间继续受到支持，其重要意义是显而易见的。

西安交通大学、哈尔滨工业大学、清华大学等一些高校及西安热工研究院等一些研究单位在大型汽轮发电机组故障机理及其诊断技术研究方面总体处于国内领先水平。

但是，一方面由于研究的重点和目标受到某些方面的制约，仅仅局限在诊断技术的数学算法上，脱离或没有重视现场实际情况，也没有考虑实用性，导致偏离了故障诊断的研究本质，影响了故障诊断技术的推广；另一方面，我国用电量的需求不断增长，考虑节约能源及环保的要求，汽轮发电机组单机装机容量的不断增大，已有百万机组投产，而对于百万机组的故障诊断我国专家及公司尚未完全了解，许多常见故障机理、故障特征及现场诊断方法的研究还有待进一步的深入。

国外的故障诊断技术的研究及应用比我国要早将近半个世纪。

当前在国际故障诊断领域，美国在大型汽轮机组在线监测与诊断技术研究方面成绩突出，这些成绩归功于该国的信号与数据分析技术，因为这些技术是故障诊断技术的根本基础，诊断结果的准确性完全取决于信号与数据分析的准确与否。

在商业领域上，美国的几大专业性极强的公司，如Bently、IRD、BEI，长期从事对汽轮机组的运行和监控的研究，对机组可靠性、安全性与经济管理技术方面有了深入的认识，已经建立了强大的数据库管理系统，专家系统的研究已然十分深入，再加上雄厚的软件实力和庞大的实验数据，其在故障诊断领域的地位是很坚固的。

此外，在欧洲还有许多著名的故障诊断公司，如丹麦的B&K，德国的申克及日本的武田理研等，生产并维护着多种用于设备故障诊断的仪器及软件系统。

然而国外的在线监测系统、现场诊断仪器及诊断管理软件等一系列的诊断系统一般价格十分昂贵，且存在异地维修不便、缺少汉化而使用不便等问题，因此还难以在我国基层电厂普及。

还有诊断思想上，国外的许多专家及公司已经不仅仅停留在典型故障诊断与分析上，其庞大的专家经验已使故障诊断设计更广阔的领域。

1.4快速傅立叶变换（FFT）应用于汽轮机故障诊断的简介。

此时，短时傅里叶变换（STFT）可以被用来检测瞬时突变。

然而，STFT中的固定的窗口意味着在时频域内的固定时频分辨率。

频率信息提取的精确性受限于窗口的长度。

例如，在检测汽轮机碰摩信号时，由于它是不稳定的，而且重要的频率信号在几百Hz范围内不均
匀分布，因此STFT很难精确确定窗口的大小，频率信息提取的精确性也就受到很大限制。

为了克服STFT中的固定的时频分辨率的问题，
1.5本论文的主要工作
快速傅立叶变换（FFT）在故障诊断信号处理的应用上具有以下几个优点：
傅立叶变换是线性算子,若赋予适当的范数,它还是酉算子; 傅立叶变换的逆变换容易求出,而且形式与正变换非常类似; 正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取;著名的卷积定理指出:傅立叶变换可以化复杂的卷积运算为简单的乘积运算,从而提供了计算卷积的一种简单手段; 离散形式的傅立叶变换可以利用数字计算机快速的算出(其算法称为快速傅立叶变换算法(FFT)).
第二章汽轮发电机组常见的故障诊断技术
2.1 汽轮机组常见的故障类型及产生的原因
（1）转子不平衡的故障
转子不平衡是由于转子部件质量偏心或转子部件出现缺损造成的故障，它是旋转机械最常见的故障。

据统计，旋转机械约有一半以上的故障与转子不平衡有关。

目前，南京航空航天大学提出了一种基于模型的双转子不平衡故障的识别方法，该方法可以同时识别内外转子不平衡故障的大小和相位，具有较高的识别精度。

（2）转子不对中故障
转子不对中包括轴承不对中和轴系不对中两种情况。

轴颈在轴承中偏斜称为轴承不对中。

轴承不对中本身不会产生振动，它主要影响到油膜性能和阻尼。

在转子不平衡情况下，由于轴承不对中对不平衡力的反作用，会出现工频振动。

机组各转子之间用联轴节连接时，如不处在同一直线上，就称为轴系不对中。

通常所讲的不对中多指轴系不对中。

造成轴系不对中的原因有安装误差、管道应变影响、温度变化热变形、基础沉降不均等。

由于不对中，将导致轴向、径向交变力，引起轴向振动和径向振动。

消除此故障引起的振动策略：消除低/发转子连接偏心，增加轴瓦油膜刚度，调整轴系平衡 [7]。

（3）转子弯曲的故障
转子弯曲是指各横截面的几何中心连线与旋转轴线不重合。

转子弯曲有永久性弯曲和临时性弯曲两种情况。

永久性弯曲是指转子轴呈弓形弯曲后无法恢复。

造成永久弯曲的原因有设计制造缺陷（转轴结构不合理、材质性能不均匀）、长期停放方法不当、热态停机时未及时盘车等。

临时性弯曲是指可恢复的弯曲。

造成临时性弯曲的原因有预负荷过大、开机运行时暖机不充分、升速过快局部碰磨
产生温升等致使转子热变形不均匀等。

目前，对转子系统故障诊断的研究主要集中在三个方面：①从理论上分析各类故障，尤其是非线性故障的特性并确定故障特征量；②利用先进的信号采集和处理技术提取故障特征；③研制故障诊断软、硬件系统和建立专家库，并应用于实际转子系统。

（4）油膜轴承的故障机理与诊断
随着工作转速的升高，半速涡动频率也不断升高，频谱中半频谐波的振幅不断增大，使转子振动加剧。

如果转子的转速升高到第一临界转速的2倍以上时，半速涡动频率有可能达到第一临界转速，此时会发生共振，造成振幅突然骤增，振动非常剧烈。

同时轴心轨迹突然变成扩散的不规则曲线，频谱图中的半频谐波振幅值增大到接近或超过基频振幅，频谱会呈现组合频率的特征[8]。

若继续提高转速，则转子的涡动频率保持不变，始终等于转子的一阶临界转速，即Ω＝w c1，这种现象称为油膜振荡。

起始失稳转速与转子的相对偏心率有关，轻载转子在第一临界转速之前就可能发生不稳定的半速涡动，但不产生大幅度的振动；当转速达到两倍第一临界转速时，转子由于共振而有较大的振幅；越过第一临界转速后振幅再次减少，当转速达到两倍第一临界转速时，振幅增大并且不随转速的增加而改变，即发生了油膜振荡。

油膜振荡和油膜涡动产生的故障原因：轴承参数设计不合理，轴承制造不符合技术要求，轴承间隙不符合要求，轴瓦参数不当，轴承壳体配合过盈不足，轴温或油压不当，润滑不良，轴承磨损，疲劳损坏、腐蚀、气蚀等。

选用抗振性好的轴承。

油膜振荡的防治措施：提高轴的临界转速，使轴的转速不超过2倍临界转速，设计上尽量避开油膜共振区，增加轴承比压，减小轴承间隙，调整油温。

目前，可以使用2130振动专家诊断系统、V B 3000振动诊断专家诊断系统对滑动轴承振动数据予以采集，并通过PC显示轴心轨迹图，能准确识别滑动轴承振动故障。

（5）动静件摩擦的故障机理与诊断
转子与静止件发生摩擦有两种情况：一种是转子在涡动过程中轴颈或转子外缘与静止件接触而引起的径向摩擦；另一种是转子在轴向与静止件接触而引起的轴向摩擦。

转子与静止件发生的径向摩擦还可以进一步分为两种情况：一种是转子在涡动过程中与静子发生的偶然性或周期性的局部碰磨；另一种是转子与静子的摩擦接触弧度较大，甚至发生360°的全周向接触摩擦。

动静件摩擦的故障原因：设计间隙不当，偏小；转子与定子不同心；对中不良；机组热膨胀不均匀；转子挠度大，不均匀。

（6）转子热套配合过盈不足的故障机理
高速旋转机械转子的叶轮、轴套等旋转体通常是采用热压配合的方式安装在转轴上，其配合面要求为过盈配合。

当过盈量不足而发生松动时，转子在高速运行中由于动挠度以及交变激振力的作用，转轴材料内部以及转轴与旋转体配合面之间会发生摩擦而影响转子的稳定性。

（7）转子支承部件松动的故障机理
转子支承部件连接松动是指系统结合面存在间隙或连接刚度不足，造成机械阻尼偏低、机组运行振动过大的一种故障。

支承系统结合面间隙过大，紧力不足，
在外力或温升作用下产生间隙，固定螺栓强度不足导致断裂或缺乏防松措施造成部件松动，基础施工质量欠佳等都是造成松动的常见原因。

由于存在松动，极小的不平衡或者不对中都会导致支承系统产生很大的振动。

2.2常见故障诊断技术与方法的介绍
设备故障诊断的技术和方法有很多，而且必须结合设备故障的特点，采用不同的诊断技术和方法。

下面介绍几种典型的诊断技术与方法：
（1）振动诊断技术
振动诊断技术就是对设备的振动信号进行检测、分析处理，故障识别和预报的一种技术。

为了更好地研究振动分析诊断技术，首先应对波形理论、机械理论、以及计算机应用等有一定的了解。

振动的参数指标有很多，如时域波谱图、频域波谱图、轴心轨迹图、脉冲指标、峭度指标等对设备的故障分析很有效果[2]。

振动诊断技术包括四个方面：振动信号的采集；振动信号的处理；故障识别；故障预报。

振动诊断技术有很多方法可以采用，例如：振动特征分析，振动谱分析，振动倒谱分析，振动包络分析，振动全息谱分析，振动三位谱图分析，振动超工频或亚工频谐波分析，振动时域分析，振动模态分析等。

（2）智能诊断技术
随着现代化生产的发展，设备复杂程度增大，对设备的运行要求也不断提高，就促使诊断技术向智能化、自动化方向发展。

目前，国内外主要应用和开发的智能诊断技术有下列九种，并分别对其进行简单的介绍。

（3）专家系统诊断
专家系统是应用大量人类专家的知识和推理方法求解复杂实际问题的一种人工
智能计算机程序。

一般包括知识库、数据库、推理机、人机接口及知识库管理系统、解释系统等。

故障诊断专家系统是专家系统应用的一个重要分支。

（4）人工神经网络诊断
人工神经网络以其大规模并行处理能力、自适应学习能力、分布式信息存储、鲁棒性、容错性和推广能力等特点在故障检测和诊断领域受到广泛重视。

应用对象主要是设备和子系统。

（5）小波分析诊断
小波分析诊断是近几年得到迅速发展并形成研究热点的信号分析新技术，被认为是对傅立叶分析方法的突破进展。

由于傅立叶分析方法无法分析突变信号和非平稳信号。

小波分析，即小波变换，是指在信号的不同频率段具有不同的分辨力分析方法。

它是一种时间—频率的分析方法，具有多分辨力分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变，但其形状可改变，时间和频率窗都可以改变的时域局部化部分方法。

即在低频部分具有较高的频率分辨力和较低的时间分辨力，在高频部分具有较低的频率分辨力和较高的时间分辨力。

2.3故障诊断的步骤
对于大型旋转机械所发生的各种故障，是立即停机抢修，还是维持运行，或者是采取措施加以消除或减轻，诊断及处理的失误会给企业带来相当大的经济损失。

正确的诊断及处理，应按照合理的步骤进行综合分析。

（1）故障真伪的诊断
机械设备本身是否真的发生了故障，是否为仪表失灵或工艺系统波动所造成的假象，是故障诊断首先应解决的问题。

由于仪表失灵在大机组所发生的各类故障诊断中所占的概率较大，以及因工艺系统波动或操作不当（特别是在开车或工艺负荷调整的过程中）而产生的故障也常有发生，因此切忌仅限于一、两个因素就轻易判断发生了机械设备故障，而应该根据系统、仪表、运行、现场等多方面情况进行综合的判断。

（2）故障类型的诊断
发生了什么类型的故障，是何种原因所造成的故障，是故障诊断的核心。

开始查找时范围要大，凡是可能引起故障的信息都要收集，例如工艺系统、运行、检修方面的各种信息，甚至设备的原理、结构、型号等。

然后对所收集的信息进行筛选，删除本身正确、正常、未发生变化的信息。

最后，对剩下的疑点信息采用排除法，逐一去伪存真，特别要注意排除因发生故障所连带产生的异常现象，从而找出导致故障发生的真正原因。

对故障类型的诊断，要找主要矛盾，要找肇事者、排除受害者，在确保准确的前提下，尽可能只明确一条主要故障，即造成故障的真正原因。

实在吃不准时也可以多列几条，但应附加说明其中的主次关系和可能发生的概率。

（3）故障程度的评估
判断故障所形成的危害程度，对确定是否需要立即停车、能否维持运行、是否需要减负荷运行有着决定性的指导作用。

判断时应根据故障前后有关的运行及监测参数的数值进行慎重的比较，然后参照有关规范、规定及设备的历史状况加以综合判断。

既要考虑原有数值的大小，更要考虑其变化量的大小，最重要的还是看其当前数值的大小。

（4）故障部位的诊断
判断故障所发生的具体部位，对停车后的抢修工作有着很重要的指导作用，。