水力机组振动监测与故障诊断

针对水力机组运行过程中因振 动而引起故障并造成经济损失这一问题，开发了一套新型的振动监测及故障诊断系统，它以 工业PC 机为主体，与摆度、振动传感器及有关功能模块和信号预处理器共同组成机组振动 在线监测分析系统。利用该系统对机组振动的周期性监测，能够在线监测机组缺陷的缓慢变 化过程，为视情检修提供良好的依据，同时也为机组运行调度提供可靠的信息。介绍了该系 统的硬件及软件组成、原理及功能，并结合实例运用小波分析与傅里叶分析相结合的信号分 析方法，对机组故障进行了分析诊断，找出了故障原因。     

水电机组振动故障的信息融合诊断与仿真研究

引起水电机组振动的原因复杂,目前主要是通过转速试验、负荷试验和励磁试验等试验手段来判别机组的振动故障.该文将多传感器信息融合方法引入水电机组振动故障诊断中,通过分析机组振动的频率特征,建立了振动故障的融合诊断识别框架,并模拟机组各部位的振动信号,采用小波分析和傅立叶变换进行预处理,提取信号的子带能量特征,应用信息融合方法进行了仿真诊断.结果表明,基于信息融合的故障诊断能充分利用机组各部位的信息,可以减少诊断的不确定性,从而有效地提高诊断的可靠性.     

基于频谱法与径向基函数网络的水电机组振动故障诊断

引起水电机组振动的原因很复杂,而且水电机组的振动故障往往是多故障同时发生,使得故障诊断很困难,目前主要是应用基于模式识别的神经网络来进行故障分类,尤其是BP网络应用较多。文章提出应用频谱法与径向基神经网络相结合的方法对水电机组的振动故障进行诊断。采用对水电机组振动信号进行频谱分析,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障诊断的目的。水电机组振动故障诊断仿真分析表明,与常规方法相比,利用频谱分析和神经网络相结合的方法进行故障诊断具有简单有效等优点。     

汽轮发电机组轴电压(流)对轴系振动的影响

结合汽轮发电机组现场振动故障的诊断及处理实例,对机组轴电压(流)产生的原因、危害及其对轴系振动的影响进行了总结.分析认为,机组轴电压(流)产生的主要原因为绝缘不良、碳刷接触不良,其对机组轴系振动的影响主要是引起轴系或轴承振动特性恶化,出现虚假的振动信号,引起振动保护动作.     

600 MW双级轴流式引风机振动故障分析及处理

针对某600 MW机组双级轴流式引风机的振动故障,对其故障特征和原因进行描述;通过现场测试、分析,阐明了引起振动故障的原因;通过现场对振动故障原因进行检查,并对故障进行处理,最终经过现场动平衡的方法,将该风机的振动降至优良水平,保证发电设备的安全稳定运行。     

风电机组振动检测预防性检修技术的应用

采用WindDAQ振动信号采集软件及Wexp2信号分析软件,对风力发电机组各轴承、齿轮箱等关键设备进行离线式振动检测,通过对机组振动信号时域图和频域图进行分析处理,可以判断运行设备的健康状态,帮助技术人员分析确定机组、设备的故障部位及故障原因。根据测试数据的分析结果,可以对机组的健康状态进行分类,实现风机维护向预防性检修体制的转变。     

朝阳发电厂~＃2汽轮机通流部分改造后轴系振动的分析和处理

本文介绍了现场解决朝阳发电厂￣＃２机组中低压汽轮机通流部分改造中所发生的振动问题的过程。重点阐述如何用测试中所获得的振动信息，并结合机组的振动历史和结构特点对机组的振动故障作出诊断，指出中低压转子上新换上去的叶片在高速时发生不对称的径向位移是造成机组工频振动大的首要原因，而振动中存在的较大的倍频分量是由中低压接长轴出现的故障所引起。文章还具体介绍了用高速动平衡大幅度降低工频振动的方法，也分析了倍频振动产生的原因，并结合实际情况对倍频振动大的故障作出肯定的结论。最后基于￣＃２机组振动处理的经验，提出了确保２００ＭＷ机组振动达标的建议。     

汽轮机转子碰磨振动特征实测分析

为了分析识别实际汽轮机组在运行过程中的碰磨故障特征, 采用专用振动监测系统针对多台不同类型和容量的汽轮发电机组的振动信号进行长期连续在线监测, 记录机组长期运行的振动数据, 从中获得大量转子发生径向碰磨故障瞬间产生的冲击振动信号, 并采用信号时域分析和频谱分析技术对典型碰磨信号进行分析处理。比较机组在正常运行状态和碰磨故障状态下振动信号时间波形和频谱可以确定, 在多数情况下, 发生碰磨时机组产生瞬时的冲击振动, 信号中高频结构共振成分明显增加, 但转频及其谐波部分变化不明显。根据这些故障信号特征, 对于碰磨故障振动信号的检测方法和故障分析诊断技术进行讨论。     

600 MW机组大修后瓦温高及异常振动分析与处理

某电厂亚临界600 MW 机组大修后启动,在暖机过程中先后出现瓦温高、动静碰摩、虚假振动信号等故障,严重威胁机组的安全运行.为此,通过分析振动特征、运行参数及检修数据,找出故障原因,采取调整轴系标高、翻修轴瓦、补偿虚假信号等措施使机组顺利启动运行.在此基础上,总结出导致瓦温高故障原因的区分方法以及虚假振动信号的判断和处理方法.     

轴系稳定性下降引发振动故障的诊断处理

随着高参数大容量汽轮发电机组的广泛投运，多转子、长轴系等因素引发轴系不稳定造成的异常振动问题突出，威胁机组安全稳定运行。研究因支撑系统稳定性不足引起机组异常振动的力学特征和处理方法，通过对机组振动数据进行分析，找出导致轴系稳定性下降的原因，结合机组检修对高中压转子扬度进行优化调整，提高轴承在高负荷时的稳定性，采用精准现场高速动平衡方法进一步减小转子激振力，消除机组异常振动故障。试验研究证明该振动处理方法是有效的，可为同类型振动故障的诊断与消除提供参考。     

基于SVD和DBN的水电机组故障诊断

针对水电机组早期故障信号信噪比低的问题,本文将奇异值分解（SVD）和深度置信网络（DBN）相结合进行故障诊断。首先,利用包含噪声的振动信号构造Hankel矩阵,对其进行奇异值分解,采用奇异值差分谱法选取有效奇异值进行相空间重构,实现降噪的目的;然后,对降噪后的振动信号进奇异值分解,用所得的整个奇异值序列构造特征向量;最后,建立深度置信网络分类器模型,实现水电机组的故障诊断。同时,将所提方法与BP神经网络,多分类支持向量机进行对比。结果表明,本文所提方法能够更加可靠高效地识别故障类型,具有一定的应用价值。     

基于多维特征和多分类器的水电机组故障诊断

提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。     

短时傅立叶变换在大型水轮发电机组振动分析中的应用

针对水轮发电机组工作环境的特殊性、引起振动原因的多元性及复杂性,根据短时傅立叶的线性时频变换特性,将时频分析理论应用于水轮发电机组的振动分析.以实际工程中的水轮发电机组为例,应用短时傅立叶变换分析机组的振动信号,结果图清晰直观地表现了机组的振动情况,为水轮发电机组的故障诊断提供了理论和现实依据.     

水电机组机械振动信号谱分析

本文采用平均平滑周期图法对水电机组机械振动信号进行了频谱分析，并通过细化分析的方法使系统频率分辨率的设置具有一定的灵活性，最后分析了误差。     

基于多尺度模糊熵和STOA-SVM的风机轴承故障诊断

针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集合作为SVM的输入,最后采用STOA优化SVM对轴承故障进行分类诊断。通过凯斯西储大学轴承振动数据进行仿真,结果显示轴承故障诊断准确率达到了99.3〖WTB4〗%〖WTBZ〗,证明了所提方法具有较高的准确度和有效性。     

涡轮泵实时故障检测的频段幅值最大值比方法

根据液体火箭发动机涡轮泵出现故障后振动加速度信号的频谱变化,提出了一种基于频段幅值最大值比的故障检测方法用于涡轮泵实时故障检测。该方法采用快速傅里叶变换（fast fourier transformation,FFT）将历史信号从时域变换到频域并进行频段划分,选择两个有代表性的频段并计算其幅值最大值比。将该比值作为故障特征对待检信号进行实时故障检测。用某型号涡轮泵振动加速度信号对故障检测方法进行验证,结果表明对时长20.80 s的待检信号,设定故障特征阈值为3.5,该方法检出故障时刻为20.08 s,比故障真实出现时刻晚0.07 s（在0.5 s之内）,未出现虚警和漏警。该故障检测方法具备了良好的精确性与实时性。     

用机械配重法消除水轮发电机组的电气不平衡

本文针对柘溪水电站１号机组上导摆度、上机架水平振动异常增大的现象,对导致影响其运行稳定性的总理２进行了详细探讨,对采用在励磁工况下进行机械配重消除水轮发电机组的电气不平衡的方法进行了阐述和总结。     

基于复局部均值分解和复信号包络谱的滚动轴承故障诊断方法

提出了一种基于复局部均值分解(CLMD)和复信号包络谱(CSES)的滚动轴承故障诊断新方法。首先通过互相垂直安装的加速度传感器采集2个方向的振动信号,并将其组成一个复数信号;然后利用CLMD对二元复数信号进行自适应分解,将分解得到的复数信号的实部和虚部包络信号组成一个复包络信号,根据复傅里叶变换具有幅值增强和综合频率特性,直接对复包络信号进行复傅里叶变换,提取的故障特征频率更为清晰。通过滚动轴承不同位置的外圈故障实验,证明了所提方法能够实现故障特征增强,可用于诊断滚动轴承微弱故障和复合故障。