基于小波分析的汽轮机碰磨故障诊断

振动故障是故障诊断中的难点,故障原因复杂、类别繁多。小波分析因具有良好的时频局部性及多分辨率分析特性,被广泛地应用在振动故障诊断中。介绍了小波分析方法在振动故障诊断中的应用,利用时频等高图确定汽轮机碰磨故障发生的时刻,借助小波包特征熵向量诊断碰磨故障的严重程度,从而提出了完整的汽轮机碰磨故障的小波分析诊断方法。     

小波分析技术在汽轮机故障诊断中的应用

就小波分析技术在汽轮机故障诊断中故障特征提取和小波算法的硬件实现问题进行了深入研究.提出了基于小波能量分布的故障特征提取方法,并在转子试验台上进行了验证.对于小波分析算法的硬件实现,设计了一种基于DSP的小波算法.实践检验证明,该方法能够满足振动信号实时分析的需要.     

汽轮机运行中调节级叶片脱落的故障诊断

沾化电厂1号机组运行期间高压调速级一叶片突然脱落,机组异常振动特征典型,故障诊断及时准确,部件脱落的部位和重量与分析判断完全一致。     

汽轮机叶片的断裂分析

叶片断裂的原因分析有时很明了,有时也很复杂。有时仅从叶片本身分析就可找到原因,有时得到需要通过对机组和叶片的整个设计及运行情况综合分析。本文通过对带给水泵高转速的小汽轮机设计运行情况,以及失效叶片的性能等综合分析,得出了可信的叶片失效原因,并提出了预防及改进措施。供制造厂及电厂借鉴。     

汽轮机叶片结垢厚度的理论计算

采用热力计算法对汽轮机叶片结垢厚度与监视段压力的关系进行了研究，并结合实例进行了汽轮机通流部分结垢故障的诊断。     

基于小波包分析和信息融合技术的汽轮机转子故障诊断

根据Bently实验台所采集的不平衡、不对中、碰摩、松动4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行分析并提取故障特征。将提取的故障特征作为D-S证据理论的识别框架,利用信息融合技术对汽轮机转子振动故障进行诊断。诊断结果表明:基于小波包分析和信息融合技术的故障诊断方法,能提高故障诊断的准确性。     

汽轮机叶片断裂失效分析

对某热电厂断裂汽轮机叶片进行了化学成分，力学性能，金相组织以及断口形貌分析。结果表明，叶片的断裂属高周次低应力疲劳断裂，断裂是由表面存在机加工刀痕引起的。     

基于小波神经网络的旋转机械故障诊断

研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数，对故障信号功率谱进行小波分解，简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型，成功地实现了对故障的智能诊断。     

汽轮机故障诊断技术的发展与展望

回顾和总结了国内外汽轮机故障诊断技术的发展情况,指出了目前在汽轮机故障诊断研究中存在的问题,并从检测技术、故障机理等７个方面分析了今后可能取得进展的研究方向。     

小波灰度图在汽轮机组远程诊断专家系统中的应用研究

利用转子试验台故障试验数据,研究了小波灰度图在汽轮机组典型振动故障识别中的应用,并进一步研究了表征小波灰度图的定量指标———灰度矩对故障的区分度,确定了典型故障的标准灰度图及相应灰度矩取值区间。在此基础上开发的小波诊断模块,已应用在某省级网络化汽轮机组远程监测及故障诊断系统中,该模块作为常规频谱分析模块的辅助诊断工具,对提高远程汽轮机故障诊断的准确度和诊断效率起到了积极的作用。     

工业汽轮机故障诊断

本文以一台6MW背压式汽轮机为例,对汽轮机的故障进行了识别诊断。识别诊断采用了模糊数学方法和频谱分析方法,诊断出的主要故障:转子不平衡;不对中;碰磨;轴瓦磨损与机组实际故障情况是相吻合的。     

基于小波变换的汽轮发电机组振动故障检测与诊断方法

提出了基于小波变换的汽轮发电机组振动故障检测与诊断方法。通过对仿真的汽轮发电机组典型振动故障信号进行小波变换,利用小波变换后的时频等高线图,对汽轮发电机组典型振动故障进行了检测分析。分析表明,利用小波时频等高图,可以直观表示信号中畸变发生的时间,有效地提取信号中的奇异特征;根据不同的故障发生时的频谱特征,能够识别出不同的故障,进行机组振动故障检测与故障诊断。     

基于灰色系统理论的汽轮机故障诊断方法研究

基于灰色系统理论中的关联度分析法,分别对汽轮机在磨削加工时表面烧蚀状态和运行过程中轴承的工作状态进行了诊断分析,给出了不同状态下的关联系数和关联指标,结果表明灰色系统理论方法可有效解决汽轮机的故障诊断问题.     

网络化汽轮机组远程监测及故障诊断系统的研究

针对火电机组状态监测和故障诊断方面存在的不足，提出了建立省级故障诊断中心，并研究开发了网络化汽轮机组远程监测及故障诊断系统，已应用于生产实际，在汽轮发电机组运行和维修中发挥了重要作用。介绍了该系统的体系结构、软件结构、网络技术及特点，并给出应用实例说明其实用性和有效性。图7参1     

基于改进粒子群优化支持向量机的汽轮机组故障诊断

基于支持向量机（SVM）在核函数参数和惩罚因子人为选取的盲目性以及传统粒子群算法（PSO）后期易陷于局部最小值的不足,提出了一种改进的粒子群算法（MPSO）,建立了汽轮机组振动故障诊断模型并且利用故障数据进行了模式识别.结果表明：模型能够对SVM相关参数自动寻优,并且能达到较为理想的全局最优解;与PSO-SVM和GA-SVM算法相比,MPSO-SVM算法在收敛速度和准确率方面都有所提高.     

汽轮机控制系统现场故障诊断技术的研究

提出了汽轮机控制系统７种常见故障的诊断规则和模型,介绍了汽轮机超速、调节系统晃动、调节系统不能维持空负荷运行、主油泵磨损、调速油泵磨损、高压调节阀阀杆断裂、调节阀扩散器碎裂等７种故障的特征故障征兆和诊断规则,作者还给出了汽轮机控制系统基于可靠性理论的诊断模型,以及这７种故障发生概率的计算公式和一些应用实便。     

汽轮机通流部分的故障诊断

吴泾热电厂11号机组大修后运行一个余月，进行常规的主汽门和调门松动试验，发现机组在6个调门全开下，负荷只能达到296MW。针对这一现象，通过对试验前后和大修前后的运行数据对比分析和理论计算，成功诊断出故障所在位置、发生时间和严重程度，为检修赢得了宝贵的时间。图5表3     

基于谐分量法的汽轮机叶片飞脱故障定位方法研究及应用

运行中汽轮机叶片断裂飞落事故时有发生,快速精确地计算和诊断叶片的脱落位置和质量非常关键.为解决该问题,提出了根据运行中汽轮发电机组叶片脱落前后的振动监测信号特征,利用谐分量法及力平移原理,建立单平面质量飞落分析模型对汽轮机叶片飞脱进行定位分析,推导出叶片脱落的轴向位置和质量计算公式,并利用该公式诊断某电厂600 MW超临界4号机组的突发振动,诊断分析的计算结果与开缸检修结果完全一致.     

汽轮机叶片脱落故障诊断方法的研究

首先分析了汽轮机叶片脱落故障产生的机理及其危害性,然后根据叶片脱落所造成的机组振动变化情况,提出利用故障矢量诊断法来研究汽轮机叶片脱落位置的方法,并在实验室中进行模拟试验。通过对实验数据的分析发现,大多数数据结果都在误差的允许范围之内,表明这种方法具有一定的实用性。