[发明专利]用于检测设备部件上的脉冲机械作用位置的方法和装置

说明书

本发明涉及一种用于检测设备部件上的脉冲机械作用位置的方法和装置。

在许多应用情况下，需要持续地监控设备部件、例如化学工艺中的导管或容器或者流体机械是否正常工作，从而及时识别出故障并避免严重的损害后果。为了进行这种监控，现有技术中已知有许多方法。

在EP0765466B1中例如建议借助射向涡轮叶片的微波对涡轮叶片的振动进行监控。通过对在涡轮叶片处反射的微波进行调制，可以得出关于涡轮振动状态的结论。

在由DE19857552A1所公开的方法中，涡轮杆的断裂通过测量杆末端处的旋转频率而被检测出来。

在DE19843615C2中建议借助于对测量信号的频谱分析从而对燃烧驱动装置的状态进行诊断，所述测量信号是借助设置在进气或排气区域内的声波记录器而获取的。

在DE19727114C2中，为了监控机器，不是采集空气传播的声波而是采集在该声波中出现的体声波信号。在这种公知方法中也要对由体声波记录器采集的测量信号的所获得的各个频谱进行分析。

在DE19545008C2公开的方法中，也在机器运行期间分析由监控传感器、如加速度记录器所采集的测量信号的频谱进行分析，并与参考频谱进行比较。

对于被涡轮吸收的体声波信号的频谱分析还在US6301572B1中公开的方法中采用。为此在具有模糊逻辑规则的神经网络中分析测量信号的傅立叶变换，以通过这种方式获得关于涡轮状态的信息。

一个特殊的问题是伴随着流涌而产生并出现在设备部件上的部件松动，这些部件松动只会引起脉冲类型的、短暂的影响，这种影响的更为可靠的证明相应地也存在问题。

在GB2288235中提议伴随流动介质而产生的部件松动通过在部件上出现时在设备部件上产生的振动而被获知。为此在该设备部件上设置了声波记录器，由该声波记录器所产生的测量信号被送至具有学习能力的神经网络，该神经网络可以借助已经出现的模式来判断它是否是正常的背景噪声。

在流动介质中出现的部件松动所产生的问题例如可能在燃气轮机中出现，其燃烧室为了保护过热而用陶瓷块作衬里。这些陶瓷块由于在燃烧室中出现的压力交替波动而动态地承受高的负荷。在此可能发生的是，陶瓷块的一小部分在相应的支架上破裂，被废气流一起带走，并落在燃气轮机的第一行导向叶片上。这可能导致对导向叶片涂层的破坏，以及导致对设置在涂层下面的导向叶片的损坏。此外还存在以下危险：由于小片陶瓷块的破裂而已经损坏的陶瓷块完全从支架上脱落，而且可能导致燃气轮机的相应大面积的损坏。在这种情况下，出现小的部件松动或单个陶瓷块的脱落就可能导致一块或多块陶瓷块的全部破裂，从而及时断开燃气轮机和及时更换损坏了的陶瓷块能防止更大的损坏。

为了能够确定外来部件进入燃气轮机，在US4888948中在涡轮机的进气口处设置了一个传感器，利用该传感器采集由外来物所感生的电荷。

为了监控对设备部件的这种碰撞，WO01/75272A2在原理上公开了借助适当的传感器，就像在GB2288235中已知的方法那样通过在此过程中形成的体声波采集该碰撞。但是在此尤其是对于燃气轮机来说会出现以下问题：正常的运行噪声很高，以至于通过整个陶瓷块对燃气轮机的导向叶片的碰撞而在传感器处产生的信号分量小于由于正常运行噪声产生的背景噪声，从而尤其是无法只通过监控体声波信号的振幅来检测到较小陶瓷碎块的出现。因此为了改善信噪比，在该文献中建议对测量值记录器所记录的测量信号进行带通或高通滤波，以通过这种方式消除在涡轮机正常运行时形成的体声波信号。但是这种措施不足以在背景噪声很大而且随时间变化的情况下可靠地识别出脉冲类型的事件。

WO03/071243A1公开了一种用于检测对设备部件的脉冲型机械影响的方法，其中对所采集的体声波信号进行窗口傅立叶变换。根据通过这种方式确定的多个傅立叶频谱，用在该文献中详细阐述的算法推导出估计函数K，该函数表明了出现在设备部件上的脉冲型机械影响。在该文献中给出的用于推导估计函数K的算法使得可以精确识别与受到噪声影响的测量信号叠加的、推导出脉冲型影响的信号分量。