[发明专利]一种转子在线监测与故障诊断方法

说明书

技术领域

本发明涉及一种旋转机械状态监测和故障诊断方法，尤其是涉及一种转子在线监测与故障诊断方法。

背景技术

旋转机械在现代化大工业中使用广泛，在运行中一旦出现重大故障，将会给企业和社会带来巨大的经济损失，甚至可能带来灾难性的后果。开展旋转机械状态监测和故障诊断工作，保证设备正常、安全运行意义重大。对于大型旋转机械来说，振动监测的重点是转子系统，因为在旋转机械中转子是设备的核心部件，整个设备能否正常工作主要取决于转子能否正常运转。为此，转子在线监测系统的开发就显得尤为重要。

就目前而言，除了一些大型、高速、长时间不间断运行的转子系统拥有比较完善的转子监测系统，转子的在线监测系统在行业内并没有得到广泛的应用。而且大部分的在线检测系统的功能较为简单，或者只有简单的采集显示功能，需要专业的技术人员进行离线分析识别转子故障，增加机械的运营成本。因此急需完善、易行、智能、成本较低的转子在线监测系统软件。

转子在线监测系统主要包括数据采集、图谱分析、智能诊断和诊断报告等部分组成。中国专利公开号101694508A公开了一种基于低次谐波轴电压信号的电机转子典型故障诊断方法，该方法将滑动变阻器的两端分别接于电机转子两端，然后利用数据采集仪在线采集滑动变阻器输出的轴电压分压信号，并进行快速傅立叶变换，得到轴电压分压信号频谱图；然后通过对轴电压分压信号的频谱进行分析，诊断电机转子绕组是否存在匝间短路故障。该方法操作简单，但存在故障诊断单一、频谱图不够全面等缺点。

现在市场上运行的大多数转子在线监测系统虽然也达到了一定的监测效果，当然其缺点也是显而易见的：其一，波形图谱的不全，特别是针对启停机阶段的图谱。图谱的不全可能会导致缺乏足够的频谱特征来确诊故障，甚至会无法显示相应故障的特征，导致能够诊断的故障种类的减少。其二，缺乏足够的描述振动的表征量，丰富的表征量能够改善故障诊断的准确性和提高故障的识别率。其三，智能诊断部分的缺失或者不足。转子在线监测系统的智能诊断可以减轻非振动专业人员故障识别中的难度，目前成熟的是简易诊断，不能给出故障的原因、部位、严重程度以及故障的解决方案，其诊断的方法，准确性，以及诊断的故障种类都需要得到改善和加强。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种诊断图谱全面、数据管理合理、故障诊断全面且准确的转子在线监测与故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种转子在线监测与故障诊断方法，包括：

1)参数设置，包括采样参数、传感器类型和机组名称的设置以及是否进行实时监测的设定；

2)数据采集，传感器从转子上获得信号，经过前置放大器将信号放大，再经数据采集箱，将信号采集到PC机中，PC机对采集的数据进行预处理后，并将处理好的数据保存至数据库中，所述的信号包括转子转速信号和转子振幅信号；

3)图谱显示，选择图谱类型，根据图谱类型的要求对实时采集数据或从数据库中读取的数据进行处理，然后将数据放在对应的图谱中显示，并生成图谱日记；

4)智能故障诊断，建立多征兆诊断模型，针对数据库中存储的数据，运用改进的BP神经网络方法进行故障诊断，并生成故障报警日记；

5)日记存储及显示，将步骤3)中生成的图谱日记和步骤4)中生成的故障报警日记进行存储和显示。

所述的数据采集包括运行状态数据采集和启停车数据采集，所述的运行状态数据采集为在转子正常运转时进行的数据采集，所述的启停车数据采集为转子启动或停止过程中进行的数据采集。

所述的启停车数据采集具体为：判断转子是否处于启停车状态，若是，则采集转子信号，获得转速，直至转速稳定；若否，则进行运行状态数据采集。

所述的预处理包括：

均值化处理，将采集到的数据中的恒量去除，保留变化量；

根据传感器的灵敏度及放大器的放大倍数调整数据，先将数据统一为以毫伏为单位的数据，然后根据灵敏度将数据由毫伏转换到物理单位。

所述的图谱类型包括运行状态图谱和启停车分析图谱，所述的运行状态图谱包括波形频谱图、单值棒图和轴心轨迹图，所述的启停车分析图谱包括转速时程图、Nyquist图和Bode图。

所述的多征兆诊断模型为将训练样本根据故障征兆进行分类，降低BP神经网络的复杂度。

所述的改进的BP神经网络方法包括网络训练和将实际监测的故障特征输入训练好的BP神经网络进行故障分类两个部分，所述的网络训练具体为：