[发明专利]汽轮机大轴的故障诊断方法及装置

说明书

本发明提供一种汽轮机大轴的故障诊断方法，包括：获取汽轮机大轴的预设传感器数据；根据预设传感器数据判断汽轮机大轴的运行状态；根据汽轮机大轴的运行状态对汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；根据大轴弯曲故障告警因子与预设告警阈值的差值判断是否存在至少一种故障原因；根据相应的汽轮机大轴的运行状态对差值向量与故障样本向量进行相似度计算，以确认汽轮机大轴的至少一种故障原因；选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。本发明提供的诊断方法，通过告警阈值充分考虑参数特征值的变化规律与汽轮机的运行状态，降低误报率。

技术领域

本发明涉及交通工具检测技术领域，具体而言，涉及一种汽轮机大轴的故障诊断方法及装置。

背景技术

汽轮机大轴弯曲故障会直接导致机组停运，如果大轴产生永久弯曲将对发电企业造成严重的经济影响。因此，通过对汽轮机实时传感器数据进行挖掘、分析与处理从而提前发现汽轮机大轴弯曲的早期征兆并准确诊断出其故障原因的预警诊断系统就有了一定的商业价值。

目前对于汽轮机大轴弯曲故障的主要处理方法包括：

1)频域诊断法：应用频谱分析技术，根据频谱特征变化，判别轴系的状态及故障形成原因；

2)时域分析法：应用时间序列模型及其有关的特征函数判别轴系状态的变化；

3)模式识别法：利用检测信号提取与状态反映敏感的特征量构成矢量，设计合适的分类器，判别故障形成原因，即人工智能方法。

目前的汽轮机大轴弯曲故障诊断主要采用两种方法。一种方法是对原始振动信号进行时域与频域分析，通过专家领域知识人为判断故障，该种方法过度依赖专家的经验，无法程序化，不利用推广使用。另一种方法是采用数据驱动的方法，将汽轮机大轴弯曲故障发生前后的传感器数据进行特征提取，聚类成隐式规则，该种方法由于故障样本数量有限，所形成的隐式规则很难泛化，因此诊断成功率较低。

发明内容

鉴于上述问题，本发明针对此现状，综合考虑以上两种方法(时域与频域分析)的优劣，对汽轮机的相关参数进行必要的数据处理，通过计算处理后数据与故障特征数据间的相似度来间接判定大轴弯曲故障原因的置信度，从而有效提高故障诊断的准确性。

为了实现上述目的，本发明采用如下的技术方案：

第一方面，本发明提供了一种汽轮机大轴的故障诊断方法，所述故障诊断方法包括：

由检测模块获取所述汽轮机大轴的预设传感器数据；

根据所述预设传感器数据判断所述汽轮机大轴的运行状态，其中，所述汽轮机大轴的运行状态至少包括升速状态、降速状态、稳定负荷状态、升负荷状态或降负荷状态；

根据所述汽轮机大轴的运行状态对所述汽轮机运行的预设传感器数据的实时参数值与工况下正常运行时的参数值的差值向量进行预处理后得到大轴弯曲故障告警因子；

根据所述大轴弯曲故障告警因子与预设告警阈值的差值判断所述汽轮机大轴是否存在至少一种故障原因；

根据相应的所述汽轮机大轴的运行状态对所述差值向量与故障样本向量进行相似度计算，以确认所述汽轮机大轴的至少一种故障原因；

选取相似度最高的故障样本向量为作当前故障的最大概率的形成原因。

作为一种可选的实施方式，在所述“由检测系统获取所述汽轮机大轴的预设传感器数据”前，所述故障诊断方法还包括：

设定所述汽轮机大轴的预设传感器数据，所述预设传感器数据包括汽轮机轴振参数、转子偏心值参数、轴向位移参数、胀差参数、汽轮机上下缸温差参数及抽汽管道温度参数的其中至少一种。