330MW熱電汽輪機(jī)故障診斷系統(tǒng)研究

1、第1章緒論1.1課題背景及意義汽輪機(jī)是將高溫高壓水蒸氣作為動力,并將水蒸氣的熱能轉(zhuǎn)化為機(jī)械能的 旋轉(zhuǎn)機(jī)器。汽輪機(jī)組是電力生產(chǎn)企業(yè)不可缺少的設(shè)備，其工作運(yùn)行環(huán)境一般比 較惡劣，如果要是發(fā)生故障，輕則影響當(dāng)天的生產(chǎn)進(jìn)行，重則產(chǎn)生事故和巨犬 損失，對汽輪機(jī)故障診斷進(jìn)行研究顯得十分重要山。汽輪機(jī)組越來越變得自動 化、高容量化、人參數(shù)化，其系統(tǒng)組成也越來越復(fù)雜，如果發(fā)生故障，會對企 業(yè)電力的生產(chǎn)運(yùn)行以及設(shè)備的安全防護(hù)產(chǎn)生影響，減少收益。設(shè)計高質(zhì)量的、 可靠的汽輪發(fā)電機(jī)組，研究更為先進(jìn)的故障診斷技術(shù)，保障設(shè)備在實(shí)際生產(chǎn)運(yùn) 行過程中安全、高效、穩(wěn)定。研究和分析汽輪機(jī)常見故障的診斷技術(shù)主要有四個方面的意義：一

2、是能夠 及時掌握汽輪機(jī)設(shè)備的工作運(yùn)行狀態(tài)，對設(shè)備異常情況趕早發(fā)現(xiàn)并使用措施， 減少故障幾率的發(fā)牛；二是如果汽輪機(jī)組發(fā)生了某些故障，能夠及時記錄其相 應(yīng)故障的類型和故障的數(shù)據(jù)，對其進(jìn)行研究、分析并作為日后同一種類型故障 的參考和處理；三是對每種汽輪機(jī)故障所采用的最佳維修措施進(jìn)行總結(jié)，方便 再次遇到該故障時有效調(diào)整；四是通過采集汽輪機(jī)生產(chǎn)運(yùn)行過程的數(shù)據(jù)，判斷 其工作狀態(tài)是否止常，以便故障時在短時間內(nèi)進(jìn)行維護(hù)。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外汽輪機(jī)故障診斷研究現(xiàn)狀關(guān)于機(jī)械故障診斷方面的技術(shù)剛開始發(fā)展吋，由于當(dāng)吋的設(shè)備結(jié)構(gòu)并不復(fù) 雜，可憑人的長期經(jīng)驗(yàn)來判斷故障所屬類型，由于具有太犬的局限性，因此很

3、難對隱含的某些故障作出可靠的診斷。19世紀(jì)末，一些關(guān)于可靠性的理論相繼提出，使故障診斷技術(shù)得以發(fā)展。20 世紀(jì)中期，汽輪機(jī)故障診斷技術(shù)研究在美國電力研究院等獲得顯著成效，尤其 是西屋公司開發(fā)出來的故障診斷系統(tǒng)軟件能夠?qū)ζ啓C(jī)故障數(shù)據(jù)進(jìn)行辨別和分 類，效果良好，工作穩(wěn)定，顯著增加了電廠的經(jīng)濟(jì)收益。隨后，歐美一些國 家也陸續(xù)展開對該技術(shù)的研究，例如丹麥的振動與噪聲診斷等。緊接著是 bently公司開發(fā)的設(shè)備故障診斷系統(tǒng)，該診斷系統(tǒng)的準(zhǔn)確率很高。法國電力部 門開發(fā)的psad及diva系統(tǒng)成功應(yīng)用在故障診斷領(lǐng)域冏。h本非?？粗仄啓C(jī) 組運(yùn)行的安全問題，甚至依法嚴(yán)格控制其標(biāo)準(zhǔn)。其中，有關(guān)故障診斷技術(shù)研究

4、 比較著名的有三菱重工、東芝、日立等。三菱重工的振動監(jiān)測與診斷專家系統(tǒng) 應(yīng)用廣泛，東芝的汽輪機(jī)軸系振動故障診斷系統(tǒng)，精度高，能夠判斷機(jī)組不明 顯的故障u叭之后，汽輪機(jī)故障診斷技術(shù)的突出進(jìn)展有l(wèi)eslie歸納的故障診斷 系統(tǒng)體系及規(guī)則j為了提高汽輪機(jī)工作的可靠性，避免嚴(yán)重事故，減少操作 與維護(hù)的成本，有效準(zhǔn)確地檢測在惡劣環(huán)境下運(yùn)行時的故障，d. yu等人提出了 一種基于數(shù)據(jù)驅(qū)動的故障檢測和診斷的方法，它不需要建立物理模型，它使用 歷史數(shù)據(jù)而不需要預(yù)先選擇，通過仿真結(jié)果表明，該方法能達(dá)到特別高的精， 在汽輪機(jī)故障診斷中具有穩(wěn)定的性能問。由henrik niemann等人提出的汽輪機(jī) 轉(zhuǎn)子系統(tǒng)故障診

5、斷和狀態(tài)監(jiān)測的無模型方法，該方法基于精度特別高的傳感器 的測量，它是對轉(zhuǎn)子系統(tǒng)的變化或故障引起的汽輪機(jī)轉(zhuǎn)子系統(tǒng)不對稱的檢測， 利用一個多葉片坐標(biāo)變換直接測量轉(zhuǎn)子系統(tǒng)的變化特征，然后通過調(diào)制信號的 振幅和相位信息來描述這些特征，抗干擾能力強(qiáng)”】。aliajami等人提出了一種 統(tǒng)計信號處理技術(shù)，即在真實(shí)的渦輪系統(tǒng)中進(jìn)行故障檢測和診斷的統(tǒng)計信號處 理技術(shù)(ica),結(jié)果表明，當(dāng)在操作條件變化和模型不確定的情況下，ica可 以區(qū)分出汽輪機(jī)系統(tǒng)工作運(yùn)行異常的主要因素；當(dāng)在存在噪聲的狀態(tài)下，ica 方法對故障檢測和診斷的有效性明顯提高。為了解決汽輪機(jī)故障診斷中不確 定的數(shù)據(jù)分析和群體決策所帶來的問題，c

6、hao zhang等人提出一種新的粗糙集 模型，將區(qū)間值的猶豫模糊集與多造粒粗糙集進(jìn)行組合對汽輪機(jī)故障進(jìn)行診斷 的方法，并且由實(shí)例驗(yàn)證了該方法，證明了它的有效性和適用性。對設(shè)備振 動信號的復(fù)雜性、不穩(wěn)定性，提出了一種基于積分?jǐn)U展載荷的故障診斷方法， 該方法提出了多尺度嫡和最小二乘支持向量機(jī)，從汽輪機(jī)屮監(jiān)測的原始振動信 號被分成幾個組進(jìn)行預(yù)處理，然后利用積分?jǐn)U展負(fù)荷均值分解方法和乘積函數(shù) 來處理信號，通過對主要產(chǎn)品功能的多尺度嫡方法，描述了信號特征，實(shí)現(xiàn)了 特征參數(shù)，最后將特征參數(shù)輸入最小二乘支持向量機(jī)，并對最小二乘支持向量 機(jī)進(jìn)行了訓(xùn)練和分類，在汽輪機(jī)測量數(shù)據(jù)實(shí)驗(yàn)中，不僅證明了該方法能有效地

7、提取特征參數(shù)，而且能準(zhǔn)確地對故障類型進(jìn)行分類“引。1.2.2國內(nèi)汽輪機(jī)故障診斷研究現(xiàn)狀最早采用人工通過看、聽等對機(jī)械設(shè)備的故障進(jìn)行判斷的診斷方法，因?yàn)?容易出錯、適用范圍有限、不夠完備，不能滿足診斷有效性要求"5我國從20 世紀(jì)中期開始學(xué)習(xí)、引進(jìn)國外先進(jìn)技術(shù)手段，進(jìn)行一些故障的機(jī)理、故障的診 斷方法研究。70年代末，我國研發(fā)出了設(shè)備在線監(jiān)測與故障診斷系統(tǒng)i。19 世紀(jì)90年代，我國自主研制的小容量小機(jī)組振動監(jiān)測系統(tǒng)，能夠有效監(jiān)測轉(zhuǎn)軸 徑向振動，監(jiān)測設(shè)備各個組成部件的壽命等口先由張磊提出的不敏感情況下對 故障的自動診斷，非常有實(shí)際價值和研究意義卩叭通過使用工控機(jī)對設(shè)備進(jìn)行 智能監(jiān)測，可

8、以隨時了解設(shè)備工作狀態(tài),還可以由其反饋的測量數(shù)據(jù)，發(fā)牛故障 報警，并進(jìn)行故障分析和診斷。汽輪機(jī)故障診斷主要是利用相關(guān)數(shù)據(jù)對故障類型進(jìn)行判斷并明確故障原 因，進(jìn)而采取措施對故障進(jìn)行處理，傳統(tǒng)的診斷方法有經(jīng)驗(yàn)積累法和信號處理 法，但這兩種診斷方法在故障表現(xiàn)相似的情況下不能準(zhǔn)確的判斷故障類別，并 且診斷速度較慢以】。汽輪機(jī)故障診斷技術(shù)主要分類：一是信號的采集與分析， 二是故障的機(jī)理和診斷。常用fft的方法對振動數(shù)據(jù)進(jìn)行分析處理，然而它也 有一定的適用范圍和使用條件，即要求信號較為平穩(wěn)，而現(xiàn)實(shí)中的信號一般都 是非線性不平穩(wěn)的，為了準(zhǔn)確地分析故障信號和有效地診斷故障類型，通常會 結(jié)合功率譜、幅值譜等分析

9、方法，對故障進(jìn)行深入的分析，找到故障原因。分 析的范圍主要是故障的類型、故障發(fā)牛的規(guī)律和特征，人工神經(jīng)網(wǎng)絡(luò)屬于故障 診斷中的一種方法人工神經(jīng)網(wǎng)絡(luò)高度并行分布式處理的結(jié)構(gòu)，非常適合用 于汽輪機(jī)故障特征向量的獲取、提取和識別，在實(shí)際應(yīng)用過程中它的性能出色 l24jo神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)振動故障模式辨別和智能診斷中的應(yīng)用是可行的，診斷 效果是滿足實(shí)際診斷需求的1.3本論文研究的主要內(nèi)容以及結(jié)構(gòu)安排本文采用人工神經(jīng)網(wǎng)絡(luò)的方法結(jié)合matlab軟件編寫程序，針對汽輪機(jī)組十 種典型振動故障，設(shè)計330mw熱電汽輪機(jī)故障診斷系統(tǒng)，并通過汽輪機(jī)實(shí)際 振動故障數(shù)據(jù)進(jìn)行驗(yàn)證。本文的結(jié)構(gòu)內(nèi)容如下：第一章主要介紹了汽輪機(jī)故

10、障診斷系統(tǒng)研究的意義、國內(nèi)外研究現(xiàn)狀和本 文的主要結(jié)構(gòu)內(nèi)容。第二章主要介紹神經(jīng)網(wǎng)絡(luò)的理論部分。利用matlab軟件，對bp和elman 兩種神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、結(jié)構(gòu)中各個層的節(jié)點(diǎn)數(shù)、激活函數(shù)、訓(xùn)練函數(shù)、訓(xùn)練需 要達(dá)到的精度、學(xué)習(xí)需要滿足的速率等進(jìn)行詳細(xì)設(shè)計。第三章主要設(shè)計了汽輪機(jī)故障診斷系統(tǒng)的硬件部分。它是由傳感器、前置 器、信號調(diào)理器、數(shù)據(jù)采集卡、工控機(jī)等組成的汽輪機(jī)振動故障信號采集系統(tǒng)。第四章主要設(shè)計了汽輪機(jī)故障診斷系統(tǒng)的軟件部分。利用matlab軟件，設(shè) 計該故障診斷系統(tǒng)的登錄模塊、時頻域顯示模塊、網(wǎng)絡(luò)診斷模塊等，實(shí)現(xiàn)汽輪 機(jī)設(shè)備狀態(tài)監(jiān)測、振動信號采集和時頻域分析、故障特征數(shù)據(jù)提取、神經(jīng)網(wǎng)絡(luò)

11、 訓(xùn)練和診斷。第五章主要是汽輪機(jī)故障診斷系統(tǒng)的驗(yàn)證。在時域、頻域分析了汽輪機(jī)振 動故障的特點(diǎn)。結(jié)合己知的汽輪機(jī)組振動的i種典型振動故障特征數(shù)據(jù)，將故 障特征數(shù)據(jù)向量作為網(wǎng)絡(luò)的輸入，故障的特征數(shù)據(jù)和類型作為輸出，在兩種神 經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)訓(xùn)練，比較它們的的診斷結(jié)果、收斂曲線，驗(yàn)證該系統(tǒng)的快速性、 準(zhǔn)確性和有效性。結(jié)論部分，對本文研究的主要內(nèi)容作出總結(jié)概況。第2章神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)故障診斷中的應(yīng)用2.1人工神經(jīng)網(wǎng)絡(luò)的概述人工神經(jīng)網(wǎng)絡(luò)是一個能夠進(jìn)行輸入和輸出的類似于人腦的黑盒子，它能夠 對復(fù)雜的、不同的信息進(jìn)行擬合并處理，它是一種高度并行、分布式分析數(shù)據(jù) 的數(shù)學(xué)模型。2.1.1人工神經(jīng)元結(jié)構(gòu)人工神經(jīng)元是人

12、工神經(jīng)網(wǎng)絡(luò)的最小單元和信號分析單元，圖2是它的結(jié) 構(gòu)圖。輸入聯(lián)接權(quán)圖2人工神經(jīng)元的結(jié)構(gòu)圖在人工神經(jīng)元構(gòu)成部分中，滿足以下表達(dá)式：(2-1)(2-2)(2-3)muk = e w從兀/=l%=/(綽+2)在式(2-1) 式(2-2) 式(2-3)中,兀(d = l,2,，加)代表輸入的向量；w/弋表i至r網(wǎng)絡(luò)最小單元的聯(lián)接權(quán)，如果是增大的情況時取大于零的數(shù)，如果是縮 小的情況時取小于零的數(shù)；綽表示輸入與聯(lián)接權(quán)線性相加的輸岀，q表示網(wǎng)絡(luò) 最小單元的閾值，/()表示網(wǎng)絡(luò)最小單元的節(jié)點(diǎn)函數(shù)，必表示網(wǎng)絡(luò)最小單元的 輸出。52.1.2人工神經(jīng)元的節(jié)點(diǎn)函數(shù)人工神經(jīng)元是神經(jīng)網(wǎng)絡(luò)最小的組成單元，其選擇不同的節(jié)點(diǎn)

13、函數(shù)時所表現(xiàn) 出來的數(shù)據(jù)處理特性不同，這也是許多神經(jīng)網(wǎng)絡(luò)不同的主要原因。節(jié)點(diǎn)函數(shù)的 非線性特性如圖2.2所示。很)'/ 、1)階梯型函數(shù)2)分段型函數(shù)圖2.2節(jié)點(diǎn)函數(shù)的非線性特性(1)階梯型函數(shù)(2-4)v>0v<0(2)分段型函數(shù)1/©)=< v-1v>1-1 < v < 1v<-l(2-5)(3)s型函數(shù)/(v)=11 + e_v(2-6)2.2汽輪機(jī)振動分析本文采用兩種汽輪機(jī)振動分析方法，即時頻波形分析方法和頻率譜分析方 法。時頻域波形分析方法，就是提取汽輪機(jī)組振動傳感器輸出的信號，然后對 該信號的時域和頻域波形進(jìn)行分析然后進(jìn)行

14、診斷，這種方法簡單，可由波形直 觀地反映故障，適用范圍廣，能夠有效區(qū)分不同種類的故障。頻率譜分析方法 是汽輪機(jī)故障診斷中較為常用的診斷方法，本文基于其常用的幅值譜對汽輪機(jī) 故障數(shù)據(jù)進(jìn)行分析，可明顯地宜接地顯示汽輪機(jī)設(shè)備振動分量的振幅，譜線高 度可直觀顯示頻率分量的幅值。2.3汽輪機(jī)故障特征向量提取故障特征向量提取就是對故障進(jìn)行分類，利用大量的故障數(shù)據(jù)分類、識別 故障類型的方法。準(zhǔn)確地對故障特征向量進(jìn)行提取，會使診斷結(jié)果的精度更高。 根據(jù)汽輪機(jī)常見故障的模式和分類，提取汽輪機(jī)故障信號能夠反映各個運(yùn)行狀 態(tài)的特征向量，然后進(jìn)行歸一化處理，便于神經(jīng)網(wǎng)絡(luò)的辨識。歸一化算法的計 算公式為式(2-7) o

15、t =為 + 卜孑(x - x罰)(2-7)max "min其中，x是最初獲取數(shù)據(jù)，xn址是最初獲取數(shù)據(jù)的最大值，x簡是最初獲取數(shù) 據(jù)的最小值，丁是期望的數(shù)據(jù)，7；噺是期望數(shù)據(jù)的最大值，幾in是期望數(shù)據(jù)的最 小值,通常=1, "0。2.4基于bp神經(jīng)網(wǎng)絡(luò)的故障診斷 2.4.1 bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在汽輪機(jī)組故障的診斷領(lǐng)域，最為基礎(chǔ)的是bp神經(jīng)網(wǎng)絡(luò)，它的應(yīng)用也是最 多的。它可由3層或更多層的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成，而且課差沿著相反的方向輸送。 在進(jìn)行計算過程中，它可以根據(jù)目標(biāo)誤差的大小和接近程度反饋到隱含層，不 斷對權(quán)值向量矩陣賦值。它能夠?qū)崿F(xiàn)從學(xué)習(xí)訓(xùn)練樣本的輸入到期望冃標(biāo)的輸出, 以指定

16、精度進(jìn)行復(fù)雜的非線性映射，其典型的三層bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2.3所 /ji o其中，xj (z =代表網(wǎng)絡(luò)的輸入，x (z = 1,2,-,/?)代表網(wǎng)絡(luò)的輸出，wjfy2yi作為網(wǎng)絡(luò)最小單元輸入層和網(wǎng)絡(luò)最小單元隱含層之間的聯(lián)結(jié)數(shù)值，作為網(wǎng)絡(luò)最小單元隱含層和輸出層之間的聯(lián)結(jié)數(shù)值。bp神經(jīng)網(wǎng)絡(luò)對汽輪機(jī)進(jìn)行故障診斷，由大量故障數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練， 完成訓(xùn)練后，再對故障模式進(jìn)行識別，進(jìn)而得到目標(biāo)輸出值，再根據(jù)該輸出值 的特點(diǎn)與預(yù)先定義的故障類型，得出故障診斷結(jié)果。2.4.2bp神經(jīng)網(wǎng)絡(luò)的設(shè)計(4) 設(shè)計網(wǎng)絡(luò)的輸入層將故障信號頻率譜中9個頻段的幅值作為故障特征向量提取，因此網(wǎng)絡(luò)的 輸入層神經(jīng)元節(jié)點(diǎn)數(shù)

17、為9個。(5) 設(shè)計網(wǎng)絡(luò)的隱含層一般來說，神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)太少，那么將難以建立輸入與輸出之間 復(fù)雜的映射關(guān)系，導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練困難，或者說辨識能力差，容錯性能差， 不能滿足要求；神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)過多，不僅會增加學(xué)習(xí)訓(xùn)練的時間，造 成的誤差也不一定最小。本文對bp神經(jīng)網(wǎng)絡(luò)這一不足z處做出如下改進(jìn)。對于三層的bp神經(jīng)網(wǎng)絡(luò)完全可以完成任何復(fù)雜兩數(shù)關(guān)系的映射，因此設(shè)計 選擇一個隱含層，這個隱含層包含許多網(wǎng)絡(luò)最小單元，這樣就能夠減少網(wǎng)絡(luò)的 訓(xùn)練誤差，提高精度。目前還沒有確定網(wǎng)絡(luò)隱含層最小單元節(jié)點(diǎn)數(shù)的最終理論, 因此只能采用以往研究者使用的方法來確定：(6) hecht-nielsen 公式法比2

18、=2q+l(2-8)式中，®表示網(wǎng)絡(luò)輸入層最小單元節(jié)點(diǎn)數(shù)，$表示網(wǎng)絡(luò)隱含層最小單元節(jié)點(diǎn)數(shù)。(7) r.p.lippmann等人提出的方法h = og2t(2-9)式中，h為隱含層神經(jīng)元節(jié)點(diǎn)數(shù)，t為學(xué)習(xí)樣本的對數(shù)。(8) 實(shí)驗(yàn)湊試法采取多個節(jié)點(diǎn)數(shù)，最終選取課差最小的節(jié)點(diǎn)數(shù)，從而確定網(wǎng)絡(luò)隱含層最小 單元的節(jié)點(diǎn)數(shù)。該方法對汽輪機(jī)故障診斷的網(wǎng)絡(luò)設(shè)計非常有效，也非常合理， 比較快速、方便地確定節(jié)點(diǎn)數(shù)，盡可能地減少了一些節(jié)點(diǎn)數(shù)過多或過少所產(chǎn)生 的問題。本文為了使所設(shè)計的汽輪機(jī)故障診斷系統(tǒng)誤差更小、更完善，決定采用實(shí) 驗(yàn)湊試法來確定網(wǎng)絡(luò)隱含層最小單元的節(jié)點(diǎn)數(shù)。由式(28)及9個網(wǎng)絡(luò)輸入層 最小單元

19、節(jié)點(diǎn)數(shù)可知厲=9,通過代入并運(yùn)算得到§ =2x9 + 1 = 19,因此本文先 采用19作為網(wǎng)絡(luò)隱含層最小單元節(jié)點(diǎn)數(shù)，然后以19為基準(zhǔn)值取10到31范圍內(nèi)的二十一個數(shù)依次進(jìn)行湊試，并作出這二十一個數(shù)相應(yīng)的誤差范圍圖，肓到 實(shí)踐來確定最佳值，選擇誤差最小值作為bp神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元節(jié)點(diǎn)數(shù)。選 擇不同隱含層節(jié)點(diǎn)數(shù)對應(yīng)誤差范圍如圖2.4所示。1) n2 =02) n2=3) n2 = 1 24)= 1 35) © = 146)= 157)弘=1 68) § = 17續(xù)圖9) “2=1*10) “2=1911) n2 2012)并2 =2113)=2214) % =23

20、15)直=2416) n2 = 25續(xù)圖17)直=2618)直=2719) n2 =2820) z?2 =2921) n2 = 30圖2.4不同節(jié)點(diǎn)數(shù)誤差范圍取這21個節(jié)點(diǎn)數(shù)各自的最大誤差值，得到不同節(jié)點(diǎn)數(shù)誤差曲線圖如圖2.5。 在該圖中發(fā)現(xiàn)網(wǎng)絡(luò)最小單元的節(jié)點(diǎn)數(shù)和誤差是非線性關(guān)系，當(dāng)其為22時，故障 學(xué)習(xí)訓(xùn)練課差最小，精度最高。因此，最終確定網(wǎng)絡(luò)該隱含層的節(jié)點(diǎn)數(shù)為22個。圖2.5不同節(jié)點(diǎn)數(shù)誤差曲線圖(9)設(shè)計網(wǎng)絡(luò)的輸岀層本文以十種汽輪機(jī)典型振動故障類型作為輸出，提供給神經(jīng)網(wǎng)絡(luò)判斷故障 類型的。因此，輸出層的神經(jīng)元節(jié)點(diǎn)數(shù)是10個。將這10種狀態(tài)進(jìn)行編碼得到 網(wǎng)絡(luò)訓(xùn)練樣本的目標(biāo)輸出如表2.1所示。

21、表2.1網(wǎng)絡(luò)訓(xùn)練樣本的目標(biāo)輸出故障樣本12345678910不平衡1000000000氣動力偶0100000000不對中0010000000油膜渦動0001000000轉(zhuǎn)子徑向碰磨0000100000共生松動0000010000推力軸承損壞0000001000喘振0000000100軸承座松動0000000010不等軸承剛度0000000001(10) 選擇網(wǎng)絡(luò)的激活函數(shù)在bp神經(jīng)網(wǎng)絡(luò)中有l(wèi)og-sigmoid型函數(shù)logsigl、tan-sigmoid型函數(shù) tansigk以及純線性的purelino函數(shù)三種激活函數(shù)，激活函數(shù)的選擇是否合理、 正確關(guān)系到神經(jīng)網(wǎng)絡(luò)收斂速度的快慢和收斂精度的高低

22、。(11) log-sigmoid型函數(shù)的表達(dá)式(2-10)在matlab中調(diào)取語句為a = logsin(n)a :logsig()的回調(diào)值,范圍0,lo(12)tan-sigmoid型函數(shù)的表達(dá)式/(x)=(2-11)在matlab屮調(diào)取語句為a = tansig(n)a : tansig()的回調(diào)值,范圍-1,1。(13) 純線性pureliri函數(shù)的表達(dá)式(2-12)/(兀)=kx 在matlab中調(diào)取語句為a = purelin(n；a : purelin的回調(diào)值，范圍-oo,+ooo木文汽輪機(jī)故障診斷系統(tǒng)中的輸入層采用tansigo ,隱含層采用logsigo ,輸出層采用純線性的

23、puielino o(14) 訓(xùn)練函數(shù)選擇在matlab神經(jīng)網(wǎng)絡(luò)工具箱中有四種常用的訓(xùn)練函數(shù)：traingdx函數(shù)、trainlm 函數(shù)、traingd函數(shù)、traingdm函數(shù)。traingdx函數(shù)能變化學(xué)習(xí)訓(xùn)練速率，精度較 高；trainlm函數(shù)響應(yīng)速度快；traingd函數(shù)訓(xùn)練速度快；traingdm函數(shù)學(xué)習(xí)訓(xùn)練 課差小。本文利用matlab軟件中的工具箱繪制了這四種不同訓(xùn)練函數(shù)的收斂曲 線，如圖2.6所示。pcoc石lo匸fuoawi(ui) >oi>3 pejrnbs ue«mxwc豆續(xù)圖4) trainlm 函數(shù)圖2.6四種不同訓(xùn)練函數(shù)的收斂曲線圖同時得到四種

24、不同訓(xùn)練函數(shù)的訓(xùn)練結(jié)果，如圖2.7olot s3 is3neural netv/ork training (nnt rain tool) neural network training (nntraintool)neural networkneural network1010outputv1010outputalgorithmsdata division: random (dividerand)training:gradient descent (traingd；performance: mean squared error m$e calculations: mexprogressalgor

25、ithmsdata division: random (di*.； je-.v d)training:gradient descent with momentum itraingdm'performance: mean squared error (mse)calculations: mexprogressplotsperformancetraining stateregressionplot interval: ' /epoch: time: performance:gradient: validation checks:(plotperform)(plottrainstat

26、e)(plotregression)1 epochs7 opening performance plot stop training | cancelepoch：time:performance:gradient:validation checks:plots(plotperform)(plottrainstate)(plotregression)performancetraining stateregressionplot interval: 0_1 epochsopening regression plot stop training cancel1) traingd 函數(shù)2) train

27、gdm 函數(shù)續(xù)圖3) traingdx 函數(shù)4) trainlrn 函數(shù)圖2.7四種不同訓(xùn)練函數(shù)的訓(xùn)練結(jié)果分析圖2.7,對它們的均方誤差、訓(xùn)練時間、訓(xùn)練步數(shù)進(jìn)行比較如表2.2。表2.2不同網(wǎng)絡(luò)訓(xùn)練函數(shù)的比較函數(shù)traingd 函數(shù)traingdm 函數(shù)traingdx 函數(shù)trainlm 函數(shù)均方誤差0.05990.06760.0009990.000987訓(xùn)練時間4s4sisis訓(xùn)練步數(shù)100010001766在表2.2中可以明顯看出traingd函數(shù)和traingdm函數(shù)的訓(xùn)練步數(shù)很多，訓(xùn) 練時間較長，均方誤差也很大，因此考慮不采用他們。traingdx函數(shù)和trainlm 函數(shù)訓(xùn)練吋間較短

28、，均方誤差不大，但是traingdx函數(shù)的訓(xùn)練步數(shù)比trainlm函 數(shù)多，因此本文神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)選擇trainlm函數(shù)。2.4.3 bp神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)流程bp神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)流程：(18) 規(guī)定學(xué)習(xí)訓(xùn)練誤差的最大值，限制最多訓(xùn)練次數(shù)。(19) 對輸入的數(shù)據(jù)進(jìn)行運(yùn)算，并將結(jié)果進(jìn)行輸出。(20) 對比分析誤差，符合要求則退出，不符合要求則返回繼續(xù)訓(xùn)練。(21) 分析輸入層、隱含層、輸出層的誤差大小。(22) 重新調(diào)整網(wǎng)絡(luò)的權(quán)值分配。(23) 學(xué)習(xí)訓(xùn)練增加，判斷符合要求退岀為止。圖2.8為該算法流程圖。(結(jié)束)圖2.8 bp網(wǎng)絡(luò)的算法流程圖2.5基于elman神經(jīng)網(wǎng)絡(luò)的故障診斷2.5.1 elm

29、an神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)elman神經(jīng)網(wǎng)絡(luò)是一種能夠?qū)崿F(xiàn)網(wǎng)絡(luò)局部的反饋連接的神經(jīng)網(wǎng)絡(luò)，它具有 極強(qiáng)的數(shù)字運(yùn)算能力以及比前向型神經(jīng)網(wǎng)絡(luò)更好的非線性處理和擬合能力，具 有短期記憶能力的單元。elman神經(jīng)網(wǎng)絡(luò)一般為多層結(jié)構(gòu)如圖2.9。它由四層組成即輸入層、隱含層、 連接層和輸出層。連接層elman神經(jīng)網(wǎng)絡(luò)中的表達(dá)式有:y(£) = g(vtax 伙)(2-13)x伙)=/(w'xc 伙)+ vv2 (u 伙 一 1)(2-14)xc(k) = x(k-)(2-15)上述式中，y是血維輸出層最小單元向量，兀是維中間層最小單元向量， u是廠維輸入層最小單元向量，兀是刃維局部反饋時的向量，&q

30、uot;是中間層至輸 出層的聯(lián)結(jié)值，腫是輸入層至中間層聯(lián)結(jié)值，r是承接層至中間層聯(lián)結(jié)值，g(*) 是網(wǎng)絡(luò)輸出最小單元的激活函數(shù)，/(%)是網(wǎng)絡(luò)中間層最小單元的激活函數(shù)s函 數(shù)。2.5.2elman神經(jīng)網(wǎng)絡(luò)的設(shè)計同bp神經(jīng)網(wǎng)絡(luò)的設(shè)計，網(wǎng)絡(luò)的輸入層最小單元節(jié)點(diǎn)數(shù)為9個，網(wǎng)絡(luò)的隱含 層最小單元節(jié)點(diǎn)數(shù)為22個，網(wǎng)絡(luò)的輸出層設(shè)計同表2.1。激活函數(shù)的選擇：輸 入層采用tansigo ,隱含層采用logsig(),輸出層采用purelino。神經(jīng)網(wǎng)絡(luò)的訓(xùn) 練函數(shù)仍然選擇tminlm函數(shù)。2.6本章小結(jié)本章主要介紹了人工神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)故障診斷屮的應(yīng)用，包括bp神經(jīng)網(wǎng) 絡(luò)和elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)

31、的設(shè)計等第3章汽輪機(jī)故障診斷系統(tǒng)的硬件設(shè)計由icp加速度傳感器、電渦流傳感器、信號調(diào)理器、前置器、數(shù)據(jù)采集卡、 工控機(jī)共同組成的汽輪發(fā)電機(jī)組振動信號采集系統(tǒng)，如圖3.1所示：數(shù)據(jù)采集卡工控機(jī)圖3.1汽輪發(fā)電機(jī)組振動信號采集系統(tǒng)硬件組成3.1傳感器傳感器是用來檢測所需被測量的裝置，它能夠按照某種特定的規(guī)律將被測 量轉(zhuǎn)化成輸出信號。在汽輪機(jī)故障診斷系統(tǒng)中，為了真實(shí)地反映被測量信息， 從而得出準(zhǔn)確有效的診斷結(jié)果，正確合理的選擇傳感器顯得非常關(guān)鍵。(24)icp壓電式加速度傳感器icp壓電式加速度傳感器是對壓電效應(yīng)比較敏感的元件，當(dāng)被測試件振動 時，它能產(chǎn)生相應(yīng)的電信號。該傳感器的形狀較小，非常便于測

32、量，具有響應(yīng)時間短、最高振幅可達(dá)±50g peak、靈敏度較高等諸多優(yōu)點(diǎn)。本文選用秦皇島鑫華科技有限公司生產(chǎn)的ad100-1h壓電式加速度傳感器 如圖3.2。它是由壓電式加速度傳感器的探頭和聯(lián)結(jié)螺釘共同組成。x&kad100-1h 帕炯; sn11500 -圖3.2 ad 100-1h傳感器ad100-1h壓電式加速度傳感器介紹如表3.1所示:表3.1ad100-1h壓電式加速度傳感器介紹性能參數(shù)指標(biāo)環(huán)境參數(shù)指標(biāo)物理參數(shù)指標(biāo)型號：ad100-1h溫度區(qū)間：5()°c+125°c敏感元件：pzt壓電陶瓷靈敏度：100mv/g±10%(25°

33、;c)防水：60米(一體電纜式)傳感結(jié)構(gòu)：剪切頻響：0.3-15000hz (±3db)封裝：全不銹鋼激光焊接封裝重量:90克0.5-12000hz (±10%)最高振幅:±50g peak外殼材質(zhì)：不銹鋼穩(wěn)定時間：v2.5s安裝孔：l/4in供電電壓：18-30 vdc連接器：2針mil-c5015恒定電流：2-10ma諧振頻率：20khz頻譜噪音： 100hz 2.3 gg/a/hz安裝扭矩：2,7 to 6,8 nm輸出阻抗：v100q安裝螺釘：l/4in-m6標(biāo)準(zhǔn)螺釘偏置電壓：1014vdc絕緣阻抗：1080壓電式加速度傳感器的安裝方式主要有以下三種：(1

34、) 采用鋼螺栓進(jìn)行固定。為了使傳感器的安裝表面更加規(guī)范和平整，加強(qiáng) 傳感器與安裝表面連接的可靠性，一般會在安裝表面上涂一層硅脂。若是遇到 要求絕緣的工作環(huán)境，也可以采用絕緣螺栓和盡可能薄的云母梨片進(jìn)行固定。 如果該傳感器在四十?dāng)z氏度以下的場合工作，可用蠟將傳感器粘貼在平的試件 上。一般將螺栓1/4擰入基座螺孔，即使基座發(fā)生變形也不會影響測量結(jié)果， 也不會使加速度傳感器測量結(jié)果產(chǎn)生較大誤差。(2) 采用手握探頭測振法。這種方法特別適用于多個振動點(diǎn)測試的場合，但 是會存在一些缺點(diǎn)。(3) 采用永久磁鐵法。這種方法多數(shù)應(yīng)用在測量頻率較低時，如軸承底座振 動數(shù)據(jù)的采集過程，操作便捷，非常適用。3.1.

35、2電渦流位移傳感器電渦流位移傳感器通過被測試件和探頭產(chǎn)牛的電渦流效應(yīng)來測量其之間的 相對位移的裝置。它的平均靈敏度誤差小、互換性誤差小、受環(huán)境影響小，適 用于有距離的測量場合。在汽輪發(fā)電機(jī)組轉(zhuǎn)子軸向位移測量、軸系徑向振動測 量、轉(zhuǎn)軸速度測量、油膜體積測量等應(yīng)用廣泛。通過對測量數(shù)據(jù)進(jìn)行時頻域分 析，目的找到故障原因，對汽輪機(jī)組進(jìn)行維護(hù)維修，該傳感器在不同場合的典 型應(yīng)用如圖3.3o1)振動測量本文選用hz-891xl電渦流位移傳感器，如圖3.4所示:圖3.4 hz-891xl電渦流位移傳感器hz-891xl電渦流傳感器能夠有效地測量轉(zhuǎn)子軸向位移，具有便捷、耐用、 檢測結(jié)果精確、精度高、誤差小、抗

36、外界影響能力強(qiáng)、可以有距離測量、測量 所需時間短等優(yōu)點(diǎn)。hz-891xl電渦流傳感器介紹如表3.2所示。表3.2 hz-891xl電渦流位移傳感器介紹性能參數(shù)指標(biāo)1.線性量程、線性范探頭直徑：4)8圍、線性中點(diǎn)、非線線性量程(mm)： 2性誤差、最小被測面線性范圍(mm)： 0.502.50參數(shù)線性中點(diǎn)(mm)： 1.5 非線性誤差：±1%最小被測面(mm)： <1> 202.平均靈敏度負(fù)電壓：8v/mm420m a： 8m a/mm平均靈敏度誤差：w±5%3.動態(tài)特性頻響：010khz幅頻特性:在01khz衰減<1%, 10khz衰減<5%相頻特性

37、:在01khz相位差v-10° , 10khz相位差v-100°4.互換性誤差互換性誤差w5%5.工作溫度探頭：工作溫度50 +175° c 溫漂w0.05%/° c前置器:工作溫度50+120° c 溫漂w0.05%/° c6 .工作介質(zhì)空氣、油、水7.探頭最大工作壓力12mpa電渦流傳感器安裝吋需要注意：(1) 安裝吋，不允許探頭周圍存在導(dǎo)電介質(zhì)，必須留有非導(dǎo)電介質(zhì)空隙。若 被測金屬導(dǎo)體和探頭之間不能有空隙，那么就用絕緣的材料進(jìn)行填充封閉。(2) 安裝時，傳感器要盡可能遠(yuǎn)離被測試件的振動，避免產(chǎn)生不必要的自激振動。尤其是汽輪機(jī)軸系

38、徑向振動測量時，要使兩個電渦流傳感器垂肓分布。(25)前置器前置器是一種電流信號、電壓信號產(chǎn)生和處理的裝置。在被測金屬導(dǎo)體振 動過程中，被測試件與探頭之間發(fā)生相對位移，產(chǎn)生電渦流效應(yīng)，使得探頭的 參數(shù)發(fā)生改變，前置器就能產(chǎn)生和探頭參數(shù)成一定線性變化的電信號。目前， 大多數(shù)電渦流傳感器和前置器是一體的，如下圖3.5所示：圖3.5與hz-891xl電渦流位移傳感器匹配的前置器(26)信號調(diào)理器icp (木文選擇型號為ad100-1h)壓電加速度傳感器采用恒流源供電。圖3.6是其原理示意圖。圖3.6 icp壓電加速度傳感器原理示意圖圖3.7為振動信號的調(diào)理裝置，選擇它的原因有：1. 為該振動測量裝置

39、提供24vdc、4ma恒流電源。2. 能夠?qū)㈦娐分械碾亮鞑糠秩コ?，并保留以大地為參考點(diǎn)的交變信號。3. 增益在1,100范圍內(nèi)。4. 頻率在 1-lookhzo5. 并行輸出bnc插座。1) 2)圖3.7 xk343l-8通道信號調(diào)理器本系統(tǒng)選用xk343l-8通道的信號調(diào)理器，其介紹如表3.3所示。表3.3 xk343l-8通道信號調(diào)理器介紹主要技術(shù)指標(biāo)通道數(shù)：8恒流供電電流：恒流供電電壓：24vdc輸岀信號：土5v增益：1倍髙頻上限:30khz低頻下限：0. 08hz供電電壓：dc 24v （配套電源適配器ac220v 24vdc）工作溫度：-10 +40°c工作濕度：85%外型

40、尺寸：204mmx 165mmx48mm （長*寬*高）重量：450克(27)數(shù)據(jù)采集卡本文選擇阿爾泰科技發(fā)展有限公司生產(chǎn)的pci8757數(shù)據(jù)采集卡，如圖3.8 所示。該數(shù)據(jù)采集卡可應(yīng)用在許多信號監(jiān)測、信號采集、信號分析處理、控制 等領(lǐng)域。它能實(shí)現(xiàn)信號時域、頻域所有波形的產(chǎn)生，在電廠噪聲嚴(yán)重、工作環(huán) 境較差的情況下，該卡工作持久耐用、不受周圍介質(zhì)彫響，尤其是差分輸入保 證了信號采集的快速性、有效性，而且采集誤差和傳輸失真較小。圖3.8阿爾泰pci數(shù)據(jù)采集卡pci8757數(shù)據(jù)采集卡pci8757的性能參數(shù)見表3.4o表3.4阿爾泰pci數(shù)據(jù)采集卡pci8757的性能參數(shù)性能參數(shù)轉(zhuǎn)換器類型：ad7

41、671輸入量程：±10v、±5v、±2.5v、010v、05v轉(zhuǎn)換精度：16位(bit)釆樣頻率(frequency): 3800khz物理通道數(shù)：4通道模擬量輸入方式：雙端模擬輸入通道切換方式：4通道4芯片獨(dú)立工作數(shù)據(jù)讀取方式：非空和半滿查詢方式、中斷方式、dma方式(此方式速度最高)存儲器深度：8k字(點(diǎn))fifo存儲器存儲器標(biāo)志：滿、非空、半滿時鐘源選項(clocksource):板內(nèi)時鐘和板外時鐘軟件可選 觸發(fā)模式(triggermode)：軟件內(nèi)部觸發(fā)和硬件外部觸發(fā)(后觸發(fā)post) 模擬量觸發(fā)源軟件可選(triggersource)： atr、dtr、

42、convstjn信號 觸發(fā)類型(triggertype):邊沿觸發(fā)、脈沖(電平)觸發(fā)觸發(fā)方向(triggerdir)：正向、負(fù)向、正負(fù)向觸發(fā)觸發(fā)電平(triglevelvolt): 010v模擬量觸發(fā)源(atr)輸入范圍：010v觸發(fā)源dtr輸入范圍：標(biāo)準(zhǔn)ttl電平ad轉(zhuǎn)換時間：1.25us模擬輸入阻抗：10m非線性誤差：±3lsb (最大)系統(tǒng)測量精度：0.01%工作溫度范-40°cto+85°c存儲溫度范圍：40°c+120°c板載時蝕振蕩器：50mhz板卡外形尺寸：143.6mm* 102mm* 18mm(長、寬、高)3.5工控機(jī)工控機(jī)可

43、以顯示數(shù)據(jù)采集卡傳輸來的信號特征，它作為一種自動控制器應(yīng) 用廣泛。工控機(jī)自身的安全防護(hù)能力較好，一般不輕易受到電廠周圍環(huán)境噪聲、 水、電、灰塵的影響，再加上它工作非常可靠、狀態(tài)十分平穩(wěn)、持久，較優(yōu)良 的功能特性，非常適合應(yīng)用于汽輪機(jī)故障診斷系統(tǒng)。本文采用華靈德科技有限公司生產(chǎn)的嵌入式平板電腦ppc-151q作為汽輪 機(jī)故障診斷系統(tǒng)的智能控制器硬件。該工控機(jī)如圖3.9。圖3.9嵌入式平板電腦ppc-151q該工控機(jī)在電廠振動復(fù)雜、干擾多、環(huán)境惡劣的情況下，依然能夠保存穩(wěn) 定的工作狀態(tài)，良好的工作效果，可觀的人機(jī)界面，性能非常出色，能夠滿足 汽輪機(jī)振動信號釆集系統(tǒng)的要求，其主要性能參數(shù)見表3.50

44、表3.5嵌入式平板電腦ppc-151q主要性能參數(shù)性能參數(shù)屏幕尺寸：15.1寸處理器：intel® atomtmn270 1.6ghz板載合金材質(zhì)，硬質(zhì)陽極氧化拉絲處理內(nèi)存：1gb ddr2 sdram 板載存儲：320g 可選(satadom, sata hdd, ssd)usb 接口： 4 個 usb2.0 端口串口： 3 個 rs232 端口，1 個 rs485 端口i/o： 8路數(shù)字i/o端口，4路輸入，4路輸出擴(kuò)展槽：2個pci擴(kuò)展插槽3.6本章小結(jié)本章主要對汽輪機(jī)故障診斷系統(tǒng)的硬件部分進(jìn)行設(shè)計。通過對各個硬件的 綜合性價比和性能參數(shù)進(jìn)行多次考慮，然后比較正確合理地選擇了采

45、集系統(tǒng)組 成硬件設(shè)備的生產(chǎn)廠家、型號。第4章汽輪機(jī)故障診斷系統(tǒng)的軟件設(shè)計4.1系統(tǒng)軟件的總體設(shè)計330mw熱電汽輪機(jī)故障診斷系統(tǒng)的總體結(jié)構(gòu)設(shè)計如圖4.1所示。本系統(tǒng)的 主要功能有：將采集得到的汽輪機(jī)振動信號通過濾波去噪，顯示信號的吋頻域 波形圖，進(jìn)行時域分析和頻域分析；將信號分為9個頻段，對每個頻段的頻率 幅值提取，顯示幅值譜，進(jìn)行各個故障類型的幅值分析；提取故障狀態(tài)時每個 頻段的幅值作為故障數(shù)據(jù)儲存；選取其中絕大部分故障數(shù)據(jù)作為故障訓(xùn)練樣木, 少數(shù)部分作為待測故障數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和診斷。顯示診斷結(jié)果和 誤差分析圖4汽輪機(jī)故障診斷系統(tǒng)的總體結(jié)構(gòu)圖4.2安全登錄模塊設(shè)計打開汽輪機(jī)故障診

46、斷系統(tǒng)后會出現(xiàn)如圖4.2所示的系統(tǒng)登錄界面。本系統(tǒng)將 用戶名和密碼分別設(shè)置為maiha2018和393655。圖4.2系統(tǒng)登錄界面輸入正確的用戶名和密碼時，該汽輪機(jī)故障診斷系統(tǒng)會提示登錄成功，并 進(jìn)入330mw熱電汽輪機(jī)故障診斷系統(tǒng)主界面，如圖4.3所示。歡迎使川330mw熱電汽輪機(jī)故障診斷系統(tǒng)圖4.3汽輪機(jī)故障診斷系統(tǒng)界面用戶名或密碼輸入錯誤時該汽輪機(jī)故障診斷系統(tǒng)會出現(xiàn)如圖4.4所示的系 統(tǒng)錯誤登錄界面，必須重新輸入。圖4.4錯誤登錄界面4.3汽輪機(jī)振動信號采集模塊設(shè)計點(diǎn)擊信號采集系統(tǒng)按鈕，進(jìn)入信號采集系統(tǒng)界面。用戶可以選擇查看汽輪機(jī)振動信號采集系統(tǒng)的硬件組成、每個碩件組成的 型號以及相應(yīng)圖

47、示等。用戶可以選擇7種不同濾波器進(jìn)行濾波去噪，查看8個 不同的信號釆集通道的情況。本系統(tǒng)采用兩種不同的混合噪聲信號進(jìn)行模擬，依次點(diǎn)擊各個濾波去噪按 鈕，對比原始信號和濾波去噪后的信號，可以看出其濾波效果是否明顯。圖4.5為巴特沃斯濾波去噪。1) 2)圖4.5巴特沃斯濾波去噪圖4.6為fir濾波去噪。1) 2)圖4.6f ir濾波去噪圖4.7為移動平均濾波去噪。1)2)圖4.7移動平均濾波去噪圖4.8為中值濾波去噪。1)i古12)圖4.8中值濾波去噪圖4.9為維納濾波去噪。1)2)圖4.9維納濾波去噪圖4.10為自適應(yīng)濾波去噪。1)墨s»2)圖4.10自適應(yīng)濾波去噪圖4.11為小波濾波

48、去噪。2)圖4.11小波濾波去噪對比以上7種濾波器濾波效果，可以看出：巴特沃斯濾波和fir濾波，都 能明顯濾除第一種信號的高頻信號，而濾除第二種信號的高頻上升、下降沿時 有部分失真現(xiàn)象。移動平均濾波和中值濾波的濾波效果不錯，尤其是上升、下 降沿失真比較小；維納濾波可以用于信號與噪聲有重疊的情況下，但對第二種 信號濾波效果不佳；自適應(yīng)濾波還行，對第二種信號有較小的失真；小波濾波 去噪整體比較好，綜合評價其濾波質(zhì)量高，對高頻率濾波非常明顯，對上升、 下降沿維真較好。因此，采用小波濾波去噪能更加準(zhǔn)確有效地獲取汽輪機(jī)振動 數(shù)據(jù)，對今后的故障分析、研究和診斷非常重要。4.4振動數(shù)據(jù)分析與處理模塊設(shè)計用戶

49、可以根據(jù)實(shí)際情況輸入白己需要的時間序列、采樣頻率、起始頻率、 截止頻率，點(diǎn)擊時頻顯示按鈕，出現(xiàn)時頻域圖界面。本文采用模擬信號的時頻 域圖如圖4.12所示。n tears600ml)«0.00r(sm(0 3>-l>(0.8>*t>*sin(0.85>,trsin(rpi-l>*w(1 6>*thsm(3 4>*t>*irx6 8>*t>*m8 4,pi,t>*s«x10，p*t»ft：臨".j,；二；一二_r r一<pkne圖4.12時頻域圖點(diǎn)擊時頻域分析，進(jìn)入時頻域分析界面如

50、圖4.13所示。qtwhlf対 muhi,em5.<040-00/mi051-0wiomooa*-ao y mo町盂亂s:i盂濟(jì) se;sj甌品 13 orajoc« jcc« 羯j,oca3 0cc40«« -owe ou«i0h<2«««ohooc««)«u«cc« so «）（o««otwd«tios"om，0(«« 1dn<4qcccc9i«)4 ccu oc&

51、lt;u *“100 ho圖4.13時頻域分析界面4.4.1時域分析吋域波形圖如圖4.14所示，可以通過對汽輪機(jī)設(shè)備上傳感器輸出的振動信 號的時域波形進(jìn)行分析，對故障進(jìn)行初步判斷，這種方法簡單，可由波形直觀 地反映故障，適用范圍廣，能夠有效區(qū)分不同種類的故障。圖4.14時域波形圖用戶可在該系統(tǒng)中查看9個頻率段的時域波形圖，鑒于篇幅耍適中，本文 僅給出頻率分別為0.5f、f、2f時的時域波形圖分別如圖4.15、圖4.16、圖4.17 所示。圖4.15頻率05f時的時域波形圖圖4.16頻率f時的時域波形圖圖4.17頻率2f時的時域波形圖4.4.2頻域分析頻譜圖如圖4.18所示，它能分解出構(gòu)成信號的

52、頻率，便于對汽輪機(jī)故障數(shù) 據(jù)進(jìn)行分析和振動來源的辨識，明顯地直接地顯示汽輪機(jī)設(shè)備振動分量的振幅, 譜線高度可直觀顯示頻率分量的幅值，因此能夠有效提高汽輪機(jī)設(shè)備故障診斷 的準(zhǔn)確性。圖4.18頻譜圖用戶可以查看9個頻率段的頻譜圖，鑒于篇幅要適中，本文僅給出頻率分別為0.5f、f、2f時的頻譜圖分別如圖4.19、圖4.20、圖4.21所示。頻譜團(tuán)°050010002000260030001x 10'31500圖4.19頻率o5f時的頻譜圖x103頻譜團(tuán)ii§0.50 a |050010001500200025003000頻率圖4.20頻率f時的頻譜圖頻諸圖-丿丫 050010001500200025003000頻率圖4.21頻率2f時的頻譜圖443幅值譜分析汽輪機(jī)不同故障類型的幅值譜圖如圖4.22所示，它能明顯地顯示汽輪機(jī)在 不同振動故障類型下的幅值情況，譜線高度直觀顯示頻率分量的幅值，有效提 高了診斷的準(zhǔn)確性。幅值譜08幅值譜060.6° 0.40.26 ° * ° 501001502002?0300頻率1）不平衡幅值語0