汽輪發電機振動故障分析與診斷

張國強，楊 溢

(1.北方工程設計研究院，石家莊 050011；2.河北鋼鐵集團唐山煉鐵廠，唐山 063000)

1 引言

汽輪發電機是電力系統的重要設備之一，其安全可靠運行對整個電力系統的穩定有著重要的意義。發電機振動狀態是評價機組能否持續可靠運行的重要指標[1,2]。發電機振動超過允許值會引起動、靜部分摩擦，加速部件的磨損、產生偏磨、電刷冒火；使機組軸系不能正常工作；嚴重時將會導致機組密封系統遭到破壞；定子鐵心松弛片間絕緣損壞，導致短路故障等[3]。隨著機組容量的增加，機組的結構越來越復雜，部件之間的聯系也越來越緊密，機組故障原因的多樣性和耦合性增加，傳統的、單一參數故障診斷方法已不能對發電機振動故障原因做出準確診斷。針對這一問題，本文采用層次分析方法對汽輪發電機振動故障進行了故障模式及影響分析，并提出了基于多特征屬性距離的故障診斷方法，并給出了多特征屬性距離診斷方法在汽輪發電機振動故障診斷中的工程應用實例。

2 層次分析方法

層次分析方法（Analytical Hierarchy Process, AHP）是一種定性的多準則決策方法[4]，把系統復雜問題的本質、影響因素以及內在聯系進行深入分析后，構建一個有序層次結構模型，使專家經驗知識層次化，為求解多目標、多準則復雜系統故障診斷問題提供一種簡便的分析診斷方法。

2.1 汽輪發電機結構層次分析

汽輪發電機是機電的耦合系統，按其結構劃分可以把汽輪發電機系統分為定子系統和轉子系統兩個子系統，子系統層下又可以劃分為部件層。汽輪發電機系統的結構層次分析可以用圖1表示。

2.2 汽輪發電機振動故障層次分析

采用故障模式與影響分析（Failure Mode and Effect Analysis, FMEA）方法對汽輪發電機振動故障進行層次分析，FMEA是用于確定、識別和消除系統已知和潛在的故障的工程技術[5,6]，是一種定性的故障分析方法。通過嚴密分析，得到系統潛在的失效模式和可能造成的后果，通過對系統各組成部件的分析和改進，使系統的狀態趨于最佳狀態。

層次 FMEA分析可以分為系統 FMEA、子系統FMEA和部件FMEA三部分。系統FMEA的故障模式為子系統FMEA和部件FMEA提高了基本信息，系統FMEA中的故障原因會轉化為子系統FMEA的故障模式，子系統FMEA中的故障模式相應的有各自的故障原因，轉化為部件FMEA中的故障模式，部件FMEA中故障模式的故障原因，即零件的故障模式為系統故障的根本原因。

汽輪發電機振動故障FMEA層次分析結果，見表1、表2、表3所示。

圖1 汽輪發電機結構層次分析

表1 系統FMEA

表2 子系統FMEA

表3 部件FMEA

根據表1～3汽輪發電機振動故障層次分析，得到汽輪發電機振動故障因果關系結構圖，用故障樹分析方法（Fault Tree Analysis, FTA）表示，如圖2所示。圖中符號及其所表示的含義如表4所示。

圖2 汽輪發電機振動故障FTA

由圖2可得，導致汽輪發電機振動故障的底事件有11個，分別是：定子鐵心松動共振故障、定子端部繞組共振故障、轉子原始質量不平衡故障、轉軸徑向剛度不均勻故障、轉子通風道堵塞故障、轉子繞組匝間短路故障、轉子繞組變形故障、聯軸器不對中故障、油膜渦動故障、油膜振蕩故障和軸承不對中故障。其中，定子鐵心松動共振故障、定子端部繞組共振故障屬于定子振動故障，通過在定子鐵心和定子繞組端部加裝監測裝置可以準確識別此類故障；后9類振動故障模式的診斷識別是本文診斷工作的重點。

表4 圖2符號及其含義對應表

2.3 汽輪發電機振動故障特征分析

根據發電機振動故障層次FMEA和FTA的分析結果，對9類振動故障特征進行分析。在旋轉機械振動頻率特征表基礎上，從頻率特征屬性、時變特征屬性和工況特征屬性三個方面來對發電機振動故障進行特征分析，分析結果見表5所示。

表5 振動故障特征分析

3 多特征屬性距離診斷法

多特征屬性距離診斷方法是一種針對復雜設備的故障診斷方法，通過對專家經驗知識的故障特征屬性量化，建立起故障標準特征屬性，通過求解被檢故障特征屬性與標準屬性之間的距離，得到故障診斷結果。避免了采用單一屬性進行故障診斷造成的診斷片面性和不準確性。

假設反應設備故障狀態的特征參數有n個，則故障模式Mi可以用特征屬性的集合來表示，Mi={Xi1,Xi2,Xi3, ...,Xin}，其中Xij為標準的故障特征屬性值。設備有m個故障模式集合，則故障模式集合R可以表示為R={M1,M2,M3, ...,Mm}，其中Mi(i=1, 2, 3, ...,m)為故障特征屬性標準集。建立的故障標準特征屬性矩陣如下：

上式表示的故障標準特征屬性矩陣包含了m個故障模式，每一個故障模式包含了n個特殊屬性。

設被檢故障特征屬性集合為M′={x1,x2,x3, ...,xn}，通過求解M′與Mi的特征屬性距離，來判斷M′與Mi的相似程度，得出診斷結果。多特征屬性距離求解公式如下：

當iD值最小時，表示M′與iM的特征屬性距離最小，即M′與iM的相似程度最高，即可做出M′屬于故障模式iM的診斷。

4 汽輪發電機振動故障診斷

應用多特征屬性距離診斷方法對汽輪發電機振動故障進行診斷，關鍵在于振動特征屬性進行正確的賦值。

根據發電機振動故障層次分析的結論，得到振動故障特征屬性集M，包括頻率特征屬性、時變特征屬性和工況特征屬性。其中，頻率特性包括6個頻率段的頻域特征量，分別是(0-0.39)f，(0.4-0.49)f，(0.50-0.99)f，1f，2f，＞2f（其中f為轉軸轉動頻率）。時變特性表示振動幅值隨時間變化的特征。工況特性包括轉速工況、負荷工況、勵磁電流工況、冷卻介質工況和潤滑油溫工況等。使得發電機振動故障特征屬性一共有12個，分別對應故障特征屬性集M={x1,x2,x3, ...,x12}中的12個元素。

4.1 振動故障特征屬性賦值規則

對振動頻率特性中各特征屬性值進行歸一化處理，規定振動通頻振動幅值為1，振動頻率分量特殊屬性值為其振幅與振動通頻振動幅值的比值。將時變特性分為穩定、慢變、漸變、快變和突變5個類型，穩定代表在一定工況下振動幅值趨于穩定；慢變代表在一定工況下振動幅值緩慢變化；漸變指在一定工況下振動幅值成逐漸變化；快變指在一定工況下振動幅值趨于快速變化；突變指在一定工況下振幅發生突變。時變特性特征屬性標準值為｛0，0.25，0.5，0.75，1｝，分別對應上述5種時變特性類型。在進行故障診斷時，被檢驗樣本的時變特征屬性值由領域專家給出，當無法準確界定時，可以選擇折衷取值，例如某一振動故障的時變特性介于慢變和漸變之間，可以折衷取值為0.35或0.4。對于工況特性中的特征屬性取值，規定振動幅值隨工況變化明顯取值為1，否則為0。振動部位屬性規定轉子振動取值為0，定子振動取值為1。

4.2 特征屬性矩陣的建立與求解

根據汽輪發電機振動故障層次分析的結論，故障模式集合R包含9個故障模式子集，R={M1,M2,M3, ...,M9}，Mi(i=1, 2, 3, ..., 9)分別對應表4中振動故障模式的X3, X4, X5, ..., X11。

根據發電機振動故障特征屬性賦值規則，得到標準特征屬性矩陣如下：

按照式2分別求解被檢測故障特征屬性M′={x1,x2,x3, ...,x13}與發電機振動故障標準特征屬性矩陣（式3）中的iM(i=1, 2, 3, ..., 11)的特征屬性距離，來判斷M′與iM的相似程度，得出診斷結果。

5 工程實例應用

某電廠汽輪發電機組軸系由汽輪機高壓轉子、中壓轉子、低壓轉子、發電機轉子組成，各轉子之間均為剛性聯軸器聯接，共有8個支承軸承，如圖3所示。

圖3 機組軸系布置

5.1 振動故障描述

機組經過大修后啟動三次沖轉至額定轉速（3000r/min），發電機前軸承#7軸振動幅值較大，振動數據見表6所示。

表6 額定轉速時的軸振數據（μm）

依據振動測量和試驗，初步診斷發電機振動有如下特點：

（1）振動幅值與有功負荷關系不大。

（2）每次啟動3000r/min機組振動幅值不同。

（3）#7軸承振動頻譜以工頻為主，但是存在一定的2X、3X、4X成分。

（4）振動幅值隨運行時間成逐漸變化趨勢。

（5）提高發電機氫溫從38℃升至42℃，#7軸振動下降 20～30μm。

（6）振動幅值隨勵磁電流變化而變化明顯。

5.2 多特征屬性距離故障診斷方法應用

應用多特征屬性距離法對汽輪發電機振動故障進行診斷的第一步是特征屬性的標準化。

首先，對#7軸振動信號進行頻譜分析，并求得頻率段(0-0.39)f，(0.4-0.49)f，(0.50-0.99)f，1f，2f，＞2f各頻率分量的振動幅值所占通頻振動幅值的比值，分別對應M′={x1,x2,x3, ...,x13}中的元素x1,x2,x3, ...,x6表示。然后根據故障特征描述對時變特性、工況特性和振動部位屬性中的特征元素進行賦值，得出三次啟動振動過大的特征屬性向量。

第一次啟動振動過大特征屬性向量：

第二次啟動振動過大特征屬性向量：

第三次啟動振動過大特征屬性向量：

根據式（2）分別故障特征屬性向量1M′、2M′、3M′與發電機振動故障標準特征屬性矩陣式（3）中的的特征屬性距離，所得結果見表7所示。

表7 多特征屬性距離計算結果

根據表5中的計算結果發現，故障特殊屬性向量與標準故障模式集中的M3的故障特征屬性距離最小。所以可以判定引起機組#7軸振動過大的故障原因為轉子通風道故障。

5.3 故障處理

停機后，抽出發電機轉子進行檢查，發現轉子通風道內有異物存在，有的孔內還有溶狀物、通風道表面有高溫氣流沖刷的痕跡。對通風道異物進行相應處理后，機組重新啟動至額定轉速，各軸承軸振振幅正常，振動數據見表8所示。

表8 處理后各軸承軸振振動數據（μm）

6 結論

本文應用層次分析方法對汽輪發電機振動故障進行了分析，得到了汽輪發電機振動故障的特征屬性。建立了基于多特征屬性距離的汽輪發電機振動故障診斷方法，與傳統的單一特征屬性診斷方法相比具有診斷準確性較高，并可以診斷出引發振動故障的具體原因等優點。最后通過工程實例應用，驗證了方法的準確性與可行性。

[1]李偉清. 汽輪發電機故障檢查分析及預防[M]. 北京：中國電力出版社，2002.

[2]李錄平，盧緒祥. 汽輪發電機組振動與處理[M].北京：中國電力出版社. 2007.

[3]涂光瑜. 汽輪發電機及電氣設備[M]. 北京：中國電力出版社. 2007.

[4]黃貫虹，方剛. 系統工程方法與應用[M]. 廣州：暨南大學出版社，2005.

[5]王紹印等. 故障模式和影響分析（FMEA）[M]. 廣州：中山大學出版設，2003.

[6]D.H.Stamatis 著, 陳曉彤等譯. 故障模式影響分析FMEA從理論到實踐[M]. 北京：國防工業出版社，2005.