淺談水輪機振動故障診斷分析方法

熊聯英

（西華大學 能源與動力工程學院，四川 成都 610039）

0 引言

系統故障診斷算法是水電機組故障診斷最重要的研究方向之一，現階段系統故障診斷算法的研究內容是對現有的診斷算法不斷優化，不斷提高診斷的精確度和效率，使其更有效的運用于水輪機組系統故障診斷工程實際問題中。現有的相對成熟的智能診斷算法有:故障樹診斷、因果分析、支持向量機、模糊診斷、粗糙集理論等[1]。而在振動信號里也包含了相當多的水輪機狀態特征信息，因此，水輪發電機組振動信號的研究對于系統故障的檢測和排查有著十分重要的現實意義。

1 振動的危害[2]

水輪機組振動時可能會帶來的危害：（1）造成機組的緊固部件松動，嚴重時會斷裂，使用壽命急劇縮短。（2）機組零部件造成疲勞損壞區，時間久會產生裂縫，甚至報廢。（3）水輪機組的共振，如機組設備與廠房的共振，可能會破壞廠房及里面的各種設備。（4）水輪發電機振動會讓機組旋轉局部磨損愈加嚴重。（5）尾水管中會產生渦流脈動壓力，管壁會因壓力而開裂，甚至破壞整個尾水設施系統。

2 水輪發電機組振動的分類及原因[3]

按照振動的產生部位，分為建筑基礎振動、機架和支座振動以及軸系振動。根據振動的產生原因，分為機械振動、水力振動和電氣振動。引起振動的原因如表1所示：

表1 引起振動的因素

由表1可知引起水輪機振動的原因具有多樣性和復雜性，尤其以水力因素為主。因此，選擇適當的智能故障診斷方法代替人為經驗診斷故障更高效，也從一定程度上減少了水電廠檢修的費用。

3 主要故障診斷方法的種類及優缺點

故障診斷分析方法已經成為了水輪發電機組系統故障診斷的重要環節。如果讓工作人員僅靠人為工作經驗去查找出振動出現的原因，不僅會耗費大量的人力物力，而且停機會降低水電站的收益。盡管水電站水輪發電機組的振動具有漸變性、復雜多樣性、不規則性等特點，但是當代科學信息技術和相關理論的也在快速發展，許多基于不同原理的診斷方法已初步運用或運用于水電站水輪機振動故障診斷領域。

3.1 故障樹診斷法及優缺點

故障樹分析簡稱FTA，是系統進行安全問題分析研究方法中得到廣泛應用的一種教學方法。故障樹診斷法使用的是邏輯樹圖，可以直觀清晰地描述事故的因果關系，分析出系統中不希望出現的狀態。但是如果對故障出現的原理不太清楚，構造故障樹的難度就會增大，且故障概率的準確獲取比較困難[4]。

3.2 因果分析診斷法及優缺點

因果分析診斷法能夠按故障以及故障造成的結果兩者之間的因果關系來進行診斷，也是其他條件都滿足的情況下，在諸多故障診斷分析方法中優先選用的一種方法。因其是建立在閱歷和嘗試的基礎之上的，故很容易地會受人為主觀因素的影響，最終導致在線實時診斷失敗。

3.3 人工神經網絡診斷法及優缺點

人工神經網絡診斷的精髓是模擬大腦神經系統的結構和認知功能的數學模型。可聯想儲存、自學習、高速尋找優化解，具備很強的自適應性、魯棒性和容錯性[5]，當網絡輸入新故障狀態時能夠對故障做出正確的響應，以達到對故障的準確辨識和定位，讓神經網絡在完成高度非線性和嚴重不確定系統的控制方面有了可能。

但該方法的智能診斷性能和推理能力會受到所選數據樣本大小的限制。并且不可避免地也會面臨以下難題：（1）很難去獲取訓練的樣本。（2）忽略領域專家的診斷常識。（3）很難理解權重方式的表達。

3.4 故障診斷專家系統診斷法及優缺點

專家系統是利用某領域中一個或多個人類專家提供的知識和推理方法求解實際生活中困難問題的人工智能計算機程序，它也是人工智能運用研究領域中最活躍、最普遍的分支之一[6，7]。它具有學習能力，可以根據權威性的知識采用合適的策略，利用專家知識處理很難用數學模型描述的系統故障診斷問題，在此過程中的推理、判別、論斷的過程均可被智能計算機記憶保留下來，使診斷的可信度和權威性得到提高。但專家系統故障診斷分析方法也面臨以下問題：（1）信息量少；（2）缺乏系統性和綜合性的診斷方法；（3）出現故障模型建立不準確的概率相對于其他幾個診斷方法相對較大，會直接影響診斷的準確率；（4）系統在診斷過程中存在不穩定現象；（5）由于振動的復雜性等諸多因素，對水電廠水輪機組的故障機理研究起來很困難。因此，在實際運用中，還存在著一定的限制性和弊端。

3.5 模糊邏輯診斷法故障診斷及優缺點

模糊邏輯診斷法是一種運用模糊邏輯來描述故障產生的原因及故障出現的現象兩者之間的模糊關系，通過用隸屬度函數和模糊關系方程讓故障產生的原因與狀態辨別問題得到很好處理的方法[8，9]。為消除診斷過程中的產生的不確定和不完整的信息，使其更接近故障的客觀本質，就需要全面精確地表示出一個具有模糊特性的征兆和故障特性，即只需找出某些征兆的隸屬度來求出其他各種故障原因的隸屬度。對于處理不確定性問題時，模糊知識庫可以利用語言變量來表達更多解決方案且更易于理解的專家經驗，并且可以按照這些方案的模糊度進行優先級排序。

然而,在復雜的診斷系統中,當沒有合適的途徑獲取相對準確的隸屬函數和模糊規則或者包含未知信息過多時，此方法是無效的。另外，使模糊邏輯診斷法在復雜信息系統中的應用發展受限還有以下原因：（1）很難去建立與辨識模糊數字模型；（2）獲取、遺忘和修改語言規則的理論與方法還相對薄弱。

3.6 粗糙集理論

粗糙集理論是一種已經廣泛運用于模式識別、機器學習、故障診斷和決策分析等諸多領域的數據分析處理理論。在實際診斷中的一般情況下，可以將粗糙集理論與神經網絡系統兩者結合起來運用，對信息的預處理可先運用粗糙集理論，再建立與之相匹配的神經網絡診斷系統，可有效降低診斷系統的復雜性。例如：對水輪機組系統振動故障獲取的樣本集就可運用粗糙集理論方法進行預先處理，在預處理過程中會自動過濾掉對診斷無用的信息，從而使訓練的樣本集被簡化，提取出對系統故障診斷影響最嚴重的幾個特征量[10]，在神經網絡結構得到精確簡化后可直接提取診斷規則，因此，系統的復雜性被降低。

3.7 遺傳算法

遺傳算法擁有隱含的并行性并且可以對全局信息進行有效利用，利用種群的適應度信息，從任一解出發，通過一系列相對簡單的復制、交叉和變異操作，全局最優解就可以在短時間內以相對比較的概率被找到，是一種智能優化算法。將此算法與BP網絡相結合，不僅可以發揮神經網絡本身所具有的出色的泛化和映射能力，還能使神經網絡具備本來沒有的較快的收斂速度和較強的學習能力，全局優化的性能得以體現，提高普遍性，并增加應用廣度。但遺傳算法,在水輪機組振動故障診斷領域中的應用仍然比較少見。

4 未來發展的趨勢

水輪發電機組的故障診斷會不斷地與新時代最新傳感器技術比如激光測試技術、最新信號處理方法、多元傳感器信息、現代人工智能和網絡技術相融合。

5 結語

為了盡量滿足水電廠由計劃檢修到狀態檢修發展的實際需要，需要加大相關技術的研發，不斷優化我國故障診斷信息系統，使其變得更加的智能化、多元化和高效化。伴隨著當今傳感器技術的飛速發展，水輪機振動故障診斷技術水平在一直在提高。故而采用效果良好的振動檢測技術，提高水輪發電機組系統中水輪機振動故障診斷和處理水平，將其控制在合格范圍內，對水輪機正常運轉和提高整個水力發電站的效益具有十分重要的意義。