基于Vue的汽輪機軸振智能監測系統

哈爾濱汽輪機廠有限責任公司發電設備國家工程中心 尉坤 初世明 鄭宏偉 張亦寧

1 引言

汽輪機是一種大型的蒸汽式旋轉動力裝置，是煤電、核電、燃氣、煙氣、蒸汽及太陽能光熱發電機組的關鍵設備。汽輪機具有功率高、造價低廉、經濟效益高、運行安全可靠等特點。隨著國家經濟的持續發展，居民用電需求不斷加大，機組的額定功率不斷升高，必然會導致汽輪機的復雜性不斷升高。汽輪機作為機組的重要組成部分，對運行狀態進行實時監測及診斷故障問題成為汽輪機運維領域具有挑戰性的重要研究課題[1]。

汽輪機在運行過程中會產生振動信號，這種信號能夠反映出機組的運行狀況，也能夠反映出設備在維修安裝等過程中出現的各種問題和故障。振動故障一旦發生，將會造成一系列不良后果，影響機組的運行和生產，嚴重的振動甚至會造成整機的損壞。因此，對汽輪機的振動信號進行實時監測，針對汽輪機產生的故障做出正確診斷，對確保機組的正常運行，保證電廠的經濟效益具有深遠的意義[2]。

汽輪機常見的控制系統有DEH 系統、TSI 系統、DCS 系統等，不同系統從運行環境中收集到的數據各不相同。其中，DCS 系統是現今電廠中較為常用的運行維護管理系統，DCS管理系統涉及電腦、通信、顯示和管理4 個方面，其特色是集中管理，上級監控和分散管理[3]。DCS 系統由硬件控制器、運維系統、操作節點、控制站等組件構成，其功能較為全面，在電廠運行中起到了很大的輔助功能作用。由于汽輪機的工作環境通常較為惡劣，且DCS系統通常只針對單個機組，對系統的維護以及現場數據的實時監測功能構成了挑戰。因此，對汽輪機的實時運行數據進行獲取并顯示，利用獲取汽輪機的運行數據對設備進行故障診斷成為了當下研究的熱點。

隨著人工智能，互聯網技術、工業自動化技術的快速發展，根據整個發電設備制造行業的國內外發展趨勢，研發汽輪機智能控制設備和智能控制系統是適應整個行業的發展要求，更是儲備自身核心技術為持續進行前沿技術的研究提供技術支持[4]。

2 數據獲取與信號分析

2.1 數據獲取

汽輪機的熱力系統較為復雜，其運行狀態由多種運行參數決定。隨著近年機組裝機容量不斷增大，機組結構趨于復雜，生產數據量級和參數類型的不斷提升，導致傳統建模方法無法準確反映機組運行狀態。存儲于機組DCS 和TSI 系統中的海量歷史運行數據，可以準確反映出機組的運行狀態，能夠較好地反映出機組運行特性[5]。通過多組傳感器（振動傳感器、溫度傳感器、壓力傳感器、熱膨脹位移傳感器等）來獲取不同類型的數據，并最終收集到控制系統中，這些監測數據有著測點多、數據量大的特點。為了滿足本系統后續數據監測的需要，從機組DCS 或TSI 系統中獲取相關特征參數，具體的汽輪機參數選取見表1。

表1 汽輪機參數選取

2.2 數據重構

汽輪機組DCS 或TSI 系統中調取的振動數據頻率為6.4kHz，且系統中存儲的振動信號等數據包括機組各種不同運行工況（穩定運行、負荷變動、停機、試驗等）數據，這會對基于Web端的軸振智能監測系統造成較大的存儲壓力。為方便現場操作人員使用，減少系統的存儲壓力，需要對收集到的數據進行重采樣處理，以獲得合理、準確和合適的數據集。

重采樣方法是汽輪機系統中常用的數據處理方法，主要目的是解決采樣頻率和輸出數據頻率不一致的問題，平衡多類和少類樣本的比例。根據兩類樣本數量的分布，可以分為欠采樣和過采樣。本系統中需要對工況數據進行欠采樣處理，步驟如下：

重采樣后的輸入數據如圖1所示。

圖1 重采樣后的輸入數據

讀取輸入數據包的轉速，將轉速轉化為輸入數據頻率；將輸入數據頻率取倒數，即為機組在該轉速下的旋轉周期；記錄該轉速4 個旋轉周期所需總時間；對輸入數據進行欠采樣，等間隔地選取輸入數據，如果某一時間點沒有數據，則選取其距離最近的點，最終保存在系統數據庫中。

3 軸振數據頻域分析

上文中得到了經過重采樣之后的數據，現需要對這些數據進行頻域分析，最終在監測系統中頁面進行展示。

本系統中主要用到的頻域分析方法為快速傅里葉變換（FFT）算法，FFT 是一種常見的頻域分析方法，其本質是傅里葉變換，傅里葉變換的根本目的是將時域信號轉為頻域信號，得到信號的頻譜密度函數，最終揭示輸入信號中信號強度和頻率的相關性。

傳統傅里葉變換分為兩種，連續傅里葉變換（CFT）和離散傅里葉變換（DFT），在實際運行環境下，由DCS 系統采集的信號在時域中是離散的，故采用DFT來進行頻域分析。傳統DFT的式為：

式中，N為序列長度；x(n)為輸入時域信號；W為旋轉因子。

FFT是一種能夠高效計算DFT的算法，通過將離散時域信號分成奇偶兩部分，并分別進行DFT變換，降低算法的時間復雜度，從而可以快速地提取離散信號的頻譜信息。時域信號經過FFT 變換后會形成頻譜圖。

FFT處理前后的數據如圖2所示。

圖2 FFT處理前后的數據

由圖2可知，FFT是一種有效的特征提取方法，在經過數據重采樣，頻域分析處理后，將最終得到的數據存入到智能監測系統的數據庫中，為系統的狀態監測提供數據來源。

4 基于Vue的汽輪機軸振智能監測系統設計與開發

本系統以Vue 為項目前端框架（版本3.2.41），后端數據庫用PostgreSQL 搭建（版本14.5）。Vue 是一種基于JavaScript 語言，套用于構建用戶界面的漸進式框架，具有界面簡潔、組件化、 輕量級、 用戶體驗好等特點；PostgreSQL 是一種對象關系型數據庫管理系統，支持大部分SQL 標準，并且提供了許多現代特性包括復雜查詢、外鍵、觸發器、視圖、事務完整性、MVCC 等，其特點主要包括兼容性較強，支持多類型的客戶端接口，方便后期維護。

4.1 系統技術結構

本項目開發主要基于Vue 和elementUI 等組件，使用了Vue-clie，Vue-router，less 樣式處理器，故障報警提示頁面中主要是使用Websocket 和后端Java 建立通信，實時更新數據。通過less 樣式處理器寫入樣式，把需要顯示的文字和數據顯示在對應位置，并且在樣式中使用了media 媒體查詢，當頁面分辨率變化的時候，進行樣式的調整。本項目使用Vue 的watch 監聽路由變化，清除Websocket 產生的緩存，避免頁面緩存過多崩潰。使用了Js 的時間函數顯示實時時間。項目技術結構如圖3所示。

4.2 系統頁面展示

本系統利用Vue 框架，websocket 模塊，PGSQL數據庫等組件，設計了一種汽輪機軸振智能監測系統，將時域數據，頻域數據，間隙電壓，轉速，功率，機組剩余壽命等數據利用多個圖形頁面展示出來。本系統中主要展示的圖形頁面包括頻譜圖、瀑布圖、軸心位置圖、軸心軌跡圖、Bode 圖、Polar 圖、趨勢圖等七種，在經過數據處理后，可以對汽輪機的運行狀態進行動態展示和實時監測。系統首頁和頻譜圖界面如圖4所示。

圖4 系統首頁和頻譜圖界面

5 結語

隨著工業4.0時代的到來，汽輪機等大型工業設備的智能實時監測，健康管理，智能故障診斷的重要性越來越高。本文結合了電廠對汽輪機實時狀態監測需要，提出了一種對汽輪機振動信號的實時狀態監測方法，設計了一種基于Vue的汽輪機軸振智能監測系統，對汽輪機的實時狀態監測，保障汽輪機正常穩定運行，維持機組壽命，為電廠的生產效益起到了重要的作用。