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(fā)電機是電力系統(tǒng)的重要設備之一，其安全可靠運行對整個電力系統(tǒng)的穩(wěn)定有著重要的意義。發(fā)電機振動狀態(tài)是評價機組能否持續(xù)可靠運行的重要指標[1,2]。發(fā)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(tǒng)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(lián)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(tǒng)的、單一參數(shù)故障診斷方法已不能對發(fā)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(fā)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(fā)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(tǒng)復雜問題的本質、影響因素以及內在聯(lián)系進行深入分析后，構建一個有序層次結構模型，使專家經(jīng)驗知識層次化，為求解多目標、多準則復雜系統(tǒng)故障診斷問題提供一種簡便的分析診斷方法。

2.1 汽輪發(fā)電機結構層次分析

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

2.2 汽輪發(fā)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(fā)電機振動故障進行層次分析，F(xiàn)MEA是用于確定、識別和消除系統(tǒng)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(tǒng)潛在的失效模式和可能造成的后果，通過對系統(tǒng)各組成部件的分析和改進，使系統(tǒng)的狀態(tài)趨于最佳狀態(tài)。

層次 FMEA分析可以分為系統(tǒng) FMEA、子系統(tǒng)FMEA和部件FMEA三部分。系統(tǒng)FMEA的故障模式為子系統(tǒng)FMEA和部件FMEA提高了基本信息，系統(tǒng)FMEA中的故障原因會轉化為子系統(tǒng)FMEA的故障模式，子系統(tǒng)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(tǒng)故障的根本原因。

汽輪發(fā)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(fā)電機結構層次分析

表1 系統(tǒng)FMEA

表2 子系統(tǒng)FMEA

表3 部件FMEA

根據(jù)表1～3汽輪發(fā)電機振動故障層次分析，得到汽輪發(fā)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(fā)電機振動故障FTA

由圖2可得，導致汽輪發(fā)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(lián)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(jiān)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(fā)電機振動故障特征分析

根據(jù)發(fā)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(fā)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(jīng)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(tài)的特征參數(shù)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(fā)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(fā)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(jù)發(fā)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(fā)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(guī)則

對振動頻率特性中各特征屬性值進行歸一化處理，規(guī)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(wěn)定、慢變、漸變、快變和突變5個類型，穩(wěn)定代表在一定工況下振動幅值趨于穩(wěn)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(fā)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(guī)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(guī)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(jù)汽輪發(fā)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(jù)發(fā)電機振動故障特征屬性賦值規(guī)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(fā)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(fā)電機組軸系由汽輪機高壓轉子、中壓轉子、低壓轉子、發(fā)電機轉子組成，各轉子之間均為剛性聯(lián)軸器聯(lián)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(jīng)過大修后啟動三次沖轉至額定轉速（3000r/min），發(fā)電機前軸承#7軸振動幅值較大，振動數(shù)據(jù)見表6所示。

表6 額定轉速時的軸振數(shù)據(jù)（μm）

依據(jù)振動測量和試驗，初步診斷發(fā)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(fā)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(fā)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(jù)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(jù)式（2）分別故障特征屬性向量1M′、2M′、3M′與發(fā)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(jù)表5中的計算結果發(fā)現(xiàn)，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(fā)電機轉子進行檢查，發(fā)現(xiàn)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(shù)據(jù)見表8所示。

表8 處理后各軸承軸振振動數(shù)據(jù)（μm）

6 結論

本文應用層次分析方法對汽輪發(fā)電機振動故障進行了分析，得到了汽輪發(fā)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(fā)電機振動故障診斷方法，與傳統(tǒng)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(fā)振動故障的具體原因等優(yōu)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(fā)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(fā)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(fā)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(tǒng)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(yè)出版社，2005.