蔡國(guó)娟

（中國(guó)石油化工股份有限公司天津分公司，天津 300271）

傳統(tǒng)的振動(dòng)信號(hào)處理主要是采用以快速傅氏變換（FFT）為核心的經(jīng)典振動(dòng)信號(hào)處理分析方法，包括時(shí)域分析、頻譜分析、相關(guān)分析、倒頻譜分析、包絡(luò)分析等。這些分析方法存在著兩方面的不足，首先這些方法將幅值和相位分離，甚至完全忽略了相位信息，致使診斷中丟掉了很多有用的信息；其次，這些方法都是孤立的去分析兩個(gè)方向的振動(dòng)信號(hào)，沒(méi)有考慮它們之間的內(nèi)在聯(lián)系，往往難以得出可靠、準(zhǔn)確的診斷結(jié)論。對(duì)于故障與信號(hào)特征之間的關(guān)系多是建立在單通道信息上，雖然也有一些截面雙通道的分析方法，但對(duì)于信息的融合量還不能完全適應(yīng)準(zhǔn)確診斷故障的要求。以全息譜技術(shù)為核心，構(gòu)建一整套信號(hào)分析和故障診斷技術(shù)，在充分融合設(shè)備振動(dòng)信息的基礎(chǔ)上，能夠快速、準(zhǔn)確區(qū)分診斷石化行業(yè)大型設(shè)備的常見(jiàn)故障，同時(shí)對(duì)相似故障和復(fù)合故障也有很強(qiáng)的區(qū)分能力。

1 機(jī)組狀態(tài)評(píng)估方法

采用二維全息譜的融合參數(shù)信息結(jié)合模糊分類技術(shù)的方法對(duì)機(jī)組進(jìn)行狀態(tài)評(píng)估。主要原理如下：

設(shè)轉(zhuǎn)子截面兩個(gè)信號(hào)中的i階次分量為：

式中，αi，βi分別為i階初相位；Ai和Bi為i階幅值；ω為旋轉(zhuǎn)角頻率，第i階全息譜以向量方式表示為。式(1)可進(jìn)一步表示成如下形式：

sx 和cx、sy 和cy 分別代表構(gòu)成二維全息譜的正弦和余弦系數(shù)。當(dāng)t=0 時(shí)，對(duì)應(yīng)的點(diǎn)[cx，cy]叫做二維全息譜的初相點(diǎn)，通過(guò)全息譜橢圓初相點(diǎn)的變化也可以反應(yīng)機(jī)組運(yùn)行狀態(tài)的變化?；谏鲜?，以構(gòu)造二維全息譜的正、余弦系數(shù)為基本參數(shù)，采用遺傳編程的方法構(gòu)造復(fù)合指標(biāo)，選擇其中一組指標(biāo)如下：，Hi可取為

式中，iH為構(gòu)造的復(fù)合指標(biāo)。iH綜合了全息譜構(gòu)成的所有信息，比傳統(tǒng)的單一指標(biāo)的分類能力更強(qiáng)。aH,rH,sH表示對(duì)應(yīng)區(qū)域里的全息譜的復(fù)合指標(biāo)的最大值。接著采用模糊分類基本原理，從能量的角度出發(fā)，將譜型在相應(yīng)的全息譜圖上分為3個(gè)區(qū)域，如圖1 所示。其中AH域—低頻區(qū)域；RH域—工頻區(qū)；SH域—高頻區(qū)域。

圖1 全息譜的3個(gè)域劃分

利用iH用來(lái)指代式（3）中的aH,rH,sH，根據(jù)這3個(gè)區(qū)域上aH,rH,sH的大小及相對(duì)關(guān)系定義轉(zhuǎn)子振動(dòng)的7 種標(biāo)準(zhǔn)樣本，如圖2 所示。

圖2 全息譜的模糊分類

2 機(jī)組故障診斷方法

通過(guò)全息譜參數(shù)結(jié)合概率神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)機(jī)組的智能診斷。根據(jù)全息譜能可靠地反映機(jī)組振動(dòng)情況的特點(diǎn)，來(lái)獲取振動(dòng)信號(hào)的特征量的，將故障數(shù)據(jù)進(jìn)行全息譜分析后的特征量作為權(quán)向量對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將診斷數(shù)據(jù)進(jìn)行全息譜分析后的特征量作為網(wǎng)絡(luò)輸入，這樣的神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度快，同時(shí)又通過(guò)貝葉斯判定策略對(duì)機(jī)組故障類別進(jìn)行合理判定。

為了便于進(jìn)行旋轉(zhuǎn)機(jī)械的故障智能診斷，必須對(duì)轉(zhuǎn)子的故障進(jìn)行科學(xué)的分類。同時(shí)，振動(dòng)信號(hào)的采樣點(diǎn)數(shù)都比較多，直接將時(shí)域樣本輸入神經(jīng)網(wǎng)絡(luò)顯然不大可行，我們需要借助諸如FFT、全息譜等信號(hào)處理手段，從信號(hào)中提取某些時(shí)域或頻域特征，應(yīng)用這些特征來(lái)進(jìn)行診斷。借助先進(jìn)的信號(hào)分析方法，包括時(shí)頻分析和全息譜等方法，可將轉(zhuǎn)子的常見(jiàn)故障分為14 種模式，各種故障及其對(duì)應(yīng)的識(shí)別特征列如表1 所示。

表1 旋轉(zhuǎn)機(jī)械常見(jiàn)故障分類及特征

這些識(shí)別特征總的來(lái)說(shuō)可以分為3 類，第一類包括表1 中的故障1 ～7，這一類根據(jù)與回轉(zhuǎn)頻率有關(guān)的某些頻率成分全息橢圓的大小、偏心率、旋向、偏斜角等特征來(lái)判定；第二類為表1 中的故障8 ～10，這類根據(jù)某些特定頻率的全息橢圓的特征來(lái)判定；第三類包括喘振、流體激勵(lì)、氣封磨損和支座松動(dòng)，這4 種故障在頻域內(nèi)的特征均為低頻區(qū)存在有色噪聲帶，采用頻域特征分析的方法很難將它們區(qū)分開(kāi)來(lái)，但其低頻濾波軸心軌跡呈現(xiàn)出不同的特征，由時(shí)域分析技術(shù)可知，低頻濾波軸心軌跡的復(fù)雜性可反映在垂直、水平方向的波形分布參數(shù)上，因此通過(guò)低頻段波形的時(shí)域統(tǒng)計(jì)特征值的方法來(lái)進(jìn)行判定，具有很好的效果。

3 案例分析

某烯烴部裂解氣壓縮機(jī)組，汽輪機(jī)驅(qū)動(dòng)端測(cè)點(diǎn)V2052X/Y 出現(xiàn)間歇式振動(dòng)波動(dòng)，每次振動(dòng)波動(dòng)過(guò)程持續(xù)5 ～15 分鐘，隨后恢復(fù)到原來(lái)的穩(wěn)定運(yùn)行狀態(tài)，但振動(dòng)波動(dòng)的最大幅值有逐漸增長(zhǎng)的趨勢(shì)，嚴(yán)重影響該機(jī)組的安全運(yùn)行。選取具有代表性的時(shí)刻，即振動(dòng)達(dá)到峰值時(shí)刻進(jìn)行狀態(tài)評(píng)價(jià)及故障診斷。V2052X/Y 截面測(cè)點(diǎn)在該時(shí)刻數(shù)據(jù)的狀態(tài)評(píng)估結(jié)果和神經(jīng)網(wǎng)絡(luò)診斷結(jié)果圖如圖3 和圖4 所示。機(jī)組該測(cè)點(diǎn)的狀態(tài)應(yīng)當(dāng)歸于RH類，機(jī)組運(yùn)行狀態(tài)一般，故障診斷結(jié)論如表2 所述。

圖3 V2052X/Y 截面測(cè)點(diǎn)該時(shí)刻的狀態(tài)評(píng)估結(jié)果

圖4 V2052X/Y 截面測(cè)點(diǎn)該時(shí)刻的神經(jīng)網(wǎng)絡(luò)診斷結(jié)果圖

表2 故障智能診斷結(jié)論

根據(jù)以上機(jī)組狀態(tài)評(píng)價(jià)及故障診斷結(jié)論，可以確定蒸汽透平頻繁地出現(xiàn)振動(dòng)波動(dòng)，主要是由于動(dòng)靜件發(fā)生摩擦，而且極有可能是氣封或油封發(fā)生磨損，同時(shí)伴有異物進(jìn)入轉(zhuǎn)子所致。

4 故障檢查

機(jī)組停車檢修開(kāi)蓋后發(fā)現(xiàn)透平蒸汽室一個(gè)角環(huán)易損壞，并有部分碎屑進(jìn)入透平過(guò)流部件，轉(zhuǎn)子兩端的油封結(jié)垢比較嚴(yán)重，圖5 為透平驅(qū)動(dòng)端軸封結(jié)垢情況。機(jī)組更換結(jié)垢的油封開(kāi)車后，在整個(gè)開(kāi)車過(guò)程中蒸汽透平機(jī)組振動(dòng)幅值正常，趨勢(shì)平穩(wěn)。運(yùn)行至今，透平未再出現(xiàn)振動(dòng)波動(dòng)現(xiàn)象，運(yùn)轉(zhuǎn)狀況良好。

圖5 透平驅(qū)動(dòng)端油封結(jié)垢情況

5 結(jié)語(yǔ)

采用全息譜結(jié)合模糊分類方法對(duì)機(jī)組的運(yùn)行狀態(tài)進(jìn)行評(píng)價(jià)；全息譜結(jié)合概率神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)對(duì)機(jī)組故障的智能診斷。通過(guò)一些特征譜圖快速診斷了此次異常故障的原因。機(jī)組檢修開(kāi)蓋后，驗(yàn)證了前期診斷的準(zhǔn)確性。