淺談水輪機(jī)振動(dòng)故障診斷分析方法

熊聯(lián)英

（西華大學(xué) 能源與動(dòng)力工程學(xué)院，四川 成都 610039）

0 引言

系統(tǒng)故障診斷算法是水電機(jī)組故障診斷最重要的研究方向之一，現(xiàn)階段系統(tǒng)故障診斷算法的研究?jī)?nèi)容是對(duì)現(xiàn)有的診斷算法不斷優(yōu)化，不斷提高診斷的精確度和效率，使其更有效的運(yùn)用于水輪機(jī)組系統(tǒng)故障診斷工程實(shí)際問(wèn)題中?，F(xiàn)有的相對(duì)成熟的智能診斷算法有:故障樹(shù)診斷、因果分析、支持向量機(jī)、模糊診斷、粗糙集理論等[1]。而在振動(dòng)信號(hào)里也包含了相當(dāng)多的水輪機(jī)狀態(tài)特征信息，因此，水輪發(fā)電機(jī)組振動(dòng)信號(hào)的研究對(duì)于系統(tǒng)故障的檢測(cè)和排查有著十分重要的現(xiàn)實(shí)意義。

1 振動(dòng)的危害[2]

水輪機(jī)組振動(dòng)時(shí)可能會(huì)帶來(lái)的危害：（1）造成機(jī)組的緊固部件松動(dòng)，嚴(yán)重時(shí)會(huì)斷裂，使用壽命急劇縮短。（2）機(jī)組零部件造成疲勞損壞區(qū)，時(shí)間久會(huì)產(chǎn)生裂縫，甚至報(bào)廢。（3）水輪機(jī)組的共振，如機(jī)組設(shè)備與廠房的共振，可能會(huì)破壞廠房及里面的各種設(shè)備。（4）水輪發(fā)電機(jī)振動(dòng)會(huì)讓機(jī)組旋轉(zhuǎn)局部磨損愈加嚴(yán)重。（5）尾水管中會(huì)產(chǎn)生渦流脈動(dòng)壓力，管壁會(huì)因壓力而開(kāi)裂，甚至破壞整個(gè)尾水設(shè)施系統(tǒng)。

2 水輪發(fā)電機(jī)組振動(dòng)的分類(lèi)及原因[3]

按照振動(dòng)的產(chǎn)生部位，分為建筑基礎(chǔ)振動(dòng)、機(jī)架和支座振動(dòng)以及軸系振動(dòng)。根據(jù)振動(dòng)的產(chǎn)生原因，分為機(jī)械振動(dòng)、水力振動(dòng)和電氣振動(dòng)。引起振動(dòng)的原因如表1所示：

表1 引起振動(dòng)的因素

由表1可知引起水輪機(jī)振動(dòng)的原因具有多樣性和復(fù)雜性，尤其以水力因素為主。因此，選擇適當(dāng)?shù)闹悄芄收显\斷方法代替人為經(jīng)驗(yàn)診斷故障更高效，也從一定程度上減少了水電廠檢修的費(fèi)用。

3 主要故障診斷方法的種類(lèi)及優(yōu)缺點(diǎn)

故障診斷分析方法已經(jīng)成為了水輪發(fā)電機(jī)組系統(tǒng)故障診斷的重要環(huán)節(jié)。如果讓工作人員僅靠人為工作經(jīng)驗(yàn)去查找出振動(dòng)出現(xiàn)的原因，不僅會(huì)耗費(fèi)大量的人力物力，而且停機(jī)會(huì)降低水電站的收益。盡管水電站水輪發(fā)電機(jī)組的振動(dòng)具有漸變性、復(fù)雜多樣性、不規(guī)則性等特點(diǎn)，但是當(dāng)代科學(xué)信息技術(shù)和相關(guān)理論的也在快速發(fā)展，許多基于不同原理的診斷方法已初步運(yùn)用或運(yùn)用于水電站水輪機(jī)振動(dòng)故障診斷領(lǐng)域。

3.1 故障樹(shù)診斷法及優(yōu)缺點(diǎn)

故障樹(shù)分析簡(jiǎn)稱(chēng)FTA，是系統(tǒng)進(jìn)行安全問(wèn)題分析研究方法中得到廣泛應(yīng)用的一種教學(xué)方法。故障樹(shù)診斷法使用的是邏輯樹(shù)圖，可以直觀清晰地描述事故的因果關(guān)系，分析出系統(tǒng)中不希望出現(xiàn)的狀態(tài)。但是如果對(duì)故障出現(xiàn)的原理不太清楚，構(gòu)造故障樹(shù)的難度就會(huì)增大，且故障概率的準(zhǔn)確獲取比較困難[4]。

3.2 因果分析診斷法及優(yōu)缺點(diǎn)

因果分析診斷法能夠按故障以及故障造成的結(jié)果兩者之間的因果關(guān)系來(lái)進(jìn)行診斷，也是其他條件都滿(mǎn)足的情況下，在諸多故障診斷分析方法中優(yōu)先選用的一種方法。因其是建立在閱歷和嘗試的基礎(chǔ)之上的，故很容易地會(huì)受人為主觀因素的影響，最終導(dǎo)致在線(xiàn)實(shí)時(shí)診斷失敗。

3.3 人工神經(jīng)網(wǎng)絡(luò)診斷法及優(yōu)缺點(diǎn)

人工神經(jīng)網(wǎng)絡(luò)診斷的精髓是模擬大腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和認(rèn)知功能的數(shù)學(xué)模型?？陕?lián)想儲(chǔ)存、自學(xué)習(xí)、高速尋找優(yōu)化解，具備很強(qiáng)的自適應(yīng)性、魯棒性和容錯(cuò)性[5]，當(dāng)網(wǎng)絡(luò)輸入新故障狀態(tài)時(shí)能夠?qū)收献龀稣_的響應(yīng)，以達(dá)到對(duì)故障的準(zhǔn)確辨識(shí)和定位，讓神經(jīng)網(wǎng)絡(luò)在完成高度非線(xiàn)性和嚴(yán)重不確定系統(tǒng)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(huì)受到所選數(shù)據(jù)樣本大小的限制。并且不可避免地也會(huì)面臨以下難題：（1）很難去獲取訓(xùn)練的樣本。（2）忽略領(lǐng)域?qū)＜业脑\斷常識(shí)。（3）很難理解權(quán)重方式的表達(dá)。

3.4 故障診斷專(zhuān)家系統(tǒng)診斷法及優(yōu)缺點(diǎn)

專(zhuān)家系統(tǒng)是利用某領(lǐng)域中一個(gè)或多個(gè)人類(lèi)專(zhuān)家提供的知識(shí)和推理方法求解實(shí)際生活中困難問(wèn)題的人工智能計(jì)算機(jī)程序，它也是人工智能運(yùn)用研究領(lǐng)域中最活躍、最普遍的分支之一[6，7]。它具有學(xué)習(xí)能力，可以根據(jù)權(quán)威性的知識(shí)采用合適的策略，利用專(zhuān)家知識(shí)處理很難用數(shù)學(xué)模型描述的系統(tǒng)故障診斷問(wèn)題，在此過(guò)程中的推理、判別、論斷的過(guò)程均可被智能計(jì)算機(jī)記憶保留下來(lái)，使診斷的可信度和權(quán)威性得到提高。但專(zhuān)家系統(tǒng)故障診斷分析方法也面臨以下問(wèn)題：（1）信息量少；（2）缺乏系統(tǒng)性和綜合性的診斷方法；（3）出現(xiàn)故障模型建立不準(zhǔn)確的概率相對(duì)于其他幾個(gè)診斷方法相對(duì)較大，會(huì)直接影響診斷的準(zhǔn)確率；（4）系統(tǒng)在診斷過(guò)程中存在不穩(wěn)定現(xiàn)象；（5）由于振動(dòng)的復(fù)雜性等諸多因素，對(duì)水電廠水輪機(jī)組的故障機(jī)理研究起來(lái)很困難。因此，在實(shí)際運(yùn)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(yōu)缺點(diǎn)

模糊邏輯診斷法是一種運(yùn)用模糊邏輯來(lái)描述故障產(chǎn)生的原因及故障出現(xiàn)的現(xiàn)象兩者之間的模糊關(guān)系，通過(guò)用隸屬度函數(shù)和模糊關(guān)系方程讓故障產(chǎn)生的原因與狀態(tài)辨別問(wèn)題得到很好處理的方法[8，9]。為消除診斷過(guò)程中的產(chǎn)生的不確定和不完整的信息，使其更接近故障的客觀本質(zhì)，就需要全面精確地表示出一個(gè)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(lái)求出其他各種故障原因的隸屬度。對(duì)于處理不確定性問(wèn)題時(shí)，模糊知識(shí)庫(kù)可以利用語(yǔ)言變量來(lái)表達(dá)更多解決方案且更易于理解的專(zhuān)家經(jīng)驗(yàn)，并且可以按照這些方案的模糊度進(jìn)行優(yōu)先級(jí)排序。

然而,在復(fù)雜的診斷系統(tǒng)中,當(dāng)沒(méi)有合適的途徑獲取相對(duì)準(zhǔn)確的隸屬函數(shù)和模糊規(guī)則或者包含未知信息過(guò)多時(shí)，此方法是無(wú)效的。另外，使模糊邏輯診斷法在復(fù)雜信息系統(tǒng)中的應(yīng)用發(fā)展受限還有以下原因：（1）很難去建立與辨識(shí)模糊數(shù)字模型；（2）獲取、遺忘和修改語(yǔ)言規(guī)則的理論與方法還相對(duì)薄弱。

3.6 粗糙集理論

粗糙集理論是一種已經(jīng)廣泛運(yùn)用于模式識(shí)別、機(jī)器學(xué)習(xí)、故障診斷和決策分析等諸多領(lǐng)域的數(shù)據(jù)分析處理理論。在實(shí)際診斷中的一般情況下，可以將粗糙集理論與神經(jīng)網(wǎng)絡(luò)系統(tǒng)兩者結(jié)合起來(lái)運(yùn)用，對(duì)信息的預(yù)處理可先運(yùn)用粗糙集理論，再建立與之相匹配的神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)，可有效降低診斷系統(tǒng)的復(fù)雜性。例如：對(duì)水輪機(jī)組系統(tǒng)振動(dòng)故障獲取的樣本集就可運(yùn)用粗糙集理論方法進(jìn)行預(yù)先處理，在預(yù)處理過(guò)程中會(huì)自動(dòng)過(guò)濾掉對(duì)診斷無(wú)用的信息，從而使訓(xùn)練的樣本集被簡(jiǎn)化，提取出對(duì)系統(tǒng)故障診斷影響最嚴(yán)重的幾個(gè)特征量[10]，在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)得到精確簡(jiǎn)化后可直接提取診斷規(guī)則，因此，系統(tǒng)的復(fù)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(duì)全局信息進(jìn)行有效利用，利用種群的適應(yīng)度信息，從任一解出發(fā)，通過(guò)一系列相對(duì)簡(jiǎn)單的復(fù)制、交叉和變異操作，全局最優(yōu)解就可以在短時(shí)間內(nèi)以相對(duì)比較的概率被找到，是一種智能優(yōu)化算法。將此算法與BP網(wǎng)絡(luò)相結(jié)合，不僅可以發(fā)揮神經(jīng)網(wǎng)絡(luò)本身所具有的出色的泛化和映射能力，還能使神經(jīng)網(wǎng)絡(luò)具備本來(lái)沒(méi)有的較快的收斂速度和較強(qiáng)的學(xué)習(xí)能力，全局優(yōu)化的性能得以體現(xiàn)，提高普遍性，并增加應(yīng)用廣度。但遺傳算法,在水輪機(jī)組振動(dòng)故障診斷領(lǐng)域中的應(yīng)用仍然比較少見(jiàn)。

4 未來(lái)發(fā)展的趨勢(shì)

水輪發(fā)電機(jī)組的故障診斷會(huì)不斷地與新時(shí)代最新傳感器技術(shù)比如激光測(cè)試技術(shù)、最新信號(hào)處理方法、多元傳感器信息、現(xiàn)代人工智能和網(wǎng)絡(luò)技術(shù)相融合。

5 結(jié)語(yǔ)

為了盡量滿(mǎn)足水電廠由計(jì)劃?rùn)z修到狀態(tài)檢修發(fā)展的實(shí)際需要，需要加大相關(guān)技術(shù)的研發(fā)，不斷優(yōu)化我國(guó)故障診斷信息系統(tǒng)，使其變得更加的智能化、多元化和高效化。伴隨著當(dāng)今傳感器技術(shù)的飛速發(fā)展，水輪機(jī)振動(dòng)故障診斷技術(shù)水平在一直在提高。故而采用效果良好的振動(dòng)檢測(cè)技術(shù)，提高水輪發(fā)電機(jī)組系統(tǒng)中水輪機(jī)振動(dòng)故障診斷和處理水平，將其控制在合格范圍內(nèi)，對(duì)水輪機(jī)正常運(yùn)轉(zhuǎn)和提高整個(gè)水力發(fā)電站的效益具有十分重要的意義。