LY6-45No18.3F型一次风机出口风道振动分析及处理

浏览数量:8     作者:本站编辑     发布时间: 2020-11-16      来源:本站

亮剑传媒风机工业

发电厂电气主接线型式的选择,既要保证系统稳定性和可靠性,又要考虑运行的灵活性和建设的经济性。一般来讲,应根据电网规划容量、本期建设规模、输送电压等级、进出线回路数、供电负荷的重要性、保证供需平衡、电力系统线路容量、电气设备性能和周围环境以及自动化规划月要求等条件来确定。通常工程设计中,经过技术经济比较,进出线回路在6回及以上、在系统中具有重要地位的超高压配电装置,可采用一个半断路器接线。

  一个半断路器接线,特别适宜于220kV以上的超高压、大容量系统中,但使用设备较多,特别是断路器和电流互感器,投资较大,二次控制回路接线和继电保护都比较复杂。据估算,目前发电厂或变电所330kV及以上电压等级采用一个半断路器接线较多,约占80%以上。由于它的接线结构的特殊性,所需用的断路器和电流互感器较多,因此一个半断路器的继电保护和二次接线较复杂。如:安装单位的划分、电流电压互感器的配置、同步电压的取得、隔离开关的闭锁接线等都是设计过程中需要认真考虑的问题。

  2接线特点一个半断路器接线是一种没有多回路集结点、由两个元件(线路或发变组)引线用三台断路器接往两组母线组成一个半断路器接线,每一回路经一台断路器接至母线,两回路间设一联络断路器形成一串,又称二分之三接线方式。具有运行调度灵活、可靠性高和操作检修方便等特点。

  可靠性高。任一台断路器检修和另一台断路器故障时,不切除两回以上的线路;甚至两组母线同时故障(或一组检修时另一组故障)的极端情况下,功率仍能继续输送。运行时,两组母线和同一串的断路器都投人工作,称为完整串运行,形成多环状供电,具有较高的供电可靠性和运行灵活性。

  运行调度灵活。正常运行时,两段母线和全部断路器都工作,一个回路由两台断路器供电,形成多环状供电,调度灵活。

  操作检修方便:隔离开关只作为检修电器,避免了隔离开关作操作时的倒闸操作;检修断路器时,可任意停下检修;母线保护的电流回路是固定接线,较简单;出线回路均单独设电压互感器,二次电压不需要切换。

  占地面积小:与双母线接线比较,占地面积较小。

  3二次回路设计由于一个回路连接两台断路器,一台中间断路器与水平夹角是3*,上导流板与水平夹角是7°。

  (2)在弯头内均匀加装两个弧面导流板,内弧板弯曲半径是R1666mm,弧角85°,外弧板弯曲半径是R2334mm,弧角5改造效果上述改造方案在机组小修中实施,改造后效果明显,在一次风机启动和正常运行时风道的振动值大幅下降,噪音明显减小,彻底解决了一次风机出口风道的振动问题。

规律,提高分析结果的精度,需要采用时频分析技术,如短时Fourier变换(SFFT),Wigner-Ville分布(WVD)和小波(Wavelet)分析等。其中,短时Fourier变换用窗函数将信号截短,将每小段信号视为平稳过程来进行谱估计,从而得到功率谱随时间变化的大致规律,转速谱阵是该方法的一种变化形式;Wigner-Ville分布真正将一维的时间或频率函数映射为时间-频率的二维函数,比较准确地反映了信号能量随时间和频率的分布情况,但是该方法存在频率干涉现象,难以将含有多成份的信号表示清楚;小波分析是适应信号处理的实际需要而发展起来的一种时频分析方法,与传统的信号处理方法相比,小波变换在时域和频域同时具有良好的局部化特征,目前,基于小波包和多分辨分析的小波分析方法已经在旋转机械的故障征兆提取中得到了研究和应用。

  为了尽可能全面地获得风机设备的运行状态信息,提取故障征兆,针对类似风机等旋转机械还有一些其它的分析技术。

  风机状态监测的重要参数,该参数不但能够显示转子轴径相对滑动轴承位移,反映轴承的预负荷,而且还可以提供转子的涡动频率和进动方向。

  能够反映转子弯曲和扭转振动的形式,是针对类似风机的旋转机械故障征兆提取而提出的一种方法。

  该技术在FFT算法的基础上,通过内插技术,精确求得按自由方式采集的振动信号的幅值、频率和相位值,然后将转子截面水平和垂直方向振动信号的幅值、频率和相位信息进行集成,用合成的一系列椭圆来刻划不同频率分量下的转子振动行为。全息谱包括二维全息谱、三维全息谱和全息谱阵。全息谱技术与传统的谱分析方法不同,构造了多支承转子系统的单一截面和整机振动分析方法,利用转子在相互垂直的两个方向振动之间的相互关系,可以了解转子的振动全貌,体现了诊断信息的全面利用、综合分析的思想。

  该方法适用于类似风机的旋转机械的非平稳状态分析,实现的必要技术是对数据采集进行反馈控制,使采样频率跟踪转速变化,将相对频率非平稳的信号转变成相对转子转角为平稳的信号,在信号幅值相对时间变化平稳的假设前提下,对数据进行谱分析,阶次跟踪分析的依据就是这种原理。

  分形是非线性理论中的概念,是事物的形状、形态、结构和组织的分解、分割、分裂与分析,是事物从整体向局部、从宏观向微观转化的过程。机械设备发生故障时,振动信号通常变得更为复杂、不规则,分形维数能够描述信号的复杂性和不规则性,研究表明,可以将其作为故障征兆来识别设备的状态。结合小波分析对汽轮发电机组轴承发生松动故障前后振动信号的分形维数进行了计算,得到了不同的结果。在应用分形维数作为征兆参数对滚动轴承进行故障诊断研究之后得出:滚动轴承在不同的运动状态下具有不同的分形维数,分形维数可以作为识别轴承故障的特征量。

  对于旋转机械中常见零部件(如滚动轴承、齿轮)的故障,还有专门的振动信号处理技术,如包络解调和倒谱分析等方法。为了从被噪声严重污染的信号中提取有用信息,时域滤波技术(如Kalman滤波和自适应滤波等)也在旋转机械的故障征兆提取中得到了应用。

  3风机故障的诊断推理目前,故障诊断推理过程中采用的方法较多,按照它们隶属的学科体系,可以将其分为3类:基于控制模型故障诊断、基于模式识别故障诊断和基于人工智能故障诊断。

  基于控制模型的故障诊断对于动态系统,若通过理论或实验方法能够建立模型,则系统参数或状态的变化可以直接反映设备物理系统或物理过程变化,为故障诊断提供依据。此方法涉及模型建立、参数估计、状态估计和观测器应用等技术,其中,参数与状态估计技术是关键,需要系统的精确模型,在实际生产环境中,对于复杂的设备而言,该方法不是经济可行的。

  基于模式识别的故障诊断模式识别是对一系列过程或事件进行分类或描述,主要分为统计法和语言结构法两大类。设备的故障诊断可以视为模式识别过程:测量并记录设备的运行状态参数,从中提取故障征兆参数,对于不同的故障状态,相应的征兆参数形成不同的模式,将系统的状态模式与故障字典中的故障样本模式进行匹配,从而识别出设备的故障。当系统的模型未知或者非常复杂时,该方法为解决故障诊断问题提供了一种简便有效的手段。

  基于人工智能的故障诊断基于人工智能故障诊断的研究主要分为两类:基于知识(符号推理)的故障诊断和基于神经网络(数值计算)的故障诊断。

  基于知识的故障诊断大致经历了两个发展阶段:基于浅知识(规则)的专家系统和基于深知识(模型知识)的专家系统。专家系统是一种人工智能软件系统,利用领域专家的经验知识,根据用户给出的关于问题的信息数据,按照一定的推理机制,从知识库中选择对于问题的最合理的解释。基于知识的故障诊断专家系统有很多优点,例如:适合于模拟人的逻辑思维过程,解决需要进行逻辑推理的复杂诊断问题;知识可以用符号表示,在已知基本规则的情况下,无需大量的细节知识;便于与传统的符号数据库接口等。虽然已经出现了许多成熟的商业软件,并且在工程实践中得到了应用,但仍存在一些问题:知识获取中的“瓶颈”问题难于解决“知识窄台阶”问题;易产生“组合爆炸”、“无穷递归”问题;实时在线诊断性能差等。

  基于神经网络的故障诊断神经网络是模拟生物神经系统而建立起来的自适应非线性动力学系统,具有可学习性和并行计算能力,可以实现分类、自组织、联想记忆和非线性优化等功能。神经网络用于故障诊断领域,可以解决趋势预测和诊断推理问题。目前,在故障诊断中应用较多的有多层感知器(MLP)网络、自适应共振理论(ART)、自组织特征映射(FM)和双向联想记忆(BAM)等;应用剪枝法优化网络连接方式;将遗传算法和混沌理论p1应用于网络的学习训练中,解决局部极小问题;为提高网络的泛化能力、加快网络学习速度,在训练样本中加入噪声,或者对样本数据进行优化处理。基于神经网络的智能故障诊断具有1994-2011ChinaAcademicJournal很多优点:知识表达形式统一,知识库组织管理容易,通用性强,便于移植与扩展;知识获取容易实现自动化(如自组织自学习可以实现并行联想和自适应推理,容错性强;能够表示事物之间的复杂关系(如模糊关系可以避免传统专家系统的“组合爆炸”和“无穷递归”问题;推理过程简单,可以实现实时在线诊断。但是也存在着一些问题:训练样本获取困难;忽视了领域专家的经验知识;连接权重形式的知识表达方式难于理解等。

  由于故障诊断正向智能化方向发展,因此人工智能领域的其他方法,像模糊理论、模糊神经网络和粗糙集理论等在诊断推理及诊断数据处理等方面也得到了应用,有关介绍可以参阅相关。

  4国内外风机状态监测与故障诊断的现状国外很早就对风机的振动进行了研究。20世纪80年代,一般的风机均配有自动检测系统,不但能判断工况,还能进行故障诊断,预测使用寿命,预报维修极限,成功地对风机进行检测。如美国BentlyNevadaCorporation(BNC)的系列产品、Westinghouse公司的PDS系统、IRD与ENTEK公司联合开发的5911系统、ScientificAtlanta公司的M6000系统以及日本三菱公司的MHM系统、法国的SMAV系统、瑞士的MACC系统、丹麦的Compass系统等。其中美国开发最早,技术也最先进。在这方面我国起步较晚,使用的检测仪器设备也比较落后。目前大部分厂家使用的是简易的测振仪(如扬州无线电二厂生产的8900/50转速检测仪,8900/25机壳振动检测器)。虽然有些厂矿购买了一些振动分析仪,数据采集器等较为先进的仪器设备,但在大多数情况下,只对设备进行简单的点测。如重庆大学用CDMS系统对云南锡业公司芋山选矿厂风机进行测试与故障诊断,成功地诊断出了8起轴承故障。还有西安交通大学的采用光纤维局部网的高速旋转RB20状态检测与故障诊断系统RB20,西北工业大学的机器设备状态检测和故障诊断系统MD3905.近10年来,少数大中型企业安装了专用检测诊断设备对风机进行长期检测,1994年东北大学与黑龙江西林钢铁公司烧结厂设计的以APPLE-11微机采样系统为基础的风机在线检测与动平衡系统,具有显示、打印、报瞥、状态识别、趋势分析、现场动平衡等功能,在实际应用中取得了很好的效果。武钢公司的故障诊断室也于1996年为武钢一厂的风机安装了以微机为主体的检测和故障诊断系统,不但检测现场状态与识别工况,还能预测寿命。2000年东南大学和上海交通大学分别开发了旋转机械故障诊断专家系统,它们的核心部分是故障诊断专家系统,采用了新一代人工智能语言,具有"预警''功能,能够准确记录旋转机械的运行情况,根据监测情况及时调用系统内部的“知识库”,通过数据分析与人机对话,进行分级诊断,并应用模糊模态识别、不精确推理与分级综合评判的诊断策略,得出诊断结论并给出故障发生的置信度与解决措施。还有郑州工业大学的MMDS-9000系统、西安交通大学的RMDS系统和RD-20、哈尔滨工业大学及浙江大学的ZHZ- 10系统、华中科技大学的HZ-1系统。这些系统也能用于风机的故障诊断。

  5风机状态监测与故障诊断技术的发展趋势整体系统,已从单纯监测分析诊断向主动控制的方向发展。整个系统向着可靠性、智能化、开放性以及与设备融合为一体的方向发展,例如,利用可控电磁阻尼器和参数可控挤压油膜阻尼器来在线消除机组失稳故障,采用在转子上安装平衡头的方法来解决机组不平衡故障,使用高精度的中心标高测试仪以及可控支座调节器来处理不对中故障等。

  采集器,向着高精度、高速度、高集成以及多通道方向发展,精度从8位到12位甚至16位;采集速度从几赫发展到可达到几万赫;采集方式从等时采样到等角度同步整周期采样方向发展,这样可以提供包括相位在内的多种信息:采集的数据从只有稳态数据发展到包括瞬态数据在内的多种数据。

  数据传输,从计算机的串行口和并行口通讯向着网络通讯(波特率可达10兆、100兆、甚至几百兆)的方向发展。

  监测系统,向对用户更友好的方向发展,显示直观化,操作方便化,采用计算机技术的最新成果,使用多媒体技术,大屏幕立体动态图像显示。

  诊断系统,向智能化诊断多种故障的方向发展,由在线采集、离线诊断向在线采集、实时诊断方向发1994-2011ChinaAcademicJournal展,提高诊断准确率。

  数据存储,向大容量方向发展,存储方式向通用大型数据库方向发展。

  总的来说,在风机的在线检测和故障诊断方面,尽管国内己经取得了一定的进步,但与国外先进水平相比还有很大的差距,系统所具备的功能不很完善,在形成专用的智能软件方面也还有一段距离。

 


健龙(海宁)机械工业有限公司
中国风机互联网产业平台
官网: www.jianlonggongye.com
 地址: 浙江省海宁市尖山新区厂店城二区2幢11层
 电话: 0573-87958866
 邮件: mmfj@mmfj.cn
版权  健龙(海宁)机械工业有限公司   浙ICP备19041692号