基于非线性理论的汽轮机轴系振动故障研究

【摘要】： 本论文基于非线性理论，围绕汽轮发电机组运行状态监测和状态评价， 对典型振动故障进行了系统的理论和实验研究。 分析现场的实际碰摩故障；引入混沌理论，系统地研究碰摩的故障特征， 为碰摩故障的识别探寻有效判据；针对难于识别的中心孔进油故障，采用排 除法给出识别该故障的依据；对裂纹和油膜振荡等非线性故障特进行实验分 析的基础上，建立了振动故障数据库，作为故障诊断的知识来源。 针对汽轮机轴系振动故障的热参数背景，诊断过程中，考虑多种因素 对故障的非线性耦合作用，进行热参数与振动频谱相结合的故障诊断方法研 究。利用多参数多征兆进行故障识别，突破了只利用频谱征兆的局限。通过 改进模糊神经网络诊断模型，建立RBF径向基函数组合子网络诊断系统，增 强对故障分类的能力；并提出贡献性因子概念描述不同征兆对故障的作用大 小，避免了输入征兆的冗余和诊断缺征兆。 目前制约诊断系统自学习的最大障碍是自学习知识样本的缺乏，本文通 过样本的测度分析进行相关故障样本的归类，结合子网络遍历技术，提出一 种故障样本获取新方法，通过改进的诊断模型有效地区分新故障，建立故障 样本自动获取的理论方法，作为诊断系统自学习的知识样本来源。 利用混沌理论的相空间重构方法，建立非线性预测模型，用于汽轮发 电机组振动状态预测和趋势分析。基于分形理论对汽轮发电机组状态的可 预测性进行了系统分析，提出将关联维数作为可预测性的评价指标。结合 现场实例，进行机组振动状态预测和中、长期趋势分析研究，为实现预知 性维修进行前期的理论探讨； 采用分布式数据采集，在机组测量元件改动极小的情况下使大量温度 和压力等测点引入数据采集系统；完成了具有联网功能的状态监测和故障 诊断系统设计，并成功用于实际机组，弥补了该厂管理层缺少现场动态信 息的空白。可进行基于频谱和热参数的振动故障诊断和运行趋势预测。