汽轮机故障诊断技术

汽轮机故障诊断技术检测方式问题

就现阶段的汽轮机故障诊断系统而高，存在很多弊端。现阶段的汽轮机故障诊断技术采用大多是推理算法，但其在故障的征兆获取上始终是个短板，难以进行突破，关键环节就是汽轮机故障的检测方式较为陈旧，没有与时俱进，根木无法与现阶段的故障诊断的压球相适应，给汽轮机故障诊断技术的发展带来一定的不利因素 。

汽轮机故障诊断技术材料性能诊断较差

检测汽轮机故障时，对其材料和性能的检测工作也很重要，在对材料和性能的评价过程中可以对汽轮机的使用期限进行有效预测。但是现阶段在我国的汽轮机故障诊断技术中对材料性能的诊断工作还存在很多需要改进的地方，使得故障诊断系统中存在的弊端还是比较大的，使得汽轮机故障诊断技术无法得到健康、稳定的发展。

汽轮机故障诊断技术复杂故障的机理

在对汽轮机故障诊断工作时，前提和基础就是对汽轮机的故障机理进行全而的把握，先明确了发生故障的原因才能有效的对其进行分析和确诊。但是通常情a5}下，汽轮机发生故障的原因具有普遍的复杂性，如果不明确的知晓故障机理，要做到深入的分析故障是比较困难的，因此很容易在汽轮机故障诊断中产生问题，诊断技术的发展受到一定程度的制约。

汽轮机故障诊断技术人工智能应用

科学技术在不断进步，很多新型的汽轮机故障诊断技术应运而生，人工智能技术就是其中的一种，就其在现实中的应用效果而高，可行性还是比较高的。其对存在的问题能够很好的解决，但还是会有一些不可避免的问题存在，所以还要继续完善，在科学技术发展的不断推动下，需要加大对人工智能技术的研究力度，使其发展的更加完善，开创我国汽轮机故障诊断技术的人工智能化发展道路 。

近年来，我国一直致力于对汽轮机故障诊断技术的研究，其技术在一定程度上得到了提高，我国己经走上了高水平的汽轮机故障诊断技术的发展之路。文章在分析I汽轮机故障和故障诊断技术中存在的问题后，主要从以下几个方而对其进一步的研究，从而促进汽轮机故障诊断技术能够在更加持续、健康的道路上发展

(1)运用全而的检测技术来达到提高汽轮机故障的检测技术的目的

(2)加大故障机理的研究力度，明确的分析出故障机理，对故障的诊断和修复具有更为积极的意义

(3)综合诊断。加大对汽轮机故障诊断的力度，进行更为全而的故障判断，应该养重从热影响诊断、性能诊断、油液诊断、温度诊断以及逻辑顺序诊断等诸多方而进行考虑，这样有利于快速有效的对故障进行检查

(4)诊断和仿真技术的有机结合。在这两者的有机统一下，能够更为精准的判断汽轮机的故障所在，检查系统部件

改革开放以来，我国各个行业都得到了翻天覆地的变化，都走上了发展的快车道，汽轮机作为工业上重要的生产设备，也得到了显著的发展。汽轮机虽然使用的比较广泛，但是其也有很多的缺陷，那就是受到工作环境的影响，比较容易出现汽轮机故障的情沉，一旦出现 故障，不仅会影响到企业的经济效益，还可能会对操作人员的人身造成伤害，严重者有可能威胁人员的生命安全，所以必须引起有关部门的密切关注。我国也在积极的对汽轮机故障诊断技术的发展进行养不断的研究，文章首先分析了现阶段我国汽轮机故障诊断技术的发展现状，然后对汽轮机故障诊断技术中存在的问题进行了深入的剖析，并对汽轮机故障诊断技术的发展趋势进行了探讨，希望通过文章的分析能够对汽轮机的故障诊断技术提供帮助，进而更好的促进工业乃至整个经济设备的发展-

工业是我国的第一产业，在很大程度上对我国的经济起到支撑的作用，因而其发展一直受到各方的重视。近年来，我国的工业生产得到了极大的改善，所使用的设备也是日趋先进，其自身所具有的可靠性、安全性、可用性和可维修性越来越受到人们的关注，现阶段

我国工业的工作重点是加强机械设备故障的诊断和处理。汽轮机在我国的工业生产中运用得十分广泛，是比较常见的工业设备。因为木身的结构比较特殊，在生产使用中出现故障的可能性比较高，而且一旦出现故障，所带来的负而效应也是巨大的。止是鉴于这种情况，关于汽轮机故障诊断技术在我国得到全面的发展和应用。原有的汽轮机故障诊断技术受到各方而综合因素的制约，具有很多无法同避的弊端，在一定程度上而高己经不能满足工业生产中对汽轮机维护的需要，所以只有不断的对其进行发展和完善，才能最大限度的给予汽轮机的安全性和可靠性的保障

汽轮机故障诊断技术信号的采集与分析

汽轮机的工作环境是比较复杂的，也很特殊，所以相应的要求汽轮机故障的诊断技术也要更加的完善，其中对汽轮机诊断系统中的传感器要求比较高。就现阶段的传感器性能的研究中，多数注重的是对传感器可靠性的提高和对新型传感器的开发上，也有对加强传感器诊断故障性能的研究，进而降低诊断失误和漏诊率，并采用信息进行诊断融合。单就现阶段的传感器故障诊断技术而高，在硬件的缺陷还是比较明显的，直接导致了在实际中的应用比较少。提高传感器信号可靠性和融合技术，使传感器在使用中可靠性更强振动信号的分析和处理是信号的分析处理的主要内容，汽轮机故障诊断系统中主要采用快速傅里叶变换针对振动信号进行处理，快速傅里叶变换更加适用于平稳信号的情沉下，所以适用性是比较强的。但在实际的生产操作中，大多数信号都是不太平稳的，非线性是一般的特点，这样的话就要提高信号分析的精确度，促进信号的分析和处理。采用图形进行辨识，提高分析的准确度

汽轮机故障诊断技术故障的机理和诊断

所谓的故障的机理主要是指在分析汽轮机的故障时，要对故障产生的原因进行全而的分析，进而对故障进行很好的掌握和t解，这是汽轮机故障诊断技术的基础技术，在对故障机理的分析时，应该全而分析故障的规律、征兆、类型。进行汽轮机故障的诊断时，宜

采取对比以及统计和逻辑的诊断方法。模糊诊断、模式识别、人工神经网络和专家系统是比较常用的诊断策略。

汽轮机故障诊断技术国外发展情况

美国是最早从事汽轮机故障诊断研究的国家之一，在汽轮机故障诊断研究的许多方面都处于世界领先水系目前美国从事汽轮机故障诊断技术开发与研究的机构主要有EPRI及部分电力公司，西屋、等公司

美国Bechtel电力公于1987年开发的火电站设备诊断用专家系统(SCO PE)在进行分析

时不只是根据控制参数的当前值，而且还考虑到它们随时间的变化，当它们偏离标准值时还能对信号进行调节，给出消除故障的建议说明，提出可能临近损坏时间的推测

美国Radial公司于1987年开发的汽轮发电机组振动诊断用专家系统(T u rboin ac)，在建立逻辑规则的基础上，设有表征振动过程各种成分与其可能故障源之间关系的概率数据，其搜集知识的子系统具有人机对话形式该系统含有900条知识规则，有很大的库容 。

西屋公司(WHEC)是首先将网络技术应用于汽轮机故障诊断的，他们在已经开发出的汽轮发电机组故障诊断系统(AD)的基础上，在奥兰多建立了一个诊断中心(DOC)，对分布于各地电站的多台机组进行远程诊断。

Bently公司在转子动力学和旋转机械故障诊断机理方面研究比较透彻，该公司开发的旋转机械故障诊断系统(ADR3)在中国应用情况良好，很受用户欢迎 日本也很重视汽轮机故障诊断技术的研究，由于日本规定1000vI W以下的机组都须参与调峰运行，因此，他们更注重于汽轮机寿命检测和寿命诊断技术的研允日本从事这方面研究的机构主要有东芝电气、日立电气、富士和三菱重工等

东芝电气公司与东京电力公司于1987年合作开发的大功率汽轮机轴系振动诊断系统，采用计算机在线快速处理振动信号的解析技术与评价判断技术，设定一个偏离轴系正常值的极限值作为诊断的起始点进行诊断!“:在90年代，东芝公司相继开发出了寿命诊断专家系统，针对叶片、转子、红套叶轮及高温螺栓的诊断探伤实时专家系统、机组性能评价系统等。

日立公司在1982年开发了汽轮机寿命诊断装置 H ID IC-0跟以后逐步发展，形成了一套完整的寿命诊断方法。

三菱公司则在80年代初期开发了MHM振动诊断系统，该系统能自动地或通过人机对话进行异常征候检测并能诊断其原因，其特点是可根据动矢量来确定故隙。

欧洲也有不少公司和部门从事汽轮机故障诊断技术的研究与开友法国电力部门(EDE)从1978年起就在透平发电机上安装离线振动监测系统，到90年代初又提出了监测和诊断支援工作站(M onitoring and D iagnosis A id S tation)的设想在90年代中期，其专家系统P SAD及其D I-VA子系统在透平发电机组和反应零冷却泵的自动诊断上得到了应用。另外，瑞士的A BB公司、德国的西门子公司、丹麦的B& K公司等都开发出了各自的诊断系统。

汽轮机故障诊断技术我国的发展情况

我国在故障诊断技术方面的研究起步较晚，但是发展很h}一般说来，经历了2个阶段:第一阶段是从70年代末到80年代初，在这个阶段内主要是吸收国外先进技术，并对一些故障机理和诊断方法展开研究:第二阶段是从80年代初期到现在，在这一阶段，全方位开展了机械设备的故障诊断研究，引入人工智能等先进技术，大大推动了诊断系统的研究和实施，取得了丰硕的研究成果1983年春，中国机械工程学会设备维修分会在南京召开了首次“设备故障诊断和状态监测研讨会”，标志着我国诊断技术的研究进入了一个新的发展阶段，随后又成立了一些行业协会和学术团体，其中和汽轮机故障诊断有关的主要有:中国设备管理协会设备诊断技术委员会、中国机械工程学会设备维修分会、中国振动工程学会故障诊断 。

学会及其旋转机械专业学组等在此期间，国际国内学术交流频繁，对于基础理论和故障机理的研究十分活跃，并研制出了我国自己的在线监测与故障诊断装置，“八五”期间又进行了大容量火电机组监测诊断系统的研究，各种先进技术得到应用，研究步伐加快，缩小了与世界先进水平的差距，同时也形成了具有我国特点的故障诊断理论，并出版了一系列这方面的专著，主要有屈梁生、何正嘉主编的《机械故障学;,杨叔子等主编的《机械故障诊断丛书众虞和济等主编的《机械故障诊断丛书;,徐敏等主编的《设备故障诊断手册》等。

目前，我国从事汽轮机故障诊断技术研究与开发的单位有几十家，主要有哈尔滨工业大学、西安交通大学、清华大学、华中理工大学、东南大学、上海交通大学、华北电力大学等高等院校和上海发电设备成套设备研究所哈尔滨电工仪表所、西安热工研究所山东电力科学试验研究所、哈尔滨船舶锅炉涡轮机研究所及一些汽轮机制造厂和大型电厂等国家在“七五”、“八五”计划期间安排的汽轮机故障诊断攻关项目促进了一大批研究单位参与汽轮机故障诊断系统的研究与开发，许多重要成果都是在这一阶段取得。2100433B

本书为《解决电厂疑难问题的金钥匙》系列丛书之一，内容包括汽轮机设备的故障诊断方法，如何预防和应对汽轮机轴系断裂、汽轮机超速、汽轮机大轴弯曲、汽轮发电机组轴瓦烧损等故障，对汽轮机结构的评价及改进，防止发电设备故障的技术管理措施．以及汽轮机安全性计算机管理系统。本书对于保证发电厂的安全、经济运行具有重要意义。

本书可供发电企业设备管理人员、工程技术人员阅读．以及供电力院校研究生选择生产研究课题时参考．为汽轮机组的安全运行提供产品和技术服务的厂商，也可从本书中发现商机。

前言

绪论

第一章汽轮机设备故障诊断方法

第二章汽轮机超速

第三章汽轮机轴系断裂

第四章防止汽轮机大轴弯曲

第五章防止汽轮发电机组轴瓦烧损

第六章汽轮机结构评价及改进

第七章汽轮机组安全性计算机管理系统

第八章 防止发电设备故障的技术管理措施

附录一汽轮发电机组摩擦振动机理

附录二挠性转子振动特点

附录三汽轮机压力与流量关系式(弗留格尔公式)及其应用

附录四汽轮机通流部分径向间隙测量调整新工艺

附录五《防止电力生产重大事故的二十五项重点要求》之1．2、9、10及12．3的有关条文

附录六《火力发电厂安全性评价》之汽轮机部分

参考文献

作者简介2100433B

电网故障诊断的智能技术基于专家系统的故障诊断方法

Feighbaum教授 于1968年开发了第一个专家系统((Expert System)并且具体说明专家系统是一种智能的计算机程序，它通过使用知识与推理过程，求解那些需要专家的知识才能求解的高难度问题。自从70年代人们将专家系统引入到电网的故障诊断领域，基于该方法的故障诊断应用较为成功。专家系统在电网故障诊断中的典型应用可以归结为:首先建立故障信息知识库，并用自然语言建立产生式规则;然后基于对这一产生式规则的理解，知识工程师将知识表示成机器语言并通过人机接口储存到知识库中;故障发生时，将故障信息输入到推理机，推理机根据当前输入的故障信息，运用知识库中的知识，按一定的策略进行推理，从而识别出故障元件。

专家系统将专家的知识应用于电网故障诊断，可以保证诊断系统的实时性和有效性，但是基于知识的本质和实现故障诊断的原理没有变，因此当前专家系统还存在着不足：(1)专家知识是人为移植到计算机的，所以难以建立完备的知识库；(2)容错性差，对于保护和断路器的误动作及知识库中不包含的情况，很难给出正确的判断；(3)系统的维护难度非常大，知识库要经常根据实际情况进行更新。

未来的研究中将专家系统与其他智能技术相结合是一种有效的方式，取长补短，弥补专家系统本身的缺陷。有研究将模糊集理论与专家系统结合，通过对电压和电流值以及保护和断路器信息进行模糊推理，能够有效地改善专家系统容错性差的问题。也有采用一种适用于电网故障诊断的整个协同式专家系统的结构体系，并且将其与多智能体技术相结合，克服了单一专家系统的局限性，增强了对复杂故障实时诊断的推理能力 。

电网故障诊断的智能技术基于人工神经网络的故障诊断方法

人工神经网络(Artificial Neural Network)是一种模拟神经系统来进行信息处理的数学模型，主要是基于输入和输出关系建立起来的，并由大量简单的处理单元(神经元)广泛互连而形成的复杂网络系统。神经网络能够对大量的训练样本进行分析推理，得到一般规律，从而能对未知的或无法预测的故障信息进行分析判断。前馈神经网络较广泛地应用于电网故障诊断领域，其中最具代表性的是BP(Back Propagation)神经网络和径向基神经网络。

有研究给出了BP神经网络在电网故障诊断中的典型应用:将保护器和断路器的动作信息作为神经网络的输入，可能发生的故障情况作为输出，以此来建立诊断模型;通过大量的故障实例形成训练神经网络的样本集;训练过程中，网络的输入节点加输入信号，此信号向前传播，并不断根据当时的节点活化函数、连接加权系数和给定值进行相应计算，此过程即为学习过程;在学习结束前，若前向计算的输出与期望的输出之间存在误差，则将误差信号反向传播，调整权值和值，直到输出满足要求。

神经网络有强大的学习能力，而且具有容错能力强、鲁棒性好、非线性映射和并行分布处理等特点。然而，神经网络还存在如下缺陷：(1)需要大量的训练样本以供学习，但获取完备优质的样本十分困难；(2)神经网络在诊断过程中被看成是“黑箱”，缺乏对自身行为的解释能力；(3)神经网络不善于处理启发式的规则。未来对基于神经网络的电网故障诊断方法的研究重点还是在选取有价值的训练样本、给予诊断过程解释能力、使适用于大规模电网故障诊断等方面。

电网故障诊断的智能技术基于贝叶斯网络的故障诊断方法

贝叶斯网络(Bayesian Network)是一种用来表示和推理不确定性知识的模型，它将概率论的相关知识与图形理论相结合，具有较为严格的理论基础，对解决复杂电网由于不确定因素引起的故障等问题具有明显作用。利用贝叶斯网络技术进行电网故障诊断的研究还处于初期阶段，但是发展的较为迅速。文献采用分层递归的思想，利用粗糙集理论对电网故障信息进行分层挖掘，达到属性优选，然后通过贝叶斯网络进行故障诊断，成功识别出故障元件。结合监测设备的状态信息，利用贝叶斯网络实现了故障情况的提前预测。也有文献基于元件建模，通过设置各节点的先验概率，使得故障信息经过贝叶斯网络后，得到各元件发生故障的概率，以此识别故障元件，若采用某个值作为判断条件，可同时对一个或多个元件的故障进行有效诊断。

贝叶斯网络的诊断模型清晰直观，对于不确定和不完备信息可以进行良好的诊断决策，然而，网络节点赋值需要大量的实际观察或统计分析方法来确定，而且贝叶斯网的训练属于NP难度问题，处理复杂问题时将变得非常困难。未来该领域的研究将主要集中在如何实现贝叶斯网络的自动建模，如何将其与信息融合理论相结合等方面。

电网故障诊断的智能技术基于优化技术的故障诊断方法

采用优化技术(Optimization Methods)的故障诊断方法是一种基于数学模型的求解方法。国内外学者提出了多种优化算法，可以将其应用到电网故障诊断领域，而且优化算法在电网规划等方面也有较好的应用。常用的优化算法包括:遗传算法，模拟退火算法和蚁群算法，还有较新的算法如交叉嫡算法。

优化技术应用于电网故障诊断的方法是考虑故障元件与保护器和断路器的动作关系，将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题，然后通过优化算法求解该问题的最优解。有文献基于小生境遗传算法，并结合粗糙集理论，来求取决策表约简，从而抽出诊断规则，提升了对不完备信息的分析能力。

基于优化技术的故障诊断方法具有严密的数学基础和理论依据，用常规的优化算法即能够实现而且能够在诊断信息不全面的条件下，给出局部和全局最优的多个诊断结果。不过该方法还存在的问题是：(1)目标函数的确定比较困难；(2)优化算法的多次迭代，导致诊断时间过长；(3)优化算法在寻优的过程中存在随机因素，可能导致丢失最优解。所以选择更全面的诊断模型以及采用合适的优化算法来提高诊断的准确性和实时性是该领域未来研究的重要方向。

电网故障诊断的智能技术基于支持向量机的故障诊断方法

统计学习理论是一种专门研究有限样本情况下机器学习规律的理论，为研究统计模式识别和更广泛的机器学习问题建立了一个较好的理论框架。Vapnik等人根据对统计学习理论的研究，提出了支持向量机(Support Vector Machine)这种全新的模式识别算法，有效地改善了传统分类方法的缺陷，具有充足的理论依据。它在文本分类、故障诊断、手写识别等领域中获得了较多的应用。

故障诊断问题从本质上来说就是一种分类问题，而支持向量机对于有限样本状况下的分类问题具有较强的针对性。有文献通过将粒子群优化算法与支持向量机相结合来进行故障诊断。由于在支持向量机算法中，核函数参数选择的好坏直接影响到诊断结果的准确度，而文中采用的方法能够实现参数的动态选取，达到优化诊断结果的目的 。

支持向量机基于统计学习理论，有效地改善了传统分类方法的缺陷，具有充足的理论依据，对解决有限样本的模式识别问题具有很高的适用性。下一步的研究重点在于如何改进算法，使诊断过程快速并满足实时性的要求以及处理大电网故障诊断、参数的选择等问题。该技术在故障诊断中的应用起步较晚，随着研究的加深，该方法有望成为电网故障诊断领域的实用方法之一。

电网故障诊断的智能技术基于模糊集理论的故障诊断方法

美国自动控制专家L A Zadek于1965年首次提出“模糊集合”的概念，并引入“隶属函数”来描述差异的中间过渡。模糊集理论(Fuzzy set Theory)将信息模糊化，首先系统获取的信息组成的集合可以看成一种经典集合，按照某种对应法则将集合中的元素映射到 [0，1]这一区间，这样集合中的每一个元素在0和1之间都对应一个实数，这个实数可以表明其隶属于0或1的程度，按照以上对应法则组成的函数就是隶属度函数，该理论就是以隶属度函数为基础建立的。在电网故障诊断领域发展的早期，人们对专家系统应用在故障诊断领域做了较多的研究，然而很少考虑到信息的不确定性，从而导致诊断的不精确。有文献针对电力系统故障诊断问题中的不确定信息给出解决方法，将模糊集理论应用在电网故障诊断领域，通过将故障信息模糊化，不仅可以减小数据信息的存储空间，也能提升诊断精度和容错性。

模糊集理论的特点就是可以处理信息的不确定性，然而基于模糊集理论的故障诊断方法还面临着一些弊端：(1)隶属函数的建立没有一个明确的标准；(2)可维护性差，当电网结构发生变化时，模糊知识库和隶属度也要做相应的变化；(3)大规模电网的模糊诊断模型建立困难。在实际应用中，常常将模糊集理论与其他智能方法相结合(如专家系统、神经网络、Petri网等)，用来分析不确定性信息对诊断系统的影响，提升诊断精度，增强系统的容错性。

电网故障诊断的智能技术基于Petri网技术的故障诊断方法

Petri网是德国科学家Carl Adam Petri 于1960到1965年提出的一种数学模型，它利用目标系统中元件之间的关系来构建有向图的组合模型，从而能够准确地表示离散事件发生的顺序、并发和冲突的关系。印度学者 Jenkensl和Khincha在1992年首先将Petri网技术应用于电网的建模中，在这之后Petri网在电力系统的很多领域中得到了应用，并显示出了其良好的应用前景。电网的故障可看成是离散事件，而Petri网是对离散事件组成的系统进行建模和分析的理想工具。

Petri网方法能够定性或定量地对系统中事件发生的各种过程采取准确的分析，同时还具有图形化的结构表示等优点，是对离散事件进行动态建模和分析的有效方法，不过还有一些尚需深入的问题存在，主要是：(1)系统网络拓扑的扩大，易导致建模时发生信息组合爆炸的情况；(2)电网多重故障时，诊断结果不够理想；(3)对于保护和断路器拒动或误动时产生的错误信息不能很好地分析识别。未来的研究中，将高级的Petri网用于复杂电网的故障诊断是一种有效的措施 。

电网故障诊断的智能技术基于信息融合技术的故障诊断方法

信息融合(Information fusion)技术实际上是一种多源信息的综合技术，通过对来自不同数据源的信息进行分析和智能化合成，获得被测对象及其性质的最佳一致估计，从而产生比单一信息源更精确、更完全的估计和决策。采用该方法的电网故障诊断已显示出了明显的优势。

采用信息融合技术将开关量与电气量等来自不同数据源的信息综合利用，可以极大地提高诊断系统的实时性和准确性，有效地避免由于故障信息的不确定性而导致的错误诊断。信息融合技术在今后的研究中，重点将放在解决如何选取合适的信息融合方法以及如何在实际中融合更多方面的信息，这会使得电网故障诊断水平上升到一个新高度。

电网故障诊断的智能技术基于MAS的故障诊断方法

多智能体(Multi-Agent System， MAS)技术是分布式人工智能技术的重要分支，它是一种将计算机、网络和分布式思想相结合的软件工程技术，能够将目标问题转变成在逻辑上或物理上分离的多个Agent，可分别针对每个Agent来解决问题，而且各个Agent之间相互协调信息得到最终结果，节约了数据和资源。文献将MAS技术应用于电网的故障诊断中，先将诊断系统智能分解，再通过软件技术来协调各Agent中的信息并得出诊断结果，满足了准确性和实时性的要求。有文献提出一种基于智能识别系统的MAS技术。MAS实现了控制过程的在线自适应识别和实时的进行离线故障诊断，同时可以适应和克服大规模电网的复杂性。