一种水电机组导轴承瓦偏磨预警方法与流程

本发明涉及电子，具体涉及一种水电机组导轴承瓦偏磨预警方法。

背景技术：

1、本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。

2、所谓偏磨是动静碰摩的一种，是指发生在某个局部方位发生的碰摩。而碰摩是指旋转部件和静止部件之间的非正常接触，在水轮发电机组和汽轮发电机组等大型旋转机械中，旋转部件与静止部件之间的碰摩是一种常见的故障。其主要原因是机组动静间隙由于某种原因导致变小。碰摩使转子产生非常复杂的振动，是转子系统发生失稳的一个重要原因，轻者使得机组出现强烈振动，严重的可以造成转轴永久性弯曲，甚至整个轴系毁坏。

3、碰摩/偏磨是一种伴生故障，是由其它故障导致的继发效应。碰摩/偏磨接触可以在径向、轴向或同时在这两个方向上发生，当实际碰摩接触发生在振动周期的一小部分时，称为局部碰摩。当接触发生在整个振动周期内且具有连续性时，称为全周碰摩。对于碰摩故障，局部碰摩是最常见的碰摩表现形式，局部碰摩包含三种物理现象，碰撞、摩擦以及轴系刚度的改变。

4、对于水轮发电机组，其发生碰摩发生的部位主要有以下几种情况：

5、1）由于轴瓦不同心及大轴偏心引起的大轴与导轴承之间的偏磨。

6、第一个方面是机组轴瓦自身的安装偏差，机组瓦间隙安装不均匀或偏心时，在机组摆度大于最小间隙时，就会在发生轴瓦偏磨；对于三部导轴承的机组，当出现三导不同心时，在不同心的部位也会出现轴瓦偏磨；

7、第二个方面是对于刚性支撑的推力瓦结构，当推力瓦水平调整偏差较大时，也会导致机组在运行过程中出现轴瓦偏磨的现象；

8、第三个方面是机组在运行过程中，由于受到固定方向作用力，导致的导轴承的旋转中心偏移而产生的轴瓦偏移，这种力主要是来源于两部分，一个是由于机组定转子不同心导致的固定方向磁拉力不平衡，另一个就是沿转轮圆周水流不均匀产生的水力不平衡。

9、2）机组转轮叶片与转轮室之间的碰摩。

10、第一个方面是机组轴位移导致叶片与转轮室间隙变小，导致转轮室与转轮发生碰摩。这种碰摩通常发生在机组停机过程或振动区或非协联区，机组在受到水锤作用或不稳定水流冲击下，发生较明显的轴向位移时会导致叶片与转轮室间隙变小发生碰摩；

11、第二个方面是由于长期不均匀水流或其他原因导致的转轮室变形（椭圆形或者其他不规则形状），一方面会导致径向水力不平衡，导致转轮旋转中心发生径向位移，引起叶片与转轮室间隙局部变小，从而导致碰摩发生；

12、第三个方面是由于机组导叶安装角度偏差或导叶操作机构运行不一致，如导叶卡顿或异物阻塞，导致机组在负荷调整过程中产生较明显的径向水推力，从而引起叶片与转轮室间隙局部变小，导致碰摩发生。

13、3）混流式机组转轮上冠与迷宫环之间的碰摩。

14、对于混流式水轮机，转轮上冠与迷宫环间的间隙较小，通常只有2-4mm，在长期水流冲击及泥沙磨损下，迷宫环会出现松动甚至脱落的情况，就会引起转轮上冠与迷宫环间发生碰摩。

15、碰摩会导致力与动力学刚度同时发生非线性变化，因此摩擦转子的动力学情况会变的相复杂。发生碰摩时，接触力会突然出现和消失。转动部件接触静止部件时，静止部件会推转子，同时转动部件会以大小相等但方向相反的力推静止部件。这种接触力可分解为径向和切向（摩擦）分量。径向力的作用方向指向转子中心，因此会使转动部件明显地加速远离接触点。径向力在接触周期的停留时间内发生变化，并与瞬时径向加速度a成比例（f =ma）。短时间后，转动部件由于其惯性而发生偏离，平均径向速度将减小，径向速度达到零后，转动部件会发生反弹，同时碰摩接触结束。

16、在接触期间会出现切向摩擦力，其大小等于径向力的瞬时大小乘以接触面的摩擦因数。切向摩擦力的方向与转动部件的表面速度相反，在转动部件上产生转矩，同时试图使转动部件向相反于移动方向加速。这也是为何在碰摩中，通常会在全频谱中产生反向分量原因。切向摩擦力的副作用是，它会充当一种媒介，将旋转能量传递给径向振动。对于局部碰摩，如果产生的是轻微的摩擦接触，并不会明显的改变系统受力和系统整体刚度，但随着碰摩程度的加剧，这种受力的改变和刚度的变化就越明显，由碰摩导致的径向和切向摩擦力在本质上是冲击力，其特点是突然出现，作用力很大，然后骤然消失，效果类似于使用锤子击打转子轴，当碰摩剧烈到一定程度以后，这种冲击力可产生冲击响应，其中包含转动部件中的多阶自由径向振动模态，当转动部件从接触处弹起时，将以自由振动的形式以一种或多种固有频率振动，这也是碰摩会产生共振的一个主要原因。

17、而导轴承偏磨正是局部碰摩的一种情况，在偏磨产生的时刻，会导致径向和切向的冲击力，并产生冲击响应，引起瞬时的局部共振信号。一般来说，这种碰摩属于瞬态周期性的弱碰摩，具有瞬态特性。这种碰摩由于冲击力而引起的局部变形和反弹运动使碰摩振动信号含有大量的非同步谐波分量，通常伴有共振信号出现。摩擦和冲击使局部碰摩具有很强的非线性。长期以来人们对碰摩故障进行诊断的主要依据是特征频谱，但是它往往与其他原因引起的振动故障有类似的谱特征，同时由于碰摩所在时域所表现的瞬态冲击特征通过傅里叶变换后被淡化，相当于把局部的特征信息在整个分析频域内平均，从而使分析结果又较大的误差，因而，单靠频谱对碰摩故障进行准确地诊断具有较大的难度。

18、另外，从信号分析上看，通常由于瞬间的碰摩引起的共振信号表现在高频段，而且该信号常常被周期性的1x振动信号调制，信号幅值并不是很强，因此该信号往往被淹没在其他的周期新振动信号以及其他噪声信号中。

19、因此采用峰峰值、有效值等时域特征参数都不能识别出部件与转动部件之间发生相碰故障，采用常规的fft变化也很难将该冲击信号从频域中分离和识别出来。图1是某电站某水轮机水导轴承发生局部弱碰摩之后的摆度信号波形（信号中已经出现碰摩特征），在时域波形中，弱碰摩引起的摆度变化很小，被淹没到摆度的1x信号中，而且对该信号的通频峰峰值没有任何影响。因此采用常规的峰峰值难以识别出改局部弱碰摩故障。

20、另外，与其他弱碰摩显著不同的一个特点是，导轴承瓦偏磨的发生会伴随轴瓦温度的上升，这也是偏磨与其他弱碰摩的重要特征。

21、综上如下，轴瓦偏磨故障在信号中表现特征如下：

22、(1)偏磨会引起短时高频的冲击共振信号；

23、(2)稳定的偏磨会周期性出现，因而引起的冲击共振信号会周期性出现，机组旋转一周，偏磨会出现一次或多次；

24、(3)偏磨会引起短时高频的共振信号会被转速频率调制；

25、(4)该共振信号能被摆度、径向振动测点检测出来，但经常被掩盖在其他振动信号及噪声中。

26、(5)偏磨故障通常伴随对应轴瓦瓦温的上升偏离。

27、而水力发电机组导轴承(如上导轴承、下导轴承、水导轴承）是水力发电机组转动部件（包括转子、大轴、转轮等）的支撑部件，作用是支撑和定位水轮机的旋转部分，同时具备良好的承载能力和足够的强度。但是由于机组存在轴线曲折、轴承间隙不当、导轴承不同心等缺陷会导致机组大轴和轴瓦瓦面之间产生偏磨问题，长期运行，‌不仅会导致轴承磨损、损坏、发热、甚至烧瓦等，更会对机组运转造成包括振动增大，稳定性降低等不良影响。因此对机组导轴承瓦偏磨进行在线检测，识别轴瓦的健康状态，对于机组安全运行来说显得尤为重要。

技术实现思路

1、本发明的目的在于：针对现有技术中存在的问题，提供了一种水电机组导轴承瓦偏磨预警方法，根据水轮发电机组上采集的振动摆度、振动、轴瓦温度等特征信号，采用小波包滤波、hilbert变换方法进行包络解调识别偏磨导致的冲击特征，结合采用svr机器学习方法识别瓦温异常，通过比对冲击方位和相应方位的瓦温变化，实现对机组导轴承轴瓦偏磨的识别预警检测，从而解决了上述问题。

2、本发明的技术方案如下：

3、一种水电机组导轴承瓦偏磨预警方法，包括：

4、步骤s1：根据历史健康数据样本进行训练，获得各部导轴承轴瓦温度变化的预测模型和最大允许轴瓦温度偏差；

5、步骤s2：基于小波包带通滤波，通过冲击包络解调算法，对实时采集到的导轴承摆度信号、振动信号进行冲击特征指标提取；

6、步骤s3：基于小波包带通滤波，通过冲击包络解调算法，选取多个历史健康数据累计求取历史样本数据中的包络平均峰值基础值，分别对应了上导x向摆度信号、上导y向摆度信号、上机架x向振动信号、上机架x向振动信号；

7、步骤s4：进行机组导轴承轴瓦偏磨预警检测。

8、进一步地，所述各部导轴承轴，包括：上导轴承、下导轴承、水导轴承。

9、进一步地，所述步骤s1，包括：

10、步骤s11：从存储的历史数据记录中抽取并网后处于稳态的特征指标数据；

11、步骤s12：对步骤s11抽取到的特征指标数据进行预处理，去除异常点，获取新的特征指标数据的时间序列和被预测特征的时间序列；其中，，，为全部参与预测的特征指标总数，为各特征指标的时间序列的长度；

12、步骤s13：归一化处理；将所有特征指标的时间序列全部映射到[-1，1]范围，形成新的时间序列；

13、步骤s14：对新的时间序列以及被预测特征的时间序列进行随机打乱先后顺序处理，而后抽取前70%数据作为训练集时间序列和，剩余30%数据作为测试集时间序列和；

14、步骤s15：调用训练集时间序列和，把作为自变量、作为因变量输入svr预测模型进行训练，训练后获得预测模型向量数据；其中对svr预测模型参数的设定为：惩罚系数c=1，核函数选定为高斯核函数；

15、步骤s16：以步骤s15训练获得的预测模型向量数据为基础，将测试集时间序列和，带入svr预测模型，计算预测误差并计算惩罚系数；

16、步骤s17：以步骤s15训练获得的预测模型向量数据为基础，将和带入svr预测模型，逐点计算误差；

17、步骤s18：重复步骤s11-步骤s17，遍历所有上导轴承瓦温、下导轴承瓦温、水导轴承瓦温，获得各瓦温的svr预测模型向量数据和最大允许偏差，并记录为某瓦温svr预测模型向量数据，为该瓦温的最大允许偏差值，，为上导、下导、水导瓦温的总数。

18、进一步地，所述步骤s12中的预处理，包括：

19、对每项特征指标的时间序列采用高斯滤波以99.7%置信度区间进行预处理；

20、所述步骤s13，包括：

21、

22、其中：

23、为第个特征指标时间序列的最大值，为第个特征指标时间序列的最小值。

24、进一步地，所述步骤s16，包括：

25、

26、上式中，为训练集中的实际测值，为训练集中的实际测值的平均值，表示预测值，为测试集时间序列中的长度，值越接近1表示拟合效果越好模型误差越小，如小于 0.8 则需要重新调整训练集、调整svr训练参数，重新执行步骤s11，否则执行下一步。

27、进一步地，所述步骤s17，包括：

28、

29、上式中，为整个样本集时间序列中的实际测值，表示预测值，为误差值；

30、而后按照分布的1.25倍作为最大允许温度偏差，也即：

31、

32、上式中，表示从m个的数据中求取的宽度范围，记录为该轴瓦温度允许偏差。

33、进一步地，所述步骤s2，包括：

34、步骤s21：获取采集到的实时摆度、振动原始时域波形信号，中记录有键相标记；

35、步骤s22：选择morlet作为小波基函数，设定分解层数为4，对进行小波包变换，提取各尺度小波包系数，；

36、步骤s23：基于小波包的带通滤波，滤除低频及高频噪声；

37、步骤s24：根据滤波处理以后的小波包系数进行小波包逆变换，‌得到重构信号，形成新的振动、摆度信号；

38、步骤s25：对，采用希尔伯特变换数字包络解调技术获得冲击脉冲信号的包络波形信号；

39、步骤s26：冲击特征提取。

40、进一步地，所述步骤s23，包括：

41、设定为滤波后的小波包系数，则由下式计算获得：

42、

43、上式中，为对应的带通频率的中心频率；

44、而后，为了降低20x～300hz范围信号的噪声影响，继续采用如下的方法进行噪声滤波：

45、

46、是小波变换后的自适应阈值，是噪声水平估计，计算方法如下：

47、

48、其中，为在进行小波变换时所用到的数据窗口中的数据点数量，函数表示求取中位值，是软阈值函数：

49、

50、其中，是阈值参数，是变换后的系数，的输入值为，的输入值为；函数为符号函数，其取值如下：

51、

52、表示求取最大值。

53、进一步地，所述步骤s25，包括：

54、设定为击信号包络信号的解析信号，则有：

55、

56、其中，是虚数单位，表示希尔伯特变换：

57、

58、根据冲击信号包络信号波形使用快速傅里叶变换进行包络谱识别提取包络信号，其中，是解析信号的复共轭：

59、

60、所述步骤s26，包括：

61、在获得之后，根据波形中的键相信号，截取每周期数据，根据每周期数据计算各周期的包络峰值和方位；

62、从中截取相邻两个键相之间的波形信号，生成第个周期的信号；

63、对进行排序，去除最大的50% 数据，从剩余的50% 数据中求取最大值，作为信号中的噪声基线值；

64、构造新的时域波形，对信号进行脉冲峰值检测计算冲击引起的脉冲幅值，并根据键相信号同步计算脉冲峰值对应的相位；

65、如此反复计算完中所有周期中的冲击脉冲个数、脉冲幅值和脉冲出现的方位；记录为总的脉冲个数，为每个脉冲的幅值，为脉冲方位，求取：

66、

67、对包络波形信号进行整周期fft变换，形成包络谱，并提取主频率，并记录最大幅值主频率为。

68、进一步地，所述步骤s4，包括：

69、步骤s41：基于提取的各周期的包络峰值和方位，计算各导轴承摆度和振动的平均脉冲幅值和基础脉冲幅值增长系数；

70、步骤s42：对导轴承摆度和振动的冲击信号全部进行如下判断：

71、条件一：摆度冲击指标判断：，且主频率为倍转频，其中，为整数，且，为相应导轴承的瓦块数；

72、条件二：振动冲击指标判断：

73、对于位移型输出的振动冲击特征指标：，且主频率为倍转频；

74、对于速度型输出的振动冲击特征指标：，且主频率为倍转频；

75、对于加速度型输出的振动冲击特征指标：，且主频率为倍转频；

76、如果上述条件满足全部不满足，则无导轴承瓦偏磨，返回，否则执行下一步；

77、步骤s43：对轴承轴瓦温度异常的检测：

78、从满足上述条件的振动或摆度信号中读取相应的冲击脉冲发生的相位，根据计算对应方位的轴瓦号，设定轴瓦号为；

79、实时采集轴瓦温度，设定为实时轴瓦温度的测值；同时采集轴瓦温度预测模型用到的其他输入参数；以步骤s1训练获的预测模型向量数据为基础，将上述输入参数带入svr预测模型，计算预测温度并记为，记为按照步骤s1训练获得的轴瓦瓦温的允许偏差，那么：

80、如果，那么 轴瓦偏磨预警，轴瓦号为；

81、否则轴瓦偏磨不成立，重复执行步骤s43，直到所有方位上的冲击脉冲特征都被检测完毕。

82、与现有的技术相比本发明的有益效果是：

83、本方法根据水轮发电机组上安装的振动摆度、振动、轴瓦温度等特征信号，采用小波包滤波、hilbert变换方法进行包络解调识别偏磨导致的冲击特征，结合采用svr机器学习方法识别瓦温异常，通过比对冲击方位和相应方位的瓦温变化，实现对机组导轴承轴瓦偏磨的识别预警检测。