火电厂电站锅炉引风机运行状态智能监测诊断方法与流程

本发明涉及设备检测和诊断技术领域，尤其涉及一种火电厂电站锅炉引风机运行状态智能监测诊断方法。

背景技术：

火电厂电站锅炉结构复杂，还有烟气的除尘、脱硫设备，烟气排放阻力较大，因此均在烟道设置引风机排除烟气，同时引风机也提供锅炉燃烧室需要的负压。引风机的工作原理是从锅炉燃烧室中吸出燃烧后的热空气，在锅炉炉膛中造成负压，热空气经过各种换热器后，最终经过除尘、脱硫、脱硝后通过烟囱排入大气。引风机设备包括电机和风机，其主要失效形式表现为电机故障、风机转子不平衡、安装不对中以及滚动轴承故障。

其中，风机转子不平衡、安装不对中以及滚动轴承等故障造成风机振动异常，进而导致电机定子线圈温度提高(最高达400℃)，电机电流及负荷增大，电源跳闸，电站锅炉停运，严重影响火电厂电站锅炉的正常生产运行。

技术实现要素：

本发明所要解决的技术问题是提供一种火电厂电站锅炉引风机运行状态智能监测诊断方法，本方法实时监测引风机的运行状态，及时发现电机和风机的各类缺陷，确保电站锅炉设备的正常运行。

为解决上述技术问题，本发明火电厂电站锅炉引风机运行状态智能监测诊断方法包括如下步骤：

步骤一、在电机和风机各轴承座设置用于输出振动信号的振动传感器，并通过引风机控制系统获取引风机转速的工艺参数；

步骤二、采集振动传感器输出的原始振动信号xi＝d(i)，i＝l，2，----n，，对该原始振动信号xi作频谱分析，提取电机振动状态异常的特征信号；

原始振动信号的总振动值a按公式(1)进行计算；

步骤三、建立电机定子故障引起的振动分类指标；定子故障会在电源频率的2倍频处产生强烈的振动，对于由轴承座获取的原始振动信号，经fft变换通过xi(t)(i＝1，2)以及2倍电源频率处的振动分量xp(t)反算叠加后重新构成电机定子振动信号s(t)，

对重构信号s(t)进行fft变换，获取2倍电源频率处振动幅值f，计算振动幅值f与原始信号总振动值a的比值m，

m＝f/a(3)

设定比值m为监测电机定子故障系数，当m＞20％时预报电机定子故障；

步骤四、提取电机气隙不均引起的电磁振动故障特征；定子偏心会在转子与定子间产生一个均匀的气隙，从而形成一个方向性非常强的振动，在2倍电源频率处两侧出现磁极通过频率的边频带，磁极通过频率是转差频率与磁极数的乘积，选取频带中心频率为100hz，频率范围从100-2×电机磁极数×转差频率开始，到100+2×电机磁极数×转差频率结束，将100hz处的振动峰值与选定频率范围内的频谱加权值进行运算，设定气隙不均故障因子g；

g＝(ag+1/ag+ug+1/ug)/(2ag+2/ag)(4)

式(3)中ag、ug分别为电机在100hz处的振动幅值和选定频率范围内的振动峰值加权平均；

监测电机气隙不均故障因子g，当g＞1.2时预报电机气隙不均故障；

步骤五、建立电机转子导条异常引起的电磁振动分类指标；对于原始振动信号经fft变换提取l倍转速频率f、2倍转速频率2f处的振动幅值分量xi(t)(i＝1，2)，通过zoom-fft细化分析获取f一2δf和f+2δf处的振动幅值xl1和xh1，获取2f-2δf和2f+2δf处的振动幅值xl2和xh2，其中，δf为转差频率，设电机转子导条断条系数为j，

j＝max([(xl1+xh1)/2]/x1，[(xl2+xh2)/2]/x2)(5)

式中，max表示取两个数中的较大值，[(xl1+xh1)/2]/x1表示1倍转速频率处两侧边带振动幅值取平均值后除以1倍转速频率处的振动幅值，[(xl2+xh2)/2]/x2表示2倍转速频率处两侧边带振动幅值取平均值后除以2倍转速频率处的振动幅值，

根据式(4)监测电机转子导条有无断条，当j＞20％时诊断电机转子导条断条；

步骤六、提取风机转子不平衡引起的机械振动故障特征；对于由轴承座获取的原始振动信号，经fft变换提取1倍转速频率、2倍转速频率处的振动幅值分量xi(t)(i＝1，2)，通过反算叠加后重构风机本体质量不平衡故障信号ψ(t)，

监测不平衡故障信号ψ(t)与原始信号总振动值a的比值h，

h＝ψ(t)/a(7)

当h＞60％时诊断风机转子不平衡；

步骤七、建立电机和风机各轴承座滚动轴承异常产生的机械振动分类指标；滚动轴承故障表现在不寻常振动级值有冲击，滚动轴承各零部件的振动特征频率与轴承参数的关系为：

轴承外环振动频谱：f0＝nfr(1-dcosα/d)/2(8)

轴承内环振动频谱：fi＝nfr(1+dcosα/d)/2(9)

轴承滚动体振动频谱：fp＝fr(d/d){1-[d(cosα)/d]²}/2(10)

轴承保持架振动频谱：fh＝{fi[1-d(cosα)/d]±fo[1+d(cosα)/d]}/2(11)

式中：n为滚动体数、fr为内外环相对转速频率、d为滚动体直径、d为节圆直径、α为接触角；

滚动轴承的中、前期故障由于冲击信号能量低，常常被淹没在背景噪声中，利用hilbert变换提取滚动轴承的特征信号，采用轴承特征频率幅值跟踪法确定轴承故障因子，选取轴承特征频率附近的频带作为监测对象，将特征频率处的振动峰值与选定频带内的频谱加权值进行运算，设定轴承故障因子bk；

bk＝(afk+1/afk+ufk+1/ufk)/(2afk+2/afk)(12)

其中，afk，ufk分别为轴承特征频率fi，fo，fp，fh处的振动幅值和选定频带内的振动峰值加权平均值，

设定滚动轴承零部件故障因子的报警值分别为滚动轴承内圈故障报警限s1、滚动轴外圈故障报警限s2、滚动轴承滚动体故障报警限s3和滚动轴承保持架故障报警限s4，监视各特征频率处的轴承故障因子bk(k＝l，2，3，4)；当b1＞s1时，判定滚动轴承内圈故障；当b2＞s2时，判定滚动轴承外圈故障；当b3＞s3时，判定滚动轴承滚动体故障；当b4＞s4时，判定滚动轴承保持架故障；

步骤八、提取由于安装对中不良引起的机械振动故障特征；对于已获取的原始振动信号，经fft变换提取1倍转速频率、2倍转速频率、3倍转速频率和4倍转速频率处的振动幅值分量xi(t)(i＝1，2，3，4)，通过反算叠加后重构安装对中不良引起的故障信号，设定对中不良故障系数为p，

监测对中不良故障系数p，当p＞40％时预报电机安装对中不良。

由于本发明火电厂电站锅炉引风机运行状态智能监测诊断方法采用了上述技术方案，即本方法首先在电机和风机各轴承座设置用于输出振动信号的振动传感器，并通过引风机控制系统获取引风机转速的工艺参数；采集振动传感器输出的原始振动信号xi，对该原始振动信号xi作频谱分析，提取电机振动状态异常的特征信号；分别建立电机定子故障引起的振动分类指标、提取电机气隙不均引起的电磁振动故障特征、建立电机转子导条异常引起的电磁振动分类指标、提取风机转子不平衡引起的机械振动故障特征、建立电机和风机各轴承座滚动轴承异常产生的机械振动分类指标以及提取由于安装对中不良引起的机械振动故障特征；并据此给出引风机的故障预警。本方法实时监测引风机的运行状态，及时发现电机和风机的各类缺陷，确保电站锅炉设备的正常运行。

附图说明

下面结合附图和实施方式对本发明作进一步的详细说明：

图1为本发明火电厂电站锅炉引风机运行状态智能监测诊断方法的流程框图。

具体实施方式

实施例如图1所示，本发明火电厂电站锅炉引风机运行状态智能监测诊断方法包括如下步骤：

步骤一、在电机和风机各轴承座设置用于输出振动信号的振动传感器，并通过引风机控制系统获取引风机转速的工艺参数；

步骤二、采集振动传感器输出的原始振动信号xi，对该原始振动信号xi作频谱分析，提取电机振动状态异常的特征信号；

原始振动信号的总振动值a按公式(1)进行计算；

步骤三、建立电机定子故障引起的振动分类指标；定子故障会在电源频率的2倍频处产生强烈的振动，对于由轴承座获取的原始振动信号，经fft变换通过xi(t)(i＝1，2)以及2倍电源频率处的振动分量xp(t)反算叠加后重新构成电机定子振动信号s(t)，

对重构信号s(t)进行fft变换，获取2倍电源频率处振动幅值f，计算振动幅值f与原始信号总振动值a的比值m，

m＝f/a(3)

设定比值m为监测电机定子故障系数，当m＞20％时预报电机定子故障；

步骤四、提取电机气隙不均引起的电磁振动故障特征；定子偏心会在转子与定子间产生一个均匀的气隙，从而形成一个方向性非常强的振动，在2倍电源频率处两侧出现磁极通过频率的边频带，磁极通过频率是转差频率与磁极数的乘积，选取频带中心频率为100hz，频率范围从100-2×电机磁极数×转差频率开始，到100+2×电机磁极数×转差频率结束，将100hz处的振动峰值与选定频率范围内的频谱加权值进行运算，设定气隙不均故障因子g；

g＝(ag+1/ag+ug+1/ug)/(2ag+2/ag)(4)

式(3)中ag、ug分别为电机在100hz处的振动幅值和选定频率范围内的振动峰值加权平均；

监测电机气隙不均故障因子g，当g＞1.2时预报电机气隙不均故障；

步骤五、建立电机转子导条异常引起的电磁振动分类指标；对于原始振动信号经fft变换提取1倍转速频率f、2倍转速频率2f处的振动幅值分量xi(t)(i＝1，2)，通过zoom-fft细化分析获取f-2δf和f+2δf处的振动幅值xl1和xh1，获取2f-2δf和2f+2δf处的振动幅值xl2和xh2，其中，δf为转差频率，设电机转子导条断条系数为j，

j＝max([(xl1+xh1)/2]/x1，[(xl2+xh2)/2]/x2)(5)

式中，max表示取两个数中的较大值，[(xl1+xh1)/2]/x1表示1倍转速频率处两侧边带振动幅值取平均值后除以1倍转速频率处的振动幅值，[(xl2+xh2)/2]/x2表示2倍转速频率处两侧边带振动幅值取平均值后除以2倍转速频率处的振动幅值，

根据式(4)监测电机转子导条有无断条，当j＞20％时诊断电机转子导条断条；

步骤六、提取风机转子不平衡引起的机械振动故障特征；对于由轴承座获取的原始振动信号，经fft变换提取1倍转速频率、2倍转速频率处的振动幅值分量xi(t)(i＝1，2)，通过反算叠加后重构风机本体质量不平衡故障信号ψ(t)，

监测不平衡故障信号ψ(t)与原始信号总振动值a的比值h，

h＝ψ(t)/a(7)

当h＞60％时诊断风机转子不平衡；

步骤七、建立电机和风机各轴承座滚动轴承异常产生的机械振动分类指标；滚动轴承故障表现在不寻常振动级值有冲击，滚动轴承各零部件的振动特征频率与轴承参数的关系为：

轴承外环振动频谱：f0＝nfr(1-dcosα/d)/2(8)

轴承内环振动频谱：fi＝nfr(1+dcosα/d)/2(9)

轴承滚动体振动频谱：fp＝fr(d/d){1-[d(cosα)/d]²}/2(10)

轴承保持架振动频谱：fh＝{fi[1-d(cosα)/d]±fo[1+d(cosα)/d]}/2(11)

式中：n为滚动体数、fr为内外环相对转速频率、d为滚动体直径、d为节圆直径、d为接触角；

滚动轴承的中、前期故障由于冲击信号能量低，常常被淹没在背景噪声中，利用hilbert变换提取滚动轴承的特征信号，采用轴承特征频率幅值跟踪法确定轴承故障因子，选取轴承特征频率附近的频带作为监测对象，将特征频率处的振动峰值与选定频带内的频谱加权值进行运算，设定轴承故障因子bk；

bk＝(afk+1/afk+ufk+1/ufk)/(2afk+2/afk)(12)

其中，afk，ufk分别为轴承特征频率fi，fo，fp，fh处的振动幅值和选定频带内的振动峰值加权平均值，

设定滚动轴承零部件故障因子的报警值分别为滚动轴承内圈故障报警限s1、滚动轴外圈故障报警限s2、滚动轴承滚动体故障报警限s3和滚动轴承保持架故障报警限s4，监视各特征频率处的轴承故障因子bk(k＝1，2，3，4)；当b1＞s1时，判定滚动轴承内圈故障；当b2＞s2时，判定滚动轴承外圈故障；当b3＞s3时，判定滚动轴承滚动体故障；当b4＞s4时，判定滚动轴承保持架故障；

步骤八、提取由于安装对中不良引起的机械振动故障特征；对于已获取的原始振动信号，经fft变换提取1倍转速频率、2倍转速频率、3倍转速频率和4倍转速频率处的振动幅值分量xi(t)(i＝1，2，3，4)，通过反算叠加后重构安装对中不良引起的故障信号，设定对中不良故障系数为p，

监测对中不良故障系数p，当p＞40％时预报电机安装对中不良。

本方法针对引风机的主要失效形式，将振动传感器安装于电机和风机的轴承座垂直方向上，用于采集电机和风机的振动数据，通过信号重构获得电机和风机状态的故障特征参数，采用分类指标实现引风机运行状态的智能监测与诊断，把握引风机运行状态的劣化趋势。当分类指标异常时，在线系统提供预警信息，指导操作和设备管理人员采取应对措施，从而实时监测引风机的运行状态，及时发现电机和风机的各类缺陷，保证了设备的正常运行。