技术特征：
1.一种高炉trt发电机组运行状态的智能监测方法，其特征在于本方法包括如下步骤：步骤一、采集trt发电机组振动传感器输出原始振动信号xi，对该原始振动信号xi作频谱分析，提取trt发电机组的特征信号；原始振动信号的总振值a由原始振动信号的离散值x(i)(i＝1，2，
……
，n)求得；式(1)中是x(i)的平均值；步骤二、建立trt发电机组油膜涡动的分类指标，对已获取的原始振动信号xi，经频谱分析fft变换提取1至5倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,5)，提取0.4倍频至0.5倍频振动幅值分量xw(t),trt发电机组油膜涡动故障系数w按式(2)计算得到；当w>25％时，预警trt发电机组油膜涡动故障；步骤三、建立轴系不对中分类指标，对已获取的原始振动信号xi，经频谱分析fft变换提取1倍频转速频率和2倍频转速频率处的振动幅值分量x(i)(i＝1，2)，通过反算叠加后重构不对中引起的故障信号，轴系不对中故障系数l按式(3)计算得到；l＝x(2)/[x(1)+x(2)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式(3)中x(1)和x(2)分别表示振动信号1倍频转速频率和2倍频转速频率处的振动幅值；监测trt发电机组轴系不对中故障系数l,当l>20％时，预报trt发电机组轴系不对中，建议进行trt发电机组轴系中心线校正；步骤四、建立动静件碰磨故障系数，对已获取的原始振动信号xi，经频谱分析fft变换提取1至9倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,
┈┈
，9)，通过反算叠加后重构动静件碰磨故障信号，动静件碰磨故障系数g按式(4)计算得到；式(4)中x(5)、x(6)、x(7)、x(8)、x(9)分别表示振动信号5至9倍频转速频率处的振动幅值；监测动静件碰磨故障系数g，当g>40％时，预报动静件碰磨；步骤五、建立trt发电机组喘振故障分类指标；对已获取的原始振动信号xi，经频谱分析fft变换提取1至5倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,5)，提取0.2倍频至0.4倍频振动幅值分量xs(t),trt发电机组喘振故障系数s按式(5)计算得到；当s>20％时,预警trt发电机组喘振故障；步骤六、建立trt发电机组转子失衡故障的分类指标，对于已获取的原始振动信号xi，
经频谱分析fft变换提取1至9倍频转速频率处的振动幅值分量x(i)(i＝1,2，3,4,
┈┈
，9)，通过反算叠加后重构trt发电机组转子失衡故障信号，转子失衡故障系数b按式(6)计算得到；监测trt发电机组转子失衡故障系数,当b>60％时预报安装对中不良。
技术总结
本发明公开了一种高炉TRT发电机组运行状态的智能监测方法，本方法利用TRT发电机组已安装的振动传感器，通过TRT发电机组二次仪表采集TRT发电机组的振动数据，通过信号重构获得TRT发电机组的故障特征，包括油膜涡动的分类指标、轴系不对中分类指标、动静件碰磨故障系数、喘振故障分类指标以及转子失衡故障分类指标；并分别设定各类指标的限值，大于相应的限值给出预警提示。本方法实现TRT发电机组运行状态的智能监测与诊断，把握TRT发电机组运行状态的劣化趋势，指导设备检修即维护。指导设备检修即维护。指导设备检修即维护。
技术研发人员：王石 蔡正国
受保护的技术使用者：宝武装备智能科技有限公司
技术研发日：2021.07.15
技术公布日：2023/1/16