汽轮发电机组诊断系统中几个关键技术的研究

曹宏玉

（哈尔滨电机厂有限责任公司，黑龙江 哈尔滨 150040）

0 引言

目前，各种现代技术得到了很好地发展，极大地促进了监测运行状态、机械故障诊断等新领域专业技术的进步。针对汽轮发电机组而言，通过应用故障诊断专业技术，大幅推动了汽轮单位增强设备管理能力、改善生产工艺的可靠性。所以，在当前的工业生产过程中，被应用得越来越广泛，尤其是其中的关键性技术[1]。

1 故障诊断概述

伴随现代生产领域的发展以及先进科技的飞快进步，各种设备也变得更加复杂，相应的功能也愈发完善，并且越来越自动化。但却常常会因为不可抗拒因素的影响，而引起设备故障问题，降低甚至失去先前的功能，又或致发恶性灾难事故。在整个电力体系中，一旦汽轮发电机组发生大规模的故障问题，势必会导致巨大的影响及损失。现阶段，我国大中型单位现已意识到监测设备状态的现实意义及其可以创造的经济利益。在很多的石化单位、电力企业，现已在关键性设备上，监测配置或者配置准备状态，并且形成故障诊断体系。

历经接近半个世纪的探索、研究，诊断设备故障的专业技术，已经获得了很明显的进步。在上世纪，人们一般都会通过原始旧的检测技术，并且基于积累的经验，来有效处理设备发生的振动问题。因为非接触类型的传感器以及传感领域技术的不断进步，已经逐步开始分析、研习检测手段及设备仪器，并且分析故障发展机理、诊断基础理论及手段。经过多年的发展，已经开始涌现出可以固定的先进监视仪、便携式检测仪器等，来深入监测、分析设备的整体运行情况，并逐步开始诊断设备零部件。再后来，研制多参量综合诊断、监测故障的体系，已经达到了应用的时期，大量的计算机专业技术已经逐步开始直接被灵活运用在长时间地整体连续监视、深入离线分析整个故障诊断的过程。现阶段，在现代工业国家，关键性的大中规模汽轮发电机组，均有充足配备监测分析振动、诊断的装置设备，并且正在快速更新换代。同时，也在继续深入研究、分析识别方法、故障机理、防治专业技术。尽管监测发电机组各种状态下的专业化技术，很快就发展到连续机组监视，但是，诊断能力依然还弱，相应的诊断手段依然位处继续开发、分析、研习的时期[2]。

2 发电机组中常见的故障诊断关键技术

2.1 模糊诊断手段

在模糊集概念方面，最初在1965 年被统一提出来。在模糊集基础理论中，作为能适应人类发展的模糊表达模式、设备精准数值特点量接口作用的时候，经由隶属度函数统一描述特定值符合特征概念的水平，并借助隶属度函数，利用计算机可以更好地根据人的期望来直接执行。

在这种模糊诊断技术上，通常会涉及诊断模糊之间关系、正确识别模式、分析模糊聚类等方面的模糊关系诊断技术。按照故障现象及其原因间的模糊关系所构成的矩阵，并且灵活转化征兆空间一直至故障空间，并按故障隶属度值来统一判断获取故障种类。也就是：Y=X·R，其中，Y 表示故障理由模糊向量；X表示一个征兆向量；R 表示一个模糊关系方阵。在这种诊断经验中，具体体现在模糊关系与隶属度征兆函数形成的矩阵中。在识别模糊模式的过程中，应借助测量参数而得出特征向量，并且一起纳入故障及其有关的模式里面。一般情况下，存在两种手段：最大隶属基本原则，最小距离(汉明、欧几里得等距离)基本原则。整个方法的关键所在，就是判定故障模式种类的模糊向量。在分析、研究模糊聚类时，针对模糊聚类的环节，就应融合样本中的特征数据参数，并根据标准分类一直到样本群环节。基于模糊聚类手段，可以不通过标准信启、群。同时，也不需要明确样本群变化的整个过程内容，唯有基于最初样本群的情况基准目标，就可以按照分类的结果，得出被监测样本里面的变化发展方向，适合于不可明确信息征兆群规范标准的地方[3]。

在现代计算机中合理应用模糊诊断技术手段时，应以诊断值计算为关键基础，通过自动化的人工干预，以适合需要快速、实时的诊断领域。但是，通过有限的信息，比如，频谱振动信息等，将难以分离部分故障。同时，在诊断模糊的过程中，通过诊断得出数值型结果，没有必要的透明性。所以，这种模糊诊断仅仅可以作为一类简化的最初诊断，需要经过精密诊断，来提供更充裕的信息数据。而伴随负荷的不断改变，也会形成一定的轴心轨迹及振动等信息。

2.2 专家诊断体系阵

目前，设备故障的体现形式相当复杂多变，在故障的种类及征兆二者之间，并没有简单、单一的对应关系。鉴于此，针对故障诊断，仅凭专家积累的经验或者一种直觉，也就是“浅知识”，一般会很难借助逻辑推理或者创建数学模型来成功求解。自上世纪到迄今为止，伴随人工智能专业技术的飞快发展，尤其是专家体系专业技术的进步及成功运用，形成了诊断专家体系故障的手段。

在诊断故障的专家体系，就是人们经过长时间的实践经验以及大量积累的故障信息，设计出来的智能化程序体系，以妥善处理复杂多变的很难使用的数学模型，来具体描绘的故障诊断缺陷问题。通常情况下，在这个体系中，一般存在推理演算机、理论知识库、收获程序、解释程序等结构部分，而且最关键的就是推理机、知识库的规划设计。目前的专家体系拥有很强大的优势，可以替代各领域的专家，并且可以完整地详细记录整个判断、推理、结论的环节，促进诊断提升可信度。在诊断知识领域，专家体系属于核心及基础。其实知识的质、量，就是一个体现专家系统基础性能的关键性标准。唯有深入了解领域问题，真正掌握具有一定广度、深度的诊断知识，并且通过合理化地表达组织知识，方才能保证专家体系诊断的一致正确性。所以，开发大规模的旋转设备故障诊断、检测专家体系，就要妥善处理以下关键性问题：①体现不精确领域内部的知识。目前的专家体系知识，很多都源自领域专家积累的丰富的诊断故障经验，并且体现了表现知识的不精准性，没有定量方面的准则。②反映征兆、故障间的复杂性。在故障及故障征兆间，并没有单一化、清楚的因果关系，具体表现为相同故障对应的诸多故障征兆，但一样的故障征兆又会和诸多个发电机故障相对应。③合理、充分地使用诊断信息。因为传感器专业技术、测试基础条件的局限，而不能获得或者忽略部分有价值的信息，往往主要是通过振动信号，来大规模分析旋转设备中出现的故障诊断，所以，应大力研究机组内部的其它情况参数，比如，压力作用、温度等信息[4]。

2.3 人工神经信息网络

目前，伴随神经网络的不断发展，神经网络基础下的故障诊断手段也获得了快速的发展。现阶段，有大量使用oHpifed、BP、自组织映射等网络。在诊断神经网络故障领域，并不要求开发者掌握专门领域的基础知识。在这方面，适合间距的示例等属于明显的优势。然而，其中也有着很显著的限制性，一般体现在这些方面：①在一个完整的诊断系统基础性能方面，在相当大的程度上，备受所选示例所局限。倘若拥有较差的示例正交性或者完备性，那么对应的体系性也就并不好，在对应的情况下，无法保证得到相当完备的数据正交训练集数据库。尤其是当存在不多的训练样本时，又或有两个非常相似的示例时，得出的网络求解往往并不一直都正确。②通过人工神经网络技术，仅仅可以处置数字化类型的信息。具体而言，通过神经网络能变知识为数字信息，转化推理并且形成数值计算，来解释知识网络下的权重难题。所以，针对神经网络技术，可以模拟较低层次的智能。就层次较高的智能模拟，必须大量使用表达符号的基础知识以及处理工作。所以，当前的神经网络诊断专业技术，尽管取得了大量的成果，尤其是增快网络收敛性等上做了大量的工作，但是通过神经网络专业技术，在有效处理各种复杂性问题时，应做大量的网络工作[5]。

2.4 传统诊断技术

在诊断初期，往往通过物理、化学技术，根据故障的物化现象，来直接进行故障检测。而伴随新传感技术、实时检测、电力信号处置等的发展，逐步开始基于数据处理来诊断故障，并且基于故障征兆来具体诊断故障。历经一段时间的发展以后，研究故障机理的领域获得了飞快的发展。在整个故障诊断的环节，尚需创建对应的机组故障或者数学信息模型。但是，这个模型应考虑系统设备各种故障及其在各种运行环境下的情况。因为大规模的旋转设备，往往拥有相当复杂的结构，并且并不清楚故障机理，以至于很难创建普适的数学模型。

3 结论

总之，在汽轮发电机组的运行过程中，诊断故障的系统中的关键性技术发挥了很重要的作用。通过适时、有目的地诊断、维修设备，除了能维持设备的良好状态外，还能延长零部件的实际寿命，规避维修缺失或过剩等问题。所以，这样的诊断、维修相当经济合理，值得大力推广应用。