基于多参数融合核电EDG 在线监测分析技术研究

时全局，马 波，初向南

（1.北京化工大学发动机健康监控及网络化教育部重点实验室，北京 100029；2.阳江核电有限公司，广东 阳江 529941）

1 引言

应急柴油发电机（Emergency Diesel Generator，EDG）作为核电厂供电系统的最后一道防线，其结构复杂，工况较多，故障往往表现出多源性，给故障诊断带来极大的不确定性，而核电厂现有监测手段主要以性能参数为主，监测信息有限，难以有效定位故障源，因此，迫切需要一种有效的在线监测分析技术来保证EDG的安全性和可靠性。

近些年来，非侵入性测量的振动分析法和瞬时转速分析法得到国内外学者广泛研究和实际工程应用，技术已相对成熟。在振动方面，文献[1]利用小波包分解方法提取缸盖振动特征，对柴油机气门故障进行诊断。文献[2]利用缸盖表面振动信号的时频特征对柴油机活塞-气缸磨损故障进行诊断。文献[3]说明了缸盖表面振动加速度信号可有效反映缸内的燃烧状况。振动信号虽能有效识别柴油机异常，但大都基于时域和频域进行分析，一方面转速波动影响时域分析的准确性，另一方面，大功率柴油机各机构的冲击信号频率在一定频带内重叠，增加了频域分析的难度。在瞬时转速方面，文献[4]从理论上说明了瞬时转速波动率可有效反映失火故障。文献[5]通过瞬时转速有效识别出各缸工作的不均匀性。文献[6]通过神经网络对20 缸柴油机正常和故障条件下的角速度波形进行识别。但目前瞬时转速分析研究更多是针对缸数较少的小型柴油机，对于缸数较多，发火间隔角不均匀的大型柴油机来说，由于缸数的增加，发火间隔角的非均匀性使曲轴变的更加复杂，这就使单基于瞬时转速来诊断柴油机故障变得不再直接适用。

柴油机故障具有多源性，单一信息往往是模糊的、不确定的，其反映出的状态行为是不完整、不可靠的，通过多参数信息融合对进行故障诊断已成为未来监测分析技术发展的必然。文献[7]通过瞬时转速和相位振动冲击信号有效识别出失火故障并定位故障缸。文献[8]提出一种振动和声发射能量相结合的诊断方法，基于与参考值的对比结果来评价EDG 的运行状态。文献[9]提出了一种基于声发射、缸内压力和振动信号融合的柴油机监测诊断方法。因此，通过多参数融合对EDG 进行监测分析对提高其可靠性具有重要作用。

基于此，这里提出一种基于振动、瞬时转速、键相等多参数融合的在线监测分析技术。通过搭建在线监测系统，对数据进行高速连续采集和处理，将时域信号转换至角域以消除转速波动的影响，同时提取各工作循环相关测点时域、频域和角域的多个特征，并确定特征与相关系统故障的映射关系，最终根据目标故障类型依次融合相关特征参数对故障进行逐步分析，直至定位故障原因。

2 多参数融合分析技术研究

柴油机故障具有多特征信息映射特性，即某一故障可用不同的信息表征，表现出信息的冗余性和互补性，这种特性为柴油机故障诊断的不确定性提供了解决方法。基于振动在线监测分析系统，对EDG 进行监测分析和故障诊断，其流程，如图1 所示。首先搭建在线监测系统采集数据，通过数据处理，提取各测点多敏感特征参数，然后确定EDG 相关故障类型与各参数的映射关系，最后根据目标故障类型，依次融合相关特征参数进行分析诊断，逐步缩小排查范围，直至定位故障原因。

图1 EDG 监测分析诊断流程Fig.1 Monitoring Analysis and Diagnosis Process of EDG

2.1 特征参数选择

特征参数选择是分析的一个关键环节，若选取的特征物理意义不明确，严重影响分析结果准确性，故在选择特征参数时，需考虑以下因素：

（1）不同特征参数所容纳的信息量不同，应选择最能确切反映EDG 客观状态的信息作为特征；

（2）优先采用可尽早发现故障的特征；

（3）所选取的特征应与系统状态之间最好呈单值关系，忌出现模棱两可的含义。柴油机结构复杂，系统众多，故障与特征之间常常出现一对多或多对多的情况，这也是进行多参数融合分析的主要原因。

振动、瞬时转速和键相分别包含不同的信息，其监测信息和相关特征参数，如表1 所示。振动由燃烧激励、活塞拍击激励、惯性力、气门落座和气门节流等综合作用引起，其中包含丰富的故障信息，在变速或变工况过程中故障振动特征更为明显。除了缸盖振动信息外，在曲轴箱、齿轮传动箱、涡轮增压器以及发电机也均布置振动传感器，用于监测曲柄连杆、主轴瓦、齿轮系等系统部件的运行状态。瞬时转速用于诊断喷油嘴的不定时、各缸的非均匀性、失火等。键相一般对应第一缸的上止点，基于键相可计算各工作循环下曲轴的平均转速。三种信号反映着不同的信息，通过三种信息融合能够实现角域分析功能，以角度表示振动发生位置，大大降低转速波动对分析结果准确性的影响，文献[10]给出了具体的转换方法。

表1 监测信息及特征参数Tab.1 Monitoring Information and Characteristic Parameters

2.2 特征映射关系确定

不同系统的运行状态可通过不同测点以及不同特征参数表征，为快速有效定位故障原因，建立特征与不同系统故障的映射关系。

选取各系统最直接相关的特征进行分析诊断，系统常见故障与特征映射关系，如表2 所示。表中：“0”—该特征对该故障不敏感；“1”—该特征对该故障敏感。

表2 EDG 常见故障的特征映射关系Tab.2 Feature Mapping of EDG Common Faults

2.3 多参数融合分析

实际上，诊断专家在诊断故障时，多是融合多测点和多时间点的相关特征，通过严密的逻辑推理得到最终结论。多参数融合分析过程同样是基于专家思维的证据推理过程，即通过事件结果（证据）探求事件发生的原因（假设）。EDG 某个故障结果可由若干可能的系统或零部件故障引起，针对故障结果进行原因假设，根据假设选择相关特征进行分析，排除与故障结果无关的特征参数和时间段，缩小分析范围，选取故障时间段的敏感特征逐项分析，每项特征的分析结果具有关联特性，通过融合决策输出最终结果。

多参数融合分析过程是诊断精确度和置信度不断提高的过程，对于目标故障，其分析流程，如图2 所示。首先根据故障类型选择相应的特征参数。其次，建立EDG 标准故障征兆，在较长时间段内，某一特征参数与标准故障特征征兆进行对比分析。EDG标准故障征兆主要基于经验数据、统计数据以及实验数据建立起来的，在缺少故障样本的情况下，可选择健康状态下的特征参考值为依据[9]，通过测试数据与参考值对比来反映机组的运行状态。最后，得到的诊断结果若能定位故障原因，则输出该结果，若无法定位故障原因，则在第1 个特征参数分析诊断结果的基础上融入第2 个特征进行对比分析，若仍不能确定故障原因，则依次融入第n个特征，直至得到期望的诊断结果，完成对故障原因的定位。

图2 多参数融合分析流程Fig.2 Analysis Process through Multi-Parameter Fusion

3 工程案例

为验证该技术的有效性，基于上述在线监测分析技术对某核电厂某台EDG 慢启动[11]超时（≥30s）故障进行分析，启动过程热工参数未现异常。柴油机型号为MTU20VT956B33，相关参数，如表3 所示。EDG 结构示意图，如图3 所示。

表3 柴油机相关参数Tab.3 Related Parameters of Diesel Engine

图3 EDG 结构示意图Fig.3 Structure Schematic Diagram of EDG

振动传感器安装在气缸缸盖、曲轴箱、齿轮箱、涡轮增压器和发电机处，同时在机组自由端安装键相传感器和瞬时转速传感器，如图4 所示。根据专家经验，采样频率设为25.6kHz，采样点数为16384。启动过程是变转速的过程，依次融合时间、转速、发火相位振动峰值、冲气相位振动峰值等参数进行分析。EDG 启动过程包括三个阶段[12]，对各阶段的耗时进行分析，可快速定位故障阶段。以t1，t2，t3分别代表第一、第二和第三阶段耗时，机组接到启动信号到曲轴开始转动的时间为t1，以转速n=650 作为第二和第三阶段的临界转速。分别取三组成功和三组失败的启动时间进行对比，不同阶段耗时，如表4 所示。可以看出，6 次试验中，第一阶段和第三阶段耗时差别不大，而第二阶段耗时差值最高达到2.2s，可判断第二阶段的较长耗时是引起启动超时的主要原因。

图4 传感器安装效果图Fig.4 Effects of Transducer Installation

表4 启动不同阶段耗时统计表Tab.4 Time Consuming at Different Stages of Starts up Process

各周期转速差量对比图，如图5 所示。在上述基础上，融合第二阶段多个周期的转速差量进一步分析，如图6 所示。转速差量为相邻周期的转速变化量，第1 周期的转速差量为相对于转速为0 时的变化。在第1 周期，高压启动空气是升速唯一动力来源，达到发火转速后，后续周期部分气缸开始发火做功，此时机组混合动力做功，对比（2～10）周期，启动超时的转速差量明显小于启动成功的转速差量，说明第二阶段耗时较长的原因与机组做功状态有直接的关系。

图5 各周期转速差量对比图Fig.5 Comparison of Speed Difference in Each Cycle in Second Stage

图6 第二阶段各缸冲气冲击峰值平均值对比图Fig.6 Comparison of Average Value of Starting Air Shock Peak Value in Second Stage

为评价机组第二阶段的做功状态，结合角域特征对发火爆燃做功和高压空气做功状态进行分析。气缸发火爆燃和高压空气引起的振动冲击大小间接反映各个气缸的发火状态和冲气状态。考虑到发火冲击和冲气冲击的波动特性，分别取各相位振动峰值的均值进行对比，如图6、图7 所示。从图6 可以看出6 次启动冲气冲击振动水平相当，说明启动超时与成功时的冲气状态差别不大；但从图7 可以看出，启动超时的发火振动水平明显小于成功时的振动水平，说明柴油机低转速下存在发火做功能力不足的问题，这也是导致第二阶段耗时较长的主要原因。

图7 第二阶段各缸发火冲击峰值平均值对比图Fig.7 Comparison of Average Value of Fire Shock Peak Value in Second Stage

第三阶段完全依靠机组发火做功升至额定转速，为进一步定位故障原因，对第三阶段各个气缸的发火振动峰值的平均值进行对比，如图8 所示。可以看出第三阶段各缸发火相位的振动冲击水平虽有差异，但总体水平相当。再次说明第二阶段柴油机较差的发火状态是导致启机超时的主要原因。

图8 第三阶段各缸发火冲击峰值平均值对比图Fig.8 Comparison of Average Value of Fire Shock Peak Value in Third Stage

综合以上分析可看出，机组在低速下较差的发火做功状态是机组慢启动超时的主要原因。启动过程是变工况变转速的过程，其发火做功状态受油门大小、雾化状态、执行器动作时间等多个因素的影响，若要进一步分析定位，需借助其他相关参数进一步分析排查，但通过该在线监测分析技术大大缩小了排查范围，并指导机组检修决策。

4 结论

提出的多参数融合在线监测分析技术可有效弥补核电厂现有监测分析手段的不足，对目前核电EDG 的监测分析技术改进有一定的指导意义，结论如下：

（1）基于振动、瞬时转速和键相信号的在线监测分析手段，增加了角域分析功能，大大降低了转速波动对分析结果的影响，提高了分析结果的准确性，具有明显的实效性和优越性。

（2）利用多时间点、多参数进行融合分析，从多方面反映EDG 的运行情况，可快速定位故障原因和全面评价机组的运行状态，大大提高机组运行的可靠性。