动叶可调轴流风机液压调节机构磨损状态监测与叶片角度同步性诊断方法研究

关键词：动叶可调轴流风机；液压调节机构；磨损监测；叶片角度同步性；故障诊断；磁编码器；深度学习

1 引言

动叶可调轴流风机是火电厂锅炉送风、引风系统的最主要设备，直接影响到机组的安全与经济运行。根据火电厂辅机故障统计发现，火电厂辅机故障中有 28% 为风机系统故障，风机故障又有 35% 是由于液压调节机构的损坏造成。

针对以上问题，结合振动信号和直接角度测量技术提出一种新的多方面故障诊断方式，其核心突破点为：

· 建立磨损间隙与叶片角度偏差的量化关系模型· 提出基于BPF 谐波分量的叶片不同步特征提取方法· 开发高精度非接触式磁编码角度测量系统· 构建CNN-LSTM 融合深度学习预测模型

典型动叶可调轴流风机液压调节系统由液压站、伺服阀、液压缸、旋转油封和调节环组成。液压油通过伺服阀控制进入液压缸，推动活塞运动，活塞通过连杆机构带动调节环转动，调节环上的滑块与每个叶片柄部的调节杆啮合，实现叶片角度同步调节。旋转油封作为动密封部件，位于旋转轮毂与静止部件之间，防止液压油泄漏。当液压缸活塞密封或旋转油封磨损时，液压油内泄导致压力下降，活塞推力不足，造成各叶片角度调节不同步。

2 液压调节机构磨损机理与量化分析

2.1 失效模式统计分析：课题组收集了 12 家电厂 42 台轴流风机近5 年的故障案例，建立了包含387 条故障记录的数据库。

2.2 磨损 - 不同步动力学模型：建立液压系统流量方程描述磨损间隙与泄漏量的关系：

（δ/D）1 （ΔP+k2μ）/（δP）3-1

式中：（MPa）量（ mL/min ）， Δ P 为工作压差（ MPa ）， μ 为油液动力粘度（ ρ_mPa⋅s ），δ 为磨损间隙（ mm ），D 为密封直径（ mm ），k1、k2 为结构常数；通过试验可以看出：当 S⩾0.15mm 时，叶片角度偏差大于 0.5^∘ °时，振动值增大 2 倍以上。此处给出的是磨损间隙与角度偏差的量化关系。

通过试验得到了不同磨损间隙下叶片角度偏差的数据：当磨损间隙 δ=0 ． 05mm 时，角度偏差 Δθ=0 ． 18^∘ ； δ=0 ．10mm 时，Δ θ=0 ． 35^o ； δ=0 ． 15mm 时， Δθ=0 ． 52^o ；δ=0 ． 20mm 时，． 78^∘ 。结合曲线拟合得出公式：，该模型表明当 S>0.12mm 时，角偏变化趋于非线性加速增长的趋势。

2.3 叶片不同步对振动的影响机制：叶片角度不同步导致气动载荷分布不均，在旋转过程中产生周期性激振力。理论分析和实验验证表明，叶片角度偏差 Δθ 与振动加速度a 的关系可表示为：

a=Kω²Δ θRsin（ 2πfbt+ΦΦ ）。

式中：K 是气动系数， ω 是角速度，R 是叶轮半径，fb 是叶片通过频率。此激振力会在 BPF 及整数倍于 BPF（即该类激振力的谐波）处产生较大的振动响应，此原理即是本文诊断方法的依据所在。

3 多源信息融合监测系统设计

3.1 系统架构设计：基于工业物联网架构构建三级监测系统：系统由三层次组成：（1）现场感知层主要包括安装在轴承座上、频响范围为 5～5000Hz 的振动加速度传感器、安装在每片叶片根部处的磁编码角度传感器各 1 个、油压传感器以及温度传感器；（2）边缘计算层通过工业网关对数据进行预处理并提取特征；（3）云平台层将收集到的数据上传至云端，经过大量的数据存储与深度学习模型计算，最终实现数据可视化预警。系统采样频率：振动信号 10kHz 、角度信号100Hz 、过程参数 1Hz .

3.2 振动特征提取方法：通过叶片通过频率（BPF）谐波能量比诊断不同步：

式中 η 为不同步特征指标，Af、A2f、A3f 分别为基频、二倍频和三倍频幅值。现场验证表明：当 n>0.25 时判定为异常，准确率89.3% 。

3.3 磁编码角度测量系统：（TMR）TMR 传感器分辨率为 0.1^∘ ，传感器安装于叶片根部，安装结构为：将磁性编码盘（规格： Φ35mm 、64 极）固定于叶片根部，将 TMR 传感器探头置于相对固定位置处，二者之间的距离为 1.5±0.2mm; ; 传感器的工作温度范围是 -40～150^∘C ，防护等级 IP67，经 CAN 总线将数据传给机组控制系统的输入采集单元，系统中每叶片的角度刷新率为 100Hz .

4 结论与展望

（1）揭示了液压系统磨损与叶片角度偏差的量化关系：磨损间隙时角度偏差 Δθ 呈非线性增长，该模型为状态评估提供了理论依据；