基于振动分析的火力发电厂汽轮机故障诊断研究

1 汽轮机振动信号采集与处理

振动传感器选择与安装是故障诊断的基础。加速度传感器适用于高频振动检测，如轴承损伤、叶片断裂冲击；速度传感器擅长中低频振动测量，如转子不平衡、轴系不对中；位移传感器用于监测汽轮机轴向窜动、轴承间隙等相对位移。需根据结构特点、工况和故障类型选型。传感器应安装在轴承座、轴颈、机壳等关键部位，多缸汽轮机需每个汽缸布置测点。安装需保证牢固性，方向符合测量要求，避免松动导致信号失真。

原始振动信号含噪声需预处理以提高质量，包括滤波、降噪和信号调理。滤波通过低通/高通/带通滤波器去除特定频率噪声，如低通滤波器消除高频干扰。降噪采用小波降噪、自适应滤波等技术消除随机噪声。信号调理通过放大、归一化处理使信号符合分析要求。预处理后的信号能反映真实振动状态，为故障诊断奠定基础。

2 基于振动分析的汽轮机常见故障特征

2.1 转子不平衡故障

转子不平衡是汽轮机常见故障，成因包括制造误差、材质不均等。质量分布不均引发径向振动，特征为 1 倍频幅值显著上升。分为质量型（积垢/脱落引发固定相位振动）、热型（温度波动致振动）、装配型（动平衡误差）三类。FFT 谱图基频分量突出，轴心轨迹呈椭圆状，相位差稳定 90^∘ ±30^∘ （区别于轴系不对中）。动态平衡校正采用影响系数法，柔性转子需复合校正工艺达到 ISO1940G2.5 标准。案例显示 660MW 机组经校正后振动从 120μm 降至 ，相位标准差由 45^∘ °减至 8^∘ 。长期监测表明动平衡维护可延长轴承寿命 40% ，降低非计划停机风险。

2.2 轴系不对中故障

轴系不对中多由安装误差或热膨胀不均引起，导致附加弯矩及振动。典型特征为 1X 和 2X 幅值同步上升（ 2X/1X>0.3 ）伴明显轴向振动，轴心轨迹呈香蕉形或 8 字状。某 1000MW 机组调试时出现 0.15mm 平行不对中，2X 占 35% ，轴向振动达 85μm ，校正后 2X 降至 8% ，振动恢复至 32μm 。相位分析显示联轴器两侧相位差近 180^∘ ，全息谱技术可通过 XY 向振动构建二维轨迹诊断。预防需执行 ISO7919-3 标准，预留 0.05-0.08mm 热膨胀补偿。应用双激光对中系统可使安装精度提高 70% ，液压顶升装置缩短调整时间至 1/3。精确对中可使螺栓寿命延长 2.5 倍，降低二次故障率 82% 以上。

2.3 轴承故障

轴承故障如磨损、剥落等会引发冲击振动，故障信号具周期性冲击特征，时频域显示脉冲及基频谐波。内外圈故障特征频率分别为BPFI=0.6N²fr、 BPFO=0.4N ²fr。某机组轴承外圈剥落时，频谱出现 3.2kHz 边带簇，轴心轨迹呈不规则多边形，包络解调显示 0.026s 冲击间隔符合外圈损伤特征。滑动轴承油膜涡动产生(0.42-0.48)X 亚异步振动，油膜振荡表现为(0.82-0.88)X 低频振动。诊断可采用希尔伯特-黄变换及共振解调技术。维护需按 DL/T1035.3 标准控制轴承间隙（ 1.5‰ ）D，润滑油黏度保持1SOVG46±10% 。某电厂通过状态维修使推力轴承寿命从 28000 小时提升至 42000 小时，非计划停运减少 65% 。

2.4 叶片故障

叶片故障威胁汽轮机安全运行，断裂、裂纹、腐蚀等会导致性能下降。故障引发复杂振动特征，除振幅增大外还伴随频率变化。叶片断裂时产生瞬态高频冲击，转子失衡影响工频振幅。腐蚀或结垢改变固有频率，频谱显示相关频率偏移。如某机组叶片断裂致 4kHz 频段能量突增 23% ，轴心轨迹呈尖峰特征，Hilbert-Huang 分析显示固有频率降 12.7% 且谐波异常。松动故障呈现工频边带调制，如 350MW 机组检测到 ±n× 叶片通过频率，动态时间规整识别出第 17 级动叶锁紧片失效。预防维护建议采用声发射监测裂纹，80-150kHz 信号超基线 50% 持续 3 小时即需检查。

3 基于振动分析的汽轮机故障诊断流程

3.1 建立故障诊断模型

系统采集汽轮机在正常运转及各类故障情况下的振动数据，涵盖时域波形、频谱特征等多维度信息。运用机器学习和深度学习算法对数据进行模型训练，构建智能诊断系统。以支持向量机（SVM）为例，通过将振动特征参数设为输入变量、故障类别作为输出目标，经模型参数优化训练后实现精准的故障模式识别。对于卷积神经网络（CNN），则通过解析振动信号的时频图像特征，构建具备更高精度的复杂诊断架构。

3.2 实时监测与信号采集

汽轮机振动监测系统通过振动传感器实时采集信号并传输至数据采集系统进行初步处理和存储。系统采用多通道同步采集架构，按故障特征设置差异化采样率：工频振动 2kHz ，轴承冲击 20kHz ，数据采集卡需 16 位以上分辨率，动态误差 <1.2% 。某 660MW 机组改造后轴系扭振识别准确率提高 42% 。无线传输模块满足EMC 四级标准，采用OFDM 技术实现20Mbps速率，在复杂环境中丢包率 <0.03% 。

系统采用分级存储策略：原始数据保留 72 小时，特征参数永久存储。数据库按 ISO13374 标准建立 32 维振动特征矩阵，列式存储使查询效率提升 17 倍。边缘计算单元完成 20% 预处理任务，采集端算法实时计算 12 项指标，振动超阈值时触发三级预警。某项目数据显示中央服务器负荷降低58% ，诊断延迟 <200ms ，满足 TSI 时效要求。

3.3 振动信号分析与特征提取

对采集到的实时振动信号进行预处理后，运用时域分析、频域分析和时频分析等方法进行深入分析。时域分析主要观察振动信号的幅值、频率、相位等基本特征，通过统计参数如均值、方差、峰值因子等提取时域特征。频域分析将时域信号转换为频谱图，分析各频率成分的幅值、相位等，提取频域特征，如各阶频率幅值比、特征频率峰值等。时频分析则在时间-频率二维平面上展示振动信号的时变特征，提取时频特征，如小波能量特征、短时傅里叶变换系数等。

3.4 故障诊断与决策

将振动特征输入故障诊断模型，模型依据训练数据判断汽轮机运行状态，识别故障类型及严重程度。制定对应维修方案：轻微故障实施在线监测与定期维护；严重故障需立即停机维修。系统采用多级决策机制：振动速度超过 ISO10816-3 报警阈值（如 >7.1mm/s, ）触发二级预警；特征频率超限且相位波动 >30^∘ 时启动一级应急响应，联动 DCS 降负荷。决策模块综合维修记录（如轴承故障平均修复 8.2 小时）、备件库存（安全系数 1.5）及电网需求（ a=0.78 ），用动态规划算法生成最优方案。突发严重故障时，系统 150ms 内联动 DEH 切除负荷，生成符合 DL/T838 标准的检修报告（含故障概率直方图、剩余寿命预测及资源优化建议），通过 MIS 系统实现闭环管理。

4 结束语

基于振动分析的火力发电厂汽轮机故障诊断技术，通过对振动信号的准确采集、有效处理和深入分析，能够及时、准确地识别汽轮机运行过程中出现的各种故障类型和严重程度。合理选择振动传感器并进行科学安装，运用先进的信号处理和分析方法，建立可靠的故障诊断模型，是实现高效故障诊断的关键。通过实际案例分析，验证了该技术在汽轮机故障诊断中的有效性和实用性。随着科技的不断进步，振动分析技术将与大数据、人工智能等新兴技术深度融合，进一步提高故障诊断的准确性和智能化水平，为火力发电厂汽轮机的安全稳定运行提供更有力的保障，促进火力发电行业的可持续发展。

参考文献

[1]朱强强.火力发电厂汽轮机异常振动原因及解决措施研究[J].现代制造技术与装备,2023,59(10):172-174+182.

[2]王睿.火力发电厂设备运行中的故障及解决措施[J].造纸装备及材料,2023,52(07):72-74.

[3]郭帅.汽轮机运行中设备维护及常见故障处理[J].今日制造与升级,2023,(06):74-76.