作者：刘峻华黄树红陆继东　

摘要：回首和总结了国内外汽轮机故障诊断技术的成长情况，指出了今朝在汽轮机故障诊断研究中存在的问题，并从检测技术、故障机理等七个方面分析了从此可能取得进展的研究标的目的。
要害词：汽轮机故障诊断监测
0．引言
二十世纪以来，随着工生产和科学技术的成长，机械装备的靠得住性、可用性、可维修性与平安性的问题日益突出，从而促进了人们对机械装备故障机理及诊断技术的研究。
汽轮发机电组是电力生产的重要装备，由于其装备结构的复杂性和运行情况的非凡性，汽轮发机电组的故障率不低，而且故障风险性也很年夜。是以，汽轮发机电组的故障诊断一直是故障诊断技术运用的一个重要方面。本文回首国内外汽轮机故障诊断的成长概况，并在总结今朝研究状态的根蒂根基上，指出了在汽轮机故障诊断研究中存在的问题，提出了从此在这一领域的研究标的目的。
1．国内外成长概况
早期的故障诊断主要是依靠人工，哄骗触、摸、听、看等手段对装备进行诊断。经由过程经验的堆集，人们可以对一些装备故障做出判定，但这类手段由于其局限性和不完整性，现在已不能顺应生产对装备靠得住性的要求。而信息技术和计较机技术的迅速成长和各类进步前辈数学算法的泛起，为汽轮机故障诊断技术的成长提供了有益的条件。人工智能、计较机网络技术和传感技术等已成为汽轮机故障诊断系统不成缺少的部门。
1．1．国外成长情况
美国是早从事汽轮机故障诊断研究的国家，在汽轮机故障诊断研究的许多方面都处于水平。今朝美国从事汽轮机故障诊断技术开发与研究的机构主要有EPRI及部门电力公司，西屋、Bently、IRD、CSI等公司[1][2]。
美国Bechtel电力公司于1987年开发的火电站装备诊断用家系统（SCOPE）在进行分析时不只是凭据控制参数确当前值，而且还斟酌到它们间的变化，当它们偏离尺度值时还能对旌旗灯号进行调理，给出消除故障的建议说明，提出可能临近损坏时间的猜度[3][4]。
美国Radial公司于1987年开发的汽轮发机电组振动诊断用家系统（Turbomac），在建立逻辑划定规矩的根蒂根基上，设有表征振动进程各类成份与其可能故障源之间关系的几率数据，其搜集常识的子系统具有人-机对话形式。该系统含有9000条常识划定规矩，有很年夜的库容[5]。
西屋公司（WHEC）是首先将网络技术运用于汽轮机故障诊断的，他们在已开发出的汽轮发机电组故障诊断系统（AID）的根蒂根基上，在奥兰多建立了一个诊断中心（DOC），对散布于各地电站的多台机组进行远程诊断[5][6]。
Bently公司在转子动力学和旋起色械故障诊断机理方面研究比力透彻[7]。该公司开发的旋起色械故障诊断系统（ADR3）在中国运用情况秀，很受用户接待。
日本也很重视汽轮机故障诊断技术的研究，由于日本划定1000MW以下的机组都须介入调峰运行，是以，他们更注重于汽轮机寿命检测和寿命诊断技术的研究。日本从事这方面研究的机构主要有东芝电气、日立电气、富士和三菱重工等[8~10]。
东芝电气公司与东京电力公司于1987年合作开发的年夜功率汽轮机轴系振动诊断系统，采用计较机在线快速处置振动旌旗灯号的解析技术与评价判定技术，设定一个偏离轴系正常值的极限值作为诊断的肇端点进行诊断[11]。九十年月，东芝公司相继开发出了寿命诊断家系统，针对叶片、转子、红套叶轮及高温螺栓的诊断探伤实时家系统、机组性能评价系统等[12~17]。
日立公司在1982年开发了汽轮机寿命诊断装配HIDIC-08E[18][19]，以后慢慢成长，形成了一套完整的寿命诊断方式[20][21]。
三菱公司则在八十年月早期开发了MHM振动诊断系统，该系统能自动地或经由过程人机对话进行异常征候检测并能诊断其缘由，其特点是可凭据动矢来肯定故障[22]。
欧洲也有很多公司和部门从事汽轮机故障诊断技术的研究与开发。法国电力部门（EDF）从1978年起就在透平发机电上安装离线振动监测系统，到九十年月初又提出了监测和诊断支援工作站（MonitoringandDiagnosisAidStation）的设想[23][24]。九十年月中期，其家系统PSAD及其DIVA子系统在透平发机电组和反应堆冷却泵的自动诊断上获得了运用[25~28]。另外瑞士的ABB公司、德国的西门子公司、丹麦的B&K公司等都开发出了各自的诊断系统[29~31]。
1．2．我国的成长情况
我国在故障诊断技术方面的研究起步较晚，可是成长很快。一般说来，履历了两个阶段：阶段是从70年月末到80年月初，在这个阶段内主要是吸收国外进步前辈技术，并对一些故障机理和诊断方式展开研究；第二阶段是从80年月早期到现在，在这一阶段，位展开了机械装备的故障诊断研究，引进人工智能等进步前辈技术，年夜年夜推动了诊断系统的研制和实施，取得了丰硕的研究功效。1983年春，中国机械工程学会装备维修分会在南京召开了"装备故障诊断和状态监测钻研会"，标志着我国诊断技术的研究进进了一个新的成长阶段，随后又成立了一些行协会和学术团体，其中和汽轮机故障诊断有关的主要有，中国装备治理协会装备诊断技术委员会、中国机械工程学会装备维修分会、中国振开工程学会故障诊断学会及其旋起色械学组等。这时代，国内学术交流频仍，对于根蒂根基理论和故障机理的研究十分活跃，并研制出了我国自己的在线监测与故障诊断装配，"八五"时代又进行了年夜容火机电组监测诊断系统的研究，各类进步前辈技术获得运用，研究步伐加速，缩小了与进步前辈水平的差距[32][33]，同时也形成了具有我国特点的故障诊断理论，并出书了一系列这方面的著，主要有屈梁生、何正嘉主编的《机械故障学》[34]、杨叔子等主编的《机械故障诊断丛书》[35]、虞和济等主编的《机械故障诊断丛书》[36]、徐敏等主编的《装备故障诊断手册》等[37~50]。
今朝我国从事汽轮机故障诊断技术研究与开发的单元有几十家，主要有哈尔滨工年夜学、西安交通年夜学、清华年夜学、华中理工年夜学、东南年夜学、上海交通年夜学、华北电力年夜学等高等院校和上海发电装备成套设计研究所、哈尔滨电工仪表所、西安热工研究所、山东电力科学实验研究所、哈尔滨船舶汽锅涡轮机研究所及一些汽轮机制造厂和年夜型电厂等。
国家在"七五"、"八五"计划时代放置的汽轮机故障诊断攻关项目促进了一年夜批研究单元介入汽轮机故障诊断系统的研究与开发，许多重要功效都是在这一阶段取得的。
2．汽轮机故障诊断技术的成长
2．1．旌旗灯号收集与旌旗灯号分析
2·1·1传感器技术
由于汽轮机工作情况恶劣，所以在汽轮机故障诊断系统中，对传感器性能要求就更高。今朝对传感器的研究，主要是提高传感器性能和靠得住性、开发新型传感器，另外也有相当一部门气力在研究若何诊断传感器故障以削减误诊率和漏诊率，而且哄骗信息融合进行诊断。
现行的对传感器自身死障检测技术主要有硬件冗余、解析冗余和夹杂冗余，由于硬件冗余有其较着的错误谬误，因而在现实中运用较少。意年夜利diFerrara年夜学的Simani.s等人针对传感器故障，采用领会析冗余的动态观测器来解决透平传感器的故障检测问题[51]。加拿年夜Windsor年夜学的Chen,Y.D等人对传感器融合技术进行研究，并在现实中获得了运用[52]。Brunel年夜学的Harris,T把神经网络技术运用于多重传感器的融合作为其研制的汽轮机性能诊断系统的技术要害[53]，PennsylvaniaStateUniv.的Kuo,R.J则运用人工神经网络，采用多传感器融合诊断叶片故障[54]。Prock,J和西安交通年夜学的谷立臣、上海交通年夜学的林日升等对传感器故障检测[55][56]和伪参数识别技术展开了研究工作[57]。华中理工年夜学的王雪、申韬、西安交通年夜学的常炳国等在传感器旌旗灯号的靠得住性[58]和采用融合技术提高传感器靠得住性[59][60]方面也进行了研究。
2·1·2旌旗灯号分析与处置
有代表性的是振动旌旗灯号的分析处置。今朝，汽轮机故障诊断系统中的振动旌旗灯号处置年夜多采用快速傅立叶变换（FFT），FFT的思想在于将一般时域旌旗灯号暗示为具有分歧频率的谐波函数的线性叠加，它认为旌旗灯号是平稳的，所以分析出的频率具有统计不变性。FFT对很多平稳旌旗灯号的情况具有适用性，因而获得了普遍的运用[61]。可是，现实中的很多旌旗灯号长短线性、非平稳的，所觉得了提高分辨精度，新的旌旗灯号分析与处置方式成为许多机构的研究课题。美国俄亥俄州立年夜学的Kim,Yong.W等对传统的无参谱分析、时-频分析、离散小波变换等作了较为深进的研究[62]。英国南安普敦年夜学的Lee,S.K认为，肆意随意性的音响和振动旌旗灯号都是由不划定规矩冲击引发的，为此他提出了用三阶和四阶Winger谱来对这些旌旗灯号进行分析[63]，同时还对旌旗灯号中的噪声过滤提出了处置方式[64]。小波分析法的运用一直是国内外热门的研究课题[65][66]，东南年夜学王善永把小波分析法用于汽轮灵活静碰摩故障诊断[67]，华中理工年夜学张桂才、东南年夜学王宁等把小波分析用于轴心轨迹的识别[68][69]。西安交通年夜学引进Kolmogorov复杂性测度定评估年夜机组运行状态[70]，还对FFT进行改良并吸收全息谱的点，进行轴心轨迹的瞬态提纯[71]，哈尔滨工年夜学刘占生在轴心轨迹特征提取中采用一种新的平面图形加权编码法，提高了图形辨识的准确率[72]，华中理工年夜学李向东用降维法将轴心轨迹转化为一条角度波形，使之运用于轴心轨迹的聚类识别[73]。
2．2．故障机理与诊断策略
2·2·1故障机理
故障机理是故障的内在本和发生缘由。故障机理的研究，是故障诊断中的一个很是根蒂根基而又必不成少的工作。今朝对汽轮机故障机理的研究主要从故障纪律、故障征兆和故障模子等方面进行。
由于年夜部门轴系故障都在振动旌旗灯号上反映出来，是以，对轴系故障的研究总是以振动旌旗灯号的分析为主。日立公司的N.kurihara给出了振动故障诊断用的特征矩阵[74]，清华年夜学褚福磊对常见故障在瀑布图上的振动特征和故障识别作了研究[75]。华中理工年夜学伍行健也提出了用于振动故障诊断的物理模子和数学模子[76]。西安交通年夜学陈岳东对振动频谱进行了模糊分类[77]，上海交通年夜学左人和从动力学的角度研究了典型故障的响应特征[78]。清华年夜学张正松用Hopf分叉分析法研究了油膜失稳涡动极限环特征[79]，哈尔滨工年夜学毕士华对于若何识别油膜轴承的动态参数进行了研究[80]，江苏省电力实验研究所的彭达则对现实发生的油膜振荡问题进行了解析[81]。哈尔滨工年夜学武新华分析了转轴弯曲的故障特征[82]。清华年夜学何衍宗、东南年夜学杨建刚研究了转子不服衡对其他征兆的影响[83][84]。对于消息碰摩问题，EPRI的Scheibel,John.R、西安交通年夜学何正嘉、西安热工研究所施维新等划分从故障特征和诊断技术方面进行了研究[85~90]，西安交通年夜学刘雄运用二维全息谱技术肯定故障征兆[91]，东北电力学院石志标则从动力学角度分析了磨擦问题[92]，哈尔滨工年夜学提出了变刚度分段线性和非线性模子[93]，并经由过程实验对磨擦的噪声特征进行了研究[94]。在综合振动与噪声特征的根蒂根基上，东北电力学院还开发了可对旋起色械和磨擦进行在线监测的仪器，该仪器用四个通道进行声旌旗灯号检测，另外四个通道用于振动监测，可以年夜致肯定磨擦的部位[95]。另外，李录平、张新江等对振动故障特征的提取进行了有益的研究[96~99]。
调理系统的靠得住与否，对汽轮机组的平安运行具有很是重要的意义。哈尔滨工年夜学的于达仁、徐基豫等在调理系统故障诊断方面作了很多研究工作，他们给出了调理系统卡涩和非卡涩缘由造成故障的数学模子，并对诊断方式和诊断仪器的实现进行了探讨[100~104]。华中理工年夜学何映霞、向春梅等研究了对DEH系统故障的诊断[105][106]，东南年夜学的岳振军则把频域分析的Bloomfield模子引进时域，运用于调理系统在线监测[107]。
2·2·2诊断策略和诊断方式
在汽轮机故障诊断中用到的诊断策略主要有对比诊断、逻辑诊断、统计诊断、模式识别、模糊诊断、人工神经网络和家系统等。而今朝研究比力多的是后面几种，其中人工神经网络和家系统的运用研究是这一领域的研究热门。
基于小波分析方式和神经网络建立的智能分析技术，是下一代故障检测与判定（FDI）的重要内核[108]。国内外在这方面进行了很多的研究[109~121]，今朝运用多的是前向神经网络[122]、BP神经网络[123~131]和把神经网络与模糊诊断相连系的模糊神经网络[132~134]等。美国EastHardford的DePold,Hans.R将统计分析及人工神经网络技术运用于过滤器来改良数据[135]，田纳西年夜学(TennesseeUniv.)将神经网络用于振动分析，识别潜在故障，并哄骗神经网络使被歪曲和杂进噪音的数据获得提纯[136]。美国StressTechnology.Inc.的Roemer,M.J把神经网络和模糊逻辑技术运用于旋转动力有限元模子，所形成的实时系统可以猜想要害部件的寿命[137]。华中理工年夜学的何耀华用一种自组织神经网络模子与多个单一故障诊断的BP网络一起完成故障诊断的协同推理[138]，申韬则把一系列BP子网络进行集成，以解决故障分类问题[139]。臧朝平、何永勇也划分提出了多网络、多故障的诊断策略[140~142]，西安交通年夜学的张小栋则研究了主从夹杂的神经网络模子[143]。东南年夜学把神经网络运用于轴心轨迹识别进行故障诊断[144]。同时，神经网络还被运用于消息碰磨诊断[145]、通流部门热参数诊断[146]、机组性能诊断[147]、凝汽器的诊断[148]和热力系统的建模[149]等。
家系统按其偏重点分歧，年夜致可分为基于推理的家系统（如基于神经网络的推理[150]、基于事例和模子的推理[151]等）和基于常识的家系统[152~158]等。在家系统中，家常识的学习、获取，和常识库的建立是关系到诊断准确性的重要环节。于文虎、倪维斗、张雪江、钟秉林、韩西京、刘占生、何涛等人划分就常识范围的界定[159]、常识的处置[160~163]、常识的获取[164~167]、机械对常识的自学习[168][169]和常识库的维护[170]等进行了研究。
诊断策略的研究还有：模糊诊断用于振动故障诊断[171~172]、用于条理模子[173][174]、用于模式识别[175]、用于转子碰磨诊断[176]、用于通流部门热参数诊断[177]的研究；模糊联系关系度用于多参数诊断[178]；灰色理论用于故障诊断[179]；几率散布干与模子用于诊断[180]；相关维数用于低频噪声诊断[181]等的研究。
诊断方式上的研究一直是故障诊断的一个重点。振动法是运用普遍也比力成熟的一种方式[182~186]，Ingleby,M把自动分类法和模式分析用于振动诊断[187]，何正嘉运用Winger时频散布和主份自回回谱分析轴瓦的振动旌旗灯号[188]，施维新针对一般诊断都是从征兆判定缘由的逆向推理提出了振动诊断的正向诊断法[189]。在汽轮机故障诊断中，运用热力学分析诊断汽轮机性能故障也是一个重要手段[190~193]，另外还有油分析、声发射法、无损检测技术等。声发射法主要用于消息碰磨故障检测[194]、泄漏检测等。日立公司在350MW汽轮机高中压转子上设置试片，在两头轴承的轴瓦处进行声发射和记实，诊断转子的碰摩[195][196]。在汽轮机寿命诊断中，无损检测技术运用相当重要，今朝用到的非破坏性评价法主要包括硬度测定法、电气抵拒法、超声波法、组织对比法、结晶粒变形法、显微镜观察测定法、X射线分析法等[21][197]。
2．3．国内在故障诊断系统设计和系统实现方面的研究
完整的汽轮机故障诊断系统，应包括数据收集、旌旗灯号处置与分析、诊断和决议计划几个部门，它是故障诊断技术的集中体现，我国早在80年月就起头了这方面的研究，到今朝已研制开发出了几十种系统。
华北电力学院以模拟转子实验台作为旌旗灯号源对汽轮发机电组振动监测与故障诊断系统进行了研究[198]。上海汽轮机厂研究所经过年的实验和研究，推出了四套旋起色械状态监测和故障诊断系统，他们在系统硬件设置装备摆设上做了较多的工作[199]。上海交通年夜学研制了一种热力参数监测和故障诊断系统TPD，该系统可以提高运行靠得住性、化运行方案、提高运行效率、延长运行寿命[200]。东南年夜学对集成智能故障诊断系统[201~204]和远程散布式故障诊断网络系统[205]进行了研究。华中理工年夜学研究了诊断系统的功能及其实现[206]、数据的收集[207]和远程诊断[208][209]等问题，并开发出了多套汽轮机故障诊断系统，其中汽轮发机电组在线振动监测与故障诊断家系统（HZ-1）采用了主从机结构，可以对多台发机电组实时监测及集中诊断；200MW单元机组状态监测、能损分析及汽轮发机电组故障诊断家系统采用Solartron涣散收集系统监测机组，集DAS系统、状态监测、能损分析和故障诊断于一体[210~212]等。由清华年夜学、华中理工年夜学、哈尔滨工年夜学、哈尔滨电工仪表所等院所联合研制200MW、300MW汽轮发机电组工况监测与故障诊断家系统（国家"八五"攻关项目）可周全监测诊断机械振动故障、汽隙振动故障、热身分引发的故障、机电耦合轴系扭振故障、和调理控制系统故障[213]。哈尔滨工年夜学对诊断系统从数据收集到原型机理论作了很多研究[214~219]，并推出了代表性的诊断系统MMMD[220]。清华年夜学对诊断系统的软件组成[221]、硬件结构与协调方式[222]、原型机系统[223~225]等，进行了一系列的研究[226]，并与山东电力科学实验研究所合作开发出了年夜型电站性能与振动远程监测分析与诊断系统，该系统由各电厂中的振动分析站、数据通讯网络系统、远程诊断中心（济南市山东电力科学研究院）和远程诊断分中心（清华年夜学）等四个子系统组成[227][228]。国内主要汽轮机故障诊断系统及研制单元见表1[229]。

表1国内部门研制运用的故障诊断系统及研制单元
3．汽轮机故障诊断中存在的问题
3·1检测手段
汽轮机故障诊断技术中的许大都学方式，甚至家系统中的一些推理算法都到达了很高的水平，而征兆的获取成了一个瓶颈，其中年夜的问题是检测手段不能知足诊断的需要，如运行中转子概况温度检测、叶片动应力检测、调理系统卡涩检测、内缸螺栓断裂检测等，都缺少有用的手段。
3·2材料性能
在寿命诊断中，对材料性能的领会很是重要，由于年夜大都寿命评价都是以材料的性能数据为根蒂根基的。但今朝对于材料的性能，非凡是对于汽轮机材料在复杂工作条件下的性能变化还缺少领会。
3·3复杂故障的机理
对故障机理的领会是准确诊断故障的条件。今朝，对汽轮机的复杂故障，有些很难从理论上给出诠释，对其机理的领会其实不清晰，好比在非稳定热态下轴系的弯扭复合振动问题等，这将是阻碍汽轮机故障诊断技术成长的主要障碍。
3·4人工智能运用
家系统作为人工智能在汽轮机故障诊断中的主要运用已获得了成功，但仍有一些要害的人工智能运用问题需要解决，主要有常识的表达与获取、自学习、智能辨识、信息融合等。
3·5诊断技术运用推行面临的问题
我国汽轮机诊断技术在现有根蒂根基上，进一步推行运用面临的主要问题是研究开发机制和观念问题、诊断技术与生产治理的连系问题。机制和观念问题主要浮现在：研究机构涣散，不能形成规模化效应；重复性研究过，造成人力、物力的浪费；技术研究转化为运用产物的少；系统研究联贯性差，因而系统升级坚苦；运用系统的维护与服务得不到保证等。诊断技术与生产治理连系欠好，浮现在各类技术的相互集成性欠好，与生产治理相孤立，不能缔造预期的效益，使电厂失往信心。
4．汽轮机故障诊断的成长前景与趋向
很多学者和研究人员都熟悉到上述问题对汽轮机故障诊断技术成长的影响，正在进行响应的研究工作。本文认为汽轮机故障诊断技术的研究将会在以下几个方面获得重视，并取得进展。
4·1位的检测技术
针对汽轮机及其系统各类故障的各类新检测技术将是一个主要的研究标的目的，会泛起许多重要功效。
4·2故障机理的深进研究
任什么时候候，故障机理的深进研究都将推动故障诊断技术的成长。故障机理的研究将集中在对渐发故障定表征的研究上，研究判定整个系统故障状态的指标系统及其判定阈值将是另外一个重要标的目的。
4·3常识表达、获取和系统自学习
常识的表达、获取和学习一直是诊断系统研究的热门，但并未取得重年夜突破，它仍将是继续研究的热门。
4．4综合诊断
汽轮机故障诊断，将从以振动诊断为主向斟酌热影响诊断、性能诊断、逻辑顺序诊断、油液诊断、温度诊断等的综合诊断成长，更合适汽轮机的特点和现实。
4·5诊断与仿真技术的连系
诊断与仿真技术的连系将主要浮现在，经由过程故障仿真辨识汽轮机故障、经由过程系统仿真为诊断家系统提供常识划定规矩和学习样本、经由过程逻辑仿真对系统中部件故障进行诊断。
4·6信息融合
汽轮机信息融合诊断将重点在征兆级和决议计划级展开研究，目的是要经由过程分歧的信息源准确描写汽轮机的真实状态和整体状态。
4·7从诊断向汽轮机装备现代化治剃头展
研究的重点将集中在基于诊断技术的预知维修决议计划、维修治理、装备计较机化治理系统等方面，目的是针对汽轮机及其系统实施预知维修或基于状态的维修，获取年夜的经济收益。这也将是推动电厂接受该汽轮机诊断系统的一个基本所在。
作者简介：
刘峻华1966年生，华中理工年夜学博士研究生，从事汽轮机故障诊断和轴系扭振研究。
黄树红1958年生，华中理工年夜学动力工程系教授，从事汽轮机平安性及故障诊断研究。