汽輪發(fā)電機組故障診斷技術概述

1、汽輪發(fā)電機組故障診斷技術概述王亮中國國電衡豐發(fā)電有限責任公司目錄汽輪發(fā)電機組故障診斷技術概述 1第一章 前 言 311 國內(nèi)外概況 31.1.1 國外的發(fā)展情況 41.1.2 國內(nèi)的發(fā)展情況 51.2 振動診斷技術的發(fā)展 71.3 開展故障診斷技術研究的意義 8第二章汽輪機故障診斷技術所包含的內(nèi)容 92.1 故障機理的研究 112.2 信號采集技術的研究 132.2.1 診斷方法 132.2.2 傳感器 132.3 信號分析與處理 142.4 狀態(tài)識別 152.4.1 神經(jīng)網(wǎng)絡 162.4.2 專家系統(tǒng) 182.4.3 模糊診斷技術 202.4.4 診斷策略 202.5 診斷決策 20第三章目

2、前診斷系統(tǒng)存在的問題 22第四章今后大型機組故障診斷技術的發(fā)展 244.1 故障機理的深入研究 244.2 傳感技術的研究 244.3 知識表達、獲取和系統(tǒng)自學習 244.4 知識庫知識范圍的建立 244.5 專家系統(tǒng)開發(fā)工具的研究利用 244.6 故障診斷系統(tǒng)中設備狀態(tài)預測功能 254.7 基于 Internet 的遠程故障診斷系統(tǒng)（大型診斷中心） 254.8 分布式結構的故障診斷系統(tǒng)的研究和開發(fā) 254.9 集成式結構的故障診斷系統(tǒng)的研究和開發(fā) 254.10 自主閉環(huán)診斷系統(tǒng)的研究與開發(fā) 26回顧和總結了國內(nèi)外汽輪機故障診斷技術的發(fā)展情況，介紹了目前在汽輪機故障診 斷研究中存在的問題和今后

3、的發(fā)展方向。第一章 前 言二十世紀以來，隨著工業(yè)生產(chǎn)和科學技術的發(fā)展，機械設備的可靠性、可用性、可 維修性與安全性的問題日益突出， 從而促進了人們對機械設備故障機理及診斷技術的研 究。汽輪發(fā)電機組是電力生產(chǎn)的重要設備， 由于其設備結構的復雜性和運行環(huán)境的特殊 性，汽輪發(fā)電機組的故障率較高，而且故障危害性也很大。因此，汽輪發(fā)電機組的故障 診斷一直是故障診斷技術應用的一個重要方面。機械設備的檢測和故障診斷，是建立在信息檢測技術、信號處理技術、計算機 應用技術、模式識別理論和機械工程各學科等現(xiàn)代科學技術成就基礎上的綜合性技 術科學。故障診斷就是要在設備正常運行中或基本不拆卸的情況下，掌握設備的狀 態(tài)

4、，早期發(fā)現(xiàn)故障，判斷故障的原因和部位，并預測預報故障的發(fā)展趨勢。保證機 組安全可靠運行的主要手段是不斷提高機組狀態(tài)監(jiān)測和故障診斷技術。目前汽輪發(fā)電機組的容量不斷向大型化方向發(fā)展， 如何通過先進的技術手段對設備 狀態(tài)參數(shù)進行監(jiān)測和分析，判斷設備是否存在異常和故障、故障的部位及故障的變化趨 勢，以確定合理的檢修時間和方案，達到減少事故停機損失、提高設備運行可靠性、降 低維修費用的目的，對故障診斷技術提出了新的和更高的要求，同時近幾年來，傳感器 技術、信號處理技術、人工智能技術如專家系統(tǒng)、神經(jīng)網(wǎng)絡等及其它技術在診斷中的應 用，也為設備診斷技術的進一步發(fā)展提供了動力。電力系統(tǒng)在個大型發(fā)電廠大力推廣的以

5、汽輪機組安全監(jiān)視為目的的旋轉(zhuǎn)機械狀態(tài) 監(jiān)測系統(tǒng)，在很大的程度上提高了機組運行的可靠性，降低了事故發(fā)生率。 11 國內(nèi)外概況早期的故障診斷主要是依靠人工，利用觸、摸、聽、看等手段對設備進行診斷。通 過經(jīng)驗的積累，人們可以對一些設備故障做出判斷，但這種手段由于其局限性和不完備 性，現(xiàn)在已不能適應生產(chǎn)對設備可靠性的要求。而信息技術和計算機技術的迅速發(fā)展以及各種先進數(shù)學算法的出現(xiàn)，為汽輪機故障診斷技術的發(fā)展提供了有利的條件。人工智 能、計算機網(wǎng)絡技術和傳感技術等已經(jīng)成為汽輪機故障診斷系統(tǒng)不可缺少的部分。1.1.1 國外的發(fā)展情況國外發(fā)達國家從 70 年代開始進行汽輪發(fā)電機組振動故障技術的研究，以后陸續(xù)

6、推 出自己的汽輪發(fā)電機組的故障診斷系統(tǒng)，目前在這一方面較為先進的研發(fā)機構有：美國 電力研究院 (EPRI) 、西屋公司、 Bentley 公司、 CSI 公司等，代表性的產(chǎn)品有 Bentley 公司的DM2000 MCM200系統(tǒng)、旋轉(zhuǎn)機械故障診斷系統(tǒng)(ADR3在中國應用情況良好， 很受用戶歡迎。西屋公司首先將網(wǎng)絡技術應用于汽輪機故障診斷，在奧蘭多診斷中心應 用的汽輪發(fā)電機組故障診斷系統(tǒng) AID,對分布于各地電站的多臺機組進行遠程診斷。日 本三菱重工的白木萬博研制的“機械保健系統(tǒng)” 。美國具有豐富實踐經(jīng)歷的John Sohre于1968年在ASME石油機械工程師年會發(fā)表的題為“高速渦輪機械運行

7、問題(故障)的起因和治理”一文，對旋轉(zhuǎn)機械典 型故障征兆及可能原因進行了全面的描述和歸納，將汽輪機的典型故障分為9大類37 種，開辟了診斷知識量化的先河，至今仍被廣泛的采用。但其中大部分是經(jīng)驗總 結，沒有從機理上進行深入分析。白木萬博提出了“得分法” ，列出了 16種常見故 障與振動頻率之間的關系，發(fā)表了大量有關故障診斷的文章，積累了不少現(xiàn)場故障 處理經(jīng)驗，并進行了理論分析。美國的 Bently 公司轉(zhuǎn)子動力學研究所對轉(zhuǎn)子和軸承 系統(tǒng)典型非線性振動故障機理研究比較透徹，進行了大量試驗，發(fā)表了許多很有價 值的論文。美國Bechtel電力公司于1987年開發(fā)的火電站設備診斷用專家系統(tǒng)(SCOPE在

8、進 行分析時不只是根據(jù)控制參數(shù)的當前值，而且還考慮到它們隨時間的變化，當它們偏離 標準值時還能對信號進行調(diào)節(jié)，給出消除故障的建議說明，提出可能臨近損壞時間的推 測。美國 Radial 公司于 1987年開發(fā)的汽輪發(fā)電機組振動診斷用專家系統(tǒng)( Turbomac)， 在建立邏輯規(guī)則的基礎上， 設有表征振動過程各種成分與其可能故障源之間關系的概率 數(shù)據(jù)，其搜集知識的子系統(tǒng)具有人 -機對話形式。該系統(tǒng)含有 9000條知識規(guī)則，有很大 的庫容。日本也很重視汽輪機故障診斷技術的研究，由于日本規(guī)定1000MW以下的機組都須參與調(diào)峰運行，因此，他們更注重于汽輪機壽命檢測和壽命診斷技術的研究。日本從事 這方面研

9、究的機構主要有東芝電氣、日立電氣、富士和三菱重工等。東芝電氣公司與東京電力公司于 1987 年合作開發(fā)的大功率汽輪機軸系振動診斷系 統(tǒng)，采用計算機在線快速處理振動信號的解析技術與評價判斷技術，設定一個偏離軸系 正常值的極限值作為診斷的起始點進行診斷。九十年代，東芝公司相繼開發(fā)出了壽命診 斷專家系統(tǒng)，針對葉片、轉(zhuǎn)子、紅套葉輪及高溫螺栓的診斷探傷實時專家系統(tǒng)、機組性 能評價系統(tǒng)等。日立公司在1982年開發(fā)了汽輪機壽命診斷裝置 HIDIC-08E,以后逐步發(fā)展，形成了 一套完整的壽命診斷方法。三菱公司則在八十年代初期開發(fā)了 MHM振動診斷系統(tǒng)，該系統(tǒng)能自動地或通過人機對話進行異常征候檢測并能診斷其原

10、因，其特點是可根據(jù)動矢量來確定故障。歐洲也有不少公司和部門從事汽輪機故障診斷技術的研究與開發(fā)。法國電力部門(EDF從1978年起就在透平發(fā)電機上安裝離線振動監(jiān)測系統(tǒng)，到九十年代初又提出了 監(jiān)測和診斷支援工作站的設想。九十年代中期，其專家系統(tǒng) PSAD及其DIVA子系統(tǒng)在透 平發(fā)電機組和反應堆冷卻泵的自動診斷上得到了應用。另外瑞士的ABB公司、德國的西門子公司、丹麥的B&K公司等都開發(fā)出了各自的診斷系統(tǒng)。國外的資料表明 : 故障診斷的效果是明顯的。 據(jù)日本統(tǒng)計 , 在采用診斷技術后 , 事 故率減少75%,維修費用降低25%50%;英國對2000家企業(yè)進行的調(diào)查表明，診斷 技術的采納使得

11、每年節(jié)省的維修費用達 3 億英鎊。1.1.2 國內(nèi)的發(fā)展情況我國的設備診斷技術的研究和開發(fā)是從 20世紀 70年代末期開始的。 經(jīng)歷了兩個階 段：第一階段是從 70年代末到 80年代初，在這個階段內(nèi)主要是吸收國外先進技術，并 對一些故障機理和診斷方法展開研究；第二階段是從 80 年代初期到現(xiàn)在，在這一階段， 全方位開展了機械設備的故障診斷研究，引入人工智能等先進技術，大大推動了診斷系 統(tǒng)的研制和實施，縮小了與世界先進水平的差距，同時也形成了具有我國特點的故障診 斷理論，并出版了一系列這方面的專著，主要有屈梁生、何正嘉主編的機械故障學 、 楊叔子等主編的機械故障診斷叢書 、虞和濟等主編的機械故障

12、診斷叢書 、徐敏等 主編的設備故障診斷手冊等。我國從事汽輪機故障診斷技術研究與開發(fā)的單位有幾十家，如西安交通大學、華中 理工大學、清華大學、哈爾濱工業(yè)大學、東南大學等和上海發(fā)電設備成套設計研究所、 哈爾濱電工儀表所、西安熱工研究所、山東電力科學試驗研究所、哈爾濱船舶鍋爐渦輪 機研究所及一些汽輪機制造廠和大型電廠等。通過“七五”和“八五”攻關項目的研究 及近幾年的不斷完善和發(fā)展。研究開發(fā)出多套的故障診斷系統(tǒng)，代表性的國產(chǎn)診斷系統(tǒng) 如下表：表1-1有代表性的國產(chǎn)診斷系統(tǒng)序號型號名稱研制單位1MMMD-3機組振動微機檢測和故障診斷系統(tǒng)哈爾濱工業(yè)大學2MFD-2汽輪發(fā)電機組智能診斷系統(tǒng)東南大學3RB-

13、20大型旋轉(zhuǎn)機械計算機狀態(tài)監(jiān)測與故障診斷系 統(tǒng)西安交通大學4ZJZ-1汽輪發(fā)電機組狀態(tài)監(jiān)測與診斷系統(tǒng)西安熱工研究院5HZ-1汽輪發(fā)電機組振動監(jiān)測與故障診斷系統(tǒng)華中理工大學 揚子石化總廠6MMDS-9C大型旋轉(zhuǎn)機械故障診斷系統(tǒng)鄭州工業(yè)大學7大型汽輪發(fā)見機組遠程在線振動監(jiān)測性能分 析與診斷系統(tǒng)山東電力研究院 清華大學完整的汽輪機故障診斷系統(tǒng)，應包括數(shù)據(jù)采集、信號處理與分析、診斷和決策幾個部分，它是故障診斷技術的集中體現(xiàn)，我國早在80年代就開始了這方面的研究，到目前已經(jīng)研制開發(fā)出了幾十種系統(tǒng)。華北電力學院以模擬轉(zhuǎn)子試驗臺作為信號源對汽輪發(fā)電機組振動監(jiān)測與故障診斷 系統(tǒng)進行了研究。上海汽輪機廠研究所經(jīng)

14、過多年的實驗和研究，推出了四套旋轉(zhuǎn)機械狀 態(tài)監(jiān)測和故障診斷系統(tǒng)，他們在系統(tǒng)硬件配置上做了較多的工作。上海交通大學研制了 一種熱力參數(shù)監(jiān)測和故障診斷系統(tǒng) TPD該系統(tǒng)可以提高運行可靠性、優(yōu)化運行方案、 提高運行效率、延長運行壽命。東南大學對集成智能故障診斷系統(tǒng)和遠程分布式故障診 斷網(wǎng)絡系統(tǒng)進行了研究。華中理工大學研究了診斷系統(tǒng)的功能及其實現(xiàn)、數(shù)據(jù)的采集以 及遠程診斷等問題，并開發(fā)出了多套汽輪機故障診斷系統(tǒng)，其中汽輪發(fā)電機組在線振動 監(jiān)測與故障診斷專家系統(tǒng)（HZ-1）采用了主從機結構，可以對多臺發(fā)電機組實時監(jiān)測及 集中診斷；200MM元機組狀態(tài)監(jiān)測、能損分析及汽輪發(fā)電機組故障診斷專家系統(tǒng)采用 So

15、lartron分散采集系統(tǒng)監(jiān)測機組，集 DAS系統(tǒng)、狀態(tài)監(jiān)測、能損分析和故障診斷于一 體等。由清華大學、華中理工大學、哈爾濱工業(yè)大學、哈爾濱電工儀表所等院所聯(lián)合研 制200MW、300MW汽輪發(fā)電機組工況監(jiān)測與故障診斷專家系統(tǒng)（國家 "八五"攻關項目） 可全面監(jiān)測診斷機械振動故障、汽隙振動故障、熱因素引起的故障、機電耦合軸系扭振 故障、以及調(diào)節(jié)控制系統(tǒng)故障。哈爾濱工業(yè)大學對診斷系統(tǒng)從數(shù)據(jù)采集到原型機理論作 了很多研究，并推出了代表性的診斷系統(tǒng) MMM。清華大學對診斷系統(tǒng)的軟件構成、 硬件 結構與協(xié)調(diào)方法、原型機系統(tǒng)等，進行了一系列的研究，并與山東電力科學試驗研究所 合作開發(fā)

16、出了大型電站性能與振動遠程監(jiān)測分析與診斷系統(tǒng)， 該系統(tǒng)由各電廠中的振動 分析站、數(shù)據(jù)通訊網(wǎng)絡系統(tǒng)、遠程診斷中心（濟南市山東電力科學研究院）和遠程診斷 分中心（清華大學）等四個子系統(tǒng)構成。隨著診斷技術的發(fā)展，出現(xiàn)了與之有關的廠家。部分傳感器、數(shù)據(jù)采集器已接近國 際水平，同時研制開發(fā)了一些診斷儀器和設備。1.2 振動診斷技術的發(fā)展機械設備的診斷從其出現(xiàn)到如今可以分為三個階段：第一階段是設備狀態(tài)監(jiān)測，第 二階段是設備狀態(tài)監(jiān)測與故障診斷， 第三階段是基于網(wǎng)絡化的故障診斷及在設備管理應 用。目前設備診斷技術處于第二階段的整理完善和向第三階段過渡時期。機械設備故障診斷技術的發(fā)展可以分為以下幾個階段：（1）

17、基于故障事件的故障診斷階段。當出現(xiàn)故障后才檢查故障原因和發(fā)生部位，故障 診斷的手段是通過對設備的解體分析并借助以往的經(jīng)驗以及一些簡單的儀器。（2）基于故障預防的故障診斷階段。該階段故障診斷的目的在于為合理的維修周期的 制定提供依據(jù)，并在定期維修前檢查突發(fā)性故障，保證在故障出現(xiàn)之前就能排除故障。 這一階段的診斷手段主要是一些簡單的狀態(tài)檢測儀，多設有一定運行參數(shù)的報警值，能 夠?qū)ν话l(fā)故障進行預測。（3）基于故障預測的故障診斷階段。該階段故障診斷是以信號采集與處理為中心，多 層次、多角度地利用各種信息對設備的狀態(tài)進行評估， 針對不同的設備采取不同的措施。 屬于正常運行狀態(tài)的設備，可依據(jù)原先的檢測計劃

18、進行檢測；屬于故障進行性發(fā)展的設 備，重點檢測；而個別故障較嚴重發(fā)展的設備，應及時停機進行故障診斷。1.3 開展故障診斷技術研究的意義當前，我國企業(yè)中大型設備的數(shù)目越來越多，其在生產(chǎn)中的重要性不言而喻，關鍵 設備的檢測和診斷技術所帶來的社會效益和經(jīng)濟效益， 也不斷為人們所認識， 具體包括：（1）預防事故，保證人身和設備安全。（2）推動設備維修制度的改革。維修制度由預防維修向預知維修的轉(zhuǎn)化是必然的，而 真正實現(xiàn)預知維修的基礎是設備診斷技術的發(fā)展和成熟。（3）提高經(jīng)濟效益。設備診斷的最終目的是避免故障的發(fā)生，使零部件的壽命得到充 分的發(fā)揮， 延長檢修周期， 提高維修的精度和速度， 降低維修費用，

19、獲得最佳經(jīng)濟效益。第二章 汽輪機故障診斷技術所包含的內(nèi)容設備故障診斷技術根據(jù)診斷的目的及所選取的診斷方法的不同，其實施過程也有所不同，但其基本過程是相同的，主要包括：狀態(tài)信號特征的獲取、故障特征的提取、故 障診斷和診斷決策四個方面。圖2-1設備故障診斷的實施過程故障診斷技術的研究大體上有三部分組成：第一部分為故障機理的研究；第二部分 為故障診斷信息學的研究，它主要研究故障信號的采集、選擇、處理和分析過程；第三 部分為診斷邏輯與數(shù)學原理方面的研究，主要是通過邏輯方法、模型方法、推論方法和 人工智能方法，根據(jù)可觀測的設備故障表征來確定下一步的檢測部位，最終分析判斷故 障發(fā)生的部位和產(chǎn)生故障的原因。

20、由于目前人們對故障診斷的理解不同，按診斷方法原理分為如下幾類：（1）頻域診斷法 應用頻譜分析技術，根據(jù)頻譜特征變化，判別機器的運行狀態(tài) 及故障形成原因。（2）時域分析法應用時間序列模型極其有關的特性函數(shù)，判別機器的工況狀態(tài) 的變化（ 3） 統(tǒng)計分析法 應用概率統(tǒng)計模型極其有關的特性函數(shù)， 實現(xiàn)工況狀態(tài)監(jiān)視與 故障診斷。（ 4） 信息理論分析法 應用信息理論建立的某些特性函數(shù)，如庫爾伯克信息數(shù)，J 散度等在機器運行過程中的變化，進行工況狀態(tài)分析與故障診斷。（5）模式識別法 利用檢測信號， 提取對工況狀態(tài)反應敏感的特征量構成模式矢 量，設計合適的分類器，判別工況狀態(tài)，它是人工智能的技術之一。（6）

21、其它人工智能方法 如人工神經(jīng)網(wǎng)絡、 專家系統(tǒng)等， 這些都是新發(fā)展的新領 域。主要的成熟的診斷技術：（ 1） 基于故障機理的診斷方法本方法注重從動力學的角度出發(fā)去研究故障的發(fā)生、發(fā)展機理及其出現(xiàn)故障之后對 應的狀態(tài)。它是其它各種診斷方法的基礎。（ 1） 基于故障樹分析診斷法本方法用邏輯推理圖的方式分析機械設備各部位故障的發(fā)生及其故障產(chǎn)生的原 因之間的相互關系，是一種比較早的故障診斷方法，其目的是判斷基本故障、確定故障 發(fā)生的原因、影響以及故障發(fā)生的概率。它的診斷精確度不高，但是它表達直觀，便于 現(xiàn)場分析、處理。（ 2） 基于信號分析和處理的診斷方法信號分析和處理診斷方法主要是通過在機械設備上安置

22、傳感器，采集機械設備 的狀態(tài)信息，然后進行分析處理，提取關于設備的運行情況以及有無故障、故障發(fā)生、 發(fā)展情況。 其關鍵技術是信號的分析處理方法， 目前主要有時域、 頻域、倒頻譜分析等。（ 3） 基于模式識別的診斷理論 基于模式識別的診斷理論是在模式識別的基本內(nèi)容的基礎上發(fā)展起來的診斷學理 論。（ 4） 油液分析診斷方法油液分析（用潤滑油分析 ）是依據(jù)測取運行設備潤滑油的微量磨損粉末，用化學 理論對其分析的故障診斷方法，它所采取的“硬措施”是通過檢測裝置獲取的潤滑油的 狀態(tài)，是設備診斷的最重要技術手段之一，其核心內(nèi)容涉及對在用潤滑油的污染、變質(zhì) 和所含機械磨損產(chǎn)物的檢測分析，主要分析方法包括油光

23、譜診斷法和鐵譜診斷法門（ 5） 紅外熱成像診斷法 紅外熱成像診斷法是通過測取機械設備的二維溫度場的變化情況， 了解設備是否存 在過熱、熱不均等，從而判斷設備是否存在故障以及故障的發(fā)生、發(fā)展情況。它的“硬 措施”是測取設備向周圍輻射的紅外線，得到紅外熱場圖，從紅外熱場圖判斷設備的狀 態(tài)。（ 6） 無損探傷診斷法在診斷過程中， 采用先向設備發(fā)射某種信號， 然后再測取從設備反射 （或透射）的同 種性質(zhì)的信號來反映設備的狀態(tài)信息的診斷方法定義為無損探傷診斷法。 它的“硬措施” 是向設備發(fā)射某種信號并接受它的硬件裝置。無損探傷診斷法包括射線探傷診斷法、超 聲探傷診斷法、聲發(fā)射診斷法和渦流探傷診斷法等、（

24、7）熱工參量診斷方法 把通過測量裝置測取與設備有關的熱工參量，從而診斷設備的運行狀態(tài)及其故障 的發(fā)生、發(fā)展情況的診斷方法稱之為熱工參量診斷法，它包括壓力脈沖診斷法、溫度診 斷法。（8）電工參量診斷方法 在診斷過程中，測取設備的某些電工參量的診斷方法稱為電工參量診斷法，它包 括電流診斷法、電阻診斷法。還有神經(jīng)網(wǎng)絡、專家系統(tǒng)、基于模糊數(shù)學的診斷技術。2.1 故障機理的研究 故障機理是故障的內(nèi)在本質(zhì)和產(chǎn)生原因。故障機理的研究，是以可靠性和故障原 理為理論基礎，研究故障的物理學或數(shù)學模型，進行物理模擬或計算機仿真，其目 的是了解故障的形成和發(fā)展過程，明確故障的動態(tài)學特征，從而進一步掌握典型的 故障信號

25、，提取故障征兆，建立故障樣板模式。故障機理的研究，是故障診斷中的 一個非?；A而又必不可少的工作。診斷系統(tǒng)的完善程度，依賴于對故障機理的認 識程度。 目前對汽輪機故障機理的研究主要從故障規(guī)律、 故障征兆和故障模型等方面進 行?，F(xiàn)階段，雖然在故障機理的研究方面已經(jīng)取得了大量的成果，但大型汽輪機組 的振動故障機理仍然沒有全部明確，需要進一步的深入研究。自然界從本質(zhì)上講都是非線性的，線性只是非線性的近似。隨著科學技術的發(fā) 展，自然科學和工程中的非線性動力學問題日益突出，非線性動力學已經(jīng)成為當今 世界前沿的研究熱點學科。大型汽輪機發(fā)電機組的實際運行情況表明，在汽輪發(fā)電機組系統(tǒng)中，非線性振 動現(xiàn)象普遍存

26、在。例如工頻以外的大量低頻振動分量都是由系統(tǒng)的非線性因素引起 的。許多故障的出現(xiàn)都伴隨著非線性振動，例如轉(zhuǎn)子和定子之間的碰摩故障、油膜 渦動、油膜振蕩和支承松動等等。在機械系統(tǒng)故障診斷領域，系統(tǒng)的動力學模型被用來定性或定量闡明實際系統(tǒng) 由于故障激勵而產(chǎn)生的各種振動現(xiàn)象。在一些實際問題的處理中，合理的線性化能 顯著的減少分析與計算工作量，所得結果與真實系統(tǒng)的觀測結果基本相符。然而當 真實的轉(zhuǎn)子系統(tǒng)的非線性振動現(xiàn)象較為明顯時，如果再采用線性化的分析方法，人 為的忽略掉對系統(tǒng)具有重要影響的非線性因素，以及與之相關的系統(tǒng)固有的非線性 動力學現(xiàn)象，會造成分析結果與實際系統(tǒng)的動力學行為在定性和定量上的偏差

27、，導 致人們有時無法用轉(zhuǎn)子動力學理論來準確解釋異常振動現(xiàn)象產(chǎn)生的原因，不能滿足 機械狀態(tài)檢測與故障診斷的需要。因此，線性理論不可能徹底解決轉(zhuǎn)子系統(tǒng)的動力 學問題，開展轉(zhuǎn)子系統(tǒng)非線性動力學的研究具有很重要的理論和現(xiàn)實意義。由于大部分軸系故障都在振動信號上反映出來，因此，對軸系故障的研究總是以振 動信號的分析為主。日立公司的 N.kurihara 給出了振動故障診斷用的特征矩陣，清華大 學褚福磊對常見故障在瀑布圖上的振動特征和故障識別作了研究。 華中理工大學伍行健 也提出了用于振動故障診斷的物理模型和數(shù)學模型。 西安交通大學陳岳東對振動頻譜進 行了模糊分類，上海交通大學左人和從動力學的角度研究了典

28、型故障的響應特征。清華 大學張正松用Hopf分叉分析法研究了油膜失穩(wěn)渦動極限環(huán)特性，哈爾濱工業(yè)大學畢士華 對于如何識別油膜軸承的動態(tài)參數(shù)進行了研究， 江蘇省電力試驗研究所的彭達則對實際 發(fā)生的油膜振蕩問題進行了剖析。哈爾濱工業(yè)大學武新華分析了轉(zhuǎn)軸彎曲的故障特征。 清華大學何衍宗、東南大學楊建剛研究了轉(zhuǎn)子不平衡對其他征兆的影響。對于動靜碰摩 問題，EPR的Scheibel,John.R、西安交通大學何正嘉、西安熱工研究所施維新等分別 從故障特性和診斷技術方面進行了研究， 西安交通大學劉雄應用二維全息譜技術確定故 障征兆，東北電力學院石志標則從動力學角度分析了摩擦問題，哈爾濱工業(yè)大學提出了 變剛度

29、分段線性和非線性模型，并通過實驗對摩擦的噪聲特性進行了研究。在綜合振動 與噪聲特性的基礎上，東北電力學院還開發(fā)了可對旋轉(zhuǎn)機械和摩擦進行在線監(jiān)測的儀 器，該儀器用四個通道進行聲信號檢測，另外四個通道用于振動監(jiān)測，可以大致確定摩 擦的部位。另外，李錄平、張新江等對振動故障特征的提取進行了有益的研究。2.2 信號采集技術的研究設備在運行過程中必然會有力、熱、振動及能量等各種量的變化，由此會產(chǎn)生各種 不同的信息。診斷技術需要獲得設備運行時產(chǎn)生的代表其狀態(tài)的各種信號，因此信號采 集技術是進行設備故障診斷的前提。信號采集技術包括傳感器技術及信號的采集與放 大。221診斷方法診斷方法的研究一直是故障診斷領域

30、的重點。目前，在汽輪機組故障診斷領域中， 主要的診斷方法有振動診斷法，噪聲診斷法，熱力學診斷法，紅外診斷法，聲發(fā)射診斷 法和無損監(jiān)測診斷法等。汽輪機組是大型的旋轉(zhuǎn)機械，振動是及其重要的（也是主要的）特征信號。因此， 振動診斷法是汽輪機組的常用診斷方法。機械振動必會產(chǎn)生噪聲，噪聲信號中包含了機 組的豐富的狀態(tài)信息，因此，噪聲診斷法也可用于診斷機組的故障。汽輪機組熱力性能方面的故障，用熱力學方法來診斷。 機組動靜碰磨、轉(zhuǎn)子裂紋等故障可用聲發(fā)射診斷法進行診斷。在診斷機組剩余壽命和部件缺陷時，主要用無損監(jiān)測診斷法。目前用到的無損監(jiān)測 技術主要包括硬度測定法、電氣阻抗法、超聲波法、組織對比法、結晶粒變形

31、法、顯微 鏡觀測法和 X 射線分析法等。2.2.2 傳感器由于汽輪機組工作環(huán)境的特殊性（高溫、高壓、高轉(zhuǎn)速、高應力） ，所以在汽輪機 組故障診斷系統(tǒng)中，對傳感器的性能要求很高。目前，對傳感器的研究，主要是提高傳 感器性能的可靠性、開發(fā)新型傳感器，以及研究如何診斷傳感器故障以減少誤診率和漏 診率等方面的問題。 當前，許多的學者正在研究利用多傳感器信息融合技術來診斷故障， 提高故障的分辨率?，F(xiàn)行的對傳感器自身故障檢測技術主要有硬件冗余、解析冗余和混合冗余，由于硬 件冗余有其明顯的缺點，因而在實際中應用較少。意大利 di Ferrara 大學的 Simani.s 等人針對傳感器故障，采用了解析冗余的

32、動態(tài) 觀測器來解決透平傳感器的故障檢測問題。加拿大 Windsor 大學的 Chen,Y.D 等人對傳 感器融合技術進行研究，并在實際中得到了應用。 Brunel 大學的 Harris,T 把神經(jīng)網(wǎng)絡 技術應用于多重傳感器的融合作為其研制的汽輪機性能診斷系統(tǒng)的技術關鍵， Pennsylvania State Univ.的 Kuo,R.J 則應用人工神經(jīng)網(wǎng)絡，采用多傳感器融合診斷葉片故障。 Prock,J 以及西安交通大學的谷立臣、上海交通大學的林日升等對傳感器故 障檢測和偽參數(shù)識別技術開展了研究工作。華中理工大學的王雪、申韜、西安交通大學 的常炳國等在傳感器信號的可靠性和采用融合技術提高傳感器

33、可靠性方面也進行了研 究。2.3 信號分析與處理信號的分析與處理是對采集到的各種信號進行特征數(shù)據(jù)分析與特征數(shù)據(jù)與圖形的 提取、是進行故障診斷的關鍵基礎工作。所采集到的表征診斷對象運行中的原始狀態(tài)信 號稱為初始模式。在初始模式中。故障信息混雜在大量的背景噪聲中，為提高診斷的靈 敏度和可靠性，必須采用信號處理技術，在狀態(tài)信號中排除噪聲、干擾的影響，提取有 用的故障信息，以突出故障特征。信號分析主要依靠數(shù)學工具如：快速傅立葉變換（FFT）、 z 變換、小波變換、信號的分維數(shù)計算、時一頻分析、 Winger 變換、延時嵌陷分析、相 關函數(shù)及功率譜等進行。信號分析主要有時域法和頻域法兩種方法。時域分析法

34、是將信號分解為在時間上的具有不同延時的簡單時間信號的疊加， 如信 號的響應分析、數(shù)字濾波、卷積計算及相關分析等。信號的頻域分析法是將信號經(jīng)過某種變換 （如付氏變換、拉氏變換、沃氏變換、小 波變換等 ） 后得到的有關信號的某些特征量的值，也稱譜分析法 : 主要有經(jīng)典譜（ FFT） 分析法和現(xiàn)代譜分析法。經(jīng)典譜的優(yōu)點是可以用 FFT 快速計算，物理意義明確，缺點是譜分辨率偏低，需要 的數(shù)據(jù)量較多，加窗易產(chǎn)生泄露?，F(xiàn)代譜分析法采用建模的方法來估計信號的譜參數(shù)，因而速度快，運算量小，精度 高，受到越來越多的重視。目前應用的有自回歸法 （AR）,滑動平均法（MA）和自回歸滑動 平均法（ARM）現(xiàn)代譜分析

35、法具有較高的分辨率，對數(shù)據(jù)量的要求較少，但是容易產(chǎn) 生波形失真。最有代表性的是振動信號的分析處理。目前，汽輪機故障診斷系統(tǒng)中的振動信號處 理大多采用快速傅立葉變換（FFT），F(xiàn)FT的思想在于將一般時域信號表示為具有不同頻 率的諧波函數(shù)的線性疊加，它認為信號是平穩(wěn)的，所以分析出的頻率具有統(tǒng)計不變性。 FFT對很多平穩(wěn)信號的情況具有適用性，因而得到了廣泛的應用。但是，實際中的很多 信號是非線性、非平穩(wěn)的，所以為了提高分辨精度，新的信號分析與處理方法成為許多 機構的研究課題。近幾年來的熱點是小波分析與分形幾何技術及全息譜的研究。美國俄亥俄州立大學的Kim,Yong.W等對傳統(tǒng)的無參量譜分析、時-頻分

36、析、離散小 波變換等作了較為深入的研究。英國南安普敦大學的 Lee,S.K 認為，任意隨意性的音響 和振動信號都是由不規(guī)則沖擊引起的，為此他提出了用三階和四階 Winger 譜來對這些 信號進行分析，同時還對信號中的噪聲過濾提出了處理方法。小波分析法的應用一直是 國內(nèi)外熱門的研究課題，東南大學王善永把小波分析法用于汽輪機動靜碰摩故障診斷， 華中理工大學張桂才、東南大學王寧等把小波分析用于軸心軌跡的識別。西安交通大學 引入Kolmogorov復雜性測度定量評估大機組運行狀態(tài)，還對 FFT進行改進并吸收全息 譜的優(yōu)點，進行軸心軌跡的瞬態(tài)提純，哈爾濱工業(yè)大學劉占生在軸心軌跡特征提取中采 用一種新的平

37、面圖形加權編碼法，提高了圖形辨識的準確率，華中理工大學李向東用降 維法將軸心軌跡轉(zhuǎn)化為一條角度波形，使之應用于軸心軌跡的聚類識別。2.4 狀態(tài)識別所謂狀態(tài)識別，是指將待檢模式與診斷文檔庫中的樣板模式進行對比，并將待檢模 式歸屬到某一已知的樣板模式中去的過程。 由此便可判定診斷對象所處的狀態(tài)模式是否 正常，并預測其可靠性和狀態(tài)的發(fā)展趨勢。汽輪機組是一個復雜的機電系統(tǒng)， 其故障特征集合與故障集合之間的映射關系非常 復雜。機組在運行過程中，可能出現(xiàn)數(shù)個故障。所以如何根據(jù)監(jiān)測到的故障特征來診斷 處機組的故障是研究人員非常關心的問題，這就是狀態(tài)識別，也可以說是診斷策略。在汽輪機組故障診斷領域中，常用的診

38、斷策略有對比診斷、邏輯診斷、統(tǒng)計診斷、 模式識別、基于灰色理論的診斷、模糊診斷，專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡的診斷。最 近幾年隨著計算機技術、人工智能技術的發(fā)展，目前常用診斷方法有模糊診斷技術、專 家系統(tǒng)與人工神經(jīng)網(wǎng)絡方法?；谛〔ǚ治龇椒ê蜕窠?jīng)網(wǎng)絡建立的智能分析技術，是下 一代故障檢測與判定的重要內(nèi)核。診斷方法上的研究一直是故障診斷的一個重點。 振動法是應用最普遍也比較成熟的 一種方法， Ingleby,M 把自動分類法和模式分析用于振動診斷， 何正嘉應用 Winger 時頻 分布和主分量自回歸譜分析軸瓦的振動信號， 施維新針對一般診斷都是從征兆判斷原因 的逆向推理提出了振動診斷的正向診斷法。

39、在汽輪機故障診斷中，應用熱力學分析診斷 汽輪機性能故障也是一個重要手段，另外還有油分析、聲發(fā)射法、無損檢測技術等。聲 發(fā)射法主要用于動靜碰磨故障檢測、泄漏檢測等。日立公司在350MW汽輪機高中壓轉(zhuǎn)子上設置試片，在兩端軸承的軸瓦處進行聲發(fā)射和記錄，診斷轉(zhuǎn)子的碰摩。在汽輪機壽命 診斷中，無損檢測技術應用相當重要， 目前用到的非破壞性評價法主要包括硬度測定法、 電氣抵抗法、超聲波法、組織對比法、結晶粒變形法、顯微鏡觀察測定法、 X 射線分析 法等。根據(jù)對設備狀態(tài)的判斷，決定應采取的對策和措施，同時給出狀態(tài)的可能發(fā)展趨 勢。故障的診斷方法可簡單地劃分為傳統(tǒng)的診斷方法、數(shù)學診斷方法以及智能診斷方 法。傳

40、統(tǒng)的診斷方法包括：振動監(jiān)測技術、油液分析技術、噪聲監(jiān)測技術、紅外測溫技 術、聲發(fā)射技術以及無損檢測技術等；數(shù)學診斷方法包括：基于貝葉斯決策判據(jù)以及基 于線性和非線性判別函數(shù)的模式識別方法、基于概率統(tǒng)計的時序模型診斷方法、基于距 離判據(jù)的故障診斷方法、模糊診斷原理、灰色系統(tǒng)診斷方法、故障樹分析法、小波分 析法以及混沌分析法與分形幾何法等；智能診斷方法包括：模糊邏輯、專家系統(tǒng)、神經(jīng) 網(wǎng)絡、進化計算方法（如遺傳算法）等。2.4.1 神經(jīng)網(wǎng)絡隨著汽輪發(fā)電機組容量的增大，結構更加復雜，影響因素增多，振動亦更加復雜。往往同一故障可能由多種因素引起，各種因素間還可能存在耦合，并且同一種 故障在不同機組中表現(xiàn)

41、的征兆也沒有明顯的特征，另外不同的故障還可能是由同一種因素引起，有時不同故障所表現(xiàn)的征兆也沒有明顯特征，故障與征兆之間并不是線性對應關系，兩者之間存在明顯的非線性，這就給故障診斷增加了極大的困難。因此，研究可靠、適應性強的故障診斷系統(tǒng)已顯得日益重要。人工神經(jīng)網(wǎng)絡具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學習的功能，特別適合于處理需要同時考慮許多因素和條件的、不精確的和模糊的信息處理問題。近年來，逐漸 引起人們的重視，并且用于大型旋轉(zhuǎn)機械的故障診斷。人工神經(jīng)網(wǎng)絡法它不包括任何規(guī)則 ( 相對于專家系統(tǒng) ) ，它是通過訓練，使網(wǎng)絡中的權值變化，最后達到某一穩(wěn)定狀態(tài)，并用訓練好的網(wǎng)絡對故障類

42、別進行判斷。它類似于 人類的形象思維。神經(jīng)網(wǎng)絡技術非常適用于從大量的故障事例中，學會判斷故障，即用 大量故障事例訓練網(wǎng)絡。神經(jīng)網(wǎng)絡在設備故障診斷領域的應用有三個方面：(1) 模式識別的故障診斷網(wǎng)絡(2) 故障預測的神經(jīng)網(wǎng)絡(3) 神經(jīng)網(wǎng)絡與基于知識的專家系統(tǒng)結合神經(jīng)網(wǎng)絡法的優(yōu)點是：并行結構，并行處理，高度的自適應性，很強的自學能力， 極強的容錯性等。但也存在缺點： 如網(wǎng)絡的選取很難， 一般要靠經(jīng)驗： 若隱結點過多， 則網(wǎng)絡過于 “死 板，缺少靈活性， 只對訓練事例聯(lián)想性能好， 而對非訓練事例誤差較大； 隱結點數(shù)過少， 則過于“靈活”，不易收斂。同時需要足夠的學習樣本，才能保證診斷的可靠性。在故

43、障診斷的實踐中，根據(jù)具體情況，應綜合應用上述幾種方法；比如將模糊診斷技術和專家系統(tǒng)結合形成的模糊故障診斷專家系統(tǒng)； 將模糊診斷技術和人工神經(jīng)網(wǎng)絡方 法結合形成的模糊神經(jīng)網(wǎng)絡診斷方法； 將神經(jīng)網(wǎng)絡和專家系統(tǒng)結合形成的神經(jīng)網(wǎng)絡專家 系統(tǒng)；綜合應用模糊技術、 神經(jīng)網(wǎng)絡技術和專家系統(tǒng)形成的模糊神經(jīng)元網(wǎng)絡專家系統(tǒng)等。任何能用傳統(tǒng)的模型分析或統(tǒng)計方法解決的問題， 一般來說用神經(jīng)網(wǎng)絡能處理的更好。人們已提出了三十多種神經(jīng)網(wǎng)絡模型，在這些模型中，常用的模型約有十幾種。目前應用最多的是前向神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡以及把神經(jīng)網(wǎng)絡與模糊診斷相結合的 模糊神經(jīng)網(wǎng)絡等。美國 East Hardford 的 DePold,

44、Hans.R 將統(tǒng)計分析及人工神經(jīng)網(wǎng)絡技 術應用于過濾器來改進數(shù)據(jù)質(zhì)量，田納西大學 （Tennessee Univ.） 將神經(jīng)網(wǎng)絡用于振動 分析，識別潛在故障，并利用神經(jīng)網(wǎng)絡使被歪曲和雜入噪音的數(shù)據(jù)得到提純。 美國 Stress Technology. Inc. 的 Roemer,M.J 把神經(jīng)網(wǎng)絡和模糊邏輯技術應用于旋轉(zhuǎn)動力有限元模 型，所形成的實時系統(tǒng)可以預測關鍵部件的壽命。華中理工大學的何耀華用一種自組織 神經(jīng)網(wǎng)絡模型與多個單一故障診斷的 BP 網(wǎng)絡一起完成故障診斷的協(xié)同推理，申韜則把 一系列 BP 子網(wǎng)絡進行集成，以解決故障分類問題。臧朝平、何永勇也分別提出了多網(wǎng) 絡、多故障的診斷策略

45、，西安交通大學的張小棟則研究了主從混合的神經(jīng)網(wǎng)絡模型。東 南大學把神經(jīng)網(wǎng)絡應用于軸心軌跡識別進行故障診斷。同時，神經(jīng)網(wǎng)絡還被應用于動靜 碰磨診斷、通流部分熱參數(shù)診斷、機組性能診斷、凝汽器的診斷和熱力系統(tǒng)的建模等。近來人們對神經(jīng)網(wǎng)絡的研究主要有以下幾個方面 :（1）新人工神經(jīng)網(wǎng)絡的模式開發(fā) ;（2）人工神經(jīng)網(wǎng)絡性能改進 ;（3）人工神經(jīng)網(wǎng)絡特性分析與理論研究 ;（4）人工神經(jīng)網(wǎng)絡的應用研究。2.4.2 專家系統(tǒng)專家系統(tǒng) （Expert System ） 是利用知識和基于知識的推理過程模擬領域?qū)＜医鉀Q問 題的方式對診斷對象存在的故障進行診斷： 它的實質(zhì)是應用大量人類專家的知識和推理 方法求解復雜實

46、際問題的一種人工智能計算機程序，它具有啟發(fā)性、透明性、靈活性等 特點，是一種高級推理系統(tǒng)。典型診斷專家系統(tǒng)如圖 2-2 。專家系統(tǒng)按其側(cè)重點不同， 大致可分為基于推理的專家系統(tǒng)和基于知識的專家系統(tǒng) 等。在專家系統(tǒng)中，專家知識的學習、獲取，以及知識庫的建立是關系到診斷準確性的 重要環(huán)節(jié)。專家系統(tǒng)的核心主要包括以下幾個部分 : 知識庫、知識獲取部分、推理機、解釋部 分。多數(shù)專家系統(tǒng)都是在以上幾個部分的基礎對之加以細化，并采用適當?shù)闹R組織、 調(diào)度策略進行建構的。專家系統(tǒng)中的知識是解決診斷問題的各種信息的總和， 專家系統(tǒng)的診斷能力就取決于它所擁有的知識的數(shù)量和質(zhì)量。根據(jù)知識的分類專家系統(tǒng)可分為基于淺

47、知識（專家經(jīng)驗知識）故障專家系統(tǒng)和基于深知識（診斷對象模型知識）的故障專家系統(tǒng)。根據(jù)在診斷 過程中起的作用診斷知識分為三類：事實（知識庫）、診斷規(guī)則（推理機）及策略（解 釋部分）。事實：是描述診斷對象當前狀態(tài)的知識，是對故障各種特征值的定性或定量描述， 在汽輪機組專家系統(tǒng)中我們稱它為故障征兆。診斷規(guī)則：是對故障原因與事實之間的因果關系所作的判斷。決策知識：是發(fā)生故障時是否應該或采取怎樣的處理措施。于文虎、倪維斗、張雪江、鐘秉林、韓西京、劉占生、何濤等人分別就知識范圍的 界定、知識的處理、知識的獲取、機器對知識的自學習以及知識庫的維護等進行了研究。圖2-2典型診斷專家系統(tǒng)專家系統(tǒng)在診斷工作中存在

48、的主要問題是：（1）專家系統(tǒng)診斷準確率的高低，主要取決于知識庫中知識的多少及正確率的大 小，其成功與否與領域?qū)＜业慕?jīng)驗有關。（2）當系統(tǒng)很大時，規(guī)則的維護較為困難（3）知識的獲取與學習是難度很大的問題面對當前越來越復雜、先進、自動化的機械設備，其組件更復雜化，故障發(fā)生的形 式和產(chǎn)生故障的原因更多，即所謂的“知識爆炸” ，所以，“知識瓶頸”問題是故障診斷 專家系統(tǒng)的一大難題。2.4.3 模糊診斷技術模糊診斷是用隸屬函數(shù)表示振動量的綜合評判方法。借助常規(guī)譜分析的結果，應用模糊數(shù)學進行模糊診斷的做法是：建立故障的模糊向量D=X1,X2.Xn和征兆（特征 頻率分量）的模糊向量SY1、Y2Yn,通過試驗

49、研究，可以找到模糊關系矩陣R， 使D=RS,模糊診斷的目的是通過S，診斷D。對于復雜系統(tǒng)建立正確的模糊規(guī)則與隸屬函數(shù)非常困難， 這是因為由于系統(tǒng)的復雜 性由時域、頻域特征空間到故障模式空間的映射關系十分復雜，隸屬函數(shù)形狀復雜，選 定合適的隸屬函數(shù)是一項艱難的工作。同時確定模糊關系矩陣要作大量的試驗研究工 作。2.4.4 診斷策略診斷策略的研究還有：模糊診斷用于振動故障診斷、用于層次模型、用于模式識 別、用于轉(zhuǎn)子碰磨診斷、 用于通流部分熱參數(shù)診斷的研究； 模糊關聯(lián)度用于多參數(shù)診斷； 灰色理論用于故障診斷；概率分布干涉模型用于診斷；相關維數(shù)用于低頻噪聲診斷等的 研究。2.5 診斷決策當識別故障之后

50、，必須進一步對設備的異常或故障及其危險程度作出評價，以便研 究和確定維修的具體的形式， 即所謂的診斷決策。 機械維修方式是指對維修時機的控制。 它主要分為事后維修、計劃維修和預知維修三部分。設備故障診斷技術與當代前言科學的融合是設備故障診斷技術的發(fā)展方向。 當今故 障診斷的發(fā)展趨勢是傳感器的精密化、多維化，診斷理論、診斷模型的多元化，診斷技 術的智能化，具體說來表現(xiàn)在：（1）與當代最新傳感器技術尤其是激光測試技術的融和。2）與最新信號處理方法的融和3) 與非線性原理和方法的融合。4) 與多傳感器技術的融和。5) 與現(xiàn)代智能方法的融和。第三章 目前診斷系統(tǒng)存在的問題隨著計算機技術、現(xiàn)代測試與信號

51、分析處理技術和人工智能技術的發(fā)展，設備故障 診斷技術已經(jīng)取得了很大的進展， 人們已經(jīng)研究開發(fā)出了一些較為成熟的診斷方法和診 斷系統(tǒng)。但是，目前國內(nèi)的各種故障診斷系統(tǒng)在現(xiàn)場工程實際應用中還存在許多不足。都是一些教科書式的理論升華，很少應用于實踐，更別說指導實踐。油膜渦動頻率 的 0.42n-0.48n 最早是在實踐中發(fā)現(xiàn)的，動靜碰磨的 FFT 連續(xù)譜、時域波形中的尖峰毛 刺，是在實驗臺上發(fā)現(xiàn)的，對中找正不良出現(xiàn)的 2、3 倍頻也是實踐中發(fā)現(xiàn)的。（1） 目前國內(nèi)的故障診斷技術的研究重點放在了對故障模型的建立與診斷技術中 數(shù)學算法的研究上，比如神經(jīng)網(wǎng)絡模型的如何選取，神經(jīng)網(wǎng)絡的快速算法等，但對診斷

52、系統(tǒng)如何在現(xiàn)場實際中達到實用考慮不多，偏離了故障診斷的最根本的實質(zhì)，影響了故 障診斷技術在現(xiàn)場的應用推廣。（2）目前國內(nèi)的故障診斷系統(tǒng)未能很好地與現(xiàn)場有豐富故障處理經(jīng)驗的專家進行 結合；同時診斷系統(tǒng)所包含的知識范圍不夠不足以對現(xiàn)場的振動故障進行準確的診斷。（3）目前的故障診斷系統(tǒng)常常只是進行到故障類型識別這一部分，不能確定故障 的具體位置，對故障機理的分析不夠透徹，缺少對設備狀態(tài)的綜合評價、故障趨勢的預 測、設備運行知道和維修決策等方面的綜合功能。（4）在診斷方法和診斷系統(tǒng)的開發(fā)研究方面投入的精力較多，而對故障機理的研 究投入的精力相對來說少了一些。（5）國內(nèi)在診斷軟件的開發(fā)方面進展很大，但是

53、沒有統(tǒng)一、規(guī)范的軟件標準，沒 有標準的開發(fā)環(huán)境。（6）現(xiàn)有的診斷系統(tǒng)的診斷過程是非“自主”的。目前已開發(fā)出來的診斷系統(tǒng)， 大多數(shù)是在人工參與下的輔助診斷系統(tǒng)，其診斷過程需要人員的參與和照料，因此，這 樣的診斷系統(tǒng)是非“自主”系統(tǒng)。這大大降低了診斷系統(tǒng)的實用性。（7）檢測手段汽輪機故障診斷技術中的許多數(shù)學方法， 甚至專家系統(tǒng)中的一些推理算法都達到了 很高的水平，而征兆的獲取成為了一個瓶頸，其中最大的問題是檢測手段不能滿足診斷 的需要，如運行中轉(zhuǎn)子表面溫度檢測、葉片動應力檢測、調(diào)節(jié)系統(tǒng)卡澀檢測、內(nèi)缸螺栓 斷裂檢測等，都缺乏有效的手段。（8）材料性能 在壽命診斷中，對材料性能的了解非常重要，因為大多

54、數(shù)壽命評價都是以材料的性 能數(shù)據(jù)為基礎的。但目前對于材料的性能，特別是對于汽輪機材料在復雜工作條件下的 性能變化還缺乏了解。（ 9） 復雜故障的機理 對故障機理的了解是準確診斷故障的前提。目前，對汽輪機的復雜故障，有些很難 從理論上給出解釋，對其機理的了解并不清楚，比如在非穩(wěn)定熱態(tài)下軸系的彎扭復合振 動問題等，這將是阻礙汽輪機故障診斷技術發(fā)展的主要障礙之一。（10） 人工智能應用專家系統(tǒng)作為人工智能在汽輪機故障診斷中的主要應用已經(jīng)獲得了成功， 但仍有一 些關鍵的人工智能應用問題需要解決，主要有知識的表達與獲取、自學習、智能辨識、 信息融合等。（11） 診斷技術應用推廣面臨的問題我國汽輪機診斷技

55、術在現(xiàn)有基礎上， 進一步推廣應用面臨的主要問題是研究開發(fā)機 制和觀念問題、診斷技術與生產(chǎn)管理的結合問題。機制和觀念問題主要表現(xiàn)在：研究機 構分散，不能形成規(guī)模化效應；重復性研究過多，造成人力、物力的浪費；技術研究轉(zhuǎn) 化為應用產(chǎn)品的少；系統(tǒng)研究連貫性差，因而系統(tǒng)升級困難；應用系統(tǒng)的維護與服務得 不到保證等。診斷技術與生產(chǎn)管理結合不好，表現(xiàn)在各種技術的相互集成性不好，與生 產(chǎn)管理相孤立，不能創(chuàng)造預期的效益，使電廠失去信心。第四章 今后大型機組故障診斷技術的發(fā)展大型火電機組的故障診斷要求較高的快速、準確、高教、實時性。但縱觀目前國內(nèi) 外各種振動故障診斷系統(tǒng)，均還不能達到這種要求，現(xiàn)場中出現(xiàn)的大量振動故障主要還 是依靠有豐富經(jīng)驗的專家來進行診斷與處理， 如何開發(fā)現(xiàn)場實用性高的診斷系統(tǒng)是今后 故障診斷系統(tǒng)開發(fā)和應用的方向。4.1 故障機理的深入研究任何時候，故障機理的深入研究都將推動故障診斷技術的發(fā)展。故障機理的研究將 集中在對漸發(fā)故障定量表征的研究上， 研究判斷整個系統(tǒng)故障狀態(tài)的指標體系及其判斷 閾值將是另一個重要方向。4.2 傳感技術的研究各種新型傳感器的應用，如光學傳感器、光纖傳感器、化學傳感器等，特別