浅谈水轮机振动故障诊断分析方法

熊联英

（西华大学 能源与动力工程学院，四川 成都 610039）

0 引言

系统故障诊断算法是水电机组故障诊断最重要的研究方向之一，现阶段系统故障诊断算法的研究内容是对现有的诊断算法不断优化，不断提高诊断的精确度和效率，使其更有效的运用于水轮机组系统故障诊断工程实际问题中。现有的相对成熟的智能诊断算法有:故障树诊断、因果分析、支持向量机、模糊诊断、粗糙集理论等[1]。而在振动信号里也包含了相当多的水轮机状态特征信息，因此，水轮发电机组振动信号的研究对于系统故障的检测和排查有着十分重要的现实意义。

1 振动的危害[2]

水轮机组振动时可能会带来的危害：（1）造成机组的紧固部件松动，严重时会断裂，使用寿命急剧缩短。（2）机组零部件造成疲劳损坏区，时间久会产生裂缝，甚至报废。（3）水轮机组的共振，如机组设备与厂房的共振，可能会破坏厂房及里面的各种设备。（4）水轮发电机振动会让机组旋转局部磨损愈加严重。（5）尾水管中会产生涡流脉动压力，管壁会因压力而开裂，甚至破坏整个尾水设施系统。

2 水轮发电机组振动的分类及原因[3]

按照振动的产生部位，分为建筑基础振动、机架和支座振动以及轴系振动。根据振动的产生原因，分为机械振动、水力振动和电气振动。引起振动的原因如表1所示：

表1 引起振动的因素

由表1可知引起水轮机振动的原因具有多样性和复杂性，尤其以水力因素为主。因此，选择适当的智能故障诊断方法代替人为经验诊断故障更高效，也从一定程度上减少了水电厂检修的费用。

3 主要故障诊断方法的种类及优缺点

故障诊断分析方法已经成为了水轮发电机组系统故障诊断的重要环节。如果让工作人员仅靠人为工作经验去查找出振动出现的原因，不仅会耗费大量的人力物力，而且停机会降低水电站的收益。尽管水电站水轮发电机组的振动具有渐变性、复杂多样性、不规则性等特点，但是当代科学信息技术和相关理论的也在快速发展，许多基于不同原理的诊断方法已初步运用或运用于水电站水轮机振动故障诊断领域。

3.1 故障树诊断法及优缺点

故障树分析简称FTA，是系统进行安全问题分析研究方法中得到广泛应用的一种教学方法。故障树诊断法使用的是逻辑树图，可以直观清晰地描述事故的因果关系，分析出系统中不希望出现的状态。但是如果对故障出现的原理不太清楚，构造故障树的难度就会增大，且故障概率的准确获取比较困难[4]。

3.2 因果分析诊断法及优缺点

因果分析诊断法能够按故障以及故障造成的结果两者之间的因果关系来进行诊断，也是其他条件都满足的情况下，在诸多故障诊断分析方法中优先选用的一种方法。因其是建立在阅历和尝试的基础之上的，故很容易地会受人为主观因素的影响，最终导致在线实时诊断失败。

3.3 人工神经网络诊断法及优缺点

人工神经网络诊断的精髓是模拟大脑神经系统的结构和认知功能的数学模型。可联想储存、自学习、高速寻找优化解，具备很强的自适应性、鲁棒性和容错性[5]，当网络输入新故障状态时能够对故障做出正确的响应，以达到对故障的准确辨识和定位，让神经网络在完成高度非线性和严重不确定系统的控制方面有了可能。

但该方法的智能诊断性能和推理能力会受到所选数据样本大小的限制。并且不可避免地也会面临以下难题：（1）很难去获取训练的样本。（2）忽略领域专家的诊断常识。（3）很难理解权重方式的表达。

3.4 故障诊断专家系统诊断法及优缺点

专家系统是利用某领域中一个或多个人类专家提供的知识和推理方法求解实际生活中困难问题的人工智能计算机程序，它也是人工智能运用研究领域中最活跃、最普遍的分支之一[6，7]。它具有学习能力，可以根据权威性的知识采用合适的策略，利用专家知识处理很难用数学模型描述的系统故障诊断问题，在此过程中的推理、判别、论断的过程均可被智能计算机记忆保留下来，使诊断的可信度和权威性得到提高。但专家系统故障诊断分析方法也面临以下问题：（1）信息量少；（2）缺乏系统性和综合性的诊断方法；（3）出现故障模型建立不准确的概率相对于其他几个诊断方法相对较大，会直接影响诊断的准确率；（4）系统在诊断过程中存在不稳定现象；（5）由于振动的复杂性等诸多因素，对水电厂水轮机组的故障机理研究起来很困难。因此，在实际运用中，还存在着一定的限制性和弊端。

3.5 模糊逻辑诊断法故障诊断及优缺点

模糊逻辑诊断法是一种运用模糊逻辑来描述故障产生的原因及故障出现的现象两者之间的模糊关系，通过用隶属度函数和模糊关系方程让故障产生的原因与状态辨别问题得到很好处理的方法[8，9]。为消除诊断过程中的产生的不确定和不完整的信息，使其更接近故障的客观本质，就需要全面精确地表示出一个具有模糊特性的征兆和故障特性，即只需找出某些征兆的隶属度来求出其他各种故障原因的隶属度。对于处理不确定性问题时，模糊知识库可以利用语言变量来表达更多解决方案且更易于理解的专家经验，并且可以按照这些方案的模糊度进行优先级排序。

然而,在复杂的诊断系统中,当没有合适的途径获取相对准确的隶属函数和模糊规则或者包含未知信息过多时，此方法是无效的。另外，使模糊逻辑诊断法在复杂信息系统中的应用发展受限还有以下原因：（1）很难去建立与辨识模糊数字模型；（2）获取、遗忘和修改语言规则的理论与方法还相对薄弱。

3.6 粗糙集理论

粗糙集理论是一种已经广泛运用于模式识别、机器学习、故障诊断和决策分析等诸多领域的数据分析处理理论。在实际诊断中的一般情况下，可以将粗糙集理论与神经网络系统两者结合起来运用，对信息的预处理可先运用粗糙集理论，再建立与之相匹配的神经网络诊断系统，可有效降低诊断系统的复杂性。例如：对水轮机组系统振动故障获取的样本集就可运用粗糙集理论方法进行预先处理，在预处理过程中会自动过滤掉对诊断无用的信息，从而使训练的样本集被简化，提取出对系统故障诊断影响最严重的几个特征量[10]，在神经网络结构得到精确简化后可直接提取诊断规则，因此，系统的复杂性被降低。

3.7 遗传算法

遗传算法拥有隐含的并行性并且可以对全局信息进行有效利用，利用种群的适应度信息，从任一解出发，通过一系列相对简单的复制、交叉和变异操作，全局最优解就可以在短时间内以相对比较的概率被找到，是一种智能优化算法。将此算法与BP网络相结合，不仅可以发挥神经网络本身所具有的出色的泛化和映射能力，还能使神经网络具备本来没有的较快的收敛速度和较强的学习能力，全局优化的性能得以体现，提高普遍性，并增加应用广度。但遗传算法,在水轮机组振动故障诊断领域中的应用仍然比较少见。

4 未来发展的趋势

水轮发电机组的故障诊断会不断地与新时代最新传感器技术比如激光测试技术、最新信号处理方法、多元传感器信息、现代人工智能和网络技术相融合。

5 结语

为了尽量满足水电厂由计划检修到状态检修发展的实际需要，需要加大相关技术的研发，不断优化我国故障诊断信息系统，使其变得更加的智能化、多元化和高效化。伴随着当今传感器技术的飞速发展，水轮机振动故障诊断技术水平在一直在提高。故而采用效果良好的振动检测技术，提高水轮发电机组系统中水轮机振动故障诊断和处理水平，将其控制在合格范围内，对水轮机正常运转和提高整个水力发电站的效益具有十分重要的意义。