基于形态成分分析的汽轮机转子早期碰摩微弱故障诊断

王志刚,王宏超

(1.安阳工学院 机械工程学院 河南 安阳 455000; 2.郑州轻工业学院 机电工程学院,河南 郑州 450002)

基于形态成分分析的汽轮机转子早期碰摩微弱故障诊断

王志刚1,王宏超2

(1.安阳工学院 机械工程学院 河南 安阳 455000; 2.郑州轻工业学院 机电工程学院,河南 郑州 450002)

作为电力行业的关键咽喉设备-汽轮机,对其早期微弱故障进行有效诊断有着重要的安全及经济意义.汽轮机发生早期动静碰摩故障时信号主要为转子工频成份及转子与支撑间碰摩所致瞬态冲击信号成份.据形态成分分析的原理,分别构建正弦基及冲击原子库,对故障信号进行匹配分析,进而实现转子早期动静碰摩信号工频成份与瞬态冲击成份的有效分离,对碰摩故障进行模式识别.通过仿真信号及转子碰摩实验信号验证形态成分分析方法在转子早期碰摩故障诊断中的有效性.

形态成分分析; 汽轮机; 转子碰摩; 故障诊断

0 引言

汽轮机往往是电力行业的关键咽喉设备,一旦发生故障不但会造成严重的经济损失,而且还有可能造成严重的人员伤亡事故.为提高汽轮机的转速,汽轮机转子与支撑轴承的间隙往往非常小,以致非常容易造成转子动静碰摩故障的发生,若能对转子的早期碰摩故障进行有效的诊断,就能防患于未然,进而实现经济与安全效益的最大化.对于转子的动静碰摩已经有相当的文献报道[1-3],就针对汽轮机转子的动静碰摩鲜有研究.形态成分分析(Morphological Component Analysis,MCA)[4]是近几年刚刚发展起来的基于稀疏表征和形态差异性的信号表征方法,它是由稀疏表征基础理论发展而来,并在图像纹理分离和修复、脑电信号分析等领域迅速得到了应用[5,6].在机械故障诊断中,不同的振源反应到信号中的结构往往存在一定的差异,如旋转机械中常见的谐波成分、冲击成分及其他瞬态成分等,这些多成分的共存导致原始信号较为复杂,给故障特征提取带来了难度.形态成分分析的基本思想就是基于信号内部不同结构的形态相异性,通过构建不同类型的字典稀疏表示不同的信号结构分量,进而实现不同形态成分的分离.

1 形态成分分析

对于任意包含K个不同结构分量的信号s,我们期望找到它在所有字典Φk下的最稀疏表达:

(1)

由于字典Φk原子的单一性,可用其高效表达信号中的某一成分,而无法有效表达其他成分,则式(1)优化问题的求解保证了信号各个成分的分离.根据稀疏分解相关理论,式中的l0范数问题是非凸的难以实际求解,将l0范数替换为l1范数则可以将式(1)优化问题通过线性规划求解,且l1范数可以保证解的稀疏性:

(2)

放宽式(1)的约束条件,我们可以得到:

(3)

(4)

对于式(4)的优化问题存在一种快速数值求解算法Block-Coordinate Relaxation Method,具体可参看文献[7],在此不再赘述.

基于Block-Coordinate Relaxation Method,式(4)的优化问题求解可转化为如下数值算法:

(1) 设定迭代次数Lmax,阈值δ=λ·Lmax,初始化形态分量sk=0,k=1,…,K;

(2) 执行K次循环:更新形态分量sk,假定其他形态分量sl,l≠k确定:

—计算稀疏系数αk=Tkr

(3) 更新阈值δ=δ-λ;

(4) 如果δ>λ则返回步骤2,否则算法结束.

2 实验

图1是某企业汽轮机正常运行时所采集到振动信号的时域波形图,汽轮机转子转速为3 000 r/min.使用郑州恩普特设备诊断科技股份有限公司研制的PEDS-F仪器对振动信号进行采集,配以位移传感器.信号采样频率fs=2560 Hz.取前2560个点进行分析.由图1可以看出,其波形图基本为正弦,符合转子正常运行的理论特征.

图1 正常转子时域图Fig.1 The time waveform of normal state

转子发生早期微弱碰摩故障时的时域波形图见图2.由图2看出,转子正常运行的正弦特征已不存在,而由碰摩所致瞬态冲击成分不明显,由该波形图上较难判断转子是否发生碰摩故障.采用本文所述方法对图2信号进行分离,结果见图3.图3(a)为故障信号正弦成分,主要为转子工频成分;图3(b)为瞬态冲击成分,经计算两冲击峰值间隔约为0.02 s;图3(c)为分解余项,主要为背景噪声等成分.

为突出所述方法的优越性,以下将给出基于总体经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)的分析结果.EEMD是经验模态分解(Empirical Mode Decomposition,EMD)方法的延伸.EEMD相对于EMD方法不仅保留了其原有的所有优点,而且还克服了EMD方法固有的频混现象的弊端,分解精度更高.

图2 转子动静碰摩时域图Fig.2 The time waveform of rub-impact state

图3 故障信号分解结果Fig.3 The separation result of the rub-impact fault signal

图4是汽轮机转子碰摩故障信号(即图2)基于EEMD的分解结果,相对于所述方法的分析结果,效果相差甚远.说明了所述方法的优越性.

3 结论

利用形态成分分析方法可以实现复杂故障信号中不同结构成分的分离,进而提高故障探测的准确性.与基于传统方法相比,它能充分利用信号内部的结构特征,不存在因频带重叠等带来的困扰.基于此,提出了基于MCA的汽轮机转子早期碰摩微弱故障信号的故障诊断方法,为汽轮机转子动静碰摩故障诊断方法研究提供有益参考价值.

图4 EEMD分解结果Fig.4 The decomposition results by EEMD

[1] Chu Fulei,Lu Wenxiu.Experimental observation of nonlinear vibrations in a rub-impact rotor system [J].Journal of Sound and Vibration 283(2005)621-643.

[2] Cheng Junsheng,Yu Dejie,Tang Jiashi,et al.Local rub-impact fault diagnosis of the rotor systems based on EMD[J].Mechanism and Machine Theory,2009(44):784-791.

[3] Li Yungong,Zhang Jinping,Wang Liqiang,et al.A fault feature extraction method for rotor rubbing based on load identification and measured impact response[J].International Conference on Advance in Engineering,Procedia Engineering,2011(24):793-797.

[4] BOBIN J,MOUDDEN Y,STARCK J-L.Enhanced source separation by morphological component analysis;proceedings of the Acoustics,Speech and Signal Processing[A].2006 ICASSP 2006 Proceedings 2006 IEEE International Conference on,F,2006[C].IEEE.

[5] ELAD M,STARCK J L,QUERRE P,et al.Simultaneous cartoon and texture image inpainting using morphological component analysis(MCA)[J].Appl Comput Harmon A,2005,19(3):340-58.

[6] YONG X,WARD R K,BIRCH G E.Generalized morphological component analysis for EEG source separation and artifact removal[A].proceedings of the Neural Engineering,2009 NER′09 4th International IEEE/EMBS Conference on,F,2009 [C].IEEE.

[7] DONOHO D L,JOHNSTONE J M.Ideal spatial adaptation by wavelet shrinkage [J].Biometrika,1994,81(3):425-55.

Early rub-impact fault diagnosis of turbine rotors based on morphological component analysis

WANG Zhi-gang,WANG Hong-chao

(1.AnYang Institute of technology,School of mechanical engineering,Henan Anyang 455000,China;2.Zhengzhou light industry institute,School of mechanical electricity,Henan Zhengzhou 450002,China)

As a key equipment for electric power industry, effective diagnosis on early rub-impact faults from turbine rotors possesses safety and economic significances. When the early rub-impact faults occur in rotor system, the vibration signals are mainly composed of periodic components of rotor rotation frequency and transient impulse signal components of rub-impact between rotor and bearing. Firstly, the sine-based and impulse-based dictionaries are respectively established based on morphological component analysis (MCA) theory. Then, these dictionaries are used to match the sine and impulse components. Finally, the early rub-impact vibration signals are effectively decomposed into two major components. Therefore, the feasibility and effectiveness of this method are verified using simulation and testing.

morphological component analysis; turbine; rotor rub-impact; fault diagnosis

王志刚(1977-),男,讲师,硕士.E-mail:hongchao1983@126.com

TH 212; TH 213.3

A

1672-5581(2016)06-0545-03