基于Vue的汽轮机轴振智能监测系统

哈尔滨汽轮机厂有限责任公司发电设备国家工程中心 尉坤 初世明 郑宏伟 张亦宁

1 引言

汽轮机是一种大型的蒸汽式旋转动力装置，是煤电、核电、燃气、烟气、蒸汽及太阳能光热发电机组的关键设备。汽轮机具有功率高、造价低廉、经济效益高、运行安全可靠等特点。随着国家经济的持续发展，居民用电需求不断加大，机组的额定功率不断升高，必然会导致汽轮机的复杂性不断升高。汽轮机作为机组的重要组成部分，对运行状态进行实时监测及诊断故障问题成为汽轮机运维领域具有挑战性的重要研究课题[1]。

汽轮机在运行过程中会产生振动信号，这种信号能够反映出机组的运行状况，也能够反映出设备在维修安装等过程中出现的各种问题和故障。振动故障一旦发生，将会造成一系列不良后果，影响机组的运行和生产，严重的振动甚至会造成整机的损坏。因此，对汽轮机的振动信号进行实时监测，针对汽轮机产生的故障做出正确诊断，对确保机组的正常运行，保证电厂的经济效益具有深远的意义[2]。

汽轮机常见的控制系统有DEH 系统、TSI 系统、DCS 系统等，不同系统从运行环境中收集到的数据各不相同。其中，DCS 系统是现今电厂中较为常用的运行维护管理系统，DCS管理系统涉及电脑、通信、显示和管理4 个方面，其特色是集中管理，上级监控和分散管理[3]。DCS 系统由硬件控制器、运维系统、操作节点、控制站等组件构成，其功能较为全面，在电厂运行中起到了很大的辅助功能作用。由于汽轮机的工作环境通常较为恶劣，且DCS系统通常只针对单个机组，对系统的维护以及现场数据的实时监测功能构成了挑战。因此，对汽轮机的实时运行数据进行获取并显示，利用获取汽轮机的运行数据对设备进行故障诊断成为了当下研究的热点。

随着人工智能，互联网技术、工业自动化技术的快速发展，根据整个发电设备制造行业的国内外发展趋势，研发汽轮机智能控制设备和智能控制系统是适应整个行业的发展要求，更是储备自身核心技术为持续进行前沿技术的研究提供技术支持[4]。

2 数据获取与信号分析

2.1 数据获取

汽轮机的热力系统较为复杂，其运行状态由多种运行参数决定。随着近年机组装机容量不断增大，机组结构趋于复杂，生产数据量级和参数类型的不断提升，导致传统建模方法无法准确反映机组运行状态。存储于机组DCS 和TSI 系统中的海量历史运行数据，可以准确反映出机组的运行状态，能够较好地反映出机组运行特性[5]。通过多组传感器（振动传感器、温度传感器、压力传感器、热膨胀位移传感器等）来获取不同类型的数据，并最终收集到控制系统中，这些监测数据有着测点多、数据量大的特点。为了满足本系统后续数据监测的需要，从机组DCS 或TSI 系统中获取相关特征参数，具体的汽轮机参数选取见表1。

表1 汽轮机参数选取

2.2 数据重构

汽轮机组DCS 或TSI 系统中调取的振动数据频率为6.4kHz，且系统中存储的振动信号等数据包括机组各种不同运行工况（稳定运行、负荷变动、停机、试验等）数据，这会对基于Web端的轴振智能监测系统造成较大的存储压力。为方便现场操作人员使用，减少系统的存储压力，需要对收集到的数据进行重采样处理，以获得合理、准确和合适的数据集。

重采样方法是汽轮机系统中常用的数据处理方法，主要目的是解决采样频率和输出数据频率不一致的问题，平衡多类和少类样本的比例。根据两类样本数量的分布，可以分为欠采样和过采样。本系统中需要对工况数据进行欠采样处理，步骤如下：

重采样后的输入数据如图1所示。

图1 重采样后的输入数据

读取输入数据包的转速，将转速转化为输入数据频率；将输入数据频率取倒数，即为机组在该转速下的旋转周期；记录该转速4 个旋转周期所需总时间；对输入数据进行欠采样，等间隔地选取输入数据，如果某一时间点没有数据，则选取其距离最近的点，最终保存在系统数据库中。

3 轴振数据频域分析

上文中得到了经过重采样之后的数据，现需要对这些数据进行频域分析，最终在监测系统中页面进行展示。

本系统中主要用到的频域分析方法为快速傅里叶变换（FFT）算法，FFT 是一种常见的频域分析方法，其本质是傅里叶变换，傅里叶变换的根本目的是将时域信号转为频域信号，得到信号的频谱密度函数，最终揭示输入信号中信号强度和频率的相关性。

传统傅里叶变换分为两种，连续傅里叶变换（CFT）和离散傅里叶变换（DFT），在实际运行环境下，由DCS 系统采集的信号在时域中是离散的，故采用DFT来进行频域分析。传统DFT的式为：

式中，N为序列长度；x(n)为输入时域信号；W为旋转因子。

FFT是一种能够高效计算DFT的算法，通过将离散时域信号分成奇偶两部分，并分别进行DFT变换，降低算法的时间复杂度，从而可以快速地提取离散信号的频谱信息。时域信号经过FFT 变换后会形成频谱图。

FFT处理前后的数据如图2所示。

图2 FFT处理前后的数据

由图2可知，FFT是一种有效的特征提取方法，在经过数据重采样，频域分析处理后，将最终得到的数据存入到智能监测系统的数据库中，为系统的状态监测提供数据来源。

4 基于Vue的汽轮机轴振智能监测系统设计与开发

本系统以Vue 为项目前端框架（版本3.2.41），后端数据库用PostgreSQL 搭建（版本14.5）。Vue 是一种基于JavaScript 语言，套用于构建用户界面的渐进式框架，具有界面简洁、组件化、 轻量级、 用户体验好等特点；PostgreSQL 是一种对象关系型数据库管理系统，支持大部分SQL 标准，并且提供了许多现代特性包括复杂查询、外键、触发器、视图、事务完整性、MVCC 等，其特点主要包括兼容性较强，支持多类型的客户端接口，方便后期维护。

4.1 系统技术结构

本项目开发主要基于Vue 和elementUI 等组件，使用了Vue-clie，Vue-router，less 样式处理器，故障报警提示页面中主要是使用Websocket 和后端Java 建立通信，实时更新数据。通过less 样式处理器写入样式，把需要显示的文字和数据显示在对应位置，并且在样式中使用了media 媒体查询，当页面分辨率变化的时候，进行样式的调整。本项目使用Vue 的watch 监听路由变化，清除Websocket 产生的缓存，避免页面缓存过多崩溃。使用了Js 的时间函数显示实时时间。项目技术结构如图3所示。

4.2 系统页面展示

本系统利用Vue 框架，websocket 模块，PGSQL数据库等组件，设计了一种汽轮机轴振智能监测系统，将时域数据，频域数据，间隙电压，转速，功率，机组剩余寿命等数据利用多个图形页面展示出来。本系统中主要展示的图形页面包括频谱图、瀑布图、轴心位置图、轴心轨迹图、Bode 图、Polar 图、趋势图等七种，在经过数据处理后，可以对汽轮机的运行状态进行动态展示和实时监测。系统首页和频谱图界面如图4所示。

图4 系统首页和频谱图界面

5 结语

随着工业4.0时代的到来，汽轮机等大型工业设备的智能实时监测，健康管理，智能故障诊断的重要性越来越高。本文结合了电厂对汽轮机实时状态监测需要，提出了一种对汽轮机振动信号的实时状态监测方法，设计了一种基于Vue的汽轮机轴振智能监测系统，对汽轮机的实时状态监测，保障汽轮机正常稳定运行，维持机组寿命，为电厂的生产效益起到了重要的作用。