[发明专利]转子突变振动故障定位方法及系统

说明书

本发明公开一种转子突变振动故障定位方法及系统，包括：步骤1、记录转子两端同一方向上振动突变前的振动向量和突变后的振动向量和步骤2、计算振动变化量步骤3、对振动变化量和进行谐分量分解其中的相位角为α，的相位角为β；步骤4、若α‑β≈90°或α‑β≈‑90°，则说明振动故障点靠近A侧；若远大于1，则说明振动变量以同向分量为主，则相应的故障点位于转子中间部位。本发明采用对转子故障前后的振动变化量进行谐分量分解，从而得到的相位角为α，的相位角为β，根据相位角判断故障点，整个计算过程简单，定位准确。

技术领域

本发明涉及汽轮机机械振动故障分析技术领域，具体来说是一种转子突变振动故障定位方法及系统。

背景技术

当汽轮机发生振动故障时，往往会导致一些不良后果产生，使汽轮机正常的运行和生产受到较大的影响，甚至会导致汽轮机整体发生毁坏的情况。当机组出现一些振动故障的时候，不仅要判断故障的性质，还要对故障点在转子的轴向和周向位置进行定位。

对于一些突变振动的诊断定位，不仅能对故障的性质判断提供辅助判据，对于发电机转子匝间短路等隐蔽故障的定位，也能为机组检修指引方向，避免检修范围的无谓扩大。而目前技术近能够检测转子存在故障，缺无法精确判定故障点。如申请号为202110668493.6公开的基于小波-灰度共生矩阵的发动机转子碰磨故障诊断方法，解决传统方法存在故障识别精度较低，神经网络方法对样本及硬件要求较高、训练较为繁琐的问题。具体步骤为：1)采集发动机碰摩数据；2)对发动机碰摩数据进行小波变换，得到振动信号小波变换图；3)将振动信号小波变换图转化成灰度图，并提取灰度图的灰度共生矩阵图像特征量，构造特征向量；4)对特征向量设置标签，并将特征向量分割为训练集和测试集；5)将训练集输入到机器学习算法支持向量机中进行训练，获得训练好的支持向量机；6)将测试集输入到训练好的支持向量机中，实现发动机转子碰磨故障诊断。该方法虽然能够解决故障诊断的问题，但是无法定位故障位置。

发明内容

本发明所要解决的技术问题在于如何快速定位转子故障位置。

本发明通过以下技术手段实现解决上述技术问题的：

转子突变振动故障定位方法，对称转子包括转子、对称固定在所述转子上的多个级别叶片、支撑点A、B；所述支撑点A、B分别对转子的两端提供支撑；假设某个级别叶片发生脱落，则故障点位置的判定方法为：

步骤1、记录转子两端同一方向上振动突变前的振动向量和突变后的振动向量和

步骤2、计算振动变化量

步骤3、对振动变化量和进行谐分量分解其中的相位角为α，的相位角为β；

步骤4、若α-β≈90°或α-β≈-90°，则说明振动故障点靠近A侧；若远大于1，则说明振动变量以同向分量为主，则相应的故障点位于转子中间部位。

本发明采用对转子故障前后的振动变化量进行谐分量分解，从而得到的相位角为α，的相位角为β，根据相位角判断故障点，整个计算过程简单，定位准确。

进一步的，同一转子上另一个方向上的振动，依据步骤1～步骤4计算并判断。

进一步的，所述步骤4中，当α-β≈90°时，故障位置为其中脱落点距离A侧加重平面为L_a，支撑点A、B两侧加重平面的轴向距离为L，为同向分量影响系数，为反向分量影响系数。

进一步的，所述步骤4中，当α-β≈-90°时，故障位置为

与上述方法对应的，本发明还提供一种转子突变振动故障定位系统，对称转子包括转子、对称固定在所述转子上的多个级别叶片、支撑点A、B；所述支撑点A、B分别对转子的两端提供支撑；假设某个级别叶片发生脱落，则故障点位置的判定系统包括：

转子突变前后振动向量记录模块，用以记录转子两端同一方向上振动突变前的振动向量和突变后的振动向量和