|
设
备
管
理
网
s
b
g
l
.
j
d
z
j
.
c
o
m
|
|
状态检修对振动分析仪器和系统的特殊要求 |
|
|
状态检修对振动分析仪器和系统的特殊要求 |
|
作者:佚名 文章来源:不详 点击数: 更新时间:2008-9-24 17:32:46 |
|
根据国内外经验,对参与状态检修的振动分析仪器和系统,除要求它们应该具有现行通常的振动监测功能和技术要求外,还应该注意下列两点: (1)系统的开放性 系统应该具有开放性,最关键的是数据格式应该由厂商提供,以便于不同厂家仪器系统之间数据的传输。一个电厂所用的状态检修仪器不可能全部只由一家仪器商供应,不同类型、不同厂家仪器采集的数据向状态检修数据库的传输必须易于实现,且应该避免控制在独家仪器供应商手中。系统软件至少应该运行在windows NT下,如果需要在商家系统之外进行分析,从原数据库获取数据应该十分便利。 (2)采集数据的多样性要求 对设备状况的分析判断,在以振动数据为主的同时,还要利用转速、负荷、轴承温度、油压、主蒸汽温度、压力、膨胀、差胀、真空、轴向位移等多种参数,这些参数可以从MIs上获取,也可以直接从DCS获取。 除此,用于状态检修的在线分析系统还需要计入热成像、超声波、油质颗粒、电流等多种类型的参数,这些参数都应该利用数据传输接口,而不是用手敲键盘,存入到状态检修数据库中。 3、 故障诊断技术以及对状态检修的可支持程度3.1 国内旋转机械故障智能诊断技术现状 状态监测系统获取的信息用于设备状态评估和故障诊断,进而确定最佳检修方式。 故障诊断是对处于工作环境中的设备或系统查明导致系统已经出现的某种功能非正常的性质或原因,判断恶化的程度,评估带病安全运行的持续时间,并确定故障发生的部位。旋转机械故障诊断有两种方式:人工诊断和智能诊断,或者称自动诊断。 人工诊断是基本的方式,直至现在,它仍然是国内外电力设备主要的诊断模式,当今大量的现场实际疑难故障,通常还是由人工进行诊断分析,与过去不同的是测量工具和信号分析手段的更新。 七十年代起,人工智能理论和计算机的发展为故障诊断技术的自动化、智能化提供了重要的先决条件。国内外故障智能诊断理论和技术近二十年得到了广泛的发展,出现了利用软件分析推理并自动给出诊断结论的自动(或称智能)故障诊断系统。 国内智能诊断研究范围一是对理论和方法的研究;二是实际技术和系统的开发与应用研究。根据近年在这一领域发表的论文、参与的人数、获奖的成果以及国家、地方各部门投入的资金看,国内本项研究的发展是迅速而规模庞大的。 当前故障智能诊断的方法有两大类:基于人工智能的专家系统和人工神经网络,前者的标准模式由知识库、推理机和人机接口组成;后者是由简单的处理单元相互连接成的网络,其中应用最多的是前向多层网络,在学习过程采用了BP算法[1];模糊神经网络将神经网络和模糊数学结合起来进行模糊推理诊断[2】。 国内在神经网络、专家系统的研究方面,多年停留在方法的翻版或汇合、算法的改进上,始终未能成功地给出工程性的实用产品来。这种低层次的重复型研究已经成为国内高等院校和有关科研院所进行故障诊断理论研究的定常规范内容。 近年来发表了一些有关小波分析应用于故障诊断的报告,包括利用尺度谱和相位谱来诊断某种特定故障;利用小波或小波包分解与重构将分形用在小波分析中。从所公布的结果看,小波分析有一定的效果,但作为实用性的技术方法,还存在很大差距,需要对多种典型故障的小波特性进行比对研究,需要确定实际机组和实验台转子故障小波特征的异同。 在非线性特征研究方面,有研究振动信号在伪相空间的相关维数,有对碰磨转子进行混沌分叉的数值仿真分析。通过对不同的故障信号时间序列重构伪相空间,可以提取相关维数、分形维数等非线性特征量,得到不同故障的一些定量特征。但从已有的研究结果看,不同故障的这些非线性特征量存在重叠现象,说明该方法本身存有不足之处。另外,在重构相空间过程中时间延迟量和嵌入维数的确定有很大困难,大都采用试算的方法获取,使得上述特征量的计算时间较长,无法满足实时诊断的要求。 事实上,小波、分形及非线性分析方法本身不能称为智能诊断方法。类似于FFT,小波分析也只是一种信号分析工具,只是对非平稳信号分析有优势。但从目前的研究现状看,大多数对小波分析的研究都局限于利用小波分解,将信号细分为各个频段,计算各频段内的能量成分,并将其作为特征向量进而对故障进行分类。对于大量的由频域特征信息就可以定性的故障,这一诊断过程完全可以由成熟的FFT来代替。采用非线性特征分析,真正是舍本逐末。
|
|
资讯录入:admin 责任编辑:admin |
|
|
上一篇资讯: 传感器的特性
下一篇资讯: 数据管理接口 |
|
|
【字体:小 大】【发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口】 |
|
网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!) |
|
|
|
|