一种快速辨识水轮机组转动部件轴心轨迹的方法与流程

1.本发明涉及水轮机组运行状态监测识别技术领域，特别涉及一种快速辨识水轮机组转动部件轴心轨迹的方法。


背景技术：

2.水电站由水力系统、机械系统和电能产生装置等组成，是实现水能到电能转换的水利枢纽工程，电能生产的可持续性要求水电站水能的利用具有不间断性，而为实现对水力资源的可持续利用，目前一般通过进行水电站水库系统的建设，来人为地调节和改变水力资源在时间和空间上的分布，以达到这一目的。
3.现阶段，水电机组核心部件为水轮机转轴系统，据统计大约80％的机组故障都在轴系振动信号中有所反应，异常的振动轻则对设备正常运行产生影响，重则可能造成设备的直接破坏，直接危及水电机组安全稳定运行，甚至引发厂房安全事故，造成严重经济损失。
4.因此有必要对水轮机组振动特性与振动故障之间的关联关系进行研究，使机组发生故障前就能及时准确做出判断，减少停机维修时间，将其应用到水电站水库系统的建设中，促进水电站向无人值班少人值守自动监控发展，同时也更好地保障电能生产的可持续性以及对水力资源的可持续利用。但是如何能从对机组振动信号进行分析，如对轴心轨迹进行分析，进而对可能发生的故障做出准确诊断，需要有一套快速算法来支撑对多测点振动信息序列进行处理，去除系统背景杂余信息，提取能够表征轴心轨迹的特征量，及时评估水电机组转轴系统运行状态，对异常运行工控进行故障诊断，判断故障发生部位、原因和严重程度。


技术实现要素：

5.本发明的目的在于提供一种快速辨识水轮机组转动部件轴心轨迹的方法，从而克服现有技术难以快速识别判断水轮机组在不同工况下运行状态下转动部件的真实轴心轨迹的缺陷。#
6.为实现上述目的，本发明的技术方案为：
7.一种快速辨识水轮机组转动部件轴心轨迹的方法，包括以下步骤：
8.s1.获取原始振动信号数据：
9.按照一定的采样频率采集水轮机关键部件的轴心轨迹振动录波数据，振动录波数据分为 x向和 y向，定义为转轴振动在不同时刻位置信息o(x，y)，设为振动峰峰值；
10.s2.将步骤s1采集的振动录波数据排列为序列，形成原始转轴振动采样序列ok，k序列最大可析构深度；
11.s3.选取小波析构算法和小波重构算法的低通滤波器组和高通滤波器组；
12.s4.对原始转轴振动采样序列通过二元下取样处理,依照离散小波析构算法获得小波析构后的振动采样序列的低频部分和高频部分；
13.s5.对原始转轴振动采样序列通过二元下取样处理,将小波析构后的振动采样序列的低频部分和高频部分进行析构深度为k的变换处理，变换完成后采用小波收缩阈值算法处理 x向和 y向高频部分，获得阈值处理后的 x向高低频序列集和 y向高低频序列集；
14.s6.将阈值处理后的 x向高低频序列集和 y向高低频序列集做二元上插值处理，采用小波变换重构算法进行重构；
15.s7.步骤s6重构处理后得到的新振动序列，选择特定的小波基函数，以及适合原始转轴振动采样序列的阈值处理，得到新的轴心轨迹序列o
k'
，作为机组运行状态判据。
16.进一步的，所述步骤s2中，原始转轴振动采样序列集ok为：
[0017][0018]
其中，ok表示一组转轴振动采样序列，k为序列最大可析构深度，n为自然数，分别为图像中横坐标方向、纵坐标方向振动采样序列。
[0019]
进一步的，所述步骤s3中，小波析构算法和小波重构算法的低通滤波器组和高通滤波器组分别为：
[0020][0021]
其中，f
des
为小波析构算法滤波器，分别对应小波析构算法的低、高通滤波器，f
con
为小波重构算法滤波器，h、g分别对应小波重构算法的低、高通滤波器。
[0022]
进一步的，所述步骤s4中具体包括：
[0023][0024][0025]
其中，分别为图像中横坐标方向、纵坐标方向振动采样序列，为第1次析构后 x、 y向振动采样序列的低频部分，为第1次析构后 x、 y向振动采样序列的高频部分；down函数处理方式为保留目标序列中奇数项数据剔除偶数项数据，*为圆周卷积算符。
[0026]
进一步的，所述步骤s5中，析构深度为k的变换处理：
[0027][0028]
则参照公式(4)的方法对进行变换处理，得
[0029]
进一步的，所述步骤s5中，采用小波收缩阈值算法处理的过程包括：
[0030]
根据小波收缩阈值算法处理 x向高频部分和 y向高频部分和 y向高频部分
[0031][0032]
其中，n为信号的长度，median()为取中值函数，可得各层高频序列阈值，大于阈值高频序列项保留，低于则置零，信号包括和处理完成后即得阈值处理后的 x向高低频序列集和 y向高低频序列集
[0033]
进一步的，所述步骤s6具体包括：
[0034]
将阈值处理后的 x向高低频序列集和 y向高低频序列集和 y向高低频序列集做二元上插值处理，依照离散小波变换重构算法，用以下数学形式表达：
[0035][0036][0037]
公式(6)表明每次对 x向采样序列k-1阶低频部分高频部分作重构，公式(7)表示每次对 y采样序列k-1阶低频部分高频部分作重构，二元上插值函数up()将序列每一项后插入0处理，*为圆周卷积算符。
[0038]
进一步的，重构后得到新振动序列其中，重构后的 x向高低频序列集表示为：重构后的 y向高低频序列集表示为：表示为：
[0039]
进一步的，所述水轮机关键部件包括上机架、上导轴承、下机架、下导轴承以及水轮机导轴承。
[0040]
以上所述的快速辨识水轮机组转动部件轴心轨迹的方法，应用一种小波分层处理算法，过滤、辨识求解水轮机关键部件的轴心轨迹振动类型，进而监测、诊断水轮机组机械运行状态，为水电机组试运行验收、设备故障检修以及日常状态监测提供快速判断的技术支持。本发明所提出的用于水轮机轴心轨迹辨识的分层处理算法，是基于小波分层析构的基础上，通过合理选取滤波器组及析构深度，按照特定阈值算法处理某一层或某几层深度的析构数据后，还原重构数据信号，实现对水轮机轴心轨迹或者其他类型转动部件轴心振动情况辨识。
[0041]
与现有的技术相比，本发明具有如下有益效果：提供了针对大中型水电站的一种用于水轮机轴心轨迹辨识的分层处理算法，可明显提升水电机组(含贯流式)运行状态日常巡检及故障识别效率，有效降低日常巡检过程中判别故障所需专业经验的门槛；创新性地
提出一种选择特定的小波基函数搭配特定阈值处理算法，快速识别轴心轨迹类型方法，成功克服以往常规复杂算法(如快速傅里叶算法)在背景噪声处理方面效果欠佳的弊端，也显著降低了日常巡检过程中依靠人为经验判断的错误概率，进而提升水电机组运行状态日常巡检及故障识别效率。
附图说明
[0042]
图1是轴流转浆式水轮机组振动部件原始转轴振动采样序列采集方式示意图；
[0043]
图2是上导轴承的摆度 x振动采样序列的波形图；
[0044]
图3是小波析构后的振动采样序列的低频部分波形图(即)；
[0045]
图4是小波析构后的振动采样序列的高频部分波形图；
[0046]
图5是上导轴承原始转轴振动采样序列轨迹图；
[0047]
图6是重构后的上导轴承转轴新振动序列轨迹图。
具体实施方式
[0048]
以下结合附图，对本发明的具体实施方式作进一步说明：
[0049]
一种快速辨识水轮机组转动部件轴心轨迹的方法，包括以下步骤：
[0050]
s1.获取原始振动信号数据：
[0051]
按照一定的采样频率采集水轮机关键部件的轴心轨迹振动录波数据，振动录波数据分为 x向和 y向，定义为转轴振动在不同时刻位置信息o(x，y)，设为振动峰峰值；其中，水轮机关键部件包括上机架、上导轴承、下机架、下导轴承以及水轮机导轴承。
[0052]
s2.将步骤s1采集的振动录波数据排列为序列，形成原始转轴振动采样序列ok，k序列最大可析构深度；
[0053]
s3.选取小波析构算法和小波重构算法的低通滤波器组和高通滤波器组；
[0054]
s4.对原始转轴振动采样序列通过二元下取样处理,依照离散小波析构算法获得小波析构后的振动采样序列的低频部分和高频部分；
[0055]
s5.对原始转轴振动采样序列通过二元下取样处理,将小波析构后的振动采样序列的低频部分和高频部分进行析构深度为k的变换处理，变换完成后采用小波收缩阈值算法处理 x向和 y向高频部分，获得阈值处理后的 x向高低频序列集和 y向高低频序列集；
[0056]
s6.将阈值处理后的 x向高低频序列集和 y向高低频序列集做二元上插值处理，采用小波变换重构算法进行重构；
[0057]
s7.步骤s6重构处理后得到的新振动序列，选择特定的小波基函数，以及适合原始转轴振动采样序列的阈值处理，得到新的轴心轨迹序列o
k'
，作为机组运行状态判据。
[0058]
进一步的，步骤s2具体为：原始转轴振动采样序列进行小波分层析构处理，选取合适的析构深度，获得转轴振动采样序列集ok为：
[0059][0060]
其中，ok表示一组转轴振动采样序列，k为序列最大可析构深度，n为自然数，分别为图像中横坐标方向、纵坐标方向振动采样序列。
[0061]
进一步的，步骤s3中，小波析构算法和小波重构算法的低通滤波器组和高通滤波
器组分别为：
[0062][0063]
其中，f
des
为小波析构算法滤波器，分别对应小波析构算法的低、高通滤波器，f
con
为小波重构算法滤波器，h、g分别对应小波重构算法的低、高通滤波器。
[0064]
进一步的，步骤s4中具体包括：原始转轴振动采样序列ok通过二元下取样处理,依照离散小波变换析构算法，用以下数学形式表达：
[0065][0066][0067]
其中，分别为图像中横坐标方向、纵坐标方向振动采样序列，为第1次析构后 x、 y向振动采样序列的低频部分，为第1次析构后 x、 y向振动采样序列的高频部分；down函数处理方式为保留目标序列中奇数项数据剔除偶数项数据，*为圆周卷积算符。
[0068]
进一步的，步骤s5中，原始转轴振动采样序列ok依照二元下取样，按以下公式(4)进行析构深度为k的变换处理：
[0069][0070]
则参照公式(4)的方法对进行变换处理，得进行变换处理，得
[0071]
根据小波收缩阈值算法处理 x向高频部分和 y向高频部分和 y向高频部分依据序列特性选取小波分析阈值算法：
[0072][0073]
其中，n为信号的长度，median()为取中值函数，可得各层高频序列阈值，大于阈值高频序列项保留，低于则置零，信号包括和处理完成后即得阈值处理后的 x向高低频序列集和 y向高低频序列集
[0074]
进一步的，步骤s6具体包括：
[0075]
将阈值处理后的 x向高低频序列集和 y向高低频序列集
依次做二元上插值处理，依照离散小波变换重构算法，用以下数学形式表达：
[0076][0077][0078]
公式(6)表明每次对 x向采样序列k-1阶低频部分高频部分作重构，公式(7)表示每次对 y采样序列k-1阶低频部分高频部分作重构，二元上插值函数up()将序列每一项后插入0处理，*为圆周卷积算符。
[0079]
进一步的，步骤s7中，重构后得到新振动序列算法结构见公式(8)、(9)：
[0080][0081][0082]
则重构后的 x向高低频序列集表示为：重构后的 y向高低频序列集表示为：
[0083]
通过选择特定的小波基函数，如daubechies小波，以及适合原始转轴振动采样序列的阈值处理，得到可的轴心轨迹序列o
k'
，作为机组运行状态判据。
[0084]
以轴流转浆式水轮机组结构为例：
[0085]
一套水轮机组振动测试仪器，如图1所示，在机组上机架、上导轴承、下机架、下导轴承以及水轮机导轴承等转动部件安装传感器，通过在线采集系统1进行数据采集，采样序列分为 x向和 y向，定义为转轴振动在不同时刻位置信息o(x，y)，设为振动峰峰值，如图1所示，三条箭头线依次表示采集上导轴承的x向摆度和y向摆度、下导轴承的x向摆度和y向摆度、水轮机导轴承的x向摆度和y向摆度的信号传输线。进行小波分层析构处理，获取原始转轴振动采样序列集ok。以下图中以上导轴承的振动信号数据处理为例。
[0086]
选取某一段上导轴承轴心振动信号作为原始转轴振动采样序列集ok，为其作轴心轨迹图，如图5所示。
[0087]
如图2所示，考虑采样序列主频为0.5～2.5hz，其他高频信号为10～200hz选取daubechies小波基4阶滤波器组h
db4
、g
db4
的滤波器组：
[0088]hdb4
＝(0.2303778,0.7148465,0.6308807,-0.0279837,-0.1870348,0.0308414,
0.0328831,-0.0105974)
[0089]gdb4
＝(0.0105974,0.0328831,-0.0308414,-0.18703480.0279837,0.6308807,-0.7148465,0.2303778)
[0090]
对转轴振动采样序列集ok中 x向序列做5阶析构，利用离散小波析构算法提取各阶段低频序列(图3)和高频部分序列d1，d2...d5对应(图4)。通过比对启发式、神经网络式等阈值法，选取小波收缩阈值算法thr，处理得到 x向高频序列对启发式、神经网络式等阈值法，选取小波收缩阈值算法thr，处理得到 x向高频序列重构得到依照同样的处理方法处理 y向高频序列。
[0091]
当对上导轴心轨迹-源采样序列(即：原始采样序列ok) x向及 y向采样序列完成以上处理，得到上导轴心轨迹-5阶分层辨识(重构序列o
k'
)，如图6所示，与图5相比，可以清晰辨识机组关键部位轴心轨迹运行情况，继而通过判断轴心轨迹大小类型及各位置相关性，快速监测判断运行部件安全状态。
[0092]
当发现轴心轨迹异常如8字形、一字型或实心，则利用本算法及早明确显示得到重构图像，进行异常情况判断，通过重构图像轨迹类型，判断转动轴是否有偏折、轴瓦间隙不当，甚至轴系弯曲，再利用观察有无异常声响、红外热成像仪检测轴瓦温度，及时向生产监控指挥中心报告检查及检测结果。
[0093]
其中，如重构序列o
k'
仍不能判断轴心轨迹类型，则提醒使用人员调整本算法小波滤波器组类型，提高析构重构深度，加大阈值thr设定范围等措施，如发现重构序列o
k'
轴心轨迹异常时，如8字形、一字型或实心，根据情况必要时还应立即申请停运处理。
[0094]
与其他轨迹算法相比，本发明所述算法具有简单有效的优势，可以通过基于滤波器、析重构深度、阈值调节等多维度调节特征判据，、准确判断轴心轨迹情况，克服了以往复杂算法在背景噪声处理、界定边缘信号特征方面效果欠佳的弊端，为检测判断水轮机机组转动部件轴心轨迹的真实情况，及时通过轨迹类型研判运行情况，达到巡检过程耗费成本(人力、物力和时间成本)最小的目标。
[0095]
本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。