[发明专利]一种燃气轮机防振动监控保护方法

说明书

技术领域

本发明涉及一种燃气轮机服役后防止其在运行过程中振动损伤的保护方法，是一种基于神经网络模式识别算法的振动信号实时监控方法，尤其涉及振动监控神经网络智能观测器的设计和防振动的信号处理方法。

背景技术

燃气轮机、汽轮机、发电机等都是高速旋转的设备，其变化工况非常大，通常总是存在一定的振动。然而，当燃气轮机在高速运转下，如果振动过大，轻则会导致转速等测量传感器出现测量误差，影响燃气轮机的运行，重则有可能导致压气机和透平叶片产生断裂、动叶与静叶产生摩擦，给机组造成重大安全事故。因此对燃气轮机的振动进行监控，在燃气轮机振动过大时对用户进行适当的提醒和保护操作，对燃气轮机的安全运行显示的十分必要。

目前各大燃气轮机制造厂商采用的防振动监控系统的结构大多是通过在燃气轮机轴承座上布置振动传感器，然后将传感器采集到的信号输入到相应的I/O板卡中，再传入控制器微处理器中进行相应的处理。早期的机组只有电磁式的速度型振动传感器，目前机组则越来越多的采用位移型振动传感器。位移型传感器是一种非接触式间隙测量传感器，典型的如本特利—内华达公司（B&N）的测量探头及其配套仪表，它可以静态的测量间隙的变化，即相对位置的位移量，而燃气轮机振动本身就是机械的来回摆动，使得振动传感器采集到的信号表现为幅值上下高频摆动，因此对振动传感器采集信号进行平滑滤波显得十分必要。而且燃气轮机在启动和停机时通常振动较大，噪声干扰也较为强烈，而运行到额定工况后，振动和噪声干扰都很少，因此需要考虑变权值滤波。

另一方面，振动监控保护的基本原理就是将每一路振动传感器采集信号与用户预先设定的报警阈值和危险阈值进行比较，从而辨别燃气轮机是否处于报警或危险状态，而阈值选取过大则容易导致危险状态没有被检测，过小则容易导致警告误报，因此阈值的设定需要工程师有丰富的工程经验，此外每一路通道振动阈值的取值还受传感器布置位置、使用寿命等因素的影响，这些都给用户和工程师都带来了较大的设计负担和使用不便，同时由于人为因素的干预，将使得整个振动监控系统性能不确定性增加。然而目前人工智能特别是神经网络模式识别算法已经发展相对成熟，在工业控制和故障振动领域已经有了许多成功的应用和工程实践，同时许多如MATLAB、python等计算设计软件上已经有了成熟的神经网络设计软件，使得神经网络的计算和设计非常简单和方便。

发明内容

本发明的目的是为了解决传统燃气轮机振动监控保护系统设计过于复杂的问题，通过利用现代信息技术中的神经网络模式识别方法，实现由一个神经网络智能观测器同时监控燃气轮机多路振动信号，并利用数据训练减少人为设置参数，提高燃气轮机防振动监控保护系统的智能化和自动化。

为了实现上述的目的，本发明的技术方案如下：

一种燃气轮机防振动监控保护方法，其特征在于包括以下步骤：

A1）、在燃气轮机需要监控的轴承上安装N个振动传感器，对振动传感器采集信号进行滤波，滤波公式为：

S(t)_i=a*L(t)_i+(1-a)L(t-1)_i

其中：S为滤波后的信号；L为振动传感器采集信号；t表示当前时刻；a为滤波权值，取值范围为0～1,与燃气轮机的当前工况有关，下标i表示第i路振动传感器采集信号，N为振动传感器的安装数目，将所有的滤波信号组成广义集S{S₁，S₂，…S_N}；

B1）、首先在燃气轮机无故障条件下采集一段振动信号并滤波记为S_无，再在警告和危险状态下分别采集一段振动信号并滤波，记为S_警和S_故，将这三段信号一起作为数据样本，采用神经网路模式识别算法进行训练，得到一个输出区间为0～2的神经网络智能观测器；

C1）、设置警告和警告退出机制：当前无警告状态下，如果神经网络智能观测器输出值小于1时，则表示正常；如果神经网络智能观测器输出值大于等于1并小于2，则表示警告；如果警告已经发生，则神经网络智能观测器输出值必须少于0.5才能消除警告；

D1）、设置危险跳闸逻辑：一旦检测到神经网络智能观测器输出值为2，则发出危险信号，启动燃气轮机停车逻辑。