[发明专利]基于机匣宽频振动信号的燃气轮机叶片故障监测预警方法

说明书

燃气轮机作为天然气输送、发电等领域的心脏动力设备，一旦出现故障可造成巨大经济损失甚至带来严重事故。本专利针对当前工程现场燃气轮机普遍采用1000Hz以下中低频监测手段的缺陷，提出采用10Hz到20KHz的机匣宽频振动信号对叶片故障为代表的结构强度型故障实施在线状态监测，采用基于冗余字典稀疏表达消噪和深度卷积自编码的宽频信号自动特征提取方法，成功提取了叶片故障敏感特征。该方法可以补充当前监测手段的不足,用于提前预警叶片断裂等损伤故障，减少燃机故障维修的成本，促进燃气轮机安全运行。

技术领域

本发明涉及燃气轮机状态监测、预警和诊断领域，特别是燃气轮机叶片故障监测和预警。

背景技术

燃气轮机作为天然气输送、发电等领域的心脏动力设备，一旦出现故障可造成巨大经济损失甚至带来严重事故。由于工作环境恶劣，运行环境长期处于高温、高压、高速旋转下，易发生故障。调研发现，结构强度类故障占燃机总故障案例的68％，其中叶片故障占多数。因此，燃气轮机叶片状态监测是其安全、正常运转的重要保证。

工程现场常用的燃机结构强度型故障诊断普遍采用1000Hz以下中低频监测手段，主要监测燃气轮机各转子的工作频率。这种监测手段丢失了叶片通过频率等重要信息，无法有效评估燃气轮机叶片的异常状态。

发明内容

鉴于此，本专利设计了燃气轮机机匣宽频振动信号采集方案(20kHz)，通过冗余字典对采集的宽频振动信号进行了稀疏表达和消噪，进一步构建了深度卷积自编码器模型提取振动信号中的叶片敏感特征参数，最后对提取的特征参数进行了平滑处理，通过该方案可实现对燃气轮机叶片的监测和预警，技术方案内容如下：

1.一种基于机匣宽频振动信号的燃气轮机叶片故障监测预警方法，通过燃气轮机机匣振动监测数据，提取叶片故障特征，提前预警叶片断裂等损伤故障，其特征在于，该方法包括如下步骤：

1)燃气轮机机匣振动信号采集。选取5-20kHz频响范围的宽频振动传感器感知工程现场燃气轮机机匣振动信号，并通过采样率51.2kHz以上采样率的数据采集装置获取包含压气机、涡轮各级动叶片、静叶片通过频率成分的燃气轮机宽频振动数字信号。

2)机匣宽频振动信号在冗余字典下的稀疏表达重构，对进行信号消噪处理。选择由离散余弦变换(DCT)、余弦信号、正弦信号组合构成的冗余字典，在该字典上采用匹配追踪(Matching Pursuit)算法对振动信号进行M-项近似模拟，考虑叶片通过频率总数不超过50个，最大迭代次数M设为50，匹配追踪方法选择弱匹配追踪(Weak MP)，匹配系数取0.6。

3)稀疏信号敏感特征参数提取模型构建，选择深度卷积自编码器(DepthConvolution Autoencoder)构建叶片故障敏感特征自学习模型，对稀疏约束的目标频谱进行特征提取，获取20个“抽象特征”。

4)敏感特征参数平滑处理参数设定，从20个“抽象特征”选择显著变化的F1、F2、F3共计3个特征参数，通过sglay算法对所选特征参数时域信号进行平滑处理，获取可实现预警的特征参数时间序列。

2.根据权利要求1所示的一种基于机匣宽频振动信号的燃气轮机叶片故障监测方法，其特征在于，所述步骤1中，

通过ΔF_band＝5-20kHz频响范围的宽频振动传感器和采集器实时采集燃气轮机机匣的振动信号，采样频率不低于51200Hz，典型值51200Hz、65536Hz、102400Hz、12800Hz、204800Hz、，单组样本采样点数N不低于16384点，典型值N∈{16384点、32768点、65536点、131072点}；传感器安装部位包括前机匣测点、中机匣测点和后机匣测点，每个测点分别在水平和垂直方向各安装一个传感器，中机匣加装1个轴向振动传感器，机匣振动信号覆盖压气机和涡轮各级叶片的通过频率BPF，BPF计算公式为:

BPF＝Nb×f₀