轴流式水轮发电机组振动信号分析与故障诊断
发布时间：2022-01-03 04:49
水轮发电机组在运行过程中不可避免的会产生振动,机组异常振动使得机组零部件疲劳受损,机组运行状态变差,对机组安全稳定运行非常不利。当振动幅值较大时将严重影响到机组负荷的分配和电网安全。据研究显示,水轮发电机组80%的故障特征信息能在振动信号中能够显示出来,但由于水轮发电机组运行环境复杂,在对机组振动数据进行采集过程中受到多种因素的影响,导致所采集的数据受到噪声、异常脉冲等因素影响。研究如何将噪声和异常脉冲等干扰因素去除,准确的提取机组的振动信号特征,判断机组的运行状况,确定合适的检修时间和检修工作对电站乃至电网的安全稳定经济运行至关重要。首先,对水轮发电机组的故障特征进行详细分析,根据水电站实际机组的变转速、变励磁和变负荷试验所得的试验数据,结合振摆数据的趋势曲线特征、频谱特征、轴心轨迹特征和轴系状态特征对机组故障进行综合分析,找出引起机组振动的原因。通过分析发现该电站这台机组在做这三个试验时,机组的转动部位较其他部位的振摆值要大;通过分析其趋势曲线特征、频谱特征和轴心轨迹特征,发现其特征和机组转动部件存在的质量不平衡一样。再通过分析该机组其他部位振摆数据表明,该机组尾水管部位存在中频压...
【文章来源】：华北水利水电大学河南省
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
机组振摆数据测点布置
2.轴流式水轮发电机组故障诊断15图2-1机组振摆数据测点布置Figure2-1layoutofmeasurementpointsofunitvibrationandswingdata2.4机组变转速试验振摆数据分析对水轮发电机组进行变转速试验，根据变转速试验所得的实验数据画出机组的趋势图、频谱图、轴心轨迹图和轴系状态如下面图所示：图2-2机组各部位振动趋势图Figure2-2vibrationtrendofeachpartoftheunit
华北水利水电大学硕士学位论文16图2-2为机组做变转速实验时机组上导（黄色线）、大轴法兰（蓝色线）、水导（红色线）、机架、顶盖、蜗壳和尾水管等部位振摆幅值随机组转速变化的趋势图，观察图可以发现机组各部件随着机组转速的变化都大概呈现为随着转速的增大而增大的趋势，并且观察图可以发现大轴法兰的摆度幅值相对于其它部件来说摆度幅值明显，且振动幅值随机组转速变化较小，说明该机组可能存在质量不平衡或者是轴心不正。下一步通过机组各部件的频谱分析和轴心轨迹来做进一步的判断。图2-3（a）数据波形频谱图Figure2-3(a)datawaveformspectrum图2-3（b）数据波形频谱图Figure2-3(b)spectrumofdatawaveform
【参考文献】：
期刊论文
[1]基于CEEMD和小波核极限学习机的轴承故障诊断[J]. 邹剑晖,敖银辉. 组合机床与自动化加工技术. 2019(11)
[2]基于CEEMD与IMCKD的滚动轴承故障诊断方法[J]. 潘洋洋,何伟,朱丹宸. 机电工程技术. 2019(10)
[3]VMD和奇异差分谱在齿轮早期故障诊断中的应用[J]. 王建国,崔玥,张文兴. 机械设计与制造. 2019(09)
[4]基于EMD,EEMD与CEEMD的信号时频分析技术对比研究[J]. 司友强,呙润华,施鹏程. CT理论与应用研究. 2019(04)
[5]基于遗传算法与ANSYS的结构优化方法研究[J]. 耿贺松,陈博文,李明伟,杨璨. 华北水利水电大学学报(自然科学版). 2019(04)
[6]基于CEEMD-Elman耦合模型的年降水量预测[J]. 张先起,胡登奎,刘斐. 华北水利水电大学学报(自然科学版). 2019(04)
[7]奇异值分解和EEMD的非线性振动信号降噪方法[J]. 刘树聃,陈知行. 探测与控制学报. 2019(03)
[8]水轮机空化声发射信号的提升小波改进阈值降噪方法研究[J]. 刘忠,周云贵,邹淑云,张许阳. 水力发电. 2019(08)
[9]基于VMD和脉冲因子的水轮机摆度信号特征提取分析[J]. 陈万涛,李德忠,赵志炉,杨金健,孙志翔. 水利水电技术. 2019(04)
[10]基于样本熵的改进小波包阈值去噪算法[J]. 向北平,周建,倪磊,艾攀华. 振动.测试与诊断. 2019(02)
博士论文
[1]水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙.华中科技大学 2016
硕士论文
[1]基于自适应局部迭代滤波的滚动轴承故障诊断研究[D]. 葛红平.南昌航空大学 2019
[2]基于EMD的水轮机空化声发射信号处理方法[D]. 宋嘉城.长沙理工大学 2017
[3]基于EEMD的水轮机摆度信号提纯及特征提取分析[D]. 汪泉.华中科技大学 2017
[4]水轮发电机组振动故障诊断关键技术研究与应用[D]. 冉恒.重庆大学 2017
[5]混流式水轮发电机组振动试验及故障诊断[D]. 尤莉莎.河北工程大学 2015
[6]电力营销信息管理系统的设计与实现[D]. 王小野.东北大学 2016
[7]雾霾图像增强方法研究[D]. 梁笑.重庆大学 2015
[8]小型混流式水轮发电机组振动试验与分析[D]. 张松松.河北工程大学 2014
[9]基于时频流形分析的设备故障诊断方法研究[D]. 汪湘湘.中国科学技术大学 2014
[10]1000MW水轮机小开度工况流动稳定性的数值模拟研究[D]. 姚杨.哈尔滨工业大学 2012
本文编号：3565601
【文章来源】：华北水利水电大学河南省
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
机组振摆数据测点布置
2.轴流式水轮发电机组故障诊断15图2-1机组振摆数据测点布置Figure2-1layoutofmeasurementpointsofunitvibrationandswingdata2.4机组变转速试验振摆数据分析对水轮发电机组进行变转速试验，根据变转速试验所得的实验数据画出机组的趋势图、频谱图、轴心轨迹图和轴系状态如下面图所示：图2-2机组各部位振动趋势图Figure2-2vibrationtrendofeachpartoftheunit
华北水利水电大学硕士学位论文16图2-2为机组做变转速实验时机组上导（黄色线）、大轴法兰（蓝色线）、水导（红色线）、机架、顶盖、蜗壳和尾水管等部位振摆幅值随机组转速变化的趋势图，观察图可以发现机组各部件随着机组转速的变化都大概呈现为随着转速的增大而增大的趋势，并且观察图可以发现大轴法兰的摆度幅值相对于其它部件来说摆度幅值明显，且振动幅值随机组转速变化较小，说明该机组可能存在质量不平衡或者是轴心不正。下一步通过机组各部件的频谱分析和轴心轨迹来做进一步的判断。图2-3（a）数据波形频谱图Figure2-3(a)datawaveformspectrum图2-3（b）数据波形频谱图Figure2-3(b)spectrumofdatawaveform
【参考文献】：
期刊论文
[1]基于CEEMD和小波核极限学习机的轴承故障诊断[J]. 邹剑晖,敖银辉. 组合机床与自动化加工技术. 2019(11)
[2]基于CEEMD与IMCKD的滚动轴承故障诊断方法[J]. 潘洋洋,何伟,朱丹宸. 机电工程技术. 2019(10)
[3]VMD和奇异差分谱在齿轮早期故障诊断中的应用[J]. 王建国,崔玥,张文兴. 机械设计与制造. 2019(09)
[4]基于EMD,EEMD与CEEMD的信号时频分析技术对比研究[J]. 司友强,呙润华,施鹏程. CT理论与应用研究. 2019(04)
[5]基于遗传算法与ANSYS的结构优化方法研究[J]. 耿贺松,陈博文,李明伟,杨璨. 华北水利水电大学学报(自然科学版). 2019(04)
[6]基于CEEMD-Elman耦合模型的年降水量预测[J]. 张先起,胡登奎,刘斐. 华北水利水电大学学报(自然科学版). 2019(04)
[7]奇异值分解和EEMD的非线性振动信号降噪方法[J]. 刘树聃,陈知行. 探测与控制学报. 2019(03)
[8]水轮机空化声发射信号的提升小波改进阈值降噪方法研究[J]. 刘忠,周云贵,邹淑云,张许阳. 水力发电. 2019(08)
[9]基于VMD和脉冲因子的水轮机摆度信号特征提取分析[J]. 陈万涛,李德忠,赵志炉,杨金健,孙志翔. 水利水电技术. 2019(04)
[10]基于样本熵的改进小波包阈值去噪算法[J]. 向北平,周建,倪磊,艾攀华. 振动.测试与诊断. 2019(02)
博士论文
[1]水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙.华中科技大学 2016
硕士论文
[1]基于自适应局部迭代滤波的滚动轴承故障诊断研究[D]. 葛红平.南昌航空大学 2019
[2]基于EMD的水轮机空化声发射信号处理方法[D]. 宋嘉城.长沙理工大学 2017
[3]基于EEMD的水轮机摆度信号提纯及特征提取分析[D]. 汪泉.华中科技大学 2017
[4]水轮发电机组振动故障诊断关键技术研究与应用[D]. 冉恒.重庆大学 2017
[5]混流式水轮发电机组振动试验及故障诊断[D]. 尤莉莎.河北工程大学 2015
[6]电力营销信息管理系统的设计与实现[D]. 王小野.东北大学 2016
[7]雾霾图像增强方法研究[D]. 梁笑.重庆大学 2015
[8]小型混流式水轮发电机组振动试验与分析[D]. 张松松.河北工程大学 2014
[9]基于时频流形分析的设备故障诊断方法研究[D]. 汪湘湘.中国科学技术大学 2014
[10]1000MW水轮机小开度工况流动稳定性的数值模拟研究[D]. 姚杨.哈尔滨工业大学 2012
本文编号：3565601
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3565601.html
