燃气轮机性能分析诊断.pdfVIP

燃气轮机性能分析诊断：评论 ——翻译稿 摘要 伴随着燃气轮机的发展，燃气轮机诊断技术也历史悠久。早期我们通过技术 手册上的制造信息和维修上的经验来进行燃气轮机故障诊断。在20 世纪60 年代 晚期Urban 引入了气道分析，这无疑使燃气轮机诊断取得重大突破。从那时起， 各种被用于航空工业的不同分析手段相继出现。目前也有大量此领域的论文相继 发表。本文试图作一个较为全面的梳理，针对目前各种已发表的关于燃气轮机故 障诊断技术的轮机性能分析。 1. 简介 由于气道部件在运行过程中的恶化，燃气轮机性能就会下降。最常见的引起 性能下降的原因有：压气机阻塞，长期磨损和侵蚀造成的叶片顶端间隙增加，复 杂垫圈损坏，内外部件耗损，热端部件损害以及材料腐蚀等。这些物理的故障造 成了燃气轮机可测性能参数（效率，流量）的变化，又使得其他可测机器参数， 包括温度，压力，转速以及燃料流量的变化。我们可以从这些测量值中去探测到 性能的下降并发现部件的故障，正如Urban 所提出的关系如图1 所示。为保证燃 气轮机运行的稳定性，有效维护必不可少。随着燃气轮机诊断技术的发展，轮机 维护已经从被动预防转变为基于轮机健康监视和故障诊断的稳定性维护。 目前对于燃气轮机工况监测和故障诊断有多种途径，例如性能分析，油量分 析，可视化检查，管路检查，X 光诊断，涡流诊断，振动监测，随便监测，噪声 监测和涡轮排气监测等等。基于性能分析的诊断是其中最为有效的工具之一，通 过这种方法，对燃气轮机气道参数的分析提供了燃气气道部件巨大衰退的信息。 气路分析（GPA ）是在1967 年由 Urban 第一次引入线性模型的方法，紧接 着又派生出不同的方式，例如最优化模型。为了把机器部分非线性化的特点考虑 进来，在1990 年Stamatis 等人引入了结合传统最优化的非线性模型。不幸的是， 传统的最优化方法只能是在局部最优化处得到结论。近年来，这种非线性模型的 不足已经被传统遗传算法所克服，这是由Zedda 和Singh 提出的。在 1965 年由 Denny 引入神经网络算法到燃气轮机故障诊断的应用中，并在1989 年后得到充 分发展和广泛运用。它有着这样的优势，建立神经网络是需要轮机试验知识，但 一旦网络建立后，诊断计算变得非常快捷。燃气轮机专家诊断系统的运用可以追 述到20 世纪80 年代早期，这种专家系统仍是目前最好的燃气轮机故障诊断方法 之一，并不断地发展着。目前更多专家系统燃气轮机诊断的进展都是基于模糊专 家系统的，这是由 Fuster 和Siu 等人在 1997 年引入的。大多数诊断方法是基于 燃气轮机稳态工况测量。在20 世纪80 年代晚期一些诊断信息已经采用了机器过 渡工况的测量值，但基于过渡工况的数据诊断方法还有待发展。 数据误差和测量扰动引起数据在真值附近波动是导致故障诊断不准的另外 一个原因。通过平均测量和过滤技术手段能有效降低由于测量扰动引起的影响， 并能提高诊断精度。 在本文中，对燃气轮机基于性能分析的诊断方法的技术发展和在公开资料中 的出版进行梳理和评价，包括数据的精度和不同燃气轮机故障诊断技术。主要的 燃气轮机诊断方法包括，线性模型，非线性模型，人工智能（神经网络，遗传算 法和专家系统），模糊逻辑模型以及基于过渡工况数据的故障诊断。 2. 数据精度（可靠性） 燃气轮机故障诊断是基于对部件实际特性与理论特性的偏差进行分析的。只 能通过实际测量才能得到具体信息。整个诊断系统的精度部分地取决于测量的品 质。不幸的是，测量数据常常被传感器噪声、扰动，测量仪器的衰退以及人为误 差所影响。为了提高诊断结果的可靠性，在输入到诊断系统前，先对测量数据进 行排查和校正显得十分重要。 一般而言，被测量参数的数据再起真值附近波动，且能够用概率密度函数来 表述。一个参数的真值可以用它的平均值来估计。所以一般使用移动平均法，即 一个平均值包含某测试点的多个算数平均值。移动平均值法的缺点在于它没有使 用初始点，并且对趋势变化响应缓慢。相对于 10 个移动平均值的指数平均值由 Deplod 和Gass 引入来降低测量噪声。用带有15%已知数据的新数据点来代替了 新数据。经证明用指数平均数据来降低噪声更为显著，且指数平均值对于数据变 化的响应优于滚动平均值。近来，Ga