关键词：轴流风机；不稳定振动；故障诊断
引言
引风机是火电厂主要辅助设备之一，其运行情况的好坏直接关系到锅炉能否安全稳定运行。振动是影响引风机正常运行的重要因素，克服和解决引风机振动问题将有助于锅炉长期安全稳定运行。
1风机故障机理研究
风机的故障常从振动状况方面体现出来,根据振动信号进行监测与诊断是目前风机设备维护管理的主要手段,经过多年的发展与完善,风机振动故障诊断已经形成了比较完备的理论与技术体系。近年来,随着非线性理论的发展,尤其是信号处理、知识工程和计算智能等理论技术与故障诊断的融合渗透,使风机故障诊断的内容得到了进一步的丰富与充实。发生故障的风机设备在运行中一般处于非线性振动状态,应用非线性动力学理论,针对电机组轴系存在的关键振动问题,建立了转子非线性动力学模型,从理论、试验和数值计算等方面,对各种故障因素影响下的动力学行为进行了综合分析,提出了对轴系振动故障进行综合治理的方案。阐述了风机等旋转机械常见故障,如不平衡、不对中、弯曲、裂纹、松动、碰摩、喘振、油膜涡动、油膜振荡、旋转失速等故障的产生机理,以表格的形式总结出了各种故障与振动特征、敏感参数和故障原因之间的对应关系,给出了相应的治理措施。总体来说,风机振动故障产生于4个方面:电机、风机本身、基础和风管。
2轴流式风机不稳定振动故障分析及处理
2.1风机振动概况
该送风机在检修过程中对机械部件以及叶轮进行了常规检查，未见异常。检修后运行出现振动不稳定现象。刚定速时盘前显示振动为44μm，带负荷期间，送风机振动出现不稳定的波动现象。在某个时间内送风机振动会突然发现变化（就地监视值可达80μm以上）。振动波动时间不定，波动后有时振动幅值恢复到初始大小。通过查询历史趋势，振动与负荷、风压等运行参数无明显相关性。由于风机处于运行状态，先对该送风机在无键相条件下进行了在线监测，监测结果如表2所示。送风机振动水平方向偏大，在正常运行期间水平方向振动主要维持在50～60μm。在幅值波动时，最大可以达到71μm。从监测的过程中发现振动稳定以及波动期间主要以工频变化为主。
2.2动静摩擦
当转动部件和静止部件之间间隙消失后，动静部件将直接接触，产生摩擦振动，这种振动可以在任何转速下发生，和机组运行工况没有明显规律。从振动规律上看，风机不稳定振动很有可能是动静摩擦引起的。关于该厂引风机不稳定振动现象，可以作如下解释：风机中速运行时属于轻微的、不连续的局部摩擦，此时转动部件和静止部件处于时而接触、时而脱离的状态，表现为振动幅值时大时小，很不稳定。由于摩擦程度较轻，振动并没有出现明显恶化，风机高速运行时属于动静部分始终脱离不了接触的重度摩擦，由此导致振动变大，振动增大又加剧了摩擦，在振动与摩擦之间形成了恶性循环，表现为振动幅值持续上升，而且上升的速度越来越快。
期刊文章分类查询,尽在期刊图书馆在停机过程中，振动明显高于升速过程中相同转速下的振动，说明风机转子存在一定程度的热弯曲，在引风机还未带热负荷的情况下，这种热变形只能是由摩擦引起的。由于风机垂直方向振动变化不大，说明风机转子热变形量较小，表明当时摩擦程度并不严重。由此可见，动静摩擦是导致引风机不稳定振动的主要原因，但却不是引起引风机异常振动的根本原因。
2.3风机故障分析及处理
首先，初步分析认为送风机由于平均振动水平较大（长时间维持在50～60μm），故风机本体存在一定的不平衡量。结合相位及幅值的变化分析，该送风机振动工频波动量达到30μm，近似为原始振动的1/2。如此大的变化量绝不是由于不平衡导致。由于相位振动波动较大，此时对风机进行动平衡，影响系数线性关系可能较差，有可能导致计算的结果飘动较大，有可能需多次加重才能取得一定的效果，且效果不易预估，事倍功半。故建议做动平衡前先消除振动的波动量，以提高加重的成功率。其次，查询历史趋势，振动与负荷、风压等运行参数也无明显相关性，初步排除了运行系统参数的影响。检修期间对叶轮及相关机械部件的检查也并未发现异常，排除了气流因素。最后在检修期间对机械部件进行了检查，未发现异常，可以初步排除机械故障的可能。综上，送风机振动超标一方面与风机本身存在的不平衡量有关，另外一部分与风机的稳定性、轴承的基础刚性弱、风机轴承存在碰磨有关。停机检查发现#1轴承安装精度不高，轴承间隙偏大，滚柱在轴承夹持圈内较松，支撑不足。更换#1轴承后风机振动仍偏大，但一倍频幅值相位稳定，故采用加重来降低转子激振力最终降低转子的振动。处理后风机振动降至优良水平，可以安全运行。
2.4基于神经网络的故障诊断
神经网络是模拟生物神经系统而建立起来的自适应非线性动力学系统,具有可学习性和并行计算能力,可以实现分类、自组织、联想记忆和非线性优化等功能。神经网络用于故障诊断领域,可以解决趋势预测和诊断推理问题。目前,在故障诊断中应用较多的有多层感知器(MLP)网络、自适应共振理论(ART)、自组织特征映射(FM)和双向联想记忆(BAM)等。为了提高神经网络的工作性能,人们对网络的结构类型、学习算法和样本处理等问题进行了研究:应用模块化神经网络解决大规模复杂问题;应用剪枝法优化网络连接方式;将遗传算法和混沌理论应用于网络的学习训练中,解决局部极小问题;为提高网络的泛化能力、加快网络学习速度,在训练样本中加入噪声,或者对样本数据进行优化处理。基于神经网络的智能故障诊断具有很多优点:知识表达形式统一,知识库组织管理容易,通用性强,便于移植与扩展;知识获取容易实现自动化(如自组织自学习);可以实现并行联想和自适应推理,容错性强;能够表示事物之间的复杂关系(如模糊关系);可以避免传统专家系统的“组合爆炸”和“无穷递归”问题;推理过程简单,可以实现实时在线诊断。但是也存在着一些问题:训练样本获取困难;忽视了领域专家的经验知识;连接权重形式的知识表达方式难于理解等。
结语
引起风机系统不稳定振动的原因很多，支撑系统的异常是其中重要的一个原因。在排除了机械系统、汽流激振的原因后，可以从支撑系统角度排查故障原因。当支撑系统异常时，一旦受到激振力作用时，系统发生了非线性的刚度变化，使得振动表现出强烈的非线性特征，系统的幅值相位存在明显的变化。对支撑系统进行检查时，不仅仅是针对轴承，有时还要针对系统的连接部件进行检查。当系统耦合了原始质量不平衡和支撑系统异常时，振动不仅平均水平大，而且一般波动也会偏大此时如直接进行加重试验，往往会事倍功半。现场处理时应先解决支撑系统异常，消除振动不稳定因素，再进行动平衡试验。
参考文献
[1]王凤良.600MW机组轴流引风机振动特性分析与故障诊断[J].电站系统工程,2016,(4).
[2]杨建刚.旋转机械振动分析与工程应用[M].中国电力出版社,2008.
论文作者:王洪斌
论文发表刊物:《中国电业》2019年 23期
论文发表时间:2020/4/24
标签：风机论文; 不稳定论文; 系统论文; 送风机论文; 摩擦论文; 故障论文; 部件论文; 《中国电业》2019年 23期论文;