摘要：汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊性，汽轮发电机组的故障率较高，而且故障危害性也很大。因此，汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。本文回顾国内外汽轮机故障诊断的发展概况，并在总结目前研究状况的基础上，指出了在汽轮机故障诊断研究中存在的问题，提出了今后在这一领域的研究方向。
关键词：汽轮机；故障诊断；监测
中图分类号：02文献标识码：A
1 国内汽轮机故障监测诊断技术概况
我国的设备诊断技术自1983年起步，初期主要应用于石化、冶金及电力等行业，进入20世纪90年代后，迅速渗透到国民经济的各个主要行业。大型汽轮发电机组的在线监测与故障诊断技术作为国家“七五”、“八五”重大科技攻关项目，并在“九五”期间仍继续受到支持，其重要意义是显而易见的。西安交通大学、哈尔滨工业大学、清华大学等一些高校及西安热工研究院等一些研究单位在大型汽轮发电机组故障机理及其诊断技术研究方面总体上处于国内领先水平。
30多年来，我国在汽轮机故障诊断技术方面有了长足进步，不断吸收各门科学技术发展的新成果，诊断的理论与应用有了很大的发展和进步，它涉及系统论、控制论、信息论、检测与估计理论、计算机科学等多方面的内容，成为集数学、物理、力学、化学、电子技术、信息处理、人工智能等基础学科以及各相关专业学科于一体的新兴交叉学科。故障诊断技术研究的主要内容包括以下4个方面：故障机理；故障信息处理技术；故障源分离与定位技术；人工智能技术的应用研究。但是，由于近年来大型汽轮发电机组单机装机容量的不断增大，而对大型机组许多常见故障的机理、故障特征及现场诊断方法的研究还有待进一步的深入。
2 汽轮机故障诊断技术的发展
2.1 信号采集与分析
2.1.1 故障信息采集
由于汽轮机工作环境具有特殊的工作环境，因此在进行故障信息采集时，我们必须借助传感器进行信息采集，所以传感原件的性能对于故障信息的采集就起到了关键的作用。目前技术部门已经开发研制了感应灵敏、自动化程度高的新型传感器，这些新型传感器的应用，大大减少了误诊率和漏诊率；硬件方面的研究开发也需要软件的支撑，国外专家将高性能传感器应用与动态观测器，应用人工神经网络理论，开发出故障诊断系统软件，软硬件的结合使用大大提高了故障信息的采集与分析效率。在国内西安交通大学、上海交通大学、华中理工大学对传感器故障检测和传感器信号的可靠性方面也进行了研究，取得了突破性的进展。
2.1.2 信号分析与处理
目前对于采集信息的处理分析，比较成功的还是在对汽轮机振动信号的分析处理上。汽轮机故障诊断系统中的振动信号处理大多采用快速傅立叶变换，的思想在于将一般时域信号表示为具有不同频率的谐波函数的线性叠加，它认为信号是平稳的，所以分析出的频率具有统计不变性。正是由于傅立叶变换法对很多平稳信号的情况具有适用性，因而得到了广泛的应用。但是，对于很多的检测信号并非都是线性、平稳的信号；因此对于实际的信号分析处理成为一个重要问题。在国内外很多专家将小波分析法用于汽轮机动静碰摩故障诊断和汽轮机轴心轨迹的识别，已经取得了一些进展。西安交通大学引入Kolmogorov复杂性测度定量评估大机组运行状态，吸收全息谱的优点，进行轴心轨迹的瞬态提纯。
2.2 故障机理与诊断策略
2.2.1 故障机理
故障机理是故障的内在本质和产生原因。故障机理的研究，是故障诊断中的一个非常基础而又必不可少的工作。目前对汽轮机故障机理的研究主要从故障规律、故障征兆和故障模型等方面进行。由于大部分轴系故障都在振动信号上反映出来，因此，对轴系故障的研究总是以振动信号的分析为主。在综合振动与噪声特性的基础上，东北电力学院还开发了可对旋转机械和摩擦进行在线监测的仪器，该仪器用四个通道进行声信号检测，另外四个通道用于振动监测，可以大致确定摩擦的部位。调节系统的可靠与否，对汽轮机组的安全运行具有非常重要的意义。
2.2.2 诊断策略和诊断方法
在汽轮机故障诊断中用到的诊断策略主要有对比诊断、逻辑诊断、统计诊断、模式识别、模糊诊断、人工神经网络和专家系统等。而目前研究比较多的是后面几种，其中人工神经网络和专家系统的应用研究是这一领域的研究热点。
小波分析是近年来发展非常迅猛的时频分析方法。由于其对信号去噪、还原性都较好，特别适用于对含有大量背景噪音的信噪比非常低的信号分析和调理；基于小波分析方法和神经网络建立的智能分析技术，是下一代故障检测与判定（FDI）的重要内核。国内外在这方面进行了很多的研究，目前应用最多的是前向神经网络、BP神经网络以及把神经网络与模糊诊断相结合的模糊神经网络等。诊断策略的研究还有：模糊诊断用于振动故障诊断、用于转子碰磨诊断、用于通流部分热参数诊断的研究；模糊关联度用于多参数诊断等；诊断方法上的研究一直是故障诊断的一个重点。振动法是应用最普遍也比较成熟的一种方法。在汽轮机故障诊断中，应用热力学分析诊断汽轮机性能故障也是一个重要手段，另外还有油分析、声发射法、无损检测技术等。
3 故障诊断中存在的问题
3.1 检测手段还需改进
汽轮机故障诊断技术中的应用到了很多数学方法，甚至专家系统中的一些推理算法都达到了很高的水平，而监测数据的的获取成为了一个重要影响因素，也就是说我们的检测手段跟不上诊断的需要；例如转子表面温度的检测、叶片动应力检测、调节系统卡涩检测、内缸螺栓断裂检测等，都缺乏有效的手段。
3.2 复杂故障的机理了解不够
对故障机理的了解是准确诊断故障的前提。目前，对汽轮机的复杂故障，有些很难从理论上给出解释，对其机理的了解并不清楚，比如在非稳定热态下轴系的弯扭复合振动问题等，这将是阻碍汽轮机故障诊断技术发展的主要障碍之一。
3.3 诊断技术应用推广面临的问题
我国汽轮机诊断技术在现有基础上，进一步推广应用面临的主要问题是研究开发机制和观念问题、诊断技术与生产管理的结合问题。机制和观念问题主要表现在：研究机构分散，不能形成规模化效应；重复性研究过多，造成人力、物力的浪费；技术研究转化为应用产品的少；系统研究连贯性差，因而系统升级困难；应用系统的维护与服务得不到保证等。诊断技术与生产管理结合不好，表现在各种技术的相互集成性不好，与生产管理相孤立，不能创造预期的效益，使电厂失去信心。
4 汽轮机故障诊断的发展前景
汽轮机故障诊断技术的研究已经得到广大电力企业和专业技术人员重视，针对汽轮机及其系统各类故障的各种新检测技术将是一个主要的研究方向，在诸多研究实力强大的高校和专业机构的带动下，必然会会出现许多科技成果，任何时候，故障机理的研究势必推动故障诊断技术的发展。故障机理的研究逐渐深入，将集中在对渐发故障定量表征的研究上，研究判断整个系统故障状态的指标体系及其判断阈值将是另一个重要方向。而对于汽轮机故障诊断，将从以振动诊断为主向考虑热影响诊断、性能诊断、逻辑顺序诊断、油液诊断、温度诊断等的综合诊断发展，更符合汽轮机的特点和实际。诊断与仿真技术的结合将主要表现在，通过故障仿真辨识汽轮机故障、通过系统仿真为诊断专家系统提供知识规则和学习样本、通过逻辑仿真对系统中部件故障进行诊断。
参考文献
[1]周爱红.汽轮机状态监测与故障智能诊断系统[D]，重庆大学，2003.
[2]王正红，赵林度，盛昭瀚.软件重用在故障诊断专家系统设计中的应用[J].东南大学学报（自然科学版），2002.
[3]章真，曹云娟.电厂热力设备过程型故障模糊诊断系统[A].1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C].1995.
[4]高洪涛.工业汽轮机热力性能在线监测与故障诊断的研究[D].大连理工大学，1998.
[5]张君.小波分析技术在汽轮机故障诊断中的应用研究[D]，华北电力大学（河北），2005.