摘 要：汽轮机作为在目前工业生产中重要的旋转设备，是必不可少的工业生产中的机械设备。其中汽轮机的主要零部件是汽轮机转子，以致汽轮机转子安全性、可靠性、适用性以及可维修性特点受到人们的关注，同时促使飞速发展的还有关于汽轮机转子运行故障机理与诊断技术。
关键词：汽轮机转子；故障诊断；特征提取
DOI：10.16640/j.cnki.37-1222/t.2017.13.015
0 引言
火电厂重要的动力设备是汽轮机，其运转正常与否直接关系到火电厂的经济性和安全性。作为汽轮机的核心部件—转子，在运行过程中故障率比较高，若机器运转的情况下，产生异常或者振动情况下，振动度的强弱会使转子的转速与负荷程度直线上升，通过对转子的处理不当会使机组磨碰，从而使转子大轴弯曲。若想查找转子故障的最常用的方法，就必须对现场振动程度进行分析，在经过实验证明，从而明确转子的故障类型，在此同时订做出一套维修方案。在维修过后，在正常操作的同时测试机组是否还有振动现象，通过这种方法诊断实践过长，虽然在诊断过程中参加人力与物力过多，但是可以找出机组的故障所在，也是值得欣慰的一件事。
1 汽轮机转子故障问题
1.1 汽轮转子运行类型
在汽轮机转子运行过程中，转子发生故障的前表现是振动信号发生，对此应在汽轮机转子运行过程中，为了更好地判断汽轮机转子运行故障类型，我们要对转子进行振动程度信号的测量从而对测量出来的结果进行一一解答，在测量过程中要准确无误。振动频率分几种，其中包括倍频振动、基频振动、整分数基频振动、比例基频振动、超高基频振动以及超低基频振动；振幅方位：横向振动（水平振动和垂直振动）、轴向振动与扭转振动；振动部位：转子和轴系振动（轴颈、轴纹叶片）、轴承（油膜滑动和波动）、壳体振动与轴承座振动、基础振动（基座、工作台、支架）、其他结构振动（阀门、阀杆、管道等）；振动原因：转子平衡度较差、轴系不对称和零件松动、摩擦（密封件摩擦、转子和定子之间产生的摩擦）、轴承损坏、轴承内部油膜涡动与油膜振动、动力和水力的影响、轴承刚度较差、电气等。
1.2 小波分析特征
小波可以通过母小波的伸缩程度与平移从而取得不同程度的基函数对振动程度进行分析。小波变化是一种处理技术非常强大信息技术，它是由多分辨率信号组成的。在具体分析过程中，它可以从尺度的变换而选出不一样的频率段。小波分解，它可以把稳定的或者不稳定的信号分解由小波伸缩的基函数，从而保持信息量完好，在此基础之上，原来的信号可以在不一样的频段上或者发生信号突变的情况下，可以通过分解信号在不同尺度中进行分解或得到重构。对振动程度信号的小波包进行分解，从而对振动系统进行了故障分析，及时呈现出系统故障产生的频率能量以及产生的时间。
1.3 转子故障处理的结果
在转子出现故障的同时，检修的过程中要参考检修时订做的方案从而对机组进行检查。在检修的过程中若叶片质量不合格的情况下，原因就是在开启盖子时对（16～19）级叶片进行了振动测试，在测试的同时发现了18级叶片的频率超出标准的质量，所以要更换叶片。
2 火电汽轮机转子运行故障的BP神经网络模型诊断
2.1 理论基础
BP算法不仅拥有着严格式的学习算法，它还拥有是阶梯型并且很有规律的下降式计算方法，相对于BP神经网络而言，它是由一种输出层，一种或多种隐含层，一种输入层而形成的，而由正极传播与反级传播这两方面组成形成了网络。在此同时创建了BP网络神经，转子运行检测诊断的模型就必须使用BP网络神经，就不用那么多的人力与物力来进行，在这样的同时对人力与物力、财力的使用也大大的减少了，更不需要费好大的力气做很多次的实验。据对汽轮机模拟的实验与专家的经验来说，总结出一种很常见的特点，就是输出就是故障的类型所在，而网络神经的输入就是常见特点的信号。
2.2 报警和故障诊断
在对汽轮机转子振动信号数据分析过程中，在振动值高出正常限定值时，及时对汽轮机转子的运行故障类型进行识别和分类，应利用事先采集的信号设置与之相对应的报警界定，其详细的振动值高超报警流程为：输定报警值界限——输入采集数据限号——汽轮机转子运行——发生警报。
2.3 分析汽轮机转子
要得到原信号在不同频段上能量分布的详细信息，小波包分析的特点就是重构与分解，它可以在汽轮机转子的振动故障时间顺序上进行重构与分解，小波包振动信号的含义就是可以利用能量的特点与对振动系统的故障诊断来提取方法，从而可以根据振动故障的频率来判断故障的特点，这样可以对机组振动故障进行一定的诊断与预测。
3 小波包原理
3.1 最大Lyapunov指数原理
Lyapunov指数分为两种一种是正的，一种是负的，正的lyapunov指数就注明在它附近轨道的指数分离，这种表现代表混沌，而负的就大大的相反了，负的lyapunov指数代表着轨道在局部是存在稳定性的，从而对应周期运动。而小波包的重构结果是有一个时间的顺序的，通过混沌动力的方法对重构结果的时间顺序来计算它们的lyapunov指数。
3.2 基于小波包分析和信息融合技术的故障诊断方法
在信息與小波包分解混合技术的故障诊断中，总结出了几种方法，例如：提取出4种常见的故障在相反方向的振动信号，采取小波包分解对其常见现象进行分解，并判断出故障的特点，D-S证据理论的识别框架是采取故障特点为参照的，通过D-S证据理论可以判断出X与Y方向的不确定度与概率值，进行组合从而得出诊断结果。
4 结语
本文讲述的汽轮机转子运行与怎样进行诊断才能省时省力，若想提升空气静压的刚度与承载力，从而完善空气静压主轴的功能，就必须对空气静压转台参数进行完事与优化，这样可以排除加工装配误差的影响。
参考文献：
[1]马兰兰，李树森，苏健民.超精密气磁轴承的发展[J].林业机械与木工设备，2005，33（01）：12-15.
[2]肖增弘，华兴鲁，李子超.汽轮机转子运行故障分析及诊断研究[J].机械设计与制造，2014（05）：233-236.