振动监测在燃气轮机叶片故障诊断中的应用

华电技术 ›› 2014, Vol. 36 ›› Issue (12): 40-41.

振动监测在燃气轮机叶片故障诊断中的应用

(江苏华电昆山热电有限公司，江苏昆山〓215300)

出版日期:2014-12-25 发布日期:2015-02-04

Application of vibration monitoring in fault diagnosis of gas turbine blades

(Jiangsu Huadian Kunshan Thermal Power Company Limited, Kunshan 215300, China)

Online:2014-12-25 Published:2015-02-04

摘要/Abstract

摘要： 摘要：振动监测是公认的检测和诊断燃气轮机初期故障的有效工具。总结了基于振动的燃气轮机叶片故障检测方法，详细介绍了频谱分析法、小波分析法、神经网络和模糊理论预判分析法以及基于模型的分析法。采取合适的方法提取动态信号，可以诊断出大多数类型的叶片故障。

关键词: 关键词：燃气轮机, 叶片, 故障诊断, 振动监测, 信号分析

Abstract: Abstract:Vibration monitoring is recognized as effective tool for the detection and early diagnosis of gas turbine fault. The article summarized vibration fault detection methods for gas turbine blade, introduced spectrum analysis, wavelet analysis, neural network and fuzzy theory prejudgment analysis and modelbased analysis methods in detail. The results show that, by adequately extracting the dynamic signal, most types of blades dysfunctions can be diagnosed.

Key words: Keywords:gas turbine, blade, fault diagnosis, vibration monitoring, signal analysis

彭彤宇. 振动监测在燃气轮机叶片故障诊断中的应用[J]. 华电技术, 2014, 36(12): 40-41.

PENG Tongyu. Application of vibration monitoring in fault diagnosis of gas turbine blades[J]. Huadian Technology, 2014, 36(12): 40-41.

[1]	龙思成, 黄志鸿. 基于多尺度极限融合网络的电力变压器故障诊断方法研究[J]. 综合智慧能源, 2022, 44(9): 78-83.
[2]	范大千, 刘博嵩, 郭鹏. 基于AdaBoost算法的多参数模型风电机组叶片结冰监测与预警研究[J]. 华电技术, 2021, 43(8): 20-26.
[3]	贾志军, 白德龙, 宋燕杰, 王剑飞, 李春新. 基于KPCA算法的电厂设备在线故障诊断研究[J]. 华电技术, 2021, 43(8): 48-53.
[4]	张骏, 苏阳, 李勇, 丛星亮. 大型风力机叶片涡流发生器流动控制的数值研究[J]. 综合智慧能源, 2021, 43(12): 66-71.
[5]	刘帅，郑立军，俞聪，高新勇，刘国弼，赵春风，张晓丽，曹创，徐建鹏. 200MW机组切除低压缸进汽供热改造技术分析[J]. 华电技术, 2020, 42(6): 76-82.
[6]	姜寅，任荭葳，陈凯，朱长江. 基于BP神经网络的风电系统控制器I/O硬件故障自诊断方法[J]. 华电技术, 2020, 42(5): 55-60.
[7]	胡杰，唐静，谢仕义，王云. 基于大数据技术的电厂设备状态评估和预警应用研究[J]. 华电技术, 2020, 42(2): 1-6.
[8]	李新凯，刘蔚，张廷军，王佩明，赵健，孙曼杰. 综合能源背景下风电叶片雷击防护安全研究[J]. 华电技术, 2020, 42(2): 63-67.
[9]	黄绍伟. 自适应调频模式分解在轴承故障诊断中的应用[J]. 华电技术, 2020, 42(1): 54-57.
[10]	吴昌浩，曹景芳. 低速钢球磨煤机减速机齿轮断齿故障诊断及分析[J]. 华电技术, 2019, 41(5): 69-72.
[11]	侯家绪，周书康，李艳军. 某电厂低压转子末二级叶片开裂原因分析[J]. 华电技术, 2019, 41(2): 28-31.
[12]	冯坤. 1000 MW超超临界机组发电机调试期间振动问题的分析及处理[J]. 华电技术, 2019, 41(12): 41-45.
[13]	王佳梓1，王桂玲2. "云+端"大数据驱动的预见性电厂设备维护[J]. 华电技术, 2019, 41(11): 40-45.
[14]	倪新宇1，茅大钧2. 基于数据融合的超临界机组设备故障诊断研究[J]. 华电技术, 2018, 40(7): 5-9.
[15]	包桓铭，刘柯楠. 国内某核电站循环水系统调试工期优化方案研究[J]. 华电技术, 2018, 40(7): 70-73.