基于ARMA模型的在线油液监测故障预警研究

建立设备平稳状态下在线油液监测数据的自回归滑动平均(Auto Regression Moving Average,ARMA)模型,根据模型残差进行故障检测和预警。运用K均值将故障发生之前一段时间内的模型残差分类为平稳期和故障潜伏期,设定两类中心点的均值为残差界限值,越界即报警。运用实际的在线油液监测数据进行验证,结果表明:ARMA模型对在线监测数据有较好的拟合效果;设定残差界限值可有效提前报警,在设备进入故障潜伏期而未发生故障之前即可及时报警。

大型水轮机组推力轴承油膜厚度在线监测研究

油膜厚度是反映推力轴承运行状态的重要参数,对油膜厚度进行实时在线监测有助于实现推力轴承的稳定运行。以某大型水轮机组推力轴承为例,结合其润滑流体的雷诺方程和油膜厚度方程,利用有限差分法分析了不同载荷和不同转速下推力轴承油膜厚度和压力分布的变化规律,并设计了一种油膜厚度实时在线监测方法。理论分析结果表明,当转速一定时,推力轴承油膜厚度先随着载荷的增大而增大,达到峰值后,随着载荷的增大而减小;当载荷一定时,油膜厚度随着转速的增大而增大。理论分析结果与该水轮机组推力轴承油膜厚度的在线监测数据完全吻合,验证了提出的油膜厚度在线监测方法的可靠性,为推力轴承运行状态的诊断提供了科学依据。