1.2.我国的发展情况

我国在故障诊断技术方面的研究起步较晚，但是发展很快。一般说来，经历了两个阶段：第一阶段是从70年代末到80年代初，在这个阶段内主要是吸收国外先进技术，并对一些故障机理和诊断方法展开研究;第二阶段是从80年代初期到现在，在这一阶段，全方位开展了机械设备的故障诊断研究，引入人工智能等先进技术，大大推动了诊断系统的研制和实施，取得了丰硕的研究成果。1983年春，中国机械工程学会设备维修分会在南京召开了首次"设备故障诊断和状态监测研讨会"，标志着我国诊断技术的研究进入了一个新的发展阶段，随后又成立了一些行业协会和学术团体，其中和汽轮机故障诊断有关的主要有，中国设备管理协会设备诊断技术委员会、中国机械工程学会设备维修分会、中国振动工程学会故障诊断学会及其旋转机械专业学组等。这期间，国际国内学术交流频繁，对于基础理论和故障机理的研究十分活跃，并研制出了我国自己的在线监测与故障诊断装置，"八五"期间又进行了大容量火电机组监测诊断系统的研究，各种先进技术得到应用，研究步伐加快，缩小了与世界先进水平的差距[32][33]，同时也形成了具有我国特点的故障诊断理论，并出版了一系列这方面的专著，主要有屈梁生、何正嘉主编的《机械故障学》[34]、杨叔子等主编的《机械故障诊断丛书》[35]、虞和济等主编的《机械故障诊断丛书》[36]、徐敏等主编的《设备故障诊断手册》等[37～50]。

目前我国从事汽轮机故障诊断技术研究与开发的单位有几十家，主要有哈尔滨工业大学、西安交通大学、清华大学、华中理工大学、东南大学、上海交通大学、华北电力大学等高等院校和上海发电设备成套设计研究所、哈尔滨电工仪表所、西安热工研究所、山东电力科学试验研究所、哈尔滨船舶锅炉涡轮机研究所及一些汽轮机制造厂和大型电厂等。

国家在"七五"、"八五"计划期间安排的汽轮机故障诊断攻关项目促进了一大批研究单位参与汽轮机故障诊断系统的研究与开发，许多重要成果都是在这一阶段取得的。

2.汽轮机故障诊断技术的发展

2.1.信号采集与信号分析

2·1·1 传感器技术

由于汽轮机工作环境恶劣，所以在汽轮机故障诊断系统中，对传感器性能要求就更高。目前对传感器的研究，主要是提高传感器性能和可靠性、开发新型传感器，另外也有相当一部分力量在研究如何诊断传感器故障以减少误诊率和漏诊率，并且利用信息融合进行诊断。

现行的对传感器自身故障检测技术主要有硬件冗余、解析冗余和混合冗余，由于硬件冗余有其明显的缺点，因而在实际中应用较少。意大利di Ferrara大学的Simani.s等人针对传感器故障，采用了解析冗余的动态观测器来解决透平传感器的故障检测问题[51]。加拿大Windsor大学的Chen，Y.D等人对传感器融合技术进行研究，并在实际中得到了应用[52]。Brunel大学的Harris，T把神经网络技术应用于多重传感器的融合作为其研制的汽轮机性能诊断系统的技术关键[53]，Pennsylvania State Univ.的Kuo，R.J则应用人工神经网络，采用多传感器融合诊断叶片故障[54]。Prock，J以及西安交通大学的谷立臣、上海交通大学的林日升等对传感器故障检测[55][56]和伪参数识别技术开展了研究工作[57]。华中理工大学的王雪、申韬、西安交通大学的常炳国等在传感器信号的可靠性[58]和采用融合技术提高传感器可靠性[59][60]方面也进行了研究。

2·1·2信号分析与处理

最有代表性的是振动信号的分析处理。目前，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(FFT)，FFT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。FFT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[61]。但是，实际中的很多信号是非线性、非平稳的，所以为了提高分辨精度，新的信号分析与处理方法成为许多机构的研究课题。美国俄亥俄州立大学的Kim，Yong.W等对传统的无参量谱分析、时-频分析、离散小波变换等作了较为深入的研究[62]。英国南安普敦大学的Lee，S.K认为，任意随意性的音响和振动信号都是由不规则冲击引起的，为此他提出了用三阶和四阶Winger谱来对这些信号进行分析[63]，同时还对信号中的噪声过滤提出了处理方法[64]。小波分析法的应用一直是国内外热门的研究课题[65][66]，东南大学王善永把小波分析法用于汽轮机动静碰摩故障诊断[67]，华中理工大学张桂才、东南大学王宁等把小波分析用于轴心轨迹的识别[68][69]。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[70]，还对FFT进行改进并吸收全息谱的优点，进行轴心轨迹的瞬态提纯[71]，哈尔滨工业大学刘占生在轴心轨迹特征提取中采用一种新的平面图形加权编码法，提高了图形辨识的准确率[72]，华中理工大学李向东用降维法将轴心轨迹转化为一条角度波形，使之应用于轴心轨迹的聚类识别[73]。