首先建立大型塔机的有限元模型,通过该型塔机的型式试验报告验证模型的有效性,获取了塔机在完好状态和损伤状态下的动态位移信号。以完好状态的数据进行时间序列分析,建立AR模型,求得该模型的参数均值,用待检状态的位移数值拟合模型,用计算出的残差和各组数据均值作为特征值。提出了密度聚类中聚类半径的自适应计算方法,对提取的特征值进行密度聚类分析,实现了塔机完好状态和结构损伤状态的自动判别,进一步通过单肢实验数据进行了验证。这种基于密度聚类的诊断方法仅需要极少的传感器就可实现塔机结构状态的自动诊断。
某800 MW火电系统的两台增压风机在运行过程中均出现异常振动现象,监控系统数据显示,风机振动的幅值呈现周期性的低频波动现象。对两台增压风机的振动进行现场实测,深入分析振动信号的时域和频域特征,结果表明,叶轮旋转频率成分的幅值随时间发生周期性变化,是造成风机振幅周期性低频波动的原因。两台增压风机发生相同的异常振动现象,表明风道内流体的耦合作用对叶片载荷产生影响,据此给出解决异常振动问题的技术建议。