一种连续式抽水蓄能机组轴线测量与调整方法

摘要

一种连续式抽水蓄能机组轴线测量与调整方法，包括以下步骤：S1、传感器标定：对盘车前各通道传感器进行标定；S2、数据采样：采用多通道独立并行方式进行采样；S3、数据滤波：采用FIR切比雪夫I型低通数字滤波；S4、相位识别：采用相位识别技术对初始相位及采样点相位进行识别和标记；S5、正弦拟合：采用粒子群算法获取摆度正弦曲线的摆度初相位、摆度幅值和摆度直流分量。本发明可实现任意转角、任意点数的数据采样，滤去高次干扰谐波，并通过相位识别技术解决大轴转速不均匀的问题；本发明还提高了机组轴线检查精度，缩短盘车时间，减少盘车所需人力，带来极大的经济效益；且采用到的系统界面简洁，易于操作实施，对机组轴线检查与调整类问题具有普遍的推广价值。

主权项

一种连续式抽水蓄能机组轴线测量与调整方法，所述方法中采用到一抽水蓄能机组轴线智能调整系统，其包括数据采集系统、传感器系统以及数据处理分析系统，所述的数据处理分析系统中包含软件滤波、相位识别和数据正弦拟合三大主要模块；其特征是：所述的方法包括以下步骤：S1、传感器标定：对盘车前各通道传感器进行标定；S2、数据采样：采用多通道独立并行方式进行采样；S3、数据滤波：采用FIR切比雪夫I型低通数字滤波；S4、相位识别：采用相位识别技术对初始相位及采样点相位进行识别和标记；S5、正弦拟合：采用粒子群算法获取摆度正弦曲线的摆度初相位、摆度幅值和摆度直流分量；所述的步骤S1中标定的传感器包括：上导涡流传感器、法兰涡流传感器、水导涡流传感器和光电鉴相传感器；所述步骤S2中，采样部位包括：抽水蓄能机组的上导、法兰和水导；所述步骤S3包括以下子步骤：S3‑1：利用FDATOOL工具箱设计数字滤波器，设定截止频率，滤波器类型选择为FIR切比雪夫I型低通滤波；S3‑2：输出步骤1中数字滤波器的滤波系数h(j)；S3‑3：利用FDATOOL工具设计好的滤波系数编写FIR切比雪夫I型低通数字滤波器程序，滤波器的数学模型为：Y(i)＝Σh(j)·X(i‑j)i＝1…n；j＝1…m；式中：Y(i)为滤波后的输出值；X(i‑j)为原始信号；h(j)为滤波系数；i、j分别为采样点数和滤波器阶数；所述步骤S4具体包括以下子步骤：S4‑1：在旋转轴上沿圆周等距离布置若干光带纸，然后在布置的光带纸中任选一条，在其邻近处多贴一条相同的光带纸，取其为判断测点的初始相位；S4‑2：选定一个周期，读取光电采样数据，计算相邻光电纸之间的距离并保存在D_i中；D_i相邻光电纸之间的距离；S4‑3：找出最小的D_i，即光带间最短的距离，由此确定相邻两条光带为最短距离的前一条光带的前边缘为初始相位，标定其轴号顺序为1并存储其位置在L_j中；L_j指轴号的位置信息；S4‑4：非初始相位光带纸依次标定轴号(2，3……，GdNum)，也将其位置存储在L_j中；S4‑5：按下式计算每个采样点的相位：$X_i=\frac{360}{\mathrm{GdNum}}·(j-1)+\frac{360/\mathrm{GdNum}}{(L_{j+1}-L_j)}·(i-L_j);$式中，i为第i个摆度采样点，X_i为第i个摆度采样点对应的相位，GdNum为布置的光带数目，j为第j个轴号，L_j为第j个轴号的光带位置数据；所述的步骤S5中的三个参数指摆度初相位、摆度幅值和摆度直流分量，具体包括以下子步骤：S5‑1：设置数据拟合的初始化参数；包含种群规模M、最大迭代次数MaxIter、粒子速度v、惯性系数w、学习因子c₁和c₂；S5‑2：初始化种群$x_i^0=[A_i,{\theta }_{0i},B_i]i=1...M$式中：为初始化种群中，其中第i个粒子初始位置表示为三维矢量[A_i,θ_0i，Y_i]，A_i为摆度振幅，θ_0i为初始相位，B_i为直流分量；S5‑3：按照下式计算种群中粒子i的适应度；${\mathrm{Fit}}_i=\underset{j=1}{\overset{n}{\Sigma }}{(A_i\sin ({\theta }_j+{\theta }_{0i})+B_i-Y_j)}^2,j=1...n$式中：n为采样点个数，Y_j为第j个采样点的采样值，Fit_i为粒子i的适应度；S5‑4：根据步骤S5‑3，获取粒子所经历过的最好位置为P_best以及整个群体的最优位置为G_best；S5‑5：更新粒子的速度和位置；公式如下：$v_i^{k+1}={\mathrm{wv}}_i^k+c_1{r}_1({P_{\mathrm{best}}}_i^k-x_i^k)+c_2{r}_2({G_{\mathrm{best}}}^k-x_i^k)$$x_i^{k+1}=x_i^k+v_i^{k+1}$式中：k表示迭代次数；w为惯性系数；v_i为粒子i的速度；c₁和c₂为学习因子；r₁和r₂为0到1之间的随机数；S5‑6：重复步骤S5‑3～S5‑5，当迭代次数达到指定最大迭代次数MaxIter，G_best便是输出的最优结果。