江苏省电机工程学会庆祝2023“全国科技工作者日”系列报道之四<br/>刘晓锋：科研匠心开展电力设备故障诊断学科交叉探

编者按：为大力弘扬科学精神，激发科技工作者奋斗热情，在2023年“全国科技活动周”“全国科技工作者日”来临之际，江苏省电机工程学会组织采访报道一批学会会员中的优秀科技工作者，向全体会员和全社会展示江苏电机工程领域的优秀科技工作者风采，激励和引导广大科技工作者切实加强科学道德和学风建设，坚持守正创新，为电机工程领域科技自立自强贡献力量。

刘晓锋博士是江苏省电机工程学会汽机专委会委员，江苏方天电力技术有限公司热能动力中心高级专业师，五级专家，国网公司调相机专家组成员，东南大学硕士研究生校外指导教师。

他从事电力设备振动监测与故障诊断工作21年，精通振动信号分析和转子动力学；成功治理疑难振动故障千余台次；发明的动态振动信号实时计算阶比跟踪算法和数字跟踪抗混叠滤波技术解决了传统振动信号频谱分析的频率模糊和频率混叠现象，并研制了嵌入式 DSP 振动信号采集、无线振动传感器、边缘计算等系列产品。研究成果分别通过江苏省电机工程学会、中国电力企业联合会、中国仪器仪表学会鉴定，达到国际先进水平，在中广核系统、国信、大唐、华能等发电集团推广应用。获省部级科技奖励3项，地市级奖项7项，授权专利10项，发表核心期刊论文13篇、参与编写专著2部。先后荣获“方天工匠”，“江苏省电力年度科技人物奖（优秀科技工作者）”等荣誉称号。被南京市政府授予“高层次创业人才引进计划”和“紫金山英才先锋计划创新型企业家项目”入选人才称号。

得益于江苏经济良好的发展态势，目前江苏电网并网电厂装机容量突破1.5亿千瓦装机容量，不仅成为全国负荷最高的省级电网，用电负荷更是“省可敌国”，超过欧盟诸国、韩国和澳大利亚。电力需求高速发展，众多新技术和高度复杂、精密的设备，都是率先在江苏电力系统实践应用。这无疑对他是一个施展才能的好平台，但同时也要承受高负荷的工作强度和巨大的压力。电力系统中轮机设备是最关键的生产设备之一，全省仅汽轮发电机组就400余台，再算上各种主要辅机，有上千台轮机设备需要提供振动分析与故障处理服务。振动是轮机设备安全工作的最重要指标之一，是电网坚强和能源安全的基础，由于振动导致的机组限负荷运行、能耗增加、非计划停机，甚至设备损坏人员伤亡的事故难度层出不穷振动问题不仅威胁发电机组运行安全，而且其处理技术路线也严重影响电厂经济效益。对于大机组来说一次启停燃油就需耗费数万元，甚至数十万元，机组进行分析处理停机期间的发电量损失更是可观，因此振动分析处理工作时间紧、压力大、技术复杂。他发扬踏实肯干，技术上严谨务实、理论创新，成功解决多项振动疑难杂症，21年来处理疑难振动故障千余台次。科研工作并不都是玄乎的理论、高大上的论文，每一次工程难题的认知、解决过程都是对传统经典理论的拓展和升华。省内东方汽轮机厂600MW汽轮机、通用电气9F燃机多台机组出现轴承座振动远高于转子轴振的情况，机组无法长期安全运行。由于这种转子轴承系统的非线性振动特征与传统线性振动特征存在本质差别，给现场分析处理带来了巨大难度，他创新性的应用动平衡优化技术，优化轴系振型，对全轴系多平面动平衡，一次启动成功消除了瓦振严重超标的缺陷。国内最先进的单支撑660MW/1000MW汽轮发电机组大量投运，高压转子1号轴振大幅波动，面临停机风险，已成为此类型机组的通病，国内对于此故障机理和原因存在较大争议，他通过大量试验和分析提出动静碰摩是导致机组故障的主要原因，并通过数学建模验证，故障存在冲击碰摩的特性，丰富推进了经典碰摩理论，并给出了有效可行的检修调整措施，使得碰摩故障有效缓解，机组能够安全稳定运行，这一成果是行业首次，得到了设备制造厂的肯定，并在同类型机组上推广应用。东方电机厂调相机瓦振超标问题是国网公司自 2017 年安装新一代大容量调相机以来遇到的重大技术难题之一，刘晓锋同志根据国网公司工作安排，率先找到问题根结并提出解决方向，认真编制完成东电首批10台调相机振动问题分析报告。多次参加政平、苏州、天山、柴达木等站调相机瓦振超标讨论会议。作为专家评审东电振动优化改进方案，进行厂内真机旋转试验见证，并赴柴达木站现场见证瓦振治理效果。两次在国家电网网设备部调相机运行分析双月会上作专题汇报，为同类型故障治理提供分析方法和处理经验。目前，10台调相机瓦振缺陷治理已完成并达到预期效果，有力支撑了东方电机家族性缺陷的解决，为国网公司青海柴达木、新疆天山以及北京特高压直流工程调相机等项目积累了宝贵经验。

作为工程技术人员，科研要着眼于解决实际问题，要为安全生产保驾护航。多年的工作经验，刘晓峰体会到：让科研跟着生产走、带着生产跑，才能提升自己的业务能力和专业水平，赢得客户的信赖。俗话说“没有金刚钻难揽瓷器活”，他紧盯生产一线技术革新需求和“卡脖子”技术难题，在专业工作上敢于担当，深入一线，专注严谨、精益求精，同时在坚守中能总结经验教训，发现突破点，保持创新的动力和精神，加强科技攻关和技术研发，勇攀科技高峰。

近年来，人工智能（AI）技术作为工业应用的新兴领域和有效的故障识别解决方案，越来越受到学术界和工业界的关注。在接触这一场景和应用此技术时，面对研究的热点，他并没有跟风盲动，而是首先产生疑问：为什么振动人工智能诊断在工程应用中受挫？

经过反复的研读科技文献，现场实际调查，他心里有了数。传统的第一代人工智能技术，基于知识和经验的推理模型，用这个模型来模拟人类的理性智能行为，像推理、规划、决策等等。根据这个原理，需要在机器里面建立知识库和推理机制，利用这两者对人类的推理和思考行为进行模拟。它的优势是知识和经验基于物理模型故障机理，诊断过程可解释性强。但是故障诊断中依据设备实体物理模型的故障机理分析受到复杂边界条件的制约，难以建立故障恶化发展的动态系统，物理模型与在线测量数据的交互实时性较差，模型的有效性和灵活性较低。

随着传感器及计算系统的发展，描述设备健康信息的数据量指数增长。第二代人工智能，额深度学习已成为学术研究热点。为了增强故障诊断模型的表达能力，以及摆脱对专家经验（知识、经验、逻辑）的过度依赖，相对的，这催生了大量基于人工智能数据驱动的设备健康监测模型。这些模型能够从复杂系统的大数据中提取物理模型中无法获取的隐藏故障特征。大大弱化了人类劳动并降低人工诊断的不确定性。但深度学习的特点就是基于充分的数据。需要以相应的专家知识或大量的故障数据样本为基础，尤其是大规模神经网络技术，其需要千万级或亿级的数据，才能发挥该技术的性能。而现实中，对于多数复杂机械设备，由于生产环境、传统技术以及其他条件的限制，想要获得足够多规整的、不含缺失异常值的故障数据样本较为困难。

针对人工智能故障诊断在工程领域应用的痛点，刘晓锋同志明确了研究方向，人工智能算法仅仅是一种工具，振动故障诊断必须在自己熟悉的专业领域寻求突破，才有出路。人工智能故障诊断的核心难点仍在于在传感器感知技术、振动机理研究、振动信号分析和特征提取技术。必须把振动信号与故障机理联系起来，并使用可解释性模型和数据增强技术，使振动故障诊断深度学习方法具有更高的物理可解释性。

研究之路是痛苦的，但每一次突破都是再次攀登的动力引擎。他和团队在交叉学科中不断探索。研制一个真正具有工程实用价值的人工智能诊断系统，这属于前沿的交叉学科，涉及转子动力学、故障机理、数据采集、信号分析、人工智能、计算机工程等专业。从振动信号实时计算阶比分析到阶比包络特征强化滤波技术，再到无线振动传感器和云边协同边缘计算，以及自定义诊断逻辑和开放式人工智能算法框架的电力运检智能决策系统的成功每一步都是从解决现场实际问题发力，不故弄玄虚，从每一种故障的诊断建模到传感器制备调试，最后实现传感器测试和样机研制甚至现场安装实测，团队成员协同配合、凝心聚力，大家始终保持着科学探索的精神精神，更没有忘记一个工程师的使命，那就是严谨认真、精益求精的工匠精神。

通过他和团队10年的坚持的努力，在振动故障特征提取技术、低功耗无线振动创拿起设计、云边协同边缘计算技术以及设备状态评估与智能决策技术等方面成果丰富并形成了系列产品。能够远程监测大型结构振动模态以及旋转电力设备运行参数和振动信号，多元信息融合及时发现潜伏性的故障，发布预警、智能诊断、跟踪治理，保障设备安全可靠运行，降低污染物排放，实现工厂由传统计划维修向可靠性维修转变，建设现代智慧工厂。科技成果分别通过“江苏省电机工程学会”、“中国电力企业联合会”、“中国仪器仪表学会”科技成果鉴定，达到国际先进水平，在无线振动传感器和故障机理可解释智能故障诊断技术方面达到国际领先水平。系列产品在中广核系统、国信、大唐、华能等发电集团推广应用，效果良好。

电力运检智能决策模块软件组成

设备智能诊断工具

江苏电力人才济济，特别是先进榜样的力量，就像一面镜子让他看清自己的差距不足。他们吃苦耐劳的品质，专注专研的精神，创新攻关的能力，分析问题的眼光格局，指引着刘晓锋前行的方向和目标。过去在工作中所取得的成果，源于领导信任和支持，团对相互协作、奋斗的结果。未来他将继续深耕于生产一线，把生产需求和学术前沿和热点问题密切结合，不断提高自己的科研能力和素养。同时保持乐观的心态，科研路漫漫，坚持攻坚克难的决心和恒心。