基于大數(shù)據(jù)平臺的火電廠泵類設(shè)備故障診斷技術(shù)分析

王鐵民　孫瑞　羅丹

摘 要：泵類產(chǎn)品在工業(yè)生產(chǎn)中有著廣泛的應(yīng)用，其工作運行中的穩(wěn)定性對生產(chǎn)活動有著重要影響。故障診斷技術(shù)對維持泵的正常運行有著重要意義，隨著大數(shù)據(jù)技術(shù)的發(fā)展，故障診斷結(jié)合大數(shù)據(jù)技術(shù)將為泵類設(shè)備提供更好保障。本文綜合分析了泵類故障診斷技術(shù)與大數(shù)據(jù)技術(shù)的發(fā)展趨勢和關(guān)鍵技術(shù)，指出智能化故障診斷面臨的挑戰(zhàn)與發(fā)展趨勢。

關(guān)鍵詞：故障診斷;大數(shù)據(jù);智能化;工業(yè)泵

1 引言

在工業(yè)生產(chǎn)中，泵作為一種通用機械其地位無可取代，其中石化用泵、電力用泵又占極大部分。由于我國目前發(fā)電情況是以火電為主力，而泵在火電廠所發(fā)揮的作用非常重要。泵類設(shè)備作為生產(chǎn)系統(tǒng)重要的環(huán)節(jié)，一旦發(fā)生故障容易導致整個生產(chǎn)系統(tǒng)癱瘓，其造成的直接和間接損失無法估量，因而保證泵的正常運行十分重要。

通過對泵類設(shè)備進行狀態(tài)監(jiān)測和故障診斷，可實時監(jiān)測設(shè)備的生產(chǎn)狀態(tài)，若有異常狀態(tài)發(fā)生，以報警方式對相關(guān)人員進行及時通知，從而減少因故障帶來的人力和物力的成本損失，以及提高設(shè)備和系統(tǒng)的可靠性。

2 國內(nèi)外狀態(tài)監(jiān)測、故障診斷技術(shù)的研究進展

現(xiàn)代信息技術(shù)發(fā)展已經(jīng)取得了快速的進步，如計算機技術(shù)、人工智能技術(shù)和傳感器技術(shù)，利用這些技術(shù)同狀態(tài)監(jiān)測和故障診斷理論進行結(jié)合，使得狀態(tài)監(jiān)測和故障診斷技術(shù)得以應(yīng)用于實際生產(chǎn)環(huán)境中。

美國于1967年成立了機械故障預防小組，英國幾乎同時期成立“英國機器保健中心”，他們在故障分析及診斷技術(shù)開發(fā)等諸多方面取得了很大成就。歐洲的部分國家憑借著對診斷技術(shù)的深度研究，已經(jīng)在該領(lǐng)域取得了較為不錯的成績。丹麥和日本也都針對機械設(shè)備推出了適合不同工業(yè)領(lǐng)域應(yīng)用的狀態(tài)監(jiān)測和故障診斷系統(tǒng)，例如核電站和商業(yè)熱電站。

此外，國內(nèi)對于狀態(tài)監(jiān)測和故障診斷技術(shù)也有一定的研究，許多企業(yè)和高校對此做了相關(guān)的理論研究和系統(tǒng)開發(fā)，并已有較好的成果展現(xiàn)。例如，南京航空航天大學、華南理工大學和浙江大學針對遠程故障診斷的研究取得了不錯的成績。華中理工大學構(gòu)建了設(shè)備故障遠程診斷中心，目的是為客戶提供遠程診斷服務(wù)，也取得了相應(yīng)的成果。

狀態(tài)監(jiān)測和故障診斷技術(shù)主要經(jīng)歷了人的現(xiàn)場觀察、測量儀器和計算機管理三個發(fā)展階段。最初的人的現(xiàn)場觀察階段主要由人根據(jù)以往經(jīng)驗，通過對設(shè)備的振動，溫度等機械狀態(tài)進行觀察和判斷，分析過程中往往需要進行專家討論，來確定設(shè)備的故障原因和運行狀態(tài)，這種原始階段的方法顯然耗時費力，對人的經(jīng)驗要求較高，并且結(jié)果往往不精確。在測量儀器階段，測量儀器的監(jiān)測作用逐漸代替了人的感覺去判斷設(shè)備的運行狀態(tài)。設(shè)備的頻率、振幅等各項參數(shù)都會被測量儀器一一記錄，通過參數(shù)化的數(shù)據(jù)，可以對數(shù)據(jù)進行趨勢預測和分析，并以此作為判斷設(shè)備故障的基礎(chǔ)，實現(xiàn)對故障的識別和排除。計算數(shù)據(jù)管理技術(shù)則是測量儀器階段的又一次巨大飛躍。在數(shù)據(jù)的處理方面，可以直接將測得的設(shè)備運行數(shù)據(jù)輸入預先編制好的算法系統(tǒng)中，通過各種算法的分析和評估，可以獲得完整的分析報告，并能根據(jù)分析結(jié)果做出更加直觀的可視化展示，如相關(guān)圖譜的展現(xiàn)。對設(shè)備狀態(tài)的預測也更加智能，從設(shè)備數(shù)據(jù)的采集及基本的處理擺脫了人的而參與。隨著監(jiān)測對象的不斷擴大，大數(shù)據(jù)技術(shù)也被應(yīng)用到設(shè)備的故障診斷及預測方面，智能化和精確性迅速提高?？臻g上也不再局限于本地檢測，遠程監(jiān)測逐漸成為重要手段。

目前，故障診斷領(lǐng)域相關(guān)的技術(shù)和方法主要有：基于隸屬度函數(shù)描述客觀事物的模糊數(shù)學、基于機器學習的神經(jīng)網(wǎng)絡(luò)和擅于處理不完整、不精確的粗糙集理論等。

2.1 泵體常見故障形式

泵體常見的故障形式如下圖1所示，主要涉及到水泵的葉輪、軸承、電動機和進出水管道等組件。因此，為實現(xiàn)對泵體的故障進行預測和監(jiān)控，需要對同上述相關(guān)組件相關(guān)的運行參數(shù)進行實時監(jiān)測。

2.2 泵體故障診斷方法

目前，神經(jīng)網(wǎng)絡(luò)在水泵故障診斷中使用得很多。文獻基于人工神經(jīng)網(wǎng)絡(luò)的水泵故障診斷技術(shù)研究將神經(jīng)網(wǎng)絡(luò)用到水泵故障診斷中，根據(jù)水泵不同的故障征兆基于人工神經(jīng)網(wǎng)絡(luò)建立故障診斷模型并進行模擬，利用機器學習訓練模型并進行故障識別、診斷，證明了神經(jīng)網(wǎng)絡(luò)在診斷的準確率和診斷效率方面具有優(yōu)勢。

文獻基于支持向量自回歸的大型離心式水泵振動狀態(tài)預測研究，利用支持向量機構(gòu)建了大型離心式水泵兩種不同的振動預測模型——基于灰度方法得模型和基于自回歸方法的模型。在進行實例驗證后得到結(jié)果：基于自回歸方法建立的模型在振動預測故障方面更加有效，從而提高水泵安全性和經(jīng)濟性。

文獻利用模糊理論針對礦井排水泵，構(gòu)建了一種水泵監(jiān)測及故障診斷系統(tǒng)，根據(jù)CNC總線技術(shù)和模糊理論，使用VB與MATLAB進行聯(lián)合編程。該故障診斷系統(tǒng)的穩(wěn)定運行，實現(xiàn)了對礦井排水泵的在線監(jiān)測與實時預警，對提高礦井的安全管理有極大幫助。

文獻油田注水泵故障診斷專家系統(tǒng)的開發(fā)根據(jù)水泵機組的振動信號建立了故障診斷專家系統(tǒng)。與傳統(tǒng)的專家系統(tǒng)相比，該系統(tǒng)在知識庫組建時充分地調(diào)研了實際的產(chǎn)生方式，將其融入至知識庫框架體系之中，以此建立的專家系統(tǒng)提高了搜索的效率，知識的匹配過程明顯改善。

3 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)主要有3個特點，分別是規(guī)模性（volume）、多樣性（variety）和高速性（velocity）。隨著信息技術(shù)的不斷發(fā)展，在面對海量的數(shù)據(jù)時，大批量數(shù)據(jù)的實時傳輸與分析成為一種趨勢。目前，大數(shù)據(jù)不斷與社會的各個領(lǐng)域結(jié)合。大數(shù)據(jù)處理過程主要包括數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)存儲、數(shù)據(jù)分析挖掘和數(shù)據(jù)可視化等。通過利用大數(shù)據(jù)技術(shù)，可對工程機械設(shè)備進行工業(yè)機械大數(shù)據(jù)的構(gòu)建，將設(shè)備每天產(chǎn)生的實時數(shù)據(jù)進行結(jié)構(gòu)化或非結(jié)構(gòu)化的保存，以此作為數(shù)據(jù)分析和挖掘的基礎(chǔ)，結(jié)合各種數(shù)據(jù)分析工具挖掘出有價值的信息可用于指導企業(yè)的各個環(huán)節(jié)，見圖2。

3.1 數(shù)據(jù)處理

數(shù)據(jù)處理作為大數(shù)據(jù)技術(shù)的上游環(huán)節(jié)，是一個非常重要的環(huán)節(jié)，合理的數(shù)據(jù)處理有助于減少大量冗余和無效的數(shù)據(jù)，這對后期的數(shù)據(jù)分析和挖掘有非常重要的意義。數(shù)據(jù)處理主要包括對數(shù)據(jù)進行清洗，集成和變換等。其目的均是為后期挖掘出有價值的數(shù)據(jù)奠定重要的基礎(chǔ)，如根據(jù)實際需要，對無效的噪聲信號進行去除，異常值的識別和排除，數(shù)據(jù)的聚合和規(guī)范化等。