基于相關(guān)系數(shù)的核電主泵振動異常定位方法研究

侯修群，蔣慶磊，包彬彬，苗碧琪，李元姣，張夢陽

基于相關(guān)系數(shù)的核電主泵振動異常定位方法研究

侯修群，蔣慶磊，包彬彬，苗碧琪，李元姣，張夢陽

（中核武漢核電運(yùn)行技術(shù)股份有限公司核設(shè)備研究設(shè)計中心，湖北 武漢 430223）

在工業(yè)互聯(lián)網(wǎng)的大背景下，核電廠積累了大量過程監(jiān)測數(shù)據(jù)，但大多數(shù)據(jù)都未進(jìn)行標(biāo)記，無法將其直接應(yīng)用于以數(shù)據(jù)驅(qū)動為核心的智能預(yù)警診斷。采用現(xiàn)場的報警門限值僅能對少量的振動異常進(jìn)行定位，忽略了大量未超報警門限但波動明顯的振動異常現(xiàn)象。針對該問題，提出一種基于相關(guān)系數(shù)的振動異常定位方法，該方法將振動數(shù)據(jù)與對應(yīng)時間的相關(guān)系數(shù)作為衡量振動數(shù)據(jù)的波動指標(biāo)，并通過歷史數(shù)據(jù)統(tǒng)計計算波動閾值，進(jìn)而對波動異常數(shù)據(jù)進(jìn)行定位。核電主泵的振動監(jiān)測數(shù)據(jù)表明，提出方法能有效檢測數(shù)據(jù)的波動異?，F(xiàn)象并實(shí)現(xiàn)了振動異常起始點(diǎn)的定位，為核電設(shè)備智能診斷方法的研究提供了大量有效的數(shù)據(jù)。

振動異常定位；變化趨勢計算；相關(guān)系數(shù)；核電主泵；故障診斷

隨著能源轉(zhuǎn)型步伐的逐步推進(jìn)，核電在我國能源結(jié)構(gòu)中將占據(jù)越來越重要的地位[1,2]。能源發(fā)展“十三五”規(guī)劃指出應(yīng)安全高效發(fā)展核電，推動核電主泵等關(guān)鍵重大裝備的科技創(chuàng)新[3]，主泵作為核電一回路系統(tǒng)能量傳遞的唯一動力源，其健康狀態(tài)對反應(yīng)堆安全運(yùn)行意義重大[4]，因此有必要采用先進(jìn)的技術(shù)手段對主泵的運(yùn)行狀態(tài)進(jìn)行監(jiān)測與診斷，確保核電站的安全穩(wěn)定運(yùn)行[5,6]。

主泵運(yùn)行過程中受工藝參數(shù)波動、設(shè)備故障以及外界環(huán)境干擾存在大量的振動異常現(xiàn)象，需對振動異常數(shù)據(jù)進(jìn)行檢測、定位，進(jìn)一步分析振動異常原因。且近年來，隨著工業(yè)互聯(lián)網(wǎng)的推進(jìn)和以數(shù)據(jù)驅(qū)動為核心的深度學(xué)習(xí)技術(shù)的發(fā)展，機(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷進(jìn)入大數(shù)據(jù)時代[7,8]，大量的歷史監(jiān)測數(shù)據(jù)將為主泵監(jiān)測技術(shù)的研究提供充足動力。然而這些數(shù)據(jù)未對其狀態(tài)進(jìn)行標(biāo)記，價值密度低，無法直接應(yīng)用于基于深度學(xué)習(xí)的智能預(yù)警診斷技術(shù)中。人工標(biāo)記數(shù)據(jù)周期性長、經(jīng)濟(jì)性差[9,10]，因此急需尋求一種高效準(zhǔn)確的振動異常數(shù)據(jù)檢測定位方法，充分發(fā)揮主泵監(jiān)測數(shù)據(jù)的價值，為主泵設(shè)備的預(yù)警及診斷提供數(shù)據(jù)支撐。

依據(jù)現(xiàn)場單特征報警門限值的定位方法[11]僅能完成對小部分振動異常數(shù)據(jù)的定位，而對于更為廣泛的未超過報警門限但存在明顯波動的振動異常數(shù)據(jù)不能實(shí)現(xiàn)有效檢測。異常檢測與定位作為數(shù)據(jù)挖掘領(lǐng)域的一個重要分支，眾多研究者對其進(jìn)行了研究[12-14]。文獻(xiàn)［12］為降低時間序列分析中時間代價高昂的問題，引入知識粒度的方法進(jìn)行異常檢測，通過屬性間的組合粒度劃分正常數(shù)據(jù)與異常數(shù)據(jù)，提高了異常檢測的效率；文獻(xiàn)［13］提出一種混合式聚類算法，將基于密度和基于距離的聚類算法相結(jié)合，先用基于距離的聚類算法找出聚類中心，再結(jié)合基于密度的聚類算法計算出異常度，從而識別異常數(shù)據(jù)；文獻(xiàn)［14］采用基于小波模極大值的遙測振動信號異常檢測方法，可以更為細(xì)致地捕獲到遙測振動信號的非平穩(wěn)程度以及在不同尺度下動態(tài)變化的復(fù)雜度。以上方法在異常檢測方面取得一定效果，但檢測的異常是一些顯著偏離分析對象的數(shù)據(jù)，無法反應(yīng)主泵運(yùn)行過程中受工藝參數(shù)波動等原因引起的振動異常波動的情況。文獻(xiàn)［15］通過計算地區(qū)風(fēng)電出力和典型日負(fù)荷的皮爾遜相關(guān)系數(shù)，分析得出該地區(qū)風(fēng)電出力的調(diào)峰特性，實(shí)現(xiàn)了調(diào)峰容量的計算。皮爾遜相關(guān)系數(shù)可用于衡量兩變量間的相關(guān)性，基于此，本文考慮采用皮爾遜相關(guān)系數(shù)分析振動數(shù)據(jù)與對應(yīng)時間的相關(guān)性，實(shí)現(xiàn)波動異常數(shù)據(jù)的定位。

綜上所述，針對主泵振動異常數(shù)據(jù)的檢測與定位問題，提出一種基于皮爾遜相關(guān)系數(shù)的方法。該方法將通過計算一段時間內(nèi)振動數(shù)據(jù)和對應(yīng)時間的相關(guān)系數(shù)判斷振動的變化趨勢，通過歷史振動數(shù)據(jù)的統(tǒng)計特性確定波動閾值進(jìn)而實(shí)現(xiàn)振動異常的檢測，并結(jié)合皮爾遜相關(guān)系數(shù)的等級強(qiáng)弱關(guān)系完成振動異常起始點(diǎn)的定位，最終通過主泵振動數(shù)據(jù)對提出方法進(jìn)行驗(yàn)證。

1　理論背景

1.1　皮爾遜相關(guān)系數(shù)

皮爾遜相關(guān)系數(shù)用來反映兩個變量線性相關(guān)程度的統(tǒng)計量，常被簡稱為相關(guān)系數(shù)，兩變量間的相關(guān)系數(shù)定義為變量間的協(xié)方差和標(biāo)準(zhǔn)差的商，如公式（1）所示。

表1　相關(guān)系數(shù)與相關(guān)度對應(yīng)關(guān)系

2　振動異常定位方法

本文提出的基于相關(guān)系數(shù)的主泵振動異常定位方法流程如圖1所示，包括數(shù)據(jù)預(yù)處理、變化趨勢計算、異常檢測和異常起始點(diǎn)定位四部分。

圖1　振動異常定位方法流程圖

2.1　數(shù)據(jù)預(yù)處理

主泵歷史振動數(shù)據(jù)中存在異常值等無效數(shù)據(jù)，需對其進(jìn)行清洗，此外，在相關(guān)系數(shù)計算之前進(jìn)行濾波以減少數(shù)據(jù)噪聲的干擾。

2.1.1數(shù)據(jù)清洗

此外，由于數(shù)據(jù)傳輸故障、傳感器故障等原因歷史監(jiān)測數(shù)據(jù)中存在孤立數(shù)據(jù)，孤立數(shù)據(jù)無法體現(xiàn)數(shù)據(jù)的變化趨勢應(yīng)將其刪除。孤立數(shù)據(jù)為相鄰數(shù)據(jù)點(diǎn)間時間間隔過大或一段時間內(nèi)數(shù)據(jù)點(diǎn)過少的數(shù)據(jù)，如圖3所示為孤立數(shù)據(jù)示意圖。

圖2　箱型圖判斷異常值

圖3　孤立數(shù)據(jù)示意圖

分析，若持續(xù)時長過短，一個分析窗口內(nèi)可能同時存在上升（或下降）階段，導(dǎo)致相關(guān)系數(shù)不能反映其變化趨勢。

2.1.2平滑濾波

振動數(shù)據(jù)的波動異?，F(xiàn)象如圖4所示的兩種類型，一種為圖4（a）所示的緩變趨勢，通過提取均值指標(biāo)可反映該振動數(shù)據(jù)的變化趨勢；另一種為圖4（b）所示的快變趨勢，均值指標(biāo)無法準(zhǔn)確反映該類型數(shù)據(jù)的變化情況，而方差指標(biāo)可體現(xiàn)數(shù)據(jù)幅值的波動情況。因此本文通過提取振動數(shù)據(jù)的均值和方差指標(biāo)捕捉振動異常特征，并實(shí)現(xiàn)平滑濾波。具體濾波方法采用防脈沖干擾濾波[16]，即去掉一段數(shù)據(jù)內(nèi)的最大值和最小值，求取剩余數(shù)據(jù)的均值和方差。

圖4　不同類型振動波動異?，F(xiàn)象示意圖

2.2　變化趨勢計算

式中：——分析窗口滑動的次數(shù)。

由公式（2）計算X與T的相關(guān)系數(shù)Y，由此得到一組相關(guān)系數(shù)，如公式（4）所示。將用于衡量振動數(shù)據(jù)的變化趨勢。

由圖5所示計算方法分析可知，若滑動步長與分析窗口大小選取不合適，將導(dǎo)致計算得到的相關(guān)系數(shù)無法體現(xiàn)振動數(shù)據(jù)的變化趨勢。

對于振動異常的定位不是必須的。

圖5　變化趨勢計算方法示意圖

圖6　滑動步長和分析窗口大小的影響

2.3　異常檢測

振動是否存在異常是對一段時間內(nèi)的振動數(shù)據(jù)進(jìn)行觀察分析得到的結(jié)論，因此本部分將通過計算一段時間內(nèi)變化趨勢的均值，并通過波動閾值判斷該段時間內(nèi)是否存在振動異常。

2.4　異常起始點(diǎn)定位

在對振動異常原因進(jìn)行分析時，需要定位振動上升（或下降）趨勢的起始點(diǎn)，將其與鄰近時間內(nèi)的其他因素進(jìn)行分析，由此確定引起振動異常的原因。

圖8　振動異常起始點(diǎn)定位方法流程

3 工程數(shù)據(jù)驗(yàn)證

為驗(yàn)證提出方法的有效性，利用某核電站主泵一年的振動數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，分別對異常檢測和異常定位的效果進(jìn)行分析。

3.1　試驗(yàn)數(shù)據(jù)

主泵振動監(jiān)測傳感器的測點(diǎn)布局[17]如圖9所示，分別裝有電機(jī)機(jī)架振動106 MV和107 MV、泵軸振動150 MM和151 MM、電機(jī)軸振動152 MM和153 MM共六個振動傳感器，每個部位的兩個傳感器成90°安裝。從數(shù)據(jù)存儲系統(tǒng)導(dǎo)出的歷史振動數(shù)據(jù)采樣點(diǎn)間隔為2 s，通過對振動數(shù)據(jù)的初步分析，其中既有較平穩(wěn)數(shù)據(jù)也有波動較大的異常數(shù)據(jù)，如圖10所示。由于泵軸存在較多的振動異常數(shù)據(jù)，因此以下將重點(diǎn)以泵軸的150 MM測點(diǎn)為例進(jìn)行分析，其中圖10（a）、圖10（b）均為150 MM測點(diǎn)數(shù)據(jù)。

圖9　某主泵振動傳感器布局示意圖

圖10　主泵振動數(shù)據(jù)趨勢圖

3.2　應(yīng)用效果及分析

3.2.1異常檢測效果分析

圖11　相關(guān)系數(shù)分布直方圖

圖12　相關(guān)系數(shù)趨勢圖

3.2.2異常定位效果分析

如圖13和圖14所示為提出方法對振動異常起始點(diǎn)定位的效果圖，其中上圖為相關(guān)系數(shù)的變化趨勢，從圖中可看出多處相關(guān)系數(shù)大于0.6；中圖為依據(jù)初選值定位得到的振動異常起始點(diǎn)，即相關(guān)系數(shù)等于0.6的時間點(diǎn)，可看出多處上升（或下降）的起始點(diǎn)存在明顯偏差；下圖是結(jié)合經(jīng)驗(yàn)法則之后定位到的振動異常起始點(diǎn)，分別與圖13和圖14的中圖進(jìn)行對比可看出，定位效果明顯得到改善。

圖13　振動異常起始點(diǎn)定位效果（150 MM）

圖14　振動異常起始點(diǎn)定位效果（151 MM）

4　結(jié)論

為提取出主泵歷史監(jiān)測數(shù)據(jù)中的異常振動數(shù)據(jù)，提出一種基于相關(guān)系數(shù)的振動異常定位方法，通過本文的研究，得到如下結(jié)論：

（1）本文提出的相關(guān)系數(shù)計算方法能夠很好的表征振動數(shù)據(jù)的變化情況，基于統(tǒng)計分析得到的波動閾值可用于實(shí)現(xiàn)對振動異常數(shù)據(jù)的檢測，具有很好的應(yīng)用效果。

（2）結(jié)合經(jīng)驗(yàn)法則的振動異常定位方法，可以有效提高異常定位的精度，為分析振動異常原因提供了充足數(shù)據(jù)。

值得注意的是，提出方法對故障預(yù)警提供了一種新思路，可基于此方法建立主泵振動故障預(yù)警模型；此外可將提出方法應(yīng)用于其他類型時序數(shù)據(jù)的波動分析，對相關(guān)研究具有一定的借鑒意義。

［1］ 趙成昆．中國核電發(fā)展現(xiàn)狀與展望［J］．核動力工程，2018，39（05）：5-7.

［2］ 趙和安．我國核電發(fā)展及其與緊固件的關(guān)系［J］．兵器裝備工程學(xué)報，2018，39（4）：131-137.

［3］ 中華人民共和國國家發(fā)展改革委，國家能源局．能源發(fā)展“十三五”規(guī)劃［R/OL］．（2016-12-26）[2020-09-15]. http://www.nea.gov.cn/2017-01/17/c_135989417.htm

［4］ Kiss，S；Lipcsei，S. Analysis of propagating temperature perturbations in the primary circuit of PWRs［J］．Annals of Nuclear Energy，2015，85：1167-1174.

［5］ 陳甲華，鄒樹梁．基于噪聲信號分析和HMM-SVM混合模型的乏燃料剪切機(jī)故障診斷研究［J］．核科學(xué)與工程，2018，38（5）：825-832.

［6］ Andrey，S. The study of cesium ionization at high gas temperature in a primary circuit［J］．Nuclear Engineering and Design，2016，310：453-460.

［7］ Jia，F(xiàn)，Lei，Y，Lin，J，et al. Deep neural networks：A promising tool for fault characteristic mining and intelligent diagnosis of rotating machinery with massive data［J］．Mechanical System and Signal Processing，2016，72-73：303-315.

［8］ Li，C，Sanchez，R V，Zurita，G，et al. Fault diagnosis for rotating machinery using vibration measurement deep statistical feature learning［J］．Sensors，2016，16（6）．

［9］ 朱寶，陳忠圣，余樂安．一種新穎的小樣本整體趨勢擴(kuò)散技術(shù)［J］．化工學(xué)報，2016，67（3）：820-826.

［10］ Zhu，N，Chen，S. Weighted sparse representation based on virtual test samples for face recognition［J］．Optik- International Journal for Light and Electron Optics，2017，140：853-859.

［11］龔安，史海濤．基于特征組合分析的主泵異常檢測方法［J］．科學(xué)技術(shù)與工程，2019，19（12）：223-230.

［12］楊志勇，朱躍龍，萬定生．基于知識粒度的時間序列異常檢測研究［J］．計算機(jī)技術(shù)與發(fā)展，2016，26（7）：51-54.

［13］尹娜，張琳．基于混合式聚類算法的離群點(diǎn)挖掘在異常檢測中的應(yīng)用研究［J］．計算機(jī)科學(xué)，2017，44（5）：116-119+140.

［14］劉學(xué)，梁紅，玄志武．基于小波模極大值模糊熵的遙測振動信號異常檢測［J］．振動與沖擊，2016，35（9）：147-151+158.

［15］林俐，周鵬，王世謙，等．考慮相關(guān)性的地區(qū)風(fēng)電出力對調(diào)峰容量的影響分析［J］．現(xiàn)代電力，2016，33（6）：21-26.

［16］沙林秀．帶時間戳的移動平均防脈沖干擾數(shù)字濾波算法［J］．石油機(jī)械，2012，40（3）：13-15+66.

［17］李振，袁少波．核電廠主泵軸振異常分析［J］．核動力工程，2019，40（1）：167-171.

Study on Abnormal Vibration Localization Method of Nuclear Main Pump Based on Correlation Coefficient

HOU Xiuqun，JIANG Qinglei，BAO Binbin，MIAO Biqi，LI Yuanjiao，ZHANG Mengyang

（China Nuclear Power Operation Technology Co.，Ltd.，Wuhan of Hubei Prov.430223，China）

Under the background of industrial Internet，nuclear power plants have accumulated a large amount of process monitoring data，but most of the data has not been labeled，and it cannot be directly applied to data-driven intelligent early warning diagnosis. The on-site alarm threshold can only locate a small number of vibration anomalies，and ignores a large number of vibration anomalies that do not exceed the alarm threshold but have significant fluctuations. Aiming at this problem，a method for locating vibration anomalies based on correlation coefficients is proposed. This method uses the correlation coefficient of vibration data and corresponding time as a measure of the fluctuation index of vibration data，and calculates the fluctuation threshold through statistical analysis of historical data and then the abnormal data fluctuations are located. The vibration monitoring data of nuclear power main pumps show that the proposed method can effectively detect the abnormal data fluctuations and locate the abnormal starting point of the vibration，which provides a lot of effective data for the study of intelligent diagnostic methods for nuclear power equipment.

Abnormal vibration location；Trend calculation；Correlation coefficient；Primary pump；Fault diagnosis

TH17

A

0258-0918（2021）05-0920-09

2021-02-11

候修群（1991—），男，湖北安陸人，碩士，工程師，現(xiàn)主要從事核設(shè)備性能監(jiān)測、故障診斷以及機(jī)器學(xué)習(xí)方面研究