核電站反應(yīng)堆冷卻劑泵故障診斷系統(tǒng)設(shè)計研究

匡成驍 王 巖 毛遠(yuǎn)帆 譚 鑫

（核反應(yīng)堆系統(tǒng)設(shè)計技術(shù)重點實驗室，四川 成都 610000）

0 引言

反應(yīng)堆冷卻劑泵（簡稱“主泵”）是反應(yīng)堆冷卻劑系統(tǒng)壓力邊界的一部分，主泵能否正常工作直接關(guān)系到核電站的運(yùn)行安全[1]。核電主泵由于振動過高、軸封泄漏量異常、軸裂紋、輔助系統(tǒng)監(jiān)測及預(yù)警不及時等典型故障最終導(dǎo)致機(jī)組停運(yùn)而臨時檢修或搶修而引起反應(yīng)堆停堆的事件已達(dá)到數(shù)百起之多，對商業(yè)運(yùn)行的核電站的造成了較大的經(jīng)濟(jì)損失。郭清[2]提出了一種基于DSmT決策級主冷卻劑泵并發(fā)故障融合的診斷模型；陳志輝[3]針對主泵的典型振動故障，利用小波分析的方法對模擬的主泵振動信號進(jìn)行處理，結(jié)果表明小波分析技術(shù)能夠有效地對故障特征進(jìn)行提取；馮俊婷[4]采用主元分析的方法，建立了核電站主泵參數(shù)異常情況的故障特征方向庫，通過實測數(shù)據(jù)驗證了該方法的可行性。關(guān)于主泵故障診斷技術(shù)的研究一直在進(jìn)行[5-9]，但是，以上只是針對主泵某一方面的故障展開研究，而主泵故障診斷的系統(tǒng)性研究和工程實踐還較少，因此本文提出一個主泵故障診斷的系統(tǒng)框架，為主泵故障診斷系統(tǒng)國產(chǎn)化的研制提供必要的準(zhǔn)備。

1 主泵的參數(shù)監(jiān)測

設(shè)備故障診斷首先要獲取設(shè)備的狀態(tài)信息，這些信息通常來自設(shè)備運(yùn)行過程中的各種參數(shù)變化，因此故障診斷的前提就是狀態(tài)參數(shù)的測量。測量數(shù)據(jù)真實性的含義，不僅是要求具有較高的信噪比、保真度，還要求能測量到引起故障原因的直接參數(shù)。當(dāng)然不是所有故障都可以直接監(jiān)測到反映故障征兆的參數(shù)，絕大多數(shù)故障特征信號是從振動和噪聲的信號經(jīng)過一定方式提取得到的。以某三軸承主泵為例，為了保證主泵的正常運(yùn)行及狀態(tài)監(jiān)測需要，設(shè)置的測點如表1所示。

表1 主泵測點布置

2 主泵故障診斷系統(tǒng)設(shè)計

2.1 需求分析

主泵的故障診斷過程主要包括信號采集、信號處理、故障模式識別、故障防治策略支持等。信號采集就是利用主泵設(shè)置的測點對各運(yùn)行參數(shù)進(jìn)行采集，包括振動、位移、溫度、壓力、流量、轉(zhuǎn)速、油位等信號；信號處理主要是對采集的樣本數(shù)據(jù)進(jìn)行處理以提取能夠反映故障狀態(tài)、性質(zhì)、類型和程度的特征信息；故障模式識別就是根據(jù)故障特征采用智能故障診斷方法對故障進(jìn)行分類，獲取最終的故障診斷結(jié)果；故障防治與控制就是根據(jù)防治策略專家知識庫對已經(jīng)確定的故障提出對應(yīng)的控制方案或治理措施。因此，主泵故障診斷系統(tǒng)應(yīng)具備以下幾點功能：

（1）在不拆卸或少拆卸主泵零部件的條件下，能夠定量地監(jiān)測、評價主泵各部件（如電機(jī)轉(zhuǎn)子、飛輪和水力部件等）的運(yùn)動性能和受力狀態(tài)，軸承和軸封系統(tǒng)的缺陷和磨損狀態(tài)；

（2）能夠確定主泵的故障性質(zhì)、故障類型、發(fā)生部位和危害程度；

（3）對故障發(fā)展趨勢進(jìn)行預(yù)測；

（4）能夠確定故障來源，并提出干預(yù)措施建議等。

2.2 結(jié)構(gòu)設(shè)計

針對上述故障診斷系統(tǒng)的功能需求，本文設(shè)計了一個四層結(jié)構(gòu)的系統(tǒng)框架，分別為信息采集和轉(zhuǎn)換層、數(shù)據(jù)管理層、邏輯層和表示層，如圖1所示。

信號采集和轉(zhuǎn)換層首先獲取傳感器采集到的數(shù)據(jù)信息（模擬信號），隨后通過模數(shù)轉(zhuǎn)換器（ADC）將模擬信號轉(zhuǎn)換為數(shù)字信號。轉(zhuǎn)換后的數(shù)字信號一方面經(jīng)串行接口傳輸?shù)綌?shù)據(jù)管理層實現(xiàn)數(shù)據(jù)的存儲和查詢等操作，另一方面直接傳輸?shù)焦收显\斷系統(tǒng)邏輯層實現(xiàn)故障診斷。數(shù)據(jù)管理層一方面與信號采集和轉(zhuǎn)換層交互實現(xiàn)原始信號的存儲，另一方面與邏輯層交互實現(xiàn)診斷結(jié)果和診斷日志的存儲。此外，數(shù)據(jù)管理層允許用戶通過表現(xiàn)層進(jìn)行程序參數(shù)的修改以及自定義內(nèi)容的存取。邏輯層是整個系統(tǒng)軟件部分的核心，是故障診斷程序在軟件中的直接表達(dá)。邏輯層包含各信號處理與故障診斷的算法模塊。其功能：采用頻譜分析對非平穩(wěn)信號（振動、軸位移）進(jìn)行信號特征提取，采用多元時間序列法對信號進(jìn)行狀態(tài)趨勢預(yù)測，等等。邏輯層使用到的算法模塊有GRU、ARIMA和PCA等，邏輯層是系統(tǒng)實現(xiàn)故障診斷與狀態(tài)趨勢預(yù)測的核心。表示層是操縱員與應(yīng)用程序進(jìn)行交互的界面，主要功能是數(shù)據(jù)展示、人機(jī)交互、診斷結(jié)果顯示和報警等。

2.3 數(shù)據(jù)庫設(shè)計

數(shù)據(jù)庫作為主泵故障診斷系統(tǒng)的一部分，其主要作用就是存放和管理數(shù)據(jù)。數(shù)據(jù)來源主要有主泵各工況下運(yùn)行的實時參數(shù)、專家知識、故障診斷過程信息和結(jié)果信息等；而管理包括了對用戶權(quán)限的管理和給定條件的數(shù)據(jù)進(jìn)行查詢、修改、刪除、導(dǎo)出等功能，并且配置良好的接口程序，便于故障診斷程序或其他第三方應(yīng)用程序調(diào)用。其功能需求如圖2所示。

數(shù)據(jù)庫的功能主要有兩個方面，即數(shù)據(jù)的存儲和管理。其中數(shù)據(jù)存儲分為自動存儲和手工存儲兩種方式。對于主泵實時數(shù)據(jù)、診斷過程數(shù)據(jù)和診斷結(jié)果數(shù)據(jù)采用自動存儲的方式。而對于診斷知識、用戶信息、設(shè)備信息和主泵運(yùn)行狀態(tài)信息等數(shù)據(jù)采用手工存儲的方式。

圖1 故障診斷系統(tǒng)框架

圖2 數(shù)據(jù)庫功能分析

數(shù)據(jù)管理就是對存儲的數(shù)據(jù)進(jìn)行查詢、輸出、更新和權(quán)限設(shè)置等功能。數(shù)據(jù)查詢可以按照需求對關(guān)鍵字或者時間范圍進(jìn)行查詢搜索；數(shù)據(jù)輸出有三種方式，分別為文本輸出、表格輸出和圖形輸出；數(shù)據(jù)的更新操作包括了對數(shù)據(jù)的插入、修改和刪除等，特別是知識庫，這些數(shù)據(jù)是建立在領(lǐng)域知識的基礎(chǔ)上的，隨著知識的獲取和積累，需要及時地對數(shù)據(jù)庫進(jìn)行更新。并且這些更新的操作情況會被記錄在日志文件中，當(dāng)數(shù)據(jù)發(fā)生損壞或丟失時，可以使用事務(wù)文件日志恢復(fù)數(shù)據(jù)；為了保證數(shù)據(jù)使用的安全，數(shù)據(jù)庫會對用戶的操作權(quán)限加以限制。管理員用戶擁有最高的權(quán)限。而普通用戶只能對數(shù)據(jù)進(jìn)行查詢和輸出，同時某些子庫不對普通用戶開放。

根據(jù)上述功能需求，設(shè)計了包含5個子庫的數(shù)據(jù)庫系統(tǒng)，即運(yùn)行參數(shù)庫、知識庫、用戶信息庫、設(shè)備信息庫和診斷信息庫，其組織結(jié)構(gòu)如圖3所示。運(yùn)行數(shù)據(jù)庫存放了主泵運(yùn)行各測點獲取的數(shù)據(jù)以及故障診斷程序提取的特征數(shù)據(jù)，具有實時的特性，反映了主泵的運(yùn)行狀態(tài)；知識數(shù)據(jù)庫用于存放主泵故障診斷相關(guān)的特征信息，包括主泵的故障描述、故障查詢規(guī)則和故障決策信息等；用戶信息庫用于存放數(shù)據(jù)庫的用戶信息、權(quán)限信息等；設(shè)備信息庫用于存儲主泵主要零部件的信息，包括傳感器、葉輪、泵軸、軸承、隔熱部件、軸封、聯(lián)軸器、電機(jī)、輔助設(shè)備等重要部件的廠商、型號、材料、安裝、維修等信息；診斷信息庫存儲了主泵歷史故障信息，數(shù)據(jù)表中展現(xiàn)了歷史故障的故障類型、當(dāng)時的干預(yù)措施以及診斷程序獲取的歷史故障特征信息。

圖3 數(shù)據(jù)庫組織結(jié)構(gòu)

2.4 故障診斷程序研發(fā)

故障診斷程序采用多種故障診斷方法，對傳感器監(jiān)測的參數(shù)進(jìn)行處理，獲取主泵的狀態(tài)特征，然后根據(jù)狀態(tài)特征利用模式識別技術(shù)最終實現(xiàn)主泵故障的診斷，其診斷流程如圖4所示。

圖4 故障診斷流程

對振動信號進(jìn)行頻譜分析，包括分析幅值譜、功率譜和相位譜。在Python語言下可直接調(diào)用FeatureExtract.py模塊。振動信號頻域變換模塊主要采用FFT算法。通過此調(diào)用方法可提高FFT算法的求解速度。

主成分分析方法PCA是一種高維數(shù)據(jù)分析的有效手段，該方法不僅能降低計算量，同時也能提高分類器的診斷精度。利用主泵正常運(yùn)行情況下的監(jiān)測數(shù)據(jù)即可建立一個主元模型，然后再對不同故障情況下的監(jiān)測數(shù)據(jù)進(jìn)行主成分分析，求解出第一負(fù)荷向量，就可以得到這些故障的特征方向，從而建立故障特征方向庫。在主泵的運(yùn)行過程中，通過不斷地監(jiān)測主元模型的誤差平方和（SPE）對過程故障進(jìn)行檢測。一旦檢測到系統(tǒng)運(yùn)行出現(xiàn)異常情況，就可以利用主元分析來計算當(dāng)前的數(shù)據(jù)方向，并與故障特征方向庫相比較，從而實現(xiàn)主泵異常狀態(tài)的診斷。

對于過程信號則采用多元時間序列分析，使用的分析方法有差分整合移動平均自回歸模型、Prophet算法、GRU神經(jīng)網(wǎng)絡(luò)算法等。

時間序列模型為回歸模型（Auto Regression，AR）和滑動平均模型（Moving Average，MA）相結(jié)合的差分整合移動平均自回歸模型 （Autoregressive Integrated Moving Average Model，ARIMA）。模型中通過高斯函數(shù)中“異常度”這一指標(biāo)量來對主泵在該時間點是否處于異常運(yùn)轉(zhuǎn)情況進(jìn)行判定。

2.5 人機(jī)界面設(shè)計研究

核電領(lǐng)域有相當(dāng)數(shù)量的軟件界面依舊使用大量的灰階色調(diào)和突兀的藍(lán)色漸變，顏色的色相、明度和飽和度的變化不合理。同時所使用的字體過于統(tǒng)一，顏色直接使用純黑色，使得原本偏暗的灰色界面更加暗淡，導(dǎo)致軟件整體視覺上過于單調(diào)。軟件面板灰色偏暗同時無任何的合理細(xì)微的變化，在人眼球長時間觀看后極易產(chǎn)生視覺疲勞并有可能導(dǎo)致近視、閱讀串行、無法集中注意力等問題。

因此為了解決上述問題，本故障診斷系統(tǒng)的人機(jī)界面設(shè)計上，將進(jìn)行科學(xué)的圖形界面設(shè)計、交互體驗設(shè)計和用戶研究設(shè)計。本主泵故障診斷系統(tǒng)人機(jī)界面如圖5所示，人機(jī)界面分為7大功能區(qū)，分別為菜單欄、參數(shù)監(jiān)測區(qū)、主視圖區(qū)、特性參數(shù)區(qū)、異常參數(shù)列表區(qū)、診斷結(jié)果區(qū)和決策支持區(qū)。為方便用戶使用，前端設(shè)計采用分列式設(shè)計，使用bootstrap前端UI框架。將前端分為三個模塊，分別為左側(cè)主檢測區(qū)、中間泵視圖區(qū)、右側(cè)實時參數(shù)檢測區(qū)。左側(cè)主檢測區(qū)中分列特性參數(shù)監(jiān)測、異常參數(shù)列表、故障診斷結(jié)果顯示和決策支持。特性參數(shù)監(jiān)測使用數(shù)據(jù)綁定（Data Binding）功能從數(shù)據(jù)庫實時讀取主泵參數(shù)，實時顯示主泵轉(zhuǎn)速、功率、揚(yáng)程等重要參數(shù)。

圖5 主泵故障診斷系統(tǒng)人機(jī)界面

3 結(jié)語

本文針對核電站主泵設(shè)計了具有四層結(jié)構(gòu)的故障診斷系統(tǒng)框架，分別為信號采集和轉(zhuǎn)換層、數(shù)據(jù)層、邏輯層和表示層。然后通過系統(tǒng)數(shù)據(jù)庫設(shè)計、故障診斷算法開發(fā)和人機(jī)界面等詳細(xì)設(shè)計。最終能夠?qū)崿F(xiàn)主泵異常狀態(tài)的監(jiān)測、識別以及主泵參數(shù)的實時展示、故障結(jié)果的顯示、報警和操作指導(dǎo)等功能。該系統(tǒng)框架的設(shè)計也為主泵故障診斷系統(tǒng)的國產(chǎn)化提供了必要的準(zhǔn)備。