基于FAHP分析模型法的柱塞泵健康狀態(tài)評(píng)估研究*

左學(xué)謙,熊 芝*,聶 磊,丁善婷,宋德夫,陳海龍

(1.湖北工業(yè)大學(xué) 機(jī)械工程學(xué)院,湖北 武漢 430068;2.湖北省現(xiàn)代制造質(zhì)量工程重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430068;3.安徽容知日新科技股份有限公司,安徽 合肥 230000)

0 引 言

隨著信息化技術(shù)的快速發(fā)展和油田行業(yè)“兩化融合”的深入推進(jìn),加快全面建成數(shù)字化、智能化油田,推動(dòng)油田高質(zhì)量可持續(xù)發(fā)展成為一種必然趨勢(shì)。

作為注水系統(tǒng)中一種重要的設(shè)備,油田用泵[1]在石油行業(yè)的開(kāi)采過(guò)程中起著至關(guān)重要的作用。在泵的維修問(wèn)題上,傳統(tǒng)的維修方式如事后維修、定期維修、視情維修等都存在著無(wú)法確定故障狀態(tài)及有效評(píng)價(jià)設(shè)備健康狀況等問(wèn)題,且難以滿足現(xiàn)場(chǎng)維修需求。因此,必須有一種以健康狀態(tài)評(píng)估為基礎(chǔ)的預(yù)防性維修方式。

目前,對(duì)于復(fù)雜設(shè)備采用基于健康狀態(tài)維修已經(jīng)成為一種趨勢(shì)。常見(jiàn)的健康狀態(tài)評(píng)估方法主要有以下3種:基于模型的方法、基于專家系統(tǒng)的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法[2-4]。

(1)基于數(shù)據(jù)驅(qū)動(dòng)的方法。該方法不依賴于系統(tǒng)的數(shù)學(xué)模型和專家知識(shí),主要采用各種數(shù)據(jù)挖掘技術(shù),獲取在線數(shù)據(jù)和離線數(shù)據(jù)中隱含的有用信息,表征當(dāng)前系統(tǒng)的正常和故障狀態(tài)[5,6],實(shí)現(xiàn)健康評(píng)估;但該方法對(duì)系統(tǒng)運(yùn)行環(huán)境要求高,需要保證系統(tǒng)的數(shù)據(jù)特征在本次運(yùn)行時(shí)不會(huì)發(fā)生改變,并且難以準(zhǔn)確建立一個(gè)能夠反映退化過(guò)程的健康指標(biāo)[7];

(2)基于專家系統(tǒng)的方法。它是利用專家經(jīng)驗(yàn)建立的針對(duì)某一領(lǐng)域的知識(shí)庫(kù),并需要計(jì)算機(jī)程序模擬專家的推理和決策過(guò)程[8,9]。該方法的知識(shí)庫(kù)構(gòu)建比較困難,標(biāo)準(zhǔn)統(tǒng)一性差;對(duì)于規(guī)則較多的復(fù)雜系統(tǒng),它存在規(guī)則沖突與推理漏洞等問(wèn)題;

(3)基于模型的方法。通過(guò)建立準(zhǔn)確的數(shù)學(xué)模型來(lái)進(jìn)行設(shè)備健康評(píng)估,主要有參數(shù)估計(jì)法、狀態(tài)估計(jì)法、等價(jià)空間法、分析冗余法等[10]。該方法需要準(zhǔn)確建立對(duì)象模型,需要對(duì)其基本原理、運(yùn)行機(jī)理和失效機(jī)制有較深理解,依賴大量的歷史數(shù)據(jù)規(guī)律。

以上分析表明,通過(guò)對(duì)油田用泵(柱塞泵)歷史數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行綜合分析,能較好地得到系統(tǒng)狀態(tài)值與系統(tǒng)故障之間的對(duì)應(yīng)關(guān)系,建立起相應(yīng)的數(shù)學(xué)模型,可將當(dāng)前的系統(tǒng)狀態(tài)值作為輸入值,以此來(lái)對(duì)系統(tǒng)的健康狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估。

因此,本文提出一種基于FAHP的評(píng)估方法,用來(lái)對(duì)油田用泵(柱塞泵)進(jìn)行健康狀態(tài)評(píng)價(jià)。

1 基于FAHP的健康狀態(tài)評(píng)估模型

模糊層次分析法(FAHP)是一種模糊數(shù)學(xué)評(píng)估法與層次分析法相結(jié)合的數(shù)學(xué)方法[11]。它根據(jù)隸屬度理論,將定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)。

該方法主要步驟為:

(1)建立權(quán)重矩陣。根據(jù)系統(tǒng)組成結(jié)構(gòu),得到健康狀態(tài)分級(jí)評(píng)價(jià)結(jié)構(gòu)模型;采用9標(biāo)度與FMECA分析中的嚴(yán)酷度一一對(duì)應(yīng),進(jìn)行兩兩比較,建立判斷矩陣,計(jì)算權(quán)重向量,并通過(guò)一致性檢驗(yàn),最終得到權(quán)重矩陣;

(2)生成劣化度模糊判斷矩陣。將劣化度代入隸屬度函數(shù)中,得到劣化度模糊判斷矩陣;

(3)計(jì)算健康狀態(tài)評(píng)價(jià)矩陣。利用權(quán)重矩陣和劣化度模糊判斷矩陣,進(jìn)行矩陣相乘運(yùn)算,得到健康狀態(tài)評(píng)價(jià)矩陣;并以此類推,得到上一級(jí)的健康狀態(tài)評(píng)價(jià)矩陣[12,13];

(4)根據(jù)最大隸屬度原則,對(duì)設(shè)備進(jìn)行健康狀態(tài)評(píng)估。

基于FAHP的健康狀態(tài)評(píng)估模型如圖1所示。

圖1 基于FAHP的健康狀態(tài)評(píng)估模型

2 權(quán)重矩陣及一致性檢驗(yàn)

筆者對(duì)設(shè)備進(jìn)行失效模式影響及危害性分析(FMECA),得出各系統(tǒng)或部件發(fā)生故障的嚴(yán)酷度;根據(jù)系統(tǒng)結(jié)構(gòu)組成,生成健康狀態(tài)分級(jí)評(píng)價(jià)模型,將9標(biāo)度與FMECA分析中的嚴(yán)酷度一一對(duì)應(yīng),進(jìn)行兩兩比較,建立判斷矩陣。

嚴(yán)酷度與9標(biāo)度對(duì)應(yīng)關(guān)系如表1所示。

表1 嚴(yán)酷度與9標(biāo)度對(duì)應(yīng)關(guān)系

因此,可得到裝備各系統(tǒng)或部件的判斷矩陣:

(1)

筆者采用求根法,計(jì)算判斷矩陣的最大特征根λmax及其對(duì)應(yīng)特征向量w=(w1,w2,…,wn),并進(jìn)行一致性檢驗(yàn),最終得到權(quán)重矩陣,即:

X=wT

(2)

一致性檢驗(yàn)是指利用一致性指標(biāo)、一致性比率及隨機(jī)一致性指標(biāo),對(duì)判斷矩陣進(jìn)行檢驗(yàn)的過(guò)程[14]。

(1)一致性指標(biāo):

(3)

式中:CI—隨機(jī)一致性指標(biāo),無(wú)量綱;λmax—判斷矩陣的最大特征根,無(wú)量綱;n—判斷矩陣的階數(shù)[15],無(wú)量綱。

(2)一致性比率:

(4)

式中:CR—隨機(jī)一致性比率,無(wú)量綱;RI—平均隨機(jī)一致性指標(biāo),無(wú)量綱。

對(duì)于1～15階判斷矩陣平均隨機(jī)一致性指標(biāo)RI的值,如表2所示。

表2 平均隨機(jī)一致性指標(biāo)RI

由于λ連續(xù)地依賴于aij,則λ比n大得越多,判斷矩陣的不一致性越嚴(yán)重,引起的判斷誤差越大。因此,可以用λ—n數(shù)值的大小來(lái)衡量判斷矩陣的不一致程度。

一般情況下,當(dāng)一致性比率CR<0.1或λmax=n,CI=0時(shí),認(rèn)為判斷矩陣的不一致程度在容許范圍之內(nèi),有滿意的一致性,可以通過(guò)一致性檢驗(yàn)[16];否則,需要重新構(gòu)造判斷矩陣,對(duì)aij加以調(diào)整。

3 模糊隸屬度函數(shù)

劣化度取值范圍為[0,1],記為li,其公式為:

(5)

式中:Ai—第i個(gè)狀態(tài)特征參數(shù)的正常值,無(wú)量綱;Bi—第i個(gè)狀態(tài)特征參數(shù)的極限值,無(wú)量綱;Ci—第i個(gè)狀態(tài)特征參數(shù)的實(shí)際測(cè)量值,無(wú)量綱;k—指數(shù),反映第i個(gè)狀態(tài)參數(shù)的變化對(duì)裝備功能的影響程度,一般故障情況下取2。

其中,Ai、Bi的值取自準(zhǔn)備的檢測(cè)標(biāo)準(zhǔn),它根據(jù)裝備設(shè)計(jì)使用和維修說(shuō)明或根據(jù)實(shí)際經(jīng)驗(yàn)來(lái)定[17]。

由于嶺形分布隸屬度函數(shù)具有主值區(qū)域?qū)挕⑦^(guò)渡帶平緩等特點(diǎn),能較好地反映出裝備劣化度與狀態(tài)之間的模糊關(guān)系,可用來(lái)量化設(shè)備健康狀態(tài),從而將抽象概念轉(zhuǎn)化為數(shù)學(xué)模型,計(jì)算出劣化度對(duì)應(yīng)各健康狀態(tài)的隸屬度[18]。

嶺形分布隸屬度函數(shù)如圖2所示。

圖2 嶺形分布隸屬度函數(shù)

圖2中,嶺形分布隸屬度函數(shù)表達(dá)式分別為:

(a)偏小型:

(6)

(b)偏大型:

(7)

(c)中間型:

(8)

式中:a,b—函數(shù)調(diào)整參數(shù),其取值范圍為[0,1]。

結(jié)合嶺形分布隸屬度函數(shù)隨劣化度變化過(guò)程可知,一般情況下,“正常”狀態(tài)選擇偏小型分布(處理區(qū)間內(nèi)偏小數(shù)據(jù)),“亞健康”和“異?！睜顟B(tài)選擇中間型分布(處理區(qū)間內(nèi)中間段數(shù)據(jù)),“故障”狀態(tài)選用偏大型分布(處理區(qū)間內(nèi)偏大數(shù)據(jù))。

筆者根據(jù)裝備監(jiān)測(cè)數(shù)據(jù)計(jì)算出劣化度,將其代入模糊隸屬度函數(shù)中,可得到各系統(tǒng)或部件的劣化度模糊判斷矩陣,即:

(9)

4 最大隸屬度原則

根據(jù)劣化度取值范圍[0,1],筆者參照相關(guān)的評(píng)價(jià)標(biāo)準(zhǔn)及專家經(jīng)驗(yàn)[19-21],構(gòu)建出四維設(shè)備健康狀態(tài)隸屬度向量等級(jí),如表3所示。

表3 四維設(shè)備健康狀態(tài)隸屬度向量等級(jí)

筆者利用權(quán)重矩陣和基于劣化度的模糊判斷矩陣,進(jìn)行矩陣相乘運(yùn)算,得到健康狀態(tài)評(píng)價(jià)矩陣;并以此類推,得到上一級(jí)的健康狀態(tài)評(píng)價(jià)矩陣:

Y=X°R=(y1,y2,…,yn)

(10)

式中:X—權(quán)重矩陣;R—模糊判斷矩陣;“°”—模糊運(yùn)算符。

最大隸屬度原則為:

μ=max(y1,y2,…,yn)

(11)

最后,根據(jù)以上原則來(lái)判斷設(shè)備健康狀態(tài)隸屬度向量等級(jí),從而判斷出該部件處于何種狀態(tài)。

5 柱塞泵健康狀態(tài)評(píng)估實(shí)驗(yàn)

為驗(yàn)證基于FAHP的健康狀態(tài)評(píng)估模型的有效性和實(shí)用性,筆者從某油田注水系統(tǒng)選取了1臺(tái)5DSB—34/25(120)型柱塞泵為例進(jìn)行分析。

5.1 監(jiān)測(cè)方案

據(jù)統(tǒng)計(jì),70%以上的設(shè)備故障形式都表現(xiàn)為振動(dòng),因此,通過(guò)對(duì)設(shè)備的振動(dòng)信號(hào)進(jìn)行識(shí)別與分析處理,可以為診斷決策提供依據(jù)[22,23]。筆者采用加速度振動(dòng)值作為評(píng)估指標(biāo),對(duì)中高頻振動(dòng)和高頻振動(dòng)的柱塞泵進(jìn)行健康狀態(tài)評(píng)估。

該實(shí)驗(yàn)采用的加速度傳感器型號(hào)為RH505,其振動(dòng)量程:±50 g;采樣頻率:1 280 Hz～51.2 kHz;頻率響應(yīng):±3 dB;線性度:1%。該傳感器具有極寬的頻帶,且有很大的動(dòng)態(tài)變化范圍,靈敏度較高[24-26]。

由于柱塞泵大部分都是機(jī)液一體的,其在工作過(guò)程中既有機(jī)械零件間的振動(dòng),又有工作介質(zhì)引起的沖擊,并且不同的故障在不同的測(cè)量方向上均有不同的反映[27]。因此,測(cè)點(diǎn)布置一般按3個(gè)方向選擇進(jìn)行振動(dòng)信號(hào)監(jiān)測(cè),即軸向方向A、水平方向H和垂直方向V。

柱塞泵現(xiàn)場(chǎng)測(cè)點(diǎn)布置情況如表4所示。

表4 現(xiàn)場(chǎng)測(cè)點(diǎn)布置情況

柱塞泵現(xiàn)場(chǎng)部分測(cè)點(diǎn)安裝圖如圖3所示。

圖3中,振動(dòng)監(jiān)測(cè)點(diǎn)大部分在機(jī)身表面上選取,傳感器采用膠粘方式安裝,安裝面光滑平整。

5.2 實(shí)驗(yàn)及結(jié)果分析

實(shí)例一:根據(jù)柱塞泵的健康狀態(tài)分級(jí)評(píng)價(jià)結(jié)構(gòu)模型,經(jīng)計(jì)算可得到第一種情況的柱塞泵動(dòng)力端健康狀態(tài)評(píng)價(jià)矩陣,如表5所示。

圖3 柱塞泵現(xiàn)場(chǎng)部分測(cè)點(diǎn)安裝圖

表5 第一種情況柱塞泵動(dòng)力端健康狀態(tài)評(píng)價(jià)矩陣

根據(jù)最大隸屬度原則可得出以下結(jié)論:柱塞泵的動(dòng)力端處于“亞健康”狀態(tài),但并不影響其正常工作,需加強(qiáng)對(duì)設(shè)備各項(xiàng)運(yùn)行指標(biāo)的監(jiān)測(cè)。

在定期維修過(guò)程中發(fā)現(xiàn)柱塞泵電機(jī)上皮帶出現(xiàn)磨損情況。系統(tǒng)監(jiān)控平臺(tái)顯示:在2021年5月10日至5月14日時(shí)間段,柱塞的輸出端6 H測(cè)點(diǎn)處加速度時(shí)域波形呈現(xiàn)出明顯的周期性沖擊特征,間隔為10.14 Hz。

柱塞輸出端6 H加速度時(shí)域波形如圖4所示。

電機(jī)速度頻譜圖如圖5所示。

圖4 柱塞輸出端6 H加速度時(shí)域波形

圖5 電機(jī)速度頻譜圖

由圖5可知:電機(jī)自由端1 H和電機(jī)負(fù)荷端2 H的速度頻譜中2倍頻能量顯著上升;能量具體變化過(guò)程分別為:1.433 mm/s→2.631 mm/s(↑1.198 mm/s)、2.376 mm/s→5.875 mm/s(↑3.499 mm/s)。

實(shí)例二:第二種情況的柱塞泵動(dòng)力端健康狀態(tài)評(píng)價(jià)矩陣,如表6所示。

表6 第二種情況柱塞泵動(dòng)力端健康狀態(tài)評(píng)價(jià)矩陣

根據(jù)最大隸屬度原則可知,柱塞泵動(dòng)力端處于“異?！睜顟B(tài),該柱塞泵動(dòng)力端需要進(jìn)行維修。

停機(jī)檢修發(fā)現(xiàn),泵端存在不上量情況,且排液閥的閥芯溝槽出現(xiàn)磨損,如圖6所示。

柱塞泵多測(cè)點(diǎn)加速度波形圖如圖7所示(箭頭表示出現(xiàn)上升趨勢(shì))。

由圖7可知:在2021年4月12日至5月6日時(shí)間段可見(jiàn)柱塞泵端多測(cè)點(diǎn)加速度,在4月26日之后呈現(xiàn)緩慢上升趨勢(shì),柱塞輸出端6 H測(cè)點(diǎn)幅值變化最高可達(dá)到21.4 m/s2。

柱塞泵多測(cè)點(diǎn)速度波形圖如圖8所示(箭頭表示出現(xiàn)上升趨勢(shì))。

由圖8可知,泵端多測(cè)點(diǎn)速度也存在著緩慢上升的趨勢(shì)。

同時(shí),筆者對(duì)柱塞輸入端5A測(cè)點(diǎn)在2021年5月6日0時(shí)0分時(shí)刻,在頻段2 500 Hz～9 000 Hz進(jìn)行包絡(luò)解調(diào)分析。

柱塞輸入端5A測(cè)點(diǎn)加速度包絡(luò)譜如圖9所示。

圖6 排液閥閥芯溝槽磨損

圖7 柱塞泵多測(cè)點(diǎn)加速度波形圖

圖8 柱塞泵多測(cè)點(diǎn)速度波形圖

圖9 柱塞輸入端5A測(cè)點(diǎn)加速度包絡(luò)譜

由圖9可知,加速度長(zhǎng)波形包絡(luò)譜中主要以曲軸轉(zhuǎn)頻(3.809 Hz)及其諧波能量為主。該結(jié)果表明,健康狀態(tài)評(píng)估結(jié)果與實(shí)際維修結(jié)果基本符合。

6 結(jié)束語(yǔ)

針對(duì)目前油田行業(yè)實(shí)施預(yù)防性維修的需求,筆者提出了一種基于FAHP的分析模型法,對(duì)柱塞泵的健康狀態(tài)進(jìn)行評(píng)估。

首先，筆者通過(guò)分析柱塞泵系統(tǒng)組成形成,由健康狀態(tài)分級(jí)評(píng)價(jià)結(jié)構(gòu)模型得到權(quán)重矩陣;將監(jiān)測(cè)數(shù)據(jù)計(jì)算出的劣化度代入隸屬度函數(shù)中,得到劣化度模糊判斷矩陣;最后進(jìn)行矩陣相乘運(yùn)算得到健康狀態(tài)評(píng)價(jià)矩陣,根據(jù)最大隸屬度原則進(jìn)行設(shè)備健康狀態(tài)評(píng)估。

研究過(guò)程及結(jié)果如下:

(1)在權(quán)重矩陣及一致性檢驗(yàn)中,將9標(biāo)度與嚴(yán)酷度相結(jié)合,增加了判斷矩陣建立的可信度,提高了健康評(píng)價(jià)模型的置信度;在模糊判斷矩陣中引入模糊理論,能解決故障狀態(tài)與故障判斷模糊性大和狀態(tài)評(píng)估指標(biāo)片面的問(wèn)題,克服了使用AHP的局限性;

(2)筆者采用基于FAHP的分析模型法對(duì)油田注水系統(tǒng)中的柱塞泵進(jìn)行了狀態(tài)監(jiān)測(cè),取得了較好的效果,實(shí)現(xiàn)了故障定位與健康評(píng)估,證明了該方法的有效性和可行性,能很好地實(shí)時(shí)反映出設(shè)備在運(yùn)行過(guò)程中的故障狀態(tài),所建立的狀態(tài)評(píng)估指標(biāo)可以充分利用監(jiān)測(cè)數(shù)據(jù),對(duì)現(xiàn)場(chǎng)維修具有很好的指導(dǎo)作用。

在后期的研究工作中,筆者將建立具有更高合理性、科學(xué)性的判斷矩陣,并在隸屬度函數(shù)的選擇方面開(kāi)展研究。