許越
水泥生產(chǎn)設(shè)備大多具有大型、高速、長期連續(xù)運行等特點[1],其故障維修成本高,維修周期長,事故發(fā)生造成的經(jīng)濟(jì)損失大,做好水泥生產(chǎn)設(shè)備的管理和預(yù)測性維護(hù)非常重要。預(yù)測性維護(hù)是指將設(shè)備的振動監(jiān)測、油樣分析、溫度分析與故障診斷相結(jié)合,判定設(shè)備是否發(fā)生故障、是否需要檢修以及何時檢修的一種設(shè)備維護(hù)方式[2]。預(yù)測性維護(hù)可及時、高效地對水泥設(shè)備的異常情況作出診斷,排除安全隱患,避免重大事故的發(fā)生。水泥生產(chǎn)過程所需的主要設(shè)備如圖1所示。
圖1 水泥生產(chǎn)過程所需的主要設(shè)備
現(xiàn)行的設(shè)備維修方式以響應(yīng)式維修和預(yù)防性維修為主。響應(yīng)式維修是一種事后維修,存在較大的安全隱患,且設(shè)備停機(jī)時間長,對產(chǎn)能影響較大;預(yù)防性維修的維修成本較高,且更多依賴于技術(shù)人員的維修經(jīng)驗,維修工作涉及的影響因素多,管理難度大。此外,關(guān)鍵主機(jī)設(shè)備的備件儲備也是水泥設(shè)備維修面臨的棘手問題,如輥磨、回轉(zhuǎn)窯、球磨機(jī)等主機(jī)設(shè)備的齒輪箱,其價值較高,如存一臺備用,則資金占用量大,若無備件,遇損壞時,維修周期長,經(jīng)濟(jì)損失大。
隨著智能制造的快速發(fā)展,傳統(tǒng)的維修方式已難以滿足可靠、可維修、經(jīng)濟(jì)、安全、全生命周期管理的現(xiàn)代水泥設(shè)備管理要求,加強設(shè)備預(yù)測性維護(hù)具有重要意義。本文以某水泥公司預(yù)測性維護(hù)系統(tǒng)在設(shè)備管理中的應(yīng)用為例進(jìn)行介紹。
設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)基于大數(shù)據(jù)技術(shù),結(jié)合了算法模型與專家系統(tǒng),集成了眾多智能方法的優(yōu)勢,能夠準(zhǔn)確、實時對設(shè)備異常運行情況進(jìn)行智能報警,提供故障診斷決策,實現(xiàn)水泥生產(chǎn)設(shè)備的全生命周期管理。該系統(tǒng)主要由數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用等模塊組成,如圖2所示。
圖2 水泥設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)構(gòu)成
2.1.1 數(shù)據(jù)采集模塊功能介紹
設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)采用無線采集站(圖3)和有線智能監(jiān)測站(圖4)相結(jié)合的方式采集數(shù)據(jù),可實現(xiàn)電纜零鋪設(shè),支持60個振動傳感器和30 個工藝量傳感器,集振動和溫度測量于一體。該系統(tǒng)的數(shù)據(jù)采集包括報警觸發(fā)采集、數(shù)據(jù)同步采集等,在斷網(wǎng)時也能進(jìn)行數(shù)據(jù)存儲,可有效避免突發(fā)情況造成的數(shù)據(jù)丟失;數(shù)據(jù)采集設(shè)備向下通訊支持ZigBee、LoRa,向上通訊支持以太網(wǎng)、光纖、WiFi、4G/5G 等;有線智能監(jiān)測站支持300+故障特征指標(biāo),具備黑匣子存儲功能,可實現(xiàn)邊緣智能報警和智能診斷。該系統(tǒng)可以同步采集轉(zhuǎn)速、加速度、工況等數(shù)據(jù);支持千兆/百兆網(wǎng)口/光纖、WiFi、4G/5G通訊方式,可適應(yīng)不同的工業(yè)生產(chǎn)現(xiàn)場;采用1.5GHz雙核的高性能芯片,存儲容量為8G,可滿足數(shù)據(jù)的高速存儲及計算處理;具有自動診斷功能,可判斷振動、工藝、轉(zhuǎn)速等各路數(shù)據(jù)采集通道是否正常和傳感器是否正常。
圖3 無線采集站
圖4 有線智能監(jiān)測站
此外,該系統(tǒng)的傳感器以毫秒級為單位采集數(shù)據(jù),形成了量大、多源、異構(gòu)、復(fù)雜、增長迅速的設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù),為該系統(tǒng)提供了大量可靠的監(jiān)測數(shù)據(jù)。
2.1.2 數(shù)據(jù)采集設(shè)備選用
(1)通頻振動加速度傳感器
傳感器內(nèi)置IEPE電路,采用恒流源組件供電,可以隔離輸出。其加速度測量范圍為±80g,寬頻響應(yīng)范圍為0.4Hz~15 000kHz。
(2)無線邊緣智能傳感器
集壓電、單軸、振動、溫度感知為一體的無線傳感器,在電機(jī)工況數(shù)據(jù)采集方面能力較強,可智能識別設(shè)備的轉(zhuǎn)速、負(fù)載及啟停機(jī)的狀態(tài)。該傳感器的功耗極低,配備19Ah大電池,持續(xù)工作時間長。
(3)通用無線振動傳感器
一種單壓電的三軸振動傳感器,LoRa 長距離通訊方式,可采集6 個低頻通用指標(biāo)和報警波形,電池可持續(xù)使用三年以上。
(4)側(cè)出式加速度傳感器
內(nèi)置IEPE電路,采用恒流源組件供電,加速度測量范圍為±80g;具有IP68高防護(hù)等級,360°側(cè)出,易于安裝和維護(hù)。
(5)沖擊振動傳感器
內(nèi)置IEPE電路,采用恒流源組件供電,可以同時監(jiān)測沖擊脈沖振動和溫度信號;采用激光焊接密封方式;振動頻率響應(yīng)范圍為2~10kHz;沖擊幅值范圍為10~8 000SV;具有IP68高防護(hù)等級。
(6)電機(jī)工況傳感器
監(jiān)測電機(jī)啟停機(jī)狀態(tài)的同時,也能監(jiān)測電機(jī)的工況;支持轉(zhuǎn)速識別和階次分析。
設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)中的Hadoop分布式系統(tǒng)架構(gòu)的云計算平臺,主要用于水泥生產(chǎn)設(shè)備運行數(shù)據(jù)的預(yù)處理、特征提取以及水泥生產(chǎn)設(shè)備的故障識別,如圖5所示。其中,數(shù)據(jù)存儲通過HDFS來實現(xiàn),分布式計算通過MapReduce來實現(xiàn)。該系統(tǒng)的數(shù)據(jù)存儲和處理技術(shù)采用高效的數(shù)據(jù)庫結(jié)構(gòu)和特殊的批量加載算法,可實現(xiàn)海量數(shù)據(jù)的快速存儲和檢索。
圖5 Hadoop分布式系統(tǒng)架構(gòu)
水泥生產(chǎn)現(xiàn)場環(huán)境復(fù)雜,涉及到的數(shù)據(jù)種類繁多,數(shù)據(jù)量龐大,數(shù)據(jù)結(jié)構(gòu)不一,很難使用傳統(tǒng)的、固定的數(shù)據(jù)接入手段應(yīng)對各種不同的數(shù)據(jù)接入場景;同時,平臺的應(yīng)用及接口均需盡快獲得最新的數(shù)據(jù)。因此,接口及應(yīng)用排隊獲得數(shù)據(jù)的傳統(tǒng)方式顯然不能滿足需求。
Kafka是一種可以實現(xiàn)高通量數(shù)據(jù)讀取和存儲的分布式發(fā)布訂閱平臺,如圖6 所示,可以統(tǒng)一接口服務(wù)的方式,開放給Hadoop等應(yīng)用,非常適合向Hadoop 或數(shù)據(jù)倉庫中進(jìn)行數(shù)據(jù)裝載。該平臺支持以信息集合為單位進(jìn)行批量發(fā)送,極大便利了數(shù)據(jù)傳輸。Kafka 還可應(yīng)用于用戶活動數(shù)據(jù)跟蹤、監(jiān)控運營數(shù)據(jù)指標(biāo)以及流式處理數(shù)據(jù)等方面。
圖6 Kafka平臺界面
2.3.1 算法開發(fā)
在水泥設(shè)備的預(yù)測性維護(hù)算法模型開發(fā)中,充分利用機(jī)器學(xué)習(xí)及信號處理的經(jīng)典算法,并與行業(yè)知識深入融合,形成了可解釋性的機(jī)器學(xué)習(xí)方法(LIME),建立了故障診斷網(wǎng)絡(luò)平臺。智能算法模型開發(fā)流程如圖7所示,算法開發(fā)流程描述如下:
圖7 智能算法模型開發(fā)流程
(1)針對水泥設(shè)備的振動數(shù)據(jù),提取其時域、頻域及時頻域特征,利用拓?fù)鋽?shù)據(jù)分析技術(shù)構(gòu)建特征的拓?fù)渚W(wǎng)絡(luò),并依據(jù)各特征在拓?fù)渚W(wǎng)絡(luò)中的重合程度,提取關(guān)鍵節(jié)點特征。
(2)通過卷積神經(jīng)網(wǎng)絡(luò)[3]、隨機(jī)森林[4]、深度自動編碼網(wǎng)絡(luò)[5]等模型方法構(gòu)建故障分類模型。
(3)利用可解釋性機(jī)器學(xué)習(xí)方法提高黑箱模型的可信度,采用線性替代、多重線性近似及決策樹等具有可解釋性的局部代理模型,評估各變量對每一分類結(jié)果的作用方向與作用強度。
(4)依據(jù)貝葉斯等決策算法,測算專家先驗知識與局部代理模型的重合程度,得出每一分類結(jié)果的可靠性后驗概率。
2.3.2 基于一維卷積深度網(wǎng)絡(luò)構(gòu)建故障診斷模型
本文提及的公司已累積了上千個水泥設(shè)備的故障案例,對于可靠性較低的案例,需要專家輔助識別,同時賦予專家識別案例較大的權(quán)重,將其再次引入模型中訓(xùn)練,通過迭代不斷優(yōu)化模型的診斷可信度。本文以一維卷積深度網(wǎng)絡(luò)為例進(jìn)行說明。
基于一維卷積深度網(wǎng)絡(luò)的水泥設(shè)備故障診斷模型的診斷過程分為多尺度粗粒度處理階段、多尺度特征提取階段以及分類階段。首先,針對水泥設(shè)備齒輪箱振動信號固有的多尺度特性,將原始的序列按照不同的間隔進(jìn)行簡單加權(quán),形成一個新的序列,將處理好的振動數(shù)據(jù)輸入到一維卷積神經(jīng)網(wǎng)絡(luò)框架中,最終實現(xiàn)齒輪箱振動信號的多尺度特征提取和分類,原理如圖8所示。
圖8 多尺度一維卷積神經(jīng)網(wǎng)絡(luò)原理
該模型能夠充分利用原始序列不同間隔上所蘊含的信息,在不同尺度獲取互補、豐富的診斷信息。由于該模型的分層學(xué)習(xí)結(jié)構(gòu)設(shè)計,可以通過學(xué)習(xí)高層的故障特征,提高模型識別水泥設(shè)備齒輪箱故障的精度。模型的輸入沒有固定的數(shù)據(jù)類型,可以是水泥設(shè)備的振動監(jiān)測信號,也可以是時間序列數(shù)據(jù),輸出需要定為齒輪箱的故障類型。離線訓(xùn)練好模型之后,將實時數(shù)據(jù)輸入模型即可快速得到齒輪箱的故障類型。一維卷積能夠很好地處理波形數(shù)據(jù),從波形數(shù)據(jù)中提取有效的特征,同時,由于波形也具有時間序列的特性,故也可以建立長短期記憶網(wǎng)絡(luò)及循環(huán)神經(jīng)網(wǎng)絡(luò)。
該系統(tǒng)集成了多種智能模型與算法,針對不同智能方法的優(yōu)點與不足,將其組合使用并與專家系統(tǒng)融合,有效實現(xiàn)了揚長避短。該系統(tǒng)采取多源信息融合、多種智能診斷方法集成,對診斷對象的適應(yīng)性更強,顯著提高了智能報警與智能診斷效率。
該系統(tǒng)具有較強的自學(xué)習(xí)、自適應(yīng)能力,通過持續(xù)的自學(xué)習(xí)訓(xùn)練,找到水泥設(shè)備出現(xiàn)異常的時間點及異常產(chǎn)生的原因和發(fā)展規(guī)律,不斷更新故障診斷知識庫,提高水泥設(shè)備運行異常的實時智能報警與智能診斷的水平,實現(xiàn)提前判斷、提前預(yù)警,減少設(shè)備維修人員不必要的檢測工作量及非計劃停機(jī)。
自設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)投入使用以來,在線運行率達(dá)100%,設(shè)備隱患預(yù)判預(yù)知能力、設(shè)備運行受控度有效提升,人機(jī)結(jié)合點檢效率顯著提升,主要設(shè)備運行狀態(tài)持續(xù)改善。
自設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)運行以來,公司窯、磨系統(tǒng)高效穩(wěn)定運行,多項生產(chǎn)工藝指標(biāo)達(dá)歷史最優(yōu)。以下為自該系統(tǒng)運行以來,成功預(yù)測設(shè)備隱患的部分典型案例。
2020 年 8 月 6 日,系統(tǒng)診斷分析推送現(xiàn)場 1 號煤磨排風(fēng)機(jī)風(fēng)機(jī)端振動上升與風(fēng)機(jī)平衡狀態(tài)及基礎(chǔ)剛度變化有關(guān),風(fēng)機(jī)端軸承前期有所損傷,近期損傷持續(xù)劣化。8月10日,現(xiàn)場反饋風(fēng)機(jī)軸承確有磨損,計劃近期大修時進(jìn)行更換;8月24日,現(xiàn)場反饋風(fēng)機(jī)軸承已更換,風(fēng)機(jī)彈簧減振墊也進(jìn)行了更換。雖然本次案例中的煤磨排風(fēng)機(jī)軸承故障隱患處于早期,但若設(shè)備損傷持續(xù)劣化,且錯過大修之后再進(jìn)行檢修,整體維修成本將會顯著增加。1號煤磨排風(fēng)機(jī)風(fēng)機(jī)端振動圖譜見圖9。
圖9 1號煤磨排風(fēng)機(jī)風(fēng)機(jī)端振動圖譜
2021年8月28日,系統(tǒng)診斷分析出公司1號輥壓機(jī)定輥電機(jī)負(fù)荷端軸承滾道輕微磨損,保持架卡澀、磨損,處于緩慢劣化狀態(tài),并將此診斷結(jié)果推送至現(xiàn)場專業(yè)技術(shù)人員,建議適當(dāng)改善軸承潤滑延緩劣化。9月1日,現(xiàn)場檢查反饋未發(fā)現(xiàn)明顯問題,并及時給電動機(jī)補充潤滑脂,隨后系統(tǒng)振動圖譜可見明顯改善。由現(xiàn)場反饋可知,在企業(yè)日常點檢及巡檢過程中,本次問題很難被現(xiàn)場人員及時發(fā)現(xiàn),通過添加潤滑油,在設(shè)備出現(xiàn)明顯機(jī)械損傷前及時維護(hù),有效延長了設(shè)備使用壽命。1號輥壓機(jī)定輥電機(jī)負(fù)荷端振動圖譜見圖10。
圖10 1號輥壓機(jī)定輥電機(jī)負(fù)荷端振動圖譜
2022年2月16日,公司水泥分廠更新了2號選粉機(jī)系統(tǒng)的減速機(jī)。開機(jī)后發(fā)現(xiàn),設(shè)備振動值較高,2號選粉機(jī)系統(tǒng)振動圖譜見圖11。通過診斷分析發(fā)現(xiàn),設(shè)備基礎(chǔ)剛度較之前存在差異,電機(jī)及減速機(jī)聯(lián)軸器連接狀態(tài)異常,建議現(xiàn)場排查減速機(jī)固定連接螺栓緊力情況及聯(lián)軸器連接狀態(tài)?,F(xiàn)場對選粉機(jī)減速機(jī)輸入、輸出軸進(jìn)行了重新找正,并對電機(jī)基礎(chǔ)進(jìn)行了加固,系統(tǒng)振動恢復(fù)正常。此問題若未及時發(fā)現(xiàn),新?lián)Q設(shè)備則可能出現(xiàn)故障,導(dǎo)致臨時停機(jī)重新安裝,短時間內(nèi)將造成較大經(jīng)濟(jì)損失。
圖11 2號選粉機(jī)系統(tǒng)振動圖譜
自設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)投入使用以來,其效益主要體現(xiàn)在以下幾個方面:
(1)意外故障發(fā)生次數(shù)大幅下降,減少了安全隱患。傳統(tǒng)的響應(yīng)式維修在設(shè)備出現(xiàn)故障后才會進(jìn)行,對于大型水泥設(shè)備而言,發(fā)生故障的同時,可能還會造成人身傷害。設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)可以提前發(fā)現(xiàn)故障隱患,減少意外的發(fā)生。
(2)使用設(shè)備管理及預(yù)測性維護(hù)系統(tǒng),可根據(jù)故障診斷結(jié)果,確定設(shè)備故障位置及可能的原因,縮短了設(shè)備故障排查分析時間,有效提高了設(shè)備維護(hù)工作效率。
(3)降低了設(shè)備維修費用,延長了設(shè)備使用壽命。在使用過程中,水泥設(shè)備的損耗程度往往是由小變大的,若前期的“小”故障未及時發(fā)現(xiàn),則很容易演變成“大”問題,設(shè)備管理及預(yù)測性維護(hù)系統(tǒng)可對故障隱患及時預(yù)警,并提出有效的處置建議。