基于管道状态关联分析的泵机组故障诊断方法研究.pdf
《基于管道状态关联分析的泵机组故障诊断方法研究.pdf》由会员分享,可在线阅读,更多相关《基于管道状态关联分析的泵机组故障诊断方法研究.pdf(6页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、2 0 1 5年第 4 3卷第 4期 流体机械 4 3 文章编号 : 1 0 0 5 0 3 2 9 ( 2 0 1 5 ) 0 40 0 4 3 0 5 基于管道状态关联分析的泵机组故障诊断方法研究 康健 , 张来斌 , 梁伟 ( 中国石油大学 , 北京1 0 2 2 4 9) 摘要: 在对现场泵机组和管道过程参数进行综合监测的基础上, 提出了一种基于管道状态耦合分析的泵机组设故障 监测方法, 该方法包括了泵机组的异常捕捉技术 、 相关管道的实时状态识别以及基于耦合作用的故障判别。现场应用结 果证明, 该方法能够快速有效的实现机组故障检测和识别, 与传统的方法相比大大降低了系统的误报警率。
2、关键词: 泵机组; 耦合分析 ; 信号捕捉; 故障诊断 中图分类号 : T H 3 文献标志码 : A d o i : 1 0 3 9 6 9 j i s s n 1 0 0 5 0 3 2 9 2 0 1 5 0 4 0 0 9 Re s e a r c h o n Fa ul t Di a g no s e of Pu m p Uni t Sy s t e m ba s e d o n St a t e Co u pl i n g An a l y s i s KANG J i a n, Z HANG L a i - b i n g, L I AN G We i (C h i n a U
3、n i v e r s i t y o f P e t r o l e u m ( B e i j i n g ) , B e ij i n g 1 0 2 2 4 9 , C h i n a ) Ab s t r a c t : B a s e d o n i n t e g r a t e d mo n i t o r i n g o f p r o c e s s d a t a o f P P U, a n o v e l f a u l t d i a g n o s i s me t h o d f o r p u mp u n i t s u s i n g s t a t u
4、s c o u p l i n g a n a l y s i s w o s p r e s e a t , w h e r e P P U i s c o n s i d e r e d a s o n e u n i t a r y o b j e c t T h e me t h o d b a s e d o n e q u i p me n t m o n i t o r i n g i n c l u d e s t h r e e s t e p s :a b n o r ma l i t y c a p t u r e , r e al t i me s t a t u s
5、mo d e l , a n d s t a t u s c o u p l i n g a n aly s i s P u mp u n i t f a u l t s a r e c a p t u r e d b y mu l t i s o u r c e i n f o rm a t i o n f u s i o n , a n d b e c a u s e t h e p i p e l i n e s t a t u s e s a r e i n c o r p o r a t e d , f a l s e a l a r m r a t e o f p u mp u n
6、 i t s c a n b e g r e a tl y r e d u c e d, wh i c h ma y o v e r c o me t h e f u n c t i o n l i mi t a t i o n s o f t h e o ns i t e f a u l t d i a g n o s i s b a s e d o n s u p e r v i s o r y c o n t r o l a n d d a t a a c q u i s i t i o n s y s t e m ( S C A D A) A n o nl i n e s o f t
7、w a r e s y s t e m i s d e v e l o p e d t o a c h i e v e a b e t t e r i m p l e m e n t a t i o n a n d c o n v e n i e n c e C a s e s t u d i e s i l l u s t r a t e t h a t t h e me t h o d i mp r o v e s t h e c a p a b i l i t y o f d e t e c t i o n, a n d r e d u c e s t h e f a l s e a l
8、 a rm r a t e o f P P U Ke y wo r d:p u mp u n i t s ; c o u p l i n g a n aly s i s ; c a p t u r e a b n o rm al s i g n al ; f a u l t d i a g n o s i s 1 前言 泵机组是原油管 道输送系统 中重要 的动设 备 , 长期处于高速 、 高温 、 高压的运行环境 中, 其运 行状况直接影响到输油系统 的稳定性 。目前针对 机组实施的实时故障监测一般通过现场数据采集 与监测控制 ( S C A D A) 系统来完成 , 但现场 S C A D
9、A系统功能有 限, 不能充分 挖掘在线过 程数据 所蕴含 的机组异 常信息且 容易导致误报警 J 。 原油管道输送时 , 泵机组和管道组成 了一个相对 完整的水力学系统 J 。从能量输送角度来说 , 泵 机组是能量的提供者, 管道是能量传递的路径, 某 一方能量 的改变 都会对另外 一方产生作 用和影 响, 以往研究表 明, 泵的运行状态与泵 的外部水力 参量 以及管道两端的水力参量 问是相互作用 、 相 互影响的关系 。 目 前国内外对这种耦合作用的研究较少, 现 有的研究主要集中在机组 自身各个部件间的耦合 作用关系上 , 尚未有针对管道与机组耦合作用研 究的报道 。 针对 目前 的研究
10、现状 , 本文提 出一种基于管 道状态耦合分析的机组故障监测方法 , 具体包括 泵机组的异常捕捉 , 相关设备 的实时状态分析 , 以 及泵机组异常的确定 等步骤 , 该方法采用多源信 息融合的思想对机组故障进行捕捉 , 并利用管道 实时状态排除机组故障误报警, 保障储运生产系 统的安全性 , 避免潜在事故的发生 , 确保整个储运 生产系统的安全运行。 收稿 日期 : 2 0 1 40 8 2 1 修稿 日期 : 2 0 1 41 01 4 基金项 目: 国家 8 6 3项 目资助课题 ( 2 0 0 8 A A 0 6 Z 2 0 9) ; 中国石油大学( 北京 ) 博士研究生基 础研究创新
11、 基金( 2 4 6 2 0 1 3 Y x B s o l 1 ) ; 国家 自 然科学基金资助课题( 5 1 0 0 5 2 4 7 ) F L UI D MAC HI N ER Y Vo 1 4 3, No 4, 2 0 1 5 2 泵机组异常捕捉 2 1 状态参量的选择 输油泵站可采集到的泵机组与管道数据项 目 见表 1 所示 , 根据数据属性不同可将其划分为 : 振 动 、 温度 、 压力 、 电力 、 状态这 5大类 。 表 1 泵机组与管道数据采集项 目及分类 分类 泵机组采集数据项 目 管道采集数据项 目 振动 电机端瓦振动、 泵端瓦振动 泵腰瓦温度、 泵壳温度 、 电 温度
12、进站温度、出站温度 机 A相温度 泵入 口压力 、 泵 出 口压力 、 压力 进站压力、出站压 力 汇管人 口压力 泵运行 状 态 、 泵 驱动 端 泄 状态 漏状态 电力 电机 电流 、 电机 电压 2 2信 号测 点位 置 信号是故障的载体 , 采集到的信号是否准确 , 是否具有典型性与代表性是后 续分析处理 的基 础。图 1 为泵机组振动信号采集 的测点布置图 , 其布置应尽可能靠近待测部位 , 避免信号的衰减、 畸变或传递受阻。同时在确定测点位置时 , 还应 考虑传感器安放 、 拆卸 的方便性 。 测点 l : 电机腰瓦轴承 测 点4: 泵 端 斑 : 轴 承 测点2 : 电机端瓦轴承
13、 测点3 :泵腰瓦轴承 | , 、 联 轴 器 释 一岛 国 专 地 基 图 1 泵机组测点布置 2 3 泵机组状态异常实时捕捉 泵机组的异常捕捉不 能只针对单个测点、 单 个时间点进行分析 , 需要综合分析机组 的多个采 集点 、 一段时期 内的数据 , 因此 , 需要在 内存 中建 立一个短期实时过程数据缓冲区, 实 现机组故障 监测与报警 , 故障监测与报警系统如图 2所示。 幽 圈 一薹?箍 效 实时数接 冲区 cADA 一阈值判断 图 2 机组故障监测与报警示意 由于监测系统还要考虑实时性的要求 , 故障 分析算法不能太复杂 , 因此 , 主要 围绕过程数据的 一些时域指标来进行分析
14、 , 所选择 的指标 以尽可 能反映出机组的隐含信息为标准, 本文提取的特 征指标具体见表 2 。 表 2 机组过程数据时域特征指标 指标项 目 公式 选择依据 最大值 =ma x ( ) 高高报 最小值 i =mi n ( x ) 低低报 峰峰值 一 m i “ 波动监测 均 方 根 值 = ( 1 n 波 动 监 测 , 稳 定 性 好 峭度 卢 = 脉冲监测 方差 Js ( ) 。 波动监测 c = x 裕 度 指 标 ( 1 N ) 脉 冲 、 波 动 监 测 小脉冲监测, 峭度指标 = ( ) 敏感性好,无 量纲 机组状态异常捕捉算法采用逻辑推理 的方法 实现 , 具体为 : 当有多
15、个状态参量的多个特征指标 均超出阈值范围且持续一定时间以上时 , 认为机 组运行状态异常 , 否则机组运行正常。此处 的阈 值要小于 S C A D A系统所设阈值, 但要触发此异 常捕捉不仅需要多个特征指标同时超过阈值而且 还需要多个状态参量 的共同参与, 这是一种多源 信息融合的分析思想 , 大量的试验证 明, 这种异常 捕捉判断条件与设备发生故障时所表现出来的多 方面故障征兆相一致 。 2 4 泵机组异常捕捉 实例 试验中捕捉到了一次机组运行状态异常 的4 个振动过程参量波形 , 此信号分别为电机两端轴 承振动和泵两端轴承振动 , S C A D A系统设定的报 警极限值 为 3 5 m
16、 m s 。分析后 得到该振 动过程 参量的时域特征指标如表 3所示 , 可知 , 此时振动 信号的最大幅值 仅为 2 1 7 6 6 m m s , 未达 到 S C A D A系统设定 的 3 5 mm s 的报警限 , 因此 S C A D A 系统忽略了此异常。然而 , 分析上述指标项 目可 知, 尽管该机组轴承 的振动 幅值不大, 但 峰峰值 、 峭度 、 方差 、 指标均严重超限 , 且持续 时间超过 5 分钟 , 长期作用会对设备造成冲击类损害, 这属于 隐含故障范畴, 因此需要对此异常进行捕捉并报 警 , 在 实际应用 中对此异常捕捉成功 , 相 比 S C A D A系统的状
17、态监测功 能, 本文所采 用的机组异 2 0 1 5年第 4 3卷第 4期 流体机械 4 5 常监测方法能够更充分地挖掘出状态数据所蕴含 的丰富信息 , 以获取机组 的隐含故障信息 。 表3 机组部分参数时域特征指标 ( m m s ) 电机驱动 电机非驱动 泵驱动 泵非驱动 指标项 目 阈值 端振动 端振动 端振动 端振动 最大值 0 3 6 9 5 0 6 0 0 0 2 1 7 6 6 2 1 4 8 4 3 5 0 H D 0 最小值 0 2 5 6 2 0 5 0 4 7 1 4 7 5 0 1 6 2 3 4 1 5 0 0 0 峰峰值 0 1 1 3 3 0 0 9 5 3 0
18、7 0 1 6 0 5 2 5 0 0 2 5 0 0 均方根值 0 3 0 5 8 0 5 4 5 1 1 7 9 3 4 1 8 8 0 2 2 0 0 0 0 峭度 0 0 0 8 9 0 0 8 8 6 1 0 8 7 8 2 1 2 8 3 O 7 5 5 0 0 0 方差 0 0 o 0 5 O 0 0 0 3 0 O 4 O 6 0 0 2 3 8 0 0 1 0 0 裕度指标 1 2 0 8 5 1 1 0 0 8 1 2 1 3 6 1 1 4 2 6 1 2 0 o 0 峭度指标 1 0 2 2 5 1 0 0 3 7 1 0 5 1 5 1 0 2 6 6 1 0 0 0
19、 HD 3相关设备实时状态模型的建立 由于泵机组 的监测状态和与之联接的管道状 态存在一定 的相互作用关系 , 因此判断泵机组状 态时, 有必要掌握此时管道的运行状态 , 从而对泵 机组 的异常进行判别 , 首先应选择敏感参量 , 建立 状态标准库 , 通过待测状态与标准状态的对 比, 从 而实现对待测设备状态的识别 。管道运行状态可 以用多种方法或参数进行描述 , 波形 系数是描述 一段数据均方根与其绝对平均值之间关 系的一个 无量纲物理量 , 系数的大小 与数据本身 的幅值关 系不大 , 只与数据的“ 形状 ” 有关 , 可 以用来 度量 信号 的“ 波动 ” 情况 , 本文利用波形系数组
20、合建立 起管道系统的波形谱 。 3 1 敏感参量选择 管道系统状态的敏感参数选择最关键 的“ 压 力” 这一个状态量。为 了同时表征压力 的整体和 局部形状特征 , 将 一个压 力信号划分为等距 的 5 段 , 分别计算每段 的波形系数指标 , 并构造维数为 5的波形谱 。由于各条管道 的管况不 同, 压力波 形差别很大 , 因此 , 需要针对每条管道 的上 、 下游 端分别确立各 自的标准状态波动谱 。 3 2 建立状 态标准库 总结 3种常见的管道运行状态为 : 平稳输送 、 正压水力 冲击 、 负压拉空 , 分别建立这 3种工况典 型的状态参量。根据公式计算 出各个参量 的波形 系数 ,
21、 把每种工况下各个参量 的波形指标按照顺 序组成一个 向量 , 并定义为该工况的波形谱 。对 多组 同类型的波形谱求平均 , 组成各管道状态的 标准波形谱。 3 3对待 测机 组 状 态的识 别 首先提取待测管道压力 的波动谱 , 然后利用 最大模糊贴近度的方法对待测波动谱进行分类识 别 。本文具体采用 了海明贴 近度 函数来实现 , 海 明贴近度公式为 : 1 n N ( A , ) = 1 一 1 l A ( ) 一 R ( u ) J ( 1 ) = I 现场应用证明, 基于最 大模糊贴近度 的识别 方法识别准确率较高 , 且运算速度快 , 不需要模型 训练 , 能够满足实时识别 的要求
22、。 4 故障诊断方法 4 1 常见的故障诊断方法 管道泄漏事故和泵机组故障事故 占了储运生 产系统事故中的绝大部分 , 是当前储运生产设备 安全研究的重点 。针对泵组故 障的诊断方法 , 目 前常用的故 障诊断技术主要有 : 红外热分析技术 、 热工参量诊断技术 、 声发射诊断技术 、 无损探伤诊 断技术 、 油液分析诊断技术 、 振动监测分 析技术 等 。对旋转式机械设备来说 , 其振动参数 比其它 类型状态参量能更直接 、 快 速地反 映机组 的运行 状态 , 因此振动监测分析是 目前设备故障诊断 中 应用最广 、 研究最为深入 的故障诊断技术。 由于管道和机组 的故障形式 、 故障特点不
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 管道 状态 关联 分析 机组 故障诊断 方法 研究
限制150内