基于DBN的煙氣輪機退化失效預警模型研究

田文慧 張來斌 胡瑾秋

（中國石油大學（北京）機械與儲運工程學院 北京）

目前，對于煙氣輪機（以下簡稱煙機）故障分析與診斷領域的研究多集中于該設備某一種故障類型特征，通過對其振動信號進行處理，找出其中的故障規律，如采用支持向量機對信號進行分類，不同類別代表不同故障類型，以此實現故障診斷的目的[1]；利用模糊矩陣的方法計算信號對于不同故障類型的隸屬度以實現故障類型劃分[2]；也有的是通過對煙機在不同故障類型下狀態參數所呈現的特點實現故障診斷[3]。然而，煙機的正常安全運行需要各個組成部件相互協作共同完成，某一或某些部件的退化將會對其他部件的正常工作產生影響，在多種因素相互耦合作用下最終導致故障的發生。上述方法并不能表達出故障發生過程中部件退化時相互之間的影響作用，更不能得到部件在相互影響作用下的退化趨勢。

本文在對煙機退化失效機理進行研究的基礎上，利用煙氣輪機監測狀態參數的偏差情況，基于動態貝葉斯模型，計算得出煙氣輪機各部件當前所處退化狀態，找到最可能發生故障的部件以實現故障診斷的目的，并預測出各部件在未來時間段內的退化趨勢從而達到預警的效果。

一、基于動態貝葉斯網絡的故障預警模型基本理論

貝葉斯網絡（Bayesian Network，BN）廣泛應用于維修、風險分析和可靠性研究領域[4]。該方法是一種基于概率推理的圖形化網絡，它由包括多種節點、連接節點的有向線、每個節點對應的條件概率分布表（CPT）組成。其中，節點分為觀測節點和隱含節點。

動態貝葉斯網絡（ Dynamic Bayesian Network，DBN）是靜態貝葉斯網絡應用的拓展，表達了動態節點在一定的時間段中的變化情況[5]。這些時間段，被稱之為“時間片”。相同時間片內變量之間的關系由片內的連接線表示，不同時間片的關系由時間片間的連接線表示。也就是說，同一時間片內，可以看作是一個靜態的BN，里面的節點及之間的連線表示著在這一時刻設備各部件及觀測參數之間的關系；不同時間片之間有關系的節點相連，表示前一時刻的節點對后一時刻節點的影響。貝葉斯公式是貝葉斯網絡的推理機制。以A表示一個事件，以B表示另一個事件。依據貝葉斯公式（公式1）可以求得在B事件發生的情況下A事件發生的概率為P（A|B）。

當建立煙氣輪機DBN預警模型時，觀測節點表示由傳感器測得的設備狀態參數，劃分的狀態表示參數偏差情況；隱含節點表示設備部件，不同的狀態表示該部件的退化程度。有關系的節點之間連接有向線。條件概率依據專家經驗設定。將觀測節點的偏差情況代入到建好的DBN模型中，計算得到煙機各部件（隱含節點）在當前時間片及在后續事件片中處于不同退化階段的概率。將這些由時間和概率組成的二維數組表示的點連成線，即可得到煙氣輪機部件退化趨勢圖。將退化趨勢與給定的標準相比較，當部件正常概率低于給定標準時發出警報，從而達到預警的目的。找到當前時間片中部件最可能處于的退化狀態，實現故障診斷的功能。

二、煙機退化失效預警模型建立步驟

1.第一步（研究煙機失效機理）

煙氣輪機常應用于流化催化裂化煙氣能量回收系統中，是該系統的重要組成設備之一。其工藝流程為：從再生器中排出的煙氣經過旋風分離器分離出其中大部分的煙塵顆粒，進入煙氣輪機；煙氣輪機利用高溫高壓煙氣的熱能及壓力能做功，帶動主風機轉動。煙氣輪機依據其結構和功能可以分為本體結構、調節及保護系統、輔助設備及系統三個部分。煙氣輪機本體結構包括葉片、轉子、汽缸、汽封、軸承及其他；輔助設備及系統包括潤滑油供應系統和軸封系統[6]。對煙機失效機理進行研究，可以選擇故障類型與影響分析（FMEA）等方法。找出其退化失效發生過程。

2.第二步（確定節點和有向邊）

（1）節點和有向邊的確定。經過對煙氣輪機進行FMEA分析可以發現，其本體結構中，葉片、轉子、汽缸、軸承易發生故障。故選取葉片、轉子、軸承為隱含節點。此外，潤滑油的作用對于各部件的退化起到重要作用。

綜上所述，選取的動節點包括葉片、主軸、軸承；并加入與潤滑油有關的部件如潤滑油噴嘴等。將這些重要部件作為隱含節點，反映部件狀態的參數作為觀測節點。存在相互影響關系的節點之間用有向邊連接。在工程實際中，轉軸振動幅度、葉片振動幅度、葉片溫度并不會直接測量。因此，將這三個節點去除。

（2）節點狀態劃分。對于隱含節點，依據部件退化過程劃分為不同階段。以葉片為例，葉片因其工作環境充滿高溫高壓的煙氣，易發生高溫氧化腐蝕和高溫蠕變破壞[7]。煙氣中未能被充分分離出的微粒對葉片存在著沖蝕作用，且還存在著催化劑的沉積問題[8]。多重因素的作用下，葉輪葉片會出現呈現宏觀裂紋、斷裂損傷的退化現象[9]。因此，對葉輪的退化階段設置為“正常”、“宏觀裂紋”、“斷裂損傷”。

觀測節點依據觀測值與設定閾值的相比的偏差情況劃分為不同狀態，表1、表2為節點信息表。

3.第三步（設置條件分布概率表）

DBN構建的最后一步是條件概率表（CPT）的確定。每一個CPT包含子節點在父節點的特定狀態下的條件概率。本文中選取通過專家經驗的方法設定。

4.第四步（建立煙機退化失效預警模型）

在以上各要素確定的基礎上可以繪制煙氣輪機退化失效預警模型DBN模型（圖1）。圖1中數字含義參見表1、表2中動靜節點編號對應的節點意義。在DBN圖中，“○”表示動節點，“□”表示觀測節點，實線表示T時刻動節點狀態，虛線表示T-1時刻動節點狀態。圖中節點數字編號參見表1和表2中的動靜節點編號。

三、案例分析

圖1 煙機退化失效預警DBN圖

某時刻軸承溫度偏高，軸承振幅正常。經此模型推理，可以得到不同部件（隱含節點）狀態發生的概率。推理結果如圖2所示，圖中橫坐標數字意義參見表1中動態節點狀態編號。除潤滑油噴嘴外，其他部件處于“正常”的概率都接近1。潤滑油噴嘴處于“正常”的概率最高，為0.5772。因為此時的偏差為“軸承溫度偏高”，但是軸承振動幅度正常。若軸承出現退化，發生的偏差不止是有溫度上的偏離，也應該有振動幅度上的異常。通過對部件所處的狀態進行推理，找到最可能處于不正常狀態的部件，就可以實現故障診斷的功能。利用該模型，可以進一步對退化失效趨勢進行預警，為軸承處于不同退化階段的概率隨時間的變化趨勢。為實現預警功能，設定“正常”概率低于0.5后發出報警信息，這個值也可以根據實際情況進行調整。從圖中可以看出，當時間為900 h左右時正常的概率低于0.5，此時可以發出報警。當時間為3000 h時，正常的概率幾乎為0。軸承的正常壽命約為30 000 h[10]，此處壽命急劇縮短的原因是潤滑油噴嘴極可能損壞（圖2g），潤滑油供應出現問題從而加速軸承磨損。

表1 動態節點信息

表2 靜態節點信息

圖2 煙氣輪機各部件退化狀態推理結果圖

四、結束語

本文基于動態貝葉斯網絡的基礎上建立了煙氣輪機部件退化失效預警模型。該模型利用煙氣輪機監測參數的偏差情況計算得出組成煙氣輪機的主要部件的退化情況。通過對當前時刻部件最可能處于的退化階段的計算實現故障診斷功能。此外，該模型還能夠在計算出當前時刻部件退化可能性外，推理出未來時間片中部件退化趨勢。當部件退化至指定可靠度后進行報警。結合計算出的時間和概率狀況，實現預警功能。

1 于芙蓉.基于支持向量機的煙氣輪機故障診斷研究[D].北京:北京化工大學，2009

2 Zhao X，Liu Y，He X.Fault diagnosis of gas turbine based on fuzzy matrix and the principle of maximum membership degree[J].Energy Procedia，2012，16:1448-1454

3 王春林.煙氣輪機故障診斷的特征分析及應用[J].化工機械,2010，37（ 4）:523-527

4 Weber P，Medina-Oliva G，Simon C，et al.Overview on Bayesian networks applications for dependability，risk analysis and maintenanceareas[J].Engineering Applications of Artificial Intelligence，2012，25（ 4）:671-682

5 Cai B，Liu Y，Zhang Y，et al.A dynamic Bayesian networks modeling of human factors on offshore blowouts[J].Journal of Loss Prevention in the Process Industries，2013，26（ 4）:639-649

6 黃樹紅.汽輪機原理[M].北京:中國電力出版社，2008

7 吳宇坤,周敬恩.汽輪機葉片常見失效方式及研究現狀[J].汽輪機技術，1995，37（ 6）:362-367

8 石油化工規劃設計院催化裂化能量回收攻關小組.國外流化催化裂化裝置煙氣輪機能量回收系統簡介[J].石油煉制與化工，1975，（3）

9 蘇勇令,蔡幗英.提高大型汽輪機葉片可靠性的意見[J].華東電力，1996，（ 1）

10 滾動軸承額定動載荷和額定壽命標準[S].GB/T 6391-2003，2003