旋轉類設備的智能狀態維修實施框架

文/夏暉

旋轉類設備的智能狀態維修實施框架

文/夏暉

操作安全性、資產可用性和有效的維護成本對于公司和組織的競爭力有著舉足輕重的影響。在各種工業應用的生產系統中，旋轉機械是其核心部分，其故障可能會影響到整個工廠的運行。對于功能日益復雜的各類設備，要求能夠持久運行，并滿足極端苛刻的性能標準。雖然目前旋轉機械的效率和使用壽命得到了很大提高，但仍然很容易受到各種異常問題的困擾，圖1 為6個工業設備類別的年度損失分布。在此介紹一種基于狀態監測的智能狀態維修框架，以便于實施一種有效的旋轉機械維修體系。

圖1　以6個工業設備類別為代表的年度損失分布

狀態維修的優勢

維修是一種恢復設備的指定功能的活動集合。盡量減少機械設備的運行和維護成本是一個有效維護策略所必備的重要要素。提高系統的穩定性和降低維護成本的有效途徑是從故障處理和修復中引申出的維修預測和預防狀態檢修。綜合各類維修策略，從收益角度分析，狀態維修十分重要，如表1所示。

表1　維修策略的優劣對比

智能狀態維修的框架

基于狀態監測的智能狀態維修（CBM）的主要概念是通過監測和數據處理提取設備劣化信息，從而利用預測和診斷系統實現減少停機時間。要做到這些，需要一個智能的狀態維修框架，包括以下幾個關鍵的步驟和內容，如圖2所示。

1.數據采集：提供數字化傳感器或變頻器獲取有用信息（數據采集），使用網絡進行信息傳遞（數據通信），以及利用信息傳輸系統存儲數據，并提供下一步處理（數據存儲和處理）。

2.數據預處理：首先從數據中剔除掉外部干擾信息和偏差的影響，以保證獲取更加可靠的檢測結果。

3.特征提取：為實現特定的檢測目的，選取出可靠性高的關鍵數據特征組合。

4.健康評定：健康評定是借助狀態監測信息以判定設備是否處于健康運行狀態還是已經出現劣化，在這一步中要明確評定標準。

5.預測：預測是指早期發現設備組件出現的潛在故障，并以一定的技術手段預測該缺陷的進展情況。

6.診斷：故障診斷的3個主要任務是通過故障檢測發現問題點，找出故障根本原因并采取有效隔離措施。

在監測過程中，局部污染等缺陷可能會影響設備的運行參數，而流量和效率等運行參數的變化，可能會導致觀察參數的變化，如壓力、溫度、燃料流量和轉速變化等。這些偏離運行參數的數據可以用來檢測故障和隔離故障。另一方面，設備機械性能的劣化加劇也會影響到整個設備的有效運行。表2所列評估設備機械劣化程度的技術很多，有現場數據表明，組合兩種或者更多的監測技術可以獲取更多、更可靠的設備劣化信息。

圖2　基于狀態監測的智能狀態維修框架

未來展望

為了更好地實現對旋轉類設備的故障預測和診斷，提出基于狀態監測的智能狀態維修框架。包括基本功能模塊和對硬件、軟件的要求，以實現對設備的狀態維修。在這里還應該認識到，對于旋轉類設備建立狀態維修，首先要選擇有效的數據采集傳感器，其次要提取顯著特征并進行信號預處理，然后還要充分利用專業知識進行分析，并且要設計有效的數據模型以便從各類傳感器中獲取信息，最后要善于整合眾多狀態監測方法以提高故障預測的能力。

表2　各類狀態監測方法對比