基于模型的自學習智能監(jiān)測診斷技術

汪 斌

（普迪美科技（北京）有限公司，北京 100081）

0 引言

工業(yè)互聯(lián)網預計將更多的智能機器，高級分析和工作人員連接起來，為全球產業(yè)帶來深刻的轉變。工業(yè)數(shù)據呈指數(shù)級增長，智能機器的使用有可能通過消除計劃外的停機時間和加快生產力的增長。通過實時在線監(jiān)測，智能機器可實現(xiàn)預防性維護，并更接近于“無意外停機”的目標。

在資產的利用效率考察下，工廠管理者面臨比以往更大的壓力。由于這種壓力已經轉化為資產有效性的不斷增長的目標，狀態(tài)監(jiān)測已被證明是追求可用性，生產率，質量和能源效率的有力工具。介紹的基于模型的自學習智能監(jiān)測診斷技術能成功降低成本并提高生產率，通過狀態(tài)監(jiān)測實現(xiàn)預防性維護。

1 基于模型的自學習智能監(jiān)測診斷技術

“基于模型的自學習智能監(jiān)測診斷”方法具有創(chuàng)新性，在其領域是獨一無二的。使用的先進算法最初是根據NASA（National Aeronautics and Space Administration，美國國家航空航天局）合作開發(fā)的（Duyar和 Merril，1992；Litt等，1995；Musgrave等，1997；和 Duyar等人，1994），該方法（Duyar，2011）開發(fā)了被監(jiān)測設備的數(shù)學模型。它僅通過電壓和電流信號的測量，自動啟動自學習階段，在此階段建立參考數(shù)學模型。該模型包括有關電機及其驅動系統(tǒng)的所有電氣和機械特性的信息，不需要操作員輸入，并且涵蓋在訓練期間經歷的所有操作狀態(tài)，例如不同的速度和負載。

當參考模型完成時，方法切換到監(jiān)視模式。在該模式下，系統(tǒng)的新模型每90 s創(chuàng)建一次，然后與參考模型進行統(tǒng)計學比較（圖1），識別和表征潛在的故障。觀察到的參數(shù)變化以及輸出模型估計與實際輸出差異的頻譜分析，2個同時用于檢測和診斷故障。

方法能夠評估問題的嚴重性，并產生一系列的定位故障的建議。診斷信息也將發(fā)送到連接的計算機，向維護組顯示的詳細信息包括特定故障、建議操作和對故障時間的估計。端到端解決方案的網絡原理如圖2所示。其中，SCADA（Supervisory Control And Data Acquisition）系統(tǒng)即數(shù)據采集與監(jiān)視控制系統(tǒng)，OPC（OLE for Process Control）為用于過程控制的OLE（Object Linking and Embedding，對象連接與嵌入。

圖1 模型比較

圖2 網絡原理

2 如何使用MCM系統(tǒng)監(jiān)測

采用MCM（Motor Condition Monitor，電動機狀態(tài)監(jiān)測）系統(tǒng)進行連續(xù)監(jiān)控是關鍵設備的首選方法。因為它提供24/7監(jiān)控，有監(jiān)控過程變化的能力，并且具備監(jiān)控可視化輸出（圖3）。

MCM是為了滿足狀態(tài)監(jiān)測產品的市場需求而開發(fā)的，可以提供簡單而準確的維護計劃信息，而不需要受過高度培訓的人員參與。它的目標是簡化安裝、設置和操作，要求很少或沒有用戶干預就能指導檢測設備故障。

MCM監(jiān)控單元可用于固定或變速驅動器，也可用于低電壓。低電壓安裝時，只需要電流轉換器。

MCM模塊一旦通電，只需要最少的用戶配置就能進入“自動學習”模式，并建立系統(tǒng)的完整正常運行狀態(tài)。該過程適應系統(tǒng)所經歷的全部速度和負載，涵蓋電動機、聯(lián)軸器和任何類型的從動設備（泵、風機、壓縮機和輸送機等）的電氣、機械和運行特性。學習完成后，MCM系統(tǒng)為監(jiān)控設備制定了完整的狀況評估報告，指出現(xiàn)有的機械、電氣或運行問題，并建議采取糾正措施，以及此類行動應該如何操作。從這一刻開始，MCM系統(tǒng)為連接的設備提供自動狀態(tài)監(jiān)控。

MCM系統(tǒng)在正常運行中幾乎完全是自動的，每90 s將設備的當前運行條件與“學習”模式下建立的正常條件進行比較。如果檢測到問題，MCM監(jiān)視器模塊前面板上的指示燈則改變顏色，指示故障的類型和嚴重程度。更詳細的信息則由AES（Artesis Enterprise Server，Artesis企業(yè)服務）軟件包提供，如發(fā)展中的故障說明、準確的描述、維護操作建議、失效的時間和廣泛的電氣特性等（圖4）。

MCM系統(tǒng)已經在世界范圍內成功部署，如石化、電力、汽車、鋼鐵、航運、海上平臺等。在某些情況下它是較好的解決方案，如低溫電機泵、散熱風扇、泥漿電機/泵以及水下、核能、離岸、遠程、危險等不易靠近設備的地點和位置。

3 應用案例

案例1：某石化公司芳烴廠動力車間的水泵，功率1800 kW（圖5）。

該水泵早期出現(xiàn)轉子不平衡/軸不對中故障，最后導致轉子故障。趨勢圖變化如圖6所示：①MCM從開始學習建模，到時間點1結束并開始對電機監(jiān)測；②在時間點2曾監(jiān)測到設備出現(xiàn)了輕微的異常；③從時間點3開始，MCM監(jiān)測到電機機械部分存在不平衡/不對中等問題；④從時間點4開始電機的轉子出現(xiàn)不斷發(fā)展中的故障（Rotol 1曲線）；⑤到時間點5出現(xiàn)了較大上升趨勢。該泵于時間點6之后進行檢修，具體故障為泵機封漏、前軸滾鍵（圖7）。時間點7表示維修后不平衡/不對中參數(shù)已經下降，但是電機轉子的問題依然存在且嚴重程度與時間點5基本相當，必須對轉子進行維修。

圖3 可視化技術輸出

圖4 AES診斷窗口

圖5 現(xiàn)場水泵

案例2：某化工廠MCM監(jiān)測電機，功率400 kW（圖8）。MCM監(jiān)測過程中發(fā)生間斷報警，隨后幾個月報警不斷發(fā)生并較為集中，軸承參數(shù)趨勢變化明顯（圖9）。對電機進行檢修，發(fā)現(xiàn)其后軸承磨損嚴重，導致轉子和定子間氣隙變化，轉字和定子發(fā)生碰磨。

4 結論

基于模型的自學習智能監(jiān)測診斷技術的MCM系統(tǒng)，安裝使用簡單，智能提供有關故障、故障時間和建議操作的信息，無需專業(yè)知識，大大減少了維修人員的任務和分析負擔。同時，它也可以用于確定故障的原因，幫助工廠降低本、提高生產率。

圖6 趨勢變化

圖7 維修之后趨勢變化

圖8 現(xiàn)場電機

圖9 軸承參數(shù)趨勢圖