侯 鵬 飛,韓 磊
(1.中煤科工集團西安研究院有限公司鉆探技術與裝備研發中心,陜西 西安 710065;2.陜西煤業化工技術研究院有限責任公司,陜西 西安 710065)
大型固定設備的正常運行是保障煤礦企業安全生產的根本。常用的大型固定設備包括通風機、壓風機、瓦斯抽放泵、膠帶運輸機、變配電設備、排水泵等。隨著“機械化換人、自動化減人”的推廣,對大型固定設備管理與維護提出了更高的要求[1~3]。
目前,煤礦在大型固定設備維護方面大多采用以計劃維護為主、狀態監測為輔的被動維護方式,普遍存在的問題和缺陷有五個方面:一是大型固定設備難以集中管理,計劃檢修對維護人員的依賴性較強,維護人員積極性下降,容易發生檢查不到位、不及時,而導致設備故障;二是對修護人員的工作質量監控,目前僅通過現場填寫檢修表進行管理,未做到精確管理,對于是否按時按點進行檢查,沒有強制性管理手段,容易漏檢;三是大型固定設備日常維護采用紙質版點檢表、強檢表記錄設備維護信息,工作效率降低,統計分析難;四是大型固定設備關鍵零部件使用壽命沒有統計,對于容易老化、磨損的關鍵部位沒有長期監測、計劃管控,導致部件更換不科學,很難避免老部件壽命結束而造成的突發故障現象;五是大型固定設備監控系統各成體系,“孤島”運行,一臺計算機對應一種監控軟件,技術人員只能在規定的計算機上操作,導致操作繁復、效率低下。
針對上述問題與缺陷,提出一種基于狀態的維護思路,通過開發智能化軟件將煤礦通風機、壓風機、瓦斯抽放泵、膠帶運輸機、變配電設備、排水泵在線監測、巡檢強檢等設備統一管理,并結合在線狀態評估、人工狀態評估以及設備壽命預測全面分析設備運行情況,為實現大型固定設備“無人值守,有人巡檢”管理模式提供依據。
基于狀態的維護(CBM,Condition Based Maintenance)的基本思想是借助傳感裝置對設備運行狀態和工作環境的各方面實時監測并采集信息,并對信息處理與分析,實現對設備當前健康狀況的診斷,并利用預診斷技術預測設備未來的工作壽命,有針對性地制定設備維修計劃,合理安排設備的維修調度時間。診斷和預測是基于狀態的維護系統中的兩個重要部分。診斷涉及到系統發生異常狀況時,對故障的發現,定位和隔離。預測則需要在系統發生故障和退化前做出預測。CBM通常包括數據提取,診斷及評估,預測,策略優化四個步驟[4]。
當前煤礦自動化規模與程度已有了很大發展,能夠獲取大型固定設備運行的數據,但目前的監控系統缺少數據分析與診斷、評估、預測等功能。因此,在基于CBM的基礎上,綜合考慮大型設備可靠運轉保障系統的全面化、信息化、規范化,設計思路如圖1所示,通過自動化采集與人工采集兩部分進行數據采集工作,并利用狀態評估方法和人工經驗評估方法進行設備運行狀態診斷評估,結合可靠性評估方法預測設備隱患情況,為維護維修提供科學依據。

圖1 基于的狀態設備維護設計思路
根據圖1所示CBM維護的設計思路,將大型固定設備維護分為自動化采集與評估、人工采集與評估、可靠性評估、故障統計四大功能。
2.1.1 自動化采集與評估
自動化采集是利用傳感裝置將設備運行中相關的溫度、振動、壓力、位移、電氣性能等各方面的運行信息通過檢查與測量方式賦予定性或定量結果的過程。常規在線檢測技術利用傳感及信號調理電路、通信接口和總線、記錄顯示儀器,將設備運行中的模擬信號轉變為數字信號并傳輸、顯示[4]。
對于在線參數而言,觀察運行曲線尋找運行規律是評估設備狀態最直接的方式。設備正常運行、隱患運行以及故障運行均會導致運行曲線的變化,如圖2所示。因此,利用數據庫對各種參數進行存儲,通過曲線進行顯示觀察。
其中,溫度及振動參數變化范圍較大,例如外部天氣對溫度的影響、潤滑油多少對軸承溫度的影響,開停機對振動的影響,均會導致溫度參數、振動參數變化范圍較大。因此,為了更好的描述參數所表達的設備情況,采用狀態評估法對設備狀態進行評估。

圖2 在線采集參數趨勢示意圖
設備運行狀態評估,即每種參數均設置其安全閾值,超過或低于安全閾值均可對設備狀態進行評估,表1所示為狀態評估方法及狀態治理方式。

表1 狀態評估方法及治理方式
2.1.2 人工采集與評估
人工采集與評估工作內容是對自動化采集與評估的補缺,人工采集工作包括日常巡檢、強制檢修等計劃維護下的內容。其中,日常巡檢周期一般定為1~2h,具體內容包括兩部分:
1)利用手持式振動儀、溫度儀等檢測設備,現場實測設備運行參數,避免自動化采集中發生傳感器損壞、網絡故障等導致的監測數據不及時、不可靠的情況發生;
2)通過看、聽、摸等經驗方式判斷設備整體運行狀態,彌補自動化評估中沒有監測完善的地方。強制檢修是針對設備零部件使用周期強制探傷與更換,例如,旋轉機械的常見磨損器件更換、軸承、殼體等裂隙探傷、潤滑液定期添加等。同時,將巡檢、強檢內容電子表格化,現場工人按時按點利用平臺軟件定期填寫工作內容,避免計劃維修中人的不確定因素導致的巡檢、強檢工作不到位、不及時等情況。
可靠性模型是可靠性評價、預測等研究的基礎,本文采用二參數威布爾分布模型模擬大型固定設備零部件運行[5],采用平均秩次法對故障順序修正并進行參數估計[6],進而對煤礦大型固定設備零部件進行可靠性建模、評估。
煤礦井下大型固定設備運行規律一般包括運行和停機檢修兩類時間,因此,不能單獨僅考慮設備運行時間或者加載時間,如圖3所示:①累計運行時間:設備安裝后開始運行的累計時間;②累計加載時間:設備加載運行累計時間;③截尾數據(H)。截尾數據既有可能在下一個故障之前出現故障,又有可能在其之后出現故障,所以將會影響故障的秩;④故障截止點:設備故障或存在隱患(不是正常檢修的人為停機,需要更換零部件、需要廠家維修等情況),單一設備的累計運行時間與累計加載時間的故障截止點同時發生。

圖3 累計歷史故障數據

圖4 可靠性評估基本流程
設備故障截止點判斷(圖4)所示有兩種方式:設備狀態警戒由系統自動判定或人為給定,將設備歷史運行時間段按大小排序得到秩編號,通過平均秩次法求解經驗分布函數,利用最小二乘法計算參數[7],代入失效分布函數模擬設備運行故障發生的可能性,為維護、維修提供依據。
故障統計是系統設計中的反饋與容錯階段。工作人員將設備發生過的問題進行匯總,將故障信息填寫于故障統計模塊。這些信息有故障類型、故障特征、故障發生的結果、發生故障的原因以及常見故障處理與預防方法。通過故障統計能夠積累故障維護/維修的經驗,為現場工作人員處理突發問題提供處理依據,同時能夠優化自動化與人工采集和評估中沒有考慮到的地方,并為礦區培養機電設備維修人員提供學習材料。
基于狀態的煤礦大型固定設備維護系統主界面如圖5所示,由4部分組成。①設備選項卡:主通風機、瓦斯抽放泵、壓風機、膠帶運輸機、變電所、主排水泵;②在線數據顯示欄:在線實時數據監測及設備運行狀態判斷;③歷史數據顯示欄包括:巡檢欄(巡檢內容修改,周期巡檢信息填寫、狀態查看)、強檢欄(強檢內容修改,周期強檢信息填寫、狀態查看);④工具欄:狀態策略設置(特征參數安全閾值設定)、管理工作(檢修周期設定)、可靠性分析、狀態信息總結、故障總結等。工具欄中狀態策略設置針對每種設備各種參數五種狀態閾值進行設定,同時歷史數據顯示欄可以通過判斷設備該類參數運行規律,為安全閾值的設定提供依據。
在線數據顯示欄中,運行參數背景顏色代表涵義:綠色(正常)、藍色(風險)、黃色(警戒)、紫色(緊急)、紅色(危險)。監測欄最右邊色球的顏色為左側設備即時出現的最高閾值顏色,直觀的展現單個設備的最高報警顏色。
根據檢修周期T的設定,軟件在巡檢欄與強檢欄處自動彈出下一次檢修表格,提供操作工人現場填寫。檢修表格通過顏色變化反映現場人員填寫時間是否準時。

圖5 基于狀態的煤礦大型固定設備維護系統主界面
本系統在某煤礦進行了應用,以該礦1#風機水平振動加速度參數為例說明系統的運行效果。其中風機運行時段及振動加速度狀態等級劃分如表3所示。圖7所示為數據歷史趨勢圖,系統在正式運行至2017年11月3號期間均發生過不同程度的報警,但每次報警時間很短就恢復正常,同時頻譜圖形如圖7(a)正常圖譜,現場巡檢人員在系統報警后至現場根據電子巡檢表檢查也未發現異常,因此,判斷該情況是系統正常運行時,井下風量、風速變化導致的瞬時變化情況。
12月5號風機倒機運行,如圖6所示在線參數呈上升趨勢,設備運行狀態逐步趨向危險,同時頻譜圖形顯示為非正常譜圖(圖7(b)),基頻發生移位現象。系統報警狀態持續1天后,現場巡檢人員在12月7號進行停機檢查,結果發現軸承已經損壞,避免了一次重大事故的發生。

圖6 振動加速度歷史趨勢圖

圖7 頻譜圖

表3 風機運行時段及振動狀態等級劃分
1)基于狀態的設備維護系統是通過自動化采集與評估、人工采集與評估、可靠性評估、故障統計4個模塊全面掌控設備信息。狀態評估方法對運行設備劃分五種狀態等級,同時綜合人工巡檢強檢以及壽命預測方法,彌補在線采集過程中可能出現的誤判,為設備維護提供依據。通過某礦應用后表明能夠提前發現設備運行隱患,實現部分設備減人,最終達到部分設備“無人值守,有人巡檢”的目標。
2)狀態評估閾值的初步設定可參考出廠試驗數據,但由于相同設備運行的工況不同,設備運行狀態的精確劃分,仍需要大量歷史運行數據的經驗積累。設備壽命預測是基于狀態的維護研究的核心內容,本文使用的基于威布爾分布的壽命預測方法同樣需要大量歷史故障數據,數據量越多則擬合的參數越接近實際,因此,該方法仍需要積累與研究,才能作為設備零部件維護、更換的依據,目前僅作為參考指標使用。