煤化工行業設備全生命周期健康監測診斷系統構想

張皓棟

(重慶川儀軟件有限公司,重慶 401121)

0 引言

我國石油、天然氣對外依存度日益提高，國家能源安全問題日益突出。采用創新技術大力發展現代煤化工產業,既可以保障石化產業安全、促進石化原料多元化,又可以形成煤化工與石油化工產業互補、協調發展的新格局[1]。發展新型煤化工可以部分代替石化產品，對于保障國家能源安全具有重要的戰略意義。煤化工行業生產規模不斷擴大，其對促進經濟發展、方便群眾生活等方面都起到了很好的作用。但是，關于安全、健康、環境等方面的風險長期存在，尤其在設備管理方面問題突出。具體表現在：設備大型化，連續生產工藝復雜，易出現局部故障影響全局；故障發生時損失巨大；設備維護人工化，效率低下，總體質量水平不高。本文提出煤化工行業設備全生命周期健康監測診斷系統方案，解決工廠的設備管理痛點。

1 國內外發展情況

自20世紀60年代美國故障診斷預防小組和英國機器保健中心成立以來,故障診斷技術逐步在世界范圍內推廣普及。全球科研和工程領域工作者在信號獲取與傳感技術、故障機理與征兆聯系、信號處理與特征提取、識別分類與智能決策等方面開展了積極的探索,取得了豐碩的成果[2]。早在20世紀60年代，美國宇航局首先推出機械故障診斷研究，英國以RA.Collacott為首的機械保健中心開始研究狀態監測與故障診斷技術；20世紀70年代，國外學者將狀態檢測與診斷技術推廣到實用化階段；20世紀80年代，由于計算機技術的興起，故障診斷技術與計算機技術相結合，使其迅猛發展，其中曼徹斯特大學成立沃福森工業維修公司，主要從事狀態檢測與故障診斷工作；20世紀90年代中期，現代機械故障診斷技術與計算機網絡技術實現了融合，誕生基于Internet遠程應用系統。

我國從20世紀80年代開始進行設備狀態監測與故障診斷技術的研究，并成立了中國振動工程學會故障診斷學會，國家也將該技術的研究列入國家攻關項目。國內的設備狀態檢測和故障診斷技術從初步認識階段到初步實踐階段，其主要以學習英、美、日等先進技術為主，并且成立了一些專門的研究機構，如中國石化總公司設備狀態檢測中心、冶金部設備診斷研究室、中國機械設備診斷技術學會等。這些組織廣泛交流國內在該領域的各方面技術成果，深入探討設備狀態檢測與故障診斷在國內外的發展動向。

設備狀態檢測與故障診斷對于工業部門重要設備的管理維護，提高企業生產能力和保證安全生產，改進產品質量都具有十分重要的意義。但是我國煤化工行業的裝備監測檢測水平普遍不高，人工檢測作為主要檢測手段，效率較為低下，質量水平不高。生產設備大型化、復雜化，工藝過程自動化、連續化，設備投資巨大；設備與能耗物耗密切相關，非計劃停產損失巨大。生產過程對設備的依賴程度越來越高，設備高效、安全、穩定、長周期運行至關重要；現役高能耗設備運行普遍存在，設備故障時有發生，不能確保安全長周期運行，大量設備長期偏離設計工況低效運行。諸多不利問題導致行業總體發展質量水平不高，總體品牌影響力缺乏，創造創新能力不足，進而影響了國民經濟可持續發展水平。

設備是企業進行生產的主要物質技術基礎，企業生產率、產品質量、生產成本都與設備的管理技術水平直接相關。因此，正確使用、精心保養、及時檢修維護設備并對設備的運行性能進行分析，使設備處于良好的狀態，才能保證各生產裝置安全、穩定、優化地運行，并按計劃完成生產任務，從而提高企業的經濟效益。設備管理作為企業運營和管理的一個重要組成部分，承擔著管理生產裝置設備的整個壽命周期，直接影響企業的生產與經營活動。因此，研究構建設備全生命周期健康狀態監測診斷系統，是實現煤化工行業智能制造的重要一環，對于提升國內煤化工行業的智能生產、高效高質生產以及工廠的設備管理水平具有重要的現實意義。

2 系統構想

隨著國內煤化工行業的迅速發展，面臨的挑戰和競爭前所未有，同時暴露出的問題也越來越多。邊緣智能、工業物聯網的發展和“制造+互聯網”浪潮的興起，為行業實現總體質量水平提升提供了手段。從生產環節來看，人、機、料、法、環是質量保障的關鍵因素，可測才可控。一方面，通過采取技術改進措施和規范設備管理相結合的方式，可以保證日常生產過程中關鍵設備運行狀態的完好性；另一方面，通過狀態監測可以獲得設備的實際運行狀態情況，掌握真實的設備健康情況。在設備層面增加工業傳感實時監測，用物聯網將傳感信息統一采集、傳輸，將設備狀態各種信息要素和企業信息化系統的各種知識要素聚合到云平臺實施設備健康診斷分析和預測性評價，形成工廠設備資產的數字檔案和健康大數據。

本文以設備傳感監測數據的流動作為脈絡，面向在生產流程中發揮關鍵性作用、資產價值高低等不同類型的監測對象量體裁衣、有的放矢；通過采用不同的監測手段，實施對所有設備的實時監測。系統設計涵蓋數據的獲取、傳輸、匯聚、加工和分析。

典型的物聯網架構主要包括感知層、網絡層和應用層[3]。本文提出的系統包括三個層級，系統體系如圖1所示。第一層是感知層，它是獲取設備現場信息的觸角；第二層是傳輸層，它是傳遞現場感知設備信息的途徑，其中還包括與現場設備的控制系統網絡的互聯；第三層是應用層，既支撐設備數據存儲、管理和分發，形成特征大數據，又支撐設備健康管理、分析、診斷、預測及與企業信息系統的互通。

圖1 系統體系圖

(1)邊緣感知層。

感知層是具備邊緣智能的傳感監測層，實現對生產流程關鍵設備和重要設備的實時感知。通過創新監測和檢測方法，以應力波監測技術為主體，融合電流諧波和溫度、速度、噪聲、壓力、轉速、振動、扭矩等其他物理信號監測，形成多傳感融合監測能力。

感知層充分利用不同監測技術的優點，實現優勢互補，全面覆蓋設備的電氣和機械故障，從早期、中期、晚期，對電氣信號宏觀變化、機械信號微觀變化和振動信號宏觀變化進行洞察。

①感知層利用應力波預測性監測能力，形成覆蓋從設備故障發生前到故障發生設備失效的全過程設備監測能力，從微觀層面捕捉設備運動內部不同部件之間的摩擦和沖擊信號，建立軸承、齒輪、葉輪等動部件故障監測能力，適用于低速、中速、高速等不同類型的設備。其采用非侵入式安裝，在工廠動設備監測部署時特別便利；基于應力波分析的狀態監控與故障預測技術，可以實時測量運行設備摩擦、沖擊和動態載荷的電子信號。這種高頻超聲傳感監測技術過濾工況振動和背景可聽的噪聲，通過時域和頻域特征提取軟件，采用基于神經網絡的數據融合技術，可以對設備狀態進行定量分析和故障預測，定期提供設備健康診斷分析報告，為企業建立預知性檢維修體系[4]。此外，很多體積大的設備屬于低速設備，設備的振動信號很弱，難以監測。當設備產生故障信號時，常常監測不到，導致漏報[5]。應力波能夠很好地適應低速設備的故障監測需求。

②利用電流諧波，密切監測設備電氣故障信號，從電流信號中提取2～40次諧波成分，對不同諧波成分的組合進行分析和智能判斷，實現對設備原動機和驅動機的宏觀監測。從總體上判定設備的基本運行狀態，建立定轉子氣隙不均勻、絕緣不良、缺相等電氣故障和負載的宏觀機械故障監測能力；諧波故障診斷技術可以在不拆解設備、不停機的基礎上，診斷出設備是否劣化、劣化部位以及劣化程度，并給出維修建議[6]。

③利用傳統振動監測，洞察設備運動情況，建立不平衡、不對中、松動和滑動軸承等故障信號的監測能力。針對不同類型的設備，必須利用不同類型的振動傳感器獲得振動信號，從而獲取機械設備的運行狀態并進行故障診斷[7]。

通過對故障分類建立不同種適用的監測手段，最終實現多信號統一監測技術，部署支持應力波等多傳感統一監測的智能設備。利用信息感知實現基于時域能量曲線圖、電流諧波含有率、劣化率圖、頻譜圖、直方圖、軸心軌跡圖、伯德圖等多種圖表分析，實現對設備的全面故障定位、幅度和能量相對變化的碰撞探測及失效預測等智能分析邊緣計算能力。

(2)工業物聯傳輸層。

傳輸層不但承擔著現場感知層的信息中轉和匯聚轉發，也承擔著與現場生產控制系統(比如壓縮機控制系統)的信息交換。依據實際生產現場一些特殊場合對本安、防爆的要求，本層傳感器在連接上創新地利用了一種為適用于本安、防爆工況的供電和通信疊加的兩線制新型通信技術、通信卡件，用安全網絡貫通設備和傳感群的信息孤島。

傳輸層基于網關實現多種傳感設備現場實時信息的匯聚。為增加傳感設備的接入能力和處理能力，構建了多路點對點的兩線制傳感自動傳輸通信網絡，可以提高現場數據傳輸的實時性、傳輸效率和帶寬能力。智能網關實現了設備群的現場傳感信息匯聚和并行處理，同時分發監測信息和控制信息到設備運維平臺和現場生產控制系統，保障了現場感知信息和平臺及控制系統的數據交互。網關支撐級聯，可以實現多個信息網絡的合并，以及生產控制系統、傳感監測網絡的數據融合，同時在網關內部實現傳感的監測服務信息和設備的控制信息分流，將控制信息送往控制系統，由控制系統處理；將服務信息送往上層的設備運維平臺。

此外，網關內部還設有單向信息閘門，從設備運維平臺下發的信息不會傳遞到生產控制系統，生產控制系統傳輸的信息也不會傳遞設備運維平臺。這種將傳統的控制信息和傳感服務信息分流的設計，既兼容了設備原有的控制，又實現了多傳感監測的數據服務的獲取，同時又保障現場控制網絡區域的工業安全。

網關與平臺互聯如圖2所示。網關有兩種應用方式：一種是廠內本地部署，另一種是在異地廣域部署。對于本地部署，網關和平臺機房較近的地方可以采用以太網的電口進行連接，直接連接或者通過局域網交換機連接到設備運維平臺的網絡通信接口；對于本地部署，網關和平臺機房距離很遠的地方可以用光纖進行連接，直接連接或者通過局域網交換機連接到設備運維平臺的網絡通信接口。對于異地部署，跨城市、跨地區應用時，遠端難以實施有線網絡的區域，可以依靠電信/聯通/移動的4G或5G連接構建廣域網關與設備運維平臺之間的虛擬專用網絡(virtual private network,VPN)，實現帶寬可控、流量可調的高強度安全加密的數據通道。

圖2 網關與平臺互聯圖

(3)云端應用層。

應用層是整個系統的服務中心，處于整個系統層次的最頂層，也是面向用戶面向應用直接的層次。

以設備運維平臺為依托，基于現場感知層匯聚的各類設備實時狀態信息和歷史數據，進行信息數據融合，實現數據安全管理功能。以初加工的信息數據為基本元素，在本層次構建一個數據倉庫，實現以數據為中心拓展數據管理、數據建模、數據分析，數據擬合和數據挖掘，形成各種數據再加工成果。留出數據分發接口，為基于數據應用提供支撐，涵蓋全生命周期的質量評價、可靠性評價、故障診斷與分析、預測性維護、設備特征大數據、設備數字畫面、數據分享等開放式服務。

此外，設備運維平臺對接企業信息管理系統，比如ERP/MES等，實現基于設備運維信息和狀態及報警變化的信息管理同步優化調整，真正實現基于設備運維來優化企業管理、增效設備管理水平和質量，優化備品備件庫存計劃管理等。通過信息匯聚，構造智能設備云， 開展智能故障診斷、服務網絡與備件優化、遠程診斷與預測性維護、質量可靠性保障提升等活動。采用物聯網技術和傳統的監測手段融合管理設備，形成設備運維大數據，構建與實體設備資產全生命周期健康狀態相對應的數字化虛擬畫像，從而縮短備品備件周期，及早制定應對措施， 優化、提升企業設備維保和經營水平[8]。服務平臺如圖3所示。

表1顯示：系統對數據檢索的速率一般，數據驗證對比結果正確率達到百分百，也就是說系統可以完整地對數據進行存證。

圖3 服務平臺示意圖

基于傳輸層的數據構建的服務平臺能夠實現用戶體驗與用戶交互，同時提供各類基于設備數據衍生的應用功能服務：風險分析與決策專家判斷、數據趨勢與報告、現場裝備信息服務和其他基于數據的應用等；可以實現對整個系統中的設備預測性診斷，創建設備管理信息庫，自動進行系統維護和安全預警，保障系統的平穩可靠運行；基于服務云和以環境參數為關鍵數據的網格集群計算，可以搭建裝備信息3D模型，將裝備和關聯元素進行形象化展示；基于數據信息可以對設備工況適應性和服役過程進行風險評估，用于監測設備設計的可靠性、評估服役能力和風險，并指導設備制造企業的設計過程進行反饋修正；可以對現場裝備運維趨勢做出預判；可以對裝備設計模型評價與優化，并通過云匯聚的信息統一整理，進行面向故障與效率的關聯分析。

服務平臺利用現場實時多樣化的數據，可以支撐實現多種設備相關業務流程，建立智能化、高效的設備保障管理體系。

①故障診斷：根據近一段時間內的設備檢測數據和運行狀況,預先判斷設備可能出現故障的時間、故障模式、故障類型和故障位置,并能給出相應的判定和決策,確保其正常運轉。

②健康評估：利用在線監測系統獲得的設備運行狀態數據，定期或不定期地對設備狀態作出評估。主要評估被監測系統或者分系統、部件等的健康狀態，分析設備的性能衰退趨勢。

③壽命預測：設備壽命通常是設備進行更新和改造的重要決策依據。對設備進行壽命預測，可以評估設備健康程度，有效保證設備系統正常運行。

④檢維修決策優化：對修復性維修、定時維修及視情維修等復雜裝備的維修種類進行分級診療，根據設備故障診斷、設備健康評估和設備壽命預測的結果，制定維修計劃、采購維修備件、維修任務調度、維修資源分配等。

基于設備健康的檢維修優化圖如圖4所示。通過趨勢曲線的平坦、波動、緩升、緩降、陡升、陡降等趨勢變化的形態分析和綠色、黃色、紅色健康區間的范圍評判，可以對檢維修決策優化，實現從基于經驗的從晚期高成本維護向基于健康狀態的早期低成本維護轉變。

圖4 基于設備健康的檢維修優化圖

在機器學習模型構建中，可以借助貝葉斯理論和決策樹，通過利用多元人工神經網絡分析方法，尋找建立設備故障結果、現場檢維修結論、設備故障成因變化、現場設備多種監測參數之間的邏輯關系，形成面向不同設備、不同工藝、不同廠家、不同行業的復合設備病理特征庫、設備故障診斷結論庫。基于特征和結論庫建立反映部件、材料和工況適應度的各種部件指數，優化工廠設備的備品備件采購選型，提升工廠服役裝備的可靠性，最終實現基于質量的主動性維護。從故障形成的根源減少發病、劣化的概率，優化調整保障設備穩定運行，最終徹底提升設備設備綜合效率(overall equipment effectiveness，OEE)，實現以生產過程的設備節點優化帶動生產流程效能的優化和質量的管控。基于機器學習的識別與優化如圖5所示。

圖5 基于機器學習的識別與優化

3 系統解決的關鍵問題

①旋轉設備、往復式設備中，可以構建部件磨損和結構缺陷的沖擊和摩擦形成的應力波特征及失效演化模型。

國內相關行業尚未建立起穩定、可靠、高效的設備狀態監測體系，大多采用獨立的壓力、溫度、轉速、振動監測，未形成整合性分析，無法指導工廠管理建立起高效的預測性維護能力。通過將各類獨立的參數監測進行整合，并引入先進的應力波分析技術，以構建可靠精準的預測性監測技術手段，幫助建立部件磨損和缺陷引起的失效演化模型，便于基于模型實施基于數據和狀態的故障預測。

②可以對設備實現復合失效的時頻分析及其早期故障征兆預測和故障診斷。

基于結構中應力波動信號對缺陷有很高的敏感性，可利用應力波信號來檢測結構的缺陷。通過檢測大型設備或管道閥門在運行過程中因摩擦或沖擊而出現的應力波能量，并對該能量進行量化分析，從而實現對設備運轉狀態和健康程度進行實時監測和分析，在設備早期故障征兆產生時做出診斷。

③可以對長周期運行與嚴苛工況下的動設備建立質量完整性評價及全生命周期性能評估。

針對動設備缺乏長期自動監測和維護手段，應用適應嚴苛工況的通信網絡及設備聯網接入部件，為動設備自動監測和互聯創造接入手段。通過傳感、網絡構建的一體云平臺，實施設備健康全生命周期性能評估和完整性評價體系。

④基于云平臺的長周期大存儲和數據挖掘，可以實現長期運行和嚴苛工況的設備群監測數據集聚與預警分析。

4 效果與展望

①工廠實現檢維修的轉變，用設備數據說話，帶來看得見摸得著的價值回報。

化工裝備種類較多，主要分為動、靜兩大類。其中，加氫反應器、氣化爐、還原爐、換熱器、盛運容器等壓力容器和管道、閥門等屬于靜裝備，泵、風機、壓縮機、空分裝備等屬于動裝備。以往設備缺少有效的設備健康分析手段，導致事后維修，對生產影響程度較為嚴重。由于缺乏設備運行歷史數據，使維修具有盲目和不準確性。預防性檢修是按規定周期進行的檢修方式，但可能在設備還處于良好狀態時停機檢修，造成維護過度和資源浪費[9]。利用應力波監測、電流諧波監測技術，與已有的傳統溫度、振動監測手段密切配合，通過整個基于物聯網的設備全生命周期健康狀態檢測診斷系統的構建，能夠全面覆蓋機械和電氣的信號監測，實現設備“未病先防、既病防變”，有助于行業由普遍采用的計劃性檢修向基于設備健康狀態的監測和預警診斷進行轉變，以有效提升近年來計劃性檢維修存在的過維修、欠維修等痛點，從而優化原有設備管理體制。該系統能夠實現對生產設備的全面覆蓋，建立預測性維護手段，有效控制設備檢修對生產的影響，及時修復彌補延長設備的可靠服役水平。此外，該系統能夠保障生產裝置安全、穩定地完成生產任務，提升裝備檢修工作水平，降低運維費用，提高運營運維水平，優化備品備件和物料管理。

②形成行業設備監測大數據特征庫。

系統具備在整個流程行業拓展實施的可行性，因此有助于形成可適應于特定行業的設備監測與完整性評價理論體系、設計方法和技術平臺。從應用角度為完善和優化理論體系、設計方法和技術平臺提供反饋意見，形成特定行業設備監測與完整性評價驗證大數據特征庫和健康樣本,最終支撐實現基于設備本體性能、工況工藝相互融合的設備數字資產畫像和特征大數據，實現不同設備故障診斷、健康評估、壽命預測和檢維修決策的信息流動。通過設備智能監測，為企業設備保障體系智能化管理帶來支撐。基于監測數據可以形成不同類型設備的故障類型、廠家、特征統計，為形成產品服役健康性能和可靠性綜合指數、指導優化裝備制造企業設計過程、保障用戶單位選型評估奠定了基礎條件。行業大數據應用概覽如圖6所示。

圖6 行業大數據應用概覽

③形成全生命周期管理數據服務。

基于監測數據形成不同類型設備的故障類型、廠家、特征統計，為形成產品服役健康性能和可靠性綜合指數，指導優化裝備制造企業設計過程，保障用戶單位選型評估奠定了基礎條件，形成了拓展制造加服務業務的基礎條件。基于遠程實時的多傳感融合監測的數據實現應用和服務，為制造企業、用戶、科研和產業鏈上下游企業提供豐富的現場數據素材。同時，也為形成行業全球資源制造協同奠定基礎。探索形成基于數據的裝備性能優化提升，終端用戶使用過程保障，科研素材庫和成果驗證庫、健康管理和工藝包優化等新型的數據服務新型制造加服務模式，以及為未來形成基于裝備全生命周期數據的在線交易市場、探索設備融資、保險等其他金融服務創造基礎支撐。

5 結束語

本文基于煤化工行業整體質量提升的裝置檢測、監測、健康管理、壽命預測等運維的實際需求，構建了設備全生命周期健康監測診斷系統解決方案。該解決方案用數據互聯的手段建立在線實時的全面質量評價和可靠性評價體系，以大聯通、大數據挖掘為目標，實現基于現場實時數據的故障統計分析、建模、評判、預測性維護、預警等各種數據服務，有助于提升智能工廠建設中的設備管理保障核心板塊的智能化水平。系統方案適應于煤化工行業等多類流程行業，具有現實指導意義。