基于知識(shí)建模的智能故障診斷技術(shù)在煙草輔聯(lián)設(shè)備運(yùn)維中的應(yīng)用

徐骕 XU Su；譚傳偉 TAN Chuan-wei；陳宗耀 CHEN Zong-yao

（江西中煙工業(yè)有限責(zé)任公司井岡山卷煙廠，吉安 343199）

0 引言

近年來(lái)，隨著工業(yè)化進(jìn)程的不斷加速和信息化技術(shù)的飛速發(fā)展，數(shù)字化制造技術(shù)越來(lái)越受到人們的關(guān)注和重視。卷煙行業(yè)的生產(chǎn)設(shè)備（如卷包機(jī)組、制絲線等）幾乎已完成數(shù)據(jù)采集，具備相對(duì)完整的設(shè)備運(yùn)行狀態(tài)和能耗監(jiān)測(cè)與智能報(bào)警功能。但是絕大多數(shù)企業(yè)的空調(diào)風(fēng)機(jī)、壓縮機(jī)、冷卻水泵、除塵風(fēng)機(jī)等輔聯(lián)設(shè)備仍停留在人工點(diǎn)檢的階段，而空調(diào)風(fēng)機(jī)更是由于被包裹在空調(diào)柜中運(yùn)行時(shí)人員無(wú)法進(jìn)入，長(zhǎng)期以來(lái)處于監(jiān)測(cè)的盲區(qū)。故輔聯(lián)設(shè)備尤其是空調(diào)風(fēng)機(jī)的監(jiān)測(cè)和診斷問(wèn)題急需解決。

1 應(yīng)用背景

1.1 維修模式

維修模式分為事后維修、定期維修和預(yù)測(cè)性維修[1]。這三種模式是維修管理發(fā)展的三個(gè)階段同樣也是三種選擇。事后維修，顧名思義就是待故障出現(xiàn)后再維修，該方式前期維護(hù)管理投入小但是維修成本通常很高。定期維修是有計(jì)劃地定期拆解檢查維修或部件定期更換，該方式參考重要指標(biāo)就是時(shí)間間隔，所以容易出現(xiàn)維修過(guò)度或不足，同樣綜合維修成本較高。預(yù)測(cè)性維修是管理者通過(guò)一系列狀態(tài)監(jiān)測(cè)手段識(shí)別到設(shè)備的早期故障，根據(jù)生產(chǎn)任務(wù)、備件庫(kù)存、劣化程度等一系列因素綜合考慮確定維修時(shí)機(jī)。這種維修方式前期需要較多的投入，但是因?yàn)榭梢栽绨l(fā)現(xiàn)早處理，綜合維修成本最低，對(duì)生產(chǎn)的影響也最小。

目前多數(shù)煙草生產(chǎn)企業(yè)維修模式還處在事后維修和定期維修相結(jié)合的階段，維修模式亟待進(jìn)階。

1.2 應(yīng)用必要性

煙草工業(yè)中，空調(diào)系統(tǒng)承擔(dān)著通風(fēng)、控制溫度和濕度的任務(wù)，在煙草生產(chǎn)中至關(guān)重要，而空調(diào)風(fēng)機(jī)是空調(diào)系統(tǒng)的核心部件之一。一旦發(fā)生故障將影響其出力，繼而影響后續(xù)產(chǎn)品質(zhì)量，嚴(yán)重時(shí)將導(dǎo)致出現(xiàn)大量殘次品。這對(duì)其連續(xù)、穩(wěn)定、高效運(yùn)行提出了很高的要求。風(fēng)機(jī)故障類(lèi)型繁多，常見(jiàn)的主要包括：軸承故障、基礎(chǔ)松動(dòng)和平衡故障。而振動(dòng)監(jiān)測(cè)是諸多狀態(tài)監(jiān)測(cè)手段中可以完整呈現(xiàn)其健康狀況、嚴(yán)重程度和早期征兆也是最廉價(jià)的一種監(jiān)測(cè)方式。因此，通過(guò)振動(dòng)監(jiān)測(cè)和基于人工智能和知識(shí)建模的智能算法進(jìn)行故障診斷非常必要。

2 具體應(yīng)用

2.1 總體技術(shù)路線

構(gòu)建一個(gè)基于知識(shí)建模的智能診斷專(zhuān)家系統(tǒng)。采用以振動(dòng)、溫度、電氣、工況等多個(gè)綜合指標(biāo)為故障規(guī)則知識(shí)庫(kù)基礎(chǔ)，對(duì)于風(fēng)機(jī)（或水泵等）的基礎(chǔ)類(lèi)故障、轉(zhuǎn)子類(lèi)故障、滾動(dòng)軸承故障等給出明確診斷結(jié)果和相應(yīng)的處理措施。具體技術(shù)路線如圖1。

圖1 技術(shù)路線圖

2.2 應(yīng)用對(duì)象

本次應(yīng)用的對(duì)象是代號(hào)為k7 的儲(chǔ)絲空調(diào)送風(fēng)機(jī)，運(yùn)行方式為常開(kāi)、變頻控制，常態(tài)運(yùn)行下轉(zhuǎn)速1780RPM、功率75 千瓦、皮帶驅(qū)動(dòng)，軸承型號(hào)為SKF 6217/C3。

2.3 數(shù)據(jù)采集

2.3.1 測(cè)點(diǎn)布置

傳感器信號(hào)準(zhǔn)確性、穩(wěn)定性和合理性決定著健康評(píng)價(jià)和故障診斷結(jié)果的準(zhǔn)確性，考慮到空調(diào)風(fēng)機(jī)結(jié)構(gòu)、功率等特點(diǎn)，選用了壓電式溫振一體式加速度傳感器，每臺(tái)風(fēng)機(jī)配置4 支。其中電機(jī)的驅(qū)動(dòng)端豎直方向一支（V1），風(fēng)機(jī)輸入端的豎直方向一支（V2）、軸向一支（A2），風(fēng)機(jī)自由端豎直方向一支（V3）。傳感器通過(guò)打眼攻絲方式安裝，軸承座上攻M8*1.5 螺紋，深度約2mm，由于開(kāi)孔較小且不會(huì)對(duì)設(shè)備內(nèi)部或其他精密部位進(jìn)行任何改動(dòng)，故不會(huì)對(duì)風(fēng)機(jī)等設(shè)備的安全性有任何影響。

2.3.2 采集傳輸

為確保信號(hào)傳輸?shù)姆€(wěn)定性采用了有線傳輸?shù)姆绞剑L(fēng)機(jī)柜內(nèi)信號(hào)線通過(guò)螺紋管和鍍鋅鋼管進(jìn)行保護(hù)，將信號(hào)傳輸至故障診斷系統(tǒng)的核心硬件——采集器，其采用多通道同步采集的方式，采用ARM+DSP+FPGA 的架構(gòu)能提供強(qiáng)大的實(shí)時(shí)數(shù)據(jù)處理能力。D/A 輸出分辨率16bit，單通道速率1Hz～51.2kHz/ch 之間，22 種采樣頻率階梯可設(shè)置；總采樣速率≤500K 實(shí)時(shí)連續(xù)傳輸數(shù)據(jù)，＞500K 高速緩存模式傳輸數(shù)據(jù)。具有高性能的數(shù)據(jù)采集能力。

2.4 智能故障診斷

2.4.1 技術(shù)原理

頻譜是指一個(gè)時(shí)域的信號(hào)在頻域下的表示方式，可以對(duì)信號(hào)進(jìn)行傅里葉變換而得。簡(jiǎn)單來(lái)說(shuō)，頻譜可以表示一個(gè)信號(hào)是由哪些頻率的弦波所組成，也可以看出各頻率弦波的大小及相位等信息[2]。

頻譜分析是指找出一個(gè)信號(hào)在不同頻率下的信息（如振幅、功率、強(qiáng)度或相位等）的方式，其是一種將復(fù)雜信號(hào)分解為較簡(jiǎn)單信號(hào)的技術(shù)。頻譜分析是應(yīng)用最廣的旋轉(zhuǎn)機(jī)械故障診斷技術(shù)，通過(guò)頻譜分析能獲得各軸轉(zhuǎn)頻、各齒輪副嚙合頻率及其高次諧波等頻率成分的幅值、相位大小，分析比較同一頻率成分下幅值的變化或者有無(wú)新頻率成分出現(xiàn)，可以判斷設(shè)備故障類(lèi)型、產(chǎn)生原因及故障的劣化程度[3]。在頻譜圖中可以通過(guò)分析頻率成分以及峰值大小找出引起部件振動(dòng)的原因。例如對(duì)于低頻部分，主要與軸的轉(zhuǎn)頻相關(guān)。例如不平衡會(huì)引起所在軸1X 轉(zhuǎn)頻幅值增加，不對(duì)中故障易導(dǎo)致所在軸2X 轉(zhuǎn)頻的變化。對(duì)于中頻部分，主要與齒輪的嚙合有關(guān)。對(duì)于高頻部分，主要與軸承信號(hào)相關(guān)，由于軸承早期故障會(huì)激起高頻固有頻率，在信號(hào)中表現(xiàn)為軸承故障信號(hào)調(diào)制到高頻固有頻率，通過(guò)高頻解調(diào)分析可以解調(diào)出低頻故障信號(hào)。

對(duì)這些故障征兆進(jìn)行標(biāo)準(zhǔn)化將旋轉(zhuǎn)設(shè)備分解為部件：包含轉(zhuǎn)子、軸承、齒輪、聯(lián)軸器等，對(duì)于不同部件提取不同的征兆列表形成故障分類(lèi)和子類(lèi)，并將該征兆列表作為數(shù)據(jù)字典。并形成標(biāo)準(zhǔn)故障代碼庫(kù)，見(jiàn)表1。

表1 故障診斷類(lèi)型

利用故障推理機(jī)對(duì)提取的特征和故障規(guī)則庫(kù)中的規(guī)則進(jìn)行對(duì)比即可實(shí)現(xiàn)智能故障診斷。具體技術(shù)原理圖如圖2。

圖2 智能診斷技術(shù)原理圖

如圖2 所示，智能故障診斷技術(shù)具體流程分為四步：

①監(jiān)測(cè)報(bào)警。智能故障診斷系統(tǒng)對(duì)接入數(shù)據(jù)進(jìn)行集中監(jiān)測(cè)獲取報(bào)警信息。

②獲取建模信息。報(bào)警觸發(fā)診斷引擎獲取設(shè)備的建模信息，根據(jù)報(bào)警信息所在的通道定位機(jī)器的部位，獲取所有與機(jī)器相關(guān)聯(lián)的信息。

③故障征兆自動(dòng)提取。 根據(jù)一定的流程，根據(jù)故障大致部位來(lái)確定要計(jì)算出哪些故障征兆，并形成征兆組。見(jiàn)圖3。

圖3 診斷邏輯圖

④故障推理機(jī)制的選用。 系統(tǒng)可靈活選用各類(lèi)故障推理機(jī)制，故障結(jié)果推出后，系統(tǒng)可采用定制的方式進(jìn)行綜合決策，以確定最終結(jié)果。

2.4.2 應(yīng)用難點(diǎn)及解決思路

①準(zhǔn)確報(bào)警。報(bào)警準(zhǔn)確率是衡量智能運(yùn)維系統(tǒng)好壞的重要標(biāo)志之一，常規(guī)系統(tǒng)的報(bào)警多采用單一的閾值報(bào)警模式（即達(dá)到設(shè)定值后報(bào)警），對(duì)設(shè)備健康監(jiān)測(cè)而言這種方式容易出現(xiàn)漏報(bào)（有故障未報(bào)警）和誤報(bào)（報(bào)警但無(wú)故障）。

解決思路：1）本項(xiàng)目的報(bào)警策略將綜合考慮時(shí)間、干擾、啟動(dòng)、停機(jī)等眾多干擾因素，大大提高報(bào)警信息的可用性。依據(jù)ISO10816-3 國(guó)際標(biāo)準(zhǔn)、國(guó)家標(biāo)準(zhǔn)、廠級(jí)標(biāo)準(zhǔn)建立閾值報(bào)警標(biāo)準(zhǔn)。在此基礎(chǔ)上，依據(jù)歷史數(shù)據(jù)動(dòng)態(tài)調(diào)整閾值報(bào)警標(biāo)準(zhǔn)，讓其更加準(zhǔn)確。

2）基于長(zhǎng)時(shí)間間隔和短時(shí)間間隔的多種變化率判定原則，建立變化率報(bào)警標(biāo)準(zhǔn)（即一定時(shí)間段內(nèi)數(shù)據(jù)變化超標(biāo)也將觸發(fā)報(bào)警），便于發(fā)現(xiàn)設(shè)備早期異常征兆。

3）大數(shù)據(jù)預(yù)警。以單臺(tái)設(shè)備為單位，引入設(shè)備的轉(zhuǎn)速、壓力、電流、振動(dòng)、溫度等數(shù)值，將設(shè)備運(yùn)行相關(guān)的數(shù)據(jù)盡可能采集齊全，通過(guò)大數(shù)據(jù)建模的方式，對(duì)有代表性的“干凈數(shù)據(jù)”進(jìn)行學(xué)習(xí)建立單臺(tái)設(shè)備特有的健康模型，并對(duì)模型不斷訓(xùn)練、學(xué)習(xí)，豐富、完善，然后健康模型將對(duì)設(shè)備運(yùn)行參數(shù)進(jìn)行預(yù)測(cè)，將預(yù)測(cè)值和實(shí)際的實(shí)時(shí)比對(duì)，通過(guò)正常找異常，建立參量間相互影響系數(shù)，通過(guò)預(yù)警殘差值，提前發(fā)現(xiàn)設(shè)備異常狀態(tài)。

②智能診斷。多數(shù)系統(tǒng)僅能展現(xiàn)數(shù)據(jù)，沒(méi)有將數(shù)據(jù)變成可供參考的結(jié)論。而設(shè)備故障診斷專(zhuān)業(yè)性強(qiáng)，專(zhuān)家培養(yǎng)時(shí)間長(zhǎng)、難度大，且經(jīng)驗(yàn)也難以傳承。所以，實(shí)現(xiàn)智能診斷意義深遠(yuǎn)。但這一功能的實(shí)現(xiàn)卻需要克服諸多技術(shù)難點(diǎn)，如：數(shù)據(jù)如何準(zhǔn)確采集、處理、診斷等。

解決思路：1）數(shù)據(jù)的準(zhǔn)確采集。機(jī)械設(shè)備的工作環(huán)境往往有大量的背景噪音，這些背景噪音對(duì)診斷分析是有干擾的，需要進(jìn)行處理。采集器內(nèi)嵌的抗混濾波功能在采集數(shù)據(jù)時(shí)對(duì)雜波進(jìn)行濾除，并控制合適的濾除力度，避免損失細(xì)節(jié)。

2）診斷結(jié)論呈現(xiàn)。建立完善的機(jī)械部件故障模型庫(kù)，系統(tǒng)對(duì)每一臺(tái)監(jiān)測(cè)的設(shè)備按照組件進(jìn)行健康監(jiān)測(cè)，系統(tǒng)內(nèi)置的人工智能算法在滿(mǎn)足觸發(fā)條件時(shí)啟動(dòng)對(duì)疑似故障數(shù)據(jù)的分析和故障特征提取，然后故障推理機(jī)將該特征與故障模型庫(kù)進(jìn)行匹配，繼而給出故障結(jié)論和處理方法。

3 應(yīng)用效果

在系統(tǒng)運(yùn)行監(jiān)測(cè)過(guò)程中，智能診斷專(zhuān)家系統(tǒng)提示電機(jī)驅(qū)動(dòng)端軸承和電機(jī)輸入端軸承豎直方向振動(dòng)超標(biāo)報(bào)警，智能診斷專(zhuān)家系統(tǒng)診斷結(jié)果為電機(jī)驅(qū)動(dòng)端軸承存在故障和不平衡，風(fēng)機(jī)存在不對(duì)中的可能。具體數(shù)據(jù)和診斷結(jié)果如圖4-圖6。

圖4 報(bào)警事件

圖5 智能診斷報(bào)告（整體）

圖6 智能診斷報(bào)告（部件級(jí)）

后經(jīng)機(jī)組停機(jī)檢修，拆解電機(jī)驅(qū)動(dòng)端軸承發(fā)現(xiàn)內(nèi)圈的確存在損傷，更換新軸承后，系統(tǒng)報(bào)警消除，如圖7。

圖7 更換軸承前后數(shù)據(jù)趨勢(shì)

4 結(jié)束語(yǔ)

本文闡述了基于知識(shí)庫(kù)建模的智能故障診斷技術(shù)在煙草輔聯(lián)-空調(diào)風(fēng)機(jī)健康監(jiān)測(cè)和智能診斷中的應(yīng)用，從實(shí)踐來(lái)看，該技術(shù)的應(yīng)用消除了空調(diào)風(fēng)機(jī)這一機(jī)械健康監(jiān)測(cè)盲區(qū)，該技術(shù)的成功應(yīng)用，可以較準(zhǔn)確地反映設(shè)備的真實(shí)健康狀況。有利于故障的早發(fā)現(xiàn)早處理，應(yīng)用結(jié)果表明，該技術(shù)具有較高的準(zhǔn)確性和穩(wěn)定性，非常適合用于煙草行業(yè)輔聯(lián)機(jī)組的健康監(jiān)測(cè)和智能診斷。