疏水泵基礎平臺螺栓松動的故障診斷研究

中圖分類號 TQ050.7 文獻標志碼 A 文章編號 0254-6094（2025）04-0666-08

疏水泵可以及時排出蒸汽系統中的凝結水和空氣，確保蒸汽系統的安全穩定工作。疏水泵具有良好的抗汽蝕能力，揚程高且效率高，機械密封較好，外部夾套冷卻作用下運行平穩可靠，已被廣泛應用于石油化工、食品制藥、電廠等多個行業。如化工行業通過疏水泵將疏水箱中的水重新回收再利用，提高了低品位熱能的利用，有利于節約能源。疏水泵是核電站排凝結水回收利用的關鍵動力裝置，在電機驅動下使給水加熱器疏水獲得能量，送入加熱器出口給水管道中，從而將凝結水排出管路，可以回收利用大量軟水，在生產中具有重要的作用[1]。

疏水泵使用工況條件特殊，運行故障主要包括軟化水水質污染、軸向力失衡、軸承損壞、密封失效等。這些故障可以通過結構改進、條件控制、設備維護等方式進行預防，在工程實踐中取得了一定的效果。目前，疏水泵基礎平臺螺栓松動的故障已成為影響其工作狀態的重要因素之一，主要體現在如下幾方面：首先，疏水泵和電機都安裝在基礎平臺上，設備振動能量主要通過基礎平臺傳遞，設備安裝基礎螺栓存在一定預緊力，但由于泵體振動或電機故障均會影響基礎螺栓預緊力，導致其產生松動，同時基礎剛度存在變化，這都將影響疏水泵的工作性能；其次，疏水泵工作中介質水的汽化或氣液混合輸送場合，容易導致泵軸向力不平衡，平衡組件將會產生顯著磨損，導致泵體振動明顯增加，容易引起基礎螺栓松動；再次，疏水泵輸送高溫介質，由于溫度和壓力不穩定，導致泵體在熱載荷作用下產生變形，而基礎螺栓對變形具有約束作用，容易導致螺栓變形和松動；最后，疏水泵軸承密封易老化而失效，導致軸承損壞，誘發基礎螺栓振動增大。現有疏水泵螺栓松動故障無法實時診斷，故障發生時如不能及時預警，將會導致停機停產大事故的發生。因此，開發一種疏水泵基礎平臺螺栓松動實時診斷方法具有重要的現實意義。

工程實踐對疏水泵的故障給予了高度關注，已有學者開展了一些有益的探索。陳志新和黃康照通過研究低壓加熱器疏水泵的故障原因和選型要點，確定了泵的具體型號，注重選材及部件匹配性等問題[2]。唐德偉針對核電廠疏水泵異常振動，運用頻率分析和建模方法，對設備固有頻率進行研究和改造，解決了異常振動問題[3]。韓立爭和漆明貴分析了汽蝕余量、運行工況、零件制造缺陷等問題對疏水泵故障的影響，結合工程實際提出了合理方案，解決了疏水泵故障率高的問題，在工程實踐中具有一定參考意義[4]。張振等研究了疏水泵發生汽化的故障原因，通過管路安裝空間優化可以有效排除故障，具有實用價值[5。馮成凱通過解體檢修剖析了疏水泵部件缺陷，制定了可行的檢修方法和防控措施，對解決疏水泵故障具有重要意義[6]。劉子榮對疏水泵振動異常進行了分析，依據振動形成機理，發現調整泵基礎螺栓緊固力矩可以實現支撐基礎的剛度，同時地腳螺栓增加減震墊片，通過影響泵固有頻率的方式干擾了共振產生，對降低泵振動是有效的7。胡軍華等通過測試疏水泵振動源頻率，認為驅動電機、減速箱、管路產生的振動對泵工作影響較大[8]。文獻[9，10]對疏水泵故障進行了分析，提出了具體的改造措施，關注了管道應力的影響。

因此，疏水泵的故障原因是多方面的，工程實踐已有相應的經驗積累[1]。振動信號是掌握疏水泵故障特征的重要來源，已被廣泛認可[12]。除了設備結構、零件質量、外部介質工況等影響外，基礎螺栓松動問題值得關注，特別是在疏水泵運行期間，如能早期發現螺栓松動故障并進行預防，對減少設備事故發生具有重要意義[13]。振動是表征基礎平臺螺栓松動故障的典型信號[14]，如能通過在線方法獲得疏水泵和電機的基礎振動信號，并通過小波降噪方法去除振動信號的雜波噪聲干擾[15.16]，有助于振動特征參數的準確判斷與識別，在此基礎上運用支持向量機（SVM）算法構建螺栓松動故障的檢測方法，實現疏水泵基礎平臺螺栓松動的實時診斷，對確保設備安全可靠、高效運行具有重要意義。

疏水泵振動檢測方案

疏水泵振動檢測系統方案如圖1所示。依據工業現場條件，疏水泵由電機驅動，泵和電機分別被安裝在基礎平臺上，用螺栓將其固定。工作過程中，無論是電機或者疏水泵，產生的振動能量需要通過基礎平臺傳遞，導致其基礎螺栓都存在松動故障現象。

圖1疏水泵振動檢測系統方案

1——電機振動傳感器;2——電機平臺;3——電機;4——疏水泵;5——泵平臺;6——泵振動傳感器

振動信號獲取可采用杭州安脈盛智能技術有限公司的AIMS-AMWV1B5R50-03一體式無線振動傳感器，振動加速度范圍為 ±50g ，最高頻響2kHz ，最大采樣頻率 40kHz ，可軟件配置數值，供電電壓 3.6V ；溫度測量范圍 -40～115^°C ，分辨率0.02^°C ;WiFi無線模塊的工作頻段為 2.412～ 2.484GHz ，最遠通信距離 150m 。該傳感器可以用于潮濕、粉塵、強干擾工業環境，工作溫度范圍 -20～70°C ，滿足核電站加熱器疏水泵的檢測需要。數據采集器選用NI-cRIO9032，其處理器為1.33GHz 雙核CPU，2GBDRAM，8GB存儲容量，4槽CompactRIO控制器，兩個千兆以太網工作溫度范圍 -20～55% 。振動數據采集板卡NI9232，3通道，單通道的采樣率 102.4kS/s ，信號范圍 ±30V 。

當基礎平臺螺栓松動后，泵和電機的工作狀態將會進一步惡化，產生的大幅度振動載荷迫使疏水泵損壞停機，造成一定的經濟損失。為了獲得基礎平臺的振動情況，分別在電機和疏水泵基礎平臺上安裝加速度振動傳感器，獲得平臺振動時域信號，分別將振動信號進行降噪處理，提取振動信號特征值，通過對比故障前后振動特征值的差異變化規律，確定SVM算法的輸人特征向量集，確定輸出故障類型，依據數據集完成模型的訓練和測試，建立螺栓松動故障診斷分析模型，可以用于實時故障監測。

2振動數據采集與處理

2.1 振動信號降噪流程

小波閾值降噪可以對振動的時域和頻率信號進行處理，將特定時間內的異常突變信號進行濾波去除，特別針對高頻信號部分，可以保留振動信號的真實特征和關鍵數據，盡可能降低噪聲干擾問題，有助于后續建模和故障識別。小波降噪流程主要包括幾個環節。

a.信號分解環節。

依據疏水泵基礎平臺的振動信號特征，在綜合考慮信噪比和均方根誤差的基礎上，選定小波基函數sym9，最優消失矩階數為9。確定分解層數是關鍵環節，分解層數將會影響干擾噪聲信號的高頻部分數據，分解層數過高將導致信號失真，振動信號的關鍵特征丟失，不利于后續的數據處理。這里依據樣本熵差確定最優分解層數為2。

b.設定閾值環節。

設定合理的閾值規則，可以消除閾值范圍內的高頻噪聲干擾，提高信號質量。可以選擇極大極小閾值原則，依據非零最小均方誤差極值進行判斷，其計算規則如下：

式中 N 一 一信號長度；T—固定閾值。

小波閾值函數選定硬閾值類型，可以表示為：

式中 w（j，k） ——分解信號的小波系數；θ 一閾值。

提取原始振動信號的高頻和低頻分量，依據插值或濾波方法對噪聲干擾信號進行處理，將小于閾值的小波系數強制清零，去除這部分信號的干擾，可以提高信號質量。

c.信號重構環節。

將降噪后數據進行整合處理，基于小波重構函數將不同頻率信號進行重構，獲得降噪后的信號。

2.2 振動信號特征

現場測試獲得疏水泵基礎的振動信號后，需要對降噪后的振動信號進行分析，提取信號關鍵特征值數據，為后續故障診斷奠定基礎。

振動有效值RMS為：

式中 NΩ ——信號樣本的數量; x_i 1 -第采樣點的振動幅值， m/s² 號

振動峰值P為：

P=max（|x|）

式中 x ——小波閾值降噪信號振動幅值， m/s²

振動峰峰值PP為：

PP=max（x）-min（x）

方差 V_αr 為：

式中 μ_x —振動信號的幅值平均值， m/s² 。

均方根值RMSE為：

式中 a_i 振動信號幅值的真實值， m/s² p_i 振動信號幅值的預測值， m/s² 。峭度指標 K_index 為：

偏斜度指標 S_index 為：

脈沖指標 P_index 為：

峰值指標 C_index 為：

3 振動信號特征提取

3.1 振動信號降噪處理

在螺栓未發生松動的正常工況下，電機基礎平臺、疏水泵基礎平臺的振動信號降噪對比結果如圖2所示。可以看出，兩個位置的振動呈非等幅振蕩特征。二者相比，電機基礎平臺振動振幅略高于疏水泵基礎平臺，這是由于電機是驅動裝置，屬于整個裝置的動力源，其電機振動明顯大于疏水泵。振動信號降噪前后變化規律大致相同，降噪過程依據閾值原則，對原始振動信號的噪聲干擾進行了處理，其關鍵信號特征依然保留，降噪后幅值曲線較為平滑，振動信號更加清晰，信號質量得到明顯提升，有助于準確識別故障特征。

圖2振動信號降噪對比結果

3.2 振動信號特征值

平臺螺栓松動故障時的振動信號如圖3所示。由圖可知，螺栓松動故障時，變載荷作用增強，螺栓預緊力不斷降低，設備與平臺基礎的夾緊力隨之減小，此時振動和沖擊作用迫使螺栓產生剛性變形，極易發生松脫行為，平臺基礎對電機和泵的約束力降低，設備振幅明顯增大，沖擊載荷逐漸增強，導致平臺基礎振幅顯著增加。螺栓松動時，由于電機屬于動力驅動裝置，電機基礎平臺比疏水泵基礎平臺幅值更大。

圖3平臺螺栓松動故障時的振動信號

正常工況和螺栓松動后電機和疏水泵振動信號特征值如圖4、5所示。由圖4可知，螺栓松動故障狀態與基礎平臺振動信號有一定的關系，依據振動時域信號提取特征參數，可以用于表征故障狀態行為。與電機正常狀態相比，螺栓松動時振動信號的均方根值從0.0276增加到0.0645，可以看出數值明顯增大，此現象表明振動信號幅值增大，振動能量增強，這與圖4結果相吻合。偏度變化最為明顯，其數值從電機正常狀態的0.3493降低到螺栓松動故障時的-0.0846，螺栓松動故障時振動信號逐步呈現近似對稱性特征，數據分布存在負偏離特征。故障前后方差差異較小，表明振動信號變化具有明顯規律，幅值相對于均值的離散程度較低，故障前后的振動信號相對較為穩定。螺栓松動故障時，短時內振動信號幅值有明顯增加，但相對穩定，尚未達到破壞性事故發生的極限，及時發現可以降低大事故的發生概率。

圖4電機螺栓松動前后振動信號特征值對比結果

圖5泵螺栓松動前后振動信號特征值對比結果

由圖5可知，疏水泵螺栓松動前后，峰值因子從2.5608降低到2.0327，始終小于3，表明數據分布比正態分布更平坦，故障狀態下振幅峰值區域的數據樣品數量明顯增加，單個周期內高幅值維持時間變長。脈沖指標表明，螺栓松動故障后因受到沖擊作用影響，振動信號存在脈沖特性，瞬時幅值與平均幅值之間的差異更為明顯。

6種特征值參數相比，無論對于電機或疏水泵而言，當基礎螺栓松動故障時，其振動信號方差變化不大，均方根值、脈沖因子均逐漸增大，而偏度、峰值和峭度均會降低。對比正常工況和故障狀態的振動信號可知，均方根值、偏度、脈沖、峰值等振動特征參數變化更加顯著，屬于故障狀態下的敏感特征值。

4故障診斷預測模型

4.1 支持向量機模型

依據基礎平臺振動信號的均方根值、偏度、脈沖及峰值等振動特征數據為特征向量集，包括訓練數據和測試數據。將訓練數據導入SVM模型中進行訓練，可以對螺栓松動故障進行實時識別，逐步預測模型準確度，再結合測試集數據進行模型驗證。

K（x，x_i） 為支持向量機的核函數，內部主要的核函數包括：

（x₁，y₁），（x₂，y₂），…，（x_n，y_n）

可以構建一個回歸模型，盡可能降低預測值和樣本值的差異，模型可以轉化為如下形式：

其中 f₁（x） 是不敏感損失函數，常數 C 為懲罰因子。引入松弛變量 ，可將式（17）改寫為如下所示形式：

ω^TP（x_i）+b-y_i≤ε+ξ_i^'（ξ_i，ξ_i^'≥0）

依據Karush-Kuhn-Tucker條件，求解約束優化問題的局部最優解，結合核函數性質可得：

運用式（15）中的徑向基核函數開展SVR模型訓練，可以獲得訓練模型如下：

4.2 故障預測結果

多項式核函數 K（x，x_i）=（γx^Tx_i+r）^p，γ≥0 （204號 （14）徑向基核函數 （15）

當輸入樣本個數為 m ，樣本維數為l，則樣本可表示如下：

應用SVM對基礎平臺螺栓松動故障的振動信號特征數據集進行訓練時，劃分好數據集，通過現場測試獲得400組振動數據樣本，其中包括電機平臺振動數據200組，疏水泵平臺振動數據200組。數據樣本中包括訓練數據集370組，測試數據集30組，其中正常工況、電機平臺螺栓松動故障、疏水泵平臺螺栓松動故障各10組數據。將數據進行歸一化處理，消除不同數據量綱差異的影響，確定模型核函數，對模型的參數進行設置，然后輸人參數進行SVM模型的訓練。待全部訓練數據集完成后，可以調用測試數據集對模型可靠性進行驗證。

故障診斷預測結果如圖6所示，圖中縱坐標1.0表示正常工況，2.0表示電機平臺螺栓松動故障，3.0表示疏水泵平臺螺栓松動故障，橫坐標為測試數據集30組樣本序號。因此，通過SVM算法建立了螺栓松動故障診斷識別模型，可以識別電機平臺螺栓松動、疏水泵平臺螺栓松動等兩種故障識別分類，故障診斷精度高達 100% 。因此，通過借助小波降噪技術，可以實現振動信號的降噪處理，有利于準確提取故障時振動信號的特征值。

圖6 故障診斷預測結果

5結論

5.1小波閾值方法可以實現振動信號的降噪處理，降噪后保留了電機基礎平臺、疏水泵基礎平臺振動信號的關鍵特征，有效去除了原始信號的噪聲干擾，實現了信號局部區域的光滑性，提高了振動信號質量，有利于依據振動信號識別設備的故障特征。

5.2與正常工況相比，螺栓松動故障時基礎平臺振幅顯著增大，均方根值、偏度、脈沖、峰值等信號特征值變化較為顯著，表明振動信號與螺栓松動故障具有明顯的關聯關系，依據振動敏感特征值識別螺栓松動故障時可行的。

5.3基于SVM算法開發的螺栓松動故障診斷模型，可以識別電機平臺螺栓松動、疏水泵平臺螺栓松動等故障類型，故障診斷精度達 100% ，在生產實踐中具有很好的實用價值。

參考文獻

[1]ALBDOURSA，OSMAN S，HASSAN M，et al.Thermalperformance analysisof reflux condensationinverticaltubes via pure steam [J].Experimental and Computa-tional Multiphase Flow，2025，7：121-132.

[2]陳志新，黃康照.無除氧器機組低壓加熱器疏水泵故障與選型要點分析[J].中國機械，2024（5）：98-101.

[3］唐德偉.基于頻率分析的核電廠疏水泵異常振動分析[J].儀器儀表用戶，2021，28（6）：86-88；85.

[4]韓立爭，漆明貴.低壓加熱器疏水泵故障分析與選型要點[J].山東電力技術，2020，47（8）：59-62.

[5]張振，李濤，李宏偉.用降溫法排除改造機組熱網站疏水泵的汽化故障[J].電站輔機，2018，39（4）：39-42.

[6]馮成凱.超超臨界機組低加疏水泵故障分析及改進[J].設備管理與維修，2016（9）：108-109.

[7］劉子榮.低壓加熱器疏水泵振動原因分析[J].科技信息，2013（13）：123-124.

[8]胡軍華，武朝，石兆存.斜盤連桿式疏水泵組的噪聲與振動試驗[J].噪聲與振動控制，2013，33（2）：201-204.

[9]王京承，單蓬生，郝劍，等.電廠疏水泵故障原因分析及技術改造[J].水泵技術，2010（6）：36-38.

[10]WUM，ZHANGJ，GUIN，et al.Advances in the mode-ling of multiphase flows and their application innuclear engineering—A review [J].Experimental andComputational MultiphaseFlow，2024，6：287-352.

[11］胡海彬，劉仁鑫，劉日龍，等.卷積神經網絡在機械故障診斷中的應用綜述[J].機械工程與自動化，2024（4）：221-223.

[12]李喆仁，劉志亮，莫巍，等.基于泵送頻率的往復泵活塞故障診斷方法[J].流體機械，2024，52（4）：95-104.

[13]安英輝，王春輝，陳明亞，等.基于在線監測的核電廠主管道評定技術及軟件開發[J].化工機械，2024，51（2）：288-294.

[14]齊光峰，孫東，鄭煒博，等.基于頻譜分析的油田注水柱塞泵故障診斷[J].流體機械，2023，51（3）：84-90;98.

[15]劉政，馬宇航，肖志慧，等.某核電用上充泵轉子動力學特性分析[J].化工機械，2024，51（1）：106-113.

[16]李志國，林彬，高鵬濤，等.基于SVD-ITD和支持向量機的潛水磨碎泵故障診斷［J].流體機械，2021，49（10）：97-104.（收稿日期.2024-09-15修回日期.2025-07-16）

Research on the Fault Diagnosis of Loose Bolts in the Foundation Platform of Drainage Pumps

WAN Yi-heng1，XUE Jin-shan1， ZHANG Da-yong1，HAN Xue-jie1，LV Jing2， DONG Xing-shen3， LI Hai-sheng3

（1.YangjiangNuclearPouerCo.，Ld.；2.HangzhouAnmaishengInteligentTechnologyCo.，Ld;3.SchoolofChemicalEngineering and Technology，China University of Miningand Technology）

AbstractA fault diagnosis method based on wavelet threshold denoising algorithm and support vector machine （SVM）model was proposed for the loose bolt fault in the drainage pump's foundation platform，including obtaining vibration time-domain signals of the pump foundation platform. Through applying the wavelet threshold denoising algorithm to remove the interference of noiseand irelevant components，the signals were denoised and reconstructedand the four types of time-domain sensitive features of the denoised signals were extracted as the setoffeature vectorsand then imported into the SVM model for the fault identification training and testing.The results show that，thismethodcan obtain vibration signal eigenvalues， identify the loose bolt's fault characteristics and determine fault types.It has great significance in ensuring both safe and reliable operation of the drainage pump.

Key Wordsdrainage pump，loose bolt，vibration signal，denoise，fault diagnosis

聲明

本刊已許可中國學術期刊（光盤版）電子雜志社在中國知網及其系列數據庫產品中以數字化方式復制、匯編、發行、信息網絡傳播本刊全文。該社著作權使用費與本刊稿酬一并支付。作者向本刊提交文章發表的行為即視為同意我刊上述聲明。