發(fā)表時(shí)間： 2025-07-08 09:26:33
作者： 石油化工設(shè)備維護(hù)與檢修網(wǎng)
瀏覽： 260
關(guān)鍵詞 | 石化 大機(jī)組 診斷方法
石油化工裝備是石化企業(yè)組織生產(chǎn)的基礎(chǔ)，一旦發(fā)生故障，勢(shì)必造成極大的財(cái)產(chǎn)損失。機(jī)械故障診斷是在基本不拆卸機(jī)械的條件下，判斷機(jī)器運(yùn)行中內(nèi)部隱含的故障，識(shí)別主導(dǎo)故障及其原因，并預(yù)測(cè)故障發(fā)展趨勢(shì)的技術(shù)。
對(duì)于機(jī)械設(shè)備故障可以理解為，系統(tǒng)至少一個(gè)特征參數(shù)由可接受的、通常的、標(biāo)準(zhǔn)的狀態(tài)發(fā)生不允許的偏移。廣義地講，設(shè)備出現(xiàn)的任何異?，F(xiàn)象，表現(xiàn)出所不期望的特性均是故障。機(jī)械故障診斷是在檢測(cè)基礎(chǔ)上發(fā)展起來(lái)的一整套流程，主要包括：故障檢測(cè)、故障隔離、故障辨識(shí)。
早期用各種儀器直接檢測(cè)設(shè)備故障，發(fā)展到現(xiàn)在基于知識(shí)的智能故障診斷技術(shù)。目前的故障診斷技術(shù)一般指以軟件解析冗余為主的方法，始于20世紀(jì)70年代。1990年，故障診斷權(quán)威Frank教授把故障診斷方法大致分為3類(lèi)：基于模型的方法、基于信號(hào)的方法和基于知識(shí)的方法。2003年，V.Venkat等人提出了基于定量模型的方法、基于定性模型的方法和基于過(guò)程歷史的分類(lèi)方法。工業(yè)機(jī)組中常用到的診斷方法分為以下四類(lèi)，如圖1所示。
圖1 故障診斷方法分類(lèi)
一、基于模型的故障診斷方法
基于模型的故障診斷方法是在現(xiàn)代控制理論和優(yōu)化方法指導(dǎo)下，建立系統(tǒng)的數(shù)學(xué)模型，然后基于某種準(zhǔn)則或閾值對(duì)模型的殘差進(jìn)行評(píng)價(jià)和決策。1971年，Beard在其博士論文中提出利用解析冗余代替硬件冗余的思想，這標(biāo)志故障診斷技術(shù)的開(kāi)端?；诮馕瞿Ｐ偷姆椒ㄟm用于能建模、有足夠傳感器的系統(tǒng)，其優(yōu)點(diǎn)是能夠?qū)崿F(xiàn)動(dòng)態(tài)分析和實(shí)時(shí)診斷，缺點(diǎn)是通常建模比較困難，模型的魯棒性問(wèn)題較突出。
該方法常用到觀測(cè)器和濾波器。一是基于觀測(cè)器的故障診斷，針對(duì)系統(tǒng)的數(shù)學(xué)模型，構(gòu)造相應(yīng)的觀測(cè)器，經(jīng)轉(zhuǎn)換生成殘差，根據(jù)決策邏輯實(shí)現(xiàn)故障診斷。20世紀(jì)80年代初有學(xué)者提出等價(jià)空間法，識(shí)別數(shù)據(jù)是否發(fā)生傳輸錯(cuò)誤，并且可以啟用校正裝置。該方法已應(yīng)用到故障診斷的復(fù)雜模型，如模糊非線性系統(tǒng)和模糊樹(shù)模型。二是基于濾波器的故障診斷系統(tǒng)，使用Kalman濾波器對(duì)隨機(jī)系統(tǒng)的輸出進(jìn)行估計(jì)，濾波器的輸出作為殘差，其優(yōu)勢(shì)在于只需要當(dāng)前的測(cè)量值和前一個(gè)采樣周期的估計(jì)值就能夠進(jìn)行狀態(tài)估計(jì)。目前卡爾曼濾波器應(yīng)用廣泛，常被用于通信、雷達(dá)、導(dǎo)航、自動(dòng)控制等領(lǐng)域。它多用于噪聲較大的場(chǎng)合，通過(guò)殘差的序列概率比檢驗(yàn)，能準(zhǔn)確識(shí)別故障，缺點(diǎn)是對(duì)輕度的故障不敏感。現(xiàn)在故障診斷中的卡爾曼濾波技術(shù)有擴(kuò)展型卡爾曼濾波器（EKFs）、無(wú)損卡爾曼濾波器（UKFs）和增強(qiáng)狀態(tài)卡爾曼濾波器等。與傳統(tǒng)的卡爾曼濾波器相比，EKF可用于非線性工業(yè)故障診斷。增強(qiáng)型卡爾曼濾波可以同時(shí)估計(jì)系統(tǒng)狀態(tài)信號(hào)和故障信號(hào)。
基于系統(tǒng)辨識(shí)技術(shù)的參數(shù)估計(jì)也是一種非常重要的隨機(jī)故障診斷方法，可通過(guò)參數(shù)估計(jì)方法來(lái)描述故障信息，然后根據(jù)系統(tǒng)參數(shù)和故障參數(shù)變化來(lái)判斷故障是否發(fā)生。
二、基于信號(hào)的故障診斷方法
這類(lèi)方法是通過(guò)各種方法對(duì)測(cè)量信號(hào)進(jìn)行分析處理，提取與故障相關(guān)的信號(hào)的時(shí)域或頻域特征用于故障診斷?？焖俑道锶~變換、小波變換、希爾伯特－黃變換是故障診斷中特征提取的常用手段。
由于工業(yè)機(jī)械設(shè)備振動(dòng)信號(hào)往往就是一種不穩(wěn)定的波形信號(hào)，基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夥ǎ‥MD）的時(shí)頻分析方法，是比較常用的一種方法。該方法認(rèn)為任何信號(hào)都是由表征信號(hào)內(nèi)在特征振動(dòng)形式的本征模態(tài)函數(shù)組成，所以可以通過(guò)特征時(shí)間尺度得到信號(hào)的本征振動(dòng)模式，篩選信號(hào)，進(jìn)而判斷出故障。因此EMD方法常用來(lái)分析、處理非線性和非平穩(wěn)信號(hào)。
三、基于知識(shí)的故障診斷方法
其他診斷法都必須利用在線實(shí)時(shí)數(shù)據(jù)，但是基于知識(shí)的故障診斷方法則需要采用大量的歷史數(shù)據(jù)。它是通過(guò)分析輸入、輸出和狀態(tài)參數(shù)之間的關(guān)系，從大量的歷史數(shù)據(jù)中學(xué)習(xí)輸入與輸出值之間的映射關(guān)系，從而可以進(jìn)行故障預(yù)測(cè)。該類(lèi)型方法從以下兩方面介紹：
1）基于定性知識(shí)的故障診斷。早期的故障診斷主要取決于操作者的經(jīng)驗(yàn)，其通過(guò)機(jī)器聲音判斷是否發(fā)生故障。20世紀(jì)60年代末專(zhuān)家系統(tǒng)作為人工智能的一個(gè)分支應(yīng)運(yùn)而生，它不依賴(lài)于系統(tǒng)的數(shù)學(xué)模型，而是根據(jù)人們的實(shí)踐經(jīng)驗(yàn)和大量的知識(shí)建立知識(shí)庫(kù)，通過(guò)電腦程序來(lái)解決復(fù)雜系統(tǒng)的故障診斷問(wèn)題。專(zhuān)家系統(tǒng)診斷方法能夠解釋自己的推理過(guò)程，而缺點(diǎn)是知識(shí)獲取的“瓶頸”問(wèn)題，即知識(shí)獲取時(shí)的知識(shí)庫(kù)不完備，同時(shí)又缺乏自我學(xué)習(xí)、自我完善能力，不能在故障診斷實(shí)例中自我完善知識(shí)庫(kù)。定性趨勢(shì)分析（QTA）是把已測(cè)的信號(hào)作為一種趨勢(shì)序列，其趨勢(shì)可以反映重要參數(shù)、發(fā)展速度以及趨勢(shì)的變化，是故障早期判定的一個(gè)重要手段。這種技術(shù)已廣泛地應(yīng)用于復(fù)雜工業(yè)過(guò)程的故障診斷，特別是化學(xué)工業(yè)過(guò)程。最近QTA結(jié)合其他定性分析工具符號(hào)有向圖（SDG），可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。例如，早期故障診斷中，SDG－QTA故障診斷方法實(shí)現(xiàn)了SDG的完備性和QTA診斷高分辨率性能的結(jié)合。
2）基于定量知識(shí)的故障診斷。在故障診斷領(lǐng)域，要獲得各種診斷對(duì)象大量的典型故障樣本往往是很困難的，統(tǒng)計(jì)理論為解決小樣本的診斷問(wèn)題提供了理論基礎(chǔ)。多元統(tǒng)計(jì)分析方法主要有主成分分析法（PCA）、偏最小二乘法（PLS）、獨(dú)立成分分析（ICA）和支持向量機(jī)（SVM）等?；诙恐R(shí)的故障診斷方法主要有人工神經(jīng)網(wǎng)絡(luò)（ANN）和模糊診斷方法等。ANN具有與人腦類(lèi)似的記憶、學(xué)習(xí)、聯(lián)想等能力，但也有很多局限性。如ANN不能充分利用專(zhuān)家積累的寶貴經(jīng)驗(yàn)，故障診斷時(shí)需要足夠的學(xué)習(xí)樣本，學(xué)習(xí)算法收斂速度慢，不能解釋推理過(guò)程和推理結(jié)果等。以多層感知器的網(wǎng)絡(luò)結(jié)構(gòu)為例，整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)各個(gè)神經(jīng)元的功能以及學(xué)習(xí)和處理的數(shù)據(jù)都彼此相似，整個(gè)網(wǎng)絡(luò)基本功能就是建立在從輸入到輸出的映射中，以劃分出輸入到輸出間逐步轉(zhuǎn)化的過(guò)程，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，很難用硬件實(shí)現(xiàn)。
四、混合型故障診斷方法
基于模型、基于信號(hào)和基于知識(shí)的故障診斷方法，均有其獨(dú)特優(yōu)勢(shì)和條件限制。具體而言，基于模型的故障診斷可以使用少量的實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)和診斷未知故障，但它需建立明確的表示輸入－輸出關(guān)系模型，診斷性能完全依賴(lài)于模型的準(zhǔn)確性。而基于信號(hào)和知識(shí)的方法并不需要一個(gè)明確的或完整的模型，特別適合于監(jiān)測(cè)和診斷復(fù)雜的工業(yè)過(guò)程?；谛盘?hào)的故障診斷方法提取輸出信號(hào)的主要特征，但它不太關(guān)注系統(tǒng)的動(dòng)態(tài)輸入，其診斷性能在未知干擾時(shí)可能發(fā)生退化。由于需要訓(xùn)練大量的歷史數(shù)據(jù)，以知識(shí)為基礎(chǔ)的故障診斷方法計(jì)算成本很高，可能無(wú)法很好地識(shí)別未知故障類(lèi)型。
為了充分利用各種故障診斷方法的優(yōu)勢(shì)，兩種或更多的故障診斷方法集成或組合應(yīng)用到故障診斷中，即所謂的混合型故障診斷方法。例如，基于模糊理論的神經(jīng)網(wǎng)絡(luò)故障診斷方法，根據(jù)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行模糊運(yùn)算，并對(duì)推理過(guò)程進(jìn)行解釋。模糊理論結(jié)合專(zhuān)家系統(tǒng)對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行故障診斷等。
信息來(lái)源：化工活動(dòng)家
