王鐵民　孫瑞　羅丹

摘 要：泵類產(chǎn)品在工業(yè)生產(chǎn)中有著廣泛的應(yīng)用，其工作運(yùn)行中的穩(wěn)定性對生產(chǎn)活動有著重要影響。故障診斷技術(shù)對維持泵的正常運(yùn)行有著重要意義，隨著大數(shù)據(jù)技術(shù)的發(fā)展，故障診斷結(jié)合大數(shù)據(jù)技術(shù)將為泵類設(shè)備提供更好保障。本文綜合分析了泵類故障診斷技術(shù)與大數(shù)據(jù)技術(shù)的發(fā)展趨勢和關(guān)鍵技術(shù)，指出智能化故障診斷面臨的挑戰(zhàn)與發(fā)展趨勢。

關(guān)鍵詞：故障診斷;大數(shù)據(jù);智能化;工業(yè)泵

1 引言

在工業(yè)生產(chǎn)中，泵作為一種通用機(jī)械其地位無可取代，其中石化用泵、電力用泵又占極大部分。由于我國目前發(fā)電情況是以火電為主力，而泵在火電廠所發(fā)揮的作用非常重要。泵類設(shè)備作為生產(chǎn)系統(tǒng)重要的環(huán)節(jié)，一旦發(fā)生故障容易導(dǎo)致整個(gè)生產(chǎn)系統(tǒng)癱瘓，其造成的直接和間接損失無法估量，因而保證泵的正常運(yùn)行十分重要。

通過對泵類設(shè)備進(jìn)行狀態(tài)監(jiān)測和故障診斷，可實(shí)時(shí)監(jiān)測設(shè)備的生產(chǎn)狀態(tài)，若有異常狀態(tài)發(fā)生，以報(bào)警方式對相關(guān)人員進(jìn)行及時(shí)通知，從而減少因故障帶來的人力和物力的成本損失，以及提高設(shè)備和系統(tǒng)的可靠性。

2 國內(nèi)外狀態(tài)監(jiān)測、故障診斷技術(shù)的研究進(jìn)展

現(xiàn)代信息技術(shù)發(fā)展已經(jīng)取得了快速的進(jìn)步，如計(jì)算機(jī)技術(shù)、人工智能技術(shù)和傳感器技術(shù)，利用這些技術(shù)同狀態(tài)監(jiān)測和故障診斷理論進(jìn)行結(jié)合，使得狀態(tài)監(jiān)測和故障診斷技術(shù)得以應(yīng)用于實(shí)際生產(chǎn)環(huán)境中。

美國于1967年成立了機(jī)械故障預(yù)防小組，英國幾乎同時(shí)期成立“英國機(jī)器保健中心”，他們在故障分析及診斷技術(shù)開發(fā)等諸多方面取得了很大成就。歐洲的部分國家憑借著對診斷技術(shù)的深度研究，已經(jīng)在該領(lǐng)域取得了較為不錯的成績。丹麥和日本也都針對機(jī)械設(shè)備推出了適合不同工業(yè)領(lǐng)域應(yīng)用的狀態(tài)監(jiān)測和故障診斷系統(tǒng)，例如核電站和商業(yè)熱電站。

此外，國內(nèi)對于狀態(tài)監(jiān)測和故障診斷技術(shù)也有一定的研究，許多企業(yè)和高校對此做了相關(guān)的理論研究和系統(tǒng)開發(fā)，并已有較好的成果展現(xiàn)。例如，南京航空航天大學(xué)、華南理工大學(xué)和浙江大學(xué)針對遠(yuǎn)程故障診斷的研究取得了不錯的成績。華中理工大學(xué)構(gòu)建了設(shè)備故障遠(yuǎn)程診斷中心，目的是為客戶提供遠(yuǎn)程診斷服務(wù)，也取得了相應(yīng)的成果。

狀態(tài)監(jiān)測和故障診斷技術(shù)主要經(jīng)歷了人的現(xiàn)場觀察、測量儀器和計(jì)算機(jī)管理三個(gè)發(fā)展階段。最初的人的現(xiàn)場觀察階段主要由人根據(jù)以往經(jīng)驗(yàn)，通過對設(shè)備的振動，溫度等機(jī)械狀態(tài)進(jìn)行觀察和判斷，分析過程中往往需要進(jìn)行專家討論，來確定設(shè)備的故障原因和運(yùn)行狀態(tài)，這種原始階段的方法顯然耗時(shí)費(fèi)力，對人的經(jīng)驗(yàn)要求較高，并且結(jié)果往往不精確。在測量儀器階段，測量儀器的監(jiān)測作用逐漸代替了人的感覺去判斷設(shè)備的運(yùn)行狀態(tài)。設(shè)備的頻率、振幅等各項(xiàng)參數(shù)都會被測量儀器一一記錄，通過參數(shù)化的數(shù)據(jù)，可以對數(shù)據(jù)進(jìn)行趨勢預(yù)測和分析，并以此作為判斷設(shè)備故障的基礎(chǔ)，實(shí)現(xiàn)對故障的識別和排除。計(jì)算數(shù)據(jù)管理技術(shù)則是測量儀器階段的又一次巨大飛躍。在數(shù)據(jù)的處理方面，可以直接將測得的設(shè)備運(yùn)行數(shù)據(jù)輸入預(yù)先編制好的算法系統(tǒng)中，通過各種算法的分析和評估，可以獲得完整的分析報(bào)告，并能根據(jù)分析結(jié)果做出更加直觀的可視化展示，如相關(guān)圖譜的展現(xiàn)。對設(shè)備狀態(tài)的預(yù)測也更加智能，從設(shè)備數(shù)據(jù)的采集及基本的處理擺脫了人的而參與。隨著監(jiān)測對象的不斷擴(kuò)大，大數(shù)據(jù)技術(shù)也被應(yīng)用到設(shè)備的故障診斷及預(yù)測方面，智能化和精確性迅速提高?？臻g上也不再局限于本地檢測，遠(yuǎn)程監(jiān)測逐漸成為重要手段。

目前，故障診斷領(lǐng)域相關(guān)的技術(shù)和方法主要有：基于隸屬度函數(shù)描述客觀事物的模糊數(shù)學(xué)、基于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)和擅于處理不完整、不精確的粗糙集理論等。

2.1 泵體常見故障形式

泵體常見的故障形式如下圖1所示，主要涉及到水泵的葉輪、軸承、電動機(jī)和進(jìn)出水管道等組件。因此，為實(shí)現(xiàn)對泵體的故障進(jìn)行預(yù)測和監(jiān)控，需要對同上述相關(guān)組件相關(guān)的運(yùn)行參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測。

2.2 泵體故障診斷方法

目前，神經(jīng)網(wǎng)絡(luò)在水泵故障診斷中使用得很多。文獻(xiàn)基于人工神經(jīng)網(wǎng)絡(luò)的水泵故障診斷技術(shù)研究將神經(jīng)網(wǎng)絡(luò)用到水泵故障診斷中，根據(jù)水泵不同的故障征兆基于人工神經(jīng)網(wǎng)絡(luò)建立故障診斷模型并進(jìn)行模擬，利用機(jī)器學(xué)習(xí)訓(xùn)練模型并進(jìn)行故障識別、診斷，證明了神經(jīng)網(wǎng)絡(luò)在診斷的準(zhǔn)確率和診斷效率方面具有優(yōu)勢。

文獻(xiàn)基于支持向量自回歸的大型離心式水泵振動狀態(tài)預(yù)測研究，利用支持向量機(jī)構(gòu)建了大型離心式水泵兩種不同的振動預(yù)測模型——基于灰度方法得模型和基于自回歸方法的模型。在進(jìn)行實(shí)例驗(yàn)證后得到結(jié)果：基于自回歸方法建立的模型在振動預(yù)測故障方面更加有效，從而提高水泵安全性和經(jīng)濟(jì)性。

文獻(xiàn)利用模糊理論針對礦井排水泵，構(gòu)建了一種水泵監(jiān)測及故障診斷系統(tǒng)，根據(jù)CNC總線技術(shù)和模糊理論，使用VB與MATLAB進(jìn)行聯(lián)合編程。該故障診斷系統(tǒng)的穩(wěn)定運(yùn)行，實(shí)現(xiàn)了對礦井排水泵的在線監(jiān)測與實(shí)時(shí)預(yù)警，對提高礦井的安全管理有極大幫助。

文獻(xiàn)油田注水泵故障診斷專家系統(tǒng)的開發(fā)根據(jù)水泵機(jī)組的振動信號建立了故障診斷專家系統(tǒng)。與傳統(tǒng)的專家系統(tǒng)相比，該系統(tǒng)在知識庫組建時(shí)充分地調(diào)研了實(shí)際的產(chǎn)生方式，將其融入至知識庫框架體系之中，以此建立的專家系統(tǒng)提高了搜索的效率，知識的匹配過程明顯改善。

3 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)主要有3個(gè)特點(diǎn)，分別是規(guī)模性（volume）、多樣性（variety）和高速性（velocity）。隨著信息技術(shù)的不斷發(fā)展，在面對海量的數(shù)據(jù)時(shí)，大批量數(shù)據(jù)的實(shí)時(shí)傳輸與分析成為一種趨勢。目前，大數(shù)據(jù)不斷與社會的各個(gè)領(lǐng)域結(jié)合。大數(shù)據(jù)處理過程主要包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、數(shù)據(jù)分析挖掘和數(shù)據(jù)可視化等。通過利用大數(shù)據(jù)技術(shù)，可對工程機(jī)械設(shè)備進(jìn)行工業(yè)機(jī)械大數(shù)據(jù)的構(gòu)建，將設(shè)備每天產(chǎn)生的實(shí)時(shí)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化或非結(jié)構(gòu)化的保存，以此作為數(shù)據(jù)分析和挖掘的基礎(chǔ)，結(jié)合各種數(shù)據(jù)分析工具挖掘出有價(jià)值的信息可用于指導(dǎo)企業(yè)的各個(gè)環(huán)節(jié)，見圖2。

3.1 數(shù)據(jù)處理

數(shù)據(jù)處理作為大數(shù)據(jù)技術(shù)的上游環(huán)節(jié)，是一個(gè)非常重要的環(huán)節(jié)，合理的數(shù)據(jù)處理有助于減少大量冗余和無效的數(shù)據(jù)，這對后期的數(shù)據(jù)分析和挖掘有非常重要的意義。數(shù)據(jù)處理主要包括對數(shù)據(jù)進(jìn)行清洗，集成和變換等。其目的均是為后期挖掘出有價(jià)值的數(shù)據(jù)奠定重要的基礎(chǔ)，如根據(jù)實(shí)際需要，對無效的噪聲信號進(jìn)行去除，異常值的識別和排除，數(shù)據(jù)的聚合和規(guī)范化等。