匡成驍 王 巖 毛遠帆 譚 鑫

（核反應堆系統(tǒng)設計技術重點實驗室，四川 成都 610000）

0 引言

反應堆冷卻劑泵（簡稱“主泵”）是反應堆冷卻劑系統(tǒng)壓力邊界的一部分，主泵能否正常工作直接關系到核電站的運行安全[1]。核電主泵由于振動過高、軸封泄漏量異常、軸裂紋、輔助系統(tǒng)監(jiān)測及預警不及時等典型故障最終導致機組停運而臨時檢修或搶修而引起反應堆停堆的事件已達到數(shù)百起之多，對商業(yè)運行的核電站的造成了較大的經濟損失。郭清[2]提出了一種基于DSmT決策級主冷卻劑泵并發(fā)故障融合的診斷模型；陳志輝[3]針對主泵的典型振動故障，利用小波分析的方法對模擬的主泵振動信號進行處理，結果表明小波分析技術能夠有效地對故障特征進行提?。获T俊婷[4]采用主元分析的方法，建立了核電站主泵參數(shù)異常情況的故障特征方向庫，通過實測數(shù)據(jù)驗證了該方法的可行性。關于主泵故障診斷技術的研究一直在進行[5-9]，但是，以上只是針對主泵某一方面的故障展開研究，而主泵故障診斷的系統(tǒng)性研究和工程實踐還較少，因此本文提出一個主泵故障診斷的系統(tǒng)框架，為主泵故障診斷系統(tǒng)國產化的研制提供必要的準備。

1 主泵的參數(shù)監(jiān)測

設備故障診斷首先要獲取設備的狀態(tài)信息，這些信息通常來自設備運行過程中的各種參數(shù)變化，因此故障診斷的前提就是狀態(tài)參數(shù)的測量。測量數(shù)據(jù)真實性的含義，不僅是要求具有較高的信噪比、保真度，還要求能測量到引起故障原因的直接參數(shù)。當然不是所有故障都可以直接監(jiān)測到反映故障征兆的參數(shù)，絕大多數(shù)故障特征信號是從振動和噪聲的信號經過一定方式提取得到的。以某三軸承主泵為例，為了保證主泵的正常運行及狀態(tài)監(jiān)測需要，設置的測點如表1所示。

表1 主泵測點布置

2 主泵故障診斷系統(tǒng)設計

2.1 需求分析

主泵的故障診斷過程主要包括信號采集、信號處理、故障模式識別、故障防治策略支持等。信號采集就是利用主泵設置的測點對各運行參數(shù)進行采集，包括振動、位移、溫度、壓力、流量、轉速、油位等信號；信號處理主要是對采集的樣本數(shù)據(jù)進行處理以提取能夠反映故障狀態(tài)、性質、類型和程度的特征信息；故障模式識別就是根據(jù)故障特征采用智能故障診斷方法對故障進行分類，獲取最終的故障診斷結果；故障防治與控制就是根據(jù)防治策略專家知識庫對已經確定的故障提出對應的控制方案或治理措施。因此，主泵故障診斷系統(tǒng)應具備以下幾點功能：

（1）在不拆卸或少拆卸主泵零部件的條件下，能夠定量地監(jiān)測、評價主泵各部件（如電機轉子、飛輪和水力部件等）的運動性能和受力狀態(tài)，軸承和軸封系統(tǒng)的缺陷和磨損狀態(tài)；

（2）能夠確定主泵的故障性質、故障類型、發(fā)生部位和危害程度；

（3）對故障發(fā)展趨勢進行預測；

（4）能夠確定故障來源，并提出干預措施建議等。

2.2 結構設計

針對上述故障診斷系統(tǒng)的功能需求，本文設計了一個四層結構的系統(tǒng)框架，分別為信息采集和轉換層、數(shù)據(jù)管理層、邏輯層和表示層，如圖1所示。

信號采集和轉換層首先獲取傳感器采集到的數(shù)據(jù)信息（模擬信號），隨后通過模數(shù)轉換器（ADC）將模擬信號轉換為數(shù)字信號。轉換后的數(shù)字信號一方面經串行接口傳輸?shù)綌?shù)據(jù)管理層實現(xiàn)數(shù)據(jù)的存儲和查詢等操作，另一方面直接傳輸?shù)焦收显\斷系統(tǒng)邏輯層實現(xiàn)故障診斷。數(shù)據(jù)管理層一方面與信號采集和轉換層交互實現(xiàn)原始信號的存儲，另一方面與邏輯層交互實現(xiàn)診斷結果和診斷日志的存儲。此外，數(shù)據(jù)管理層允許用戶通過表現(xiàn)層進行程序參數(shù)的修改以及自定義內容的存取。邏輯層是整個系統(tǒng)軟件部分的核心，是故障診斷程序在軟件中的直接表達。邏輯層包含各信號處理與故障診斷的算法模塊。其功能：采用頻譜分析對非平穩(wěn)信號（振動、軸位移）進行信號特征提取，采用多元時間序列法對信號進行狀態(tài)趨勢預測，等等。邏輯層使用到的算法模塊有GRU、ARIMA和PCA等，邏輯層是系統(tǒng)實現(xiàn)故障診斷與狀態(tài)趨勢預測的核心。表示層是操縱員與應用程序進行交互的界面，主要功能是數(shù)據(jù)展示、人機交互、診斷結果顯示和報警等。

2.3 數(shù)據(jù)庫設計

數(shù)據(jù)庫作為主泵故障診斷系統(tǒng)的一部分，其主要作用就是存放和管理數(shù)據(jù)。數(shù)據(jù)來源主要有主泵各工況下運行的實時參數(shù)、專家知識、故障診斷過程信息和結果信息等；而管理包括了對用戶權限的管理和給定條件的數(shù)據(jù)進行查詢、修改、刪除、導出等功能，并且配置良好的接口程序，便于故障診斷程序或其他第三方應用程序調用。其功能需求如圖2所示。

數(shù)據(jù)庫的功能主要有兩個方面，即數(shù)據(jù)的存儲和管理。其中數(shù)據(jù)存儲分為自動存儲和手工存儲兩種方式。對于主泵實時數(shù)據(jù)、診斷過程數(shù)據(jù)和診斷結果數(shù)據(jù)采用自動存儲的方式。而對于診斷知識、用戶信息、設備信息和主泵運行狀態(tài)信息等數(shù)據(jù)采用手工存儲的方式。

圖1 故障診斷系統(tǒng)框架

圖2 數(shù)據(jù)庫功能分析

數(shù)據(jù)管理就是對存儲的數(shù)據(jù)進行查詢、輸出、更新和權限設置等功能。數(shù)據(jù)查詢可以按照需求對關鍵字或者時間范圍進行查詢搜索；數(shù)據(jù)輸出有三種方式，分別為文本輸出、表格輸出和圖形輸出；數(shù)據(jù)的更新操作包括了對數(shù)據(jù)的插入、修改和刪除等，特別是知識庫，這些數(shù)據(jù)是建立在領域知識的基礎上的，隨著知識的獲取和積累，需要及時地對數(shù)據(jù)庫進行更新。并且這些更新的操作情況會被記錄在日志文件中，當數(shù)據(jù)發(fā)生損壞或丟失時，可以使用事務文件日志恢復數(shù)據(jù)；為了保證數(shù)據(jù)使用的安全，數(shù)據(jù)庫會對用戶的操作權限加以限制。管理員用戶擁有最高的權限。而普通用戶只能對數(shù)據(jù)進行查詢和輸出，同時某些子庫不對普通用戶開放。

根據(jù)上述功能需求，設計了包含5個子庫的數(shù)據(jù)庫系統(tǒng)，即運行參數(shù)庫、知識庫、用戶信息庫、設備信息庫和診斷信息庫，其組織結構如圖3所示。運行數(shù)據(jù)庫存放了主泵運行各測點獲取的數(shù)據(jù)以及故障診斷程序提取的特征數(shù)據(jù)，具有實時的特性，反映了主泵的運行狀態(tài)；知識數(shù)據(jù)庫用于存放主泵故障診斷相關的特征信息，包括主泵的故障描述、故障查詢規(guī)則和故障決策信息等；用戶信息庫用于存放數(shù)據(jù)庫的用戶信息、權限信息等；設備信息庫用于存儲主泵主要零部件的信息，包括傳感器、葉輪、泵軸、軸承、隔熱部件、軸封、聯(lián)軸器、電機、輔助設備等重要部件的廠商、型號、材料、安裝、維修等信息；診斷信息庫存儲了主泵歷史故障信息，數(shù)據(jù)表中展現(xiàn)了歷史故障的故障類型、當時的干預措施以及診斷程序獲取的歷史故障特征信息。

圖3 數(shù)據(jù)庫組織結構

2.4 故障診斷程序研發(fā)

故障診斷程序采用多種故障診斷方法，對傳感器監(jiān)測的參數(shù)進行處理，獲取主泵的狀態(tài)特征，然后根據(jù)狀態(tài)特征利用模式識別技術最終實現(xiàn)主泵故障的診斷，其診斷流程如圖4所示。

圖4 故障診斷流程

對振動信號進行頻譜分析，包括分析幅值譜、功率譜和相位譜。在Python語言下可直接調用FeatureExtract.py模塊。振動信號頻域變換模塊主要采用FFT算法。通過此調用方法可提高FFT算法的求解速度。

主成分分析方法PCA是一種高維數(shù)據(jù)分析的有效手段，該方法不僅能降低計算量，同時也能提高分類器的診斷精度。利用主泵正常運行情況下的監(jiān)測數(shù)據(jù)即可建立一個主元模型，然后再對不同故障情況下的監(jiān)測數(shù)據(jù)進行主成分分析，求解出第一負荷向量，就可以得到這些故障的特征方向，從而建立故障特征方向庫。在主泵的運行過程中，通過不斷地監(jiān)測主元模型的誤差平方和（SPE）對過程故障進行檢測。一旦檢測到系統(tǒng)運行出現(xiàn)異常情況，就可以利用主元分析來計算當前的數(shù)據(jù)方向，并與故障特征方向庫相比較，從而實現(xiàn)主泵異常狀態(tài)的診斷。

對于過程信號則采用多元時間序列分析，使用的分析方法有差分整合移動平均自回歸模型、Prophet算法、GRU神經網絡算法等。

時間序列模型為回歸模型（Auto Regression，AR）和滑動平均模型（Moving Average，MA）相結合的差分整合移動平均自回歸模型 （Autoregressive Integrated Moving Average Model，ARIMA）。模型中通過高斯函數(shù)中“異常度”這一指標量來對主泵在該時間點是否處于異常運轉情況進行判定。

2.5 人機界面設計研究

核電領域有相當數(shù)量的軟件界面依舊使用大量的灰階色調和突兀的藍色漸變，顏色的色相、明度和飽和度的變化不合理。同時所使用的字體過于統(tǒng)一，顏色直接使用純黑色，使得原本偏暗的灰色界面更加暗淡，導致軟件整體視覺上過于單調。軟件面板灰色偏暗同時無任何的合理細微的變化，在人眼球長時間觀看后極易產生視覺疲勞并有可能導致近視、閱讀串行、無法集中注意力等問題。

因此為了解決上述問題，本故障診斷系統(tǒng)的人機界面設計上，將進行科學的圖形界面設計、交互體驗設計和用戶研究設計。本主泵故障診斷系統(tǒng)人機界面如圖5所示，人機界面分為7大功能區(qū)，分別為菜單欄、參數(shù)監(jiān)測區(qū)、主視圖區(qū)、特性參數(shù)區(qū)、異常參數(shù)列表區(qū)、診斷結果區(qū)和決策支持區(qū)。為方便用戶使用，前端設計采用分列式設計，使用bootstrap前端UI框架。將前端分為三個模塊，分別為左側主檢測區(qū)、中間泵視圖區(qū)、右側實時參數(shù)檢測區(qū)。左側主檢測區(qū)中分列特性參數(shù)監(jiān)測、異常參數(shù)列表、故障診斷結果顯示和決策支持。特性參數(shù)監(jiān)測使用數(shù)據(jù)綁定（Data Binding）功能從數(shù)據(jù)庫實時讀取主泵參數(shù)，實時顯示主泵轉速、功率、揚程等重要參數(shù)。

圖5 主泵故障診斷系統(tǒng)人機界面

3 結語

本文針對核電站主泵設計了具有四層結構的故障診斷系統(tǒng)框架，分別為信號采集和轉換層、數(shù)據(jù)層、邏輯層和表示層。然后通過系統(tǒng)數(shù)據(jù)庫設計、故障診斷算法開發(fā)和人機界面等詳細設計。最終能夠實現(xiàn)主泵異常狀態(tài)的監(jiān)測、識別以及主泵參數(shù)的實時展示、故障結果的顯示、報警和操作指導等功能。該系統(tǒng)框架的設計也為主泵故障診斷系統(tǒng)的國產化提供了必要的準備。