馬重　趙眾

摘 要 針對(duì)控制閥門的故障類型，提出一種基于數(shù)據(jù)驅(qū)動(dòng)的控制閥故障診斷方法。利用實(shí)際測(cè)量值和辨識(shí)模型預(yù)估值的殘差來(lái)提取閥門的內(nèi)/外漏特征，基于馬氏距離對(duì)提取的分類特征進(jìn)行故障分類。并利用閥門輸入和輸出數(shù)據(jù)的差值做自相關(guān)性分析來(lái)診斷閥門的粘滯故障?；谒岱椒ㄩ_發(fā)了相關(guān)應(yīng)用軟件，所開發(fā)軟件在某大型煤氣化裝置的應(yīng)用結(jié)果證實(shí)了所提方法的可行性和有效性，為解決控制閥門的故障診斷提供了一條新的有效途徑。

關(guān)鍵詞 閥門故障 數(shù)據(jù)驅(qū)動(dòng) 閥門內(nèi)漏 閥門外漏 閥門粘滯 故障診斷 殘差 自相關(guān)性

中圖分類號(hào) TP277? ?文獻(xiàn)標(biāo)識(shí)碼 B? ?文章編號(hào) 1000?3932（2023）02?0181?08

隨著科學(xué)技術(shù)和工業(yè)過(guò)程控制的發(fā)展，電力、石油及化工等行業(yè)的工業(yè)生產(chǎn)變得越來(lái)越智能化、信息化、可視化，生產(chǎn)中最重要的是保證生產(chǎn)過(guò)程的平穩(wěn)性和安全性［1］。控制閥是過(guò)程控制中不可或缺的一個(gè)重要執(zhí)行機(jī)構(gòu)，目前工業(yè)上所用閥門種類繁多，數(shù)量龐大。閥門系統(tǒng)一般包括閥門定位器、執(zhí)行機(jī)構(gòu)及閥體等附件，任何一部分發(fā)生故障，都可能會(huì)導(dǎo)致整個(gè)控制系統(tǒng)的波動(dòng)，影響生產(chǎn)的平穩(wěn)性和安全性。在工業(yè)生產(chǎn)中，常常采用定期檢查和維護(hù)手段來(lái)保證控制閥門處于良好的狀態(tài)，但這種方式往往會(huì)造成大量的人力物力浪費(fèi)。

分布式控制系統(tǒng)（DCS）被廣泛應(yīng)用于過(guò)程控制生產(chǎn)中，大量的工業(yè)數(shù)據(jù)被DCS采集并儲(chǔ)存在數(shù)據(jù)庫(kù)里，這些數(shù)據(jù)往往包含著豐富有效的工業(yè)運(yùn)行信息?；贒CS數(shù)據(jù)驅(qū)動(dòng)的控制閥故障診斷及可預(yù)知性維護(hù)，成為近年來(lái)過(guò)程控制領(lǐng)域的研究熱點(diǎn)［2］。GOHARRIZI A Y和SEPEHRI N將小波變換（WT）方法應(yīng)用到檢測(cè)液壓執(zhí)行器中由密封損壞引起的內(nèi)部泄漏［3］。CUI H等提出一種基于信息熵和支持向量機(jī)（SVM）的壓縮機(jī)閥門故障診斷方法［4］。WANG Y等通過(guò)分析聲發(fā)射信號(hào)的波形并模擬閥門運(yùn)動(dòng)來(lái)判斷閥門故障類型［5］。HAYASHI S等把聲音信號(hào)的功率譜數(shù)據(jù)作為故障診斷信號(hào)，提出一種與神經(jīng)網(wǎng)絡(luò)相結(jié)合的閥門故障診斷方法［6］。TANG M和LI X提出一種基于T?S模糊模型的氣動(dòng)閥故障診斷方法［7］。考慮到實(shí)際工業(yè)應(yīng)用的便捷性，筆者提出一種基于DCS數(shù)據(jù)驅(qū)動(dòng)的控制閥門故障診斷方法，利用實(shí)際測(cè)量值和辨識(shí)模型預(yù)估值的殘差數(shù)據(jù)來(lái)提取閥門的內(nèi)漏外漏特征，基于馬氏距離對(duì)提取的分類特征進(jìn)行故障分類；利用閥門輸入和輸出數(shù)據(jù)的差值做自相關(guān)性分析來(lái)診斷閥門的粘滯故障。基于所提方法開發(fā)了相關(guān)應(yīng)用軟件，所開發(fā)軟件在某大型煤氣化裝置的應(yīng)用結(jié)果證實(shí)了所提方法的可行性和有效性，為解決控制閥門的故障診斷提供了一條新的有效途徑。

1 控制閥結(jié)構(gòu)及常見的故障

閥門一般由閥門定位器、執(zhí)行機(jī)構(gòu)和閥體組成［8］，圖1所示為氣動(dòng)控制閥的基本結(jié)構(gòu)。閥門定位器是一個(gè)獨(dú)立的負(fù)反饋控制回路，接收來(lái)自控制器的信號(hào)，輸出信號(hào)傳輸?shù)綀?zhí)行機(jī)構(gòu)，執(zhí)行機(jī)構(gòu)再通過(guò)閥桿的推力來(lái)控制閥體的節(jié)流面積，從而調(diào)整通過(guò)閥體的流量［9］。

在石油化工、工業(yè)生產(chǎn)等領(lǐng)域，氣動(dòng)控制閥的故障主要有閥門泄漏、閥座密封和閥芯損壞、閥門粘滯及閥門堵塞等情況［10］。其中，閥門泄漏可以分為閥門內(nèi)漏和外漏。閥門內(nèi)漏指的是閥門完全關(guān)閉后，仍有介質(zhì)從閥門出口流出、滲漏的現(xiàn)象；而閥門外漏一般指的是閥門完全關(guān)閉和開啟后，閥門填料處的外部密封部件出現(xiàn)介質(zhì)的滲漏［11］。閥門粘滯指的是閥門在運(yùn)行一段時(shí)間后，由于閥桿與填料之間產(chǎn)生較大的靜摩擦，從而引起的非線性故障［12］，這種非線性故障可能會(huì)導(dǎo)致閉環(huán)控制系統(tǒng)的振蕩。閥門內(nèi)/外漏和閥門粘滯是閥門在工業(yè)生產(chǎn)中經(jīng)常出現(xiàn)的故障。

2 基于數(shù)據(jù)驅(qū)動(dòng)的控制閥故障診斷

2.1 模型辨識(shí)及預(yù)測(cè)

多數(shù)PID控制回路，閥門開度和控制對(duì)象測(cè)量值之間的階躍曲線呈線性，具有單調(diào)變化或者是S型衰減振蕩的特性，所以閥門開度和測(cè)量值的關(guān)系可以用一階帶純滯后模型（FOPDT）或二階帶純滯后模型（SOPDT）來(lái)近似：

由圖7可以看出，當(dāng)閥門無(wú)粘滯特性時(shí)，閥門的輸出信號(hào)趨近于輸入信號(hào)，故閥門的輸入信號(hào)和輸出信號(hào)差值的自相關(guān)系數(shù)很快就減小至0%；而有粘滯的閥門，因?yàn)殚y門輸入信號(hào)和輸出信號(hào)之間存在著非線性關(guān)系，輸入信號(hào)和輸出信號(hào)差值的自相關(guān)系數(shù)將反復(fù)振蕩。計(jì)算的自相關(guān)系數(shù)調(diào)節(jié)時(shí)間（穩(wěn)定到終值的正負(fù)余差百分比Δ=5%）見表3，可以通過(guò)調(diào)節(jié)時(shí)間的長(zhǎng)短來(lái)判斷閥門是否存在粘滯故障。

3 應(yīng)用軟件開發(fā)及工業(yè)數(shù)據(jù)驗(yàn)證

3.1 應(yīng)用軟件開發(fā)

在過(guò)程控制中，閥門的故障勢(shì)必會(huì)導(dǎo)致控制系統(tǒng)的不穩(wěn)定，控制回路的控制效果變差，基于回路控制性能評(píng)價(jià)軟件（Controller Performance Assessment，CPA），將回路控制效果評(píng)價(jià)和閥門故障智能診斷相結(jié)合，通過(guò)OPC采集DCS中的工業(yè)數(shù)據(jù)并存入SQL Server數(shù)據(jù)庫(kù)內(nèi)，定時(shí)對(duì)回路控制效果進(jìn)行評(píng)價(jià)并對(duì)閥門進(jìn)行故障診斷，該軟件在某大型煤氣化裝置的應(yīng)用架構(gòu)如圖8所示。

工程師可以分白班和夜班來(lái)定期查看控制回路的運(yùn)行情況和閥門是否故障，并及時(shí)做出檢查和維護(hù)，軟件界面如圖9所示，在上位機(jī)上運(yùn)行包括閥門故障監(jiān)控、回路評(píng)價(jià)及定期評(píng)價(jià)匯總等功能。

3.2 閥門內(nèi)/外漏診斷數(shù)據(jù)驗(yàn)證

根據(jù)軟件對(duì)閥門的內(nèi)/外漏故障診斷結(jié)果，在DCS上截取某氣化爐系統(tǒng)沖洗罐補(bǔ)水流量控制回路自動(dòng)控制狀態(tài)下的閥門開度和沖洗罐補(bǔ)水流量數(shù)據(jù)，選擇二階帶純滯后模型（SOPDT），下面將通過(guò)差分進(jìn)化算法辨識(shí)出模型參數(shù)［20］。

a. 按式（3）確定辨識(shí)誤差指標(biāo)。

b. 粒子群個(gè)數(shù)Size=30，最大迭代次數(shù)為100。

c. 確定參數(shù)搜索范圍分別為［0，50］，［0，50］，［0，50］，［0，20］。

d. 設(shè)置變異因子F=0.95，交叉因子CR=0.6。

通過(guò)閥門正常工作時(shí)的數(shù)據(jù)辨識(shí)出模型為：

最終辨識(shí)的誤差指標(biāo)J=54.2081，辨識(shí)模型的仿真輸出和實(shí)際輸出的擬合曲線如圖10所示。

從DCS中導(dǎo)出閥門內(nèi)漏、外漏和正常運(yùn)行時(shí)的歷史數(shù)據(jù)，采樣時(shí)間為1 s。將內(nèi)漏、外漏和正常情況下的Err作為3個(gè)總體，3個(gè)總體的一維分布如圖11所示。

取6組閥門工作時(shí)的流量數(shù)據(jù)，每組100個(gè)，采樣時(shí)間1 s，這6組數(shù)據(jù)的一維分布如圖12所示。

軟件診斷結(jié)果見表4，可以看出，軟件可以準(zhǔn)確地診斷出閥門的內(nèi)/外漏故障情況。

3.3 閥門粘滯診斷數(shù)據(jù)驗(yàn)證

同樣，選擇軟件監(jiān)控的3個(gè)控制閥——洗滌塔底部出口流量控制閥、沉降槽灰水流量控制閥和高壓閃蒸罐液位控制閥。在DCS上分別選取3條設(shè)定值有一定階躍時(shí)的控制閥輸入和輸出的歷史數(shù)據(jù)，采樣時(shí)間為1 s，總時(shí)長(zhǎng)5 000 s，計(jì)算其差值的自相關(guān)系數(shù)，曲線如圖13所示。

軟件診斷結(jié)果見表5，可以看出軟件同樣也可以有效地診斷出閥門的粘滯故障情況。

4 結(jié)束語(yǔ)

針對(duì)執(zhí)行器閥門在工業(yè)生產(chǎn)過(guò)程中常出現(xiàn)的內(nèi)/外漏和粘滯故障的問(wèn)題，提出了利用閥門開度序列與被控對(duì)象測(cè)量序列的關(guān)系進(jìn)行機(jī)理建模，通過(guò)計(jì)算實(shí)際測(cè)量序列和預(yù)估序列的殘差來(lái)診斷閥門內(nèi)漏和外漏，并且利用閥門的輸入序列和輸出序列差值的自相關(guān)性分析來(lái)診斷閥門是否出現(xiàn)粘滯故障。然后通過(guò)開發(fā)的控制系統(tǒng)性能評(píng)估軟件對(duì)某工廠的氣化爐執(zhí)行器閥門產(chǎn)生的工業(yè)數(shù)據(jù)來(lái)驗(yàn)證，證明了該方法的有效性，對(duì)執(zhí)行器故障診斷和控制系統(tǒng)性能監(jiān)測(cè)的研究具有一定意義。

參 考 文 獻(xiàn)

［1］ 韓斐，宋筆鋒，喻天翔，等.閥門可靠性技術(shù)研究現(xiàn)狀和展望［J］.機(jī)床與液壓，2008，36（9）：138-144；178.

［2］? ?KARNOUSKOS S，COLOMBO A W.Architecting the next generation of service?based SCADA/DCS system of systems［C］//IECON 2011?37th Annual Conference of the IEEE Industrial Electronics Society.IEEE，2011：359-364.

［3］? ?GOHARRIZI A Y，SEPEHRI N.A wavelet?based approach to internal seal damage diagnosis in hydraulic actuators［J］.IEEE Transactions on Industrial Electronics，2009，57（5）：1755-1763.

［4］? ?CUI H，ZHANG L，KANG R，et al.Research on fault diagnosis for reciprocating compressor valve using information entropy and SVM method［J］.Journal of Loss Prevention in the Process Industries，2009，22（6）：864-867.

［5］? ?WANG Y，XUE C，JIA X，et al.Fault diagnosis of reciprocating compressor valve with the method integra?ting acoustic emission signal and simulated valve motion［J］.Mechanical Systems and Signal Processing，2015，56：197-212.

［6］? ?HAYASHI S，ASAKURA T，ZHANG S.Study of machine fault diagnosis system using neural networks［C］//Proceedings of the 2002 International Joint Conference on Neural Networks.IEEE，2002：956-961.

［7］? ?TANG M，LI X.Fault detection and diagnosis of pneumatic control valve based on fuzzy method［C］//2021 China Automation Congress （CAC）.IEEE，2021：1386-1391.

［8］ 楊海榮，薄翠梅，龔偉俊，等.基于PCA?SVM集成閥門故障診斷方法研究［J］.流體機(jī)械，2009，37（7）：28-32；12.

［9］ 牛菁洋.氣動(dòng)閥門定位系統(tǒng)建模與算法研究［D］.天津：河北工業(yè)大學(xué)，2016.

［10］ 黃燕，周密，黃衛(wèi)星，等.閥門故障分析及其分類［J］.閥門，2007（6）：41-44.

［11］ 張旭.控制閥氣源與內(nèi)漏故障診斷研究［D］.杭州：浙江工業(yè)大學(xué)，2017.

［12］ 宋運(yùn)忠，劉向龍.基于數(shù)據(jù)驅(qū)動(dòng)的控制閥粘滯特性量化研究［J］.控制工程，2016，23（8）：1254-1260.

［13］ 劉波，王凌，金以慧.差分進(jìn)化算法研究進(jìn)展［J］.控制與決策，2007，22（7）：721-729.

［14］ URSEM R K，VADSTRUP P. Parameter identification of induction motors using differential evolution［C］//The 2003 Congress on Evolutionary Computation.IEEE，2003：790-796.

［15］? ?李玉榕，項(xiàng)國(guó)波.一種基于馬氏距離的線性判別分析分類算法［J］.計(jì)算機(jī)仿真，2006（8）：86-88.

［16］? ?李士哲，王印松，田靖雨，等.氣動(dòng)閥門粘滯模型仿真及控制系統(tǒng)振蕩分析［J］.計(jì)算機(jī)仿真，2016（1）：239-244.

［17］? ?朱亞平，夏春明，張亮，等.閥門粘滯在線檢測(cè)及粘滯補(bǔ)償?shù)腒NOCKER方法改進(jìn)研究［J］.液壓與氣動(dòng)，2014（8）：41-48.

［18］? ?CHOUDHURY M A A S，THORNHILL N F，SHAH S L.Modelling valve stiction［J］.Control Engineering Practice，2005，13（5）：641-658.

［19］ 周小偉.基于DAMADICS平臺(tái)的閥門故障分類及典型粘滯故障的建模與補(bǔ)償［D］.上海：華東理工大學(xué)，2013.

［20］ 熊偉麗，陳敏芳，張乾，等.基于改進(jìn)差分進(jìn)化算法的非線性系統(tǒng)模型參數(shù)辨識(shí)［J］.計(jì)算機(jī)應(yīng)用研究，2014，31（1）：124-127.

（收稿日期：2022-06-20，修回日期：2023-02-09）

Fault Diagnosis of Control Valve Based on Data?driven Method

MA Zhong， ZHAO Zhong

（ College of Information Science and Technology， Beijing University of Chemical Technology ）

Abstract? ?Aiming at the type of faults which bothering control valves， a data?driven fault diagnosis methodfor them was proposed， which has the residual data of actual measurement value and the predicted value of identification model adopted to extract valves internal/external leakage? characteristics and has Markov distance based to? classify the classification characteristics? extracted， including having the difference between the valve input and output data based to detect? viscous faults of the valves. In addition， based on this method proposed， an application software was developed and its applied to a large coal gasification plant verifies both feasibility and effectiveness of the method proposed.

Key words? ?valve failure， data driven， valve internal leakage， valve external leakage， valve viscosity， fault diagnosis，? residual， autocorrelation

基金項(xiàng)目：2019年工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展工程項(xiàng)目（TC19084DY）；北京市自然科學(xué)基金項(xiàng)目（4172044）；北京市朝陽(yáng)區(qū)協(xié)同創(chuàng)新項(xiàng)目（CYXC1707）。

作者簡(jiǎn)介：馬重（1997-），碩士研究生，從事回路性能評(píng)價(jià)及閥門故障診斷研究。

通訊作者：趙眾（1970-），教授，從事復(fù)雜工業(yè)先進(jìn)控制及過(guò)程檢測(cè)的研究，zhaozhong@mail.buct.edu.cn。

引用本文：馬重，趙眾.基于數(shù)據(jù)驅(qū)動(dòng)方法的控制閥故障診斷［J］.化工自動(dòng)化及儀表，2023，50（2）：181-187；230.