王宇飛， 李彥軍， 楊璽慶， 馬高峰

（蘭州石化職業(yè)技術(shù)大學(xué)， 甘肅 蘭州 730060）

1 工業(yè)設(shè)備故障診斷技術(shù)研究概況

1.1 研究方法分類及特點

離心泵的故障診斷是工業(yè)設(shè)備故障診斷應(yīng)用研究的一個分支。 工業(yè)設(shè)備故障診斷研究方法按照其智能化程度， 分為傳統(tǒng)故障診斷方法和智能故障診斷方法。

傳統(tǒng)故障診斷方法有基于信號處理的方法和基于解析模型的方法［1］，特點是診斷準(zhǔn)確，故障機理比較清晰，但是有通用性較差、對技術(shù)人員的專業(yè)性要求高等缺點， 特別是大型機組的動力學(xué)建模過程難以實現(xiàn)， 因此傳統(tǒng)故障診斷方法在實際應(yīng)用中出現(xiàn)了瓶頸問題。

智能故障診斷方法以知識處理為核心， 集成信號分析技術(shù)、 知識學(xué)習(xí)工程技術(shù)和建模仿真技術(shù)為一體，突破了傳統(tǒng)故障診斷方法應(yīng)用的限制，其主要應(yīng)用為面向知識工程的專家系統(tǒng)， 是沒有精確數(shù)學(xué)模型或很難建立數(shù)學(xué)模型的復(fù)雜機械系統(tǒng)常用的故障診斷方法，是目前研究的熱點［2］。

1.2 智能診斷方法研究特點

1.2.1 專家系統(tǒng)

常見的智能診斷專家系統(tǒng)有基于規(guī)則推理、案例推理、 機器學(xué)習(xí)和本體知識表示的故障診斷方法等， 基于規(guī)則推理是將現(xiàn)有知識存儲于規(guī)則知識庫，選擇相關(guān)推理機制，結(jié)合實際征兆進行模式匹配，最終確定診斷結(jié)果，優(yōu)點是推理效率高、知識表示簡潔、易于實現(xiàn)，缺點是知識量受限，后期更新困難。 基于案例推理是由解析設(shè)備故障情況得到故障特征， 用案例檢索對案例庫中歷史案例進行檢索比對， 確定接近程度最高的案例輸出診斷結(jié)果，優(yōu)點是案例庫更新相對方便，同時有自學(xué)習(xí)能力，缺點是診斷結(jié)果效率較低、推理過程理解難度大［3］。

1.2.2 知識表示方法

專家系統(tǒng)中的知識表示是困擾研究人員的問題，對于傳統(tǒng)知識表示方法，因為知識資源不具備相對統(tǒng)一的表達，實現(xiàn)資源融合困難，要做到知識共享對使用者提出了較大挑戰(zhàn)［4］。因此，將本體概念融入知識工程，并建立本體就顯得十分必要。通過使用元屬性對屬性進行分析， 并對屬性提出針對本體建模概念化分析的形式化方法， 來解決知識共享中的一些問題， 能更好促進不同領(lǐng)域人員和組織間的交流。鑒于此，基于本體的知識表示法在知識表示方面潛力巨大［5］。

1.3 化工過程故障本體知識庫研究

華東理工大學(xué)的杜寧、黃道最早將本體引入到化工處理的故障診斷中， 建立了化工過程故障診斷本體模型， 該模型可以直接用于建立診斷知識庫，還可以實現(xiàn)異構(gòu)系統(tǒng)之間的診斷知識共享［6］。湖南大學(xué)于德介團隊將本體與故障樹推理相結(jié)合， 根據(jù)故障診斷涉及的源知識情況, 建立結(jié)構(gòu)域、測試域和故障域3 個異構(gòu)領(lǐng)域本體模型，將本體先進的知識表示方法融合到成熟的故障樹模型中，開發(fā)了基于本體的故障診斷知識管理系統(tǒng)［7-8］。太原理工大學(xué)李娟莉等［9］將本體理論應(yīng)用于礦井提升機的故障診斷中， 建立了語義表達的礦井提升機故障本體知識體系。 之后針對礦井提升機主軸系統(tǒng)， 利用先進的本體推理方法構(gòu)建了更為完整和充實的礦井提升機主軸系統(tǒng)本體知識庫［10］。從技術(shù)發(fā)展的角度來看， 本體知識和圖數(shù)據(jù)庫的交互是知識圖譜構(gòu)建的主流途徑， 潘理虎等利用Protégé 構(gòu)建了煤礦領(lǐng)域本體，將本體數(shù)據(jù)存儲于Neo4j 圖數(shù)據(jù)庫中，實現(xiàn)了本體技術(shù)和知識圖譜構(gòu)建技術(shù)的融合［11］。 剡昌鋒等將本體技術(shù)應(yīng)用于汽輪機故障診斷專家系統(tǒng)中，實現(xiàn)了汽輪發(fā)電機多源異構(gòu)知識的融合，并在實驗環(huán)境和實際生產(chǎn)環(huán)境中成功預(yù)測了轉(zhuǎn)子質(zhì)量偏心和不平衡等故障［12］。

2 離心泵故障智能診斷系統(tǒng)研究開發(fā)的意義

離心泵是過程裝備中主要的流體輸送設(shè)備，尤其是在石油煉制和化工生產(chǎn)中使用最多， 石油化工生產(chǎn)的連續(xù)性特點突出， 發(fā)展離心泵機組在運行過程中的狀態(tài)監(jiān)測與故障診斷技術(shù)是保證生產(chǎn)效率與生產(chǎn)安全的重要一環(huán)， 對過程工業(yè)的智能化發(fā)展具有極其重要的現(xiàn)實意義［13］。

針對現(xiàn)有離心泵機組故障診斷技術(shù)研究中仍然存在征兆信息不完整、 故障知識共享和管理困難、 推理能力和靈活性不足等問題及其給日常維護工作帶來的諸多不便， 參考過程裝備故障本體知識庫研究成果，結(jié)合生產(chǎn)實際，構(gòu)建離心泵機組故障診斷知識本體， 開發(fā)一項基于本體故障樹的離心泵機組故障智能診斷專家系統(tǒng)［14］，具有快速實現(xiàn)高效診斷或預(yù)測離心泵機組所存在的問題并給出維修策略， 提高離心泵機組運行維護過程智能化程度等積極意義。

3 離心泵機組故障智能診斷系統(tǒng)開發(fā)及設(shè)計

3.1 典型故障分析

離心泵機組的常見故障有，轉(zhuǎn)子不平衡故障，轉(zhuǎn)子不對中故障，轉(zhuǎn)軸彎曲故障，松動、碰撞和摩擦故障，軸承等主要零部件的故障。按零部件分類的離心泵機組典型故障見圖1。

圖1 按零部件分類的離心泵機組典型故障

3.2 診斷系統(tǒng)設(shè)計思路

3.2.1 系統(tǒng)組成

離心泵故障診斷系統(tǒng)由硬件信號的采集和軟件系統(tǒng)的信號分析、故障診斷兩個部分組成。 分2個步驟實現(xiàn)離心泵振動信號的波形顯示、存儲、故障診斷等功能， ①對離心泵機組運行振動信號進行現(xiàn)場采集。 ②通過TCP 和串口通訊協(xié)議遠程控制采集。

3.2.2 總體架構(gòu)

總體架構(gòu)設(shè)計選擇上下位架構(gòu)。 下位機完成現(xiàn)場采集任務(wù)的控制。上位機完成數(shù)據(jù)顯示、數(shù)據(jù)存儲、數(shù)據(jù)處理、信號分析和指令發(fā)送等，數(shù)據(jù)的傳輸采用TCP 通訊協(xié)議［13］。

3.2.3 系統(tǒng)功能

離心泵故障診斷系統(tǒng)設(shè)計框架見圖2， 其中采用虛線框?qū)⒉煌K進行了標(biāo)識。 該系統(tǒng)實現(xiàn)了離心泵機組振動信號的在線監(jiān)測、 在線存儲和實時分析功能， 同時具備了數(shù)據(jù)的離線查詢和分析功能。

圖2 故障診斷系統(tǒng)設(shè)計框架

此系統(tǒng)可完成離心泵機組故障在線檢測和離線數(shù)據(jù)查詢功能，其在線部分包括控制模塊、顯示模塊和存儲，離線部分包括顯示和查詢，實現(xiàn)信號的測區(qū)、特征分析、故障診斷、輸出結(jié)果。

3.2.4 診斷流程

離心泵故障診斷系統(tǒng)實施診斷的過程流程見圖3， 此流程將系統(tǒng)監(jiān)測的信號特征與外顯故障特征進行特征融合，建立基于本體的故障測試類，結(jié)合實例中的故障所包含的故障原因、特征、維修方式等信息［15］，通過推理機，輸出診斷結(jié)果，完成離心泵故障診斷過程。

圖3 離心泵故障智能診斷過程實施流程

3.3 故障本體知識庫構(gòu)建

基于本體的離心泵機組故障診斷方法的基礎(chǔ)核心是本體知識庫的構(gòu)建。 離心泵在過程工業(yè)中應(yīng)用非常廣泛， 這使得關(guān)于離心泵機組的故障診斷和維修知識分散在不同企業(yè)間而形成了的信息孤島，彼此間存在空間和時間的獨立，共享異常困難。因此，本體知識庫的構(gòu)建過程就是結(jié)合已有的專家知識對離心泵機組的結(jié)構(gòu)和故障診斷知識進行系統(tǒng)分類和有效融合，盡可能結(jié)合故障機理，闡明故障原因，并給出可行的維修策略。

3.3.1 多源異構(gòu)知識分類

通過綜合分析各種結(jié)構(gòu)化、 半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)， 構(gòu)建能夠被共同理解和普遍認(rèn)可的概念體系，進而在Protégé 軟件［16］中進行本體化結(jié)構(gòu)表示，實現(xiàn)多源異構(gòu)知識的機器識別。離心泵機組物理結(jié)構(gòu)是由泵體、泵蓋、泵軸、葉輪、密封件、軸套、軸承等主要部件組成的原動機通過聯(lián)軸器連接電機構(gòu)成的。 轉(zhuǎn)子系統(tǒng) （動件） 一般指葉輪、軸承、軸套和泵軸組件。 通過結(jié)構(gòu)分析、現(xiàn)場調(diào)研及相關(guān)文獻查閱， 對真實生產(chǎn)環(huán)境中已發(fā)生的離心泵機組故障進行分類（圖1），主要分為主軸故障、軸承故障、電機故障和基礎(chǔ)故障等大類。

利用振動信號可以判斷的故障類型， 如軸心軌跡、時域波形中的峰值、頻譜圖等的典型特征見圖4。

圖4 離心泵機組故障特征分類

常見故障的維修策略， 如軸彎曲故障的軸校直、 基礎(chǔ)松動故障的緊固、 軸不平衡故障的污垢清除、 軸不對中故障的找正操作、 動平衡以及零件的直接更換等，見圖5。

圖5 離心泵機組故障維修策略分類

3.3.2 離心泵機組本體的構(gòu)建

本體概念化是使用統(tǒng)一術(shù)語來對對象規(guī)范說明。 本體一般由類、類屬性、關(guān)系、關(guān)系屬性、實例和公理集所構(gòu)成的五元組來表示。 離心泵機組故障診斷本體（Centrifugal Pump Diagnosis Ontology，CPDO）形式化定義為：

(CPDO)=

式中：C 為機組中的概念集，如故障特征、故障原因、故障類型、維修策略；Ac為概念類的屬性集，如（故障）具有的（特征）、（故障）產(chǎn)生的（原因）、（故障）采用的（維修策略）等，表示了概念類和屬性；R 為類間的關(guān)系集；AR為關(guān)系集的屬性集；I為實例集；X 則表示概念對象與概念屬性值、關(guān)系屬性值之間的約束關(guān)系。

離心泵所有子類與父類， 父類間和子類間的相互關(guān)系構(gòu)成的全局本體模型見圖6。

圖6 離心泵機組全局本體模型

4 基于離心泵機組故障智能診斷系統(tǒng)的實例分析

以油膜渦動為例，當(dāng)滑動軸承工作時，軸頸與軸瓦會發(fā)生相對運動， 在軸頸與軸瓦間隙中形成油膜，在流體動壓力作用下使軸頸具有承載能力。當(dāng)承載力與外載荷平衡時，軸頸處于平衡位置，當(dāng)轉(zhuǎn)軸受到外界干擾時，軸頸在軸承產(chǎn)生半頻振動，形成油膜渦動，屬于自激振動。油膜渦動的主要故障特征是時域波形為基頻與低頻分量疊加波形，特征頻率在0.38～0.48 倍頻， 軸心軌跡為雙橢圓，敏感參數(shù)是轉(zhuǎn)速、油溫。 針對油膜渦動故障常用的維修策略有，消除不對中、動靜摩擦、不平衡等故障，增加轉(zhuǎn)子剛度，提高臨界轉(zhuǎn)速，調(diào)整油溫等。 油膜渦動故障類型的特征屬性及相關(guān)實例見圖7。

圖7 油膜渦動故障類型的特征屬性及實例

當(dāng)從在線監(jiān)測系統(tǒng)中發(fā)現(xiàn)特征頻率0.38～0.48 倍頻、正進動、徑向振動較強、相位不穩(wěn)定、隨著油溫變化振動明顯加劇、 隨著轉(zhuǎn)速變化振動有明顯變化、 隨著壓力變化振動基本無變化等特征后，就可以在Protégé中建立測試子類（圖8）。圖6～圖8 中，N 表示離心泵的轉(zhuǎn)數(shù)。推理前，可以看到故障測試類和故障類間沒有顯示出任何關(guān)系（圖9）。

圖8 根據(jù)監(jiān)測特征建立的故障測試類

圖9 推理前故障測試類和故障類之間的關(guān)系

測試類經(jīng)過Protégé中推理機推理后 （圖10）， 建立的測試類故障和油膜渦動實例的隸屬關(guān)系已經(jīng)確定， 說明本體本身通過不同類間的屬性匹配完成了自動診斷過程。

圖10 推理后測試類故障和油膜渦動實例的隸屬關(guān)系

5 結(jié)束語

系統(tǒng)闡釋了基于本體的離心泵故障診斷系統(tǒng)的構(gòu)建過程， 利用本體建模技術(shù)構(gòu)建了離心泵機組的知識圖譜， 以離心泵機組運行時的在線振動監(jiān)測信號為信息載體解析故障特征， 實現(xiàn)了故障的智能診斷， 并通過油膜渦動故障實例， 驗證了系統(tǒng)的有效性。 離心泵機組故障知識圖譜的構(gòu)建是一個不斷更新的過程， 需要結(jié)合離心泵機組不同工況條件下發(fā)生的各種故障不斷優(yōu)化知識庫，以滿足不同條件下離心泵機組的故障診斷。