旋转机械状态监测及预测技术的发展与研究
3 旋转机械状态在线监测及预测技术的研究
3.1 问题的提出
以往在工业现场通常通过值班人员对大型机械设备的状态进行监测，监测项目除温度、压力 、电机功率、电流等常规项目外，按规定振动、噪声通常也是需监测的项目，但往往没有检 测手段，只能靠值班人员手摸或耳听；由于缺乏可靠的科学依据，对其状态评价也往往是不 准确的，因而设备损坏等恶性事故时有发生。因停机维修而造成的经济损失往往是很惊人的 。同时，当前大型机械设备的维护方式通常采用的是周期性强制维护，该维护方式到时即更 换零部件，维护费用巨大，停机时影响正常生产，并且仍避免不了恶性事故的发生。此外， 工业现场往往装有若干台大型机械设备，现场噪声很高，通常大大超过国家《工业企业噪声 卫生标准》。
在机械设备状态监测技术应用方面：如我国大型油田以前建的大型采油注水站没有装备 状态监测及预测系统。有的新建注水站虽装备了微机巡检系统，但该系统通常仅对压力、温 度等常规项目进行监测，没有包括机械振动特性的检测，不能进行机组重要状态的监测和分 析。近年来，有的油田输油站等大型设备上，采用了新研制的包括对振动特性进行检测的系 统，实现了在线监测和分析，但尚没有建立机组机械动特性档案，因而难以进行自动在线的 状态判断，而需要专业人员离线进行分析。
在机械设备状态预测技术应用方面：如在我国大型油田广泛使用的大型注水机组的维护 方式仍采用上述的传统的预防性维修。近年来有的维修部门进口了美国Entek 公司预测维修 系统，可对机组进行定期检测和离线分析。但是该仪器内置的预测对象是通用电机，对注水 机组故障率较高的离心泵的预测针对性不强，同时又是定期离线预测方式，不便于进行短期 预测，不能防止机组突发性事故，并且得由专业人员进行检测和分析；因而应用受到限制， 也不能从根本上改变注水机组的维护方式。当前工业生产越来越注重降低成本 ，特别是要求在能避免机械设备突发事故的同时尽量延长设备运行周期。为此，迫切需要研 究大型旋转机械状态自动在线监测及预测技术。
3.2 研究的意义
对旋转机械状态进行在线监测及预测可以有效地避免意外事故，消除续发损坏，节约大 量维护费用；由于减少维修次数，从而增加设备正常运转时间，提高设备利用率，缩减维修 备件的库存及库存时间。
对机械设备状态进行机械动态特性以及压力、温度、流量、液位、电量、润滑油含水等 常规项目的综合自动监测; 同时可进一步研究增加控制功能，调整设备输出使 设备在效率较佳、能耗较低的状态下运行。利用主机系统进行统计和打印日常 报表以及故障报表, 能为生产部门提供现代化的科学管理手段，通过微机联网通讯，还可以 使设备状态监测及预测系统成为企业先进的管理系统中的一个子系统。此外，由于大大减少 值班人员在强噪声环境下工作的时间，即改善了工作条件, 又使企业达到国家有关噪声卫生 标准。
随着人们对设备保护意识的加强和设备维护认识的深入、监测及预测技术的发展及应用成本 的降低，对该项技术的需求也将日益增加。随着该技术带来的经济效益和社会效益日益明显 ，旋转机械状态在线监测及预测技术会进一步受到青睐。若进口国外通用监测及预测系统， 不仅价格昂贵，且针对性不强。本课题涉及的研究内容是根据我国工业生产状况，针对实际 需求而提出来的。
旋转机械状态在线监测及预测研究的技术原理与技术方案适用于普通机械设备，尤其适 于连续运转的大中型旋转机械，如：机械、车辆、电力、石化、冶金、煤炭、核能等许多行 业中的关键设备，从而推广应用领域广泛，经济效益潜力巨大。
3.3 研究的主要内容
本课题着重针对大型旋转注水机械，以揭示机械设备的机械动态特性为手段，研究了机 械设备状态自动在线监测及预测的方法，以及相应的软件系统和硬件系统。通过对机械设备 运行和发展状态的在线检测，实现了对机械设备状态自动分析和判断，对机械设备状态发展 进行在线趋势预测，具体完成的主要内容如下：
(1)提出了大型旋转机械设备状态在线监测及预测的总体方案和技术路线，开发了传感 器、数据采集、现代信号处理、人工智能以及硬件、软件的有关技术。状态监 测研究主要考虑的是针对随机性故障，状态预测研究主要考虑的是针对趋势性故障、可预知 故障。
(2)在故障分析和预报方法的研究上，考虑到传统的布尔逻辑识别、FTA方法（故障树分析 法），因为识别能力差、判据不足，不能满足要求。采用了灰色系统理论、时间系列、神经 网络、遗传算法、小波分析等新技术。
(3)从特征信号中提取有关机组状态的信息；选择的机械设备状态敏感因子（特征参数）具 有较高灵敏度、较高识别能力，采取合适的敏感因子提取装置、提取方式及提取方法。
(4)提出了大型机械设备状态正常与否的准则，选择了安全评定的标准，确定了对机械设备 整体状态及主要零部件状态分别评价的判据；提供能对异常情况做出判断的方法。
(5)研究了时域、频域综合信号处理方法，使信号处理后的特征突出、明显，便于自动比较 、判别；围绕信号处理的实时性、实用性、稳定性进行了相应的设计和改进，探讨了新的谱 估计方法以及小波分析方法。
(6)研究了机械设备状态在线分析及自动判别的技术，能根据历史档案、专家经验、客观依 据，实现机械设备状态决策判断自动化；研究的机械设备状态自动判别智能专家系统，可克 服转速波动影响；开发了振动频谱在线时域、频域报警新技术。
(7)研究了旋转机械设备常见故障特征，建立了机组故障原因集以及故障推理机制。
(8)为对机械设备实行现代预知维护提供科学依据和手段，研究了趋势预测的方法。除对机 械设备整体进行趋势预测外，探讨了对机械设备零部件进行趋势预测的方法。
(9)研究了神经网络ANN在旋转机械设备状态预测上的应用技术，针对现有神经网络对新信 息强调不足的问题，研究出适于预测用途的新型神经网络模型。探索了遗传算法GA在趋势预 测应用的途径。
(10)在趋势预测模型中考虑时间序列模型预测、灰色模型预测、组合模型预测，围绕提高预测精度提出了新型改进模型及有关方法。
(11)为进行旋转机械状态在线监测及预测技术的实验研究，研制完成具有典型机械结构和现代测试分析功能的新型实验系统，该实验系统应能模拟典型旋转机械的运行状态，能再现故障发展过程和预测发展趋势。
(12) 以大型旋转机械设备为对象进行了工业现场的实践验证，并对验证结果进行了分析。
4 结束语
研究大型旋转机组状态在线监测及预测技术，对保证安全生产以及对设备实行预知维护都具 有十分重要的意义。为此，本项课题采用科学分析与实验验证相结合的方法，从信息提取和 信号处理、故障分析、在线预测、人工智能预测方法、实验研究、实践验证以及系统研制几 个方面对智能化自动在线监测及预测技术进行了系统的研究。探索了新的途径，得出了新的 结论，获得了有价值的成果，解决了重要生产实际问题，取得了预期效果。
评论