旋轉機械狀態監測及預測技術的發展與研究

摘　要　旋轉機械是工業上應用最廣泛的機械，為了對其進行安全生產和實行科學維護，需要研究旋轉機械在線監測及預測技術。采用了綜述該技術發展趨勢與介紹該技術研究工作相結合的方法。在大型機組上施行的實踐驗證結果表明：所研究的技術是有效的，分析手段是適用的。
　　關鍵詞　旋轉機械；工作狀態；監測及預測
        一、引言
　　旋轉機械狀態監測技術，是近年來研究的熱門課題，這里著重考慮的是避免設備的隨機性故障。自動在線監測方式與定期監測方式、在線檢測離線分析監測方式相比技術水平先進，既避免設備突發性故障又無需專業人員現場操作。旋轉機械狀態在線預測技術，是研究的新興課題之一，這里著重考慮的是預測設備的時間依存性故障和改變設備的維護方式。該技術是在狀態監測及故障分析基礎上發展起來的，是實現以先進的預知維護取代以時間為基礎的預防性維護的關鍵技術。本課題著重研究的是設備狀態在線監測及趨勢預測的方法。
        二、旋轉機械狀態監測技術的發展
        1.旋轉機械狀態監測技術的發展歷程
　　旋轉機械是工業上應用最廣泛的機械。許多大型旋轉機械，如：離心泵、電動機、發動機、發電機、壓縮機、汽輪機、軋鋼機等，還是石化、電力、冶金、煤炭、核能等行業中的關鍵設備。本世紀以來，隨著機械工業的迅速發展，現代機械工程中的機械設備朝著輕型化、大型化、重載化和高度自動化等方向發展。出現了大量的強度、結構、振動、噪聲、可靠性，以及材料與工藝等問題，設備損壞事件時有發生，國內外大型汽輪機嚴重事故是其典型實例。
　　大型旋轉機械狀態監測技術研究是國家重點的攻關項目，目的是提高大型旋轉機械的產品質量，減少突發性事故，避免重大經濟損失。50年代，各種類型和性能的傳感器和測振 儀相繼研制成功，并開始應用于科學研究和工程實際。六七十年代，數字電路、電子計算機 技術的發展、“信號數字分析處理技術”的形成，推動 了振動檢測技術在機械設備上的應用。70年代至80年代，機械設備的狀態監測與故障診斷 技術在許多發達國家開始研究。隨著電子計算機技術、現代測試技術、信號處理技術、信號 識別技術與故障診斷技術等現代科學技術發展，機械設備的監測研究跨入系統化的階段，并 把實驗室的研究成果逐步推廣到核能設備、動力設備以及其它各種大型的成套機械設備中去， 進入了蓬勃發展的階段。例如：日本三菱公司的“旋轉機械健康管理系統”(machinery health monitoring，簡稱MHM)，美國西屋公司的“可移動診斷中心”(mobile diagnosi s center，簡稱MDC)，丹麥B＆K公司的2500型振動監測系統等，都具備了機組 信號數據的采集、分析、計算、顯示、打印、繪圖等功能，并配有專項診斷軟件。先進的狀態監測系統把體現機械動態特性的振動、噪聲作為主要監測和分析的內容。由 于振動、噪聲是快速的隨機性信號, 不僅對測試系統要求高，而且在分析中要進行大量的數 據處理， 國內外在80年代用小型計算機或專用數字信號處理機做為主機完成機械動態特性 的數據處理(如:HP5451C), 該類主機不僅價格昂貴(一般價格為數十萬元)而且對工作環境要求苛刻(需要專用機房)，因而通常采用離線監測與分析的方式。
　　90年代以來，高檔微機不斷更新且價格迅速下降，適合數字信號處理的計算方法不斷優化，使數據處理速度大為提高，為在工業現場直接應用狀態監測技術創造了條件。丹麥、美國、德國、日本等發達國家的專家學者對旋轉機械工作狀態監測技術進行了深入研究，研制出不同系統。該類系統以丹麥 B&K公司的2520型振動監測系統、美國BENTLY 公司的3300 系列振動監測系統、美國亞特蘭大公司的M6000系統為代表已經達到較高的水平。在功能上比較典型的系統之一是丹麥B&K公司的2520型振動監測系統(vibrati on monitor-type 2520)，主要功能有：自動譜比較并進行故障預警報警；對6％和23％恒百 分比帶寬譜進行速度補償；幅值增長趨勢圖顯示； 三維譜圖顯示；振動總均方根值(振動 烈度)計算；支持局域網。美國IRD公司的IQ2000系統可認為是至今為止有報道的功能最齊全的監測與診斷系統。
　　我國在工業部門中開展狀態監測技術研究的工作起步于1986年，在此之前從國外引進的大型機組，一般都購置了監測系統。而在自行研制的國產設備上，若選用國外的監測系統，由于 價格異常昂貴而難以接受。80年代中后期以來，我國有關研究院所、高等院校和企業開始自 行或合作研究旋轉機械狀態監測技術，無論在理論研究、測試技術和儀器研制方面，都取得了成果，并開發出相應的旋轉機械狀態監測系統。如：西安交通大學、浙江大學、北京理工大學、北京機械工業學院等。
　　國內主要有幾種類型：a.哈爾濱工業大學等單位聯合研制的3MD-Ⅰ、3MD-Ⅱ、3MD-Ⅲ系統 ；b.西安交通大學機械監測與診斷研究室的RMMDS系統；c.西安交通大學潤滑理論及軸承研 究室的RB20-1系統；d.鄭州工學院的RMMDS系統；e.重慶太笛公司的CDMS系統；f.浙江大學 的CMD-I型及II型系統；g.西北工業大學的MD3905系統；h.北京機械工業學院的BJD-ZⅠ、BJ D-ZⅡ、BJD-ZⅢ系統。其中比較典型的系統有：1985年10月通過鑒定的由哈爾濱工業大學等 單位聯合研制的3MD-Ⅰ微機化“汽輪發電機組振動監測與故障診斷系統”，以及后來進一 步開發的汽輪機故障診斷專家系統3MD-Ⅱ、3MD-Ⅲ；1987年通過鑒定的由西安交通大學機械 故障診斷研究室研制的RMMD-S化肥五大機組“微機狀態監測與故障診斷系統”等。這些系統 的主要功能有：軸振動監測，包括軸心軌跡分析、軸向串動、軸振動位移峰-峰值計算；殼 體振動監測；頻譜分析，包括頻率細化、階比譜分析、階跟蹤譜、三維功率譜分析；自動預 、報警；故障特征提取及診斷。
　　以上系統的軟件功能比較豐富，硬件性能也不斷改進，但基本上仍處于研究發展階段，且價格依然昂貴，這些系統主要應用于國家重點企業中關鍵設備的監測或特定設備的監測，如大型汽輪機組、大型水輪機組等。
　　從技術發展過程看，現代監測技術大致經歷了兩個階段。
　　第一階段是以傳感器技術和動態測試技術為基礎，以信號處理技術為手段的常規技術發 展階段，這一階段的技術已在工程中得到了應用，它吸收了大量的現代科技成果，傳感器技術的飛躍發展，使之可以利用振動、噪聲、力、溫度、電、磁、光、射線等多種信息。由此產生了設備的振動、噪聲、光譜、鐵譜、無損檢測、熱成像等監測和故障分析技術。信號分析與數值處理技術的發展，結合微計算機技術的發展，使各種方法應運而生，如：狀態空間分析、對比分析、函數分析、邏輯分析、統計和模糊分析方法。近年來，各種數據處理軟、硬件的出現使實時在線監測及故障分析技術成為可能。
　　人工智能技術為設備監測和故障分析的智能化發展提供了可能，使得現代監測技術發展 步入第二階段。這一階段的研究內容與實現方法已開始并正在繼續發生著重大變化，以 數據處理為核心的過程將被以知識處理為核心的過程所替代，開展了專家系統、神經網絡和 模糊分析等理論、方法和應用技術的研究。這階段起主導作用的將是人類專家的知識，包括人類專家所擁有的領域知識、求解問題的方法等。由于實現信號檢測、數 據處理與知識處理的統一，使得先進技術不再是少數專業人員才能掌握的技術，而是一般操 作人員所能使用的工具。
        2.旋轉機械狀態監測技術的發展趨勢
　　機械設備運行狀態的監測技術，已經從單憑直覺的耳聽、眼看、手摸，發展到采用現代測量技術、計算機技術和信號分析技術的先進的監測技術，諸如超聲、聲發射、紅外測溫等 ，層出不窮。人工智能、專家系統、模糊數學等新興學科在機械狀態監測技術中也找到用武之地。
　　在機械動態信號分析方法和應用技術上，新近的發展有：采用空間域濾波的預處理、采用Vo ld－Kalman濾波的多軸階比信號分析技術、適于非平穩信號的基于Wigner－Ville分布分析、小波(wavelet)變換方法、混沌分析方法、智能傳感與檢測技術、以及與VXI總線儀器平臺相關的技術等。
　　現今，國內外較典型的狀態監測方式主要有3種。
        (1)離線定期監測方式。測試人員定期到現場用一個傳感器依次對各測點進行測試，并用磁帶機記錄信號，數據處理在專用計算機上完成，或是直接在便攜式內置微機的儀器上完成；這是當前利用進口監測儀器普遍采用的方式。采用該方式，測試系統較簡單，但是測試工作較煩鎖，需要專門的測試人員；由于是離線定期監測，不能及時避免突發性故障。
        (2)在線檢測離線分析的監測方式。亦稱主從機監測方式，在設備上的多個測點均安裝傳感器，由現場微處理器從機系統進行各測點的數據采集和處理，在主機系統上由專業人員進行分析和判斷。這種方式是近年在大型旋轉機械上采用的方式。相對第一種方式，該方式免去了更換測點的麻煩，并能在線進行檢測和報警；但是該方式需要離線進行數據分析和判斷 ，而且分析和判斷需要專業技術人員參與。
        (3)自動在線監測方式。該方式不僅能實現自動在線監測設備的工作狀態，及時進行故障預報，而且能實現在線地進行數據處理和分析判斷；由于能根據專家經驗和有關準則進行智能化的比較和判斷，中等文化水平的值班工作人員經過短期培訓后就能使用。該方式技術最先進，不需要人為更換測點，不僅不需要專門的測試人員，也不需要專業技術人員參與分析和判斷；但是軟硬件的研制工作量很大。本課題研究的是這種方式。
　　今后，旋轉機械狀態監測技術趨向由離線定期監測方式、在線檢測離線分析監測方式，發展為自動在線監測方式。隨著人工智能理論的發展及其在實際中的應用、數據處理軟件的大量開發，今后旋轉機械狀態監測技術正向多目標、多層次監測和網絡化方向發展 。
        三、旋轉機械狀態預測技術的發展
        1.旋轉機械狀態預測技術的發展歷程
　　當機械設備發生故障時,不僅物質財富遭到破壞，服務逼迫中斷，甚至連人員的生存也會受到威脅。在工業史上，由于機械設備故障造成的災難和環境事故頻頻發生。例如，美國阿莫科.卡迪斯號油輪原油泄漏事故，前蘇聯的切爾諾貝利核電站事故等等，了解這些事故發生 的過程以及如何加以防范，成為要考慮的重要問題。尤其這些故障大都是由于人為干預和不 當措施所造成的，因而減少維護次數和提高維護的科學性是預防惡性事故發生的重要方面 。
　　傳統的機械設備維護方式概括為：運轉至損壞再維護和以時間為基礎的預防性維護；前者一般用于廉價的小型機器，采用后備設備來保證生產；后者也稱定期維護，一般用于大中型設 備，不論設備是否有故障都按人為計劃的時間定期檢修80年代以來，以建立新 的維修體制為目標形成了綜合工程學科，這一工程學科在歐美、日本以不同的形式獲得了推 廣。近年來丹麥、美國、德國、日本等發達國家的專家學者進一步提出了預知維護的基本概 念。90年代以來，開始研究新型旋轉機械工作狀態分析和狀態預測技術，研究采用專家系統 、神經網絡等新的應用技術。但是，人工智能狀態在線預測和預知維護的研究尚處于研究發展的起步階段。
　　設備預知維護是通過對機械設備運行狀態做監測及預測來取代定期檢修方式，其原則是：只有當監測、分析和預測結果表明有必要維修時才進行維修。這種現代化維護方式能監測和預報設備的故障，在發現故障前兆時能及時停機，甚至能按判別出的故障的性質和部位，有目的地進行檢修。其檢測方式通常是定期檢測，但理想的方式是在線實時檢測；其分析預測方式通常是在計算機上由專業人員評定完成，但理想的方式是由人工智能系統實時在線判斷完成。
　　因此，若能在線實時檢測和以人工智能分析機械設備經歷的和當前的狀態，并預測隨后的發展，則可以隨時、科學、有效地揭示機械設備當前的工作狀態，并預測今后多長時間設備狀態將達到不可接受的程度而應當停機維修，從傳統的預防維護上升到預知維護。若對旋轉機械設備實行預知維護，需要在旋轉機械狀態監測和故障分析的基礎上，進一步通過對設備狀 態進行頻域、時域的綜合分析判斷以及狀態的趨勢預測來實現。
　　國際上有代表性的預測系統是美國Entek Scientific Corporation的預測維修系統(pre ventive maintenance system)，其主要功能有：幅值趨勢圖顯示；時域波形顯示，頻譜顯示；六段頻率頻譜自動報警，窄帶頻譜自動報警；兩頻譜幅值比顯示，兩頻譜幅值差顯示；三維譜圖顯示；用旋轉機械故障診斷專家系統進行離線故障診斷；支持鐵譜分析；支持局域網。該預測系統，能對頻譜進行自動比較，能識別由于旋轉機械轉速變化所引起的頻率漂移 ，并提供報警信號。
　　隨著我國科學技術的發展，一些大型企業正在從單純的振動測量或巡回檢測、定期檢測和檢修，逐漸向長期連續監測和預測性維修過渡。有的高等院校和科研院所的研究方向也開始相應變化，有代表性的是天津大學的基于Windows的IDPM智能診斷與預測維修軟件系統的研究。但是國內當前研究的重點仍集中在旋轉機械設備的狀態監測和故障分析方面，而對大型旋轉機組的以預知維護為目標的智能狀態在線預測技術尚待系統地研究。國內許多廠家和研究單位研制的監測系統，大多數測量項目單一，甚至還往往限于對溫度、壓力、液位、電量等常規參數的檢測，不具備對振動量為主的機械動態特性進行檢測和分析的功能，因而無從反映旋轉機械設備重要的工作狀態；即便具有檢測振動量的功能，尚限于狀態的監測和故障分析，不能對旋轉機械設備工作狀態發展趨勢進行預測。
        2.旋轉機械狀態預測技術的發展趨勢
　　從機械設備的檢修歷史和現狀來看，設備檢修方式大致有：發生事故停機檢修，定期停機檢修亦稱預防性維修(preventive maintenance)，預知維修(predictive maintenance)亦稱狀態維修或視情維修(condition maintenance or condition-based maintenance)。
　　預知維修方式可以從根本上改變原有的設備維修制度。在保證設備安全運行、避免人員傷亡、減少環境污染和避免巨大的經濟損失方面將產生巨大的作用。據有關文獻介紹，在設備上應用預測技術，獲利與投資比可達17:1。因而，以預知維護取代以時間為基礎的預防性 維修，成為關鍵設備和大中型設備維護方式的發展趨勢。國外有代表性的采用旋轉機械狀態預測先進技術的系統是美國Entek 公司的IRD－890 PM預測維修系統、丹麥B&K公司的COMPAS S TYPE 3540系統、TYPE3560系統，這些系統一般用于設備的離線預測。
　　在線的預測技術越來越受到人們的重視，并成為目前技術攻關的課題。在現有的設備狀態在線監測系統上附加狀態預測功能，由于具有較高的性能價格比，而成為實現設備狀態在線監測及預測的優選方案，本課題研究的是這種采用在線方式的同時進行監測及預測的方案。具有人工智能的狀態在線監測和預測技術是國內外研究的新課題，也是本課題研究的內容。
　　由于機組狀態在線智能化趨勢預測技術是國際上90年代以來發展的一項先進技術，國家 自然科學基金工程與材料科學部確定，國內大型旋轉機械狀態監測及預報研究課題主要針對大中型旋轉機械，研究智能化在線的狀態分析和狀態預測的有關理論、方法，研究在線檢測、人工智能分析設備經歷的和當前的狀態并預測發展趨勢。國家機械工業技術發展基金委員會提出的“九五”期間研究工作目標也確定在大型旋轉機械狀態監測和故障分析的基礎上，研究大型旋轉機械狀態預測系統，研究大型旋轉機械狀態趨勢預示的技術，開發大型旋轉機 械狀態趨勢預測的系統。
        四、旋轉機械狀態在線監測及預測技術的研究
        1.問題的提出
　　以往在工業現場通常通過值班人員對大型機械設備的狀態進行監測，監測項目除溫度、壓力、電機功率、電流等常規項目外，按規定振動、噪聲通常也是需監測的項目，但往往沒有檢測手段，只能靠值班人員手摸或耳聽；由于缺乏可靠的科學依據，對其狀態評價也往往是不準確的，因而設備損壞等惡性事故時有發生。因停機維修而造成的經濟損失往往是很驚人的。同時，當前大型機械設備的維護方式通常采用的是周期性強制維護，該維護方式到時即更換零部件，維護費用巨大，停機時影響正常生產，并且仍避免不了惡性事故的發生。此外，工業現場往往裝有若干臺大型機械設備，現場噪聲很高，通常大大超過國家《工業企業噪聲衛生標準》。
　　在機械設備狀態監測技術應用方面：如我國大型油田以前建的大型采油注水站沒有裝備狀態監測及預測系統。有的新建注水站雖裝備了微機巡檢系統，但該系統通常僅對壓力、溫度等常規項目進行監測，沒有包括機械振動特性的檢測，不能進行機組重要狀態的監測和分析。近年來，有的油田輸油站等大型設備上，采用了新研制的包括對振動特性進行檢測的系統，實現了在線監測和分析，但尚沒有建立機組機械動特性檔案，因而難以進行自動在線的狀態判斷，而需要專業人員離線進行分析。
　　在機械設備狀態預測技術應用方面：如在我國大型油田廣泛使用的大型注水機組的維護方式仍采用上述的傳統的預防性維修。近年來有的維修部門進口了美國Entek 公司預測維修系統，可對機組進行定期檢測和離線分析。但是該儀器內置的預測對象是通用電機，對注水機組故障率較高的離心泵的預測針對性不強，同時又是定期離線預測方式，不便于進行短期預測，不能防止機組突發性事故，并且得由專業人員進行檢測和分析；因而應用受到限制，也不能從根本上改變注水機組的維護方式。當前工業生產越來越注重降低成本，特別是要求在能避免機械設備突發事故的同時盡量延長設備運行周期。為此，迫切需要研究大型旋轉機械狀態自動在線監測及預測技術。
       2.研究的意義
　　對旋轉機械狀態進行在線監測及預測可以有效地避免意外事故，消除續發損壞，節約大量維護費用；由于減少維修次數，從而增加設備正常運轉時間，提高設備利用率，縮減維修備件的庫存及庫存時間。
　　對機械設備狀態進行機械動態特性以及壓力、溫度、流量、液位、電量、潤滑油含水等常規項目的綜合自動監測; 同時可進一步研究增加控制功能，調整設備輸出使 設備在效率較佳、能耗較低的狀態下運行。利用主機系統進行統計和打印日常 報表以及故障報表, 能為生產部門提供現代化的科學管理手段，通過微機聯網通訊，還可以使設備狀態監測及預測系統成為企業先進的管理系統中的一個子系統。此外，由于大大減少值班人員在強噪聲環境下工作的時間，即改善了工作條件, 又使企業達到國家有關噪聲衛生標準。
　　隨著人們對設備保護意識的加強和設備維護認識的深入、監測及預測技術的發展及應用成本的降低，對該項技術的需求也將日益增加。隨著該技術帶來的經濟效益和社會效益日益明顯，旋轉機械狀態在線監測及預測技術會進一步受到青睞。若進口國外通用監測及預測系統，不僅價格昂貴，且針對性不強。本課題涉及的研究內容是根據我國工業生產狀況，針對實際需求而提出來的。
　　旋轉機械狀態在線監測及預測研究的技術原理與技術方案適用于普通機械設備，尤其適 于連續運轉的大中型旋轉機械，如：機械、車輛、電力、石化、冶金、煤炭、核能等許多行業中的關鍵設備，從而推廣應用領域廣泛，經濟效益潛力巨大。
       3.研究的主要內容
　　本課題著重針對大型旋轉注水機械，以揭示機械設備的機械動態特性為手段，研究了機械設備狀態自動在線監測及預測的方法，以及相應的軟件系統和硬件系統。通過對機械設備 運行和發展狀態的在線檢測，實現了對機械設備狀態自動分析和判斷，對機械設備狀態發展進行在線趨勢預測，具體完成的主要內容如下：
       (1)提出了大型旋轉機械設備狀態在線監測及預測的總體方案和技術路線，開發了傳感器、數據采集、現代信號處理、人工智能以及硬件、軟件的有關技術。狀態監 測研究主要考慮的是針對隨機性故障，狀態預測研究主要考慮的是針對趨勢性故障、可預知故障。
       (2)在故障分析和預報方法的研究上，考慮到傳統的布爾邏輯識別、FTA方法(故障樹分析 法)，因為識別能力差、判據不足，不能滿足要求。采用了灰色系統理論、時間系列、神經 網絡、遺傳算法、小波分析等新技術。
       (3)從特征信號中提取有關機組狀態的信息；選擇的機械設備狀態敏感因子(特征參數)具有較高靈敏度、較高識別能力，采取合適的敏感因子提取裝置、提取方式及提取方法。
       (4)提出了大型機械設備狀態正常與否的準則，選擇了安全評定的標準，確定了對機械設備整體狀態及主要零部件狀態分別評價的判據；提供能對異常情況做出判斷的方法。
       (5)研究了時域、頻域綜合信號處理方法，使信號處理后的特征突出、明顯，便于自動比較、判別；圍繞信號處理的實時性、實用性、穩定性進行了相應的設計和改進，探討了新的譜估計方法以及小波分析方法。
       (6)研究了機械設備狀態在線分析及自動判別的技術，能根據歷史檔案、專家經驗、客觀依據，實現機械設備狀態決策判斷自動化；研究的機械設備狀態自動判別智能專家系統，可克服轉速波動影響；開發了振動頻譜在線時域、頻域報警新技術。
       (7)研究了旋轉機械設備常見故障特征，建立了機組故障原因集以及故障推理機制。
       (8)為對機械設備實行現代預知維護提供科學依據和手段，研究了趨勢預測的方法。除對機械設備整體進行趨勢預測外，探討了對機械設備零部件進行趨勢預測的方法。
       (9)研究了神經網絡ANN在旋轉機械設備狀態預測上的應用技術，針對現有神經網絡對新信息強調不足的問題，研究出適于預測用途的新型神經網絡模型。探索了遺傳算法GA在趨勢預測應用的途徑。
       (10)在趨勢預測模型中考慮時間序列模型預測、灰色模型預測、組合模型預測，圍繞提高預測精度提出了新型改進模型及有關方法。
       (11)為進行旋轉機械狀態在線監測及預測技術的實驗研究，研制完成具有典型機械結構和現代測試分析功能的新型實驗系統，該實驗系統應能模擬典型旋轉機械的運行狀態，能再現故障發展過程和預測發展趨勢。
       (12) 以大型旋轉機械設備為對象進行了工業現場的實踐驗證，并對驗證結果進行了分析。
       五、結束語
　　研究大型旋轉機組狀態在線監測及預測技術，對保證安全生產以及對設備實行預知維護都具有十分重要的意義。為此，本項課題采用科學分析與實驗驗證相結合的方法，從信息提取和信號處理、故障分析、在線預測、人工智能預測方法、實驗研究、實踐驗證以及系統研制幾個方面對智能化自動在線監測及預測技術進行了系統的研究。探索了新的途徑，得出了新的結論，獲得了有價值的成果，解決了重要生產實際問題，取得了預期效果。