王擁軍

（中石油烏魯木齊石化公司計控部，新疆 烏魯木齊 830019）

石油化工行業(yè)由于生產(chǎn)環(huán)境的限制，難以滿足大規(guī)模的人員安置需求，但由于其自身的生產(chǎn)量相對龐大，對設(shè)備的運行狀態(tài)提出更高的要求。面對這一問題，自動化技術(shù)的介入有效改善了石油化工的生產(chǎn)模式，以及其代替人工的操作方式大大提供了生產(chǎn)效率，并減少了對人員的使用數(shù)量。但隨之而來的也出現(xiàn)了新的問題。雖然已經(jīng)實現(xiàn)了對設(shè)備的定期維護(hù)與檢查，但出現(xiàn)故障仍是不可避免的，長期停產(chǎn)維護(hù)設(shè)備對企業(yè)造成了不小的經(jīng)濟(jì)損失，由此，如何實現(xiàn)準(zhǔn)確高效的設(shè)備故障檢測成為現(xiàn)階段專家學(xué)者研究的重點。其中，楊軍以PLC為操控中心，進(jìn)行了電氣自動化儀器儀表故障檢測的相關(guān)研究，實現(xiàn)了對故障的準(zhǔn)確檢測，但耗時較長，且對故障位置的定位存在一定偏差；馮子恒等人就石油化工企業(yè)自動化儀表故障的預(yù)防措施進(jìn)行了深入研究，并提出了具體的維護(hù)方法，有效降低了儀表故障的發(fā)生頻率，但對于已經(jīng)出現(xiàn)的問題，缺乏明確的研究。為此，本文提出了石油化工自動化儀表故障診斷方法研究，以期為相關(guān)領(lǐng)域的維修工作提供參考。

1 石油化工自動化儀表故障診斷

1.1 故障信號VMD分解

傳統(tǒng)故障診斷方法存在誤差的主要原因是故障信號的分析受干擾信號的影響，導(dǎo)致分析結(jié)果出現(xiàn)偏差，影響最終的診斷結(jié)果。為了避免該問題，本文采用VMD對故障信號進(jìn)行分解，在分解過程中將故障診斷問題轉(zhuǎn)化為變分信號的求解問題。為此，本文將其分為構(gòu)造和求解兩個過程。

構(gòu)造的目的是明確儀表在不同狀態(tài)下的正常運行參數(shù)范圍，本文定義其為儀表的模態(tài)，用K表示，將故障信號的規(guī)范控制在K內(nèi)，假設(shè)每個模式的中心工作參數(shù)為有限帶寬值，則每個模式的估計帶寬之和通過K個模態(tài)函數(shù)uk(t)最小化，即可實現(xiàn)對儀表正常狀態(tài)參數(shù)的判斷。但需要注意的是，模態(tài)函數(shù)uk(t)需要滿足所有模態(tài)之和等于輸入信號的約束標(biāo)準(zhǔn)。具體步驟如下：

首先，對故障信號進(jìn)行Hilbert變換，得到不同負(fù)荷狀態(tài)下對應(yīng)的模態(tài)函數(shù)uk(t)，實現(xiàn)對信號的解析處理，此時輸出的信號形式為單邊頻譜：

其中，γ表示Hilbert變換后故障信號的單邊頻譜，j表示儀表的運行負(fù)荷狀態(tài)，t表示故障信號采集的時間，φ（t）表示儀表正常狀態(tài)下t時刻的運行參數(shù)。

在得到故障信號的單邊頻譜后，需要計算自動化儀表的基礎(chǔ)參數(shù)基帶范圍，考慮到解析信號為非固定模態(tài)的結(jié)果，本文通過預(yù)估中心參數(shù)值實現(xiàn)該過程，其可表示為：

對應(yīng)的約束條件為：

其中，f表示采集到的信號總量。

通過這樣的方式完成對故障信號的拆解，并構(gòu)造出以單邊頻譜為基礎(chǔ)單元的信號形式。

1.2 故障診斷

在完成上述操作后，既可以對VMD拆解后的故障信號進(jìn)行診斷，即對變分問題求解。為了最大限度干擾信號對診斷結(jié)果的影響，本文在計算過程中引入二次懲罰因子α，并借助拉格朗日乘法算子λ(t)對計算范圍進(jìn)行約束，將約束性變分問題轉(zhuǎn)化為非約束性變分問題，降低計算的復(fù)雜程度。

首先，利用二次懲罰因子對分解后的故障信號約束，實現(xiàn)對高斯噪聲的過濾處理，其可以表示為：

其中，γ′表示過濾后的故障信號。在此過程中，拉格朗日算子主要負(fù)責(zé)保持約束條件的嚴(yán)格性。

以此為基礎(chǔ)，對石油化工自動化設(shè)備故障診斷的步驟如下：

（1）首先按照儀表的出廠參數(shù)設(shè)置，對故障類型進(jìn)行劃分，在參數(shù)齊全的狀態(tài)下對可以表征故障類型的信號特征進(jìn)行提取，并將其作為故障診斷的依據(jù)；

（2）將采集的故障信號進(jìn)行VMD分解后，將與表征故障類型信號特征相似的單邊頻譜信號作為儀表的輸入信號，在與被測儀表運行環(huán)境近似的條件下對故障征兆數(shù)據(jù)轉(zhuǎn)化，計算對應(yīng)的故障征兆在不同故障類型下的支持度；

（3）再對分解后的信號進(jìn)行去噪過濾處理，同樣重復(fù)上述操作，并統(tǒng)計其輸出的故障類型匹配結(jié)果是否與原結(jié)果一致，如果一致，則可將其作為最終的故障診斷結(jié)果；如不一致，則需要重新在儀表中輸入降噪后的信號，再次采集對應(yīng)的干擾信號，并重復(fù)步驟（1）和步驟（2）的操作，直至結(jié)果一致。

2 試驗測試

將本文提出的故障診斷方法應(yīng)用于實際的生產(chǎn)環(huán)境中，并將文獻(xiàn)[3]和文獻(xiàn)[4]提出的方法作為對照組。通過分析三種方法對故障的診斷結(jié)果，客觀評價本文提出方法的應(yīng)用價值。

2.1 模態(tài)的選取

本文實驗重點以自動化電氣儀表的故障診斷為目標(biāo)，選用美國凱斯西儲大學(xué)電氣工程實驗室的儀表振蕩數(shù)據(jù)作為實驗數(shù)據(jù)。其中，電機(jī)傳動儀表終端的6205-2RS SKF端口介入有0.1775mm的故障點。儀表具體的參數(shù)設(shè)置為：負(fù)荷為0狀態(tài)下儀表運轉(zhuǎn)速度為1797r/min、負(fù)荷為1狀態(tài)下儀表運轉(zhuǎn)速度為1772r/min、負(fù)荷2狀態(tài)下儀表運轉(zhuǎn)速度為1750r/min，負(fù)荷為3狀態(tài)下儀表運轉(zhuǎn)速度為1730r/min。實驗按照12kHz的采樣頻率對儀表的運行參數(shù)進(jìn)行采集，并定義模態(tài)數(shù)為K，在不同負(fù)荷狀態(tài)下，以儀表中心的運轉(zhuǎn)速度為模態(tài)區(qū)分的依據(jù)。為了使診斷結(jié)果更加直觀，本文以正判率作為評價指標(biāo)，其計算方式為：

其中，P表示正判率，tr表示故障診斷準(zhǔn)確的次數(shù)，t表示輸出的總判斷總數(shù)。

2.2 結(jié)果分析

在上述基礎(chǔ)上，對三種方法的診斷結(jié)果進(jìn)行統(tǒng)計，其結(jié)果如表1所示。

從表1中可以看出，在不同負(fù)荷狀態(tài)下，三種方法診斷結(jié)果的正判率均出現(xiàn)了一定程度的下降，這是因為隨著儀表運行負(fù)荷的增加，由于其自身的振動、延時等問題帶來的干擾作用逐漸加強(qiáng)，因此三種方法對0負(fù)荷狀態(tài)的診斷結(jié)果最為準(zhǔn)確。但相比之下，本文方法的診斷效果相對穩(wěn)定，始終穩(wěn)定在95%以上，具有較高的應(yīng)用價值。

表1 不同方法的故障診斷結(jié)果

3 結(jié)語

石油化工行業(yè)的蓬勃發(fā)展決定了其自動化程度將會越來越高，在此背景下，如何實現(xiàn)對自動化設(shè)備故障的有效診斷成為確保設(shè)備穩(wěn)定運行的關(guān)鍵。本文提出石油化工自動化儀表故障診斷方法研究，對故障診斷結(jié)果的準(zhǔn)確率達(dá)到95%以上，具有良好的應(yīng)用效果。通過本文的研究，以期為石油化工行業(yè)自動化設(shè)備的故障診斷工作提供有價值的參考。