王洋紳，高 瀚，程騰飛，劉 增，任仲瑛

（北京石油機(jī)械有限公司，北京 102200）

頂驅(qū)對(duì)鉆井作業(yè)和井下安全起著至關(guān)重要的作用，由于鉆井狀況不可預(yù)測(cè)性和頂驅(qū)自身結(jié)構(gòu)的復(fù)雜性，頂驅(qū)在作業(yè)時(shí)不可避免地會(huì)出現(xiàn)故障，輕則影響生產(chǎn)效率和鉆井工程的質(zhì)量，重則可能造成鉆井事故和工作人員傷亡。頂驅(qū)造價(jià)高，維修費(fèi)用動(dòng)輒在幾萬(wàn)甚至上百萬(wàn)。另外，從鉆井行業(yè)的發(fā)展趨勢(shì)來(lái)看，頂驅(qū)已逐漸由單一產(chǎn)品銷(xiāo)售模式向產(chǎn)品、租賃、服務(wù)于一體的裝備可靠性銷(xiāo)售模式轉(zhuǎn)變，因此制定科學(xué)的頂驅(qū)維護(hù)策略，對(duì)頂驅(qū)的使用、維修管理等進(jìn)行指導(dǎo)具有重要的意義[1]。

目前，頂驅(qū)的前期維護(hù)方式包括2大類(lèi)：其一為出現(xiàn)故障后采取的事后維護(hù)，是一種無(wú)計(jì)劃性的被動(dòng)維修方式；另一方式為保持頂驅(qū)良好運(yùn)轉(zhuǎn)狀態(tài)的預(yù)防性維護(hù)。預(yù)防維護(hù)是目前頂驅(qū)采用的主要維護(hù)方式，主要依靠專(zhuān)業(yè)人員的經(jīng)驗(yàn)制定維護(hù)策略[2-8]，該方式對(duì)專(zhuān)業(yè)人員的要求高，維護(hù)模式定制化強(qiáng)而適用性范圍低，且容易使頂驅(qū)欠維護(hù)或過(guò)度維護(hù)，增加不必要的維護(hù)成本。

因此，通過(guò)分析頂驅(qū)部件，如電機(jī)、齒輪箱、軸承等的狀況或監(jiān)測(cè)其運(yùn)行指標(biāo)，獲取其運(yùn)行狀況的各類(lèi)信息，結(jié)合一定的診斷方法判斷頂驅(qū)部件是否正常，以確定是否檢修并安排合理的檢修計(jì)劃。這樣不僅能及時(shí)安排修理，減少突發(fā)性故障停機(jī)造成的經(jīng)濟(jì)損失，還能降低過(guò)剩維修產(chǎn)生的不必要的維護(hù)費(fèi)用。

自故障診斷技術(shù)概念被提出以來(lái)，已經(jīng)產(chǎn)生了許多卓有成效的狀態(tài)監(jiān)測(cè)和故障診斷方法，但頂驅(qū)的狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)卻尚未成熟，技術(shù)應(yīng)用較少。本文在總結(jié)已有研究成果的基礎(chǔ)上，以頂驅(qū)及其部件為故障診斷對(duì)象，較為詳細(xì)地闡述了各類(lèi)診斷方法的研究現(xiàn)狀及其優(yōu)缺點(diǎn)，并結(jié)合當(dāng)前現(xiàn)狀探討了頂驅(qū)故障診斷技術(shù)的發(fā)展趨勢(shì)。頂驅(qū)故障診斷方法如圖1所示。

圖1 頂驅(qū)故障診斷方法

1 頂驅(qū)定性故障診斷方法

基于定性經(jīng)驗(yàn)的頂驅(qū)故障診斷是一種利用不完備先驗(yàn)知識(shí)描述系統(tǒng)功能結(jié)構(gòu)，并建立定性模型實(shí)現(xiàn)故障診斷過(guò)程的方法，包括故障樹(shù)分析（Fault TreeAnalysis，F(xiàn)TA）、專(zhuān)家系統(tǒng)（Expert System，ES）等[9]。

1.1 故障樹(shù)分析

FTA在系統(tǒng)設(shè)計(jì)過(guò)程中，通過(guò)對(duì)可能造成系統(tǒng)故障的各種因素進(jìn)行分析，確定系統(tǒng)故障原因的各種組合方式及其發(fā)生概率，計(jì)算系統(tǒng)故障概率，以采取相應(yīng)的糾正措施，提高系統(tǒng)可靠性。FTA是一種評(píng)價(jià)復(fù)雜系統(tǒng)可靠性與安全性的重要方法，它既可用于定性分析，又可以定量計(jì)算復(fù)雜系統(tǒng)發(fā)生事故的概率，為改善和評(píng)價(jià)系統(tǒng)可靠性提供了依據(jù)。

王永勤等[10-11]利用FAT方法原理，繪制出頂驅(qū)的故障樹(shù)，然后對(duì)故障樹(shù)進(jìn)行了定性定量分析。張毅[12]通過(guò)頂驅(qū)故障樹(shù)的定性和定量分析，得出頂驅(qū)故障原因多為磨損、腐蝕、強(qiáng)度不夠或者過(guò)載等。蔣愛(ài)國(guó)[13]將頂驅(qū)故障分為機(jī)械故障、電氣故障和液壓故障3種，并繪制簡(jiǎn)單的故障樹(shù)，用以鋪墊頂驅(qū)機(jī)械故障數(shù)字化監(jiān)測(cè)診斷的重要性。

1.2 專(zhuān)家系統(tǒng)

運(yùn)用專(zhuān)家在頂驅(qū)故障維護(hù)領(lǐng)域積累的有效經(jīng)驗(yàn)和專(zhuān)業(yè)知識(shí)建立知識(shí)庫(kù)，并通過(guò)計(jì)算機(jī)模擬專(zhuān)家思維過(guò)程，對(duì)信息知識(shí)進(jìn)行推理和決策以得到診斷結(jié)果。

霍連才[14]通過(guò)建立專(zhuān)家系統(tǒng)的事實(shí)庫(kù)和各機(jī)構(gòu)的規(guī)則庫(kù)，編制了頂驅(qū)故障診斷專(zhuān)家系統(tǒng)?；暨B才等[15]用產(chǎn)生式規(guī)則，對(duì)ⅤARCOTDS-11SA頂驅(qū)建立了規(guī)則庫(kù)，構(gòu)建了專(zhuān)家系統(tǒng)的知識(shí)庫(kù)。

2 頂驅(qū)定量故障診斷方法

2.1 振動(dòng)信號(hào)

設(shè)備發(fā)生故障的主要特征是伴有異常的振動(dòng)和噪聲，頂驅(qū)齒輪箱齒輪、頂驅(qū)主軸、主軸承及頂驅(qū)電機(jī)振動(dòng)加劇往往伴隨著機(jī)械部件工作狀態(tài)不正常乃至失效，有60%以上的機(jī)械故障都是振動(dòng)反映出來(lái)的。振動(dòng)檢測(cè)法有著其獨(dú)特的優(yōu)勢(shì)，包括：①振動(dòng)信號(hào)的變化能夠?qū)崟r(shí)反映設(shè)備的運(yùn)行狀況，具有時(shí)效性；②振動(dòng)信號(hào)較容易獲取，信號(hào)采集設(shè)備的布置不會(huì)影響設(shè)備的結(jié)構(gòu)設(shè)計(jì)；③振動(dòng)信號(hào)的變化與設(shè)備狀態(tài)有著直接的聯(lián)系，同一故障模式引起的振動(dòng)變化相對(duì)固定，易于在同一領(lǐng)域內(nèi)進(jìn)行推廣研究，其普適性較強(qiáng)。因此，通過(guò)一定的設(shè)備與技術(shù)對(duì)頂驅(qū)部件的振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)和分析，自然就可以診斷出頂驅(qū)部件的故障[16]。

2.1.1 基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷

振動(dòng)信號(hào)的時(shí)域、頻域、時(shí)頻域3類(lèi)分析方法，均是從振動(dòng)信號(hào)中提取出有效的特征向量用于故障診斷。

2.1.1.1 時(shí)域信號(hào)分析方法

時(shí)域信號(hào)分析方法是從原始振動(dòng)信號(hào)中提取如周期、峰值、平均值和標(biāo)準(zhǔn)差等特征量，此外，還可提取高階時(shí)域特征，例如均方根、偏斜度、峰度、波峰因子、脈沖因子、裕度因子、峭度指標(biāo)、均方根值等。

2.1.1.2 頻域信號(hào)分析方法

頻域信號(hào)分析方法是從原始信號(hào)中提取其頻譜來(lái)進(jìn)行故障診斷，常用的方法有幅值譜、包絡(luò)譜、細(xì)化譜、倒頻譜、高階譜和全息譜分析等[17]。信號(hào)的頻譜能夠描述信號(hào)在頻率域內(nèi)的分布情況，因此其能夠更加明確地反映原始信號(hào)中所包含的不同頻率信息。倒頻譜分析在信號(hào)頻譜圖出現(xiàn)多族邊頻時(shí)，可以識(shí)別出故障頻率[18]。

謝敬軍[16]和張堯等[19]通過(guò)對(duì)頂驅(qū)軸承進(jìn)行實(shí)驗(yàn)分析，得出了頂驅(qū)軸承故障信號(hào)具有變頻特征以及損傷點(diǎn)的沖擊呈現(xiàn)非周期性特點(diǎn)，軸承共振頻率和共振信號(hào)振幅會(huì)隨著傳動(dòng)滾動(dòng)軸承的轉(zhuǎn)速變化而變化的結(jié)論。管森森[20]則給出了齒輪箱的信號(hào)處理方法，并開(kāi)發(fā)基于振動(dòng)信號(hào)分析的齒輪箱故障診斷系統(tǒng)。

2.1.1.3 時(shí)頻域信號(hào)分析方法

將時(shí)域方法與頻域中時(shí)間的尺度變換相結(jié)合，可實(shí)現(xiàn)對(duì)信號(hào)的全面分析。因此，對(duì)于頂驅(qū)振動(dòng)非線性與非平穩(wěn)振動(dòng)信號(hào)的分析和處理，需要通過(guò)時(shí)頻域分析方法，對(duì)非平穩(wěn)振動(dòng)信號(hào)進(jìn)行描述。常見(jiàn)的頂驅(qū)時(shí)頻域分析方法有小波分析、經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）、短時(shí)傅里葉變換和共振稀疏分解等。

小波分析利用其良好的時(shí)頻局部化特性，可以將分析的重點(diǎn)集中到信號(hào)的任意細(xì)節(jié)部分上，由于其多分辨率特性適合用于非線性和非平穩(wěn)信號(hào)的分析，因此在旋轉(zhuǎn)機(jī)械故障診斷中有著突出的應(yīng)用。EMD能夠?qū)⑿盘?hào)自適應(yīng)分解成若干個(gè)本征模態(tài)函數(shù)，由于EMD方法具有良好的自適應(yīng)性，因此在機(jī)械故障診斷領(lǐng)域獲得了廣泛的關(guān)注和應(yīng)用。賀文杰[21]基于齒輪箱故障振動(dòng)信號(hào)所表現(xiàn)的非線性非平穩(wěn)特征對(duì)齒輪箱中采集的振動(dòng)信號(hào)作小波包分解，同時(shí)選取特定頻帶的小波重構(gòu)信號(hào)應(yīng)用變換進(jìn)行了分析，得到經(jīng)驗(yàn)?zāi)B(tài)分解過(guò)程和一系列本征模態(tài)函數(shù)，結(jié)合Hilbert變換，提取故障特征頻率，有效地識(shí)別了齒輪箱中齒輪裂紋的不同故障模式。蔣愛(ài)國(guó)[13]針對(duì)齒輪箱故障信號(hào)的持續(xù)振蕩性和軸承故障信號(hào)的瞬態(tài)性，采用共振稀疏分解對(duì)原始信號(hào)進(jìn)行處理，利用最小熵反褶積變換加強(qiáng)沖擊分量，提取出軸承的頻率特征信息，完成齒輪箱中齒輪與軸承的診斷。原始振動(dòng)信號(hào)經(jīng)EEMD分解可以得到不同尺度下的本征模態(tài)分量，這些及其頻域信息的均值、方差、峰度、偏度等統(tǒng)計(jì)特征常被用來(lái)構(gòu)造故障診斷模型的原始特征空間，進(jìn)而實(shí)現(xiàn)對(duì)故障特征的分類(lèi)[22]。

2.1.2 基于人工智能的故障診斷

人工智能是通過(guò)模擬人的思維決策來(lái)實(shí)現(xiàn)人的行為的一種機(jī)器學(xué)習(xí)技術(shù)，人工智能算法僅依據(jù)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，通過(guò)教計(jì)算機(jī)如何學(xué)習(xí)、推理和決策等，就可以判斷機(jī)械設(shè)備當(dāng)前的狀態(tài)[23]。由于故障類(lèi)型和故障征兆之間存在復(fù)雜的映射關(guān)系，所以基于人工智能的故障診斷技術(shù)較為適用[24]。目前，以神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)及其他機(jī)器學(xué)習(xí)為代表的人工智能算法得到了廣泛的關(guān)注和研究，并應(yīng)用于機(jī)械設(shè)備的故障診斷。此外，深度學(xué)習(xí)方法作為深層機(jī)器學(xué)習(xí)模型，在機(jī)械故障的研究中應(yīng)用越來(lái)越廣泛。

人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦思維的分類(lèi)模型，利用多個(gè)神經(jīng)元及其邊的權(quán)值進(jìn)行輸入到輸出的映射。MURUGANATHAM等[25]使用奇異值分解和前饋反向傳播神經(jīng)網(wǎng)絡(luò)來(lái)診斷滾動(dòng)軸承不同尺寸的不同故障，選取適當(dāng)?shù)钠娈愔底鳛閱坞[藏層BPNN的輸入特征集。SOUALHI等[26]結(jié)合Hilbert-Huang變換、SⅤM和支持向量回歸用于滾動(dòng)軸承的退化檢測(cè)，實(shí)現(xiàn)故障識(shí)別和剩余使用壽命預(yù)測(cè)。SAIDI等[27]提出了一種新的結(jié)合高階光譜分析和SⅤM的滾動(dòng)軸承故障診斷方法，得到原始特征向量集，結(jié)合PCA應(yīng)用SⅤM模型實(shí)現(xiàn)滾動(dòng)軸承的故障診斷。俞嘯[22]建立基于DBN的故障狀態(tài)識(shí)別模型，提高模式識(shí)別方法對(duì)特征空間的適應(yīng)能力，形成了完整的基于數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承故障特征分析。王宇等[28]利用混合蛙跳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，應(yīng)用于滾動(dòng)軸承故障診斷并取得了較好的效果。

2.2 溫度分析法

頂驅(qū)的電機(jī)、齒輪箱、軸承等部件在強(qiáng)烈的沖擊和摩擦條件下工作，因此溫度也是反映其某些部位狀態(tài)變化的敏感因子。溫度監(jiān)測(cè)對(duì)軸承負(fù)荷、速度和潤(rùn)滑情況的變化反應(yīng)比較敏感，尤其是對(duì)潤(rùn)滑不良而引起的軸承過(guò)熱現(xiàn)象很敏感，所以用于這種場(chǎng)合比較有效。

2.3 電機(jī)電流分析法

電機(jī)電流分析法適用于電機(jī)作為動(dòng)力源的頂驅(qū)，當(dāng)頂驅(qū)發(fā)生機(jī)械故障時(shí)，其轉(zhuǎn)子上所感受到的機(jī)械故障信息會(huì)轉(zhuǎn)化為電信號(hào)反映到定子電流上來(lái)，使定子的電流波形產(chǎn)生畸變，對(duì)其進(jìn)行包絡(luò)處理，剔除工頻信號(hào)，即可進(jìn)行故障分析。楊明等[29]以定子電流作為齒輪故障診斷的切入點(diǎn)，降低了硬件方面的要求。

2.4 油液分析法

油液分析是從潤(rùn)滑油中提取信息，從而對(duì)齒輪箱內(nèi)磨損與潤(rùn)滑情況進(jìn)行監(jiān)測(cè)，是一種比較理想的輔助手段，主要包括油品理化性能分析技術(shù)（監(jiān)測(cè)潤(rùn)滑油受污染和質(zhì)量狀況）、潤(rùn)滑油中所含磨粒的鐵譜分析技術(shù)以及潤(rùn)滑油料中磨粒成分的光譜分析技術(shù)（監(jiān)視各摩擦副的磨損狀況）。

3 優(yōu)缺點(diǎn)分析

頂驅(qū)是集機(jī)、電、液為一體的復(fù)雜系統(tǒng)，且其回轉(zhuǎn)振動(dòng)信號(hào)具有低頻、非線性和非平穩(wěn)性等特點(diǎn)。根據(jù)頂驅(qū)自身的特性，分析各故障診斷方法應(yīng)用于頂驅(qū)系統(tǒng)的優(yōu)缺點(diǎn)，如表1所示。

表1 故障診斷方法應(yīng)用于頂驅(qū)優(yōu)缺點(diǎn)分析

4 結(jié)論

目前針對(duì)頂驅(qū)的故障診斷方法的應(yīng)用較少，研究還未普遍且發(fā)展較為緩慢。本文對(duì)現(xiàn)有的頂驅(qū)及齒輪箱、軸承的故障診斷方法進(jìn)行了歸納總結(jié)，在此基礎(chǔ)上，對(duì)其應(yīng)用于頂驅(qū)的優(yōu)缺點(diǎn)進(jìn)行了分析比較，給出了應(yīng)用于頂驅(qū)故障診斷方法的理論指導(dǎo)。

頂驅(qū)的故障診斷方法的應(yīng)用及研究具有重要的意義。根據(jù)研究現(xiàn)狀分析可得其熱點(diǎn)和趨勢(shì)為：①多參數(shù)信息融合的故障診斷方向，頂驅(qū)的系統(tǒng)是多元化的復(fù)雜系統(tǒng)，需要研究故障診斷方法實(shí)現(xiàn)對(duì)耦合故障的診斷；②早期故障還未表現(xiàn)出癥狀，可通過(guò)故障診斷技術(shù)進(jìn)行數(shù)據(jù)挖掘，預(yù)測(cè)信號(hào)演變趨勢(shì)，提前進(jìn)行故障預(yù)測(cè)或剩余壽命評(píng)估，實(shí)現(xiàn)預(yù)失效分析；③遠(yuǎn)程故障診斷是頂驅(qū)運(yùn)行管理的一個(gè)必要趨勢(shì)，通過(guò)遠(yuǎn)程的數(shù)據(jù)傳輸和診斷結(jié)果分析，指導(dǎo)現(xiàn)場(chǎng)頂驅(qū)的管理和維護(hù)。