左學謙 ，熊 芝 ，聶 磊 ，丁善婷 ，唐懷珍 ，宋德夫

（1.湖北工業(yè)大學機械工程學院，武漢 430068；2.湖北省現代制造質量工程重點實驗室，武漢 430068；3.安徽容知日新科技股份有限公司，合肥 230000）

0 引言

油田注水是油田開發(fā)過程中向地層補充能量、提高油田采收率的重要手段之一，是采油生產過程中最重要的生產環(huán)節(jié)之一［1］。它是以水質處理和水質穩(wěn)定為前提，以保護油層為基礎，彌補原油采出后所造成的地下虧空，達到保持或提高油藏壓力，實現油田穩(wěn)產、增產的目的［2］。在保持地層能量過程中，泵作為一種以輸送流體或使液體增壓為目的的機械，是一種以液體為工作介質進行能量轉換的裝置［3］。柱塞泵具有排出壓力高、泵效高、易操作等優(yōu)勢，在油田中得到廣泛應用。但是，該設備因其用量大，導致管理難度大；結構復雜，體重大，不易移動；腐蝕、結垢等造成使用壽命短，維修頻次與費用高，勞動強度大；長期使用安全系數降低，造成效率低下；生產中耗電量占油田總耗電量的29%以上，是油田生產鏈中的耗電大戶，影響到整個油田生產發(fā)展效益等問題。目前，基于兩化融合的總體要求和智能化油田發(fā)展方向，對油田設備的運行可靠性又提出了更高的要求。因此，對其進行有效的故障評級，及時準確的進行定位維修，提高工作效率，實現“被動維護到主動保養(yǎng)檢修”轉變，達到“問題早發(fā)現、故障早干預、事故早預防、處理及時、定位精確”的目的，是防止故障擴大、保證設備正常運行的一項重要的工作。

故障等級評價就是對要發(fā)生的故障進行定性以及定量的分析，給出相應的等級，以便更好地進行狀態(tài)監(jiān)測與維修決策。國內外專家及學者提出了多種關于故障等級評價的方法。RAFET等［4］提出一種基于頻率分量的神經網絡統(tǒng)計分析對螺旋齒輪箱中不同程度的點蝕故障進行分類的方法。SONG等［5］提出了一種基于性能評價的自動車輛功能安全故障等級判定算法。RAFET MTLü等［6］利用振動可視化方法和人工神經網絡（ANS）對蝸桿變速箱點蝕故障等級進行分類。賈興［7］通過將現有離線檢測和在線監(jiān)測技術進行結合，構建齒輪箱故障等級預測的數學模型。馬虎強等［8］運用RCM理論對離心式壓縮機進行安全評價及維修決策制定的研究。李陽林等［9］采用層次分析法與熵值法計算特征指標的權重系數，運用線性加權法構建輸故障風險等級的量化評估模型。王豐等［10］提出了一種航空裝備故障損失等級的可拓精準判定方法。葛偉鳳［11］采用基于故障類型和影響分析法相結合，進行故障等級劃分等等。

上述結果顯示，目前國內外對設備進行故障評級正在朝著定量分析的方向不斷豐富發(fā)展，但是在油田設備應用研究方面，目前基本處于常規(guī)階段性保養(yǎng)，發(fā)現問題后開展維修工作，采用智能監(jiān)控、系統(tǒng)診斷及預防性保養(yǎng)維護工作開展緩慢，影響目前國有企業(yè)開展精細管理及降本增效等工作。針對以上情況，本文在現有實驗監(jiān)控平臺基礎上，采用一種基于AHP（層次分析法）的故障等級評價方法，實現油田設備各故障模式的等級劃分。該方法在油田現場得到了較好地應用效果、故障響應，滿足現場“診斷—保養(yǎng)—維護—維修”需求。

1 基于AHP的故障評級方法

層次分析法是由SAATY T［12］為解決多目標決策問題而提出的定性與定量相結合的一種分析方法，其優(yōu)勢在于能夠系統(tǒng)化、層次化地確定復雜系統(tǒng)中多項指標的權重系數，從而形成一個綜合的量化指標，幫助指導決策。本文采用此方法對柱塞泵進行故障評級，具體實現步驟為：

（1）建立故障分層評價結構模型。對柱塞泵現場統(tǒng)計歸類的常規(guī)故障建立故障分層評價結構模型。

（2）計算權重并構建權重矩陣P。通過對柱塞泵進行系統(tǒng)全面的FMECA分析，將9標度與FMECA分析中的嚴酷度一一對應進行比較，建立判斷（成對比較）矩陣Y并進行一致性檢驗，最終確定權重構建權重矩陣。嚴酷度與9標度對應關系見表1。

表1 嚴酷度與9標度對應關系Tab.1 Correspondence between severity and 9-scale

根據表1得到的判斷（成對比較）矩陣Y可采用求和法求出其最大特征根λmax及所對應的權向量w，接著對判斷（成對比較）矩陣Y進行一致性檢驗。一般地，當一致性比率CR＜0.1或λmax=n，CI=0時，認為判斷（成對比較）矩陣Y的不一致程度在容許范圍之內，有滿意的一致性，通過一致性檢驗［13］，因此可用Y的特征向量代替權向量，即權重矩陣P=wT。否則需要重新構造判斷（成對比較）矩陣Y，對yij加以調整。

（3）確定模糊判斷矩陣R。確定模糊判斷矩陣就是確定各故障層次的原因集對故障等級的隸屬關系矩陣。

根據故障的最終影響程度，可將其分為4個故障等級：致命故障、嚴重故障、一般故障和輕微故障［14-16］，表2為四維故障等級劃分集。

表2 四維故障等級劃分集Tab.2 Four-dimensional failure level classification set

（4）生成故障等級評判矩陣E。利用權重矩陣和模糊判斷矩陣，進行矩陣相乘運算，得到分層次故障等級評判矩陣。以此類推，得到上一級故障等級評判矩陣。即：

式中P——權重矩陣；

R——模糊判斷矩陣；

°——模糊運算符。

（5）故障評級確定。將得到的故障等級評判矩陣E與故障量化向量X進行綜合計算，得到故障等級的量化值S，計算公式如下［17］：

式中X高——各故障量化范圍上限值組成的故障量化分向量；

X低——各故障量化范圍下限值組成的故障量化分向量；

通過將求得的故障量化范圍（S低，S高）與表2相結合可確定故障等級。

2 實例應用

實例地處陜西省西北角、榆林市最西端的定邊縣，其所在的鄂爾多斯盆地致密油資源豐富。選取XX采油廠在實際運行過程中故障率高、維修費用大的柱塞泵液力端開展基于AHP故障評級。

2.1 搭建故障分層評價結構模型

柱塞泵主要由動力端、液力端、動力傳動部分、潤滑系統(tǒng)及安保系統(tǒng)5部分組成。根據現場工況及實際情況，搭建液力端部分故障分層評價結構模型，如圖1所示。

圖1 液力端部分故障分層評價結構模型Fig.1 Hierarchical evaluation structure model of hydraulic end failures

2.2 構建權重矩陣

根據9標度與嚴酷度之間的一一對應關系，構造第2層次的判斷矩陣，分別如表3，4所示。

表3 判斷矩陣B1Tab.3 Judgment matrix B1

表4 判斷矩陣B2Tab.4 Judgment matrix B1

由此可求得判斷矩陣并通過一致性檢驗，進而得出第2層次的權重矩陣，如表5所示。

表5 權重矩陣Tab.5 Weight matrix

2.3 模糊判斷矩陣

根據表1，2和現場反饋結果設計相應的問卷調查作為參考，依據故障分層評價結構模型采用專家打分法進行打分。本文通過10位專家打分取平均值得出結果如表6所示。

表6 專家打分結果Tab.6 Expert scoring results

對表6中數據歸一化處理后可確定第2層次的模糊判斷矩陣如下：

2.4 故障等級評判矩陣

由上可生成第2層次故障等級評判矩陣如下：

E1=P1°R1=（0 0.2005 0.3056 0.4869）

E2=P2°R2=（0 0.2384 0.3736 0.3880）

2.5 故障評級確定

由表2構造故障量化向量為：

由上可知，柱塞泵常規(guī)故障中液力端部分的故障量化范圍分別是（69.670 2，88.845 4）、（65.870 1，86.726 9），由表2查得該故障量化范圍都屬于60＜C≤90之間，對應故障等級均為C。因此，在維修決策中需要對該故障作為重點對象來進行分析研究。

2.6 結果分析

圖2示出柱塞泵狀態(tài)監(jiān)測與故障診斷平臺。本平臺主要采用邊緣計算技術對其振動指標進行狀態(tài)監(jiān)測，在線實現設備運行故障智能預警，并對數據進行理論分析，驗證系統(tǒng)給出的故障等級評價結果的正確性。

圖2 柱塞泵狀態(tài)監(jiān)測與故障診斷平臺Fig.2 Plunger pump condition monitoring and fault diagnosis platform

通過狀態(tài)監(jiān)測與故障診斷平臺發(fā)現，在2021年4月12日至4月19日時間段出現三級報警響應，顯示的故障結果為可明顯聽到進排液閥的閥腔內出現不均勻的碰撞聲。因此，對該時間段的振動數據運用振動基礎理論進行分析驗證，主要過程如下：

機組柱塞輸出端與十字頭測點從2021年4月16日20時刻開始，高頻加速度存在著持續(xù)上升的趨勢，說明設備開始出現劣化，有可能出現故障。柱塞泵高頻加速度多趨勢分別如圖3所示（圖中16k表示采樣長度，一般值為102 4的整數倍，即：16×102 4；（2～20 000）表示頻率分辨率）。同時，可看出柱塞輸出端低頻加速度從2021年4月18日22時刻開始同樣存在明顯抬升，產生劣化趨勢。柱塞泵低頻加速度多趨勢如圖4所示。

圖3 柱塞泵高頻加速度多趨勢Fig.3 Multiple trends of high frequency acceleration of plunger pump

圖4 柱塞泵低頻加速度多趨勢Fig.4 Multiple trends of low frequency acceleration of plunger pump

將柱塞輸出端振動上升前后狀態(tài)進行對比分析可知，時域波形中的波形沖擊形態(tài)發(fā)生明顯改變，由原來的尖刺狀沖擊衍變成大團簇狀的周期性沖擊特征，說明柱塞泵在運行過程中存在沖擊性振動，可初步判定柱塞泵產生故障。柱塞泵多時域波形如圖5所示。

圖5 柱塞泵多時域波形Fig.5 Multiple time domain waveform of plunger pump

綜上分析可知，機組柱塞輸出端及十字頭測點振動上升，可能是由于柱塞泵的密封或液閥組件存在異常，通過現場檢修發(fā)現柱塞泵液力端的排液閥閥座已損壞，遂更換。重新啟動設備運行一段時間后進行信號驗證，目前柱塞泵振動明顯下降，趨勢相對平穩(wěn)且運行正常，大大避免了小事故醞釀大事件的發(fā)生。檢修后柱塞泵多趨勢如圖6所示。

圖6 檢修后柱塞泵多趨勢Fig.6 Multiple trends of plunger pump after overhaul

由以上分析可看出，采用基于AHP的故障等級評價方法得出的故障評級結果與實際過程中系統(tǒng)報警響應分析得出的診斷結果具有良好的一致性。該方法有效減少了危險因素干擾，能較好地指導維修保養(yǎng)工作，實現第一時間停泵檢修，減少過度維修和更換備件，避免故障擴大，降低了主要部件損傷可能性，節(jié)省了維修費用。

以此類推，通過應用上述的AHP方法可分析得出柱塞泵常規(guī)故障情況及故障評級結果見表7。

表7 柱塞泵常規(guī)故障及故障評級Tab.7 Common faults and fault rating of plunger pump

3 應用效果

通過對某油田采油單位現場30臺柱塞泵進行故障評級分析實驗，發(fā)現日常巡檢頻率由以前90次/月下降至15次/月，維護費用顯著降低，尤其是大修費用降低20%左右，設備運行時間提升15%，計劃維護時間提升25%，應用效果明顯。

4 結論與建議

（1）AHP方法能較好地為油田用泵實現分析、決策、預警、控制提供定量的依據。其關鍵在于判斷矩陣的建立，因此注重指標權重的正確性，建立出科學、合理的判斷矩陣，進而提高評價結果的有效性顯得尤為重要。

（2）故障評級分析方法能客觀地評估柱塞泵的故障程度，有效指導現場柱塞泵監(jiān)控及維護管理，可有效降低日常柱塞泵巡檢頻次至15次/月，減輕現場人員巡檢強度，提升了巡檢質量，大修費用降低了20%左右，設備運行時間提升了15%，計劃維護時間提升了25%，為柱塞泵的現場狀態(tài)監(jiān)控管理水平提升提供理論依據。

（3）故障等級評價具有很好地篩選、過濾、提醒作用，與設備監(jiān)控平臺故障診斷圖譜之間有較強關聯(lián)度，既有利于現場管理人員利用SCADA平臺上進行集中監(jiān)控，又有利于管理人員直接指導現場維修人員開展維護工作，提高工作效率。

（4）現場以泵為主導，充分利用注水管線及生產現場采集的視頻、流量、壓力、溫度及其它數據信息，通過大數據分析平臺以及大數據標準化的支撐，結合平臺診斷與現場工藝運行，建立更加快速高效的故障搶維修機制，實現故障預測與健康管理，這將是下一步研究重點工作。