何成善 華 成

酒泉鋼鐵（集團）有限責任公司 嘉峪關 735100

0 引言

隨著市場競爭的加劇，在保障設備高效運行的前提下盡可能降低維修成本已成為企業(yè)追求的目標。從工業(yè)化大生產至今，設備維修大致經歷了事后維修、預防維修、狀態(tài)維修或預知維修3 種方式。狀態(tài)維修或預知維修方式以設備的運轉參數(shù)為依據(jù)[1]，利用先進的測試技術進行設備狀態(tài)監(jiān)測和故障診斷。

落后的設備維修方式造成設備欠維修和過維修情況嚴重。統(tǒng)計數(shù)據(jù)顯示，設備維修過程中檢查事項約占檢修量的25%以上。一方面浪費檢修人力，影響設備檢修周期制定的合理性（設備維修標準制定了檢查周期），增加了設備維護成本并降低了生產線效率；另一方面不必要的拆開檢查影響了設備安裝精度，降低了設備壽命，增加了備件投入。根據(jù)日本新日鐵公司數(shù)據(jù)，采用設備狀態(tài)監(jiān)測和故障診斷技術后，每年維修費用降低10%[2]。

旋轉機械（如風機、泵、壓縮機、電動機、減速器、軸承等）作為各行業(yè)關鍵設備，對其進行狀態(tài)檢測與故障診斷是開展設備狀態(tài)維修的核心和重點[3]。統(tǒng)計數(shù)據(jù)顯示，2020 年某鋼鐵公司發(fā)生機械設備故障或事故47 起，其中旋轉類機械設備17 項，占比36%。結合企業(yè)實際情況，在充分掌握國內外旋轉機械振動監(jiān)測與故障診斷實踐經驗及新技術的基礎上，以不同的機械部件類別及故障類型為依據(jù)，分類設計面向風機、減速器、軸承等旋轉機械的狀態(tài)監(jiān)測及故障診斷系統(tǒng)，對降低企業(yè)設備維護費用，提高設備維檢水平具有重要意義。

1 旋轉機械監(jiān)測診斷理論

一些先進的理論和方法當前已應用到了設備狀態(tài)監(jiān)測與故障診斷技術領域。在旋轉機械方面已普遍應用了傅氏譜為基礎的信號分析方法（包含倒譜、包絡譜、高階譜），同時發(fā)展了Wigner-Ville 分布、短時Fourier變換等瞬變特征及非平穩(wěn)信號分析工具。目前，基于小波分析的信號處理統(tǒng)一框架通過優(yōu)化匹配故障波形和基函數(shù)，極大增強了振動信號的處理能力。全息技術由于充分利用了轉子相位信息，在幅頻分析的基礎上已成為旋轉機械監(jiān)測診斷的重要手段[4，5]。

對微弱信號的分析是實現(xiàn)設備故障早期識別的有效手段，也是近年來國內外研究重點。美國杜克大學將小波變換應用于旋轉機械的瞬時振動分析取得了成功；日本九州工業(yè)大學通過基因算法成功分析了滾動軸承微弱故障。國內的研究也有較大突破，國防科技大學將隨機共振理論應用于轉子碰撞的早期診斷并取得了成功；清華大學將小波尺度譜成功應用于了微弱信號的分析；重慶大學將Hilbert-Huang 變換研究成果成功應用于了旋轉機械的微弱信號診斷；西安交通大學研究了復雜機電系統(tǒng)的早期故障分析理論與方法，取得了顯著成果[6-8]。

2 故障的早期識別

2.1 軸承微弱故障信號識別

通常情況下，軸承的早期故障在振動信號方面表現(xiàn)為微弱的沖擊脈沖，這種沖擊信號在系統(tǒng)振動中很容易被忽略。然而，非線性流形學習在實現(xiàn)數(shù)據(jù)間幾何關系和距離測度不變的同時，通過觀測空間卷曲的流形發(fā)現(xiàn)內部的主要變量，從而實現(xiàn)早期沖擊故障信號的識別[9]。

圖1 流形學習的軸承微弱故障特征識別

2.2 減速器微弱故障信號識別

電動機的電流信號包含了被驅動設備的相關狀態(tài)信息，但該狀態(tài)信息在電流信號方面表現(xiàn)微弱并且譜線密集，難于識別。因此，有必要應用電動機電流微弱特征信號識別技術（電流信號循環(huán)平穩(wěn)分析）來分離出電動機電流中包含的減速器微弱故障信號[11]，如圖2 所示。

圖2 基于電動機電流的減速器微弱故障信號識別

2.3 壓縮機微弱故障信號識別

壓縮機喘振故障普遍且危害大，目前主動預警技術是避免喘振的重要技術手段。在實際應用技術方面，通過頻譜細化并結合快速相關積分法，可以有效分析壓縮機喘振故障的微弱非穩(wěn)定能量信號的發(fā)展變化規(guī)律，從而識別壓縮機的喘振故障。壓縮機喘振的微弱信號識別如圖3 所示。

圖3 壓縮機喘振的微弱信號識別技術

2.4 風機動態(tài)自適應劃分與報警

如圖4 所示，針對風機狀態(tài)個性化發(fā)展變化的特點，基于風機自身的動態(tài)監(jiān)測數(shù)據(jù)建立自適應模型，削弱干擾因素影響，在高維特征空間中，連續(xù)提取出與狀態(tài)變化同步的監(jiān)測數(shù)據(jù)分布特征，設置報警閾值，實現(xiàn)自適應的風機狀態(tài)劃分；同時構造適應個性化現(xiàn)場環(huán)境與設備運行特征的異常狀態(tài)監(jiān)測方法，以避免機組不合實際的報警甚至停機的情況發(fā)生，提高機組的運行效率。

圖4 風機的自適應動態(tài)報警分析

3 分類別旋轉機械故障診斷系統(tǒng)的構建

3.1 系統(tǒng)總體框架

系統(tǒng)的總體框架結構如圖5 所示。用戶界面層實現(xiàn)用戶與狀態(tài)監(jiān)測層、故障診斷層以及數(shù)據(jù)庫的交互；數(shù)據(jù)層主要用來管理系統(tǒng)中的數(shù)據(jù)；故障監(jiān)測層實現(xiàn)設備狀態(tài)信息的分析及監(jiān)測；故障診斷層是故障特征庫的建立及故障診斷模型的設計，實現(xiàn)故障診斷的功能。

圖5 系統(tǒng)的總體框架結構

3.2 軟件開發(fā)環(huán)境及數(shù)據(jù)庫選擇

1）軟件開發(fā)環(huán)境

選擇程序開發(fā)環(huán)境的原則是考錄其是否擅長于完成所需要實現(xiàn)的功能，同時所選軟件也必須具有通用性，以便與不同的設備配合使用。

對于編制具有視窗界面風格的軟件，可視化編程工具和圖形化編程工具2 類目前使用較普遍?？梢暬幊坦ぞ甙?Visual Basic、Visual C++、Delphi 等開發(fā)環(huán)境。對于開發(fā)人員而言要求其編程能力和硬件知識的掌握程度較高，使得軟件開發(fā)周期長、成本增加，同時軟件的移植和維護、可再用性、可重新配置能力也是費時費力且相對困難。圖形化的編程環(huán)境當前市場上代表產品是VEE（Visual Engineering Environment，可視化工程環(huán)境）和LabVIEW。

綜合各種軟件開發(fā)環(huán)境的比較，本文選用LabView語言，其滿足了 GPIB、VXI、PXI、RS-232、和RS-485 以及數(shù)據(jù)采樣卡等硬件通訊的全部功能，還內置了便于應用 TCP/IP、ActiveX 等軟件標準的庫函數(shù)。

2）選擇數(shù)據(jù)庫

目前，商品化的數(shù)據(jù)庫管理系統(tǒng)以關系型數(shù)據(jù)庫為主導產品，技術比較成熟。國際的主導關系數(shù)據(jù)庫管理系統(tǒng)有Oracle、Sybase、Informix、Ingres 和MS SQL Server 等。由于本文處理的數(shù)據(jù)是海量的和非常規(guī)類型（如波形數(shù)據(jù)）的機組運行狀態(tài)數(shù)據(jù)，故在選擇系統(tǒng)的數(shù)據(jù)庫管理系統(tǒng)時主要從實時性、安全性、構造數(shù)據(jù)庫的難易程度、程序開發(fā)的難易程度、并行處理能力、容錯能力、對分布式應用的支持、數(shù)據(jù)庫管理系統(tǒng)的性能等方面進行考慮。

MS SQL Server 是目前數(shù)據(jù)庫市場上較為成熟的產品，同時由于系統(tǒng)的 Web 程序是構架在.net 平臺上的，為了達到與數(shù)據(jù)庫系統(tǒng)更好的無縫集成性，系統(tǒng)選用了SQL Server 作為系統(tǒng)后臺開發(fā)的數(shù)據(jù)庫系統(tǒng)。

3.3 狀態(tài)監(jiān)測

狀態(tài)監(jiān)測是在設備運行中掌握設備狀態(tài)并分析故障的技術，開發(fā)系統(tǒng)具備在線和離線2 種使用功能，如圖6 所示。分析手段包括時域分析、頻域分析、全息分析、軸心軌跡分析、能量彩圖分析、沖擊脈沖分析、三維譜陣分析等。系統(tǒng)根據(jù)不同設備類型（故障特征不同）匹配不同的分析方法。除常規(guī)診斷分析方法外，非平穩(wěn)信號分析的短時Fourier 變換、小波分析及全息分析技術在本系統(tǒng)中選擇應用，主要目的是提高故障分析的準確率。

圖6 本項目設備狀態(tài)監(jiān)測系統(tǒng)構成及功能簡圖

3.4 故障診斷

故障診斷主要技術內容包括文檔建立和診斷實施2部分，文檔建立的目的是確定故障的基準模式，診斷實施則包括信號檢測，特征提取，狀態(tài)識別和預報決策4個部分，如圖7 所示。

圖7 旋轉機械故障診斷系統(tǒng)構成及功能簡圖

3.5 故障特征庫（檔案庫）

為提高故障診斷準確性，本文描述的旋轉機械故障診斷系統(tǒng)，其主要特征是基于不同機械部件類別建立不同的故障檔案庫，主要涉及風機、軸承、減速器3 類旋轉機械，在系統(tǒng)中以典型故障類型對不同旋轉機械的故障數(shù)據(jù)進行分類組織，分別建立各自的故障特征庫。故障檔案庫的邏輯結構相同，如圖8 所示。

圖8 故障特征數(shù)據(jù)庫邏輯結構

3.6 振動標準選擇

系統(tǒng)的開發(fā)過程參照ISO 18436 標準，主要考慮該標準推薦用于設備診斷的事項有29 項，其在診斷工作建設上、檢測手段使用上、采樣測點設置上，以及評價判據(jù)的對比上，都有極好的借鑒意義，能夠提高系統(tǒng)規(guī)范性。

4 系統(tǒng)應用

在軟件開發(fā)的基礎上，構建了基于不同機械部件類別的旋轉機械故障診斷平臺。平臺主要包括分析工具選擇模塊和故障案例庫模塊2 部分，分析工具選擇模塊用于設備狀態(tài)分析；故障案例庫模塊主要用于故障診斷。其中，根據(jù)不同設備類型選擇分析方法并根據(jù)不同設備類型建立故障檔案庫有效提高了設備狀態(tài)監(jiān)測及故障診斷的準確率。

開發(fā)的軟件平臺對某鋼廠爐卷軋機機組的芯軸減速器開展了頻譜分析。如圖9 所示，在垂直方向上軟件平臺監(jiān)測到2 個非同步頻率，同期對減速器進行了維護，消除了齒側隙超標的設備故障隱患。

開發(fā)的軟件平臺對該鋼廠爐卷軋機機組的軋機主傳軸承開展沖擊脈沖分析。如圖10 所示，軸承的沖擊脈沖值出現(xiàn)上升趨勢，經過檢修排查，明確是由于潤滑油進水引起的故障，更換潤滑油后消除設備故障隱患。

圖10 軸承沖擊檢測示例

5 結語

本文基于不同設備類別，分類構建的旋轉機械故障診斷系統(tǒng)實現(xiàn)了風機、減速器、軸承3 類旋轉機械的設備狀態(tài)檢測和故障診斷功能，分類搭建提高了故障分析與診斷的準確率，對降低企業(yè)設備維護費用，提高設備服務生產的能力都具有顯著作用和重大價值。