远程故障预警与故障诊断在设备状态维修中的应用

远程故障预警与故障诊断在设备状态维修中的应用

马志龙

中国石化塔河炼化有限责任公司新疆库车县842000

摘要：为解决传统设备维修策略(计划维修、定期维修等)存在的过剩维修、维修不足及维修过程中产生的二次故障等问题，实现基于设备运行状态的智能维修模式，借助物联网技术、故障诊断技术、设备多指标健康综合评估技术、人工智能技术及大数据预警技术，集成开发一种基于远程故障预警、故障诊断及设备运行状态的维修诊断系统。本系统的开发及推广使用，可以将分布在不同地域的各种设备通过物联网技术统一管理起来，形成具有资源共建共享、协同服务、分散监测、早期预警、发现故障到故障处理的闭环管理模式、集中管理与智能诊断的分布式系统。此系统的实现可以提供常规的设备报警(阈值报警)、振动分析方法及特色振动分析方法(全矢谱分析方法)、大数据预警及智能诊断等功能。此外，此系统提供的远程专家诊断平台可以形成规范的诊断数据库、诊断规则库，进一步实现重点关键设备的智能诊断、早期预警及状态维修，实现企业生产资源优化配置及经济效益的最大化。

关键词：远程故障预警故障诊断状态维修智能诊断早期预警

中图分类号：TP206

Theapplicationofremotefaultearlywarningandfaultdiagnosisintheequipment’statusmaintenance

MaZhilong

(SinopecTaheRefiningandChemicalCo.,Ltd,No.573TianshanRoad,KucheCountry,Xinjiang，842000)

Abstract：Theproblemsofsurplusmaintenanceandinsufficientmaintenanceexistinthetraditionalequipmentmaintenancemethodssuchasscheduledmaintenanceandregularmaintenance.Inordertosolvetheaboveproblemsandrealizetheintelligentequipmentmaintenancemode,anddrawthetechniquesofinternetofthings,faultdiagnosis,overallevaluation,artificialintelligenceandbigdataearlywarningtodevelopamaintenanceanddiagnosissystembasedonremotefaultearlywarning,faultdiagnosisandequipmentstatusmaintenance.Thelaunchandpopularizationoftheprojectcouldmanageallkindsofequipmentdistributingindifferentregionsthroughthetechnologyofinternetofthings,andresourcecoordinationconstructionandsharing,cooperativeservice,distributedmonitoring,earlywarning,theclosedloopmanagementmodeofearlyfaultmonitoringtofinalhandling,centralizedmanagementandintelligentdiagnosiscouldalsobeformedinthesystem.Therealizedsystemcouldofferthefunctionsoftraditionalequipmentwarningmethod,kindsofcommonusedvibrationanalysismethodsanduniquevibrationanalysismethod(fullvectorspectral),bigdataearlywarningandintelligentfaultdiagnosisandsoon.Besides,theremoteexpertdiagnosisplatformisalsoprovidedintherealizedsystemtoformthestandarddiagnosisdatabase,diagnosisrulebasewhichprovidesthefirmfoundationtorealizetheintelligentfaultdiagnosis,earlywarningandstatusmaintenanceofthekeyequipment..

Keywords：Remotefaultwarning;Faultdiagnosis;Statusmaintenance;Intelligentdiagnosis;Earlywarning

0背景及意义[资助资金来源()]

随着现代石化企业大型机组的大量投运，石化设备朝着高速化、自动化及集群化方向快速发展，引起的设备运行风险也随之增加，企业追求经济效益最大化的同时，就要求企业自身不断提高其设备管理水平和技术水平。然而，大多石化企业面临如下问题：1)石化企业多数已部署了SIS、MIS等系统，并在生产管理中发挥一定的作用，但是普遍存在应用深度、数据挖掘不够等情况，一定程度上造成了数据和资源的浪费，无法为机组的经济性、可靠性管理提供相对全面、可靠的依据；2)目前，石化企业多数采用传统的基于现场的故障诊断技术服务模式，但由于受到人力、技术及地域的限制，很难满足工业现场诊断实时性的需要；3)传统设备维修模式如定期维修、事后维修及计划维修等存在着维修不足或过剩维修等问题。随着计算机技术、人工智能、物联网技术及大数据预警技术的发展，国内、外研究者开发的基于网络技术的诊断系统的研究和使用在一定程度上解决了上述传统故障诊断及维修模式的弊端[1-3]。如美国BENTLY公司研制的3500系列振动监测系统已经用于国内多座电站转机类设备的状态监测，它通过多种传感器采集数据，并提供连续、在线监测功能。然而这些系统仅仅提供常规的监测数据显示、振动分析等功能，缺乏有效的大数据预警及智能诊断等功能。本系统围绕石化行业设备健康状态监测及评估、状态维修问题的解决，借助物联网技术、设备多指标健康评估技术、人工智能技术及大数据预警技术，集成开发一种适用于石化行业设备管理的设备健康监测评估系统，力求实现石化行业设备“无人值班、少人值守”的管理目标，减少工程现场管理对人员经验、能力和数量的依赖，在保证工程安全的前提下，提高管理的经济性，综合提升石化行业的现代化管理水平。

1系统总体目标

总体目标如图1所示

?保障设备安全运行；

?实现“零事故”、实现预知维修及综合智能维修；

?提高设备效能，实现绿色节能。

图1系统总体目标

具体目标如下：

适应时代技术发展的需要。21世纪是物联网+的时代，此项目的开展正是适应物联网+时代技术和服务模式而构建的，真正实现了石化设备监测、诊断及服务的新模式；

实现石化设备的状态监测、故障诊断及预知维修的综合功能，保证关系到国计民生-石化设备的正常高效运转；

为我国智慧石化建设的实现提供有效软、硬件及技术支撑，推动我国由传统石化管理模式向现代化模式转变；

真正改变石化传统事后维修及定期维修的设备管理模式，实现预知维修模式，实现经济及安全效益的最大化。

2系统总体思路及软、硬件实现框架

系统总体架构思路如图2所示，以华能设备管理所面临的监管技术落后、设备运行趋势难预测等诸多实际难题为出发点，以监管技术云端化、状态预测智能化等为研究思路，以物联网技术、大数据预警及人工智能等为相应的解决方案，以系统网络化、专业技术工程化等为主要研究任务，最终实现石化设备管理规范化、设备监测技术专业化、故障诊断智能化及设备维修预知化！

图2项目总体架构思路

3研究内容

根据项目的总体目标及功能需要，项目主要研究内容有以下四个主要模块：

构建并实现拥有完整自主知识产权的石化行业智能设备监测诊断一体化平台；

构建石化设备健康评价体系；

多源监测与智能诊断相结合的系统开发与应用；

石化行业关键设备大数据预警平台建设。

3.1智能设备监测诊断一体化框架设计

设备安全监控一体化设计框架的实现分为框架硬件实现及框架软件实现。其中，硬件实现拓扑图如图3所示：实现了设备监测、巡检及其他相关数据的采集、传输、储存及最终在基于B/S结构系统中的数据展示、分析图谱展示及分析结果展示等相关流程。

3.2构建石化设备健康评价体系

反映机电设备健康的指标是多个的，不同的指标反映了设备的某一项运行环节，机组的状态往往取决于状态最差的环节。为实现设备运行健康的有效评估，根据“短板原理”，基于多指标的火电健康评估技术采用了如图5所示的7大指标来反应机组的总体健康状况。图5中每个单项指标均取值为1、2、3和4四个值分别表示良好、可用、需维修、危险四个级别。

为了计算总体健康指标，考虑到不同指标对于机组总体健康状况影响程度不同，采用不同权值来进行总体结果计算，用式(1)表示，表示设备综合评价值；V表示振动评价值，表示相应的振动权值；T表示温度评价值，表示相应的温度权值，其他符号类推。为使现场设备的总体健康状态更易于掌握，将总体指标按照其取值范围分为四级，分别为良好（绿色），可用（黄色），需维修（橙色），停机（红色）四级，如果提示为停机（红色）则表示现场必须停机。通过2-3个月运行和评估工作，确定合理权值，提高评价结果的合理性和真实性。

石化设备关键机组总体健康状态评价实现思路如图6所示。

3.3多源监测与智能诊断相结合的系统开发与应用

专家系统的出现最早可追溯到上个世纪六十年代Stamford大学E.A.Feigenbaum教授与遗传学教授J.Ledenberg研究出的DENDRAL系统。专家系统近十几年来得到了迅猛的发展并在机械、通讯、医学及模式识别等领域取得了广泛的应用[4-7]。然而随着信息技术的发展与应用，传统专家系统的应用与普及也面临着如下问题：

(1)知识瓶颈：很难从不同的知识源来获取知识，专家们常常无法明确地表述他们的推理过程；

(2)软件发行：更新软件和接口需要很多单独的、很花时间的安装和升级，这常常超越了用户的能力；

(3)分布式的应用软件间的通信：缺乏知识转化的公共协议倾向于阻碍涉及协作和动态信息共享的设计。

随着计算机网络信息技术的不断发展，专家系统正逐步与因特网、数据库等主流技术结合在一起，成为智能应用的一大特色。本项目基于WEB技术的专家系统总体框架如图7所示，诊断流程如图8所示，核心诊断逻辑如图9所示。此系统相对于现有大多专家系统具有如下优点：

(1)可以将现场数据通过网络及时地送到异地诊断中心以及相关领域专家的手中，从而减少了信息由于地域的问题而不能及时反馈企业由于技术人员不足而造成的经济损失；

(2)将众多专家的经验智慧和思想方法同计算机的巨大运算和分析能力结合，组成共享的知识库，实现专家系统的最高形式；

(3)为了解决基于Web专家系统的开发难度大通用性差的问题，专家系统引入Jess规则引擎。Jess是基于Java平台的，并具有良好的嵌入性和移植性，可以嵌入到Web系统中。Jess通过采用改进的Rete算法，从而使得Web专家系统具有很高的推理效率。

3.4石化关键设备大数据预警平台建设

大数据技术是近年比较热的一个课题，在图形处理、数据挖掘等领域已经取得了一定的应用[8-9]，但在故障诊断领域还鲜有应用研究。系统中的大数据平台包括大数据处理、预警及诊断。各模块功能如图10所示，其中大数据预警技术通过对设备海量历史运行数据的挖掘建模，对设备的在线健康状态进行实时量化评估。预警系统可以实时分析所有运行模式，包括稳定工况和变工况，因此可以尽可能早地从当前状态与正常运行状态的偏差提供早期预警。大数据预警流程如图11所示。

4结论

世界经济正加速向以网络信息技术产业为重要内容的经济活动转变。作为传统的石化企业，要在新一轮科技革命和产业变革中抢得先机，实现转型升级、跨越式发展，就必须应用物联网、云计算、大数据、人工智能等最新信息化技术，推动生产和管理向网络化、数字化、自动化、智能化转变。本系统基于网联网+技术、大数据等技术开发，使远程故障预警及故障诊断技术在设备状态维修中得以应用，并实现基于设备运行状态的智能维修方式，有效避免了传统维修模式的诸多弊端；大数据分析技术的使用，可以实现设备的微弱故障早期预警，有效避免的设备的突发性事故；人工智能诊断专家系统的使用，有效解决了设备管理人员专业知识不足的问题。本系统在石化行业设备管理中的应用和推广，不仅实现了设备的信息化、现代化管理模式，更能起到节能减排、企业经济效益最大化的目的！

参考文献

[1]潘罗平,周叶,唐澎,等.水轮发电机组状态监测技术的现状及展望[J].水电站机电技术,2008,31(6):1-6.

[2]EndrenyiJ,AboresheidS,AllanRN.Thepresentstatusofmaintenancestrategiesandimpactofmaintenanceonreliability[J].IEEETransactionsonPowersystem,2001,16(4):638-646.

[3]VukanPollac,JellcaPloomac.Assessmentofpresentmaintenancepracticesandfuturetrends[C].IEEETransmissionanddistributionconferenceandexposition.Atlanta,GA,USA,2001,2:891-894.

[4]倪松松,阳宁,李力等.基于扩展故障树的采煤机故障诊断专家系统研究[J].况冶工程,2015,35(2):15-19.

[5]管艳娜,李孝安.基于神经网络专家系统的推理研究[J].电子设计工程,2014,22(20):20-22.

[6]甘宜梧,谢清华,王波.生化分析仪辅助诊断专家系统的应用[J].中国医学装备,2016,13(12):160-162.

[7]韩岳松.专家系统在遥感图像处理中的应用探讨[J].西部探矿工程,2014,7:107-111.

[8]常俊生,刘慧青,张永杰.一种大数据背景下的图像特征提取算法[J].设计与实现,2017,4:79-82.

[9]李涛,曾春秋,周武柏等.大数据时代的数据挖掘-从应用的角度看大数据挖掘[J].STUDY研究,2015,41:1-24.