張 杰 馮 偉 宋 雷劉明磊 李桂青

(1.中國石油化工股份有限公司中原油田普光分公司 四川達(dá)州 635000；2.廣州機(jī)械科學(xué)研究院有限公司 廣東廣州 510700；3.中原油田分公司天然氣產(chǎn)銷廠 河南濮陽457001)

智能制造代表著未來先進(jìn)制造業(yè)的發(fā)展方向。在智能制造環(huán)境下，石化企業(yè)現(xiàn)有大型技術(shù)裝備的運行維護(hù)管理受到空前的挑戰(zhàn)，動設(shè)備(如離心壓縮機(jī)、往復(fù)壓縮機(jī)、煙汽輪機(jī)、離心泵等)潤滑安全工作是設(shè)備管理工程的重要內(nèi)容之一[1-4]。

動設(shè)備中高轉(zhuǎn)速、高溫設(shè)備居多，對系統(tǒng)潤滑要求較高[5]，并且各工藝環(huán)節(jié)涉及易燃?xì)怏w、液體介質(zhì)，潤滑故障可能會造成災(zāi)難性后果[6]。通過油液檢測可及時發(fā)現(xiàn)系統(tǒng)潤滑存在的問題,是保障機(jī)組安全運行的重要方法之一。

本文作者研究的基于機(jī)電液一體化的油液在線安全監(jiān)控與智能預(yù)警系統(tǒng)，融合了傳感技術(shù)[7-9]、網(wǎng)絡(luò)通信、大數(shù)據(jù)和故障診斷，可對潤滑系統(tǒng)的性能指標(biāo)進(jìn)行在線實時監(jiān)測并預(yù)警潤滑故障[10-12]。

1 油液在線監(jiān)測系統(tǒng)

在線安全監(jiān)控與智能預(yù)警系統(tǒng)包含上下位機(jī)兩部分，下位機(jī)的功能是檢測、采集數(shù)據(jù)，上位機(jī)的主要功能是分析處理數(shù)據(jù)，通過專家診斷系統(tǒng)診斷，發(fā)出告警并給出整改建議。

在潤滑主油路或者油箱設(shè)計監(jiān)測支路，使用微量泵構(gòu)建流體循環(huán)系統(tǒng)連接支路，構(gòu)成潤滑油通路。在流體循環(huán)系統(tǒng)中集成各類油液傳感器，通過數(shù)據(jù)采集模塊收集實時數(shù)據(jù)傳送至下位機(jī)；上位機(jī)預(yù)處理下位機(jī)數(shù)據(jù)后，通過專家診斷系統(tǒng)中的診斷規(guī)則對數(shù)據(jù)進(jìn)行分析，診斷結(jié)果實時顯示在上位機(jī)連接的顯示單元，從而對潤滑油品質(zhì)進(jìn)行實時監(jiān)測[13-15]。

其中微量泵、水分傳感器，黏度傳感器、污染傳感器和數(shù)據(jù)采集模塊構(gòu)成下位機(jī)與上位機(jī)進(jìn)行通信。圖1中，上下位機(jī)可通過有線或者無線方式連接，系統(tǒng)可通過網(wǎng)絡(luò)拓兼容多個下位機(jī)，上位機(jī)同時接收多個下位機(jī)信號，構(gòu)成遠(yuǎn)程在線分布式監(jiān)控系統(tǒng)。

圖1 在線監(jiān)控統(tǒng)框圖

系統(tǒng)軟件集成油品實時監(jiān)測、趨勢分析、報表查詢，故障預(yù)測及告警等功能。軟件界面如圖2所示。

圖2 在線監(jiān)測系統(tǒng)軟件界面

2 潤滑油劣化模型建立

潤滑系統(tǒng)中存在多個性能指標(biāo)同步或異步退化現(xiàn)象，并且各個性能參數(shù)的退化過程相互影響，其退化數(shù)據(jù)有一定的關(guān)聯(lián)性。同時，系統(tǒng)在工作過程中會不斷遭受外部環(huán)境的隨機(jī)沖擊影響。系統(tǒng)的失效過程通常是多個性能參數(shù)退化失效與隨機(jī)沖擊導(dǎo)致的突發(fā)失效之間相互競爭的結(jié)果。文中依據(jù)自回歸滑動平均模型(Auto Regression Moving Average Model，簡稱ARMA)及閾值的時間序列預(yù)測模型，在針對當(dāng)前對象的各性能退化直至失效之前預(yù)測系統(tǒng)的剩余壽命。

ARMA(p,q)模型認(rèn)為一個時間序列的相互依存關(guān)系表現(xiàn)在原始數(shù)據(jù)的延續(xù)性上，在某時刻的值受到歷史值和噪聲的影響。對于一個離散的時間序列{x1,x2,…,xn,…}，ARMA(p,q)數(shù)學(xué)模型表示為

xt=μ+φ1xt-1+φ2xt-2+…+φpxt-p+εt-θ1εt-1-…-θqεt-q

(1)

式中：xt是當(dāng)前值;μ是常數(shù)項;p和q是模型階數(shù);φi和θi是模型參數(shù);{εt}是白噪聲序列。

當(dāng)q=0時，ARMA(p,q)模型就退化成自回歸AR(p)模型，即

xt=μ+φ1xt-1+φ2xt-2+…+φpxt-p+εt

(2)

當(dāng)p=0時，ARMA(p,q)模型就退化成移動平均MA(q)模型，即

xt=μ+εt-θ1εt-1-θ2εt-2-…-θqεt-q

(3)

時間序列預(yù)測的條件是序列平穩(wěn)及單位根不存在。若測得當(dāng)前序列為非平穩(wěn)序列，該模塊將對序列進(jìn)行平穩(wěn)處理，再進(jìn)行平穩(wěn)檢驗；采用單位根檢驗(ADF)對序列進(jìn)行校驗，單位根檢驗序列中是否存在單位根：若存在，說明當(dāng)前序列為非平穩(wěn)時間序列。

(4)

根據(jù)ADF的零假設(shè)H0：當(dāng)σ=0時，原序列存在單位根，為非平穩(wěn)序列；假設(shè)H1：σ<0，原序列不存在單位根，即為平穩(wěn)序列。實際檢驗依據(jù)公式(4)，若式中3個任一模型的檢驗結(jié)果拒絕了零假設(shè)，認(rèn)為時間序列平穩(wěn)；當(dāng)3個模型的檢驗結(jié)果均拒絕零假設(shè)時，認(rèn)為時間序列非平穩(wěn)。

當(dāng)對象為平穩(wěn)序列后，進(jìn)行白噪聲檢驗。白噪聲序列的任何2個時點的變量不相關(guān)，序列中不存在明顯的動態(tài)規(guī)律，因此不能用歷史數(shù)據(jù)對未來進(jìn)行預(yù)測和推斷，通過觀察均值是否為0，方差是否恒定判定。若當(dāng)前序列不平穩(wěn)或為平穩(wěn)白噪聲序列，則不進(jìn)行預(yù)測。

檢驗當(dāng)前序列為平穩(wěn)非白噪聲后，使用ARMA(p,q)模型進(jìn)行分析。首先需要確定模型中的p和q值，ARMA(p,q)模型的階數(shù)主要是根據(jù)序列的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的拖尾性和截尾性來判斷，其對應(yīng)的模型如表1所示。

表1 ARMA模型定階基本原則

采用Weibull分布擬合各參數(shù)變量的分布情況，并基于極大似然法估計擬合函數(shù)的參數(shù)，結(jié)合熵值法確定各個參數(shù)變量的權(quán)重因子，建立聯(lián)合失效模型，同時計算出各個參數(shù)的劣化拐點。

由于油液性能參數(shù)存在協(xié)同失效的現(xiàn)象，基于ARMA時間序列預(yù)測模型及各個參數(shù)的控制線標(biāo)準(zhǔn)，建立機(jī)油壽命預(yù)測動態(tài)模型。根據(jù)ARMA模型對黏度和溫度做出預(yù)測，設(shè)置預(yù)測初始預(yù)測步長，即在協(xié)同退化過程中，判斷當(dāng)前各個序列的預(yù)測結(jié)果是否超過失效控制線，若預(yù)測值(forecast_value)低于(threshold_value)，則更新預(yù)測步長；反之，則判定油品發(fā)生失效，即達(dá)到使用壽命終點，各個計算步驟如圖3所示。

圖3 剩余壽命預(yù)測模型

3 數(shù)據(jù)分析

3.1 黏度及油溫趨勢分析

根據(jù)圖4所示的1#機(jī)組潤滑油黏度(40 ℃)、溫度分布趨勢，可知，黏度曲線和溫度曲線平穩(wěn)，無大幅波動，表明當(dāng)前油液黏度及溫度狀態(tài)穩(wěn)定，序列平穩(wěn)無異常。1#機(jī)組潤滑油黏度(40 ℃)、溫度分布直方圖如圖5所示。

圖4 在用油黏度(40 ℃)、溫度分布趨勢

圖5 1#機(jī)組在用油黏度(40 ℃)、溫度分布直方圖

3.2 分布擬合

文中采用分布函數(shù)如正態(tài)、對數(shù)正態(tài)、Weibull及Gamma函數(shù)擬合各屬性分布，由線浴盆曲線可知，設(shè)備的故障率在不同階段服從不同的分布，在初期、穩(wěn)定期及末期的數(shù)據(jù)特征也明顯不同，因此不同階段樣本數(shù)據(jù)的分布可表征序列變化的趨勢轉(zhuǎn)變。1#機(jī)組在用油在線監(jiān)測數(shù)據(jù)各屬性擬合概率圖如圖6—8所示，從分布規(guī)律上看，部分監(jiān)測參數(shù)屬性近似服從正態(tài)分布，如黏度、溫度，說明當(dāng)前狀態(tài)穩(wěn)定，黏度和溫度近似服從對數(shù)正態(tài)分布。

圖6 1#機(jī)組在用油黏度概率圖擬合曲線

由圖5顯示的1#機(jī)組潤滑油黏度(40 ℃)、溫度分布直方圖可得潤滑油黏度(40 ℃)、溫度近似成正態(tài)分布，說明分布擬合方法能驗證潤滑油檢測數(shù)據(jù)的準(zhǔn)確性。

3.3 時間預(yù)測序列

根據(jù)ARMA模型和ARMA定階基本原則，各序列經(jīng)ADF檢驗后的p值均小于0.05，滿足穩(wěn)定條件。圖9所示分別是1#機(jī)組在用油黏度、溫度及黏度變化率通過ARMA(p,q)預(yù)測模型預(yù)測的結(jié)果，紅色部分為預(yù)測值。預(yù)測結(jié)果表明，潤滑系統(tǒng)主要屬性如黏度、溫度、黏度變化率均在正常范圍。

圖7 1#機(jī)組在用油黏度變化率概率圖擬合曲線

圖8 1#機(jī)組在用油油溫概率圖擬合曲線

圖9 基于ARMA(p,q)模型的1#機(jī)組在用油監(jiān)測數(shù)據(jù)預(yù)測

4 預(yù)測結(jié)果驗證

根據(jù)近萬個在線監(jiān)測數(shù)據(jù)擬合分析表明，1#機(jī)組在用潤滑油黏度呈增加趨勢，如圖10所示。對比離線檢測數(shù)據(jù)(見圖11)可得在線監(jiān)測黏度增加趨勢與離線監(jiān)測黏度的變化規(guī)律一致。

圖10 在線黏度檢測結(jié)果

圖11 離線黏度檢測結(jié)果

綜上所述，基于ARMA模型能準(zhǔn)確預(yù)測潤滑系統(tǒng)的剩余壽命。在線檢測數(shù)據(jù)準(zhǔn)確、可靠，預(yù)測算法有一定的參考價值。

5 結(jié)論

介紹基于機(jī)電液一體化的油液在線安全監(jiān)控與智能預(yù)警系統(tǒng)，可用于大型機(jī)組潤滑油的黏度、水分、污染度、介電常數(shù)等多信息的集成檢測，實現(xiàn)了監(jiān)測系統(tǒng)油液狀態(tài)信息的采集處理和顯示、潤滑磨損狀態(tài)的診斷等功能。實際工程應(yīng)用表明，該系統(tǒng)的在線油液監(jiān)測數(shù)據(jù)(40 ℃黏度、水分、污染度)與離線油液檢測統(tǒng)計數(shù)據(jù)接近或處于大數(shù)據(jù)主分布范圍內(nèi)。因此，在線監(jiān)控與智能預(yù)警系統(tǒng)在線監(jiān)測數(shù)據(jù)準(zhǔn)確、可靠，可替代現(xiàn)場日常的離線檢測。

在線監(jiān)控與智能預(yù)警系統(tǒng)能及時預(yù)警潤滑系統(tǒng)潛在的潤滑故障風(fēng)險，在一定程度降低設(shè)備的維護(hù)成本和油品消耗，提升了石化企業(yè)設(shè)備潤滑運維管理質(zhì)量。根據(jù)被監(jiān)測設(shè)備的磨損狀態(tài)及其變化趨勢，可為設(shè)備管理人員制定停機(jī)維修計劃提供科學(xué)依據(jù)。