基于知識建模的智能故障診斷技術(shù)在煙草輔聯(lián)設(shè)備運維中的應(yīng)用

徐骕 XU Su；譚傳偉 TAN Chuan-wei；陳宗耀 CHEN Zong-yao

（江西中煙工業(yè)有限責(zé)任公司井岡山卷煙廠，吉安 343199）

0 引言

近年來，隨著工業(yè)化進程的不斷加速和信息化技術(shù)的飛速發(fā)展，數(shù)字化制造技術(shù)越來越受到人們的關(guān)注和重視。卷煙行業(yè)的生產(chǎn)設(shè)備（如卷包機組、制絲線等）幾乎已完成數(shù)據(jù)采集，具備相對完整的設(shè)備運行狀態(tài)和能耗監(jiān)測與智能報警功能。但是絕大多數(shù)企業(yè)的空調(diào)風(fēng)機、壓縮機、冷卻水泵、除塵風(fēng)機等輔聯(lián)設(shè)備仍停留在人工點檢的階段，而空調(diào)風(fēng)機更是由于被包裹在空調(diào)柜中運行時人員無法進入，長期以來處于監(jiān)測的盲區(qū)。故輔聯(lián)設(shè)備尤其是空調(diào)風(fēng)機的監(jiān)測和診斷問題急需解決。

1 應(yīng)用背景

1.1 維修模式

維修模式分為事后維修、定期維修和預(yù)測性維修[1]。這三種模式是維修管理發(fā)展的三個階段同樣也是三種選擇。事后維修，顧名思義就是待故障出現(xiàn)后再維修，該方式前期維護管理投入小但是維修成本通常很高。定期維修是有計劃地定期拆解檢查維修或部件定期更換，該方式參考重要指標就是時間間隔，所以容易出現(xiàn)維修過度或不足，同樣綜合維修成本較高。預(yù)測性維修是管理者通過一系列狀態(tài)監(jiān)測手段識別到設(shè)備的早期故障，根據(jù)生產(chǎn)任務(wù)、備件庫存、劣化程度等一系列因素綜合考慮確定維修時機。這種維修方式前期需要較多的投入，但是因為可以早發(fā)現(xiàn)早處理，綜合維修成本最低，對生產(chǎn)的影響也最小。

目前多數(shù)煙草生產(chǎn)企業(yè)維修模式還處在事后維修和定期維修相結(jié)合的階段，維修模式亟待進階。

1.2 應(yīng)用必要性

煙草工業(yè)中，空調(diào)系統(tǒng)承擔(dān)著通風(fēng)、控制溫度和濕度的任務(wù)，在煙草生產(chǎn)中至關(guān)重要，而空調(diào)風(fēng)機是空調(diào)系統(tǒng)的核心部件之一。一旦發(fā)生故障將影響其出力，繼而影響后續(xù)產(chǎn)品質(zhì)量，嚴重時將導(dǎo)致出現(xiàn)大量殘次品。這對其連續(xù)、穩(wěn)定、高效運行提出了很高的要求。風(fēng)機故障類型繁多，常見的主要包括：軸承故障、基礎(chǔ)松動和平衡故障。而振動監(jiān)測是諸多狀態(tài)監(jiān)測手段中可以完整呈現(xiàn)其健康狀況、嚴重程度和早期征兆也是最廉價的一種監(jiān)測方式。因此，通過振動監(jiān)測和基于人工智能和知識建模的智能算法進行故障診斷非常必要。

2 具體應(yīng)用

2.1 總體技術(shù)路線

構(gòu)建一個基于知識建模的智能診斷專家系統(tǒng)。采用以振動、溫度、電氣、工況等多個綜合指標為故障規(guī)則知識庫基礎(chǔ)，對于風(fēng)機（或水泵等）的基礎(chǔ)類故障、轉(zhuǎn)子類故障、滾動軸承故障等給出明確診斷結(jié)果和相應(yīng)的處理措施。具體技術(shù)路線如圖1。

圖1 技術(shù)路線圖

2.2 應(yīng)用對象

本次應(yīng)用的對象是代號為k7 的儲絲空調(diào)送風(fēng)機，運行方式為常開、變頻控制，常態(tài)運行下轉(zhuǎn)速1780RPM、功率75 千瓦、皮帶驅(qū)動，軸承型號為SKF 6217/C3。

2.3 數(shù)據(jù)采集

2.3.1 測點布置

傳感器信號準確性、穩(wěn)定性和合理性決定著健康評價和故障診斷結(jié)果的準確性，考慮到空調(diào)風(fēng)機結(jié)構(gòu)、功率等特點，選用了壓電式溫振一體式加速度傳感器，每臺風(fēng)機配置4 支。其中電機的驅(qū)動端豎直方向一支（V1），風(fēng)機輸入端的豎直方向一支（V2）、軸向一支（A2），風(fēng)機自由端豎直方向一支（V3）。傳感器通過打眼攻絲方式安裝，軸承座上攻M8*1.5 螺紋，深度約2mm，由于開孔較小且不會對設(shè)備內(nèi)部或其他精密部位進行任何改動，故不會對風(fēng)機等設(shè)備的安全性有任何影響。

2.3.2 采集傳輸

為確保信號傳輸?shù)姆€(wěn)定性采用了有線傳輸?shù)姆绞?，風(fēng)機柜內(nèi)信號線通過螺紋管和鍍鋅鋼管進行保護，將信號傳輸至故障診斷系統(tǒng)的核心硬件——采集器，其采用多通道同步采集的方式，采用ARM+DSP+FPGA 的架構(gòu)能提供強大的實時數(shù)據(jù)處理能力。D/A 輸出分辨率16bit，單通道速率1Hz～51.2kHz/ch 之間，22 種采樣頻率階梯可設(shè)置；總采樣速率≤500K 實時連續(xù)傳輸數(shù)據(jù)，＞500K 高速緩存模式傳輸數(shù)據(jù)。具有高性能的數(shù)據(jù)采集能力。

2.4 智能故障診斷

2.4.1 技術(shù)原理

頻譜是指一個時域的信號在頻域下的表示方式，可以對信號進行傅里葉變換而得。簡單來說，頻譜可以表示一個信號是由哪些頻率的弦波所組成，也可以看出各頻率弦波的大小及相位等信息[2]。

頻譜分析是指找出一個信號在不同頻率下的信息（如振幅、功率、強度或相位等）的方式，其是一種將復(fù)雜信號分解為較簡單信號的技術(shù)。頻譜分析是應(yīng)用最廣的旋轉(zhuǎn)機械故障診斷技術(shù)，通過頻譜分析能獲得各軸轉(zhuǎn)頻、各齒輪副嚙合頻率及其高次諧波等頻率成分的幅值、相位大小，分析比較同一頻率成分下幅值的變化或者有無新頻率成分出現(xiàn)，可以判斷設(shè)備故障類型、產(chǎn)生原因及故障的劣化程度[3]。在頻譜圖中可以通過分析頻率成分以及峰值大小找出引起部件振動的原因。例如對于低頻部分，主要與軸的轉(zhuǎn)頻相關(guān)。例如不平衡會引起所在軸1X 轉(zhuǎn)頻幅值增加，不對中故障易導(dǎo)致所在軸2X 轉(zhuǎn)頻的變化。對于中頻部分，主要與齒輪的嚙合有關(guān)。對于高頻部分，主要與軸承信號相關(guān)，由于軸承早期故障會激起高頻固有頻率，在信號中表現(xiàn)為軸承故障信號調(diào)制到高頻固有頻率，通過高頻解調(diào)分析可以解調(diào)出低頻故障信號。

對這些故障征兆進行標準化將旋轉(zhuǎn)設(shè)備分解為部件：包含轉(zhuǎn)子、軸承、齒輪、聯(lián)軸器等，對于不同部件提取不同的征兆列表形成故障分類和子類，并將該征兆列表作為數(shù)據(jù)字典。并形成標準故障代碼庫，見表1。

表1 故障診斷類型

利用故障推理機對提取的特征和故障規(guī)則庫中的規(guī)則進行對比即可實現(xiàn)智能故障診斷。具體技術(shù)原理圖如圖2。

圖2 智能診斷技術(shù)原理圖

如圖2 所示，智能故障診斷技術(shù)具體流程分為四步：

①監(jiān)測報警。智能故障診斷系統(tǒng)對接入數(shù)據(jù)進行集中監(jiān)測獲取報警信息。

②獲取建模信息。報警觸發(fā)診斷引擎獲取設(shè)備的建模信息，根據(jù)報警信息所在的通道定位機器的部位，獲取所有與機器相關(guān)聯(lián)的信息。

③故障征兆自動提取。 根據(jù)一定的流程，根據(jù)故障大致部位來確定要計算出哪些故障征兆，并形成征兆組。見圖3。

圖3 診斷邏輯圖

④故障推理機制的選用。 系統(tǒng)可靈活選用各類故障推理機制，故障結(jié)果推出后，系統(tǒng)可采用定制的方式進行綜合決策，以確定最終結(jié)果。

2.4.2 應(yīng)用難點及解決思路

①準確報警。報警準確率是衡量智能運維系統(tǒng)好壞的重要標志之一，常規(guī)系統(tǒng)的報警多采用單一的閾值報警模式（即達到設(shè)定值后報警），對設(shè)備健康監(jiān)測而言這種方式容易出現(xiàn)漏報（有故障未報警）和誤報（報警但無故障）。

解決思路：1）本項目的報警策略將綜合考慮時間、干擾、啟動、停機等眾多干擾因素，大大提高報警信息的可用性。依據(jù)ISO10816-3 國際標準、國家標準、廠級標準建立閾值報警標準。在此基礎(chǔ)上，依據(jù)歷史數(shù)據(jù)動態(tài)調(diào)整閾值報警標準，讓其更加準確。

2）基于長時間間隔和短時間間隔的多種變化率判定原則，建立變化率報警標準（即一定時間段內(nèi)數(shù)據(jù)變化超標也將觸發(fā)報警），便于發(fā)現(xiàn)設(shè)備早期異常征兆。

3）大數(shù)據(jù)預(yù)警。以單臺設(shè)備為單位，引入設(shè)備的轉(zhuǎn)速、壓力、電流、振動、溫度等數(shù)值，將設(shè)備運行相關(guān)的數(shù)據(jù)盡可能采集齊全，通過大數(shù)據(jù)建模的方式，對有代表性的“干凈數(shù)據(jù)”進行學(xué)習(xí)建立單臺設(shè)備特有的健康模型，并對模型不斷訓(xùn)練、學(xué)習(xí)，豐富、完善，然后健康模型將對設(shè)備運行參數(shù)進行預(yù)測，將預(yù)測值和實際的實時比對，通過正常找異常，建立參量間相互影響系數(shù)，通過預(yù)警殘差值，提前發(fā)現(xiàn)設(shè)備異常狀態(tài)。

②智能診斷。多數(shù)系統(tǒng)僅能展現(xiàn)數(shù)據(jù)，沒有將數(shù)據(jù)變成可供參考的結(jié)論。而設(shè)備故障診斷專業(yè)性強，專家培養(yǎng)時間長、難度大，且經(jīng)驗也難以傳承。所以，實現(xiàn)智能診斷意義深遠。但這一功能的實現(xiàn)卻需要克服諸多技術(shù)難點，如：數(shù)據(jù)如何準確采集、處理、診斷等。

解決思路：1）數(shù)據(jù)的準確采集。機械設(shè)備的工作環(huán)境往往有大量的背景噪音，這些背景噪音對診斷分析是有干擾的，需要進行處理。采集器內(nèi)嵌的抗混濾波功能在采集數(shù)據(jù)時對雜波進行濾除，并控制合適的濾除力度，避免損失細節(jié)。

2）診斷結(jié)論呈現(xiàn)。建立完善的機械部件故障模型庫，系統(tǒng)對每一臺監(jiān)測的設(shè)備按照組件進行健康監(jiān)測，系統(tǒng)內(nèi)置的人工智能算法在滿足觸發(fā)條件時啟動對疑似故障數(shù)據(jù)的分析和故障特征提取，然后故障推理機將該特征與故障模型庫進行匹配，繼而給出故障結(jié)論和處理方法。

3 應(yīng)用效果

在系統(tǒng)運行監(jiān)測過程中，智能診斷專家系統(tǒng)提示電機驅(qū)動端軸承和電機輸入端軸承豎直方向振動超標報警，智能診斷專家系統(tǒng)診斷結(jié)果為電機驅(qū)動端軸承存在故障和不平衡，風(fēng)機存在不對中的可能。具體數(shù)據(jù)和診斷結(jié)果如圖4-圖6。

圖4 報警事件

圖5 智能診斷報告（整體）

圖6 智能診斷報告（部件級）

后經(jīng)機組停機檢修，拆解電機驅(qū)動端軸承發(fā)現(xiàn)內(nèi)圈的確存在損傷，更換新軸承后，系統(tǒng)報警消除，如圖7。

圖7 更換軸承前后數(shù)據(jù)趨勢

4 結(jié)束語

本文闡述了基于知識庫建模的智能故障診斷技術(shù)在煙草輔聯(lián)-空調(diào)風(fēng)機健康監(jiān)測和智能診斷中的應(yīng)用，從實踐來看，該技術(shù)的應(yīng)用消除了空調(diào)風(fēng)機這一機械健康監(jiān)測盲區(qū)，該技術(shù)的成功應(yīng)用，可以較準確地反映設(shè)備的真實健康狀況。有利于故障的早發(fā)現(xiàn)早處理，應(yīng)用結(jié)果表明，該技術(shù)具有較高的準確性和穩(wěn)定性，非常適合用于煙草行業(yè)輔聯(lián)機組的健康監(jiān)測和智能診斷。