251
作者简介：刘士彬（2000— ），男，汉族，河南商丘人。主要研究方向：机电设备智能化故障诊断技术。基金项目：国家级大学生创新训练项目“防洪排涝水泵机组智能化诊断平台的设计与开发”（项目编号：202011481058）；浙江省水利厅基金资助项目 “防洪排涝泵站水泵机组故障预测与健康管理技术研究”（项目编号：RC1962）。 我国是自然灾害多发国家，暴雨、洪水等给人民的生命财产造成了巨大的损失，而目前正在运行的防洪排涝水泵机组中，由于缺乏有效的状态监测手段，一方面机组带病运行引起流量、压力的降低，造成电量的浪费；另一方面，因水泵零部件损坏导致的突然停泵，也造成了巨大的经济损失和不良的社会影响。泵站计算机监控系统作为直接面向生产的控制系统，通常只对水泵机组和主变压器的温度进行简单的趋势分析，并通过事件顺序记录(SOF)对各报警信息进行“离散”、“经验性”地分析事故原因，但在“设备状态预测和事故分析诊断功能”方面较为欠缺，未能对水泵机组的运行进行智能化状态监测，也未能对故障预测和事故分析诊断进行“自动、快速”定位，因此寻事故原因相对困难，特别是对于复杂的多起联动、突发事故，甚至不出真正的事故根源，由于事故处理的低效率，影响了生产和经济效益。 目前，针对防洪排涝水泵机组的故障维修，采取的均是计划维修或事后维修。而与之不同的是，视情维修可通过对水泵机组当前和将来状态的正确可靠预测来安排维修活动，具有自动化、高效率，经济性好，尤其是可以避免重大灾难性事故等显著优势。实现视情维修的前提是水泵机组自身具有对其故障进行预测，并对其健康状态进行自我管理的能力，由此产生了针对水泵机组机的故障预测与健康管理（prognostic and health manage-ment，PHM）的概念。即利用尽可能少的传感器采集水泵机组的各种数据信息，借助各种智能推理算法来评估水泵机组自身的健康状态，在故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施，最终实现针对水泵机组的视情维修。
一、水泵机组故障诊断与健康管理系统的基本架构
水泵机组故障诊断与健康管理系统开发的基本思路是：利用传感技术监测并采集反映水泵机组运行状态的参数，如水泵流量、轴振动量、噪声以及轴承温度等，对这些参数进行预处理与特征提取后，经相关计算，与状态报警阈值等进行智能化的比较分析，以判断水泵机组是否正常以及非正常的原因。故障诊断理的基本过程包括信号检测、报警处理、信号征兆提取、健康评估与故障诊断以及处理对策等。为提高诊断系统的性能，诊断系统需要内嵌一个模糊专家推理系统，将通过传感器获得的技术数据按照一定的规则进行推理演绎，从而获得诊断结果。
一个完整的水泵机组故障诊断与健康管理系统主要包括信号采集与传输系统、信号处理与分析系统、数据库系统、状态
监测与评估系统等基本模块，
其基本架构如图1所示：
图1 水泵机组故障诊断与健康管理系统基本架构
水泵机组诊断系统在工作时，水泵机组的状态信息采用各类传感器获取，因此传感器的选择是系统开发的首要工作，根据检测参数的不同，一般振动传感器采用非接触式的压电加速度传感器；在水泵机组齿轮变速器的高速端、中间轴、低速端安装三方向的振动传感器；在电机、地基基础、泵轴位置设置动态传感器；在齿轮变速器前端和后端各设置一对测点，使用两个电锅流传感器测量摆度，方向互相垂直；在变速器后端布置另一个测点，使用电祸流传感器测量转速，用贴在该位置的具有一定厚度的铁片作为键相模块；在水泵进出口位置分别设置流量传感器；在各个轴承位置设置温度传感器；在电机和水泵周边布置噪音传感器等。
传感器测得的数据还必须经过特征提取，由于原始特征或经过特征选择的样本数量是一个高维空间，但可以通过映射或变换的方法用低维空间来表示，这就是所谓的特征提取。特征提
摘 要：提出了水泵机组故障诊断与健康管理系统开发的基本思路，分析了系统的总体架构，介绍了水泵机组故障预测与健康管理的关键性技术，包括知识库的建立与推理机的开发等，为探索水泵机组健康管理及实现视情维修提供了新的思路。关键词：健康管理；视情维修；系统结构；推理技术
水泵机组故障诊断与健康管理系统的开发
刘士彬 孙培峰
（浙江水利水电学院，浙江 杭州 310018）
252
取有多种方法，在水泵机组健康管理系统中可以考虑采用基于Karhunen-Loeve展开式的特征提取方法对样本进行特征压缩，以达到降低特征空间维数的目的。系统经过对前述的特征参数进行特征提取后，即得到所需要的特征提取参数。
系统平台开发评估在对数据进行处理和特征提取后，数据被送入健康管理专家系统。系统对接收到的数据进行综合分析，对特征信息进行辨识，并与专家数据库和知识库中存储的相关信息进行模糊匹配，形成对监测目标的状态评估，如果数据正常则返回到数据采集，继续检测，如果发现数据异常，则将数据送往诊断预测模块；诊断预测模块对监测到的异常征兆，结合动态数据存储模块中的专家知识和各类诊断、预测推理模型，对故障进行识别、推理，判断其故障模式、原因和位置，并进行趋势分析。
在维修分析与决策阶段，根据诊断和预测的结果，利用专家系统、历史故障数据库以及当前的维修保
障情况综合分析，进行维修保障决策，并通过通信接口输出保养或维修方案。水泵机组各个部件的健康状态评估、故障预警与诊断等，通过故障预警模型和维修专家数据库协同作用完成，最终实现水泵机组的状态评估与智能诊断。预测及诊断结果同时送入维修专家数据库进行知识更新、规则补充和解决方案添加。
二、水泵机组故障预测与健康管理的关键性技术
防洪排涝水泵机组故障预测与健康管理的关键主要在于推理决策技术。状态监测、健康评估和故障预测是水泵机组PHM系统的核心部分，在某种意义上它们都是一种推理过程，在实际构建PHM系统时往往要根据系统的实际情况采用一种或多种技术和方法。
故障预测是水泵机组PHM系统的核心技术，本系统考虑采用综合基于物理模型、规则和统计模型的预测方法，同时结合专家系统、神经网络、模糊推理等智能诊断技术，构建一种基于模糊推理的神经网络专家故障诊断预测系统，其中知识库的建立和模糊推理机的设置是系统实现的重点内容。基于模糊推理的神经网络专家系统结构如图2所示。
（1）知识库的建立。知识库的建立是实现故障诊断、预测的基础，包括了模糊专家系统知识库的建立和模糊神经网络知识库的建立。专家知识库是将水泵机组专业领域中的大量事实、结构和专家处理实际问题的各种启发性知识经过分析整理，采用产生式规则的知识表示法存储在知识库中。神经网络知
识库的建立，是将模糊专家系统知识库中的故障征兆表和规则作为样本和测试集，针对各种故障形式，选择一些经典的故障案例来训练和测试网络，得到最终正确率较高的权值和阈值集合。
知识库系统应具备较强的学习功能，其需要获取的知识包括：水泵机组运行中出现的各种故障的现象、部位和原因，以及专家对各种故障诊断的方法、诊断原理以及经验数据等。获取知识的方法主要有两种途径：一是由专家手工组织的各类知识库、模型库、方法库等；二是由系统通过各种算法实现的自动获取知识的过程，它通过对典型案例、典型故障样本等的归纳和类比学习，发现具有指导意义的新知识。
（2）推理机的设置。推理机是专家决策的核心，它根据数据库中的当前信息，将知识库中的诊断原则拿来匹配，以此推断出诊断结论，为后级的分析决策模块提供保障决策依据。诊断推理机根据来自水泵机组的不同的故障征兆数据，调用各类诊断推理方式，确定引发故障征兆的原因和部位。预测推理机是依靠来自该分系统的所有预测输入，根据知识库中存储的各类推理模型，水泵机组的故障模式和影响分析及相关部件的详细资料，来预计故障发展趋势。异常推理机用于对非额定行为进行推理，以便对预测或诊断推理机进行更新，实现系统的自学习功能。
三、结语
目前PHM技术的研究虽然在国内外都取得了一定的成绩，但该技术在水泵机组中的应用研究尚处于起
步阶段，下一步的重点应着眼于PHM系统开发及验证平台的建立，通过对故障预测及诊断的反复验证，实现水泵机组PHM平台的成熟。本文的研究旨在建立一个新型的防洪排涝水泵机组故障预测与健康管理体系，为逐步实现水泵机组的视情维修开辟新的思路。
参考文献：
[1]李向前.复杂装备故障预测与健康管理关键技术研究[D].北京：北京理工大学博士学位论文,2014.
[2]叶素策.自动化信息技术在水利水电工程中的应用[J].浙江水利水电学院学报,2018,30(4):39-41.
[3]刘恩朋，杨占才，靳小波.国外故障预测与健康管理系统开发平台综述[J].测控技术,2014,33(9):1-4.
[4]潘志军，彭伟林，方芳等.大型泵站低噪声电动机设计分析及噪声测算[J].浙江水利水电学院学报,2017,29(5):70-75.其他作者简介：孙培峰（1966－ ），男，汉族，浙江海宁人，副教授。主要研究方向：机电设
备智能化故障诊断技术。
图2 基于模糊推理的神经网络专家系统结构框图
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议