水泵机组状态监测与故障诊断系统研究

文章编号：１００７－２２８４（２０１１）１１－０１１３－０４水泵机组状态监测与故障诊断系统研究孙慕群１，刘　霞２，符向前２（１．湖北省水利水电科学研究院，武汉４３００７０；２．武汉大学动力与机械学院，武汉４３００７２） 摘　要：从２０世纪６０年代到２１世纪，我国的泵站工程为输水、供水以及防洪减灾提供了有力保障。

针对水泵机组的状态监测与故障诊断进行研究，建立水泵机组状态监测与诊断的软件及各分析模块与数据库，进行机组性能的预测研究，为水泵机组的状态维修提供支持。

关键词：水泵机组；在线监测；故障诊断；信号分析 中图分类号：ＴＰ２７７ 文献标识码：ＡＲｅｓｅａｒｃｈ　ｏｎ　Ｏｎ－ｌｉｎｅ　Ｍｏｎｉｔｏｒｉｎｇ　ａｎｄ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆ　Ｌａｒｇｅ－ｓｉｚｅ　Ｐｕｍｐ　ＳｅｔｓＳＵＮ　Ｍｕ－ｑｕａｎ１，ＬＩＵ　Ｘｉａ２，ＦＵ　Ｘｉａｎｇ－ｑｉａｎ２（１．Ｈｕｂｅｉ　Ｐｒｏｖｉｎｃｉａｌ　Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｗａｔｅｒ　Ｃｏｎｓｅｒｖａｎｃｙ　ａｎｄ　Ｈｙｄｒｏｐｏｗｅｒ，Ｗｕｈａｎ　４３００７２，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ　ｏｆ　Ｐｏｗｅｒ　ａｎｄ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｕｒ　ｃｏｕｎｔｒｙ，ｐｕｍｐ　ｓｔａｔｉｏｎｓ　ｈａｖｅ　ｐｌａｙｅｄ　ａ　ｇｒｅａｔ　ｒｏｌｅ　ｉｎ　ｗａｔｅｒ　ｔｒａｎｓｆｅｒ，ｗａｔｅｒ　ｓｕｐｐｌｙ，ｆｌｏｏｄ　ｃｏｎｔｒｏｌ　ａｎｄ　ｄｒｏｕｇｈｔ　ｒｅｌｉｅｆｓｉｎｃｅ　ｔｈｅ　１９６０ｓ．Ｂｕｔ　ｆｒｅｑｕｅｎｔ　ｍａｌｆｕｎｃｔｉｏｎｓ　ｏｆ　ｗａｔｅｒ　ｐｕｍｐｓ　ｈａｖｅ　ｔｈｒｅａｔｅｎｅｄ　ｔｈｅ　ｓａｆｅｔｙ，ｓｔａｂｉｌｉｔｙ　ａｎｄ　ｅｃｏｎｏｍｉｃ　ｐｒｏｆｉｔｓ　ｏｆ　ｐｕｍｐ　ｓｔａ－ｔｉｏｎｓ．Ｔｈｉｓ　ｐａｐｅｒ　ｓｔｕｄｉｅｓ　ｔｈｅ　ｏｎ－ｌｉｎｅ　ｍｏｎｉｔｏｒｉｎｇ　ａｎｄ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｏｆ　ｔｈｅ　ｌａｒｇｅ－ｓｉｚｅ　ｐｕｍｐ　ｓｅｔ，ａｉｍｓ　ａｔ　ｔｒａｎｓｆｅｒｒｉｎｇ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎａｌ“ｐｌａｎｎｅｄ　ｏｖｅｒｈａｕｌ”ｔｏ“ｃｏｎｄｉｔｉｏｎ－ｂａｓｅｄ　ｍａｉｎｔｅｎａｎｃｅ”，ｉｔ　ｃａｎ　ｆｉｎｄ　ｆａｕｌｔｓ　ａｎｄ　ａｖｏｉｄ　ａｃｃｉｄｅｎｔｓ　ｉｎ　ｔｉｍｅ，ｒｅｄｕｃｅ　ｐｒｏｄｕｃｔｉｏｎ　ｃｏｓｔｓ．Ｋｅｙ　ｗｏｒｄｓ：ｐｕｍｐ　ｓｅｔ；ｏｎ－ｌｉｎｅ　ｍｏｎｉｔｏｒｉｎｇ；ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ；ｓｉｇｎａｌ　ａｎａｌｙｓｉｓ收稿日期：２０１１－０５－２３作者简介：孙慕群（１９７２－），女，高级工程师，研究方向为水利水电技术。

Ｅ－ｍａｉｌ：３２２７８６７０＠ｑｑ．ｃｏｍ。

０　引　言目前泵站计算机监控系统作为直接面向生产的控制系统，在“设备状态预测和事故分析诊断功能”方面较为欠缺，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（ＳＯＥ）对各报警信息进行“离散”、“经验性”地分析事故原因，而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，因此寻找事故原因相对困难，特别是对于复杂的多起联动、突发事故，甚至找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。

水泵机组在线监测与故障诊断技术迅速发展的必然性基于以下２个方面：一方面，随着大、中型泵站的计算机监控系统完善，为实现自动化运行提出了更高的要求。

另一方面，以预知维修为代表的维修体制改革所带来的管理现代化，以及所获得的巨大的经济效益和社会效益逐步被人们认识和接受，而设备状态监测与诊断是预知维修的基础。

目前泵站行业运行设备的诊断技术的研究和应用在最近几年虽然取得了较大的发展，但是实用的设备状态监测与诊断系统仍处在空白状态。

为实现状态检修，应大力发展状态监测技术，广泛实行状态监测。

本系统研究的目的是使设备的检修更具有针对性，减少人员的运行维护和巡检劳动强度；对于“不可预见”的突发事件，力求提供快速、准确的事故诊断、定位和决策，在最短时间内诊断出事故根源，助于快速恢复生产。

１　系统概况１．１　系统结构水泵机组在线监测与故障诊断系统采用分层分布全开放式结构，可与泵站任何其他系统交换信息，也可将状态信息传至远程诊断中心。

其整体结构如图１所示。

１．２　系统硬件系统的硬件主要有计算机、Ａ／Ｄ卡、数据采集器、传感器（包括位移传感器、速度传感器、加速度传感器、温度变送器和压力变送器）、信号线接线端子、传感器前置器、信号调理仪、网卡等。

１．３　系统软件１．３．１　系统数据库水泵机组在线监测与故障诊断系统的数据库接口采用３１１中国农村水利水电·２０１１年第１１期图１　系统整体结构图ＯＤＢＣ动态数据链接技术，可以与现阶段流行的多种大型数据库如Ｏｒａｃｌｅ、ＭＳ　ＳＱＬ　Ｓｙｂａｓｅ等进行无缝链接；本系统采用的ＭＳ　ＳＱＬ关系数据库查询语言是当前微软公司权威性的关系数据库。

软件设计中采用的标准插件技术，可以方便地对系统数据库进行浏览和维护。

水泵机组在线监测与故障诊断系统数据库包含有设备预测维修信息，这些信息包括：①机器设备等在数据库中的排列方式以及它在树状结构中的显示。

②测试位置标识、测量描述以及报警。

③测量数据，包括已采集到ＭＳ　ＳＱＬ数据库中的所有数据。

④设备信号的频谱分析。

使用本系统进行状态监测与诊断时，应建立相应的数据库。

数据库包含有关运行机械设备的预测维修工作的信息，如机械的设备名和结构等级，设备的测量测点位置、测点描述、报警等。

系统允许将相似的设备按组分成类，这是基于信号分析与诊断功能的一个辅助功能。

可利用分类中机器的测量统计方法建立报警限，或通过改变分类中的参数，改变分类中所有设备的报警，也可使用频率段变量来设置频率段报警中的各个报警限。

１．３．２　系统软件水泵机组在线监测与故障诊断系统开发的主要软件是ＧＰＴＳ＿ＭＡＤ在线状态监测软件。

该软件能实时记录和分析水泵机组的状态信息，为整个系统的核心。

ＧＰＴＳ＿ＭＡＤ在线监测系统，主要测试的信号为：水泵轴承座Ｘ方向水平振动；水泵轴承座Ｙ方向水平振动；水泵水导顶盖Ｘ方向垂直振动；水泵水导顶盖Ｙ方向垂直振动；泵壳轴向垂直振动；泵壳径向垂直振动；电机轴承座Ｘ方向垂直振动；电机轴承座Ｙ方向垂直振动；导轴承摆度Ｘ方向；导轴承摆度Ｙ方向中；液控蝶阀出口压力；水泵进口端压力；水泵出口端压力；出口液控阀开度；水泵机组流量；电机功率；转速。

２　系统功能模块机组的状态监测与故障诊断系统是一个集散监测系统，主要由３部分组成，第１部分由若干传感器、数据采集器和下位机组成，完成实时数据采集和数据初级处理。

第２部分是网络通信，负责系统内的信息传送和通信。

第３部分是上位机系统，完成整个系统的协调管理和机组状态的全面报告及监测、诊断、分析。

整套系统包括状态监测、信号分析和故障诊断３个主要功能模块和实用计算、状态报告、帮助等辅助模块。

２．１　状态监测模块状态监测功能模块主要用于全面监测机组的工作状态。

实时状态监测模块的结构如图２所示。

图２　实时监测模块实物图状态监测模块由前置机和分析机构成。

前置机包含有１６个高速模拟信号输入通道（信号需经可选的信号适配器转换为标准０～１０Ｖ信号后引入）、２个转速输入通道和４个开关量输入通道，主要用于对输入信号进行硬件滤波、进一步的电平变换、实时数据采集、简单的信号分析处理以及必要的附加算法的实现，并将采集到的信息和分析处理结果通过局域网和ＴＣＰ／ＩＰ协议发送给分析机（ＰＣ机或便携机）。

而分析机则安装有完整的分析软件，是实现系统各种功能的核心。

它通过通信接口从前置机获得的各种数据结果，进行相应的数据显示、分析。

所有结果和曲线均可实时显示、复现、保存和打印。

２．２　信号分析模块信号分析模块是对状态监测所获取的数据进行分析，以掌握影响机组运行稳定性的关键因素，揭示机组振动的本质原因。

同时，根据经验和知识，也可以分析出潜在的故障及其原因和确定故障部位。

信号分析模块包含有信号分析和征兆提取两大部分。

信号分析包括时域分析、频域分析和过程量分析，主要用于显示各种相关图形，包括有：趋势图、时域波形、自相关分析、频谱图、功率谱图、阶比图、幅值倒频谱、瀑布图、波德图、极坐标图、轴心轨迹图、小波变换、振动随流量的变化曲线（振动ＶＳ流量）、振动随转速变化曲线（振动ＶＳ转速）、振动随扬程变化曲线（振动ＶＳ扬程）。

征兆提取包括频率征兆的提取和过程量的征兆提取，作为故障诊断推理的基础。

①频率征兆提取包含：（１／３～１／５）分频特征、基频特征、两倍频特征、三倍频特征、高频特征、低频特征、奇频特征、与叶片数有关的特征频率、５０赫兹特征频率、１００赫兹特征频率。

②过程量征兆的提取主要包括：时域波形是否为正弦波型、轴心轨迹是否为椭圆、转子的进动特征、振动随转速的变化情况、振动随转速平方的变化情况、振动随流量的变化情况、振动随扬程的变化情况。

２．３　故障诊断模块故障诊断模块实际上就是一个专家系统，它以机组的在线监测为基础，根据状态监测所获得的振动信号、过程参数等数据，提取反映机组运行状态的征兆，利用这些征兆可对发生故障的机组进行诊断，确定故障原因、部位、类型、性质，并指导检修；对正常运行的机组，可选用适当计算模型预测机组运行状态的变化，对机组进行早期故障分析。

故障诊断的基本过程包括：状态信号检测、报警处理、信号分析与征兆提取、故障诊断与验证、故障处理对策等，如图３所示。

图３　故障诊断的基本过程对于复杂故障的诊断，故障诊断过程可能要经过多次反复才能最后确定诊断结果。

有时还要作各种试验和测试进行验证，排除一些假设，给出最终诊断结果，有时也可能根据进一步获取新的征兆，提出新的故障假设。

在系统的故障诊断模块中，采用事件触发策略，以机组状态评价作为正向推理，在对机组进行深入的模型研究的基础上，将模型知识用形式化的语言表达，构成独立知识库，通过推理机进行故障诊断，输出诊断报告。

故障诊断的结构如图４所示。

图４　故障诊断结构３　系统实现水泵机组在线监测与故障诊断系统中故障诊断的实现方法有因果分析诊断方法、模糊故障诊断方法和神经网络故障诊断方法。

系统可以通过独立或将上述方法综合运用来给出诊断方法。

３．１　因果分析方法因果分析诊断方法是故障诊断最直接最简便的方法，它要求技术人员具备非常全面和深入的专门知识，还需积累大量的实践经验，更要求有必要的现场测试相配合。

因果分析方法是建立在经验和试探的基础上，因而受人为主观因素的影响较大。