核心设备在线监测实现预测性和主动性维修-德国DALOG^(R)厂域保护理念与您一起预测未来

未雨绸缪、防患未然是企业安全生产、控制成本的基础。

妥善处理设备故障固然很重要，但若能提前预知、主动避免故障的发生则更值得提倡和追求，而这正是德国DALOG公司近20年来始终如一的理念。

通过在线状态监测系统提供精准数据分析、远程故障预测、维修计划支持，甚至包括工艺改进建议，可以大幅度提高设备的可用性。

而要最大限度地保证生产的连续性，则要通过涵盖水泥和矿渣粉生产全过程、并相互关联的监控方案来实现。

一、典型失效曲线及优化典型的失效曲线如图1所示。

设备寿命曲线由一段状态良好的平稳段和一段状态劣化的衰减段组成，在寿命曲线末端的不同阶段，设备状态可以通过振动、噪声、温度变化来识别，直至最后出现故障停机（如图1所示）。

设备维护的核心目标是获得尽可能长的平稳段寿命周期，而这也是我们可以采取措施优化的部分。

考虑实际负载的历史曲线，尤其是关注超过设计允许阈值的负载情况是非常重要的。

扭矩检测可以很精确地获得加在设备上的实际负载，同时它还能检测出通过电机功率无法看到的超载状态。

例如，单个超限峰值或高扭振。

通过识别并消除产生恶劣工况的原因，将运行工况调整到安全区间内，可以大幅度提高设备使用寿命。

高分辨率过程信号和扭矩信号相关性对比已被证明是分析恶劣工况产生根源的有效手段。

为改进工艺操作、避免故障发生、使设备寿命周期最大化，需要将系统分析结果集成进工艺控制过程，指核心设备在线监测实现预测性和主动性维修—德国DALOG®厂域保护理念与您一起预测未来Franz Muschaweck1　李　卓1　林缵灯21. DALOG Diagnosesysteme GmbH；2. 昂国企业有限公司图 1 优化前的失效曲线图 2 优化后的失效曲线导操作人员手动调节甚至实现工艺过程自动调节（如图2所示）。

二、和工艺过程相关的状态监测通过在关键设备上加装加速度、温度等传感器获取设备关键状态特征：可以在齿轮和轴承发生灾难性故障前预测故障的发生、在断齿前检测出齿裂纹故障、在开始出现点蚀即安排轴承订货；借助统计模型，可以预测设备部件剩余使用寿命。

一般来说，在故障发生的早期阶段即可检出，这为用户提前准备提供了时间，可使工厂减少非计划停机以及最小化二次损坏。

另外，对设备关键状态进行监测的目的就是通过优化运行稳定性来增加两次故障间间隔。

旋转轴上的扭矩检测可以很精确地测出设备当前的实际负载，通过高频采样可以识别出电机功率无法显示的冲击峰值，它是评估设备运行稳定性及检测危险过载的有用工具。

这对具有高动态运行特征的设备，例如立磨、辊压机等来说尤其重要。

对这些设备来说，运行不稳定经常和研磨部件或者工艺操作过程有关。

为分析在工艺过程中造成设备运行不稳定的原因，在线状态监测系统要能和PLC建立通讯，接收工艺参数，例如喂料率、液压压力、电机功率等；同时将报警信号、趋势数据发到DCS系统。

此外，要将操作集成进项目，为他们提供必要信息，通过采取适当措施防止设备故障和运行不稳定的状况。

通讯协议的标准化是水泥厂和矿渣粉厂等传统工厂向数字工厂转变的一大挑战。

在水泥厂和矿渣粉厂中各类OEM厂家的专有协议占主导地位，短期内这种情况不会改变。

DALOG在线状态监测系统支持大多数现场总线协议，可以和PLC建立双向通讯。

未来预防故障发生的关键因素包括：通过扭矩测量设备实际负载，实现在线状态监测系统和设备控制系统间双向数据（工艺过程和设备状态数据）交换并实现向生产工艺过程的集成。

三、如何实现主动性故障预防立磨是研磨生产企业的核心设备之一。

统计表明，许多设备故障是由于操作工况劣化引起的，而不是由于齿轮箱本身的设计问题。

调查显示，大多数立磨操作人员并不清楚设备的动态特性，也不了解设备运行工况是可以改进的。

下面是通过对高分辨率工艺过程及扭矩数据进行根本原因分析的实际案例。

在20分钟采样过程中扭矩传感器检测到立磨动态过载过程（如图3所示），而作为关键操作参数的电机功率和磨机振动则未显示过载状况。

通过对扭矩信号和磨机操作参数的相关分析发现：喂料率的变化及特定的低喂料情况会引起扭矩动态过载。

上例中的喂料由自动控制器控制，造成周期性波动的根本原因是喂料控制错误。

工厂修改了控制器参数并使设备动态负载稳定在一个比较低的水平（如图4所示），即提高了生产率，降低了能耗。

此外，扭矩信号可以被用作评估设备操作状态的反馈信号。

结合工艺过程，专家建议：可以建立“自适应调节模型”来自动避免非稳态设备操作过程。

图 3 扭矩信号显示动态过载图 4 优化后稳定的工艺过程本文以水泥立磨的主动故障预防案例为例。

扭矩再次检测到高动态负载，同时磨机振动加大。

DALOG监测系统发送即时报警信号给过程控制系统和操作人员，以修改工艺过程参数。

修改过程可以由操作人员完成，或交给自动保护模块来完成（如图5所示）。

获得从在线状态监测系统到工艺控制系统的反馈，对避免故障和停机至关重要。

四、预测性维修趋势凭借预测性维修策略，对所有设备数据进行在线采集，工业界在过去几年中获得了巨大成功。

现在FMEA （失效模式和影响分析）是评估风险的标准工具。

如今，许多关键设备，例如磨机和回转窑都配备有在线状态监测系统，并采取工厂预测性维修策略。

但对于像风机、传送带、斗式提升机等不那么复杂、相对较小的设备的维修策略来说，要么是“运行到出现故障”，要么是对设备定期进行周期维护。

它们的共同点是：初期投资很低，随着设备的运行持续维护成本快速上升。

“运行到出现故障”策略存在很大的风险，它很可能会导致非计划停机和生产损失。

周期性维护减少了风险，但依赖于对设备寿命的预估或人工检查来安排维修周期，则会导致更换设备部件太早或太晚，太早会造成设备备件投资更多，太晚会造成生产损失。

基于手持设备也可以实现状态维修，但基于手持设备采集的数据进行分析的质量和可靠性差异很大。

这种方式很耗时，必须由经过严格培训的专业人员严格按照时间表进行数据测量。

这种方式的风险在于难以选择最佳测量点，在读取数据时未考虑不同设备的生产情况，在最坏的情况下甚至无法测量。

未来生产设备将完全依赖预测性和主动性维修策略，其决策来源于在线状态监测系统提供的数据。

其优势在于：在减少现场工作的同时，工厂可以依靠更精确的测量和更高的数据密度，提高预测的可靠性，使工厂获得更高的连续运转率。

五、如何实现预测性维修当故障即将出现时，预测性维修的一个基本任务是尽可能早、尽可能准确地检出设备故障。

在被监测设备图 5 修改控制参数稳定磨机图 6 磨盘衬板修复前后数据图 7 磨盘衬板裂纹上安装加速度、温度、扭矩和油液传感器，通过不同传感器采集的数据，经过分析可以识别出设备状态的早期变化，系统会即时将报警信号传给用户，而更详细的数据证据将在后续数据分析报告中呈现。

用户对报告中的问题及时进行处理，可以避免非计划停机和昂贵的二次破坏。

我们可以通过几个立磨故障案例，了解如何通过在线状态监测系统实现预测性维修。

第一个案例指明如何通过分析数据发现磨盘衬板裂纹故障。

图6上半部分显示了由磨辊或者磨盘故障引起的周期性冲击信号。

维修团队根据此信息安排了磨机检查计划，检查发现磨盘衬板开裂（如图7所示），通过对磨机内部进行维修后，磨机运行稳定，回复到正常水平，如图6下半部分所示。

第二个案例显示的是磨辊磨损故障。

通过图8可以看出扭矩动态值持续增加。

高扭矩动态值对齿轮箱使用寿命带来负面影响，同时在功率消耗保持基本稳定的情况下，喂料率持续下降，这将导致在同等产出条件下的更高的能耗。

如今扭矩传感器被许多工厂用来确定研磨部件最佳维护间隔，以避免磨机运行不稳定和能耗过高（如图9所示）。

第三个案例是水泥厂风机电机轴承故障。

在风机轴承和风机电机轴承上安装加速度传感器，加速度信号超过报警线，传感器1和2显示报警（如图10所示）。

在图11中，整个监控周期内以蓝色线表示传感器2包络信号趋势线，黄色线为报警线。

A点为轴承仍处于良好状态时的频谱，即使轴承外圈频率此时已经可见。

B点为信号超过报警线之后的频谱，外圈频率及它的谐波频率已经清晰可见，修复后加速度信号回到基线测量水平。

图12显示了图11中监测到的轴承故障，这个故障是由电蚀造成的。

维修团队必须在更换轴承前一年得到报图 8 扭矩动态值增加图 9 磨辊陶瓷衬套明显磨损图 10 风机状态概览警，在年度大修中更换此轴承。

通过在严重损坏发生前对故障进行预测，既不会造成生产损失，也不会导致严重的二次损坏。

第四个案例是立磨输入轴小伞齿裂纹故障。

从图13可以清楚地看到，当轮齿出现裂纹后加速度信号中出现周期性冲击峰值。

实际轮齿裂纹故障如图14所示。

最后一个案例是行星轮轴承故障检测。

在此先概述一下传感器的安装位置：在齿轮箱输入和输出轴安装转速传感器，安装在齿轮箱输入轴的扭矩传感器用于测量实际负载，加速度传感器被置于轴承座或齿圈上（如图15所示）。

在故障诊断中，行星轮轴承是一个公认的难点。

凭借DALOG监测指数（DMI ），可以实现包括行星轮轴承在内的故障追踪。

从图16瀑布图中可以看出，DMI指标非常清晰地显示了一个行星轮的故障演化过程，这个演化过程持续近一年时间。

图17显示了这个被监测到的轴承外圈故障。

这个故障被跟踪了一年，在年度大修中更换了轴承，没有造成生图 11 传感器2包络信号频谱图 12 轴承外圈故障图 13 时域信号显示轮齿裂纹图 14 小伞齿裂纹故障图 15 传感器概览产损失，也没有导致二次损坏。

六、DALOG预测性和主动性维修完整解决方案DALOG公司拥有丰富的产品线，产品覆盖从单一关键设备到厂域监测的全场景应用需求（如图18所示）。

从核心传感器、信号预处理单元、数据采集设备、核心通讯模块及软件分析平台均由DALOG公司自主研发完成。

DALOG在线状态监测系统以高分辨率采集的数据为基础，分析设备状态、提高设备运行稳定性、优化工艺参数、评估设备整体性能。

最新的DALOG Busybee软件平台可以计算KPI指标和各类统计数据，并以个性化仪表盘的形式显示。

例如：可以显示设备利用率、能耗指标、操作稳定性指标等。

对数据的访问不再限于厂域内，通过对云的加密连接，可以在全球任何有网络的地方通过笔记本电脑、智能手机和平板电脑访问数据。

图 16 DALOG DMI指标图 17 损坏的轴承外圈图 18 研磨工业中典型监测任务图 19 DALOG德国数据中心DALOG监测系统可以让区域经理或总部更加深入地了解某个区域或国家的水泥厂或矿渣粉厂运行绩效和设备状况，可以有效降低组织内部生产策略的不确定性。

DALOG厂域保护理念提供一个自下而上的平台（如图19所示），从现场底层采集的数据，通过平台进行处理后存储到云端。

海量的数据被处理后，在同一组织内部不同相关人员间被区别使用。

维护团队可以进行精确的故障分析，根据设备状态合理制定维修计划，通过分析故障原因进行主动干预，增加设备两次故障间的时间间隔。