点检系统中关键问题.doc

点检管理系统中的关键问题目前国内从事设备点检管理系统开发和销售的公司很多，但多是侧重于销售产品，即说服用户来选择已经成型的产品。这种方式在实际应用中出现了不少问题，其中最重要的是系统的实用性问题，往往因不能满足用户特定要求而停止使用，造成了用户资金和人力的浪费，在许多企业或多或少都有类似的遭遇。设备状态监测与故障诊断技术是一门实用技术，因此其本质是解决设备存在的实际问题，如果达不到这个预定目标，其原因多是在产品开发人员根本不熟悉用户设备的运行特点和用户都使用产品的要求而闭门造车开发出来的产品。恩普特公司作为设备诊断工程的专业化公司，对所有系统（无论是在线系统还是离线系统）的认识有自己的独特思路。系统的概念与独立的技术是不同的，前者是由若干独立技术环节组成的，任何一个环节都不能出现问题，影响整体性能的环节较多；后者不存在相互影响问题，相对来说比较简单。基于这个理念，要解决用户关心的问题并满足用户使用需要，必需是基于一个基本平台结合用户特定需求进行“改造”的特定系统。1、数据采集与预处理的重要性数据预处理的意义在一定程度上比信号处理还重要。但由于数据预处理需要有硬件支持，所以许多公司即便是是知道数据预处理的重要性，但因在硬件上无法实现而放弃了这一重要环节。数据预处理的目标是解决数据采集的准确问题，而不是精确问题。准确的数据有助于分析机组运行状态，精确则是一种数学上的概念。几乎所有的点检仪器都采用了“简易设计方案”，包括对信号来源的认知均建立在“正确”的前提下，实际上在监测中原始信号的正确性保证是一个非常复杂且重要的技术问题，若解决不了信号源正确性问题，后续的处理与分析结果就会出现累计误差甚至错误。对于使用手持式测量方式的振动传感器仪器来说，其最高频率响应在500Hz左右，其低频响应在10Hz左右，这个测量范围对某些滚动轴承和齿轮系统来说高频是不够的，对于较低频率的故障识别也是不够的，即便是在测量过程中不出现错误，其测量结果也会因不能覆盖其通过频率或啮合频率而无法获取正确的故障特征，因此这些细节都会影响后续的正确诊断与分析。采用壳体安装传感器方式是常用的传感器安装方式，但在测量过程中多通道藕合问题会影响信号的信噪比，因此大多简易仪器不会在信号信噪比问题上投入太多精力，也进而影响了分析结果的可信度较低。这个环节必需进行关注，如现代信号处理技术中的盲源分离等技术，都是针对这个问题的信号预处理方法。大多简易仪器的A/D精度多为8位到12位，PDES为了提高A/D转换的精度选择了14位A/D芯片，采集频率高达200kHz以上，整体框架采用了极为稳定的嵌入式Linux系统，因此具备了高档精密分析仪器的基础条件，为后期进行功能升级提供了条件，而这个功能对于市场上一般低端仪器是不具备的。实际上各家公司对数据预处理的重要性都有正确的认识，但由于需要硬件配合，且不容易实现，开发工作量极大，所以许多公司在这一点上均采取了回避策略。2、对信号处理的认识许多公司对信号处理的认识是“实现了某种分析功能”，这一点在实际实用时是无法满足故障诊断要求。我们倡导的是提高分析方法的信息量，最大限度地提供有利于故障诊断的信息。恩普特对信号处理的认识是“信号处理必须满足实际分析的需要”，且“具有明确的物理意义”。说起信号处理各家公司都不承认自己不明白如何处理振动信号，但有一点是肯定的：不同的专业领域对振动信号处理的理解是有差异的。我曾看到国内某公司（这家公司在国内还是具有一定影响的）对某些分析方法的理解就是完全错误的。作为向用户提供该项技术的专业公司存在这样的错误实在是不应该的。出现这样的错误，根源在于开发人员（不是专业技术人员）对于振动信号处理的理解是不准确的。其它一些公司也或多或少在某些分析方法上存在错误。举个例子来说，对于滑动轴承支撑的转子支撑系统来说，衡量转子运行状态是否稳定的重要指标偏心率、方位角，应当如何获得呢？有些公司随意画出一个圆，将转子没有运转时的“零点”设置在圆心处，然后根据即时的间隙电压计算出转子移动量。这个圆的半径改变后，方位角肯定是变化的，而且也无法计算出偏心率来。这样的分析方法实际上是没有实用价值的。我们进行这种分析时，严格按照其构图规则进行，圆的直径是轴承的顶间隙值，因此也称之为“间隙圆”，转子运行“初始点”在圆的最底部，这样计算出的偏心率、方位角都是唯一的，不会因圆直径不同而异。我们对振动信号分析的认识来源于对工业企业现场的了解。任何一种分析方法都是解决振动问题的一个工具，这个工具是否顺手，取决于制造工具的人是否站在工具使用者角度上来制造这个工具。我们经常说同样的分析方法提供的信息未必相等，就是基于以上的原因而说的，开发人员对某种分析方法的认识决定了其提供的信息是否满足用户需求。对于使用滑动轴承的机组来说，一个轴承截面上究竟有多少信息可供诊断故障？这个截面上的信息与其它截面上的信息有什么关联？这些都是我们设置分析方法时重点考虑的因素。eM3000系统中的核心技术矢谱分析技术，就是因为解决了一个截面上振动主矢量具有唯一性这个关键技术而获得了1999年度国家科技进步奖，现在已将矢谱进行了进一步的优化与扩展，形成了一套以矢谱为核心的整套分析技术和理论体系。所有这些努力，都是为了向用户提供信息量更明显的图谱，更方便进行故障诊断。同时，对传统的分析方法进行了有机融合，尽可能向用户提供“易读”的图谱，使用户能正确地识别机组真实的工作状态或存在的故障。对于轧机类机械的故障检测，一般的频谱分析仅适用于平稳过程的振动信号分析，如负荷相对稳定、转速相对稳定的机械，但轧机不属于这类稳定运行的机械，特别是当“咬钢”的瞬间，其负荷状态属于典型的非平稳过程，频谱分析给出的结果的可信性会大打折扣。考虑到这个特点，我们配置了适用于非平稳过程分析技术，如Wigner分布（维格纳分布）、短时FFT分析和小波分析等技术，可以将频率信息和时间信息有机结合起来，对于瞬间发生负荷变化导致的故障特征频率变化可以准确地显示出来。如二连轧装置中许多机械与常规的卧式机械和立式机械都有区别，这种倾斜运行的机械其运行特点与上述两种机械是不同的，对于适用于卧式机械检测的一些分析方法，必需要结合机械的运行特性进行某些“修改”，才可能满足特定机械的状态监测与故障诊断。对于许多故障，并非以一个静态形式表现全部特征，往往是一个变化的动态过程。矢谱分析除了分析振动矢量（包含了振动的三要素幅值、频率和相位）外，对组成特定矢量的进动分量进行进一步分析，可以准确地判断故障发展的历程，对准确诊断故障是非常重要的。这种方法目前在国内系统中基本没有考虑，多仍然停留在单通道信息分析阶段。目前许多机组仍然采用壳体振动传感器进行振动测量，这种传感器的信号信噪比不高，受到传递途径影响较严重，真正的故障早期信息可能会淹没在多种信号的海洋中，成为故障诊断的一个瓶颈。对于这个问题，国内（外）许多公司并没有投入精力解决，认为信号本身有问题，没有办法解决。恩普特公司认为，一套系统的目的是解决问题，采用传感器类型受到许多条件的限制，但提高信号信噪比是可以做到的。恩普特公司通过多年研究，目前筛选出了基于壳体振动信号的先进信号特征提取方法，实现了基于循环平稳分析和盲源分离等算法的微弱故障信号检测和故障早期分类识别新方法。盲源分离技术有效地解决了分离“源信号”与耦合信号的问题，对显著提高故障信号的信噪比奠定了技术基础。在机械故障诊断领域应用支持向量机技术，预示和预报早期故障的发生与发展，为解决困扰诊断领域多年的小样本条件下进行正确早期故障智能预示问题开辟一条新途径。现代信号分析与处理技术的本质从整体上来说可以用七个“非”字概括，即：非线性、非因果、非最小相位系统、非高斯、非平稳、非整数维(分形)信号和非白色的加性噪声(有色噪声)。循环平稳（CS：cyclostationary）信号是非平稳信号中的一个重要子类，是一种特殊的非平稳信号，其统计特性随时间呈现周期或多周期（各周期不能通约）变化。机械设备中广泛存在循环平稳信号，特别是在滚动轴承等复杂的旋转机械中，部件由于故障而产生周期性脉冲力，使得观测到的振动信号明显包含周期成分。循环统计量方法针对故障信号周期时变的特点，从故障产生的物理本质入手，直接提取信号中的周期成分，更加贴切的反映设备的真实状况，为准确判断故障类型和严重程度奠定了良好的基础。目前这种方法在获取滚动轴承、齿轮等早期故障信息方面得到了应用，效果良好。近年来非平稳过程分析技术发展很快，如小波分析、Wigner（维格纳）分布等，但我发现有的系统中小波分析和Wigner分布计算结果是错误的。比如说Wigner分布，频率范围不会超过幅值谱的频率范围，时间范围也不会超过时间波形的时间长度，而且要增大时间轴分辨率，就得降低频率分析范围。有些系统中的Wigner分布频率范围比幅值谱的分析范围还宽，这就是有计算错误了。如果利用这些方法来分析问题，其后果是可想而知的。现在还有一些公司的产品中根本没有适用于非平稳过程分析的软件。3、对故障诊断的认识一般的系统诊断故障的策略多是基于某一时刻、某一测点的数据进行的，即将特定点的数据的分析结果作为故障诊断的依据，因此普遍存在故障诊断准确率较低的问题，甚至出现了一些误诊问题。我们最近就遇到了这样一件案例：某公司为某厂一台振动大的机组进行测试诊断，诊断出的两条结论全部错误，其原因就是只重视了振动大的点，忽视了振动“小”的点（振动小往往与刚度增大有关），因此得出错误的结论也是意料中的事情。后来我们通过分析，并对一些关键环节进行了核算，得出了厂方认可的结论。恩普特公司对故障诊断的认识与策略有别于其它公司，是从整个机组系统来分析振动“源”的。我们把影响振动的所有因素如转子、支撑轴承、转子连接部件、外部管线、基础等全部作为诊断故障的“元素”，从力、刚度、振动三者综合考虑振动的来源、故障类型和故障程度。对于采用滑动轴承的机组，我们从每个轴承的动、静态数据和每一轴承截面振动值的比率综合诊断故障，从而使得故障诊断的准确率较高，符合现场实际。近期我们开展的一个研究课题是“长时间段内数据的融合及统计分析”，可以将1天甚至更长时间的数据进行综合性融合和统计性分析，更能客观地揭示机组的真实运行状态。这个研究成果对传统的振动信号分析将又是一个巨大的挑战。总之，恩普特诊断故障的理念是“解决实际的振动工程问题”，不是为了对某一种新的分析方法或概念进行炒作，这是恩普特公司一贯的技术宗旨。上世纪80年代，日本人参观中国的火箭制造工艺返回日本后说，中国的火箭制造工艺非常落后，日本随便一个小厂的制造工艺都比中国强，但中国的火箭发射成功率在世界上是最高的，而日本就是目前最高级的火箭发射成功率不足70%，就是说每发射3箭就有一箭爆炸。这就是一个系统概念，系统需要整体性能最优，组成系统的环节中任何一个环节出现问题都会严重影响系统的整体性能。对于符合用户需要的系统来说，必需是结合技术开发人员的技术和现场技术人员的经验集成的“新”系统，单纯让用户适应产品供应商某型产品的做法都会降低该产品的实际使用效果。4、关于系统的“误诊”与“漏报”用户普遍关注的问题是系统会不会发生“误诊”或“漏报”现象，这确实也是一个非常实际的技术问题。产生误诊的原因是，系统配置的分析方法存在缺陷，或物理意义不明确，或存在原则性错误，导致得出错误的结论。恩普特公司对分析方法的配置和专家诊断系统的推理，并不是简单地利用某一时刻、某一测点的频谱“计算”来的结论，而是综合考虑了转子系统整体的动力学特征来推理异常的主要“源因”，这一点与许多所谓的“专家系统”是差异的，因为后者利用了类似“因果矩阵”的方式计算得出结论的。漏报多是因为采集数据的方式不能满足实际需要，如前述的开停车过程数据采集，许多系统就出现开停车过程的分析结果不准确问题；另一个原因是对系统振动值的报警设置，简单的利用有关振动标准设置报警就会出现一些“漏报”问题。恩普特公司对设备状态的认定综合了如下诸多因素，如： 振动幅值未变，相位发生较大偏移，认定为状态变化； 特定矢量的相位、幅值变化，认定为状态变化； 振动幅值变化率过大，认定为状态变化； 转子振动幅值变化不大，但平均位置变化较大，认定为状态变化。如果仅采用一种报警方式，就会出现用户普遍关注的“漏报”问题。恩普特公司针对转动设备的运行特点，所有上述四种状态变化均被认定为“报警状态”，因此，无论机组工作状态出现哪一类状态异常，系统都会捕捉到当时的数据，所以用户不用担心存在“漏报”问题。5、系统可靠性系统的可靠性是保证系统正常发挥作用的基本要求。一套系统的可靠性，并非简单地用一个指标来表达，应该包含该系统硬件的平均无故障时间、系统软件的稳定性与可靠性、系统软件中涉及算法的可靠性与正确性、网络系统的稳定性与安全性等等。这些指标中任何一项出现漏洞，都会影响系统的正常运行。恩普特公司为了提高系统的整体可靠性，在每一个环节都进行了详细的设计。网络系统最担心被病毒攻击，恩普特就选择了安全性最好的Linux系统作为网络支撑环境，同时也发挥了Linux系统具有最强大TCP/IP通讯协议的优势，而且应用正版软件的成本较低；系统软件中的算法全部经过了多年验证，软件经中国软件中心评测通过，这些都保证了系统运行中不