軸心軌跡特征算法在唐山LNG海水泵故障監測中的應用

雒海隆,田建坤,王大林,李 旭

(1. 中石油京唐液化天然氣有限公司,河北 唐山 063000; 2. 清華大學,北京 100095; 3. 和塵自儀(嘉興)科技有限公司, 浙江 嘉興314000)

泵類設備是LNG接收站的關鍵設備,構建泵的數字化監測和完整性管理體系、開展大型泵類故障監測和預警對LNG運行安全具有重要意義【1】。傳統的泵類監測手段主要依賴于振動超限報警,但在實際運行中發現,泵的部分故障模式和故障早期階段并不會引發振動超限,或隨著故障持續發展至嚴重狀態才會觸發振動超限,一旦振動超限則可能直接引發聯鎖停機影響生產運行。

對泵的故障進行早期識別,實現泵健康狀態的有效監測,是確保LNG接收站正常運行的重要保障,也是數字化LNG接收站建設的重要構成要素【2】。近年來行業內對泵類故障早期識別的方法研究較多,但主要集中于振動頻譜特征學習等方面【3-4】,受限于測點安裝、數據采集和故障案例不足等限制,其應用受到了很大制約。如何充分應用當前已有測點的信號數據、挖掘新型算法模型、準確高效地實現泵的故障早期預警和診斷,是行業內面臨的共性問題。

1 海水泵監測情況

LNG接收站海水泵用于將海水輸送至開架式氣化器(ORV)以提供氣化LNG熱源,是接收站關鍵設備之一。

唐山LNG接收站海水泵配置為1大(額定流量16 000 m3/h)和3小(額定流量8 000 m3/h)共4臺泵,均為多級立式長軸軸流泵,是國內LNG接收站海水泵國產化首臺套產品【5】,于2013年完成安裝投運。海水泵結構見圖1。

圖1 唐山LNG接收站海水泵結構

海水泵原有狀態監測系統主要包括BENTLY振動監測模塊、轉速監測表、電流表和軸承/線圈溫度監測及壓力、流量等工藝參數監測,其中振動監測是最主要的監測手段。隨著泵累積運行時間的增加,泵的振動超限時有發生,且通常振動超限會觸發聯鎖停機,造成泵意外停運事件的發生。

海水泵安裝的BENTLY振動監測模塊共配置了4個振動傳感器,其中2個安裝于電機和推力軸承外殼上,用于監測軸承振動情況;另外2個垂直安裝于推力軸承上側主軸位置(見圖2),用于監測主軸的振動情況。振動傳感器的測量信號輸入BENTLY模塊,當出現振幅超限情況時, 模塊自動生成報警信號,并發送至中控室DCS側,觸發振動高報警或振動高高聯鎖停機。

圖2 主軸振動監測測點布置

海水泵作為輸運介質為海水的長軸泵,軸的腐蝕、機械密封的失效、軸承的故障等均是常見問題。但原有振動監測集中于發生嚴重故障時的超限報警,一旦發生報警則通常意味著故障情況已經較為嚴重,在過往經驗中,這往往意味著要緊急停機并對泵進行全面檢修。

2 軸心軌跡特征算法模型構建

軸心軌跡是表征主軸狀態的一個重要特征。采用圖2所示的1對位置正交的振動位移傳感器測量轉動時主軸與傳感器安裝位置之間的間隙動態變化,將2個傳感器的測量數據分別作為x軸和y軸坐標值繪制在直角坐標系中,即得到主軸轉動時的軸心軌跡。理想情況下,正常的軸心軌跡應該是較為穩定、長短軸相差不大的橢圓,在出現不對中、碰摩等異常問題時,軸心軌跡則會呈現出月牙狀、香蕉狀、鋸齒狀等特征形狀。

使用軸心軌跡對主軸進行健康評估和故障監測的算法框架如圖3所示。算法基于海水泵自身的歷史數據,通過模型訓練建立設備健康狀態下軸心軌跡的參照標準,并通過對比在線分析得到的軸心軌跡與參照標準軌跡之間的差異對海水泵進行健康評估和故障監測。

圖3 基于軸心軌跡的主軸健康監測框架

為減小傳感器測量噪聲的影響,得到更為平滑的軸心軌跡,在繪制軸心軌跡前通常需要對振動位移數據進行降噪處理。較為常用的降噪方式有濾波法和同步平均法兩種。由于海水泵未安裝鍵相傳感器,不便采用同步平均法進行處理,故使用濾波法進行原始數據的降噪處理,即將兩個位移傳感器的測量數據通過一個低通濾波器進行濾波后,再生成軸心軌跡。低通濾波器的截止頻率基于軸的轉動頻率進行設置。

海水泵運行過程中,每隔一定時間采集一段軸位移傳感器的測量數據,采集時間要求覆蓋多個轉動周期,經過濾波處理后生成相應時段的平滑軸心軌跡,并進行均值軸心軌跡計算,得到平均單圈軸心軌跡,同時,將計算結果存入軸心軌跡數據庫中。

模型訓練階段,根據設備各個方面監測數據的表現,從海水泵的運行歷史中選取一段設備處在平穩運行、相對健康狀態下的時間段作為參照標準軌跡的訓練時間段。從軸心軌跡數據庫中提取該時間段內的軸心軌跡計算結果作為參照標準軌跡的訓練數據集?？紤]到軸心軌跡是1個二維圖形,參考標準軌跡通過以下兩方面的特征進行表征:

1) 軸心軌跡覆蓋范圍的大小,覆蓋范圍越大則說明軸在旋轉過程中的擺度幅度越大,該特征可通過計算擺度值進行表征;

2) 軸心軌跡的形狀特征,即軸心旋轉軌跡的實際二維形狀,通過歸一化后的均值軸心軌跡曲線表征。

對訓練數據集中的軸心軌跡歷史數據進行以上兩方面特征的提取,并統計均值,最終得到一個代表設備在相對健康狀態下軸心軌跡的參照標準。

在線監測評估階段,在線采集的x向和y向振動位移數據經過同樣的低通濾波等預處理后得到平滑軸心軌跡,再進一步提取其擺度和均值軸心軌跡曲線(即軸心軌跡形狀)。分別將提取得到的擺度和軌跡形狀與訓練階段建立的參照標準進行對比,其中,擺度是比較實際擺度值與參照擺度值的大小,偏差越大則相應的健康評分越小;軌跡形狀是對比實際的歸一化均值軌跡曲線與參照歸一化均值軌跡曲線之間的差異(如圖4所示),基于歸一化軌跡曲線各個點的坐標計算兩者形狀的積分差異,差異越大則表明實際軌跡形狀與參考軌跡的偏差越大,相應的健康評分也越小。

圖4 實際軸心軌跡形狀與參照軸心軌跡形狀對比

最后,通過加權平均的方式將擺度和形狀兩方面的健康評分指標合成為一個軸心軌跡綜合健康指標。綜合健康指標是1個0～1之間的數,其數值越接近1,則表明實測的主軸軸心軌跡與訓練模型建立的參考軸心軌跡之間的差異越小,設備狀態越健康;反之,越接近0則表明實測軸心軌跡與參考軸心軌跡之間的差異越顯著,意味著可能存在潛在的異?；蚬收?。因此可為綜合健康指標設定一定的預警閾值(如0.6),當計算得到的綜合健康指標低于該閾值時,即給出故障預警,提醒運行維護人員關注海水泵當前狀態的異常。

3 在線監測系統軸心軌跡監測模塊開發

為全面提升海水泵健康監測和故障預測能力,唐山LNG接收站建設開發了海水泵在線監測系統,海水泵軸心軌跡監測模塊內嵌于海水泵在線監測系統中。海水泵在線監測系統是一套集成了海水泵振動監測、性能監測、噪聲監測、軸心軌跡監測等多種模塊的健康監測系統,采用了機器學習、人工智能等先進前沿技術,用于實現海水泵監測數據管理、狀態數據挖掘、監測手段完善和故障早期識別應用。海水泵在線監測系統主界面示意如圖5所示。

圖5 海水泵在線監測系統主界面示意

海水泵在線監測系統基于瀏覽器/服務器(B/S)架構開發,采用JAVA+PYTHON雙語言結構,確保數據采集和機器學習的雙重高效。通過海水泵在線多維數據采集裝置將傳感器信號接入數據庫,同時將DCS工藝數據通過總線接口接入,分為實時數據、近期數據和歷史數據分別存儲。系統內置的PYTHON算法引擎調用歷史數據進行特征訓練并將結果存入特征庫,在設備運行時調用實時數據和近期數據進行分析計算。海水泵在線監測系統數據流程如圖6所示。

圖6 海水泵在線監測系統數據流程

當發現設備出現異常時,系統經中控監視界面向運行值班人員發出報警。中控監視報警界面示意如圖7所示。

圖7 海水泵在線監測系統中控監視報警界面示意

4 海水泵軸心軌跡監測應用案例

4.1 正常運行時的泵健康評估

系統對某月份海水泵運行數據進行分析,獲得B、C、D泵的軸心軌跡特征分布如圖8(a)～圖8(c)所示。通過軸心軌跡與參照軸心軌跡的對比計算健康指標,具體計算方式為將軸心軌跡和參照軸心軌跡轉換至極坐標后,計算r軸上兩者差距的均值,再歸一化為1個0～1之間的數,結果越接近1表示實際軌跡與參照軸心軌跡越接近,越接近0則表示兩者差異越大。

圖8 B、C、D泵的軸心軌跡特征分布

B、C、D泵軸振位移幅值均未超過報警限值,DCS系統中未發生報警。由圖8(a)～圖8(c)可見:B泵運轉平滑,擺度較低,軸心軌跡分布正常,軸心軌跡健康指標在0.9以上,運行健康;C泵呈現多個外凸,但總體未出現尖銳異常,軸心軌跡健康指標在[0.76～0.9]之間,健康狀態可接受;D泵軸心軌跡出現內突尖刺,特征出現異常,健康指標低于0.6,判斷運行過程中存在軸承磨損或軸碰摩。

對D泵進行解體檢修發現,泵電機軸承出現滾珠磨損和軸承外環變形,造成軸轉動時出現碰摩,此時由于并未發生振幅超限,仍處于故障早期。若持續運行則可能造成軸承進一步變形損壞,并導致泵意外停運和軸系其他部件嚴重故障的發生。

4.2 異常發生時的泵故障監測

海水泵C泵在運行后某日正常停運,停運時該泵參數均無異常,停運前軸心軌跡如圖9(a)所示。3日后根據生產需求重啟該泵。泵正常啟動成功,DCS及現場未發現報警和異常。運行2 h后,中控和DCS顯示泵無異常,但在線監測系統軸心軌跡監測模塊發現該泵軸心軌跡異常,軸心健康指標劇烈下降并發出報警提示,此時軸振幅值并未超限,DCS仍無報警,但軌跡特征呈現圖9(b)形狀?，F場檢查后發現該泵冷卻盤管泄漏,軸承潤滑油被泄漏的冷卻水沖走并流至平臺面積存,泵緊急停運維修。經修復后泵重啟運行,軸心軌跡恢復正常,如圖9(c)所示,泵的健康指標恢復至0.85正常區間。

圖9 泵故障前、故障時、修復后軸心軌跡特征

5 結論

泵作為油氣化工行業的關鍵設備之一,其故障監測和健康管理一直受到業內重視。但傳統的監測手段通常難以實現故障的早期預警,在發現故障時設備往往已經處于較為嚴重的不可用狀態。軸心軌跡特征算法作為一種可利用現有信號數據進行深度挖掘應用的算法模型,在故障早期識別、健康監測和故障智能診斷方面都可以發揮效用。

唐山LNG接收站海水泵在線監測系統中構建的軸心軌跡算法模塊通過對海水泵軸心軌跡歷史特征訓練獲得其健康基準, 并通過近期和實時的特征比對計算, 對海水泵的健康狀態和早期故障進行監測,實踐證明, 該方法能夠有效對海水泵進行智能監測,準確性高,誤報率低,是一種可推廣應用的技術方法。隨著運行數據和故障案例的進一步積累,以及監測診斷精準性的進一步提升,這種方法將成為海水泵運行管控的重要構成部分。