江學文，令狐友強

（三峽電力職業(yè)學院動力工程學院，湖北宜昌，443000）

1、引言

機械設備狀態(tài)監(jiān)測和故障診斷是20 世紀60 年代以來形成的一門新興技術，是一種了解和掌握設備在使用過程中的狀態(tài)，確定其整體或局部是否正常，早期發(fā)現(xiàn)故障及其原因，并能預測狀態(tài)發(fā)展趨勢的綜合性技術。近年來國內外學者在機械設備狀態(tài)監(jiān)測和故障診斷的基礎研究和重大工程應用方面取得了突出進展，國外重點是轉子故障機理和經(jīng)驗模式分解方法，國內典型的原創(chuàng)性成果如取得了全息譜、振動故障治理與非線性動力學、小波有限元裂紋診斷和系統(tǒng)故障自愈診斷等。[1]到2020 年，中國常規(guī)水電裝機容量將達到3.3 億千瓦，水電事業(yè)將迎來發(fā)展的黃金期，隨著電力系統(tǒng)的日益發(fā)展，水電站供電可靠性和設備故障率之間的矛盾日益突出，需要有效、科學的對各類設備進行健康預測，提高水電站設備運行的可靠性和穩(wěn)定性，改善運行人員的工作條件。水電站設備健康預測是機械設備狀態(tài)監(jiān)測和故障診斷技術在水電站設備中的重要應用，是目前行業(yè)的研究熱點。國內機械設備狀態(tài)監(jiān)測和故障診斷研究存在以下問題：研究故障表象多，研究故障機理少；研究旋轉機械多，研究往復機械少；研究通用機械多，研究專用機械少；研究單一方法多，研究綜合診斷少；研究部件故障多，研究系統(tǒng)故障少；研究顯著故障多，研究微弱故障少；研究仿真數(shù)據(jù)多，研究工程數(shù)據(jù)少。[2]在水電行業(yè)，機械設備狀態(tài)監(jiān)測和故障診斷研究發(fā)展中的不足則主要體現(xiàn)在“研究故障表象多，研究故障機理少，研究單一方法多，研究綜合診斷少”，因而在設備健康預測中沒有發(fā)揮出應有的價值，在發(fā)現(xiàn)設備潛在故障、診斷故障原因和提供檢修決策中還未發(fā)揮主要作用。本文提出的水電設備健康預測方法，是以水電設備故障機理為切入點，以自動分析報告單為基本形式，以工程化的健康預測為目標的綜合診斷方法。

2、健康預測的技術路線

人體疾病與機器故障從仿生學概念來理解是相同的，把醫(yī)學診斷的基本思想推廣到工程中去就形成了設備健康預測技術。

水電設備的健康預測，設計實施的技術路線如下圖所示：

圖1 技術路線圖

在明確體檢功能后，首先要設計具體的體檢項目，根據(jù)這些項目確定物理監(jiān)測量，即完成傳感器的配置。然后根據(jù)數(shù)據(jù)平臺建設的需要設計、開發(fā)系統(tǒng)的軟件和硬件。隨著技術的進步，水電設備健康體檢項目會不斷增加，因此，分析診斷軟件應當是模塊化和獨立的，且具有開放式的數(shù)據(jù)庫接口協(xié)議。

設備健康預測技術，中心是自動完成體檢報告任務，進而開展設備的健康預測，所有的技術要求都是圍繞這一中心任務來實施的：以信息處理流程為主要路線，以保障最終的診斷結論為主要目標對各個設備的性能和功能提出要求。

3、健康預測方法的構建與應用

故障是機器的部件或組件劣化或出現(xiàn)可能導致機器失效（喪失完成某項規(guī)定功能的能力）的反常狀態(tài)時，部件或組件所處的狀態(tài)。[3]水電站設備的故障、缺陷大多有一定的發(fā)展期，其水力、電氣、機械、化學等特性發(fā)生少量漸進的變化，出現(xiàn)前期征兆。如果對水電設備進行連續(xù)監(jiān)測，通過挖掘監(jiān)測數(shù)據(jù)及時獲取這些前期征兆信息，便可預測設備的健康狀況，評估設備的運行可靠性，診斷出潛在的故障原因，為設備檢修提供可靠的決策依據(jù)。

3.1、預測指標的選擇

健康預測指標是設備健康預測工作的靈魂，通常的做法是選擇某些物理監(jiān)測量作為健康預測指標，這些物理監(jiān)測量具有高敏感性和可靠性，且有許多個。水電站設備健康的影響因素比較復雜，依靠這些物理監(jiān)測量來預測水電設備的健康狀態(tài)并進行故障診斷往往是不夠的。針對水電設備的特殊情況需要采用新的思想方法，在選擇健康預測指標的時候，我們關心的是：某項健康預測指標由哪些物理監(jiān)測量表現(xiàn)，這些物理監(jiān)測量之間的關系是怎樣的，建立什么樣的數(shù)學模型可以挖掘這些物理監(jiān)測量所蘊含的狀態(tài)信息。水電站設備的故障是千差萬別的，每一項預測指標要通過多個物理監(jiān)測量來表征，如果將每一種預測指標對應某一種故障，則預測指標與物理監(jiān)測量之間的關系為：

式中F：某預測指標；

α1，α2，…：物理監(jiān)測量。確定健康預測指標，其本質是挖掘狀態(tài)數(shù)據(jù)所蘊含的故障信息。它的基本要求是確定F 與α1，α2，…之間的某種對應關系f，以便通過計算α1，α2，…來判斷某種故障是否發(fā)生，或者機組的狀態(tài)是否良好。對于水電站設備，在確定對應關系f時，要充分考慮將機組運行的各種不同工況作為關鍵要素，這一點是非常重要的。

水電站設備健康預測指標24 個，見表1。

3.2、預測模型的建立與應用

3.2.1、預測指標與監(jiān)測物理量之間關系的確立

建立預測模型，首先要弄清故障機理，借助故障機理建立預測指標與監(jiān)測物理量之間的對應關系。在實踐當中，預測指標與監(jiān)測物理量之間采用報告單形式，不僅給出了量化結論，而且給出了判定過程使用的過程曲線和相關圖表等，摒棄了高深的“人工智能”、“置信度”等方法和概念。

每個報告單對應的是一項設備的健康預測指標，每個報告單關于此項預測指標的解釋具有豐富的內容，不是簡單的肯定或否定，在給出診斷結論的同時，還提供相應的建議和措施。下面以“質量不平衡”預測指標為例，介紹預測指標與監(jiān)測物理量之間關系是如何建立的。

表1 水電站設備健康預測指標

質量不平衡的故障機理：對水輪發(fā)電機組來說，機組旋轉部件（包括主軸、推力頭及鏡板，水輪機轉輪、發(fā)電機轉子，轉速繼電器等同軸轉動部分）由于質量分布不均導致質量中心與旋轉中心不重合而產(chǎn)生的不平衡。質量不平衡對上導擺度、下導擺度、上機架振動、下機架振動有強烈影響，質量不平衡相位以大軸上人工設置的某一鍵相點為基準計算。除轉速頻率和幅值、相位恒定外，不平衡質量產(chǎn)生的離心力與轉速頻率的平方成比例，但對于立式機組，作用在每個導軸承上的力不見得都與轉速頻率的平方成比例。另外，由不平衡質量力引起的弓狀回旋所產(chǎn)生的附加不平衡力不是獨立存在的。當質量不平衡力消除后附加不平衡力就自然消失了，由轉動部分的缺陷引起的附加不平衡力則不可能完全消失。

見圖2 所示，這是關于“質量不平衡”預測指標的診斷報告單。

圖2 預測指標診斷報告單

3.2.2、健康預測模型的建立

表1 中列出了24 項健康預測指標，每個預測指標的分析診斷由診斷報告單完成，從上述可知每一個報告單都是根據(jù)故障機理設計的，對水電站設備進行健康預測時，可以依次生成24 項診斷報告單，根據(jù)診斷報告單的分析結論選擇預測模型對預測指標進行深入挖掘。從實踐的角度來看，一般可以用三種方法進行預測∶主觀判斷或直觀（定性）的方法，客觀定量（統(tǒng)計）的方法，定性與定量相結合的方法。由于研究對象的原因，這里主要介紹定量預測方法（模型）。定量預測的方法很多，表2給出了定量預測方法的大致輪廓。[4]一般而言，定量預測模型由以下幾部分構成∶

（1）數(shù)據(jù)，即預測對象和預測因子；

（2）結構，即預測模型函數(shù)的具體形式；

（3）參數(shù)，即預測模型函數(shù)中的待定參數(shù)。

表2 定量預測方法的分類

同時，進行定量預測必須具備以下三個基本條件∶

（1）有可以利用的“過去”和“現(xiàn)在”的信息。

（2）一些關鍵的信息可以觀測和量化，并且不會有系統(tǒng)的偏差(失真)。

（3）預測對象滿足所謂“連續(xù)性假設”，即基于已有的歷史信息建立起的模型，可以延續(xù)到未來。

第三個基本條件應用了事物發(fā)展的“慣性原則”，即∶任何一種事物的發(fā)展都與其過去的狀態(tài)或行為有某種關聯(lián)，過去的行為不僅影響現(xiàn)在，而且影響未來。顯然，如果慣性越大，則過去對未來的影響就愈大。

與其它預測方法相比，趨勢分析更為適合于水電設備的健康預測，因此，這里主要討論定量預測中的趨勢預測分析方法。

趨勢分析也可稱之為趨勢曲線分析或曲線擬合，是迄今為止研究得最多的，也最為流行的定量預測方法?！摆厔荨奔词挛锇l(fā)展的長期行為。經(jīng)驗表明，事物的發(fā)展完全由隨機動因所軀使，并且與過去的狀態(tài)毫無關系，不遵循任何可以認識的規(guī)律的情況是很少見的。因此，預測較為重要的一步就是要對事物的發(fā)展過程及其環(huán)境作系統(tǒng)分析，以發(fā)現(xiàn)主要的變化趨勢。

人們常用各種光滑曲線來近似描述事物發(fā)展的基本趨勢，即其中Yi為預測對象，εi為預測誤差(有時為討論的方便，將誤差項εi忽略掉)；可根據(jù)不同的情況和假設，f(t，θ)可取不同的形式，而其中的θ 代表某些待定的參數(shù)，t 為某一時刻。在實際生活中，許多事物的發(fā)展的基本趨勢常常呈現(xiàn)出如下共同特征∶

（1）從某一時刻t 起，在某一時期內連續(xù)上升或下降，或者大體上保持常態(tài)。

（2）在上升或下降過程中，由于其本身受某種規(guī)律的支配和環(huán)境的限制，最終趨向某一上限或下限。

（3）上升到某一頂點之后開始下降，直至趨向于零。

（4）隨時間t 的變化率(dYi/dt)或相對變化率(1/YidYi/dt)近似為常數(shù)或大體上符合某些其它的條件或限制。

4、結論

健康預測技術在其它機械領域的應用往往是選定一個或多個單一的、具有高靈敏性、高可靠性的物理監(jiān)測量作為預測指標，通過幅值和頻率分析判斷故障，然后通過主觀判斷的方法對設備進行健康預測。水電站設備健康預測，物質基礎是建立在線監(jiān)測系統(tǒng)，基本途徑是確定健康預測指標（也就是確定設備體檢項目）。從上文的闡述中可以看到，只有掌握了設備的故障機理才能確立設備的健康預測指標，每一項健康預測指標是若干物理監(jiān)測量的函數(shù)，函數(shù)關系的建立由故障機理來確定；每項預測指標含有豐富的狀態(tài)信息，它借助自動診斷報告來挖掘包含的狀態(tài)信息；每份自動診斷報告基于不同的故障機理，分析診斷不同的故障原因，體現(xiàn)的是一項特定的數(shù)據(jù)挖掘技術；在數(shù)據(jù)挖掘的基礎上，再建立合適的預測模型，就能夠對設備健康進行準確判斷和預測。上述方法在多個水電站實踐了多年，取得了較好的應用，對其它行業(yè)設備的健康預測具有重要的參考價值。

[1][2]王國彪，何正嘉等.機械故障診斷基礎研究“何去何從”[J].機械工程學報,2013,(1)：66,68.

[3]ISO 13372：2004, IDT, Condition monitoring and diagnostics of machines一Vocabulary,2004[S].

[4]高金吉.未來裝備工程思維[J],中國工程科學,2003,5(12)：30～35.