左學謙,熊 芝*,聶 磊,丁善婷,宋德夫,陳海龍

(1.湖北工業(yè)大學 機械工程學院,湖北 武漢 430068;2.湖北省現(xiàn)代制造質量工程重點實驗室,湖北 武漢 430068;3.安徽容知日新科技股份有限公司,安徽 合肥 230000)

0 引 言

隨著信息化技術的快速發(fā)展和油田行業(yè)“兩化融合”的深入推進,加快全面建成數(shù)字化、智能化油田,推動油田高質量可持續(xù)發(fā)展成為一種必然趨勢。

作為注水系統(tǒng)中一種重要的設備,油田用泵[1]在石油行業(yè)的開采過程中起著至關重要的作用。在泵的維修問題上,傳統(tǒng)的維修方式如事后維修、定期維修、視情維修等都存在著無法確定故障狀態(tài)及有效評價設備健康狀況等問題,且難以滿足現(xiàn)場維修需求。因此,必須有一種以健康狀態(tài)評估為基礎的預防性維修方式。

目前,對于復雜設備采用基于健康狀態(tài)維修已經(jīng)成為一種趨勢。常見的健康狀態(tài)評估方法主要有以下3種:基于模型的方法、基于專家系統(tǒng)的方法和基于數(shù)據(jù)驅動的方法[2-4]。

(1)基于數(shù)據(jù)驅動的方法。該方法不依賴于系統(tǒng)的數(shù)學模型和專家知識,主要采用各種數(shù)據(jù)挖掘技術,獲取在線數(shù)據(jù)和離線數(shù)據(jù)中隱含的有用信息,表征當前系統(tǒng)的正常和故障狀態(tài)[5,6],實現(xiàn)健康評估;但該方法對系統(tǒng)運行環(huán)境要求高,需要保證系統(tǒng)的數(shù)據(jù)特征在本次運行時不會發(fā)生改變,并且難以準確建立一個能夠反映退化過程的健康指標[7];

(2)基于專家系統(tǒng)的方法。它是利用專家經(jīng)驗建立的針對某一領域的知識庫,并需要計算機程序模擬專家的推理和決策過程[8,9]。該方法的知識庫構建比較困難,標準統(tǒng)一性差;對于規(guī)則較多的復雜系統(tǒng),它存在規(guī)則沖突與推理漏洞等問題;

(3)基于模型的方法。通過建立準確的數(shù)學模型來進行設備健康評估,主要有參數(shù)估計法、狀態(tài)估計法、等價空間法、分析冗余法等[10]。該方法需要準確建立對象模型,需要對其基本原理、運行機理和失效機制有較深理解,依賴大量的歷史數(shù)據(jù)規(guī)律。

以上分析表明,通過對油田用泵(柱塞泵)歷史數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)進行綜合分析,能較好地得到系統(tǒng)狀態(tài)值與系統(tǒng)故障之間的對應關系,建立起相應的數(shù)學模型,可將當前的系統(tǒng)狀態(tài)值作為輸入值,以此來對系統(tǒng)的健康狀態(tài)進行實時評估。

因此,本文提出一種基于FAHP的評估方法,用來對油田用泵(柱塞泵)進行健康狀態(tài)評價。

1 基于FAHP的健康狀態(tài)評估模型

模糊層次分析法(FAHP)是一種模糊數(shù)學評估法與層次分析法相結合的數(shù)學方法[11]。它根據(jù)隸屬度理論,將定性評價轉化為定量評價。

該方法主要步驟為:

(1)建立權重矩陣。根據(jù)系統(tǒng)組成結構,得到健康狀態(tài)分級評價結構模型;采用9標度與FMECA分析中的嚴酷度一一對應,進行兩兩比較,建立判斷矩陣,計算權重向量,并通過一致性檢驗,最終得到權重矩陣;

(2)生成劣化度模糊判斷矩陣。將劣化度代入隸屬度函數(shù)中,得到劣化度模糊判斷矩陣;

(3)計算健康狀態(tài)評價矩陣。利用權重矩陣和劣化度模糊判斷矩陣,進行矩陣相乘運算,得到健康狀態(tài)評價矩陣;并以此類推,得到上一級的健康狀態(tài)評價矩陣[12,13];

(4)根據(jù)最大隸屬度原則,對設備進行健康狀態(tài)評估。

基于FAHP的健康狀態(tài)評估模型如圖1所示。

圖1 基于FAHP的健康狀態(tài)評估模型

2 權重矩陣及一致性檢驗

筆者對設備進行失效模式影響及危害性分析(FMECA),得出各系統(tǒng)或部件發(fā)生故障的嚴酷度;根據(jù)系統(tǒng)結構組成,生成健康狀態(tài)分級評價模型,將9標度與FMECA分析中的嚴酷度一一對應,進行兩兩比較,建立判斷矩陣。

嚴酷度與9標度對應關系如表1所示。

表1 嚴酷度與9標度對應關系

因此,可得到裝備各系統(tǒng)或部件的判斷矩陣:

(1)

筆者采用求根法,計算判斷矩陣的最大特征根λmax及其對應特征向量w=(w1,w2,…,wn),并進行一致性檢驗,最終得到權重矩陣,即:

X=wT

(2)

一致性檢驗是指利用一致性指標、一致性比率及隨機一致性指標,對判斷矩陣進行檢驗的過程[14]。

(1)一致性指標:

(3)

式中:CI—隨機一致性指標,無量綱;λmax—判斷矩陣的最大特征根,無量綱;n—判斷矩陣的階數(shù)[15],無量綱。

(2)一致性比率:

(4)

式中:CR—隨機一致性比率,無量綱;RI—平均隨機一致性指標,無量綱。

對于1～15階判斷矩陣平均隨機一致性指標RI的值,如表2所示。

表2 平均隨機一致性指標RI

由于λ連續(xù)地依賴于aij,則λ比n大得越多,判斷矩陣的不一致性越嚴重,引起的判斷誤差越大。因此,可以用λ—n數(shù)值的大小來衡量判斷矩陣的不一致程度。

一般情況下,當一致性比率CR<0.1或λmax=n,CI=0時,認為判斷矩陣的不一致程度在容許范圍之內,有滿意的一致性,可以通過一致性檢驗[16];否則,需要重新構造判斷矩陣,對aij加以調整。

3 模糊隸屬度函數(shù)

劣化度取值范圍為[0,1],記為li,其公式為:

(5)

式中:Ai—第i個狀態(tài)特征參數(shù)的正常值,無量綱;Bi—第i個狀態(tài)特征參數(shù)的極限值,無量綱;Ci—第i個狀態(tài)特征參數(shù)的實際測量值,無量綱;k—指數(shù),反映第i個狀態(tài)參數(shù)的變化對裝備功能的影響程度,一般故障情況下取2。

其中,Ai、Bi的值取自準備的檢測標準,它根據(jù)裝備設計使用和維修說明或根據(jù)實際經(jīng)驗來定[17]。

由于嶺形分布隸屬度函數(shù)具有主值區(qū)域寬、過渡帶平緩等特點,能較好地反映出裝備劣化度與狀態(tài)之間的模糊關系,可用來量化設備健康狀態(tài),從而將抽象概念轉化為數(shù)學模型,計算出劣化度對應各健康狀態(tài)的隸屬度[18]。

嶺形分布隸屬度函數(shù)如圖2所示。

圖2 嶺形分布隸屬度函數(shù)

圖2中,嶺形分布隸屬度函數(shù)表達式分別為:

(a)偏小型:

(6)

(b)偏大型:

(7)

(c)中間型:

(8)

式中:a,b—函數(shù)調整參數(shù),其取值范圍為[0,1]。

結合嶺形分布隸屬度函數(shù)隨劣化度變化過程可知,一般情況下,“正?！睜顟B(tài)選擇偏小型分布(處理區(qū)間內偏小數(shù)據(jù)),“亞健康”和“異?！睜顟B(tài)選擇中間型分布(處理區(qū)間內中間段數(shù)據(jù)),“故障”狀態(tài)選用偏大型分布(處理區(qū)間內偏大數(shù)據(jù))。

筆者根據(jù)裝備監(jiān)測數(shù)據(jù)計算出劣化度,將其代入模糊隸屬度函數(shù)中,可得到各系統(tǒng)或部件的劣化度模糊判斷矩陣,即:

(9)

4 最大隸屬度原則

根據(jù)劣化度取值范圍[0,1],筆者參照相關的評價標準及專家經(jīng)驗[19-21],構建出四維設備健康狀態(tài)隸屬度向量等級,如表3所示。

表3 四維設備健康狀態(tài)隸屬度向量等級

筆者利用權重矩陣和基于劣化度的模糊判斷矩陣,進行矩陣相乘運算,得到健康狀態(tài)評價矩陣;并以此類推,得到上一級的健康狀態(tài)評價矩陣:

Y=X°R=(y1,y2,…,yn)

(10)

式中:X—權重矩陣;R—模糊判斷矩陣;“°”—模糊運算符。

最大隸屬度原則為:

μ=max(y1,y2,…,yn)

(11)

最后,根據(jù)以上原則來判斷設備健康狀態(tài)隸屬度向量等級,從而判斷出該部件處于何種狀態(tài)。

5 柱塞泵健康狀態(tài)評估實驗

為驗證基于FAHP的健康狀態(tài)評估模型的有效性和實用性,筆者從某油田注水系統(tǒng)選取了1臺5DSB—34/25(120)型柱塞泵為例進行分析。

5.1 監(jiān)測方案

據(jù)統(tǒng)計,70%以上的設備故障形式都表現(xiàn)為振動,因此,通過對設備的振動信號進行識別與分析處理,可以為診斷決策提供依據(jù)[22,23]。筆者采用加速度振動值作為評估指標,對中高頻振動和高頻振動的柱塞泵進行健康狀態(tài)評估。

該實驗采用的加速度傳感器型號為RH505,其振動量程:±50 g;采樣頻率:1 280 Hz～51.2 kHz;頻率響應:±3 dB;線性度:1%。該傳感器具有極寬的頻帶,且有很大的動態(tài)變化范圍,靈敏度較高[24-26]。

由于柱塞泵大部分都是機液一體的,其在工作過程中既有機械零件間的振動,又有工作介質引起的沖擊,并且不同的故障在不同的測量方向上均有不同的反映[27]。因此,測點布置一般按3個方向選擇進行振動信號監(jiān)測,即軸向方向A、水平方向H和垂直方向V。

柱塞泵現(xiàn)場測點布置情況如表4所示。

表4 現(xiàn)場測點布置情況

柱塞泵現(xiàn)場部分測點安裝圖如圖3所示。

圖3中,振動監(jiān)測點大部分在機身表面上選取,傳感器采用膠粘方式安裝,安裝面光滑平整。

5.2 實驗及結果分析

實例一:根據(jù)柱塞泵的健康狀態(tài)分級評價結構模型,經(jīng)計算可得到第一種情況的柱塞泵動力端健康狀態(tài)評價矩陣,如表5所示。

圖3 柱塞泵現(xiàn)場部分測點安裝圖

表5 第一種情況柱塞泵動力端健康狀態(tài)評價矩陣

根據(jù)最大隸屬度原則可得出以下結論:柱塞泵的動力端處于“亞健康”狀態(tài),但并不影響其正常工作,需加強對設備各項運行指標的監(jiān)測。

在定期維修過程中發(fā)現(xiàn)柱塞泵電機上皮帶出現(xiàn)磨損情況。系統(tǒng)監(jiān)控平臺顯示:在2021年5月10日至5月14日時間段,柱塞的輸出端6 H測點處加速度時域波形呈現(xiàn)出明顯的周期性沖擊特征,間隔為10.14 Hz。

柱塞輸出端6 H加速度時域波形如圖4所示。

電機速度頻譜圖如圖5所示。

圖4 柱塞輸出端6 H加速度時域波形

圖5 電機速度頻譜圖

由圖5可知:電機自由端1 H和電機負荷端2 H的速度頻譜中2倍頻能量顯著上升;能量具體變化過程分別為:1.433 mm/s→2.631 mm/s(↑1.198 mm/s)、2.376 mm/s→5.875 mm/s(↑3.499 mm/s)。

實例二:第二種情況的柱塞泵動力端健康狀態(tài)評價矩陣,如表6所示。

表6 第二種情況柱塞泵動力端健康狀態(tài)評價矩陣

根據(jù)最大隸屬度原則可知,柱塞泵動力端處于“異?！睜顟B(tài),該柱塞泵動力端需要進行維修。

停機檢修發(fā)現(xiàn),泵端存在不上量情況,且排液閥的閥芯溝槽出現(xiàn)磨損,如圖6所示。

柱塞泵多測點加速度波形圖如圖7所示(箭頭表示出現(xiàn)上升趨勢)。

由圖7可知:在2021年4月12日至5月6日時間段可見柱塞泵端多測點加速度,在4月26日之后呈現(xiàn)緩慢上升趨勢,柱塞輸出端6 H測點幅值變化最高可達到21.4 m/s2。

柱塞泵多測點速度波形圖如圖8所示(箭頭表示出現(xiàn)上升趨勢)。

由圖8可知,泵端多測點速度也存在著緩慢上升的趨勢。

同時,筆者對柱塞輸入端5A測點在2021年5月6日0時0分時刻,在頻段2 500 Hz～9 000 Hz進行包絡解調分析。

柱塞輸入端5A測點加速度包絡譜如圖9所示。

圖6 排液閥閥芯溝槽磨損

圖7 柱塞泵多測點加速度波形圖

圖8 柱塞泵多測點速度波形圖

圖9 柱塞輸入端5A測點加速度包絡譜

由圖9可知,加速度長波形包絡譜中主要以曲軸轉頻(3.809 Hz)及其諧波能量為主。該結果表明,健康狀態(tài)評估結果與實際維修結果基本符合。

6 結束語

針對目前油田行業(yè)實施預防性維修的需求,筆者提出了一種基于FAHP的分析模型法,對柱塞泵的健康狀態(tài)進行評估。

首先，筆者通過分析柱塞泵系統(tǒng)組成形成,由健康狀態(tài)分級評價結構模型得到權重矩陣;將監(jiān)測數(shù)據(jù)計算出的劣化度代入隸屬度函數(shù)中,得到劣化度模糊判斷矩陣;最后進行矩陣相乘運算得到健康狀態(tài)評價矩陣,根據(jù)最大隸屬度原則進行設備健康狀態(tài)評估。

研究過程及結果如下:

(1)在權重矩陣及一致性檢驗中,將9標度與嚴酷度相結合,增加了判斷矩陣建立的可信度,提高了健康評價模型的置信度;在模糊判斷矩陣中引入模糊理論,能解決故障狀態(tài)與故障判斷模糊性大和狀態(tài)評估指標片面的問題,克服了使用AHP的局限性;

(2)筆者采用基于FAHP的分析模型法對油田注水系統(tǒng)中的柱塞泵進行了狀態(tài)監(jiān)測,取得了較好的效果,實現(xiàn)了故障定位與健康評估,證明了該方法的有效性和可行性,能很好地實時反映出設備在運行過程中的故障狀態(tài),所建立的狀態(tài)評估指標可以充分利用監(jiān)測數(shù)據(jù),對現(xiàn)場維修具有很好的指導作用。

在后期的研究工作中,筆者將建立具有更高合理性、科學性的判斷矩陣,并在隸屬度函數(shù)的選擇方面開展研究。