离心泵智能维护策略：轴承振动分析（上）
摘要
为了避免计划外或不必要的维护，并以最低成本提高系统可靠性，及早检测出旋转机械（尤其是离心泵）中的故障已变得至关重要。本文重点介绍信息物理系统（CPS）中离心泵的预测性维护（PdM），并提出了一种监测轴承以评估泵的健康状况的概念。CPS有可能提供具有自我意识和自我维护能力的技术系统。作为CPS框架的一部分，预测分析的实施使机器能够持续跟踪其自身性能并预测潜在故障。在泵的各种监测方法中，振动监测是采集实时数据的最重要方法之一。在PdM中使用此技术，可以在故障发生之前的早期进行维护。在对轴承进行振动监测的情况下，可以预测甚至增加其剩余使用寿命。因此，故障发生的概率最小化，可以实现确保最佳安全系统的智能PdM。此外，在最后一节中还对两种不同的维护策略进行了概念经济分析。
关键词：CPS，轴承，PdM，离心泵，振动监测
01
前言
在过去几年中，原始设备制造商和服务提供商在提高产品和服务质量方面迈出了重要一步。鉴于系统复杂性不断增加，他们还强化了他们的（操作）规程，以保持其（具有足够的）能力并对市场需求做出反应。自1951年引入预防性维护概念和全面生产性维护以来，维护实践已从以组织为中心，注重质量，转变为以客户为中心，注重价值创造和智能服务。这种转变导致了预测和健康管理（PHM）的改进。PHM解决方案能够将数据转换为所需信息，这些信息涉及资源退化的隐藏模式以及流程的不合理性。在发生故障之前，这些模式通常是隐藏的。对这些基本模式的检测可防止昂贵的故障和设备的不必要停机。这样的维护策略可以提高资产的可持续性，并最终实现接近零故障。此外，使这些隐藏模式可检测，有助于修改和调整规程，使其更加稳定和可靠。尽管为复杂系统和流程开发PHM面临着固有的挑战，但该研究领域已经有了长足的发展，并简化了智能维护系统的开发。此外，在过去几年中，信息和通信技术（ICT）使用的快速增长促进了无线通信设备、数据收集设备、先进传感器和远程计算解决方案的实施。这些技术加上预测分析的进步，有可能极大地改变现代工业的运作方式。相关文献仍然很少，但却多样化。例如，Marinescu等人介绍了一种实验方法，该方法有机会应用红外热成像方法来预测静水压泵送系统的行为。Tse和Wang通过从现场运行的渣浆泵获得的振动信号中提取统计特征，然后估计叶轮的剩余使用寿命（RUL），并评估叶轮的性能退化。Moosavian等人通过分析振动信号和使用自适应神经模糊推理系统来检查泵的运行情况，以诊断与泵相关的故障。本论文通过分析从离心泵轴承振动信号获得的峰值，来评估轴承的状态。这是通过“5C架构”完成的，该架构给出了逐步指导，以便为制造应用建立和扩展CPS。根据5C框架，为离心泵开发的CPS框架可用于处理和分析轴承数据、评估其健康状态以及学习如何为离心泵执行智能PdM。此外，通过评估轴承的健康状况，将提高整体泵的效率并增强系统的可靠性。
本文的其余部分安排如下：第2部分代表了智能PdM下的行业数字化及演进。第3节介绍了CPS及其工业操作架构，第4节介绍了基于CPS的离心泵轴承振动分析。第5节介绍了比较具有不同维护策略的两系统的经济分析。最后，从分析中获得的见解和进一步的研究思路在第6节的结论部分提供。
02
产业数字化及演进
今天流行的维护策略正在迅速改变。数字化引入了新技术和趋势，极大地改变了机械PdM的实施方式。在这方面，大数据、云计算和工业物联网的出现为工业参与者通过统一网络连接他们的机器铺平了道路，同时，提高了维护质量和整个系统的生产率。在制造业，“大数据”涉及从产品生命周期中产生的大量结构化、半结构化和非结构化数据。制造数据由物联网系统实时自动收集。通过基于云计算的大数据分析，制造商可以发现制造流程的瓶颈，了解问题的原因和影响，找到更好的解决方案。通过这种方式，可以改进制造流程，提高制造效率，使制造更精简，更具竞争力。制造业大数据中所有有价值的信息都会反馈到产品设计、制造、维护和大修中。因此，它可以帮助制造业实现向智能制造的过渡。此外，制造业的物理世界和网络世界之间的互动和融合正在不断发展，并越来越受到关注。物理对象的虚拟模型有助于通过传感数据了解物理实体的状态，并预测、评估和分析动态变化，而物理对象可以根据优化的仿真方案对变化做出响应。
03
信息物理系统
CPS可以被描述为用于操作互联类型机械及其物理资源和计算能力的变革性技术。在资源管理领域，CPS有可能提供具有自我维护和自我意识能力的技术系统。作为CPS结构一部分的预测分析的应用，使资源能够持续跟踪其自身的性能和健康状况，并预测潜在的故障。通过执行预测分析和决策支持计划，可以制定适当的服务和服务策略并采取行动，旨在提高工业设备的正常运行时间、效率和生产率。CPS是数据管理的主要枢纽，在实现上述目标方面发挥着重要作用。
文献【1】中提出的图1所示的CPS架构包括五个层次，称为“5C架构”。该架构为工业运营CPS的扩展提供了指南，并包含两个主要元素：（1）最先进的连接，确保从物理空间到网络空间的实时数据流和网络空间的反馈；（2）构建网络空间的智能数据分析。5C架构提供了一个工作流程，说明了如何构建从数据获取到价值创造的CPS。5C架构包括智能连接、转换、网络、认知和配置5个层次，下面简要介绍。
图1：不同层次的CPS实施架构
3.1 智能连接层
该层涉及到逻辑和无束缚的方法来管理数据采集系统、简化数据，并将它们发送到主服务器。在这一层选择合适的传感器、数据源和传输协议，可能会对后续层CPS的运行产生严重影响，并影响从系统中学习的专有技术的质量和效率。
3.2 数据到信息层的转换
相关信息必须从数据中得出。这种架构的来源是分析数据并将其转换为有用知识的地方。最近，人们对为PHM应用程序开发智能算法产生了浓厚的兴趣。此类算法可应用于不同的数据源，从系统和流程数据到业务和公司管理数据。
3.3 网络层
网络层作为架构的中心枢纽运行。为了收集信息并创建网络空间，每个资产都需要将信息发送到其中。收集了大量信息后，必须应用明确的分析方法，以获得额外信息，从而对整个工厂的特定类型机械的状况提供一些清晰的见解。
3.4 认知层
在此层执行CPS能够加深对受控系统的了解。向专业用户适当地展示所获得的知识有助于做出正确的决策。由于可以获得比较信息以及特定的机器条件，因此可以确定改进维护流程的职责优先级。对于该层，适当的信息图形对于将收集的数据和知识完全传递给用户至关重要。
3.5 配置层
从网络到物理空间的反馈由配置层提供。它用于监督控制运行，使机器具有自适应性和自配置性。该层充当灵活的控制系统，允许实施在认知阶段为受监控系统做出的预防性和纠正性维护决策。
04
离心泵轴承振动分析
离心泵是一种旋转机械，由六大基本元件组成，它们共同工作，以确保泵适当地运行。这些元件主要包括叶轮、轴、泵壳、轴承、密封和联轴器。轴承是使用最广泛的支撑件/受力件，几乎对所有类型的旋转机械都是必不可少的。为了避免轴承意外损坏，需要尽早检测磨损情况，以防止机器发生致命故障。此类故障可能导致生产中断和/或人员伤亡，代价高昂。另一种可以预防故障的额外措施是执行准确合理的检查或更换计划；一种可以有效预测轴承预期寿命的方法。在所有轴承监测技术中，振动分析是最合适和最有效的方法。
利用该方法可以预测甚至提高轴承的剩余使用寿命。因此，发生灾难性故障的可能性被最小化，并且可以实现最佳的PdM。根据5C架构，在连接层面，通过振动传感器从轴承获取数据。在泵的早期运行时，应获取基准振动读数，并随时推算（评估）。通常，每周在垂直和水平方向上读取泵轴承箱处的振动读数。通过无线系统，传感器能够借助安全的互联网连接将数据传输到云服务器。之所以使用无线系统，是因为与有线系统相比，无线系统更易于安装，并提供更多的信息访问。最后，数据在工业计算机中处理，以提供完全集成的解决方案。
图2：用于轴承振动分析的整体CPS配置
在转换层面，如图2所示，工业计算机进一步执行特征提取和数据准备，例如从振动信号中提取常规时域和/或频域特征、金属碎片形状、尺寸、数量或尖锐脉冲以及应力波传播的发展速度。因此，可实现对轴承状况的自我意识，从而形成有效的健康管理系统。提取了从轴承传输的信号特征后，数据通过无线网络发送至云服务器，以便在数据库中存储和管理。
在网络层面，将云服务器执行的自适应聚类方法，被分配给每台机器进行数据采集和传输。为了监控机器的状况，原始数据被转换为与机器健康相关的特征，从而获得更高级的信息，如劣化程度和/或不同的故障模式。应用的自适应聚类方法将轴承性能历史（从安装新轴承到当前时间）分割为离散的工作状态。这可以通过与常规基准和局部振动信号相比，这可以通过特征的相应变化来实现。此外，它还将从轴承振动传感器获得的实际值与工作状态中记录的基准和以前的测量值进行比较。相应地，泵具有自比较能力，可在机组之间比较和评估单台泵的轴承运行情况。
注：本文由RWTH AACHE NUNIVERSITY，Institute for Future Energy Consumer Needs and Behavior (FCN) 的 Mahdi Karami and Reinhard Madlener共同完成。
- 欢迎持续关注 -