引言

　　旋轉(zhuǎn)機械是指主要功能由旋轉(zhuǎn)動作來完成的機械，尤其是指轉(zhuǎn)速較高的機械。它分為動力機械(渦輪機、壓縮機、齒輪泵等)、過程機械(離心式分離機等)和加工機械(車床、磨床等)。從旋轉(zhuǎn)機械的檢修歷史和現(xiàn)狀來看，檢修方式大致分為發(fā)生事故停機檢修、定期停機檢修(預防性維修)、預測維修(狀態(tài)維修或視情維修)這幾種。首先以煙氣輪機為例，闡述了預測維護的重要性;然后將現(xiàn)有的旋轉(zhuǎn)機械故障預測方法整體分為定性分析法和定量分析法兩大類，分別介紹了各種方法的實際應用情況;最后，探討了旋轉(zhuǎn)機械故障預測技術(shù)的難點問題以及發(fā)展趨勢。

　　一、故障預測方法的分類與比較

　　1.1 預測維修的意義

　　煙氣輪機將催化裂化過程中產(chǎn)生的廢煙氣中所具有的壓力能和熱能經(jīng)煙氣輪機的膨脹做功化為機械能，驅(qū)動軸流式空氣壓縮機或給發(fā)電機提供動能，達到能量回收的目的。美國研制的世界上第一臺煙氣輪機于1963年投人生產(chǎn)運行，中國第一臺自主創(chuàng)新的煙氣輪機于1978年成功投入運行。 30多年來，我國累計生產(chǎn)的煙氣輪機總共節(jié)電約275×105kw·h，價值約合人民幣138億元，經(jīng)濟效益非常可觀。然而，煙氣輪機的運行環(huán)境非常惡劣，轉(zhuǎn)子磨損、催化劑粉塵堆積、殼體變形和儀表失靈等都有可能導致故障的發(fā)生。

　　國內(nèi)大多數(shù)煉油廠的煙氣輪機幾乎都發(fā)生過嚴重事故。例如，中石化集團公司曾經(jīng)1年中就有39臺煙氣輪機因故障停機達51次，停機時間累計9 0l4h ，損失巨大。此外，煙氣輪機通過回收利用廢煙氣，在環(huán)保方面也發(fā)揮著舉足輕重的作用。因此，保證煙氣輪機的平穩(wěn)正常運行成為了煉化企業(yè)的重要工作之一。目前，采用的維修策略基本上都是預防性維修，即“定期大修”體制，煙氣輪機一般不到一年就要大修一次。煙氣輪機的預測維護能夠按照狀態(tài)監(jiān)測情況及時準備維修部件，安排維修計劃。其完善的診斷能力可準確指出故障類型和故障部位，避免了維修的盲目性，縮短了維修工期，可減少災難性事故的發(fā)生，提高催化裂化裝置的安全運行率，從而帶來可觀的經(jīng)濟和社會效益。

　　1.2 故障預測方法的分類

　　預測維修的關(guān)鍵技術(shù)是故障預測，缺乏有效的故障預測方法已成為推廣預測維護技術(shù)的一個瓶頸。故障預測方法整體分為兩大類，即定性分析的方法和定量分析的方法。現(xiàn)有的旋轉(zhuǎn)機械故障預測方法分類如圖1所示。

?

　　基于數(shù)據(jù)的方法包括自回歸預測、灰色預測、多層遞階方法、混沌時間序列預測、隱馬爾科夫模型、機器學習(神經(jīng)網(wǎng)絡(luò)、支持向量機 )和統(tǒng)計過程監(jiān)控方法等。旋轉(zhuǎn)機械的機理模型難以建立，同時專家知識也難以獲取，這些都不利于我們對旋轉(zhuǎn)機械進行故障預測。基于數(shù)據(jù)的方法完全從工業(yè)現(xiàn)場數(shù)據(jù)出發(fā)，挖掘數(shù)據(jù)中的隱含信息，具有廣泛的工程應用價值。這類方法適用范圍最廣、成本最小。因此，基于數(shù)據(jù)的方法最為實用，它已成為故障診斷與預測領(lǐng)域的研究熱點和發(fā)展趨勢。

　　基于模型的方法包括基于濾波器的故障預測方法以及基于故障機理建模的方法等。這類方法具有深入對象本質(zhì)性質(zhì)的特點，能夠很好地跟蹤系統(tǒng)的變化趨勢。當對象的數(shù)學模型準確時，能得到準確的故障預測結(jié)果。但工程上針對復雜的動態(tài)系統(tǒng)難以建立精確的數(shù)學模型，因此，這類方法的適用范圍最小、成本最高。

　　基于知識的方法包括專家系統(tǒng)和模糊邏輯等。這類方法的優(yōu)勢是能夠利用現(xiàn)有的專家知識和經(jīng)驗，而不需要已知非常精確的數(shù)學模型。因此，它在很多領(lǐng)域得到了廣泛應用。但是此類方法的不足是知識獲取較困難。

　　旋轉(zhuǎn)機械基于數(shù)據(jù)、基于知識和基于模型的方法在適用性范圍、成本和準確度等性能方面的比較如圖2所示。

?

　　二、難點問題與展望

　　盡管針對旋轉(zhuǎn)機械的故障預測技術(shù)取得了許多成果，但是尚存在以下難點問題有待進一步加以解決。

　　2.1 多變量預測問題

　　對旋轉(zhuǎn)機械而言，振動信號中蘊含著豐富的設(shè)備運行狀態(tài)信息，并且振動信號對大多數(shù)機械故障都很敏感。故障會引起振級的增加，至少是振動特征的改變。這表明振動信號是反映旋轉(zhuǎn)機械工作狀態(tài)和故障演化情況的一個極其重要的參數(shù)指標。現(xiàn)有的方法主要利用單變量的振動信號來預測旋轉(zhuǎn)機械的運行狀態(tài)。然而，僅采用單變量進行故障預測顯然是不合理的。例如，對煙氣輪機而言，機組的煙氣入口和出口的溫度、壓力，煙氣輪機、聯(lián)軸器、發(fā)電機的振動以及連接軸的軸向位移等都是表征機組正常運行與否的重要參數(shù)。為了能夠掌握機組的運行狀況，在機組上相應位置安裝了溫度、壓力、鍵相和振動等傳感器進行監(jiān)測，從而為診斷和預測提供數(shù)據(jù)。煙氣輪機機組測點布置如圖3所示。

?

　　常見的基于單變量振動數(shù)據(jù)的狀態(tài)預測技術(shù)無法利用多維測量數(shù)據(jù)的有效信息，難以檢測性能退化初期微弱的故障征兆。為了處理多個相關(guān)測量變量的聯(lián)合監(jiān)測問題，人們于20世紀90年代初期使用主元分析模型( Principal component analysis，PCA)和偏最小二乘模型(partial least squares，PLS)進行數(shù)據(jù)建模，并提出了相應的過程監(jiān)控方法。多變量預測可以把同一時刻的測量數(shù)據(jù)中多個變量間的內(nèi)在聯(lián)系和相互影響考慮在內(nèi)。例如，Li等人將統(tǒng)計過程監(jiān)控方法用于故障預測，取得了很好的效果。目前，國際上基于多變量數(shù)據(jù)的故障預測方法的研究才剛剛起步，成果相對較少。因此，研究多變量數(shù)據(jù)驅(qū)動的旋轉(zhuǎn)機械故障預測方法具有廣泛的發(fā)展空間。

　　2.2 非線性和非平穩(wěn)問題

　　旋轉(zhuǎn)機械系統(tǒng)是一類復雜非線性動力系統(tǒng)。從工程中所獲得的設(shè)備運行狀態(tài)的動態(tài)信號，其平穩(wěn)性是相對的、非平穩(wěn)性是絕對的和廣泛的。旋轉(zhuǎn)機械運行的狀態(tài)特征信息具有非線性、非平穩(wěn)特性，導致其故障預測面臨著大量復雜的非線性、非平穩(wěn)動態(tài)信號，需要

　　用到非線性的數(shù)據(jù)模型，例如，核主元分析(kernel principal component analysis，KPCA)等。傳統(tǒng)的數(shù)據(jù)模型多假設(shè)測量變量的分布是多元高斯分布，這與實際數(shù)據(jù)不相符合，需要用非高斯的數(shù)據(jù)模型，例如，獨立主元分析(independent component analysis,ICA)。隨著故障檢測和預測要求的日益提高，原可忽略的非線性和非高斯問題越來越突出。因此，研究基于非線性和非高斯數(shù)據(jù)模型的旋轉(zhuǎn)機械故障預測方法具有重大的現(xiàn)實意義和應用價值。

　　2.3 網(wǎng)絡(luò)化預測問題

　　旋轉(zhuǎn)機械故障預測還存在對象數(shù)據(jù)獲取和算法驗證困難等問題。故障預測算法的開發(fā)和驗證工作都離不開大量對象系統(tǒng)數(shù)據(jù)的支持。數(shù)據(jù)來源一般概括為三類：一是實際工況數(shù)據(jù)，此類數(shù)據(jù)可以涵蓋已知對象各種工況、負載和環(huán)境因素，數(shù)據(jù)真實可靠，但需要構(gòu)建數(shù)據(jù)獲取平臺;二是基于實驗臺的故障注入實驗數(shù)據(jù)，此類數(shù)據(jù)的真實性可以在一定程度上得到保證，不足之處在于它不能完全描述對象實際故障演化過程;三是模型仿真數(shù)據(jù)，此類數(shù)據(jù)可以按照算法開發(fā)和驗證要求進行定制，但其數(shù)據(jù)真實性通常無法保證，而且難以建立可靠的仿真模型。為了保證所采用的故障預測方法能夠達到預期的目標，需要對其進行驗證。通常采用的仿真驗證難以取得令人信服的驗證結(jié)果;而進一步采用的實驗臺模擬實驗驗證，也與實際應用環(huán)境有較大差距。較有效的解決途徑是構(gòu)建在線數(shù)據(jù)交互平臺。

　　自2007年以來，北京信息科技大學現(xiàn)代測控技術(shù)教育部重點實驗室建立了大型機械設(shè)備RMD8000遠程在線監(jiān)測診斷中心。該中心與國內(nèi)石化、冶金、煤炭等50家大型企業(yè)的近200臺大型機械設(shè)備互聯(lián)，可進行工業(yè)現(xiàn)場大型機組的實時數(shù)據(jù)分析、實驗研究和方法驗證，還可在線提供機組早期故障預測分析結(jié)果，并能夠及時將數(shù)據(jù)反饋給企業(yè)用戶。隨著物聯(lián)網(wǎng)技術(shù)的興起，可進一步構(gòu)建一種在線實時的故障預測與健康管理( prognostics and health management，PHM)的物聯(lián)網(wǎng)平臺，實現(xiàn)對旋轉(zhuǎn)機械遠程狀態(tài)的監(jiān)測、故障診斷和故障預測。

　　三、結(jié)束語

　　本文以煙氣輪機為例闡述了工業(yè)過程預測維護的意義和重要性，并將現(xiàn)有的旋轉(zhuǎn)機械故障預測方法依據(jù)定性分析的方法(基于知識的方法)和定量分析的方法(基于模型和基于數(shù)據(jù)的方法)進行分類和比較。最后總結(jié)出旋轉(zhuǎn)機械故障預測中有待進一步解決的難點問題，并對此領(lǐng)域未來的發(fā)展方向進行了展望。