离心泵组故障诊断系统的研究

离心泵组故障诊断系统的研究

刘清华

常德市城区水利泵站管理处 湖南 常德 415700

摘要：本文主要介绍了离心泵组故障诊断系统的的技术实现。结合分析模型及系统框架来分析故障，诊断系统在提高离心泵的故障诊断水平、泵组的安全运行中起到重要的作用，同时也对故障分析方式方法进行了详细讲解。

关键词：离心泵组；故障；诊断系统

1 系统概况

1.1技术背景

泵站故障诊断系统，为提质增效，实现泵站的水泵设备优化调度和高效经济运行，并提前预判机组运行状态，降低机组事故率，提高其安全可靠性，对泵站机组实施状态监测与故障诊断是必然要求。
    振动分析法是目前使用频率最高也最常见的分析法，运用中要搜集离心泵运行中相关数据，再对其进行整理、分析获得最基本的信息，最后对振动信号进行变换分析，将噪音部分去掉的同时再进行整理出有用的信息，分析出运行状况，再结合信号特征、故障机理及历史运行情况对设备状态进行识别，分析故原因等提出诊断结论及操作、维修建议[1]。

1.2研究内容

泵站机组故障诊断流程是对机组关键点的运行参数进行监测，当机组运行状态出现异常时，采用基于多信息融合的智能故障诊断模型进行分析。在机组运行状态正常时，也可以采用时序预测模型对机组未来数个小时或数天状态进行预测，泵站故障诊断流程如图1所示。

图1 泵站故障诊断系统运行流程图

研究内容：

研究离心泵组故障诊断、运行状态的评价评测、运行状态趋势预测评测方法，构建水泵的故障诊断、运行状态评价、运行状态趋势预测模型，开发泵组健康诊断系统。

2 开发内容

根据项目的建设目标和建设内容，可以将工作内容划分为三个部分：一是数据库和知识库的建立，二是各模型的构建，三是各系统的开发。

2.1数据库和知识库的建立

(a)数据库

数据库主要用于存放监测到的各种数据或证据，或一些中间信息，这些信息大多表现为数值或开关值形式，而不包含其他形式的量，例如观测量等，并且数据库中的信息未经过处理，有时难以被利用，这样就产生在诊断过程中信息难以利用和信息利用不全的问题，致使很难得到故障诊断结果。

(b)知识库

采用数据库中已获取的实际及历史数据，通过智慧算法，获得后期未知的数据的方法规则。规则从本质上分析表示一种映射关系，它利用己知事件的值属性（特征值、逻辑值、概念值或程度值）和映射关系来求取其它未知事件的值属性。将从各种诊断方式的映射关系上进行分析，抽象出它们的映射行为的共性完成本系统知识库的设计[2]。

2.2模型的构建

本项目涉及泵站故障诊断模型、泵站运行状态评价模型和泵站运行状态趋势预测模型的构建。

(1)泵站故障诊断模型的构建

本项目泵站故障诊断模型采用基于知识库的故障诊断方法构建，采用自动化系统对泵组设备的初期监测，同时通过分析信号的频谱特征、幅值特征、轴心轨迹特征、以及趋势特征，梳理出相关性特征等的多源信息后，综合运用各种知识，进行一系列的匹配，找到最终故障或最有可能的故障。

（2）泵站运行状态评价模型的构建

泵站运行状态评价模型的构建非常重要，运行评价需要采用科学的方法，目前行业内使用较为广泛的是模糊层次综合评价方法，模糊层次综合评价方法由层次分析法和模糊综合评价方法两种，根据两种方法综合分析评估而来。

（3）其中，层次分析法获得各评价参数的权重系数，然后通过与模糊综合评价方法的综合分析，最终获得评价指标的各种健康状况评价结果，从而输出最终机泵健康评价结果。

（4）泵站运行状态趋势预测模型的构建

本项目泵站运行状态评价模型采用基于时序分析方法构建，在分析历史数据的基础上建立泵站状态数据差分自回归移动平均模型[3]。再通过SVM回归修正该模型残差值，改进自回归移动平均模型，对泵站运行状态进行预测。

3系统总体构架

本系统架构是一个在局域网方式下基于C/S模式的三层体系结构：用户界面层（UI层）、业务逻辑层和数据层。用户界面层负责与用户的人机交互，接收运行人员的输入指令，将数据库应用传来的数据呈现给运行人员。

业务逻辑层根据运行人员传输过来的指令集请求，把数据传给数据层，同时将请求的数据发给运行人员。

上述结构中的数据层作用比较大，他为事务逻辑层提供数据支撑服务，涉及到的服务包括存储数据的返回结果、数据检索的结果等。

4基于时序分析的泵站运行状态趋势预测模型

对于水泵机组，如果能及时预测到其运行状态，就可以预判机组是否会发生故障以及零件是否有损坏的趋势，就能及时做出运行调整或者维修，避免发生机械故障，造成更大的损失。

对水泵机组运行过程进行监测，对某一个或者一组变量（如温度或者电气数据）x(t)进行观察测量，将在一系列时刻t1，t2，⋯，tn等离散数字组成的时间序列。

上述过程后，系统可以根据监测得到的时间序列数据，采用参数估计以及曲线拟合的方法，建立机泵健康数学模型。然后，通过建立起来的机泵健康数学模型，对水泵健康状态进行预测预判。

影响水泵运行状态的因素较多，除了电机或水泵自身的机械震动或者温度影响，还受到环境的影响，水位的上升或者下降，天气的变化等因素都能对其造成一定的影响。

根据上述情况，系统采用基于时序分析，得出泵组运行状态趋势预测预判模型。然后再通过分析历史数据，建立水泵泵组状态数据差分自回归移动平均模型 ARIMA(p,d,q)。

建立上述模型后，根据SVM回归修正该模型残差值，然后改进自回归移动平均模型，最后对机组运行状态进行预测。

(1)通过对水泵运行状态数据监测以获得时间序列数据[4]；

(2)把时间序列数据进行梳理，绘成时间序列可视图形，然后分析图形是否为平稳的时间序列。同时，对于非平稳时间序列先进行d阶差分运算，通过单位根检验，判断是否已经变化成平稳的时间序列；

(3)通过上述数据的处理过程，系统可以得到平稳的时间序列。然后处理平稳时间序列，经过分析获得自相关系数ACF，同时根据分析还可以得出偏自相关系数PACF。然后，系统通过对自相关图以及偏自相关图的分析，从而获得最佳的阶层 p和阶数q；

(4)根据上述步骤获得的d、q、p，系统建立泵组的ARIMA模型，并对该模型进行检验，并使用检验过的模型，对泵组的运行健康状态进行预测预判。

为了更加客观地描述差分自回归移动平均模型 ARIMA对水泵机组运行状态的预测效果，采用平均绝对误差百分比指标，反映预测值与实际值的相对误差，指标定义为：

上面的计算式中 yi代表的是预测值，yi代表的是实际值，n代表的是样本个数。

5结语

我国离心泵组故障诊断技术起步较晚，但是近年来发展较快，诊断技术在水利行业泵站中的应用越来越成熟，提高诊断系统的自动化程度、加大数据采集量、提高系统可靠性,对泵站安全稳定运行提供有力支撑。

参考文献：

[1]李琪，离心泵电机振动原因分析与处理[J].名城绘，2020,04.

[2]罗红英,田正野,郑永山.多布电站4号机组振动试验分析[J].人民珠江,2017,38(11):61-64+93

[3]尤莉莎.混流式水轮发电机组振动试验及故障诊断[D].河北工程大学,2015.

[4]张松松.小型混流式水轮发电机组振动试验与分析[D].河北工程大学,2014.