石化装置关键机组磨损监控平台研发

曲盼盼 宣征南 张铱鈖 何照荣b 孙志伟

(1. 广东石油化工学院 a. 广东省石化装备故障诊断重点实验室；b.机电工程学院；2. 太原理工大学化学化工学院)

石化装置关键机组磨损监控平台研发

曲盼盼1,2宣征南1张铱鈖2何照荣1b孙志伟1

(1. 广东石油化工学院 a. 广东省石化装备故障诊断重点实验室；b.机电工程学院；2. 太原理工大学化学化工学院)

随着科技的不断发展，石化机械设备逐步朝着大型化、复杂化的方向发展，保证设备能够安、稳、长、满、优的运行，是企业当前迫切需要解决的问题。若能实时监测设备的润滑磨损状态，在发生故障前及时报警，就可以达到降低经济损失的目的。提出了通过建立综合评判石化设备的监控平台来判定其润滑、磨损状态，该平台主要包括：反映设备磨损状况的磨粒图库部分、通过多元统计分析建立判定润滑状态的数据分析系统和反映现场工况信息的检维修记录部分。

石化装置 磨粒图库 多元信息融合 检维修记录 故障诊断系统

针对石化装置日益大型化、复杂化、智能化的特点[1]，笔者研究并开发了针对该领域的综合监测评判平台。该监测平台旨在通过测定在用润滑油的理化指标、铁谱分析结果及颗粒计数等定量、定性的参数，利用多元统计方法来构建模型，以达到判定石化关键装置润滑、磨损状态的目的，并依照判定结果进一步完成对其状态发展趋势的预测。同时，由于定性铁谱分析得到的结果并不是数值化的结果，而是承载着磨粒信息的铁谱片，其结果反映在铁谱显微镜拍摄的磨粒图片上[2]。所以在上述监测平台的框架中加入了磨粒图库部分。但是，如果只考虑采集的在用润滑油油样所反映出来的信息，则容易忽略设备现场工况的影响，得出一个比较片面的结论。所以必须要与现场设备的检维修记录信息相结合，理论联系实际，得到一个基于现场工况的判定结论。

1 磨粒图库部分

铁谱分析技术作为油液监测技术的重要分析手段，其主要实施手段之一就是铁谱仪[2，3]。铁谱仪的类型较多，运用较多的有直读式铁谱仪、分析式铁谱仪、旋转式铁谱仪和在线式铁谱仪4种类型，企业一般将直读式和分析式铁谱仪联合起来应用[4]。直读式铁谱仪能够直接读出与磨粒沉积量成线性关系的大、小磨粒的直读数DL、DS，直接测读油样中的大、小磨粒粒度的浓度。而分析式铁谱仪利用磁场力、重力和其他力的共同作用，使润滑油样在流经强磁场时，油样中的铁系磨粒沉积下来，经处理后，使磨粒固定地粘附在铁谱基片上[5]。然后利用铁谱显微镜对铁谱片上的磨粒进行观测，以得到磨粒的形态、大小、成分和粒度分布等情况[6，7]。该部分的分析结果并不是数值化的结果，而是以拍摄到的磨粒图片的形式展现，所以在监控平台中添加磨粒图库部分。

磨粒图库部分主要可以划分为标准图库和用户图库两大部分。其中标准图库部分主要是从采集到的磨粒图像中挑选典型的、质量较好、清晰度较高的图片，按照其类型的不同进行分类。同时，在详细的信息栏中，包含其取样日期、放大倍数及照明方式等信息。用户图库则是从采集回来的润滑油油样中所提取到的所有磨粒图像的集合。用户图库的编排方式是按照所属公司的分部、车间、装置、机组、机器及取油位置等进行的。同时，每张图片的详细信息中除了包含取样日期、磨粒类型、照明方式及放大倍数等信息外，还包含了该机器运行的时间和采集的润滑油的使用时间。除了包含上述两大部分，图库部分还添加了查找功能，按照公司、分部及装置等选择项均可进行筛选，直至找到所需图像和该图像所涵盖的所有信息。图1～3分别为标准图库、用户图库和查找的界面。

图1 标准图库界面

图2 用户图库界面

图3 查找界面

2 数据分析系统

数据分析系统作为综合评判平台的核心组成部分之一，它的分析结果关系到整个监测平台分析结果的准确性，而数据分析系统的关键在于所构建的数学模型是否成功。在建立数学模型时，要考虑油液监测技术的自身特点来选择统计方法。

2.1 多源信息融合

在油液监测技术中，涉及到的各项分析参数较多。所以，将多源信息融合引入油液监测技术中。多源信息融合又称为多传感器信息融合[8]，主要是指利用计算机对多源信息进行处理，以得到可以直接利用的信息的理论与方法。多元信息融合的关键问题就是寻找一些理论或方法来处理具有相似或不同特征模式的多源信息，获得具有相关和集成特性的融合信息[9]。该技术起源于军事应用领域，经过多年的发展之后，在民用领域也得到了较快的发展[10]。

多元信息融合技术利用并行结构算法，而采用分布式系统的并行算法，可以显著提高处理信息的速度，从而降低获取信息的成本[10]。多元信息融合获得的评价客体的信息更全面、更准确，可以很明显抑制噪声，降低各种不确定性，同时可以弥补单一信息源的信息不准确性，并且扩大测量范围，增加其可靠性。利用多源信息融合技术将所采集到的多个理化指标数据融合以得到分析结果，不仅可以减少人工计算量，且分析结果准确率较高。

2.1.1 聚类分析

聚类分析(Cluster Analysis)是一种根据对象的特征完成对研究对象分类的多元分析方法[11]。笔者所研究的样品或指标之间总会存在或多或少、不同程度的相似特征。在用来衡量研究样品或指标特征的所有的统计量中，找出那些可以用来描述样品或指标之间相似程度的统计量，将这些统计量作为划分不同类型的依据。把特征相似程度较大的样品划分为一类，其中，关系相对比较密切的样品或指标划分为一个小的分类组；关系比较疏远的划分为一个大的分类组，直至将所有的样品或指标都完成分类。将不同的类型按照关系远近一一划分完毕，形成一个由小到大的分类系统。聚类分析不仅可以用来对样品进行分类，同时也可以用来完成对变量的分类。跟多元统计分析的其他方法相比较，聚类分析方法显得比较粗糙，在理论上来说并不完善。但是由于它可以解决很多的实际问题，故而受到人们的重视。与回归分析法、判别分析法共同称为多元统计分析的三大方法[12]。

2.1.1.1 相似性测度

通常，在运用聚类分析时，要将特征性质较为相近的个体聚为一类。而性质相近程度的考量方法有很多种，通常会包含很多主观上的考量。但是，其中最重要的是各个指标的性质或者观测的尺度。如果变量不同，则相似性测度也会不同。在对各个样品进行聚类分析时，其相似性的衡量主要靠其距离，常用的距离有以下几种：

在上述5种距离的定义方式中，最常用的是欧氏距离和平方欧氏距离，明考斯基效力距离是其中最综合的，而其余距离则是它的q、r取某些特殊值的特例。

2.1.1.2 系统聚类法

系统聚类法分为聚集法和分解法两种。首先将每个个体都看作是一个单独的群体，然后将其中最相似的两个群体两两合并之后，重新计算新的群间距离，再将最相似的两群合并。每次合并分类之后都会减少一个群，直到把所有的个体都聚为一类为止，这是聚集法的基本步骤。而分解法的步骤与聚集法刚好相反，是先将所有个体都看成一个群体，然后将最不相似的个体分成两组，重复以上步骤。结果是每次拆分之后都会增加一个群，直到所有的个体都各自成为一个群为止。

每一个群里都包含若干的个体，在计算它们之间的距离时，有5种计算方法：最短距离法、最长距离法、类间平均法、类间重心法、离差平方和法。随着计算机技术的迅速发展，离差平方和法因在理论和实践中的聚类效果都非常有效而得到广泛的应用。离差平方和法是利用变异数分析的思想，“好”的聚类方法实质上是要使群间的差异尽可能大，群内的差异尽可能小。当类数固定时，可以使类内平方和达到最小的分类方法即是最优的分类方法。

2.1.2 判别分析

判别分析主要是用来判定识别个体所属类别的一种多元统计方法[11]。在已知观测对象的分类结果和若干可以表明观测对象特征的变量值的情形下，通过建立一定的分辨判别准则，使得当利用此准则对新的观测对象的所属类别进行判别时，判别结果可以达到一个较高的识别率。判别分析的基本假设条件是：首先要求每个判别的变量都是独立的，不能出现各个判别变量是多重共线性的情况，如果一个判别变量与其他判别变量高度相关或者其线性组合高度相关，虽然能够求解，但其参数估计的标准误差将会很大，参数估计统计不显著，也就是多重共线性引起的问题；其次要求各组变量的协方差矩阵相等，判别分析最常采用的是线性判别函数，在各组协方差矩阵相等的条件下，可以用很简单的公式来计算判别函数，并进行显著性检验；最后要求各判别变量之间服从多元正态分布，每个变量相对于其他变量的固定值都呈现正态分布，只有在这个条件下，才能进行有关的显著性检验，若违背该假设，计算的概率将会十分不准确。

在判别变量同时满足上述3个假设条件时，得出的判别分析结果才有意义。判别分析的分析方法有很多，常用的几种方法分别是距离判别法、Bayes判别法、Fisher判别法和逐步判别法。笔者选用Bayes估计和Fisher估计法对在用润滑油的理化指标进行计算分析[13]。

2.1.2.1 Bayes判别法

Bayes统计是建立在对研究对象有一定认识的基础上的。通常，在得到一个样本后，利用该样本来修正原认识(一般是用先验概率分布来描述)，得到后验概率分布，并由此完成各种统计推断。将Bayes统计思想应用于判别分析中，得到的就是Bayes判别法。

一般设有k个总体G1，…，Gk，其p维密度函数分别为p1(x)，…，pk(x)，先验分布分别为q1，…，qk。将Rp划分为k个区域(D1，…，Dk)，它们之间互不相交，而且k个区域的并集之和为Rp。合适的划分结果会刚好对应于k个总体，通过比较样品属于各类总体的后验概率的大小，来完成对样品归属类别的判定。此时判别规则变为：若x∈Gi，则x落入Di,其中i=1,…,k。

2.1.2.2 Fisher判别法

通常，在理论上，对判别变量可以建立各种线性组合来完成判别函数的建立，线性组合的结果不同会导致得到的判别函数的效力不同。在利用判别函数完成分组后，目的是使各组间的差距越大越好，而组内的差异越小越好，也就是要使组间差异与组内差异的比值尽量大。从总体中抽取p个指标，作为判别变量，以此来构造判别函数式：

y(x)=c1x1+c2x2+…+cpxp=c′x

2.2 应用实例

以某石化公司炼油分部为例，将采集到的润滑油各项理化指标数据进行预处理，得到可以直接利用的数据。选择对润滑油性能影响较大的理化指标，即运动粘度、酸值和水分含量。由于运动粘度的变化趋势与水分和酸值的变化趋势相反，故取其实际值与标准值的差值为研究对象。

以牌号为L-HM150的无灰抗磨液压油为研究对象，将采集到的数据分为训练样本和测试样本。对两者分别进行数据预处理，即进行标准化。部分样本原始数据(节选)见表1。

表1 样本原始数据

选用SPSS软件将标准化的训练样本进行聚类分析[14，15]之后，将它划分为3类：正常、警告、异常。大部分数据的分类较为合理，但由于原始数据中有部分数据存在于分组界限的周围，导致边界处个别数据会出现分组错误。然后在SPSS软件中，将聚类分析得到的结果进行判别分析，由表2可得，原始数据分组正确率为88.1%；进行交叉比对后的分组数据正确率为87.0%。将判别分析得到的判别公式应用于测试样本，经过验证后得到的准确率较高。

表2 判别分析分类结果

(续表2)

3 检维修记录

石化设备具有高温、高压、易燃、易爆及高腐蚀性等特点，故在运行的过程中容易出现局部零部件损坏失效的情况，比如某炉的炉管鼓泡穿孔、某裂解炉的炉壁腐蚀失效等。通常当设备发生这些故障时，需及时进行维修或更换。将设备发生故障的时间、地点、设备型号、故障类型及工作人员所采取的补救措施等详细信息记录下来，以备日后需要时方便查找，这就是设备的检维修记录。将采集回的润滑油进行分析处理后，得出设备目前的润滑、磨损状态，而得到的结论因缺少现场工况的信息显得比较片面，无法判断所得信息根源。例如，当对在用润滑油进行铁谱分析实验时，发现其直读铁谱读数显示大、小磨粒的浓度百分比DL、DS的读数较大，远超出正常范围，通过电学显微镜观察分析铁谱仪得到的铁谱片，异常磨粒数量较多且尺寸较大，这时判断该设备处于异常磨损阶段，但是难以判断该设备是处在跑合期还是严重磨损期。这时就需要与现场的工况和检维修记录相结合，判断该设备到底属于哪种故障类型，得出准确的结论。现场的检维修记录通常以每台设备为单位，按照时间轴的走向，一一列出各项内容。将这些信息导入综合评判监测平台中，可以完善该软件的功能。

4 结束语

笔者主要对石化装备磨损监控平台的组成进行了详细介绍，该平台主要包括3个主要部分。首先是以润滑油检测中的定性铁谱分析结果为基础的磨粒图库部分，主要记载铁谱片上的磨粒信息(种类、大小及其成因机理)；其次是以构建数学模型来判定石化设备润滑、磨损状态为目的的数据分析系统，该系统以多元分析中的聚类分析与判别分析方法为基础建立数学模型，经过实例验证，该数学模型的准确率满足要求；最后是石化设备的检维修记录部分，将该部分导入监测平台之中，与磨粒图库部分、数据分析部分得到的结果相结合，得到关于判定石化设备润滑、磨损状态的正确结论。

[1] 孙志伟，段滋华，宣征南.铁谱分析技术在石化行业的应用及前景展望[J].中国设备工程，2011，12(12)：10～13.

[2] 杨其明，严新平，贺石中.油液监测分析现场实用技术[M].北京：机械工业出版社，2006.

[3] 胡邦喜.设备润滑基础[M].北京：冶金工业出版社，2003.

[4] 徐曼平.润滑油监测在轮机检修中的应用[J].航海技术，2006，(6)：61～63.

[5] 赵青，何顺忠，尚慧岭. 现代油液分析技术在煤矿设备管理中的应用[J].中州煤炭，1998，(4)：26～27.

[6] 范君.磨粒图谱识别系统研究[D].杭州：浙江大学，2007.

[7] 黎琼炜，毛美娟，陈勇.油液分析现状与发展方向研究[J].中国机械工程，2004，15(3)：272～275.

[8] 李静萍，谢邦昌.多元统计分析方法与应用[M].北京：中国人民大学出版社，2008.

[9] 韩崇昭，朱洪岩，段战胜.多元信息融合[M].北京：清华大学出版社，2006.

[10] 万宝红.基于多源信息融合的本科生综合素质评价研究[D].上海：东华大学，2011.

[11] 何晓群.多元统计分析[M].北京：中国人民大学出版社，2008.

[12] 何跃，杨磊，徐玖平.一种新的聚类判别分析框架及其实证研究[J].计算机应用研究，2007，24(12)：32～36，40.

[13] 寻知锋，余继峰.聚类和判别分析在测井岩性识别中的应用[J].山东科技大学学报(自然科学版)，2008，27(5)：10～13.

[14] 张文彤，邝春伟.SPSS统计分析基础教程[M].北京：高等教育出版社，2014.

[15] 任志娟.SPSS中的判别分析方法的正确使用[J].统计与决策，2006，(3)：157.

DevelopmentofAbrasionMonitoringPlatformforPetrochemicalKeyUnit

QU Pan-pan1,2, XUAN Zheng-nan1, ZHANG Yi-fen2HE Zhao-rong1b, SUN Zhi-wei1
(1a.GuangdongProvincialKeyLaboratoryofPetrochemicalEquipmentFaultDiagnosis;1b.CollegeofMechanicalandElectricalEngineering,GuangdongUniversityofPetrochemicalTechnology; 2.CollegeofChemistryandChemicalEngineering,TaiyuanUniversityofTechnology)

With continuous development of the science and technology, the petrochemical machinery develops gradually towards the direction of large scale and complexity. Ensuring their safe, stable, full-load and efficient operation becomes urgent to enterprises at present. Real-time monitoring the equipment’s lubrication and wear conditions and timely giving an alarm in advance can achieve the purpose of reducing economic loss. Establishing a comprehensive evaluation platform for petrochemical equipment’s lubrication and wear conditions was proposed where the debris images which reflecting the status of the equipment abrasion, the data analysis system for multivariate statistical analysis of lubrication state and the inspection and maintenance records which reflecting the work information are included.

petrochemical equipment, debris images, multivariate information fusion, inspection and maintenance records, fault diagnosis system

曲盼盼(1991-)，硕士研究生，从事石化装备关键机组磨损测控系统建立的研究。

联系人宣征南(1962-)，教授，从事中浓纸浆流变学、油液监测与故障诊断的研究，hanxua@263.net。

TQ056

A

0254-6094(2017)02-0125-06

2016-03-30，

2016-12-01)