基于工业大数据的RH机械真空泵远程故障诊断系统

李嘉卉，佟 冰，韩俊峰，区兴华，程功荣

(中国重型机械研究院股份公司，陕西 西安 710032)

0 前言

工业大数据可理解为是工业领域信息化应用中所产生的大数据，作为互联网、数据科学以及工业产业相互融合的产物，越来越多的参与到了工业发展中。工业大数据除了具备一些传统大数据的特征(海量、多变及多变性)，还拥有更强的目的性和指导决策性[1]。同时，工业大数据面向更加复杂的工业流程，具备更高的稳定性，避免了数据间断或残缺，保证了数据本身的质量。由于工业大数据将直接参与设备控制与决策，高质量的数据是优化决策的基本保障[2]。

本文通过对RH机械真空泵上不同传感器及工业智能网关实时数据的采集和分析，并对数据进行工业建模、流程控制、结果预测，最终实现对RH机械真空泵的远程故障诊断，使RH精炼生产环节的高效运转，有效减少故障的发生。

1 机械真空泵基本原理

机械真空泵包括前级罗茨泵及末级螺杆泵，都属于旋转式变容真空泵，其工作原理如图1、2所示。

图1 罗茨泵工作原理图

图2 螺杆泵工作原理图

罗茨泵基本原理是通过转子的不断旋转，将需要被真空的气体从进气口抽进转子与泵之间的上侧封闭空间内，再通过排气口排出气体。在转子转动的过程中，上侧封闭空间一开始无压力变化，随着转子顶部经过排气口时，与排气口相连的下册封闭空间压力增大，压力差会使部分气体被挤入上侧封闭空间，上侧压力随即增大，随转子继续转动，最终气体被排出泵外。

螺杆真空泵将两根由轴承作支撑的螺杆安装在泵腔内，两个螺杆之间预留空间。当设备开始工作，两个转子在泵内空间反向高速旋转，由此产生吸气和抽气两种动作。螺杆泵的工作主要靠容积的扩大和缩小实现，相比于罗茨泵结构更加简单稳定且环保[5]。

由于单台机械泵抽气能力的局限性，全机械真空泵系统由许多台机械泵串并联组成。整体机械真空泵系统由四级泵组共同组成。在保证整体真空系统抽气能力的前提下，每一级泵组的单体泵根据需要运行启动或处于备用状态。对于RH精炼炉机械泵组，常见的故障有高温故障、震动故障、超负荷、达不到设定流量等。

2 机械真空泵远程故障诊断系统设计

机械真空泵不同于普通机械设备，其故障设备复杂，故障点多，传统的排除故障手段耗费人力、财力。同时，考虑到钢铁冶炼作为流程型生产行业的特殊性，RH机械真空泵故障出现后，设备故障难以短时间被解决，将直接影响前后工序的正常生产计划，对炼钢厂造成巨大损失。为了有效避免机械真空泵故障，实现冶炼决策的优化和利益最大化 。本文基于工业大数据建立某RH精炼炉远程故障诊断平台。

机械真空泵远程故障诊断系统的主要作用是对机械真空泵的真空系统进行远程的监控运维和预测性的故障分析。故障诊断平台的设计从机械泵原理出发，结合设备现场条件和具体功能，系统分为架构设计和功能设计。

2.1 系统架构设计

远程故障诊断系统架构由现场设备端、中间端和远程客户端三部分组成。如图3所示，该架构的现场设备端PLC直接连接RH机械真空泵组，同时添加了工业智能网关作为中间端。设备现场端通过对RH机械真空泵组的实时数据进行PLC协议解析，中间端的工业智能网关将PLC的数据周期性采集并完成数据的边缘计算和处理，实现生产设备联网。最终远程客户端的终端和服务器通过对工业网管采集的数据进行处理，实现设备远程监控和故障预警、报警。

图3 远程故障诊断平台系统架构图

该系统利用工业数据智能采集网关进行数据采集。该网关采用高性能工业级处理器和工业级无线模块，以嵌入式实时操作系统为软件支撑平台，通过以太网接口连接到PLC硬件实现对主流协议硬件的解析，最终实现对工业现场设备数据的采集。

通过该工业智能网关采集的数据被放置于专有的工业数据库中。除一般数据库的特点和用途外，工业数据库作为面向对象的数据库，主要储存监控运维系统中的所有对象的属性和参数。数据库对象根据功能被放置于接口层、交换层和监控层，每个层级所储存的具体对象见表1[7]。

表1 工业数据库对象分类表

2.2 系统功能设计

根据工业大数据的分析流程及需要实现的具体功能，该远程故障诊断系统最终具备两种功能：工业设备的远程监控运维以及预测性的故障分析。远程监控运维功能主要包括设备数据监控和数据远程运维。预测性的故障分析功能是通过对不同故障点智能预警模型的训练预测，实现对真空系统多种故障的预警和报警。

2.2.1 远程监控运维

结合平台设计架构，远程故障诊断系统的远程监控运维功能可再细分为数据分析及可视化、数据远程运维两部分。

为了分析设备全生命周期的运行状态，提供基础数据，实现数据可视化功能，机械真空泵组的多层级历史数据及设备信息以多样化形式被展示出，用户和维保人员可根据需要随时查看相应的设备历史信息和设备状态。如通过采集设备地理位置数据，做出GIS(地理信息系统)地图，被监控的机械真空泵组宏观位置及运行状态信息在平台首页被展示。除此之外机械真空泵真空系统的所有设备运行数据，如每一级泵组的每个单体泵运行状态(是否启动、温度、泵频率等)、阀前及阀后信息、以及除尘出入口等相关数据也能在远程监控平台被实时监控。除设备宏观数据信息外，单一设备的历史信息及实时信息也可根据用户不同需求被展示。

数据的远程运维是指操作人员和用户远程对现场设备实时检测和控制。利用远程运维，每台机械泵的实时设备状态及运行数据都以可视化的形式呈现，通过网络客户端进行实时监控。同时系统能够根据设备现场使用情况实时监控设备运行参数，用户可以根据需要远程设置泵运行参数，实现真正的远程设备控制。

2.2.2 预测性的故障分析

预测性故障诊断分析是远程故障诊断系统的重要功能，针对真空系统不同设备故障点，建立独立且完整的故障诊断预警模型，并实时更新。最终每个独立的故障诊断预警模型共同组成故障诊断预警系统，实现对机械真空泵系统各个故障设备的实时预警及报警。

3 机械真空泵高温故障预警模型

故障诊断预警系统作为远程故障诊断平台最重要的组成部分，由多个针对不同设备故障点的故障预警模型组成，每个预警模型的具体搭建及训练过程不同，本文将以机械真空泵高温故障机械真空泵高温故障预警模型的选择方法、模型训练步骤和模型训练结果。

3.1 预警模型选择

机械真空泵高温故障的判定标准是当故障预报警系统检测到某单体泵排气温度过高且持续时间超过5 s以上时，故障预测模型将判定该单体泵发生高温故障并触发报警功能。

机械真空泵工作中产生的基本是实时性数据，针对这些实时性设备数据，预测性模型往往需要选择时间序列预测模型。现有的主流时间序列预测模型有简单平均模型、ARIMA模型、PROPHET模型等。针对机械真空泵设备特点，机械真空泵的温度根据生产状态呈现周期性的变化。

ARIMA模型全称自回归移动平均模型，也记作ARIMA(p，d，q)，是统计模型中最常见的一种用来进行时间序列预测的模型。其中p代表预测模型中采用的时序数据本身的滞后数，d代表时序数据需要进行几阶差分化，才是稳定的，q代表预测模型中采用的预测误差的滞后。ARIMA预测模型是将非平稳问题通过多次差分转化为平稳问题，达到预测效果。相较于ARIMA模型，其他三种预测模型都存在不足。因此，该机械泵高温预警及报警算法选用了ARIMA模型的时间序列预测模型。

3.2 预警模型训练

由于该温度报警模型需要长期的数据支撑，并通过对每台泵的大量数据分组训练、交叉检验来评估单体模型效果，建立每级泵组单体泵的单一预测模型。单一温度预测模型再通过集成训练最终实现机械真空泵温度报警模型系统。以四级泵组1651号泵的部分数据为例，单体温度故障预测模型的建立步骤。

步骤1：每间隔2 s从历史数据中提取2020年07月03日03∶20∶00到08∶00∶00的四级泵组1651号泵温度数据，共计7 000 个数据点。如图4所示，机械泵的温度随时间变化呈现明显的周期性，并且数据分布基本满足了平稳性的需求，因此数据不再需要差分法和平滑法来实现时间序列的平稳性。

图4 机械泵温度样本数据曲线图

步骤2：对时间序列进行定阶，通过ACF和PACF来判断模型阶数，结果如图5所示。由于ACF图存在明显的拖尾现象(序列以指数单调递减)，因此q=0，最终选取AR(p)模型，其中p最终取值为2。

图5 ACF及PACF模型图

步骤3：将7 000 个训练样本数据根据8∶2的比例再次划分成训练数据及检验数据，通过训练数据实现样本外预测。同时再次通过相同方法提取2020年07月03日08∶00∶01到09∶37∶36的四级泵组1651号泵温度数据，共计 1 600 个数据点进行样本外预测。最终样本内及样本外预测的结果与训练样本的偏差如图6所示，该模型可以较好的预测出机械泵温度的大体变化趋势。

图6 样本数据(实线)与预测数据(虚线)对比曲线

3.3 预警模型结果

该高温故障预警模型在2020年5月至7月的温度报警和实际故障数据对比如表2所示，结果显示报警准确率达90%以上。因此当机械泵真空系统温度高于正常工作温度时，平台能够立刻针对故障预警及报警，从而保证设备的安全运行。

表2 高温故障预警模型预测结果

4 结论

在工业大数据的推动下，工业设备的远程故障诊断，是当下工业领域运营优化和高效生产的驱动力。

本次RH精炼炉机械真空泵组远程故障诊断平台的建立，实现了对设备运行状态的实时监测和故障诊断。从远程故障诊断系统投入至今，该系统所依托的RH精炼炉机械泵故障预警共计26次，正确故障报警22次(成功率达到85%)，有效避免设备停机，节约成本近千万元。在诊断平台的帮助下，用户及维保人员除了可以监控泵组设备的运行状态，设备的任何异样状况被实施捕捉，提高了炼钢厂整体生产效率。

随着工业大数据的不断发展，远程故障诊断也会在国内外各工业领域普及。通过对工业设备的远程监控运维以及预测性的故障分析，降低设备故障对人力及工业生产力带来的损失，提升工业设备的可靠程度，进一步促进工业领域的高质量发展。