选煤厂设备健康系统智能化研究

郑维国，朱建军

(泰戈特(北京)工程技术有限公司，北京 100022)

1 研究背景

设备健康系统应用领域非常广泛，在物联网、民用飞机、雷达系统、飞行器、汽车电子、机械制造等行业都有应用，重要设备的有效健康管理保证了系统的高效安全运转。当前选煤厂智能化在国家两化融合的春风中争相绽放，在信息化浪潮中各种技术百家争鸣，众多厂家从多个角度展望选煤厂智能化的未来。选煤厂智能化发展的基础是设备智能化与系统智能化的建设，设备智能化有2个方面：一是设备选型时设备本身智能化，这在选煤厂初建时基本达到要求；二是使用中保证智能化设备的正常运行，保证设备正常运行的条件是设备健康且稳定可靠。因此研究选煤厂设备健康系统智能化具有实用价值。

2 选煤厂设备健康系统现状

选煤厂目前设备健康系统发展状况良莠不齐，智能化方向主要是通过离线与在线检测设备驱动电机与减速箱等传动部分的温度与振动值，利用检测值判断设备这些部位的健康状况。设备健康系统离线检测最早开始应用在工业现场，通过在现场设备附近位置粘贴设备牌，巡检人员携带点检仪，在巡检中通过手动检测设备温度、振动值，关键位置可以拍照、录像。待巡检人员回到办公室后，连接后台服务器读取数据，将数据导入系统，在点检系统软件模块内完成对应数值处理及分析诊断功能。手动点检仪的增强版是应用点检仪无线WiFi或移动SIM卡功能，人工在现场用手持点检仪检测到设备数值后直接将数据传输到点检后台服务器软件系统，进行数据处理。在线检测就是通过有线、无线或有线无线混合的通信方式将检测值实时上传，减少人员干预。这种方式检测是在现场设备上安装检测传感器，消除了人为点检随机因素，不足之处是不能实时拍照，在需要图像时还需人工方式现场处理。在线式设备健康检测，可以时刻检测，连续性好，报警灵敏度得以提高。当前市场上设备健康数据检测基本都在使用这种拓扑进行数据采集(见图1)，因设备健康数据检测就像医生看病一样，“望闻问切”后得到的信息就是各种传感器检测到的数值，医生诊断病因并给出处方，而医生的医术及专业知识才是解决病情的核心。设备健康系统也一样，检测数值收集后利用数据分析，发现设备问题及解决方案才是设备健康系统的核心意义所在。

图1 设备健康系统网络拓扑

3 设备健康发展研究

关于选煤厂设备健康预测预防的优点，选煤行业的认可度基本一致：提前预测、预防及做好维保，合理安排设备检修时间，减少设备突发故障维修，保证设备的完好性，最终减少故障停产时间，提高生产效率，降低备品备件的数量，优化库存物资，提高经济效益。因此设备健康数据检测不论是离线式还是在线式，关键还是对取得的数据进行科学的分析处理，通过大数据智能分析设备性能状态，有针对性地“下处方”，通过数据分析提前发现设备存在的故障隐患点，给与针对性的维修处理，保证设备正常工作，尽量减少故障停产时间，才是保持设备健康最终之目的。所以设备健康的研究方向是如何检测设备数据，怎样利用数据分析，通过数学建模和函授算法预测设备存在的问题，并给出针对性的解决方案才是选煤厂设备健康研究的重点。

3.1 正确的检测传感技术

检测数据的准确度、检测方式、传感器数量、测控技术的成熟性及安装方式是决定后续设备健康数据采集的基础。目前市场的主流以温度、振动传感器在线检测为主，手动点检复核为辅(见图2)，通过这2类传感器检测数据，测算可能故障隐患，无论是设备的机械故障还是电气故障，这方面具有一定的笼统性和片面性，这也降低了设备健康诊断的准确性。因术业有专攻，用这2组数据检测判断设备的所有故障与缺陷，明显不具有代表性。通过对多家公司健康诊断系统的调研，比较专业的公司做得比较成熟，在实际设备健康应用中，能够提供专业的检测传感器，配以科学的安装，同时对数据检测的准确度影响有深入的数据分析，确实能够在自己专业的领域通过数模分析，较准确地给出设备的健康问题，提前给出诊断结果。如电动机磁感技术，传动机械机构的油质分析等，都有其独到之处，再结合温度、振动传感器数据，靶向定位故障问题准确。

图2 传感器安装位置示意

目前研究传感器技术对设备健康数据的检测非常重要，精细化趋势非常明显，专业公司由于对设备有深入的了解，依据掌握的专业知识，数据检测有其独到之处。各专业公司检测传感器类型比较多，使得设备健康检测多样化、复杂化，标准不统一，整合多个专业公司系统到一个设备管理健康平台的难度非常大。这个问题是设备健康检测发展中的痛点之一，目前许多用户还没有意识到检测传感器的专业性。以后设备传感器就与看病一样，目前的温度、振动检测就像人体的测温、B超一样，只是模糊确定一个方向性。要准确定位，查出主要原因并对症下药，传感测控技术像医学的CT、MBR检测技术一样，对设备从外到里的准确检查，将设备的健康问题吃透，有目标性地彻底解决，这是设备健康检测未来关键技术的突破方向。

3.2 设备故障预测与分析过程

在选煤厂智能化的发展趋势下，结合人工智能对设备进行故障预测和剩余寿命预测，实现单台设备的精准维护，形成选煤厂的标配系统之一。设备健康管理的目标是减少非计划停机，保障生产平稳运行，减少维护不足和过度维护的次数，对设备部件使用寿命更加准确的评估和预测，避免提前更换。故障预测及维护模式的目标如图3所示。

设备健康管理系统中设备检测信号数据分析，流行的检测传感器是振动与温度，核心是振动传感器。因分析震动信号可以提前预知轴承的磨损情况，根据不同的故障，振动特性不同，通过正向学习分析，反向推理，应用高频(10 K以上)采集，极大地提高了分析的精确性。根据ISO10816-3国际标准，参考值如图4所示。

图3 预测性维护分析及系统功能示意

图4 ISO 10816-3国际标准

选煤行业一般常见设备主要检测电机、减速机、风机和泵等旋转设备，重点分析其损坏前的征兆。可识别的故障：

(1)机械损伤：共振、不平衡、轴承损伤、齿啮合故障、错位、叶片通过频率。

(2)电气故障：定子磁场故障、转子铜条断裂。

(3)电机损坏：电机损坏的典型分析如图5所示。

基于检测及故障定性的基础上，通过对设备连续进行监视，收集数据，然后对监视数据进行分析，结合故障预测过程的理论知识，对设备状态监视进行分析，如图6、图7所示。

3.3 数据分析

由于通信技术的成熟性，目前无论在线还是离线，都能把数据成功传输，只不过数据采样周期根据系统容量不同而已。科学设置或规定数据采样周期，在线式检测方式的优势明显。当前不论采用哪种方式把大量的检测数据采集到系统服务器，通过后台专用软件对数据进行数模分析(见图8)，都是各厂家基本遵循的原则。目前数据采集应用的有线及无线通信技术、IT技术都具有通用性，而设备健康管理的实质是准确地数据采集，并对数据进行专业性地分析，这需要对设备某个分部配件制造设计进行深度研究，如减速器设备，并建立起丰富的大数据库，这样数据采集建模后才有对比，且能应用专业的设计制造及维护经验进行快速诊断，给出正确的处理意见。从实例项目数据分析的调研结果看，专业公司设备健康诊断数据来源及依据较可靠，故障点预测具有一定的利用价值。数据分析存在的难点是专业公司的大数据库由于商业市场竞争原因，不愿意开放，具有技术保密性，不能与整台设备的其它部分厂家数据共享，使得各厂家设备健康系统数据采集分析平台建设有重复化、同质化、无统一标准的倾向。

图5 电机损坏分析

图6 设备状态分析方法

图7 设备状态监视单线

图8 软件数模分析

目前设备健康系统理论数模分析方法一般采用频域法、磁场法、油质品相法、温度与材质关系曲线、温度与传动部分的技术参数关系曲线等方法。应用专业的分析方法，专业公司对专业知识深度掌控，数学建模较成熟，应用产学研结合将频谱、温度、色度、磁场等前沿的学术知识予以汇总建模，数据曲线偏差分析较准确，预测性故障判断具有一定的前瞻性。实际应用中的软件平台将理论知识进行转化，在健康管理系统中对大量的数据进行相应处理，相关处理方法包括：数据滤波、简单阈值判定、数据统计分析、故障诊断方法、寿命预测算法、维修决策方法等。选煤厂设备数据检测后的结果同样适用于专业公司的规模数据库，所有专业公司的数据库就是一本“百科全书”，将设备检测数据分析的结果在“百科全书”中能找到对应的解决策略，这样的结果也可达到选煤厂设备健康诊断的智能化目标。各集团公司下属选煤厂从长远的目标发展，请专业厂家建立自己的设备健康系统，集团公司将下属选煤厂建立的设备健康数据检测、诊断过程、解决方案等信息资料进行采集汇总，将数据以私有云的方式存储在集团信息中心，建立完善适合集团公司选煤设备健康的私有云“百科全书”及大数据库，使得集团公司内所有设备健康档案可实时查看，达到真正的预测、预防、维护、供应链优化，降低设备故障率、提高备件利用率、减少生产线故障停机时间的目的，最终促进企业提高决策效率、使得经济效益最大化。

3.4 方案解决

选煤厂设备健康方案解决是基于传感测控技术与数据分析的基础上展开。煤炭行业各集团公司设备选型后直接决定了后续设备健康系统的建设规模，所以不同的集团公司选煤厂需要个性化定制建设，解决方案要符合集团内生产设备的实际情况，然后分解设备，应用ABC分类法，选择对应专业设备健康公司，前期共同诊断，辅助建立集团公司的私有云设备健康档案，逐步收集完善集团内部设备健康百科全书。集团MER系统整合资源，将设备健康内容填充进入系统，导入各下属选煤厂，完成各选煤厂个性化设备健康系统。应用上述思路可一揽子解决选煤厂设备健康系统全寿命周期管理。

另外一种解决方案就是合作共赢，由专业公司入驻，专业公司做专业设备健康分析，给企业提供一揽子解决办法。但是，企业将面临设备健康系统多平台化建设，大量协调各专业公司之间的通讯接口、问题职责划分、协调管理工作量加大等一系列问题。

4 设备健康应用及展望

目前在2025智能制造，大数据、云计算、机器深度学习认知化的大环境下，炙热的设备健康系统建设，使得各行各业都在尝试、试验及探求突破，各厂商都提出通过专业化多年的经验，深度学习，完全能够定位设备健康状况及解决办法，但市场上仍存在良莠不齐。展望未来，随着传感技术、测控技术、射线成像、AI智能视频分析等先进技术的发展，相信在实时监测分析软件加专业监测设备的基础上，设备健康检查就和医院流程检查一样，完全能够定性定量的为设备做出全面的健康报告，服务于各工业现场，使生产设备良好运行，降低损耗，最终达到很好的社会与经济效益。