轴心轨迹特征算法在唐山LNG海水泵故障监测中的应用

雒海隆,田建坤,王大林,李 旭

(1. 中石油京唐液化天然气有限公司,河北 唐山 063000; 2. 清华大学,北京 100095; 3. 和尘自仪(嘉兴)科技有限公司, 浙江 嘉兴314000)

泵类设备是LNG接收站的关键设备,构建泵的数字化监测和完整性管理体系、开展大型泵类故障监测和预警对LNG运行安全具有重要意义【1】。传统的泵类监测手段主要依赖于振动超限报警,但在实际运行中发现,泵的部分故障模式和故障早期阶段并不会引发振动超限,或随着故障持续发展至严重状态才会触发振动超限,一旦振动超限则可能直接引发联锁停机影响生产运行。

对泵的故障进行早期识别,实现泵健康状态的有效监测,是确保LNG接收站正常运行的重要保障,也是数字化LNG接收站建设的重要构成要素【2】。近年来行业内对泵类故障早期识别的方法研究较多,但主要集中于振动频谱特征学习等方面【3-4】,受限于测点安装、数据采集和故障案例不足等限制,其应用受到了很大制约。如何充分应用当前已有测点的信号数据、挖掘新型算法模型、准确高效地实现泵的故障早期预警和诊断,是行业内面临的共性问题。

1 海水泵监测情况

LNG接收站海水泵用于将海水输送至开架式气化器(ORV)以提供气化LNG热源,是接收站关键设备之一。

唐山LNG接收站海水泵配置为1大(额定流量16 000 m3/h)和3小(额定流量8 000 m3/h)共4台泵,均为多级立式长轴轴流泵,是国内LNG接收站海水泵国产化首台套产品【5】,于2013年完成安装投运。海水泵结构见图1。

图1 唐山LNG接收站海水泵结构

海水泵原有状态监测系统主要包括BENTLY振动监测模块、转速监测表、电流表和轴承/线圈温度监测及压力、流量等工艺参数监测,其中振动监测是最主要的监测手段。随着泵累积运行时间的增加,泵的振动超限时有发生,且通常振动超限会触发联锁停机,造成泵意外停运事件的发生。

海水泵安装的BENTLY振动监测模块共配置了4个振动传感器,其中2个安装于电机和推力轴承外壳上,用于监测轴承振动情况;另外2个垂直安装于推力轴承上侧主轴位置(见图2),用于监测主轴的振动情况。振动传感器的测量信号输入BENTLY模块,当出现振幅超限情况时, 模块自动生成报警信号,并发送至中控室DCS侧,触发振动高报警或振动高高联锁停机。

图2 主轴振动监测测点布置

海水泵作为输运介质为海水的长轴泵,轴的腐蚀、机械密封的失效、轴承的故障等均是常见问题。但原有振动监测集中于发生严重故障时的超限报警,一旦发生报警则通常意味着故障情况已经较为严重,在过往经验中,这往往意味着要紧急停机并对泵进行全面检修。

2 轴心轨迹特征算法模型构建

轴心轨迹是表征主轴状态的一个重要特征。采用图2所示的1对位置正交的振动位移传感器测量转动时主轴与传感器安装位置之间的间隙动态变化,将2个传感器的测量数据分别作为x轴和y轴坐标值绘制在直角坐标系中,即得到主轴转动时的轴心轨迹。理想情况下,正常的轴心轨迹应该是较为稳定、长短轴相差不大的椭圆,在出现不对中、碰摩等异常问题时,轴心轨迹则会呈现出月牙状、香蕉状、锯齿状等特征形状。

使用轴心轨迹对主轴进行健康评估和故障监测的算法框架如图3所示。算法基于海水泵自身的历史数据,通过模型训练建立设备健康状态下轴心轨迹的参照标准,并通过对比在线分析得到的轴心轨迹与参照标准轨迹之间的差异对海水泵进行健康评估和故障监测。

图3 基于轴心轨迹的主轴健康监测框架

为减小传感器测量噪声的影响,得到更为平滑的轴心轨迹,在绘制轴心轨迹前通常需要对振动位移数据进行降噪处理。较为常用的降噪方式有滤波法和同步平均法两种。由于海水泵未安装键相传感器,不便采用同步平均法进行处理,故使用滤波法进行原始数据的降噪处理,即将两个位移传感器的测量数据通过一个低通滤波器进行滤波后,再生成轴心轨迹。低通滤波器的截止频率基于轴的转动频率进行设置。

海水泵运行过程中,每隔一定时间采集一段轴位移传感器的测量数据,采集时间要求覆盖多个转动周期,经过滤波处理后生成相应时段的平滑轴心轨迹,并进行均值轴心轨迹计算,得到平均单圈轴心轨迹,同时,将计算结果存入轴心轨迹数据库中。

模型训练阶段,根据设备各个方面监测数据的表现,从海水泵的运行历史中选取一段设备处在平稳运行、相对健康状态下的时间段作为参照标准轨迹的训练时间段。从轴心轨迹数据库中提取该时间段内的轴心轨迹计算结果作为参照标准轨迹的训练数据集。考虑到轴心轨迹是1个二维图形,参考标准轨迹通过以下两方面的特征进行表征:

1) 轴心轨迹覆盖范围的大小,覆盖范围越大则说明轴在旋转过程中的摆度幅度越大,该特征可通过计算摆度值进行表征;

2) 轴心轨迹的形状特征,即轴心旋转轨迹的实际二维形状,通过归一化后的均值轴心轨迹曲线表征。

对训练数据集中的轴心轨迹历史数据进行以上两方面特征的提取,并统计均值,最终得到一个代表设备在相对健康状态下轴心轨迹的参照标准。

在线监测评估阶段,在线采集的x向和y向振动位移数据经过同样的低通滤波等预处理后得到平滑轴心轨迹,再进一步提取其摆度和均值轴心轨迹曲线(即轴心轨迹形状)。分别将提取得到的摆度和轨迹形状与训练阶段建立的参照标准进行对比,其中,摆度是比较实际摆度值与参照摆度值的大小,偏差越大则相应的健康评分越小;轨迹形状是对比实际的归一化均值轨迹曲线与参照归一化均值轨迹曲线之间的差异(如图4所示),基于归一化轨迹曲线各个点的坐标计算两者形状的积分差异,差异越大则表明实际轨迹形状与参考轨迹的偏差越大,相应的健康评分也越小。

图4 实际轴心轨迹形状与参照轴心轨迹形状对比

最后,通过加权平均的方式将摆度和形状两方面的健康评分指标合成为一个轴心轨迹综合健康指标。综合健康指标是1个0～1之间的数,其数值越接近1,则表明实测的主轴轴心轨迹与训练模型建立的参考轴心轨迹之间的差异越小,设备状态越健康;反之,越接近0则表明实测轴心轨迹与参考轴心轨迹之间的差异越显著,意味着可能存在潜在的异常或故障。因此可为综合健康指标设定一定的预警阈值(如0.6),当计算得到的综合健康指标低于该阈值时,即给出故障预警,提醒运行维护人员关注海水泵当前状态的异常。

3 在线监测系统轴心轨迹监测模块开发

为全面提升海水泵健康监测和故障预测能力,唐山LNG接收站建设开发了海水泵在线监测系统,海水泵轴心轨迹监测模块内嵌于海水泵在线监测系统中。海水泵在线监测系统是一套集成了海水泵振动监测、性能监测、噪声监测、轴心轨迹监测等多种模块的健康监测系统,采用了机器学习、人工智能等先进前沿技术,用于实现海水泵监测数据管理、状态数据挖掘、监测手段完善和故障早期识别应用。海水泵在线监测系统主界面示意如图5所示。

图5 海水泵在线监测系统主界面示意

海水泵在线监测系统基于浏览器/服务器(B/S)架构开发,采用JAVA+PYTHON双语言结构,确保数据采集和机器学习的双重高效。通过海水泵在线多维数据采集装置将传感器信号接入数据库,同时将DCS工艺数据通过总线接口接入,分为实时数据、近期数据和历史数据分别存储。系统内置的PYTHON算法引擎调用历史数据进行特征训练并将结果存入特征库,在设备运行时调用实时数据和近期数据进行分析计算。海水泵在线监测系统数据流程如图6所示。

图6 海水泵在线监测系统数据流程

当发现设备出现异常时,系统经中控监视界面向运行值班人员发出报警。中控监视报警界面示意如图7所示。

图7 海水泵在线监测系统中控监视报警界面示意

4 海水泵轴心轨迹监测应用案例

4.1 正常运行时的泵健康评估

系统对某月份海水泵运行数据进行分析,获得B、C、D泵的轴心轨迹特征分布如图8(a)～图8(c)所示。通过轴心轨迹与参照轴心轨迹的对比计算健康指标,具体计算方式为将轴心轨迹和参照轴心轨迹转换至极坐标后,计算r轴上两者差距的均值,再归一化为1个0～1之间的数,结果越接近1表示实际轨迹与参照轴心轨迹越接近,越接近0则表示两者差异越大。

图8 B、C、D泵的轴心轨迹特征分布

B、C、D泵轴振位移幅值均未超过报警限值,DCS系统中未发生报警。由图8(a)～图8(c)可见:B泵运转平滑,摆度较低,轴心轨迹分布正常,轴心轨迹健康指标在0.9以上,运行健康;C泵呈现多个外凸,但总体未出现尖锐异常,轴心轨迹健康指标在[0.76～0.9]之间,健康状态可接受;D泵轴心轨迹出现内突尖刺,特征出现异常,健康指标低于0.6,判断运行过程中存在轴承磨损或轴碰摩。

对D泵进行解体检修发现,泵电机轴承出现滚珠磨损和轴承外环变形,造成轴转动时出现碰摩,此时由于并未发生振幅超限,仍处于故障早期。若持续运行则可能造成轴承进一步变形损坏,并导致泵意外停运和轴系其他部件严重故障的发生。

4.2 异常发生时的泵故障监测

海水泵C泵在运行后某日正常停运,停运时该泵参数均无异常,停运前轴心轨迹如图9(a)所示。3日后根据生产需求重启该泵。泵正常启动成功,DCS及现场未发现报警和异常。运行2 h后,中控和DCS显示泵无异常,但在线监测系统轴心轨迹监测模块发现该泵轴心轨迹异常,轴心健康指标剧烈下降并发出报警提示,此时轴振幅值并未超限,DCS仍无报警,但轨迹特征呈现图9(b)形状。现场检查后发现该泵冷却盘管泄漏,轴承润滑油被泄漏的冷却水冲走并流至平台面积存,泵紧急停运维修。经修复后泵重启运行,轴心轨迹恢复正常,如图9(c)所示,泵的健康指标恢复至0.85正常区间。

图9 泵故障前、故障时、修复后轴心轨迹特征

5 结论

泵作为油气化工行业的关键设备之一,其故障监测和健康管理一直受到业内重视。但传统的监测手段通常难以实现故障的早期预警,在发现故障时设备往往已经处于较为严重的不可用状态。轴心轨迹特征算法作为一种可利用现有信号数据进行深度挖掘应用的算法模型,在故障早期识别、健康监测和故障智能诊断方面都可以发挥效用。

唐山LNG接收站海水泵在线监测系统中构建的轴心轨迹算法模块通过对海水泵轴心轨迹历史特征训练获得其健康基准, 并通过近期和实时的特征比对计算, 对海水泵的健康状态和早期故障进行监测,实践证明, 该方法能够有效对海水泵进行智能监测,准确性高,误报率低,是一种可推广应用的技术方法。随着运行数据和故障案例的进一步积累,以及监测诊断精准性的进一步提升,这种方法将成为海水泵运行管控的重要构成部分。