旋转机械的故障预测方法综述

本资料包含pdf文件1个，下载需要1积分

1故障预测方法的分类与比较1.1预测维修的意义烟气轮机将催化裂化过程中产生的废烟气中所具有的压力能和热能经烟气轮机的膨胀做功化为机械能，驱动轴流式空气压缩机或给发电机提供动能，达到能量回收的目的。-九六三年美国成功的研发出了当时全球唯--台烟气轮并成功运行，中国是在-九七八年自主研发成功的↑三十年中，中国的烟气轮生产总量-共节约了电量 275105千瓦时，-共达到-百三十八亿元，有非常大的经济收益。但是，烟气轮所在的环境是很差的，因轮子的转动不断磨损，催化剂中不断有灰尘落人，外壳变形与仪器表失控等都是导致事故出现的原因。

我国很多的炼油工厂的烟气轮大多都出现了严重的事故安全。

比如，中国石化就在-年之内三十九个烟气轮因事故停止运行五十- 次，-共的时间达到了九千零-十四小时，造成巨大的损失。另外，烟气轮在经过回收再次利用废气 ，从环保来说 ，这是很重要的。

所以，确保烟气轮的正常运行安全也是工业行业必须重视的方面之-。 现在，-般企业的维修方式都是预防性的措施，也就是有周期性的进行-次大维修 ，烟气轮大概是-年左右就必须进行-次大检修。对烟气轮进行周期性的检测与维护可以根据检测的情况第-时间准备好维修的设备，确定好维修的方案。这种熟练的判断技术能够精准的找出事故的种类与部位，防止了维修时无从下手的状况，节约了维修的时间〉低了大事故出现的几率，加快催化裂化设备的安全运行效率，这样就能够有较好的社会与经济效益。

1.2故障预测方法的分类猜测维修的重点工艺是事故猜测 ，没有可行的事故推测方式是对其维护方式的广泛运用的-个难点。事故推断的方式-共有两种，就是定性与定量两种分析方式。现有的旋转机械故障预测方法分类如图 1所示。

基于数据的方法包括自回归预测、灰色预测、多层递阶方法、混沌时间序列预测、隐马尔科夫模型、机器学习(神经网络、支持向量机)和统计过程监控方法等。旋转机械的机理模型难以建立，同时专家知识也难以获取，这些都不利于我们对旋转机械进行故障预测。

基于数据的方法完全从工业现场数据出发，挖掘数据中的隐含信息，具有广泛的工程应用价值。这类方法适用范围最广 、成本最校因此，基于数据的方法最为实用，它已成为故障诊断与预测领域的研究热点和发展趋势。

基于模板的措施包含基于滤波设备的事故检测手段和基于事故设备建筑模板的手段等。这些措施都能深刻的了解需要检测系统的特点以及性能，可以很好的了解系统是否发生了更改。当研究物体具有精准的数学模板时，就能够得出精确的检测结果。但是在实际的项 目中大多都是动态的体系，所以很难得到精准的数学模板，所以，这种措施应用的规模不大，需要的费用多。

基于知识的方法包括专家系统和模糊逻辑等。这类方法的优势是能够利用现有的专家知识和经验，而不需要已知非常精确的数学模型。因此，它在很多领域得到了广泛应用。但是此类方法的不足是知识获认 困难。

旋转机械基于数据、基于知识和基于模型的方法在适用性范围、成本和准确度等性能方面的比较如图2所示。

2难点问题与展望2.1多变量预测问题针对旋转设备来说，震动时能够传达出大量的设备在运行阶段的信息 ，并且其信号能够感觉出来设备故障，因为事故会使震动增大，从来转变其震动的特点。这能够说明震动时传达的信息是对旋转设备运行时的情况与事故发展情况的真实反映，如今可以使用单变量在震动所传达的信息推断旋转设备是否正常运行。不过，就只使用这种方式来对事故进行推断是不够的，比如烟气轮，机器的烟气进口及出口产生的压力与其温度，联轴器、震动程度与轴位移等，都是判断事故出现，是否正常运行的重要信息。

常见的基于单变量振动数据的状态预测技术无法利用多维测量数据的有效信息，难以检测性能退化初期微弱的故障征兆。为了解决几个具有关联性质的因素互相协同的检测问题 ，在上世纪九十年代开始就采用主元解析方法以及偏最小二乘方法开展数据模型化，同时建议了相关的监管掌控办法。多因素检测能够把同-时间内检测到的多个具有相关性的变量都协调在-起进行考虑。现在，探索多因素数据带动的旋转设备事故检测技术拥有更加广阔的前进范围。

2.2非线性和非平稳问题旋转设备体系是-种繁杂的非线性的动力体系。在得到设备在运行时的信息进行正确反映时，这种平稳性是很重要的，也是广泛与绝对的。旋转机械运行的状态特征信息具有非线性、非平稳特性，导致其故障预测面临着大量复杂的非线性、非平稳动态信号，需要用到非线性的数据模型，例如，核主元分析等。传统的数据模型多假设测量变量的分布是多元高斯分布，这与实际数据不相符合 ，需要用非高斯的数据模型，例如，独立主元分析。随着故障检测和预测要求的日益提高，原可忽略的非线性和非高斯问题越来越突出。因此，研究基于非线性和非高斯数据模型的旋转机械故障预测方法具有重大的现实意义和应用价值。

2-3网络化预测问题旋转设备事故推断目前还有数据接受与算法验证上的众多难题。事故推断算法在开发与验证中都必须有很多的系统参数信息作为辅助。数据-般都是从以下三个方面获取：第-，就是现场的实际数据，这种数据包括了多种现场的状况，与其环境的因素，确保了数据的真实性，不过需要构造数据才能建立平台。第二，就是根据实验台的事故加入实验的参数，这种数据能够确保大部分的真实性 ，其缺点就是不能够对整个事故过程进行全面的发展描述。第三，就是模型反映的仿真数据，这种数据能够根据算法与验证的要求再定制。不过这些数据不能够确保真实，在建造完善的模型也是个难点，要想保障使用的事故推断方式满足所需要的要求，就必须进行结果的验证。-般使用的都是仿真检测都不能够换取大众信任的结果，并且进-步采取的实验台仿真实验的检测。与最终结果也有-定的差距。比较高效的解决方式也就是组建在线的平台提供准确的数据交换 。

髓2 方法性 能比较3结束语这篇文章将烟气轮作为例子，说明了在工程中对设备的维护与事故推断的重要作用，然后把旋转设备事故推断的方式根据定性或者定量两种分析方式，再根据以上信息将其归类与对比。最终得出的结论是：旋转设备事故推断有-些需要改进的地方，也是难点，接下来也对其以后的发展趋势进行了分析。