孙培峰，徐高欢

(浙江水利水电学院 机械与汽车工程学院，浙江 杭州 310018)

浙江省地处东南沿海，是台风、洪水等多发地区，防洪排涝水泵站在抵御灾害、确保人民命财产安全等方面起着无可替代的作用。浙江省现有泵站大量地建于上个世纪，由于年代久远，以及受当时技术、资金及设备等方面的条件限制，且长年老化失修，这些泵站的健康状态不容乐观，泵站能耗逐年升高，排灌效率逐年降低。近年来浙江省高度重视防汛抢险救援工作，在防汛物资储备、抢险装备采购、人员基地建设等硬件条件建设方面已形成了较好的基础，但针对防洪排涝泵站水泵机组尚缺乏全面科学和有效的监测与维护，一些机组存在着较为严重的健康隐患，影响了防洪排涝的效率和效益。目前全省防洪排涝水泵机组运行过程中，一方面机组带病运行引起流量、压力的降低，造成电量的浪费；另一方面，因水泵零部件损坏导致的突然停泵，也造成了巨大的经济损失和不良的社会影响。目前，泵站计算机监控系统作为直接面向生产的控制系统，通常只对水泵机组和主变压器的温度进行简单的趋势分析，并通过事件顺序记录(SOF)对各报警信息进行“离散”“经验性”地分析事故原因，在“设备状态预测和事故分析诊断功能”方面较为欠缺，未能对水泵机组的运行进行智能化的状态监测，也未能对故障预测和事故分析诊断进行自动快速的定位，因此寻找事故原因相对困难，特别是对于复杂的多起联动、突发事故，甚至找不出真正的事故根源，由于事故处理的低效率，影响了生产效益和经济效益[1]。

目前针对水泵机组的故障维修，采取的均是计划维修或事后维修。与之不同的是，视情维修可通过对水泵当前和将来状态的正确可靠预测来安排维修活动，具有自动化、高效率、经济性好、尤其是可以避免重大事故等显著优势，因此在水泵运行管理领域具有极好的发展前景。实现视情维修的前提是水泵机组自身具有对其故障进行预测，并对其健康状态进行自我管理的能力，由此产生了针对水泵机组的故障预测与健康管理(prognostic and health management，PHM) 概念，即利用尽可能少的传感器来采集水泵的各种数据信息，借助各种智能化的推理算法来评估水泵机组自身的健康状态，在故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施，最终实现针对水泵机组的视情维修。

因此，为及时准确地对异常情况做出诊断，有效预防和消除故障，保证防洪排涝水泵机组安全运行，有必要研究PHM技术在水泵机组故障检测与维护中的运用，建立相关的诊断与管理系统，对机组的运行情况进行实时监测与判定[2-3]。基本思路是：拾取水泵机组的振动、温度、噪声等信号，经一系列预处理、采集、计算后，与其状态报警阈值比较，判断机组运行工况，并用软件分析判断设备运行异常时的故障类型。该系统的建立为水泵机组的故障预测及健康管理开辟一条新的技术途径，有助于促进自动化、高效率及避免重大事故的水泵机组视情维修制度的建立。

1 水泵机组故障预测与健康管理系统基本架构

水泵机组健康监测系统在工程应用时，主要针对振动、噪声、转速、流量以及轴承温度等进行实时监测，并将数据处理后作进一步的综合分析。系统可分为传感器层、设备层和监测分析层，各数据可通过CAN总线并利用工业交换机或网络系统传输至推理系统，推理系统主要解决检测信息的处理及故障的判定等关键性问题。系统的硬件主要包括传感器、数据采集器、A/D卡以及信号调理仪等。此外，需开发一个界面友好的人机交互系统，并建立包括设备信息、测点信息、维修信息、历史信息以及实时监测信息等的数据库系统[4]。

根据以上要求，水泵机组故障预测与健康管理系统建立的基本思路为：利用传感技术监测并采集反映水泵机组运行状态的参数，如水泵流量、轴振动量、噪声以及设备温度等，对这些参数进行预处理与特征提取后，经相关计算，与状态报警阈值等进行智能化比较分析，以判断水泵机组是否正常以及非正常的原因。故障预测与健康管理的基本过程包括信号检测、报警处理、信号征兆提取、健康评估与故障诊断以及处理对策等。由于水泵机组故障产生的原因比较复杂，为提高状态监测与故障判断的性能，可建立具有演绎推算能力的数据库系统并融入先进的故障推理技术。图1为水泵机组故障预测与健康管理系统的基本架构[5],该系统主要包括6个部分。

图1 水泵机组故障预测与健康管理系统基本架构

(1)数据采集与处理系统

利用传感器、温度仪等采集水泵运行的相关信息参数，如振动、温度等，还需要对以上数据进行过滤以及A/D转换等的处理，以使得数据满足状态监测与故障诊断的要求。

(2)状态监测

接受来自传感器、数据处理以及其他状态模块的数据，并将这些数据与预设的失效参数进行对比分析，即由提供的阈值来获得故障判断的能力。

(3)健康评估

接受状态监测模块以及其它健康评估模块的数据，用于评估水泵机组当前的健康状态，比如是否有关键性参数的退化，是否有反映接近故障产生的参数出现等，以及判定机组故障产生的可能性。健康评估所需要的参数可基于各历史数据，包括可人工输入的参数以及系统自动输入的历史维修数据等。

(4)故障预测

利用前述各个数据，经过综合分析评估，来判定水泵机组的健康状况以及对是否可能产生故障做出预判，并提供检测或者维护修理等方面的相关建议。

(5)推理决策

推理决策可有各种思路与方法，如基于案例匹配、基于融合、基于规则、基于知识等的推理技术。本系统拟建立基于规则与知识匹配的推理决策系统。

(6)人—机接口

人—机接口包括系统管理维护模块、各种所需数据输入模块、水泵状态参数的信息显示以及维护建议信息提供等。

2 健康监测系统建立的关键性技术

防洪排涝水泵机组健康监测系统的关键性技术在于诊断专家系统的设计开发，具体包括知识库的建立以及推理机的设计等。基于模糊推理的专家系统结构框图(见图2)[6]。

图2 基于模糊推理的专家系统结构框图

模糊数据库的功能包括数据存放、执行数据库检索等，它包括了水泵机组实时监测的历史数据、决策时的中间数据以及最终计算数据等，也包括推理所需的阈值等标准参数。随着系统的运行，数据库需要进行动态增加或删除，并且随着数据库内容的不断丰富，系统诊断的速度以及精确度等得以不断提升。

专家知识库是实现故障预测与诊断的基础，它包括水泵机组的大量事实以及专家处理各种实际问题的知识、案例、方法等，这些知识经过分析以及整理后存于知识库中。该知识库具备较强的学习功能，能不断进行完善和充实。

水泵机组监测系统的核心是推理技术，推理的过程即模拟专家解决问题的过程，它实际上是一套具有较为丰富经验的计算机程序，其功能为利用机组传感器等采集到的实时数据，调用知识库中的相关数据，按照诊断的规则进行逻辑推理，从而获得所需要的诊断结论及维修建议等[7]。

水泵机组故障诊断模糊推理的基本过程为：选取第一条模糊规则，输入故障征兆，模糊化后形成模糊证据库，从知识库中取某条规则进行模糊匹配，将证据关键词与规则前提进行匹配，如匹配成功，则确认证据隶属度，进行模糊推理计算，并将结论加入到证据库中；如匹配不成功，则选取下一条规则进行匹配，直到模糊匹配成功。最后在证据库中找出最终结论，输出故障及其隶属度。在本系统中，推理机根据从水泵机组获得的实时数据，如振动、温度等的相关征兆的参数，根据推理模型，来预测水泵机组可能存在的故障类型、位置、故障强度以及趋势等[8]。

3 模糊诊断推理实例

水泵机组在运行过程中，运行状态从无故障到发生故障是一个渐变的过程。在这个渐变过程中，它不是完全的“完好”，也不是完全的“故障”，它往往是一种中间状态，所表现出来的故障征兆也同样如此。因此，实际运行中的水泵机组，其健康状况实际上是模糊的。以机组振动故障为例，它可能是轴承的磨损或损坏造成，也可能是水泵轴与电机轴偏心造成，还可能是机械松动以及机组安装不牢固等造成，而轴承的磨损或损坏，除了引起异常振动，还可能引起相关位置温度的上升。因此，水泵机组健康监测系统需要内嵌一个模糊的专家系统，其推理机能处理模糊的规则与事实。

模糊诊断系统在采集现场数据后，获得故障征兆向量X，设某水泵机组的发热、剧烈振动、流量不足、噪声大、不上水分别表示该水泵的5个典型故障征兆，轴承损坏、轴弯曲、零件松动、管路漏水、电机故障分别表示该水泵的5个典型的故障原因，它们之间的模糊关系矩阵R由该水泵机组的结构特点和维修经验统计数据以及专家的意见来确定[9]。

若已知征兆向量

X=(0,0.1,0.8,0.1,0)

则故障原因向量

Y=XoR=(0.144 0.007 0.12 0.88 0.012)

以上是在模糊理论基础上建立的专家系统，它依据水泵模糊的不确定信息进行水泵故障的诊断。依据最大隶属度原则，本例诊断出的故障原因为第4个即管路漏水[10]。

4 结语

防洪排涝水泵机组健康管理与故障预测系统的建立涉及计算机技术、数据通信技术、故障预测与诊断技术等诸多学科，此外系统在设计和运行中还必须考虑数据标准化、系统安全性等问题。本系统的研究建立了一种新型的水泵机组故障预测与健康管理方法，具有一定的创新性，是对传统的水泵机组故障维修方法的创新及改进，可提高故障诊断的精确性、灵活性及工作效率，为预测维修、主动维修提供了可能，也在一定程度范围内减少了设备的拆卸及避免了事故的发生，确保设备经常性地处于健康良好的运行状态，因此具有良好的经济效益和社会效益。