石油化工自動化儀表故障診斷方法研究

王擁軍

（中石油烏魯木齊石化公司計控部，新疆 烏魯木齊 830019）

石油化工行業由于生產環境的限制，難以滿足大規模的人員安置需求，但由于其自身的生產量相對龐大，對設備的運行狀態提出更高的要求。面對這一問題，自動化技術的介入有效改善了石油化工的生產模式，以及其代替人工的操作方式大大提供了生產效率，并減少了對人員的使用數量。但隨之而來的也出現了新的問題。雖然已經實現了對設備的定期維護與檢查，但出現故障仍是不可避免的，長期停產維護設備對企業造成了不小的經濟損失，由此，如何實現準確高效的設備故障檢測成為現階段專家學者研究的重點。其中，楊軍以PLC為操控中心，進行了電氣自動化儀器儀表故障檢測的相關研究，實現了對故障的準確檢測，但耗時較長，且對故障位置的定位存在一定偏差；馮子恒等人就石油化工企業自動化儀表故障的預防措施進行了深入研究，并提出了具體的維護方法，有效降低了儀表故障的發生頻率，但對于已經出現的問題，缺乏明確的研究。為此，本文提出了石油化工自動化儀表故障診斷方法研究，以期為相關領域的維修工作提供參考。

1 石油化工自動化儀表故障診斷

1.1 故障信號VMD分解

傳統故障診斷方法存在誤差的主要原因是故障信號的分析受干擾信號的影響，導致分析結果出現偏差，影響最終的診斷結果。為了避免該問題，本文采用VMD對故障信號進行分解，在分解過程中將故障診斷問題轉化為變分信號的求解問題。為此，本文將其分為構造和求解兩個過程。

構造的目的是明確儀表在不同狀態下的正常運行參數范圍，本文定義其為儀表的模態，用K表示，將故障信號的規范控制在K內，假設每個模式的中心工作參數為有限帶寬值，則每個模式的估計帶寬之和通過K個模態函數uk(t)最小化，即可實現對儀表正常狀態參數的判斷。但需要注意的是，模態函數uk(t)需要滿足所有模態之和等于輸入信號的約束標準。具體步驟如下：

首先，對故障信號進行Hilbert變換，得到不同負荷狀態下對應的模態函數uk(t)，實現對信號的解析處理，此時輸出的信號形式為單邊頻譜：

其中，γ表示Hilbert變換后故障信號的單邊頻譜，j表示儀表的運行負荷狀態，t表示故障信號采集的時間，φ（t）表示儀表正常狀態下t時刻的運行參數。

在得到故障信號的單邊頻譜后，需要計算自動化儀表的基礎參數基帶范圍，考慮到解析信號為非固定模態的結果，本文通過預估中心參數值實現該過程，其可表示為：

對應的約束條件為：

其中，f表示采集到的信號總量。

通過這樣的方式完成對故障信號的拆解，并構造出以單邊頻譜為基礎單元的信號形式。

1.2 故障診斷

在完成上述操作后，既可以對VMD拆解后的故障信號進行診斷，即對變分問題求解。為了最大限度干擾信號對診斷結果的影響，本文在計算過程中引入二次懲罰因子α，并借助拉格朗日乘法算子λ(t)對計算范圍進行約束，將約束性變分問題轉化為非約束性變分問題，降低計算的復雜程度。

首先，利用二次懲罰因子對分解后的故障信號約束，實現對高斯噪聲的過濾處理，其可以表示為：

其中，γ′表示過濾后的故障信號。在此過程中，拉格朗日算子主要負責保持約束條件的嚴格性。

以此為基礎，對石油化工自動化設備故障診斷的步驟如下：

（1）首先按照儀表的出廠參數設置，對故障類型進行劃分，在參數齊全的狀態下對可以表征故障類型的信號特征進行提取，并將其作為故障診斷的依據；

（2）將采集的故障信號進行VMD分解后，將與表征故障類型信號特征相似的單邊頻譜信號作為儀表的輸入信號，在與被測儀表運行環境近似的條件下對故障征兆數據轉化，計算對應的故障征兆在不同故障類型下的支持度；

（3）再對分解后的信號進行去噪過濾處理，同樣重復上述操作，并統計其輸出的故障類型匹配結果是否與原結果一致，如果一致，則可將其作為最終的故障診斷結果；如不一致，則需要重新在儀表中輸入降噪后的信號，再次采集對應的干擾信號，并重復步驟（1）和步驟（2）的操作，直至結果一致。

2 試驗測試

將本文提出的故障診斷方法應用于實際的生產環境中，并將文獻[3]和文獻[4]提出的方法作為對照組。通過分析三種方法對故障的診斷結果，客觀評價本文提出方法的應用價值。

2.1 模態的選取

本文實驗重點以自動化電氣儀表的故障診斷為目標，選用美國凱斯西儲大學電氣工程實驗室的儀表振蕩數據作為實驗數據。其中，電機傳動儀表終端的6205-2RS SKF端口介入有0.1775mm的故障點。儀表具體的參數設置為：負荷為0狀態下儀表運轉速度為1797r/min、負荷為1狀態下儀表運轉速度為1772r/min、負荷2狀態下儀表運轉速度為1750r/min，負荷為3狀態下儀表運轉速度為1730r/min。實驗按照12kHz的采樣頻率對儀表的運行參數進行采集，并定義模態數為K，在不同負荷狀態下，以儀表中心的運轉速度為模態區分的依據。為了使診斷結果更加直觀，本文以正判率作為評價指標，其計算方式為：

其中，P表示正判率，tr表示故障診斷準確的次數，t表示輸出的總判斷總數。

2.2 結果分析

在上述基礎上，對三種方法的診斷結果進行統計，其結果如表1所示。

從表1中可以看出，在不同負荷狀態下，三種方法診斷結果的正判率均出現了一定程度的下降，這是因為隨著儀表運行負荷的增加，由于其自身的振動、延時等問題帶來的干擾作用逐漸加強，因此三種方法對0負荷狀態的診斷結果最為準確。但相比之下，本文方法的診斷效果相對穩定，始終穩定在95%以上，具有較高的應用價值。

表1 不同方法的故障診斷結果

3 結語

石油化工行業的蓬勃發展決定了其自動化程度將會越來越高，在此背景下，如何實現對自動化設備故障的有效診斷成為確保設備穩定運行的關鍵。本文提出石油化工自動化儀表故障診斷方法研究，對故障診斷結果的準確率達到95%以上，具有良好的應用效果。通過本文的研究，以期為石油化工行業自動化設備的故障診斷工作提供有價值的參考。