基于狀態監測的機械真空泵故障預警診斷系統

溫焱明，賈 軒，陳志軍

（中山嘉明電力有限公司，廣東中山 528403）

0 引言

針對機械真空泵，如果問題原因是出現了錯誤代碼，那么維修人員可以借助讀碼器等設備發現錯誤代碼，從問題代碼的顯示文字中可以了解設備的問題范圍[1]。但是如何精準定位問題點，解碼器的顯示結果并不能定位到具體故障點，導致問題不能快速確認，真空泵不能盡快恢復工作。而問題排查過程需要維修人員對照使用維護說明書，拆解真空泵，逐一排查可能的故障點，費時費力。雖然借助診斷設備可以初步顯示設備參數，但不能自動篩選出問題相關的數據，并且進行故障預警。在實際工作條件下，如果沒有遇到錯誤代碼，那么診斷故障的效率就非常低。工業大數據是工業信息化方面所產生的數據集，是互聯網的產物，這些數據還會不斷地參與到工業的發展之中[2]。大數據具備工業本身的特點，還對工業發展具有很強的指導作用和決策輔助作用。對于工業發展來說，大數據本身的質量也是非常重要的，高質量的數據可以保障工程有質有量地完成，能夠保障決策的正確性。因此，針對以上所闡述的這些問題，本文設計了一套智能混合故障診斷系統，其基本功能是幫助維修人員在實際工作中遇到的困難進行數據支持和決策輔助，還能夠對維修人員用讀碼器收集的數據進行自動篩查。該系統能夠在很大程度上提高設備維護單位的工作效率，具有很高的實用性。

1 故障預警診斷系統硬件設計

通過分析機械真空泵的組成及工作原理，分解故障模式，設置狀態監測點，并針對不同監測點的數據類型，選取有針對性的參數采集模組，將采集到的數據實時傳輸到信息處理器，進行分析和判斷，發現運行參數異常，發出故障報警。因此，機械真空泵的故障預警診斷系統劃分為3 個分機：現場端的數據采集分機；數據遠程傳輸鏈路；遠程客戶端的數據處理終端（圖1）。

圖1 遠程問題診斷平臺系統架構

現場端主要起到偵測作用，并且添加了智能開關起到自動控制的作用。偵測設備會對現場的各項數據進行收錄和解析，中間端會將匯集的數據進行積累和周期性處理并向下運輸。最后遠程客戶端將數據顯示出來并佐以基本的數據判斷，如果遇到問題數據就會給工作人員發送故障預警。設備現場端采用技術成熟的PLC控制各個數據采集模組，實現模擬數據的取樣、壓縮和數字化變換，對真空泵設備進行實時的數據監測和收集。經過該系統收集到的數據將被統一儲存到后端數據庫中。

該數據庫除了具有儲存數據的功能之外，還能夠儲存系統中所有對象的屬性和參數，這也是工業數據庫所必須實現的功能。數據對象會根據功能、作用被分別儲存到交換層、監控層等層級，具體數據位置及功能對象見表1。

表1 層級儲存對象

根據工業數據解析的具體流程，本文設計的遠程診斷系統具備最基本的兩大功能：一是對設備的遠程監控，二是對設備的問題預測。遠程監控功能主要包含參數實時監控記錄以及對設備的運行情況的維護，問題預測是周期性地對每一個設備節點進行訓練，智能判斷其是否出現問題，以此實現問題的預測和報警。

2 故障預警診斷系統軟件設計

2.1 系統功能模塊設計

智能混合問題診斷系統包括兩大板塊，分別是問題代碼查詢板塊和從數據流統計問題的診斷板塊。問題代碼查詢板塊將常見故障的現象表征和故障原因建立對應，通過故障樹的形式，形成系統的故障排查簡表，方便維護人員查閱和借鑒[3]。從數據流統計問題的診斷板塊則是問題代碼的對應排故措施，根據故障樹分析得到的機械真空泵常見故障的對應排除方法，用于指導維修人員按照規范的流程，分步定位故障，完成維修。該板塊需要根據問題數據庫的不斷積累，形成系統的、標準化的問題自動診斷。

將兩個板塊綜合起來構成本文設計的設備故障預警診斷系統，系統最基本的功能是顯示出故障代碼以及列出解決問題的步驟。問題代碼描述模塊的主要功能是能夠顯示出比數據更加細節的內容，包括問題數據的代碼解讀，分析錯誤發生的初始條件、故障代碼出現的位置定位以及有可能故障原因的羅列。解決問題的步驟功能是能夠顯示出和故障檢測相關的所有信息，具體顯示為自動故障排查過程和記錄，基礎零部件參數變化篩查，內部電路情況監測，數據流監測以及保險絲安全情況確認等。本系統投入使用之后，可以降低對維護保養和維修人員技能水平的依賴，采用自動化、智能化的故障預警機制，盡早發現問題，指導維修人員快速修復問題，將問題控制在萌芽狀態，既保證了維修人員的工作精力，又提升了設備的運行效率，還在一定層面上保障了生產運行的安全性。

如果是因為轉速過高、空擋抖動等原因使發動機運行停滯，可以通過解碼器讀取設備的參數，從遠程操作界面進行問題分析。在實際維修過程中，如果想獲取以往的經驗來幫助維修活動，如果想調取更多的故障數據，需要重新進行網絡設置。如果想模糊掉設置的規則，可以進行數據格式化功能。

2.2 系統數據庫建立

問題代碼查詢系統的數據庫是一種能夠存儲與機械真空泵問題代碼有關的信號數據庫，數據庫由6 個表組成，分別是問題代碼表述表、問題檢測流程表、控制后臺圖表、電線圖表、基礎零部件圖表、導線端口圖表。各表之間通過問題代碼的主要故障相連[4]，問題代碼查詢系統中問題代碼與數據表之間的關系形式有很多種，所以系統設計時，使用矩形框標注出每一個零件的名稱，相關屬性就用橢圓標注，設備名稱和設備屬性之間使用直線連接。維修人員在具體操作時，通過問題代碼描述進入監測操作界面，點擊查詢，軟件就會自動對輸入的代碼進行解析，查找數據庫中歷史數據，對現象進行匹配查詢，查詢流程如圖2 所示。

圖2 查詢系統流程

為降低系統的運行環境要求，適用于真空泵實際工作場景，在設計系統數據庫中本著最小化原則，在滿足功能使用要求的前提下，盡可能減小數據庫的體量，以適配低配置硬件環境的條件下，系統可以穩定運行。因此數據庫各項圖表中沒有保存圖片，而是將圖片保存在電腦文件夾，采用調用鏈接的形式，提供圖片顯示功能。

3 驗證實驗

3.1 實驗準備

機械真空泵高溫問題的判定標準如下，當警報監測系統檢測到某個零件持續排氣的溫度很高并且持續5 s 以上時，故障預警診斷系統的參數監測模塊會將采集到的溫度參數信息發送到客戶端進行處理，通過閾值比較，判斷為故障狀態，發出報警信息。但是由于溫度的上升不是一個瞬間態，往往伴隨著時間的積累，因此故障預警一般會有若干時長的滯后。為了驗證故障預警診斷系統能否準確測得真空泵的實際工作溫度，采用實際監測的方式進行實驗。

首先，設定溫度監控的時長。真空泵使用過程中經常會長時間連續工作，因此測試時間覆蓋了真空泵的全程工作時間，從2022 年1 月21 日3：20—8：00，4 小時40 分鐘的工作時間內，每隔2 s 采集一次四級泵組1651 號真空泵工作溫度參數，共7000 個數據點。機械泵在工作中呈現出周期性的溫度變化，對其中超過限定溫度值的數據進行提取和關注。圖3 是繪制的溫度隨時間變化的曲線。

圖3 機械泵溫度樣本數據曲線

其次，對所有數據進行平滑處理，剔除干擾和誤差的影響，采用二值平均法對曲線進行修正。然后，通過對既有的7000 個數據作為訓練樣本，實現樣本外預測，同時，調取該泵機實際溫度數據，進行曲線擬合比對。

3.2 實驗結論

經過對故障預警診斷系統采集到的泵機溫度數據與真實檢測數據的對比，檢驗報警點的時間與溫度顯示的正確性，記錄見表2。

表2 報警數據統計

報警時間和報警類型與實際溫度的真實情況符合，真空泵確實因為高負荷工作產生了局部高溫，對正常工作狀態造成了威脅與損傷，監測結果符合實測結果。由此可見，本文設計的機械真空泵故障預警診斷系統可以快速并且精準地檢測到設備問題并及時發出警報。

4 結束語

近年來，電子控制技術在工業制造領域的應用得到發展，在提高工作效率的同時也加大了電子控制領域故障排查的難度。所以，借助智能自動化的故障預警系統是工業制造業對產品設備質量保障的必要手段。在系統設計過程中，將模糊神經網絡和鄰域簇集的智能問題診斷算法作為理論依據，提出泵機故障數據約簡的實質，推動了電子控制系統的發展，希望該技術能應用于企業，也能為后來要求技術精進的研究者提供參考。