泥泵健康狀態灰云評估及壽命預測

黃龍歸，鄧義斌，湯 蕊，林永堅

(1.武漢理工大學 船海與能源動力工程學院，湖北 武漢 430063；2.中船黃埔文沖船舶有限公司，廣東 廣州 510700))

泥泵作為挖泥船作業的核心設備，其運行可靠性直接關系到挖泥船正常作業，但由于泥泵生產批量小、維保指南不夠詳盡，且結構復雜、拆檢困難，維保工作缺乏依據和指導，因此采用科學合理的手段開展泥泵的健康狀態評估和壽命預測對提高設備可靠性、降低運維成本具有重要意義。目前旋轉機械健康狀態評估主要采用數據挖掘[1]、信號處理[2]等手段開展，由于實際工程中泥泵工況復雜多變、外部環境影響因素多，以振動信號為主的信號處理手段適用性受限；而以日常監測數據為基礎，運用灰色聚類理論等方法對設備的健康狀態進行評估成為當前研究熱點。本文首先用相對劣化度表征泥泵系統各指標當前實際狀態與正常工況的偏離程度，再采用正態灰云模型結合各指標劣化度得到隸屬度矩陣；權重的確定采用層次分析法與熵權法結合的組合賦權法對各項指標進行賦權；最后根據馬爾科夫鏈的無后效性，獲得狀態轉移概率矩陣，進行壽命預測。

1 泥泵健康狀態評估指標體系

泥泵的健康狀態劣化過程是一個相對的漸變過程，結合1～9級標度法及其他設備狀態劃分經驗[3]，將泥泵的健康狀態劃分為“健康”“亞健康”“警告”“故障”4個等級，即狀態S={s1、s2、s3、s4}={健康、亞健康、警告、故障}。

泥泵健康狀態評估體系如圖1所示，分成3個層級：目標層、對象層和指標層。其中目標層為泥泵系統的健康狀態，根據泥泵的結構可分解成3個評判因素作為對象層，記為T={T1、T2、T3}={作業主系統、封水系統、齒輪箱及軸承系統}。根據監測參數，每個對象層又包含指標層，如作業主系統包含吸入壓力等指標層。

圖1 泥泵健康狀態評估體系

2 泥泵健康狀態評估

2.1 構建灰云模型

(1)

表1 灰云模型數字特征

2.2 組合賦權法確定評估指標權重

在對指標進行權重分配時，應考慮指標數據之間的內在規律，通過組合賦權法將以下2種賦權法進行有效組合，即采用線性加權法將熵權法和層次分析法相結合的組合賦權方法。其既結合了2種賦權法的長處，還能彌補2種權重賦權法的不足，從而使求得的權重更加科學合理。本文采用線性加權來對主客觀賦權進行組合，見式(2)：

wi=λαi+(1-λ)si，

(2)

式中，wi為組合賦權所得權重；λ為層次分析法權重占組合權重的比例，(1-λ)為熵權法權重占組合權重的比例；αi為層次分析法所得權重；si為熵權法所得權重。

2.3 基于組合賦權和灰云模型的泥泵狀態評估

利用灰云聚類可以求得對象層中第i個因素的第m個指標參數的劣化度值隸屬于健康狀態Sn的隸屬度矩陣Ri為:

(3)

式中，rmn為第i個對象中第m個指標相對于健康狀態n的隸屬度。

泥泵狀態評估表達式為B=AR，其中B為評判向量，A為組合賦權權重，R為隸屬度矩陣。其中對象層面的隸屬度矩陣R可由Bi=AiRi算得，Ai、Ri分別為指標層面的組合權重、隸屬度矩陣。

3 泥泵壽命預測模型

3.1 狀態轉移矩陣

由狀態評估表達式與歷史數據相結合,可得泥泵初始狀態概率分布矩陣J、K計算及狀態轉移概率矩陣PJK：

(4)

(5)

(6)

式中，J、K矩陣中xn(x=a，b，c，d，e;n=1，2，3，4)表示第x月對應的4種不同狀態隸屬向量，x從a到e依次遞增。PJK為在某一時刻，泥泵健康狀態由狀態J轉移到狀態K的概率。

3.2 泥泵壽命預測

設T0時刻為初始狀態，此時根據馬爾科夫鏈原理可得T時刻概率分布矩陣：

λ(T)=λ(T0)×PT-T0,

(7)

式中，λ(T)表示在T時刻的泥泵狀態概率分布矩陣，λ(T0)表示在T0時刻的泥泵狀態概率分布矩陣，PT-T0為T到T0時刻的泥泵健康狀態轉移矩陣。在當前時刻評判向量已知的基礎上，選取相應的狀態判定策略，完成壽命預測。

4 實例分析

選取某挖泥船艙內泥泵某年內連續5個月的工作數據，計算得到各個指標相應劣化度。某月某時刻監測數據及其對應劣化度見表2。

表2 某月某時刻監測數據及其對應劣化度

根據式(4)、式(5)、式(6)，結合隸屬灰云模型及各層級權重，計算得到泥泵系統健康狀態評判向量B=AR=[0.461 4 0.480 8 0.055 1 0.002 7]。同理，可得其余4月評判向量，根據式(6)建立4×4狀態概率分布矩陣。選取初始狀態，根據式(7)得，未來若干月內泥泵健康狀態概率分布如圖2所示。

圖2 未來若干月內泥泵健康狀態概率分布

對泥泵系統進行整體狀態評估時，由于權值的逐層傳遞，可能會導致某些部件劣化情況難以在整體層面進行呈現，進而導致整體評估出現偏差。在對比已有文獻的基礎[5-6]上，根據云模型的“3En原則”[7](即正負3倍En以外的灰云對定性概念的貢獻可忽略不計)，結合泥泵運行實際情況，選取“隸屬度大于0.1的最低等級項原則”，由實例計算結果可知，泥泵該月健康狀態為“亞健康”。

采用不同文獻中的評估方法，對本文監測數據進行評估及判定，不同文獻中的方法評估結果橫向對比見表3。通過對比可知，當判定策略采取為“取隸屬度最大項”時[8]，由于對泥泵健康狀態判定不太靈敏，往往劣化已經發生卻不能及時反應，具有一定的遲滯性。而“隸屬度大于0最低等級項”吸取了上述經驗[6]，但由于灰云模型的模糊性與檢測數據的波動性，該判定準則對泥泵狀態判定過于靈敏而極易導致誤判，增加維修成本。本文策略判定狀態為“亞健康”，與實際情況相符，有助于及時發現安全隱患，又不至于頻繁檢修而導致成本增加。

根據圖2所示，該泥泵在第48月處于警告狀態的概率為0.100 2，符合“隸屬度大于0.1的最低等級項原則”，而第47月處于警告狀態的概率為0.099 1，小于0.1，故認為該泥泵有效壽命為47個月。泥泵的劣化主要來源于旋轉件及過流件的疲勞累積損傷，適合采用兩參數weibull分布來描述，故采用Marquardt法[9]對同類型泵平均壽命的weibull參數進行估計，weibull分布擬合參數及分界點見表4，Marquardt法擬合結果見圖3。由圖3、表4可知，該泵健康壽命分界點為第4年，第4年之前泥泵平均故障率較低，之后故障率開始逐漸升高，可以認為泥泵健康壽命分界點為4年，與預測結果符合，證明了該方法的有效性。

表3 不同文獻中的方法評估結果橫向對比

表4 weibull分布擬合參數及分界點

圖3 Marquardt法擬合結果

5 結束語

1)本文基于泥泵數據采集與監視控制系統(SCADA)日常監測數據，開展其健康狀態評估及剩余壽命預測，選取“隸屬度大于0.1的最低等級項原則”作為泥泵健康狀態判定準則，兼顧靈敏性與波動性，所得到的泥泵健康狀態評估結果更符合實際情況，有效解決了泥泵因拆檢困難而導致維保工作缺乏依據和指導的問題，為泥泵的維保工作和可靠運行提供必要技術支撐。

2)后續可通過積累大量泥泵監測數據和故障數據樣本，并考慮模型的在線更新與實時預測，進一步提升評估和預測的及時性、精準性和可靠性。