煙草行業大功率電機 在線狀態監測技術研究與維修應用

王昱，孫超，林煥楚，徐保強

（1.江西中煙南昌卷煙廠設備科，江西 南昌 330096；2.學府信息技術咨詢（廣州）有限公司，廣東 廣州 510096）

1 應用背景

南煙卷煙廠在深入實施TnPM設備管理體系落地的進程中，結合企業生產和管理的需求進行了設備管理理念的優化提升。工廠將設備日常維保工作和設備狀態采集數據相結合，基于數據驅動開展設備故障預測和狀態、預知維修，以廠區除塵設備的電機加設傳感器的方式，開展電流、溫度等方面的狀態監測研究應用，通過監測手段來進行故障診斷和預警，結合狀態、預知維修的策略來驗證和研究，為搭建設備的健康管理做好鋪墊，有力推進了設備管理智能化和精益化管理。

2 大功率電機在線狀態監測技術方案

對于卷煙生產制造企業來說,作為主要動力來源的電機設備, 在運行過程中，一旦出現故障，往往會造成設備長時間停機影響生產或設備斷料等嚴重生產事故，帶來巨大的生產直接損失和成本浪費。以往的設備點巡檢模式是通過定時定期派遣固定的人員對設備的電機等核心部位進行人工巡檢，以獲取電機的日常運行狀態，不僅投入的人工成本較高、而且效率低下，存在工作成效不可控的弊端。此外卷煙成品在整個生產過程中，環節較多，電機的運行狀態變化相應也比較快，點巡檢的人員巡檢是定時定點的，不能夠及時發現或剛好就能發現電機的隱患并進行處理，從而影響設備的運行效率和煙草的生產效率，甚至可能造成生產安全等問題。

基于搭建電機設備在線監測狀態系統，來實現電機的實時運行狀態數據采集、監測和分析，以此開展設備的預測性維修，對保障設備的安全穩定運行具有重要的現實意義。南昌卷煙廠通過對制絲車間18臺除塵電機/風機（55KW)以及卷包車間13臺除塵電機/風機（90KW）的振動、溫度在線狀態監測，共計對124個監測點進行相關采集信息的跟蹤和分析。

2.1 設備的監測模式和目標

對關鍵設備加裝實時遠程智能監控系統，實現不間斷（24h）高密度的在線監測設備電機的運行狀態、智能預警和提示異常設備；實現對關鍵機組電機的遠程在線看護的智能服務，最終實現機組的狀態維修和精準維修：

2.2 系統架構

通過無線或有線方式，采集安裝傳感器的設備振動、溫度等運行數據，按照設備的運行特點，設置相應的數據采集方式，獲取和定位分析設備故障的振動、溫度等異常數據，并應用智能預警的策略，及時發現設備機組其電機的異常狀態。設備電機在線狀態監測系統主要有3個層級構成，采用分布式架構模式，來保證良好的系統擴展性。

第一個層級為數據的采集層：傳感器（溫度、振動）進行最原始的數據采集，并傳送到無線中轉器中，無線中轉器通過光纖或以太網的方式將獲取的原始狀態數據傳輸到數據服務器中。

第二個層級是現場的軟件監測平臺軟件：用于存儲由無線中轉站傳回的設備電機狀態數據，現場設備理人員可通過PC端以網頁的形式訪問在線監測平臺，了解監控的機組設備電機其實時的運行狀態。

第三個層級為利用第二層級接口方式接入iTnPM@EAM設備全壽命系統實現對所有納入監控的機組設備電機的狀態數據進行分析。如圖1所示。

圖1

2.3 振動測點選擇原則

主要監測對象為電機設備的振動、溫度，根據故障產生的原因，可以通過對不同部位的振動進行測量和分析而體現。振動測點遵照以下3點選擇原則：

（1）近距，即振動傳播的有效距離最短；（2）剛性支撐，由于軸承承載著機器的負荷，許多典型的故障會將振動信號傳遞給有剛性支撐的位置既軸承位置，在傳遞過程中振動值會有所衰減，但振動故障頻率不會發生改變，所以，通過監測設備電機的軸承振動就可同步發現上述典型的機械故障及軸承缺陷，故傳感器安裝在有剛性支撐的軸承座上；（3）安全，在確保不影響設備運行的情況下，也要保證振動傳感器的安裝和防護。

如圖2所示為除塵風機測點布置和具體的安裝位置示例。針對風機機械故障特征及現場設備實際情況測點布置明細如下：電機負載端一個水平測點、風機端兩個軸承支撐分別安裝垂直的兩個測點。

圖2

表1

3 大功率電機在線監測系統的主要軟件功能

3.1 數據采集分析

針對性的采集數據：根據故障種類不同按調整采集的參數配置如：通道數量、分析頻率、采樣點數、低通設置、低通拐點、高通設置、抗混設置、包絡設置、觸發方式等。

各種分析功能：時域分析、頻域分析、、概率分析、相關分析、趨勢分析、時間三維、轉速三維（主要是用來分析啟停機）、軸心軌跡、伯德圖、奈奎斯特圖等功能。

3.2 可監測電機故障種類

（1）旋轉機械變形、碰磨、不平整、流體不規則、軸系不平衡、喘振、諧振；（2）旋轉機械平行不對中、角度不對中、綜合不對中、熱變形不對中；（3）檢查旋轉機械修正誤差及結果、預測潛在故障、判定故障發展趨勢。

3.3 多功能報警策略

故障報警按照監測值分類為：絕對值報警和相對值報警；按照監測對象分類：設備級報警和部件級報警；按照報警級別分類：正常、警告和危險。

3.4 預警聯動

電機異常的設備可快速定位，預警后，異常設備電機的定位可快速在狀態監視頁面和機組故障點之間切換，查看了解機組設備的運行情況。軟件可快速鏈接顯示報警測點和報警測點在同一個設備的其他監測點頁面，并調出歷史的監測數據和運維記錄，提供分析應用。

3.5 集中對比監測分析模式

可實現在同一設備不同測點、同一測點不同方向、類似設備相同位置測點3種情況下進行對比分析。

3.6 數據存儲與管理

系統可以根據設置現場情況設置不同的存儲方案，只要定期更換數據存儲滿的硬盤，可以無限制的存儲數據，也可以根據現場情況設置不同的數據刪除方案。

3.7 大數據分析及展示

趨勢圖譜在同一界面最多可以顯示數年的數據趨勢。

4 結論和應用成效

通過對大功率電機的監測數據集成，結合設備點巡檢和日常維保的記錄數據等方面的綜合分析，形成了對除塵設備電機的狀態監測和預警分析模型，初步實現了設備故障發生前的提前預知和預警，使設備管理模式逐步向過程管控和健康管理的方向提升。后續基于此應用基礎，可以結合其他數據參數如轉速、電壓、電流、設備啟停等維度，對設備的其他關鍵部件進行狀態預測，并結合預知維修策略實現精準維修。

截止到2022年9月底，南昌卷煙廠除塵等大功率設備電機，在加設傳感器等溫度、振動監測后，故障率情況較2021年有明顯降低，同比下降63.67%，對生產影響同比下降54.3%，故障次數同比下降70%，有力保障了生產設備的穩定運行。