泵类产品故障诊断的现状及发展趋势

【摘 要】本文简要的介绍了泵类产品故障原因及其在线监测与故障诊断的内容，给出了故障诊断的基本过程。在此基础上，对泵类产品在线监测与故障诊断技术的现状做出了分析，并对故障诊断的技术发展的趋势做出了预测。

【关键词】泵；在线监测；故障诊断

0 引言

设备的故障诊断技术起源于19世纪产业革命时期，当时的故障诊断技术主要依靠技术专家的知识水平和经验水平，这种方法具有简单方便、经济实用的特点，但对技术专家的知识水平要求较高。随着计算机、信号处理、传感器等技术的发展，当今的机器的在线监测及故障诊断技术已经发展为多种学科交叉，理论与实践紧密结合，并与现代测控技术同步发展的学科。水泵的状态监测与故障诊断技术的发展不仅促进了其理论设计、制造方法的发展与提高，同时也是人们认识到仅仅要求水泵具有优良的性能是远远不够的，一旦其发生故障，可能造成巨大的经济损失和社会危害。美国电力所（EPRI）进行的调查表明：大型的电站锅炉给水泵故障率高达30%以上，而且泵越大故障率越高。据某电力机构调查，国产200MW火力发电机组配备的某类型的给水泵已有8次断轴事故发生，造成了巨大的经济损失。因而，如何提高泵设备的可靠性，保证其安全的、稳定的、长期的、满负荷的优质运行，已成为泵的设计者及机械测控工程学科亟待解决的新课题。

1 泵类产品故障诊断概述

泵发生故障是指其功能失常，即其机械系统处于异常状态。泵是有多个子系统和元素同特定的关系组成的系统。对同一台泵，对于不同的工况，其运行状况也不同。泵发生故障的原因有多方面的因素，主要有：

1）泵的设计不合理（ 结构设计不当、动态性能差等）。例如，叶轮与诱导论配合不好时，就会引起叶轮故障。

2）机械制造与装配不当（加工误差大、配合性质不合理等）例如，某纸业公司，购买的泵由于轴没有经过调质处理，运行时间不长久弯曲、断裂 。

3）泵的安装不当（主要指与其他设备的连接超差、基础变形等）。

4）泵的维修不当。维修过程改变或破坏了原有的动态性能和配合性质等。

5）泵的运行状态不当，例如，状态不良、工艺过程参数不匹配等。

6）泵经长期运行，其零部件发生引力集中及磨损，性能变差，这种故障属于自然故障。

7）泵的操作不当（违章改变工况、超负荷运转等）。当泵的设计工况与实际工况相差太大时，会引起故障。例如，如果泵长时间地小流量运行，由于回流大，不仅效率低，还会引起泵的故障，产生的典型故障有：轴承寿命缩短或损坏、泵振动大、泵转子窜动等。

由此可知泵的故障是由于多种原因引起的，而且往往是由于多种原因耦合的结果。所以，故障与其征兆也往往不是一一对应的，这就给故障诊断带来了困难。

泵的在线监测和故障诊断主要是针对泵的整机性能，比如对泵的运行参数（吸入真空度、效率等）、机械运行状态（位移、振动、零件磨损、轴承油温度和液位）以及噪声进行检测，采集信号，进行分析，预测故障发展趋势，并根据故障性质和趋势，做出决策，干预其工作过程。

其具体诊断过程可用图1表示。

当前泵的在线检测及故障诊断技术的主要内容：选择适当的监测方式和合适的部位，以获得泵运行的最优信息，从中提取泵的故障征兆，然后判断泵运行是否正常，进行早期诊断和预报。根据征兆确认故障的部位、程度、原因和性质，提出合理的治理和控制措施，防止或消除故障，对原设计、制造、装配等提出改进措施。由此看来，泵的故障诊断不仅仅是其运行和维修的新技术，更为重要的是它提高和改进了泵的设计及制造质量。

2 泵类产品在线监测及故障诊断方法的现状

泵类产品的故障诊断的主要对象包括：泵轴振动、滚动轴承、机械密封装置、叶轮、油系统等。

1）对于单行小型泵，目前对其诊断的方法主要是依靠技术人员的感觉器官，通过听取运行噪声，对振动的判断以及停机检查的方法来对泵进行故障诊断。该方法具有操作方便，经济实用的特点。但是要求技术人具有较高的工作经验水平，而且往往要定时检查，浪费人力资源，不能实现实时监测。

2）对于大型的泵和泵站的泵的，目前已有了许多在线监测和故障诊断系统。这些系统能够实现实时在线监测和故障诊断功能 。但是也存在着不足之处，主要表现在以下几点：

（1）对机械密封装置无能为力

机械密封故障是泵的多发故障之一，也是故障中最难解决的难题之一。目前尚无有效的措施予以解决，难点在于它的可监测性差，没有很好的参数来反映它的性能。因此，机械密封装置的监测与故障诊断是泵的在线监测与故障诊断问题中亟待解决得的问题之一。

（2）泵的振动监测及故障诊断技术

泵的振动监测和故障诊断主要内容包括：泵的转轴和滚动轴承的振动监测与故障诊断。目前许多水泵机组缺少振动监测系统，一旦发生振动故障，往往造成检修困难，停机时间长、经济损失较大的后果。虽然有工人定期检查，由于人的主观因素，会造成过度检修，而且，对突发事件无能为力。由于泵的振动机理及表现形式较为复杂，目前需要解决的难题有：（一）监测方式；（二）防潮性能；（三）兼容性能。

（3）油系统

系统是泵设备中较为重要的一部分，它的好坏直接决定了泵的机械性能及其零部件的寿命，而且其零部件的磨损情况也可以通过对油的成分分析获得。因此，选择合适的参数及方法，获得较为全面的故障信息，对泵的整机的在线监测及故障诊断具有较为重要的意义。

（4）轴承温度监测

水泵水轮机的主要监测项目之一是轴承温度，采用的是对温度的绝对值和变化率进行监测，但是这种方式，往往是在轴承状态发生异常，出现温度上升之后才进行监测，所以要在早期的微侯阶段检出异常情况就很困难。另外，由于轴承可能出现在启动时温度高，停止时温度低，也可能在启动时低，停止时高的现象，所以，如何设定轴承的温度警报值也是一个很困难的问题。

3 泵类产品故障诊断技术的发展趋势

故障诊断技术自问世以来，特别时近30年来取得了长足的发展，从对故障的机理研究，以信号分析为基础的诊断方法到现今以知识处理为基础的智能故障诊断系统，特别是近年来迅速兴起的人工神经网络方法在工程实际的应用都取得了可喜的成果。但是现有的诊断方法都是以测取设备工作中的外部特征信号为基础，通过对信号的分析提取特征故障信号（征兆）。特征信号的提取主要是基于状态响应，时域响应或频率响应，这些信号往往受到多种因素的干扰，难以取得可信的信息。而且故障于征兆之间也不是一一对应的（如图2所示），难以根据有限的信息（征兆）判断故障的真正的原因。

计算机技术的日臻完善与成熟，为人工智能故障诊断方法的发展提供了广阔的天地。这也给泵的故障诊断指明了方向。目前，人工智能的诊断方法包括以下几种：（一）基于专家系统的诊断方法；（二）基于人工神经网的方法；（三）基于案例的方法；（四）基于模糊数学的方法；（五）基于故障树的方法。目前还存在以下几个方面的问题 ：

1）以解决强干扰、多故障、多征兆、突发条件下的故障为目的的故障诊断技术

随着科学技术的发展，设备的向着精密、高效和机电一体化的方向发展，故障的类型也增多。强干扰、多故障、多征兆、突发条件下的诊断的不确定性，还需进一步解决和研究。

2）鲁棒性研究

基于模型的各种监测分离方法对模型误差的鲁棒性是影响该类方法应用的重要因素。研究鲁棒型好、算法简单的监测和诊断方法一直是研究的重要内容和方向。

3）神经网络的故障诊断技术

神经网络在故障诊断系统中的应用还有许多问题亟待解决。例如，网络模型结构、学习算法还有待于向可靠性、实用性方向发展，如何提高阶谱 、实时辨别、非线性辨识、符号模型等与神经网络结合来解决故障诊断中的一些实际问题，还有待于进一步解决。

【参考文献】

[1]徐章遂，房立清，王希武，左.故障信息诊断原理及应用[M].北京：国防工业出版社，2001.

[2]王道平，张义忠.故障智能诊断系统的理论与方法[M].北京：冶金工业出版社，2001.

[3]王其成.泵运行状态监测和故障诊断[J].化工装备技术，2001.

[4]李梅.转轴故障诊断的频谱分析和监测系统的研究[J].绍兴文理学院报，2001.

[5]李平康.火电厂旋转机械振动监测与故障诊断技术现状及发展[J].电力自动化.

[6]张雷冲.基于灰色理论的潜水泵的故障诊断及预测系统设计[J].工业控制计算机，2011.

[7]唐友亮.潜水泵的故障诊断系统的研究[J].通用机械，2007.