泵組狀態監測及故障診斷平臺研究

郭廣躍

（上海核工程研究設計院）

泵組狀態監測及故障診斷平臺研究

郭廣躍

（上海核工程研究設計院）

核電廠中有各類泵組設備，對泵組進行狀態監測和故障診斷，可以及時有效地向運行人員提供泵組狀態及可能的故障信息，以保證核電廠安全運行?，F以具有典型代表性的核電廠臥式離心式設冷水泵為研究對象，開展泵組故障模式分析、設備狀態監測參數確定及故障診斷算法研究，構建了泵組狀態監測及故障診斷平臺的架構，完成了軟硬件平臺建立，并通過泵組設備故障模擬試驗驗證了本平臺設計的合理性及可用性。

泵組；狀態監測；故障診斷

0 引言

目前，國外針對泵組的監測及診斷多以主泵為研究對象，而國內在此領域的研究則相對較少。為了能夠更好地研究核電廠內的各類泵組設備，本文以具有典型代表性的核電廠臥式離心式設冷水泵為研究對象，開展泵組故障模式分析、設備狀態監測參數確定及故障診斷算法研究，并開發泵組狀態監測及故障診斷軟硬件平臺，最后通過泵組設備故障模擬來驗證理論研究及軟硬件平臺的可用性。

1 泵組主要故障模式

核電站設冷水泵有多種故障模式，其中以不平衡和不對中居多。因此，本文主要針對不平衡和不對中故障模式進行研究。

1.1 泵組不平衡故障

離心泵轉子不平衡故障是常見泵故障，主要是由于轉子部件出現缺損或質量偏心造成的。泵組監測及故障診斷中，不平衡故障可通過位移傳感器信號監測的軸心軌跡判斷，也可以通過其他振動監測參數信號的階次譜判斷。

1.2 不對中故障

由于機器基礎的不均勻沉降、安裝誤差及承載后變形等原因，泵組各轉子軸線會產生不對中故障，不對中可能會造成泵組振動過大及部件壽命縮短。

2 泵組狀態監測參數

本文參考標準ASME OM-S/G—2003 第14章4.2節中推薦的泵組狀態監測傳感器類型及安裝位置，并考慮泵組的故障模式后，給出的核電廠臥式離心式設冷水泵的監測傳感器位置如圖1和表1所示。

圖1 設冷水泵監測參數及傳感器布置

3 泵組故障診斷算法

本文采用反向傳播遞歸神經網絡作為診斷算法。

3.1 反向傳播遞歸神經網絡算法

泵組故障診斷具有故障診斷實時性、高可靠性及信息多源性特點。反向傳播遞歸神經網絡是一種面向模式識別的智能算法，具有較強的多源信息處理能力，能夠滿足泵組故障診斷需求。

表1 設冷水泵監測參數及傳感器布置類型和數量

3.2 泵組故障智能診斷算法實現

當泵組發生不平衡或不對中故障時，所產生的轉軸振動特征通過軸承傳遞到軸承座，因此，可以通過在軸承座位置處布置XY測點的振動信息，進行轉軸動不平衡等故障的監測診斷。采用反向傳播遞歸神經網絡模型進行泵組的不平衡和不對中故障診斷，所需要的輸入特征量包括軸承1和軸承2測點XY方向加速度信號、基座測點加速度信號、轉速測點轉速信號及上述測點時域/頻域的統計特征。其中，未被用于泵組故障診斷算法的監測變量，主要通過設置合適的報警閾值來監測泵組狀態，故障診斷算法的主要流程見圖2。

4 軟硬件平臺建立

4.1 硬件平臺建立

硬件平臺主要包括泵組轉子試驗臺和試驗機柜兩個部分。

4.1.1 泵組轉子試驗臺

圖2 故障診斷算法的主要流程

泵組轉子試驗臺采用三相鼠籠電機驅動的機械轉子對泵組的工作狀態進行物理仿真，可以模擬泵組的工作狀態與典型故障類型。轉子試驗臺由三相鼠籠交流感應電機、變頻器、支撐轉軸、軸承和基座組成，并根據圖1和表1進行了傳感器布置，試驗臺實物如圖3所示。

圖3 轉子試驗臺

4.1.2 試驗機柜

試驗機柜內的部件包括多功能采集卡、信號處理模塊、控制器、PXI機箱、工控機、液晶顯示器等。不同類型的采集卡與對應的傳感器配合可實現泵組狀態監測參數的測量?；赑XI的泵組狀態監測及故障診斷平臺主機用于安裝數據采集卡等數據采集設備，可實現多組被監測泵組的在線監測。

4.2 軟件平臺建立

軟件平臺的數據處理流程見圖4。泵組的狀態數據，經過傳感器采集和軟件診斷算法處理，輸出泵組的狀態信息。

圖4 軟件數據處理流程

運行在PXI上的程序負責數據采集和高速信號處理，并對分析結果進行判斷預警。工控機上的程序負責把數據通過網絡接口發送到LabVIEW人機接口界面。

人機接口界面如圖5和圖6所示。

圖5 時頻域分析界面

5 泵組故障診斷驗證試驗

圖6 故障診斷界面

在線采集軸承1X、軸承1Y、軸承2X、軸承2Y測點位置的實時振動加速度信息，作為訓練樣本和測試樣本。通過在轉子臺的轉盤配備質量塊和在軸承座底部加墊片的方式，可以分別模擬泵組不平衡和不對中的狀態。診斷驗證試驗總共模擬了泵組的6種狀態，每種狀態分別有50組訓練樣本數據和50組驗證樣本數據，測試樣本的診斷準確率如表2所示。

測試樣本的診斷準確率均在90%以上，因此，模擬試驗驗證了目前泵組狀態監測及故障診斷平臺可以在線監測泵組的相關狀態信號，判斷泵組的不平衡和不對中故障模式。

6 結束語

本文針對核電廠中廣泛存在的泵組設備進行監測及診斷研究，描述了泵組常見的典型故障模式，選取了泵組的狀態監測參數，采用反向傳播遞歸神經網絡算法對泵組進行了故障診斷，構建了泵組狀態監測及故障診斷平臺的架構，并完成了平臺的軟硬件建立，最后通過泵組設備故障模擬試驗驗證了本平臺設計的合理性及可用性。

本平臺后續可以用于泵組的狀態監測及故障診斷的試驗研究工作，同時，將算法進一步完善，以提高故障判斷的準確率及提高設備材料性能滿足核電廠環境條件要求后，本平臺將可以用于核電廠中泵組的在線監測及故障診斷，從而及時有效地向運行人員提供泵組狀態及可能的故障信息，保證泵組設備及核電廠安全可靠的運行。

[1]包洪波. 泵組狀態監測系統的分析[J].電站系統工程, 2012, 28(4)： 65-67.

[2]賀小明, 胡宏偉, 閆秀峰, 王俊新. 基于LabVIEW的火電廠給水泵組狀態監測分析系統的開發[J].機電工程技術, 2004, 33(7)： 31-33.

[3]ASME OM-S/G PART 14, Vibration Monitoring of Rotating Equipment in Nuclear Power Plants. [S].2003.

[4]ASME OM Subsection ISTB, Inservice Testing of Pumps in Light-Water Reactor Nuclear Power Plants. [S]. 2009.

表2 故障診斷測試準確率

2017-04-20）