林京教授:机械装备健康管理的发展方向

2018-02-07  |  作者:天泽智云  |  来源:天泽智云  |  浏览:

在2017未来工业智能峰会上,北京航空航天大学可靠性与系统工程学院院长,“长江学者奖励计划”特聘教授,国家杰出青年科学基金获得者林京教授,发表题为《机械装备健康管理的发展方向》的主题演讲,现场观众反响积极,天泽智云对演讲内容做以下整理。

我今天的演讲主要是围绕着旋转设备的健康管理的发展与挑战进行总结与展望。
 
 

背景与现状

 
从需求的角度,无论是开展故障诊断还是PHM,其核心是为了解决设备的安全运行和降低成本这两个基本问题。以航空航天领域为背景,美国航天局、美国空军实验室以及国际航空学会的统计数据显示,通过在线监测和故障诊断技术的开展能够避免安全事故以及带来显著的经济效益的提升。
 
旋转设备的故障诊断是在故障诊断领域中发展最早的,主要原因在于,无论是工业还是国防领域,旋转设备往往作为一种关键的,且对于安全运行具有至关重要影响力的设备而存在,因此它比较吸引眼球。
 
在这样的背景下,旋转设备的监测和诊断受到了很多行业的重视。离心压缩机组、汽轮机、燃气轮机等都属于大型旋转设备,这些都非常关键,一旦出现事故,不仅经济上带来损失,可能在安全上都会带来重大影响。传统的诊断方法大多是从关键、易损零部件的检测入手,最为常见的就是齿轮、转子和轴承。
 
我国机械故障诊断方面的发展历程大约30多年,下面我来归纳一下发展路线和阶段。
 
起初,只做监测不做诊断,主要监测一些关键量,观察指标增长过快还是接近阈值,主要表现是能否实时报警,及时判断有无异常。
 
之后是对故障诊断评估开展相关工作,比如在上世纪九十年代,国家一些研究成果主要是围绕着大型旋转设备在线监测和诊断开展工作,这个主要是进行故障的报警、故障类型的判别、以及故障定位等。
 
大概十年之后,故障诊断的发展方向重点集中在故障的动态定量化。定量诊断很容易联想到一些静态的,用一些探伤仪或者类似声学的设备对尺寸、形状,以及发展过程进行定量评估。但是动态诊断往往要求不停机,所以具有比较大的挑战性。西安交通大学的一位教授在09年有这样一项国家奖励的成果,主要就是针对大型转子设备动态诊断取得了相关的成果。
 
然后是早期诊断。故障预测得越早回旋余地越大,越能及时采取措施,如果提前几秒钟去报警什么都来不及了,因此故障的早期预警非常重要。这是几年前我们的一个成果,主要围绕齿轮、轴承类、旋转件早期裂纹的判别开展工作,体现从监测到故障诊断的定量的、早期的发展历程。
 
西安交大的团队在30余年里也做过很多旋转机械在线监测和诊断的项目。在国内开展的有特色和具有代表性的成果是全息谱,这项技术在国内大型旋转设备上已经广为应用,思路就是通过转子的正交两个方向,同时测得信号,将它们的信息同时集成,形成一个椭圆形的直观表达,椭圆的离心度、偏心率以及方位,预示着转子故障的动态特征。
 
随着新装备,新问题的出现,为故障诊断和健康管理带来新的问题和挑战。大概归纳了几个方面:
 
 
在这样的环境下开展监测、诊断、维护,会产生一些新的问题。故障诊断技术和健康维护,不同类型设备上的发展和应用极不均衡;随着工作条件和安全裕度要求的不同,同类设备/零部件的诊断技术和方法会有显著不同;新材料、新传感、新机理推动着新理论、新方法的产生和发展。
 

新问题与新挑战一:大型、重载、变工况的情况。

 
风能发电运用很普遍,但是根据这两年国际风能委员会的统计,实际上风电机组在线监测诊断系统需求量依然上升,说明现在它的很多故障不能得到很好的监测和解决,因为工作环境复杂,很多环境因素难以剔除。最常见的齿轮、轴承的故障,即使诊断方式很明确,但依然存在大量的故障类型,比如风电机组齿轮箱故障中,70%还是因轴承故障引起的。
 

新问题与新挑战二:安全等级高、数据少的设备。

针对核电设备,核电机组的电力设备和汽轮机基本是类同,只是水蒸气的饱和度不同,在一个安全等级下裕度要求完全不同。在此背景下,核电站的运用部件的成熟度分为四个等级(AP=技术可用、有效,A=技术可用,未完成验证,I=处于研究状态,NO=尚无有效技术可用)。
 
故障诊断和预测针对传统设备,如汽轮机、压缩机等都是成熟度等级最高的。然而对于核电站的运动部件,诊断是技术成熟度很高,但是故障预测还处于正在研究状态。说明由于安全裕度高,可获得的失效数据非常少,从而信息量变少,因此工作机理相同的设备,它的实施过程中所达到的程度是完全不一样的。
 
根据美国在建的核电装备的数据显示,运用PHM的情况仅有73个,国际原子能机构曾表示“核电装备PHM系统的商用化还有较大的距离”。尽管是大型旋转设备,但是由于安全等级裕度要求不一样,因此导致PHM成熟度还有待进一步提升。
 

新问题与新挑战三:制造过程中诊断信息的理解。

 
国内实施了若干重大专项和重点研发计划,针对制造装备领域,把可靠性和故障诊断列为一项关键的基础性技术。但是在制造过程中如何把制造过程中动态信息转化为可诊断的、可预测的信息,将是一个挑战,属于不同属性信息的关联和理解,这是开展智能制造的重要支撑。
 
设备在出厂之际,就内置了相当多的传感器,当然这些传感器围绕着它的控制系统来开展,这样的信息又恰恰为我们把这些信息转化为诊断信息提供了一个良好的机遇和平台。因此,我们如何利用这样的信息来开展诊断和维护,又将带来一些新的挑战。
 

性能评价与定量诊断

 
由于故障诊断技术的需求提升和不断发展,我们需要基于信息,不仅开展诊断预测维护,而且进行性能评价和定量诊断。以下几类是通过遇到的一些问题中来分析应用需求:
 
第一、制造性能下降
新出厂的机器加工的样件,比如齿轮(齿轮机床属于精密加工机床),一台新的机器所加工的齿轮表面会存在一些规律性纹路,因为额定转速都能达到,不能判定它出现故障了,但是为什么出现这样的纹路呢?主要是制造性能达不到,我们如何通过测试回归性能做进一步提升,这是一个新问题。
 
第二、装配性能下降
工业机器人其中一个重要部件是RV减速器,目前四分之三产于日本,国内很多企业也在做,但性能、指标能否通过测试进行评估都是一些未解决的问题。
 
第三、轴承服役性能评价
 
以轴承为例,轴承诊断相对容易,但是轴承的故障仅仅是一个很小的压痕,达不到磨损的程度,对于高铁服役性能的要求,且时速极高,即使有缺陷很快就会被破坏掉,那么如何提前检测到小压痕?轴承安全的早期预诊性的提升将成为关键。
 
针对这些应用需求我们做了以下的工作:
 
1、针对微弱故障征兆的检测与提取
比如针对齿轮和轴承,我们知道只要有缺陷接触点通过必然有冲击,而周边性噪比又比较低,因此第一步就是要解决微弱冲击的检测和提取。我们做了很多工作,从小波变换开始做起,通过小波函数的优化提出一种准则,最后我们可以针对负17分贝的性噪比的信号,可以清晰地提取出信号中的脉冲,就能检测出来,实现了微弱故障的检测。
 
2、故障、损伤的定量诊断
刚才检测只用了信号的脉冲性,但是信号往往在回转中有周期性。从检测的基本原理来讲,信息利用越充分,效果越好越准。我们是不是可以考虑同时把周期性也利用起来和脉冲性结合起来,这样诊断的结果质量是不是更高,以至于能够帮助我们实现定量诊断。
 
在这样的思路下,所谓周期信号严格讲是准周期,只要有点波动就晃,目测是不准的,但处理是准确的,这样得到的结果就大相径庭。所以我们首先解决的是准周期脉冲信号的校准,相当于把它校准成周期信号,使它不再发生偏差,诊断结果质量就会大幅提升。
 
在这样一个背景下,相当于做了自适应阶次跟踪,阶次跟踪相当于做等角度采样,我们采用自适应的转速方法进行信号的内差外差来得到等角度采样的点,比如某铁路局建立了列车轴承检测平台,自适应应用就是在一个实际的路段内做了一个机车的轴承检测,有一个驱动轮,在转速稳定时采集、处理,但是效果非常不好。
 
通过研究发现,稳定的情况下就出现了一个波动,在这样背景下,蓝线、黑线和红线分别是三种典型故障的特征频率,在下面我们通过补偿后,这个效果非常显著了,说明这样准周期信号补偿为周期信号,这个检测的效果大为提升。进一步把它改为周期了,周期和脉冲信息同时利用,这样的话我们也建立了一些所谓的谐波乘积谱技术。
 
3、内置传感器信息的综合理解
内置传感技术在状态评估中的优势:信息传递路径短,对早期损伤和微弱故障较为敏感;无需安装额外传感设备,零成本测试;有望开发具有自感知、自诊断能力的智能装备。
 
演讲最后,对于这个领域的发展方向,阐述一下我的个人观点,供大家参考:
 

推荐文章