0引言
目前对选煤厂设备运行状态的判断往往采用参数阈值法,即当设备出现故障、参数达到预先设定的阈值时,系统发出报警.该方法偏重于事后维修,不能实时观察设备的运行状态,实现状态检修[1-2].因此,本文设计了一种选煤厂设备运行状态综合评判系统.该系统通过对设备运行数据的处理,可实现对设备运行状态的综合评判、运行趋势的预测分析及结果输出等操作,辅助选煤厂的设备维护人员合理安排工作内容.
1系统总体结构
选煤厂设备运行状态综合评判系统分为综合评判模块、趋势预测模块、检修对策模块,其总体结构如图1所示.其中综合评判模块为系统的核心模块,包括评判准备工作、各评判指标权重的确定、模糊综合评判、结果输出4个部分.
选煤厂设备监测人员将设备的监测数据输入系统,综合评判模块根据评判准备工作中输入的因素集、评语集和隶属函数,以及各评判指标权重进行模糊综合评判,并输出评判结果.根据评判结果的状态分数判断设备运行状态,实施相应的检修对策.
同时根据设备历史运行状态分数选择合适的数学函数进行拟合,从而计算设备未来状态分数,完成设备运行状态趋势预测.
2系统功能模块
2.1综合评判模块
2.1.1评判准备工作
评判准备工作包括因素集、评语集的建立和隶属函数的录入、删除和修改.
(1)因素集.要对设备的运行状态做出综合评判,首先要确定能表征设备运行状态的因素,即评判指标.以兴隆庄选煤厂98A鼓风机为例,可建立评判因素集:
U={U1,U2}={振动信号,温度};U1={U11,U12,U13,U14}={烈度,峭度,有效值,峰值}.
其中烈度、峭度、有效值、峰值为一级评判指标;振动信号、温度为二级评判指标.
(2)评语集.建立因素集后需要建立评语集,即表示设备运行状态的文字描述,一般划分为良好、一般、注意、较差4种情况,可表示为V={v1,v2,v3,v4}={良好,一般,注意,较差},并规定v1=100,v2=80,v3=60,v4=40.
(3)隶属函数.从图形的简单性及计算的简易度考虑,系统选用半梯形和三角形分布函数建立各评判指标的隶属函数[3],确定各评判指标的隶属度值.半梯形和三角形隶属函数分布如图2所示.
2.1.2各评判指标权重的确定
各评判指标权重的确定具体包括评价输入、权重初值确定、一致性检验、归一化处理、评价矩阵调整及权重值输出等,其流程如图3所示.首先输入专家对各评判指标重要度的评价得到评价矩阵,然后选择层次分 析 法 (Analytic Hierarchy Process,AHP)[4]确定各评判指标权重的初值,建立权重向量.对权重向量进行一致性检验,如果不满足要求时需要调整评价矩阵,重新计算权重初值,直到达到满意的一致性为止.对符合一致性的权重向量进行归一化处理,输出满意的权重.
2.1.3模糊综合评判
模糊综合评判的主要作用是对数据进行分析处理,得到最终设备运行状态,其流程如图4所示.将采集的设备一级评判指标数据代入隶属函数中,得出一级评判矩阵R1,利用AHP计算各评判指标权重向量A1和A2,然后计算一级模糊综合评判向量B1和B2,并对其进行有效性检测,不满足条件时需要重新返回计算,直到得到有效的结果.由一级模糊综合评判向量组成二级评判矩阵R2,对其进行归一化处理后进入二级模糊综合评判,对结果继续进行有效性检测和归一化处理,最后计算状态分数,输出综合评判结果[5].
2.1.4结果输出
通过图形和数字的方式实时在线显示设备运行状态评判结果,以98A鼓风机为例,其主界面如图5所示.
2.2 趋势预测模块根据历史状态分数可预测设备运行状态的发展趋势.首先输入样本数据,根据数据分布图选择拟合模型,计算方程系数得曲线方程,然后代入待测点数据及待测时间,计算待测时刻待测点状态分数,最后绘制出设备运行状态趋势曲线.
2.3 检修对策模块
对设备运行状态进行评判后,根据不同的状态分数有不同的检修对策[6],其流程如图6所示.当状态分数大于80分时表示设备运行状态良好,可适当延 长 观察周期;当状态分数大于60分且 小于80分时,表示设备运行状态一般,正常观察即可;当状态分数大于40分且小于60分时,表示设备有劣化趋势,需要加强监测;当状态分数小于40分时停机检修.
3结语
选煤厂设备运行状态综合评判系统通过对设备实时运行数据的采集和分析,可实时快速地了解设备运行状态,并可以直观清晰地显示界面,同时可对设备的运行状态趋势做出预测,为检修工作提供了对策支持,减轻了设备维护人员的工作负担.
参考文献:
[1] 张申,丁恩杰,徐钊,等.物联网与感知矿山专题讲座之二---感知矿山与数字矿山、矿山综合自动化[J].工矿自动化,2010,36(11):129-132.
[2] 董自强.点检定修、故障诊断与状态检修的关系[J].中国电力,2003,36(10):87-89.
[3] 董振兴,史定国,张冬山,等.基于灰色理论的机械设备智能状态预测[J].华东理工大学学报:自然科学版,2001,27(4):392-394.
[4] 张吉军.模糊层次分析法(FAHP)[J].模糊系统与数学,2000,14(2):80-88.
[5]KWAN C,ZHANG X,XU R,et al.A novel approachto fault diagnostics and prognostics[C]//Proceedingsof IEEE International Conference on Robotics andAutomation,Taipei,2003:604-609.
[6]KOTHAMASU R,HUANG S H,VERDUIN W H.System health monitoring and prognostics–a reviewof current paradigms and practices[J].TheInternational Journal of Advanced ManufacturingTechnology,2006,28(9/10):1012-1024.
