新闻动态
K2案例 | 数据驱动的流体设备健康管理——阀门篇
来源: | 作者:pmod6d781 | 发布时间: 2022-06-22 | 2167 次浏览 | 分享到:

阀门健康管理的智能化价值

阀门是流体设备中重要的零部件,阀门常见的故障包括阻塞、泄漏以及开度执行失误等。阀门的故障影响阀门的使用。在一般的工业设备中阀门数量众多,因此对阀门的维护是一个费时、费力的工作。


另一方面,有些工质流涉及有毒有害物质,一旦出现跑冒滴漏的故障,将直接影响人员安全。阀的智能健康管理是基于数据对阀自身的健康状态进行监测与评估。从而实现数据巡检,减小人员工作量以及危险环境暴露的风险。阀门的智能健康管理与传统的阈值比较式报警相比,并非在故障阈值发出警报,而是在故障之前,提出提前预警,更加有利于进行预测性维护。本文以一个应用实践,对阀门智能健康管理进行介绍。


一个实际的阀健康管理问题

某核电厂有两台机组,常规百万千瓦级公用阀数量大致为3万台。电厂对设备的可靠性和可用性要求较高,而阀门数量大,巡检工作繁重,容易出现误判,是当前遇到的主要问题。电厂希望对工厂的阀门实现智能健康管理。我们选择给水阀为示例讲述分析方法与过程。


阀门状态的数据化

首先选择可以代表阀门工作状态的参数作为分析对象。阀门工作中动作的时间很短,通常都是执行到给定位置后的静止状态,很难用温度、振动等状态参数来描述。因此使用阀门动作的结果参数——工质流量、阀门开度、阀门通过能力等参数作为分析对象。


问题的机理理解

阀门的特性一般用CV特性描述。阀门的流量系数可以由工质体积流量、阀门压力损失系数、工质密度求得。


一般的阀门CV特性如下图所示:


给定一个开度,阀门的流量系数可由CV曲线中查得,如图中位置1. 阀门常见的故障可以从图中判读:

第一:阀门堵塞之后,相同流量下开度增加。此时,如图中位置2.

第二:阀门破损泄漏之后,相同流量下的流量开度降低。此时如图中位置3.


数据模型与机理模型的差异

阀门的诊断理想模型与实际数据存在差异。本案的实际给水阀控制中,多个阀组合工作,只有合并之后的总流量,而没有单个阀各自的流量,总体CV曲线是多段拼接,无法直接使用CV曲线。


设备工作于不同的工况条件下,阀的组合状态不同,多段拼接的CV组合曲线中,每一段对应的设备工况需要通过算法和模型自动识别。


健康管理模型思路解析

本案首先建立阀的正常健康模型,选择监控目标参数y,以及与目标参数相关的工况参数x(由相关原始数通过工况切分算法自动识别得到)。


选择设备健康状态下的监控目标yₕ以及相应的工况参数xₕ。建立调节阀的健康基准模型f

yₕ=fₕ(xₕ)

在阀工作期间,抽取实时工况参数xᵣ,通过fh得到实时目标预测参数yₕᵣ。


从实时数据中抽取对应的实施目标参数yᵣ。由健康度评估参数对实时预测参数与实时目标参数的差异进行对比。建立健康度评估模型,并根据健康度评估模型给出阀健康状态打分。


生成给水阀健康模型

根据上述思路,根据阀正常状态下的(多阀组合)的目标参数和工况参数,运用线性回归模型和支持向量机模型进行建模。得到组合阀不同工况下的健康模型fₕ :


根据主阀的实时参数生成动态健康基准:



图中,阀门组合在一月中旬超越动态基准。此时根据设备健康度评估模型,给出的健康度评分:


模型计算结果中,在一月上旬就出现了健康度下降。但是当时现场的工程师在2月中旬发现了阀组合的故障,并进行了维修。从此模型的分析可以看出,模型做到了“准确,提前”的要求,实现了“智能”。


智能化实践的启发

工业设备的智能化实际价值就是降低成本,提升效能。在设备领域最直接的体现就是智能运维。运维工作中的成本包括备品备件成本、人工成本、停机成本等。


本此对阀门进行的智能健康管理项目,通过数据分析方法和K2Assets产品,实现数据对设备的24小时巡检,大幅度减少健康管理中的人工成本。算法的准确行大幅度避免了非计划停机成本。是直接体现工业设备智能化价值的实践。


智能的算法是实现工业设备智能运维的核心。而智能的算法不仅以来数据本身,更是需要对工业机理的充分理解才能产生具有实际效果。

基于K2Assets平台上实现与数据的连接,利用算法产生的“智能”结果、界面友好的应用等实现智能算法的落地。

真正的工业智能化实践是IT、DT、OT的深度融合。这正是K2一贯的行为范式。