Что скажет г-н Фурье?

 
Вячеслав Максимов
Система предиктивной диагностики электрических машин на основе анализа спектра потребляемого тока
07.05.2019

Повышенный интерес производственных предприятий к новым стратегиям технического обслуживания и ремонтов оборудования понятен. Он обусловлен стремлением максимально эффективно распределять бюджеты и обслуживать только то, что действительно требует внимания и критично для производства. Ключевой момент для перехода к новым стратегиям – возможность отслеживать фактическое состояние оборудования и обнаруживать его дефекты на ранних стадиях. Для этого в ЗАО «КРОК Инкорпорейтед» разработана Система предиктивной диагностики электрических машин на основе анализа спектра потребляемого тока, она же – Система автоматизированной интеллектуальной диагностики (САИД).

В интеллектуальной основе разработки лежит адаптивная модель роторной машины, построенная на базе нейронных сетей. Эта модель требует начального обучения для настройки на конкретный агрегат и впоследствии позволяет отслеживать изменения показателей при обнаружении и развитии дефектов.

Система помогает предприятиям поддерживать работоспособность оборудования, обеспечивая оперативную диагностику, мониторинг состояния электрических машин и приводимого ими технологического оборудования. Речь идёт об электроприводах переменного тока (в насосах, вентиляторах, компрессорах, конвейерах, эскалаторах), генераторах и системах на их основе (турбогенераторы, дизель-генераторы, газопоршневые агрегаты). После выявления дефекта система способна спрогнозировать место и время поломки.


Рис. 1. Пример спектра (синяя линия) с допустимыми диапазонами его изменения

САИД обеспечивает косвенные виброконтроль, вибродиагностику и анализ состояния электрической части агрегата. При этом устанавливать датчики непосредственно на оборудование нет необходимости – достаточно подключиться к измерительным цепям (трансформаторам) тока и напряжения электрической машины. Это особенно актуально для оборудования, доступ к которому ограничен, например, погружных скважинных насосов и всевозможных систем на морских нефтедобывающих платформах. В случаях двигателей с питающим напряжением до 0,4 кВ можно применять обычные токовые клещи.

При диагностике электрическая машина используется как датчик для анализа состояния всей электромеханической системы. Входным сигналом для САИД служат питающие напряжение и ток, модулированные напряжениями и токами в обмотках двигателя. После получения серии отсчётов и их спектрального преобразования по методу Фурье формируется выходной сигнал в виде набора гармоник потребляемого тока.

Нарушения в работе двигателя и присоединённых к нему механизмов проявляются в спектре разным образом. Вибрации в механической части выявляются на гармониках, кратных частоте вращения ротора, а электрические дефекты – на гармониках, кратных частоте питающей сети. При этом возможна диагностика машин с частотно регулируемым приводом – частота питающей сети в программе не задаётся на постоянном уровне, а измеряется.

В систему заложен ряд заранее отработанных алгоритмов, которые выполняются в автоматическом режиме, то есть без участия оператора. Они диагностируют:
* проблемы внешнего электрооборудования: асимметрия питающего напряжения, нарушения контактных соединений в цепях питания, неисправность компенсатора реактивной мощности;
* дефекты ротора и статора электрической машины: короткие замыкания, ослабление обмоток статора и т. п.;
* различные механические проблемы: разбалансировка ротора, поломки подшипников роторной машины и приводного оборудования, лопастей вентилятора, ослабление крепления к фундаменту, засорение масла или несоосность нагрузки и т. д.;
* нарушения технологических процессов: кавитация, турбулентность и т. п.


Рис. 2. Состояние диагностируемой машины

Стоит отметить, что применение подобных методик для диагностики состояния электрических машин вполне легитимно: в ноябре 2015 г. Межгосударственный совет по стандартизации, метрологии и сертификации СНГ принял ГОСТ ISO 20958-2015 «Контроль состояния и диагностика машин. Сигнатурный анализ электрических сигналов трёхфазного асинхронного двигателя», закрепляющий основные методические подходы.

Не секрет, что каждая электрическая машина уникальна. Именно поэтому в САИД применена обучаемая компьютерная модель, построенная по технологии нейронных сетей. После монтажа на промышленной установке модель требует обучения. Время такого обучения зависит от количества разнообразных режимов работы машины и занимает от получаса до нескольких часов (требуется пройти все нагрузочные режимы). При этом в программе фиксируются характерные для оборудования спектральные профили.

Модель нейронной сети для конкретного агрегата рассчитывает диапазоны изменения спектральных составляющих (рис. 1), характерные для трёх состояний различных элементов и узлов: «норма», «обратить внимание», «критический режим». По соотношению текущих спектральных составляющих и пороговых уровней организована количественная оценка критичности дефектов, что позволяет наглядно представить информацию о состоянии машины (рис. 2).

Важная особенность системы – её способность просчитать момент, когда небольшой дефект дойдёт до критического состояния. Другими словами, программа прогнозирует, сколько ещё времени проработает оборудование, пока не выйдет из строя (это возможно только при условии непрерывного мониторинга). Сами понимаете, для специалистов по техническому обслуживанию и ремонтам это крайне важная информация.

На промышленных объектах возможна установка полностью автономной системы, которая будет обслуживаться собственным персоналом предприятия (рис. 3). Другой вариант – использование облачного сервиса ЗАО «КРОК Инкорпорейтед». В этом случае на объекте располагаются приборы и контроллеры для измерения параметров, преобразования отсчётов в спектр и первичного анализа данных, а в облаке «КРОКа» размещается верхний (аналитический) уровень информационной системы.


Рис. 3. Структура автономной системы на производстве

Второй вариант реализации системы позволяет привлекать специалистов-диагностов «КРОКа» для проведения анализа и подготовки отчётов о состоянии оборудования – как на периодической, так и на постоянной основе.

Подобные решения хорошо обкатаны как в мире, так и в России в различных отраслях, в том числе энергетике и нефтяной промышленности. Эксперты ЗАО «КРОК Инкорпорейтед» накопили хорошие компетенции и опыт по внедрению САИД и анализу результатов её работы.

Об авторе: Вячеслав Максимов – заместитель директора департамента информационных технологий, директор по промышленным решениям ЗАО «КРОК Инкорпорейтед».

Эта статья была первоначально опубликована в газете "Энерговектор", www.energovector.com

    распечатать
    добавить в «Избранное»


В Мой Мир 0 Follow @neftrossii

 

Что скажет г-н Фурье?

Вячеслав Максимов
Система предиктивной диагностики электрических машин на основе анализа спектра потребляемого тока
07.05.2019

Повышенный интерес производственных предприятий к новым стратегиям технического обслуживания и ремонтов оборудования понятен. Он обусловлен стремлением максимально эффективно распределять бюджеты и обслуживать только то, что действительно требует внимания и критично для производства. Ключевой момент для перехода к новым стратегиям – возможность отслеживать фактическое состояние оборудования и обнаруживать его дефекты на ранних стадиях. Для этого в ЗАО «КРОК Инкорпорейтед» разработана Система предиктивной диагностики электрических машин на основе анализа спектра потребляемого тока, она же – Система автоматизированной интеллектуальной диагностики (САИД).

В интеллектуальной основе разработки лежит адаптивная модель роторной машины, построенная на базе нейронных сетей. Эта модель требует начального обучения для настройки на конкретный агрегат и впоследствии позволяет отслеживать изменения показателей при обнаружении и развитии дефектов.

Система помогает предприятиям поддерживать работоспособность оборудования, обеспечивая оперативную диагностику, мониторинг состояния электрических машин и приводимого ими технологического оборудования. Речь идёт об электроприводах переменного тока (в насосах, вентиляторах, компрессорах, конвейерах, эскалаторах), генераторах и системах на их основе (турбогенераторы, дизель-генераторы, газопоршневые агрегаты). После выявления дефекта система способна спрогнозировать место и время поломки.


Рис. 1. Пример спектра (синяя линия) с допустимыми диапазонами его изменения

САИД обеспечивает косвенные виброконтроль, вибродиагностику и анализ состояния электрической части агрегата. При этом устанавливать датчики непосредственно на оборудование нет необходимости – достаточно подключиться к измерительным цепям (трансформаторам) тока и напряжения электрической машины. Это особенно актуально для оборудования, доступ к которому ограничен, например, погружных скважинных насосов и всевозможных систем на морских нефтедобывающих платформах. В случаях двигателей с питающим напряжением до 0,4 кВ можно применять обычные токовые клещи.

При диагностике электрическая машина используется как датчик для анализа состояния всей электромеханической системы. Входным сигналом для САИД служат питающие напряжение и ток, модулированные напряжениями и токами в обмотках двигателя. После получения серии отсчётов и их спектрального преобразования по методу Фурье формируется выходной сигнал в виде набора гармоник потребляемого тока.

Нарушения в работе двигателя и присоединённых к нему механизмов проявляются в спектре разным образом. Вибрации в механической части выявляются на гармониках, кратных частоте вращения ротора, а электрические дефекты – на гармониках, кратных частоте питающей сети. При этом возможна диагностика машин с частотно регулируемым приводом – частота питающей сети в программе не задаётся на постоянном уровне, а измеряется.

В систему заложен ряд заранее отработанных алгоритмов, которые выполняются в автоматическом режиме, то есть без участия оператора. Они диагностируют:
* проблемы внешнего электрооборудования: асимметрия питающего напряжения, нарушения контактных соединений в цепях питания, неисправность компенсатора реактивной мощности;
* дефекты ротора и статора электрической машины: короткие замыкания, ослабление обмоток статора и т. п.;
* различные механические проблемы: разбалансировка ротора, поломки подшипников роторной машины и приводного оборудования, лопастей вентилятора, ослабление крепления к фундаменту, засорение масла или несоосность нагрузки и т. д.;
* нарушения технологических процессов: кавитация, турбулентность и т. п.


Рис. 2. Состояние диагностируемой машины

Стоит отметить, что применение подобных методик для диагностики состояния электрических машин вполне легитимно: в ноябре 2015 г. Межгосударственный совет по стандартизации, метрологии и сертификации СНГ принял ГОСТ ISO 20958-2015 «Контроль состояния и диагностика машин. Сигнатурный анализ электрических сигналов трёхфазного асинхронного двигателя», закрепляющий основные методические подходы.

Не секрет, что каждая электрическая машина уникальна. Именно поэтому в САИД применена обучаемая компьютерная модель, построенная по технологии нейронных сетей. После монтажа на промышленной установке модель требует обучения. Время такого обучения зависит от количества разнообразных режимов работы машины и занимает от получаса до нескольких часов (требуется пройти все нагрузочные режимы). При этом в программе фиксируются характерные для оборудования спектральные профили.

Модель нейронной сети для конкретного агрегата рассчитывает диапазоны изменения спектральных составляющих (рис. 1), характерные для трёх состояний различных элементов и узлов: «норма», «обратить внимание», «критический режим». По соотношению текущих спектральных составляющих и пороговых уровней организована количественная оценка критичности дефектов, что позволяет наглядно представить информацию о состоянии машины (рис. 2).

Важная особенность системы – её способность просчитать момент, когда небольшой дефект дойдёт до критического состояния. Другими словами, программа прогнозирует, сколько ещё времени проработает оборудование, пока не выйдет из строя (это возможно только при условии непрерывного мониторинга). Сами понимаете, для специалистов по техническому обслуживанию и ремонтам это крайне важная информация.

На промышленных объектах возможна установка полностью автономной системы, которая будет обслуживаться собственным персоналом предприятия (рис. 3). Другой вариант – использование облачного сервиса ЗАО «КРОК Инкорпорейтед». В этом случае на объекте располагаются приборы и контроллеры для измерения параметров, преобразования отсчётов в спектр и первичного анализа данных, а в облаке «КРОКа» размещается верхний (аналитический) уровень информационной системы.


Рис. 3. Структура автономной системы на производстве

Второй вариант реализации системы позволяет привлекать специалистов-диагностов «КРОКа» для проведения анализа и подготовки отчётов о состоянии оборудования – как на периодической, так и на постоянной основе.

Подобные решения хорошо обкатаны как в мире, так и в России в различных отраслях, в том числе энергетике и нефтяной промышленности. Эксперты ЗАО «КРОК Инкорпорейтед» накопили хорошие компетенции и опыт по внедрению САИД и анализу результатов её работы.

Об авторе: Вячеслав Максимов – заместитель директора департамента информационных технологий, директор по промышленным решениям ЗАО «КРОК Инкорпорейтед».

Эта статья была первоначально опубликована в газете "Энерговектор", www.energovector.com



© 1998 — 2022, «Нефтяное обозрение (oilru.com)».
Свидетельство о регистрации средства массовой информации Эл № 77-6928
Зарегистрирован Министерством РФ по делам печати, телерадиовещания и средств массовой коммуникаций 23 апреля 2003 г.
Свидетельство о регистрации средства массовой информации Эл № ФС77-33815
Перерегистрировано Федеральной службой по надзору в сфере связи и массовых коммуникаций 24 октября 2008 г.
При цитировании или ином использовании любых материалов ссылка на портал «Нефть России» (https://oilru.com/) обязательна.

?вернуться к работе с сайтом     распечатать ?