Журнал "Глобус: геология и бизнес"

Применение автоматизированной системы контроля вибрации и диагностики на предприятиях горнорудной и энергетической отраслей

Токаев Александр Сергеевич, Данилов Станислав Юрьевич

В горнорудной, генерирующей, нефтегазовой промышленности в последние годы особенно остро стоит вопрос эффективной эксплуатации парка динамического оборудования, обеспечивающего технологический процесс на предприятиях. Важнейшим инструментом контроля и прогнозирования технического состояния динамического оборудования являются системы виброконтроля и вибродиагностики, позволяющие определять конкретные дефекты и степени их развития и тем самым существенно снижать издержки на аварийные остановы, техническое обслуживание и ремонт, а также объективно и автоматически оценивать качество ремонтов.

Автоматизированные системы контроля вибрации и диагностики являются специализированным подклассом автоматизированных систем (АС) в промышленности и представляют собой программно-аппаратные комплексы, состоящие из датчиков, устанавливаемых на агрегат, аппаратуры оцифровки сигналов с датчиков, серверов и программного обеспечения. Исторически функция обработки колоссального объёма информации, имеющегося в вибрационных сигналах, была распределена по локальным контроллерам, которые имеют крайне ограниченные возможности по обработке данных и в полной мере не готовы к современным задачам по внедрению нейросетевой вибродиагностики.

Рис. 1. Архитектура АСКВД

Поскольку центральным элементом таких систем являются данные и возможности системы по их обработке, в разработанной резидентом «Сколково» АСКВД (автоматизированной системе контроля вибрации и диагностики) нового поколения реализована уникальная технология разметки и обработки данных, в частности, вся обработка всех данных, в том числе и сигналов в реальном времени, реализована в программном обеспечении, располагаемом на серверах заказчика.

Почему это так важно и является ключевым элементом АСКВД? Для таких систем свойственно итеративное развитие в цикле — накопление данных, выявление в данных новых зависимостей и признаков дефектов, реализация автоматического вычисления признаков с помощью алгоритмов и/или внедрения и обучения нейросетей, обработка старых данных с учётом новых знаний, верификация результата. В решении резидента «Сколково» добавление нового функционала с учётом новых знаний на основе анализа больших данных происходит без изменения аппаратной части. Это позволяет экономически и физически эффективно развивать и масштабировать решение на предприятии.

Рассмотрим работу системы и её возможности на реальных кейсах промышленных предприятий.

Пример № 1.

Выявление развивающегося дефекта

Беспроводной вариант системы установлен на 16 агрегатах золотоизвлекающей фабрики. Агрегаты представляют собой электродвигатели, сопряжённые с насосами или перемешивающими устройствами. В оснащении предусмотрен в том числе модуль автоматической диагностики со следующим набором детектируемых дефектов, их локализацией и степенью развития:

1) дисбаланс;

2) расцентровка;

3) ослабления;

4) нарушения опирания;

5) дефекты электромагнитной

системы;

6) дефекты проточной части;

7) дефект лопастного аппарата;

8) дефект редуктора;

9) дефекты подшипников качения.

Сводная мнемосхема приведена на рис. 2.

Рис. 2. Мнемосхема агрегатного парка

В ходе своей работы система автоматически выявила целый ряд дефектов. Остановимся на одном из типичных. Один из агрегатов при вводе системы в эксплуатацию находился в удовлетворительном состоянии, однако после очередного пуска система сигнализировала о проявлении дефекта наружного кольца подшипника электродвигателя. С течением времени дефект проявлялся всё чаще, о чём свидетельствовали сообщения и тренды системы, по которым можно было наблюдать, что ситуация ухудшается. Примеры трендов приведены на рис. 3.

Рис. 3. Тренды вибрации, режимов, дефектов

Служба вибродиагностики заказчика, эксплуатирующая систему, имела возможность с помощью штатных средств системы анализа данных (сигналов, спектров, трендов и др.) оперативно подтвердить автоматический диагноз системы, отслеживать его развитие и своевременно запланировать останов агрегата для плановой замены подшипника. Пример комбинированного представления приведён на рис. 4.

Рис. 4. Интерфейс анализа данных

Таким образом, был выявлен развивающийся дефект, идентифицирован конкретный дефектный узел (подшипник качения), что позволило своевременно и эффективно спланировать ремонтные операции. Несвоевременное выявление такого дефекта гарантированно повлекло бы за собой необходимость внепланового ремонта, непланового переключения нагрузки на другие агрегаты технологической цепочки, которые также, в свою очередь, могли иметь дефекты, что в итоге, как правило, приводит к существенным издержкам в результате простоев.

Пример 2.

Выявление дефекта сборки агрегата на этапе пусконаладочных работ системы

Система установлена на паровую турбину мощностью 100 МВт.

В оснащении предусмотрены в том числе датчики вибрации вала (бесконтактные измерители мгновенного зазора). Они закрепляются на неподвижной части подшипника скольжения и измеряют зазор до вала агрегата. Устанавливаются по два датчика в одну плоскость, и с помощью специальной сложной обработки сигнала извлекается следующая информация:

1) средний зазор до вала — позволяет контролировать положение вала в расточке подшипника и траекторию всплытия вала;

2) орбита центра вала — позволяет контролировать нахождение вала в допустимой зоне с точки зрения геометрии подшипника, корректность работы масляного клина в подшипнике;

3) спектр виброперемещения, гармоники, амплитуды и фазы — совместный анализ с другими датчиками в этой же и других плоскостях позволяет выявлять целый ряд дефектов, таких как расцентровки, задевания, износ подшипников и другие (рис. 5, 6)

Рис. 5. Мнемосхема агрегата
Рис. 6. Вал с установленными на агрегате датчиками

В ходе пусконаладочных работ специалистами резидента «Сколково» были установлены датчики вибрации вала в начальное положение с зазором 1 600 мкм до вала. На следующий день система просигнализировала о пониженном значении зазора на одном из подшипников.

Возможные причины: демонтаж и последующий некорректный монтаж датчиков ремонтной организацией, изменение зазора вследствие физического смещения деталей подшипника.

Тренд изменения зазора позволил однозначно установить время и характер изменения зазора, сопоставление времени с выполнявшимися в тот момент ремонтными операциями позволило выяснить, что производилась установка крышки картера подшипника, которой поджимается верхняя полусфера подшипника. В результате проверки установлено: при сборке подшипника крепёж его верхней части не был должным образом обтянут, в результате при установке крышки картера она прижала и физически сместила верхнюю часть подшипника в сторону вала, что и было зарегистрировано системой (см. рис. 7).

Рис. 7. Тренд регистрации зазоров в подшипнике

Данный дефект невозможно было выявить без установки системы. Пуск турбины с таким дефектом сборки гарантированно привёл бы к ненормативной работе подшипника и необходимости последующего внепланового останова по причине повышенной вибрации и/или температуры и к аварии с разрушением этого подшипника и повреждением других элементов турбины.

Данный случай является ярким примером того, как полноценное оснащение позволяет своевременно выявлять дефекты, понимать причины их возникновения и предотвращать аварии с первого же дня эксплуатации системы.

Пример № 3.

Выявление дефекта с неочевидной связью с режимом работы агрегата

Система установлена на паровую турбину мощностью 250 МВт.

В оснащении предусмотрен в том числе модуль автоматической диагностики со следующим набором детектируемых дефектов, их локализацией и степенью развития:

1) механический дисбаланс;

2) тепловой дисбаланс;

3) расцентровка роторов;

4) нарушения в опорной системе;

5) нарушения тепловых перемещений;

6) трещина в роторе;

7) задевания.

Системой был выявлен ряд дефектов различной степени развития. Обратим внимание на дисбаланс ротора нижнего давления — система указала на связь проявлений дисбаланса с повышенной разностью температур на выхлопе ЦНД. Система автоматически определила причины возникновения дефекта и дала рекомендации по минимизации разности температур на выхлопе ЦНД, после исполнения которых система перестала сигнализировать о дефекте. Таким образом удалось привести агрегат в надлежащее техническое состояние по данному параметру и обеспечить надёжную эксплуатацию.

На рис. 8 приведён пример трендов системы, которые позволяют подтвердить автоматически поставленный диагноз.

Рис. 8. Тренды с повышенной разностью температур

При плановом обходе не могли заметить данный дефект, так как он режимно зависимый.

Риски при эксплуатации с таким дефектом — повышение вибрации до ненормативной и ограничение на время эксплуатации, после чего пришлось бы разбираться в причине в «пожарном режиме» продолжительное время.

Рис. 9. Интерфейс анализа данных
Пример сводного диагностического отчёта на две страницы
Пример сводного диагностического отчёта на две страницы

Вопросы можно задать здесь: mpolishuk@sk.ru

Exit mobile version