石化企业电动机故障在线监测系统设计

汪军浩

【摘 要】电动机的稳定运行对整个石化系统的安全起到至关重要作用；在线监测系统能不断电监测电动机运行状态，并及时发现故障、异常，对保障石化系统的安全稳定具有十分重要意义。对电动机故障在线监测系统展开研究，系统采用开放式三层架构，由信息采集传感器、数据处理装置、通信管理机以及监控主机组成，共同保障电动机的安全稳定运行，具有免人工、集中管控的优势，大幅提升工作效率。

【关键词】石油化工；电动机故障；在线监测；定子电流

0 引言

电动机是电动工具中的核心器件，广泛应用在石油化工、矿山冶金、航空航天等领域[1]；生产中关键的电动机，一旦出现故障停机，可能引起设备损坏和停产，从而导致不必要的经济损失，甚至造成人员伤亡。但目前对电动机的维护主要是定期维护和故障后维修。以往对电动机运行的监测主要依靠熟练工程师的经验来判断，这间接地导致了人员的大量浪费，且效率低下，对电动机的运行状态进行在线监测，利用快速傅立叶变换，有利于提高电动机运行的可靠性，以保证生产的顺利安全进行。

1 电动机故障在线监测的研究必要性

旋转机械广泛应用于石油化工、矿山冶金等领域，比如电动机、泵、风机、发电机等。其重要性不言而喻。在石油化工行业中机泵装置在整个系统当中占有非常重要的地位，可以说是“装置的心脏”。机泵设备为介质输送提供动力，而输送的介质往往是高温高压、腐蚀、有毒性、易燃易爆等特点，一旦机泵设备在运行过程中出现问题，会造成一系列严重后果，轻则造成经济损失、环境污染，重则可能导致人身伤亡等灾难性后果。美国海军的一份研究报告表明，对设备实施状态监测技术后，设备故障率急剧降低了50%，维护费用则节省了35%[2-3]；近几年来，国内外多次发生化工厂爆炸的事故，与此都有直接或者间接的关系。

2 电动机故障在线监测系统的发展和研究现状

电动机故障主要包括机械故障和电气故障两大类。其中转子断条故障、轴承故障、定子故障是异步电动机最为常见的故障。尽管这些故障不能避免，但通过对电机进行灵敏、可靠、有效的在线监测与诊断，及时在故障发生的初始阶段进行报警，尽早发现故障所在，以便向现场维修人员提供必要的信息，进行适当的安排，降低因突发事故造成的停产损失，降低对人员和设备的威胁。并且，在对异步电动机的故障诊断中，能够对电机的性能参数有新的认识，为电机设计制造人员提供新思路，从而改进电机的性能和可靠性。

2.1 电动机故障诊断技术的发展

电动机是石化工业生产的核心设备，原理是将电能转化为机械能做功，其工作过程涉及电磁、机械、散热等方面，电动机故障诊断经历了四个发展阶段：凭借人体感官和简单的工具进行监测的阶段；利用简单的故障监测仪器检测故障的阶段；运用较高级的监测仪器实现离线的故障监测；利用各种传感器和信息技术实现故障的在线监测。随着经济社会的发展，石化企业对电机故障判断的要求也越来越高，对电动机检测的前两个阶段都是故障之后进行维修，因此被淘汰，随着传感器和计算机技术的迅猛发展，电动机在线监测也由理论走向了实际。电动机在线监测系统通过传感器实时获取其运行参数，如振动、电压、电流等信号，然后通过通信装置将信号上传至后台监控系统，监控系统通过监控软件分析电动机的运行参数从而判断其故障状态，并可以监视故障的发展状况，这样就方便维护人员制定合理的检修计划，在合适的情况下安排设备停机和检修，以便减小设备故障所带来的损失。

电动机在线诊断的常用方法有：解析数学模型法、信号处理法、人工智能模型法[4]，基于解析模型的方法是通过建立整个运行系统的数学模型，获得该系统的运行特征和动态特征来判断故障是否发生。虽然这种方法能够充分的表现系统的动态特征，但是由于电动机的数学模型是非线性的，建立起来很复杂，难以建立准确的数学模型。鉴于电动机在发生故障的时候数学模型复杂，不容易建立，将人工智能引入电动机的在线监测系统，尤其是专家系统、模糊数学和神经网络已经被逐渐引入到电动机在线监测系统中。

但是人工智能的应用需要使用大量的历史数据，建立庞大的电动机故障数据库，建立起故障特征和故障类型之间的数据关系，同时基于人工智能的诊断方法还在发展之中，各种数据还不完善，建立起来很费时，性价比还不是很高，因此这种方法还没有研究出成果。基于信号处理的方法就是对采集到的电动机的数据进行相应处理，取得故障特征值，对故障类型作出判断。这种方法不用建立故障数学模型，只是通过对电动机的状态信号进行处理，判断故障类型等。现今这种诊断方法发展已经较为成熟，已经有了一些成果。频域分析法和时域分析法是信号处理方法最常用的两种分析方法。

2.2电动机故障诊断技术的现状

电动机在线监测系统在国内外已有一些商业化产品；GE公司MULYLIN 系统、ENTEK公司的MPULSEMM系统、PHLIP公司RMS700旋转机械监测系统等。

国内比较具有代表性的产品有清华大学研制的鼠笼式异步电机转子断条在线监测仪和北京东方振动和噪声技术研究所研究的INV303/306型智能信号采集和处理分析系统。智能化、经济化是电动机在线监测诊断设备的发展趋势，也是未来异步电动机在线监测系统研究的重点。

3 电动机故障在线监测系统的设计与开发

根据研究人员多年来对电动机的研究，其最常见的故障为三种：定子绕组匝间短路、气隙偏心和转子断条[5-6]；本电动机故障在线监测系统选择利用快速傅立叶变换，对电动机三种故障的故障特征进行分析，然后得出结论，如有故障，在线监测系统就会产生告警，从而及时发现电动机故障，达到及时处理故障，减少损失的目的。

3.1 系统总体概述

电动机故障在线监测系统是保障石化企业电动机安全、稳定运行的开放、综合、智能的诊断管理系统，由信息采集传感器、电机缺陷诊断装置、通信装置以及监控主机组成，共同实现电动机定子电流监测、电动机气隙偏心监测、电动机转子断条监测三大功能，具有故障监测实效性、不停电监测经济性、后台统一管理高效性，不仅节省了人力成本，还提高了石化生产系统的稳定性。

3.2 系统功能组成

系统由电动机定子电流监测、电动机气隙偏心监测、电动机转子断条监测三大模块组成，分别实现电动机定子电流负序分量实时监测、频率为f1±fr（f1是电源频率，fr是转子的旋转频率）的定子电流和电势实时监测、定子电流（1-2s）f1（s是转差率）分量的实时监测[7]，起到了保障电动机故障及时监测与诊断的作用。

图3-1 电动机故障在线监测系统功能图

利用传感器采集电机定子电流信息，然后利用快速傅立叶变换，将可能的故障分量从定子电流中提取出来，之后将其上传至站控层监测主机，当主机检测到负序电流分量时判断有定子绕组匝间短路，当主机检测到频率为f1±fr的定子电流和电势时判断有气隙偏心故障，当主机检测到频率为（1-2s）f1的电流故障分量时判断有转子断条故障；当检测结果包含任何故障分量之一时，系统可发出声光告警信号，提示现场人员对异常或故障电动机进行进一步处理。

3.3 系统网络结构设计

电动机故障在线监测系统采用开放式分层分布网络结构，由过程层、间隔层、站控层以及通信装置构成，实现电动机定子电流、电压和转速等数据的采集和数据智能分析、数据上传以及故障点集中监控等功能，系统把三个电流故障分量数据通过监控主机统一管理，通过综合分析各部分的故障监测数据来对电动机进行故障诊断，不仅提高了电动机故障或异常处理的效率，节省人力成本和时间，也充分发掘各个部分采集的故障数据之间的联系，避免“数据孤岛”现象。

图3-2 电动机故障在线监测系统结构图

其中，过程层由安置在电动机内部的电流传感器以及对应的电机信息采集装置组成，实现故障信息的采集和初步分析；间隔层首先通过电机故障诊断装置诊断出故障信息，然后通过通信设备将过程层信息传输到站控层的监控主机；站控层由数据服务器以及监控主机组成，监控主机实现采集到信息的实时监测和智能分析，判别故障以及故障类型，并能智能告警，及时提醒现场运维人员进行进一步的故障、异常处理工作，数据服务器可以将采集的信息进行存储和数据分析，提高数据利用率，给电动机故障预防提供有效参考。

3.4 故障综合分析与诊断

电动机在线监测系统的站控层监控主机可以对前端采集到的信息进行智能分析，并且依据预置算法对故障进行分析、诊断，还能利用电动机前端故障数据发掘出故障发生的规律，从而达到预防故障的效果。

首先，本系统需要采集电动机的定子电流、电压和转速等信号，然后对初次采集到的信号进行信号预处理，得出降噪的信号，最后依据电动机三种故障的故障特征进行判断电动机是否发生故障。

图3-3 电动机诊断过程图

4 结束语

电动机是石油化工行业现场生产的核心设备，本在线监测系统在目前大部分现场监测仪器所用技术的基础之上，运用物联网、大数据等前沿技术，并通过在线监测电动机的典型故障指标来判别其运行状态，从而确保石化工业的安全性、稳定性；未来石化企业对其设备在线监测方向必须予以重视，并大力开展在线监测系统的研制工作，结合物联网、云原生、AI视觉、数字孪生等新兴互联网技术推动石化行业建设，为我国的现代化建设提供更多、更加优质的服务。

参考文献

[1]杨国安.电动机故障诊断实用技术[M].北京:中国石化出版社.2012.

[2]Nickerson G W, Nemarich C P. A mechanical system condition-based maintenance demonstration model.IEEE System Readiness Technology Conference AUTOTESTCON’90, Conference record, 1990, 529-533.

[3]Gaydon B G,Hargis C, Kamash K. The detection of rotor faults in induction motors[C].IEEE

Conference on Electrical Machines-Design and Application,London(UK).1982:216-220.

[4]刘振兴,张哲,尹项根.异步电动机的状态监测与故障诊断技术综述[J].武汉科技大学学报(自然科学版),2001,24(3):255-288.

[5]刘玉宾.三相异步电动机故障诊断的若干关键技术研究[D].大连:大连理工大学,2006.

[6]刘振兴.基于HHT变换的电机故障诊断研究[D].武汉:武汉科技大学,2009.

[7]聂洋.基于BS结构的电机状态监测与故障诊断系统设计[D].武汉:武汉理工大学,2013.