让预测性维护变得更简便的技术应用

       尽管预测性维护的概念已得到广泛认可，但对应用这种方式进行完全实施应用的企业却只占很小的比例。对于很多潜在用户来说，传统状态监测系统的高成本和复杂性仍然是一个不小的障碍。

       客户需要的是一个能避免传统系统的各种弊端的创新的解决方案。就是说，这个解决方案不仅要简单、成本低、容易安装、而且要能灵活的和现有系统连接起来。至关重要的是，它还不能再给原本就十分忙碌的维修人员增加繁重的初始化配置和分析的负担。

       这也就是现属于GE本特利内华达旗下的AnomAlert*产品诞生的原因。这是一款针对日常最常见由三相电动机驱动的机械设备开发的机理复杂但却使用简便的监测方案。该项产品的推出使得更多的用户有机会体验到预测性维护所带来的益处。

       AnomAlert* 采用的“基于模型的故障检测”方法不仅极具创新性，而且在这个领域中也是独一无二的。这一方法最先是为航空工业开发和使用的。AnomAlert* 产品中采用的算法十分高级，已经申请获得专利保护。将这个数学过程转化成一个实用工具需要付出相当的努力，这其中包含了要对数以百万计的电动机进行测试以保证诊断结果的准确可靠和可重复性。

       AnomAlert* 是一款成功利用创新、先进的科技创造出一款的简单、高效、且价格实惠的状态监测解决方案。它掀起了预测性维护的革命，成为本特利内华达资产设备状态监测产品中的又一力作。

1. 预测性维护概述

       传统的预测性维护一般依赖于对一些重要指标的走势的长期监测。这样，通过仔细选取测量的时间段，一名熟练的分析员能够发现重要的数据变化，从而推测出可能引发这些变化的故障。然而，分析员却经常会被由机器运转情况变更引起的数据变化搞糊涂，比如有些变化可能是设备运转速度和负载变化而不是故障所致。昂贵的初期配置和分析费用是很多潜在用户不选用这种系统的主要原因。

       而AnomAlert*t是从一个完全不同的角度出发的。它以被测设备的数学模型为基础，仅需测量电压和电流数据。这样它就能被直接安装在电动机控制室里，而不用拖拽着很长的电缆。安装以后，它自动地启动一个自学习过程。在这个过程中，它会建立一个参考数学模型。这个参考模型中包含了所有关于发动机电气特征和机械特征的信息。这个学习过程不需要操作者输入任何信息，并且会涵盖训练过程中所经历的所有运行工况，比如不同的速度和负载。

       当参考模型建立完成后，AnomAlert*就切换到检测模式。在检测模式下，每90秒AnomAlert* 就会创建一个新的系统模型。这个新模型与参考模型进行统计对比，从而辨识出潜在的故障，并对其特征化。之后，系统能够评估出问题的严重性，并列出各种故障征兆说明可能是的问题是什么、应该采取什么措施、以及什么时候需要采取这样措施。分析结果还会发送给一台与之相连的计算机。维修人员可以在计算机上查看更加详细的信息，包括具体哪种故障、建议的解决措施、以及预计系统何时失效。电气问题和机械问题都能被诊断出来，比如绝缘击穿、转条损坏、不平衡、以及轴承缺陷等常见故障。

       AnomAlert* 成功研发的关键在于，用户无需了解掌握其背后的先进复杂技术。事实上，在这个系统被安装上以后，用户需要做的事情少而又少，只需对系统提供给他的信息作出响应即可。这些信息可以几乎任何物理位置中以就地状态指示灯、控制系统输入、计算机画面显示、或者电子邮件消息等形式传播。

       现场实践业已证实了AnomAlert*在监测电机驱动系统上的优秀；随着发电机AnomAlert*解决方案的推出，其核心技术目前已由电动机监测拓展到发电机监测。

2. 面临的挑战

       在今天充满竞争的商业环境下，制造企业在满足日益增长的生产需求的同时也在不断努力减少生产开支。一个影响生产效率的常见开支就是设备有效使用率的降低。其造成的原因可能是故障导致的非正常维修停机。仅在美国，过度维修造成的直接开支和怠工损失就总计约达七千四百亿美元。可见采取更好的措施应对这一问题势在必行。

       预测性维护就是一个被人们认可的能大幅减少此类开支的解决方法。因此，人们开发了各类可以应用在工业中的监控检测产品。这些产品通过分析从设备获得的数据，尽可能在前期识别出故障的特征，从而能将故障和计划外停产造成的损失降低到最小。

       振动分析是最常用的状态监测手段，85%所销售的状态监测系统都采用这一技术。此外，还有其他状态监测技术，比如用于探测轴承和转轴温度变化的红外成像技术，用于电动机的电流特征分析，以及用于检测轴承磨损的超声波分析技术等。

       这些传统技术手段已成功实施于很多重要工业领域。但是，它们有着严重的局限性，使它们不能应用到很多本应享受到预测性维护的组织机构中。事实上，行业预测显示到目前为止能一直有效使用状态监测技术的用户数量只占潜在用户总数的百分之一到千分之一。 那么，为什么在预测性维护的好处深入人心的今天，却只有这么少的企业实现了成功的利用呢？

       首先，状态监测组成的多样性意味着对大多数人来说要配置状态监测系统十分困难。要从各种不同类型的传感器、布线、数据采集和处理设备、以及软件中选出正确的组合是一个既复杂又困难的过程，即使这些设备都由一个供应商提供也是如此。要是这些组成部分由不同的供应商提供，那么这个工作就足以让很多企业不愿也不能胜任了。

       第二，构建在线系统需要安装传感器；重要的线缆经常需要布置到距离很远的地方；多个数据处理系统的整合及状态监测系统软件的设置等过程往往需要花很长时间手工输入各种关键设备、传感器和数据处理的资料信息，还要建立起一个可以代表被测设备正常运转情况的“基准”，为最终每个测量值建立报警限值。

       第三，从用户的角度来看，他们希望得到简单的输出结果，即一个能清晰显示出设备哪个部分存在故障，这个故障是什么类型，应采取的措施是什么，应该在什么时间内采取这项措施。但是，要得到这些输出结果，用户首先需要时间来获取被监测数据的趋势变化，继而依赖专家系统进行大量的数据分析，最后做出解释。一个普通的维修团队往往无法提供要完成以上工作所需的时间、人力以及专业技能。

       自动化“智能”系统被认为可以减轻了分析负担，但它们的价格及组态设置的复杂性使得有些企业望而却步。由于这些挑战的存在，人们亟待一种既能将预测性维护推广到绝大多数组织机构，又同时拥有毫不逊色的诊断能力的简易、有效、低廉的状态监测系统的出现。AnomAlert*系统就是为满足这种需求应运而生的。

3. 工作原理

       AnomAlert* 旨在满足市场对一款能提供简单精确的维护计划而不需高级专业人士解读数据的状态监测系统的需求。它力求易安装、易初始、易操作，探测出故障前需要极少甚至不需用户干涉。

我们只要看一下AnomAlert*系统对比传统科技在上述三个方面的表现就会对其优势了然于胸了。

       首先，AnomAlert*系统的组配十分容易。AnomAlert*监测器可用于各种定速、变速驱动系统，兼容高低电压。对于低压设备上的安装，只需配置电流互感器即可；而对于高压系统，则需要增加合适的电压互感器。通过利用网络或无线设备，再配套一个合适的标准网络接口装置，就可以把每台AnomAlert*与软件包连接起来。

       第二，在每台AnomAlert*装置的安装过程中，只需将其与电动机的供电电缆相连，而不必将其放置在位于危险环境或远方的被监测设备附近。这样它拥有在线监测系统的所有优点却省掉了连接各种延长电缆带来的花销和繁杂工作。AnomAlert*装置一般安装在马达控制中心前面板的一个方形开孔中，之后再与传感器、电源、以及通信设备相连。AnomAlert*还有一个继电器输出，可以控制声光报警设备或为工厂数据采集系统简洁的输入。

       一旦AnomAlert*开启以后，几乎不需要使用者做任何设置就可以进入自动“学习”模式。在这个模式下，整个设备系统正常运转的状态被记录下来。这个过程包容了所有负载和转速的变化范围，也涵盖了电动机、联轴器、以及所拖动设备（通常包括泵、风机、压缩机、以及输送机）的电气、机械和运行特征。

       几天以后当“学习过程结束”时，AnomAlert*系统就会对所连接的设备创建一份完整的状态评估报告。这个报告能识别出被测系统所存在的电气、机械和运行问题，并给出纠正措施以及何时采取这些措施。与传统系统不同，这个系统不需花长时间等待收集数据趋势进而对数据进行分析，而是能立即为用户提供这些信息。从这时开始，AnomAlert*系统就可以为被测系统提供全自动的状态监控了。

       第三、在平时的使用中，AnomAlert*系统几乎可以实现全自动运作。系统每90秒会自动将当前的设备运行状态与学习期间建立起来的正常运行状态进行比较。如果发现问题，在AnomAlert*监控组件前面板上的“交通信号灯”就会改变颜色，由此说明故障的类型和严重性。AnomAlert*的独立软件包会为用户提供更详细的信息，包括对所发现问题的简练精确的文字描述、维护方案建议、估计的失效时间、以及诸多电气特征参数。

4. 诊断结果显示

       诊断结果中也会提出建议的维护计划，系统会根据所评估的故障严重性建议用户“6个月内”、“3个月内”或“尽快”实施维护。这些建议是基于实践中同类评估的结果，代表了解决相似设备有关问题的普遍做法。

       很多AnomAlert*系统的用户都经常工作在生产现场，而这些现场往往远离他们办公室中的计算机工作站。为了能随时掌握设备的状态，可以将AnomAlert*与本特利内华达的System 1软件相连，在检测到新故障时能自动发送包含一份总结性的状态报告的电子邮件。督促使用者查看MCMSCADA上的详细资料。MCMSCADA能安装在与系统数据库联网的任意一台计算机上。

       尽管AnomAlert*的System 1软件以简洁实用的方式为用户提供卓越的可操作信息，但高级用户也可以自行选择采用系统所提供的复杂显示。例如，从趋势图中能看出某个故障是如何随时间的变化缓慢显现出来的，而从功率谱密度（PSD）则可以看出系统如何利用从被测信号频率成分所获取的信息。

5. 功率谱密度（PSD）

       在图二示例中，显示出了供电线路工频（50赫兹）的边带频率。±25赫兹的边带表示的是某个轴转速（对于4极电动机而已即1X频率）所对应的频率调制，而这通常表示机器存在不平衡或不对中。

6. 科技技术

       尽管AnomAlert*系统安装和操作都很简单，但是它所包含的科技却是错综复杂且独特的。因为结合了先进的模型化故障检测技术和智能分析诊断，AnomAlert*系统可以在最少的人工干预下给出优秀的诊断结果。

       AnomAlert*的原理是建立一个电动机驱动系统的数学模型，然后将实时的电动机数据与这个模型比对。模型由一些列的微分方程组成，这些方程式描述了电动机驱动系统的行为特点，包括所有的电气、机械和运行特征。

       在学习模式过程中，AnomAlert*在运用先进的系统识别算法计算出一组模型参数之前，先从实体设备中获得实时数据。这个数学模型考虑了学习过程中所经历的所有负载和转速的变化，而无需再手动设置多变量报警。当自学习完成后，这个模型就代表了被测设备的正常运行工作情况。在正常运行中，AnomAlert*会建立一些列新的数学模型并将这些新模型的各个参与与参考模型比对，这样潜在的故障就能被准确的发现和诊断出来。这种模型化的诊断方法有效地将电动机转变成了先进的状态检测传感器，并且不会受到设备已有故障的影响。

       AnomAlert*监测并比对22种不同的模型参数，这些参数代表了很多电气、机械和运行故障。除了识别供电问题之外，AnomAlert*还能对诸如绝缘击穿等内部电气问题进行监测。系统可识别的机械问题包括基座及联轴器松动、不平衡与不对中、以及轴承性能退化等。负载或电气特征的变化所导致的运行问题也能被识别出来。模型化的诊断方法已被证明对早期故障识别极其有效，同时还避免了误报警的出现。

       AnomAlert*系统不仅有出色的诊断能力，还能提供很多电气参数的测量，包括有功和无功功率。这样AnomAlert*系统还能用来评估能耗。其他参数，比如总谐波失真、供电谐波成分、以及电压不平衡等，也可提供有价值的电量品质分析。