摘    要：本文研究离心泵汽蚀的在线诊断问题。介绍了开放式预测系统（OPS）在汽蚀诊断中的应用。OPS的应用为离心泵汽蚀诊断提供了一个算法框架。诊断基于对数据扫描的重复评估，该数据扫描提供了在固定的较短时间内观察到的输入信号的完整记录。算法框架和建议方法的实验验证证明，基于它们的状态监测系统能够诊断离心泵中可能出现的各种汽蚀工况，包括早期的汽蚀。

关键词：离心泵  振动传感器  状态监测系统  汽蚀工况

泵可能是世界上使用最广泛的机械品种。泵送系统，无论是直接还是间接，都是世界各地每项业务的重要组成部分。作为最终例证，一个典型的化工厂平均每个员工使用一台泵（Hennecke，2000）。据估计，全球近20 %的能源用于驱动泵送系统（Hart，2002）。工业用泵中离心泵所占比例可能最高。它们是相对简单、便宜且通常非常可靠的设备。然而，其意外故障的后果包括昂贵的机械维修、延长的流程停机时间、健康和安全问题、废品量增加和销售损失。因此，泵的操作员对改进维护方式的兴趣日益浓厚。

传统的机械维护方法包括反应机制和预防机制（Day，1996）。前者依赖于让机器在维护之前发生故障。尽管事实证明，这是最昂贵的选择，但它在许多行业中仍然普遍存在。预防性维护模式，即基于特定时间间隔的维护，可以节省反应机制的费用，但是，无论设备的状况如何，都无法有效利用维护资源。预测性或基于状态的维修（CBM）基于对设备状态的监测，并确定是否需要采取纠正措施。通过检测故障的早期阶段，可以提前安排维护，以配合计划内的生产停止。基于状态的维护方法依赖于机械诊断技术。许多数据采集和分析技术已开发用于机械诊断。其中一些依赖于通过便携式仪器进行的定期数据收集和随后的批处理模式数据解释。然而，重点是提供设备在线、连续监测和诊断的方案。传感器技术的改进和各种传感器的大规模生产使得在线机械诊断应用于许多设备，而仅在几年前，这些设备还被认为过于昂贵。

尽管CBM技术依赖于检测设备早期阶段可能出现故障的能力，但如果能够以发生故障的可能性最小化的方式控制设备的工作状态，则肯定会带来更多的好处。就离心泵而言，最常见的故障是轴承和密封故障（Marscher，2002）。轴承和密封故障的最重要根源之一是泵中存在汽蚀。汽蚀一词是指在液体流场内低压区域形成汽泡（Brennen，1994）。就涡轮机械而言，汽蚀现象通常被认为是不可取的。除了对轴承和密封寿命的影响外，汽蚀还会导致泵内表面逐渐腐蚀。这可能导致泵意外故障，并可能造成灾难性后果。

本文的结构如下：第2节简要概述了汽蚀诊断的主要方法。它区分了两种类型的传感器，以确定诊断是侵入性的还是非侵入性的。第3节介绍了一种基于振动传感器数据的非侵入性汽蚀诊断方法。它描述了我们使用的实验装置，定义了测量数据的结构，并概述了汽蚀现象可能在数据中反映的方式。本节末尾提供了数据挖掘要回答的主要问题的摘要。第4节介绍了开放预测系统 - 用于处理和评估测量数据的工具。本节还从理论上讨论了与具有有序分类和可能依赖样本的领域相关的方法。第5节总结了所取得的结果，并试图回答第3节前面提出的问题。最后，总结了离心泵汽蚀诊断的拟议算法框架。

文献（Stavale，2001）中，首次出现了反映泵送系统控制和状态监测一体化趋势的首个商用系统。在这里，估计泵中是否存在汽蚀的能力是基于对泵送过程参数、特别是泵吸入压力的了解。由于汽蚀现象与泵内的压力场密切相关，因此决定使用这些信息来估计汽蚀是合乎逻辑的。使用压力信息的主要缺点是，压力传感器被认为是侵入性的，即与泵送流体接触。将此类传感器接入泵送应用的管道系统会增加泄漏的潜在风险。因此，在涉及泵送危险液体的某些应用中，必须避免使用此类传感器。这就使得使用此类传感器的解决方案无法做到通用性。

业界的注意力更多地指向非侵入式传感器。振动传感器在其中起着主导作用。除了作为检测汽蚀的信息来源外，它们还能够提供可用于诊断各种旋转机械故障的信息（White，1998）。了解泵中的压力脉动和固体泵零件的机械振动之间的关系，为将泵壳振动用作汽蚀诊断的信息来源奠定了基础。本文研究了从机械振动中间接检测汽蚀的可能性，由此得出的诊断方案必须完全依赖于来自此类非侵入式传感器的信息。

1）经济和安全原因；

2）为了涵盖广泛的运行工况而故意控制现实世界系统通常是不允许的；

3）将必要的仪器安装到实际系统中可能很困难，甚至是不可能的；

4）实验期间泵中存在的汽蚀情况通常不知道，精度不够，因为这主要需要一个经过特殊改造的泵，以便目视观察泵的内部。

1）泵（由透明材料制造，通过目视观察汽蚀）；

2）电动机（直接由电源线或变频驱动器供电）；

3）流动回路；

4）数据采集设备。

检测和记录以下信号：流量，吸入和排出压力，泵流体的温度，轴旋转频率。这些信号用于控制实验，在诊断阶段不能使用它们。通过连接在诊断泵外壳上的加速度计来检测振动信号。对于所有实验，同时使用了两个加速度计。它们位于各自实验泵的外壳上，相互垂直。其中一个传感器沿泵轴轴的方向（表示为轴向）安装，另一个传感器沿泵轴的径向（表示为径向）安装。（Flek，2002）中详细描述了所述实验中使用的装置。

为了获得与汽蚀现象相关的数据，进行了一项典型实验，确定了在特定条件下运行的系统中的各种汽蚀水平。研究在整个工作范围内运行的系统中的汽蚀现象非常重要。系统的工作点由流量Q、扬程H和轴旋转频率Ω来描述。它由出口管路中的节流阀进行调节。泵中汽蚀的严重程度可通过调节吸入管路中的节流阀（开式储罐装置）或通过改变储罐中液体液面以上的压力（闭式储罐装置）来获得相关数据。

离心泵壳体的振动受作用于不同频率的多种激振力控制：泵转子不平衡、不对中、叶轮叶片通过频率脉动、轴承故障、汽蚀等。使用了许多不同的技术来帮助评估振动信号。最简单的可能性包括评估时域信号中的振幅信息。然而，周期性信号通常需要在频域中进行分析。数字信号处理技术的出现，特别是快速傅里叶变换（FFT）算法，成为频域分析技术广泛推广的驱动力。

Flek（2002）提出了以下类型的显著特征：

1）频带的功率谱密度（表示为psdy），频带的数量取决于周期图的频率分辨率，在本文中，我们主要使用65个Δf≈234Hz的频带，对应于采样频率≈30kHz 的128线FFT，但也测试了其它装置；

2）4叶片8特征泵轴旋转频率的前2z个谐波分量的振幅，其中z是叶轮叶片数（表示为rpmn）；

3）泵轴的旋转频率（表示为fr）。

1）0-正常状态（无气泡）；

2）1-初生汽蚀（第一个气泡）；

3）2-叶尖涡流汽蚀（微小气泡流）；

4）3-中等汽蚀（连续气泡流）；

5）4-严重汽蚀（严重气泡，叶片汽蚀）。

借助可视化，可以更好地理解汽蚀现象对泵壳体振动的影响。将激振力及其影响分解为周期性分量（与轴旋转频率相关）和随机分量（如汽蚀），可以进行以下可视化。

图1显示了不同汽蚀工况下泵壳体振动的周期图示例。虽然不同泵的特定频率和现象程度必然不同，但图中显示了汽蚀对不同运行点的psdy属性的影响。

图(a)和图(b)中显示了两个不同运行点壳体振动的周期图（低于最佳效率点的流量和最佳效率点）。

我们还使用了在预处理工具SumatraTT中实现的多维可视化Radviz技术（Stepankova等人，2003）。Radviz（Hofman等人，1997）连接到每个数据点的固定弹簧，每个弹簧也连接到圆周围的点。弹簧表示数据的维度，每个弹簧的弹簧力是该维度的数据点的值。数据点显示在弹簧力总和为零的位置，即具有一个或两个坐标值大于其它坐标值的点靠近这些维度。结果如图2所示。

1）振动传感器的最佳安装位置是哪里？必须使用多少个传感器（应使用最少数量的传感器以节省设备和安装成本）？

2）功率谱密度特征的数量（以及分辨率）的影响是什么？我们能否处理数量有限的训练示例中的大量特征？

3）我们应该如何处理测量数据？我们能否通过从恒定条件下测量的单个（较长）信号生成更多示例来增加训练实例的数量？在类似条件（类似工作点）下测量的信号之间的依赖关系是什么？

4）汽蚀类别是有顺序的。我们能从这个顺序中受益吗？

5）在开发模型时，应该如何评估测试系统以及影响的因素？我们应该仅使用分类准确性，区分错误分类的严重性、还是依赖回归标准？