|
综合多种失效机制的离心泵叶轮寿命评估方法（下）综合多种失效机制的离心泵叶轮寿命评估方法（下）Nubia Silveira1, Annemieke Meghoe1, and Tiedo Tinga1,2 1. 荷兰恩斯赫德特温特大学 2. 荷兰国防学院，登海尔德，荷兰 通讯作者：Nubia Silveira，特温特大学，Drienerlolaan 5，恩斯赫德7522 NB，荷兰。 上接：综合多种失效机制的离心泵叶轮寿命评估方法（中） 参考工况下的模型比较 案例研究的下一步是比较参考工况下的不同模型，如表1 Ref. Val.列所示。图12给出了确定叶轮总寿命的三种不同方法。首先是物理组合模型（PCM），即本研究提出的方法；然后是 Hattori 和 Kishimoto24 提出的具有老化效应的汽蚀 (CavAg)模型，见公式（5）；最后是传统的失效率模型（FRM），见公式（1）。所有模型都是在相同负载（即 Silveira 等人42提出的压力和温度测量数据）下进行分析的。可以看出，PCM 对失效时间的预测最不保守（～8100 小时），其次是汽蚀老化模型（～7000 小时）。必须指出的是，CavAg 模型仅直接评估使用寿命的结束，而不是像本研究中那样逐点评估剩余使用寿命的减少。因此，由于老化系数m2，见公式（14）是一个表达老化行为的指数方程，观察到的叶轮抛物线状态下降不一定符合实际情况。 图 12：不同模型方法预测的总寿命与参考值 此外，由于预测寿命的绝对值在很大程度上取决于所选的参数值，因此比较这三种模型的最佳方法是对输出结果进行归一化处理。然后，可以模拟不同的场景，比较响应的相对变化。图13显示了三种不同模型方法在参考场景下的寿命归一化情况。这是通过将时间轴与每个模型的失效时间分别进行缩放，得出寿命时间的分数来实现的。寿命归一化后，就可以分析模型的敏感性，并评估哪种模型能更好地描述不同场景的影响。在下一小节中，将对各种情况进行模拟和比较。 图 13：总寿命的归一化 场景分析 本节将分析多种场景，以确定拟议的PCM模型和其它两个现有模型的灵敏度和响应。第一种场景是将流体中的沉积物浓度从0.75克/升调整到1.5克/升。结果如图14所示，表明PCM模型是唯一能涵盖这种运行工况变化的模型，因为其中包含的侵蚀模型可以解释沉积物浓度的变化。它将粒径和浓度的影响纳入了k系数，见公式（18b）。这样，该模型就能在这种情况下对运行工况的变化做出适当的反应64。FRM模型在预测寿命方面没有显示出任何变化，因为该模型不包括沉积物浓度。在FRM模型中，与流体中颗粒有关的唯一参数是过滤器尺寸，但这是一个配置参数，不会随运行工况（如沉积物浓度）的变化而变化。此外，CavAg 模型也无法量化这种影响。 图14：由于沉积物浓度、管道长度、材料和流速的不同，叶轮相对寿命的变化 要分析的第二种情况是泵前管道长度增加的情况。这是一个实际相关的场景，因为所有安装参数都会直接影响组件的性能和寿命65。如图14所示，使用汽蚀老化模型 (CavAg) 时，Ltube 对相对寿命的影响大于PCM模型。这是因为两种模型都使用相同的表达式来考虑管子长度对汽蚀的影响，但在PCM模型中，汽蚀只是三种机制之一。因此，在CavAg模型中，管道长度对总退化量的影响被 m2系数放大。最后，FRM模型没有出现任何变化，因为该模型在预测寿命时不包括泵的安装。 第三种情况下叶轮材料的变化会影响各种参数，因为它会影响材料硬度 (HV)、磨损系数 (k) 和腐蚀退化增量 (ΔCi,co)。如果不考虑所有失效机制，结果可能会产生误导。例如，图14中的材料从G-CuAl10Ni（NCI）改为GG-25灰铸铁（GCI）。与NCI材料相比，GCI材料的耐久性稍高，可承受局部力而不变形。因此，与NCI相比，GCI材料在汽蚀方面表现出略高的相对寿命66。在汽蚀和 CavAg 模型中，硬度由HV参数表示，NCI为200HV，GCI为210HV。这就解释了为什么纯汽蚀模型的相对寿命会增加。然而，k代表的是侵蚀机制造成的磨损，而GCI的侵蚀退化程度要高于NCI28, 67。此外，GCI的腐蚀退化远高于NCI51。所有这些因素使得GCI的相对寿命低于NCI，正如PCM模型正确显示的那样。因此，CavAg模型给了一个不切实际的相对寿命，因为它只考虑了一种失效机制。FRM模型没有任何变化，因为该模型同样没有包含任何有关材料特性的参数。 最后，图14显示了与叶轮转速相关的相对寿命变化。该参数包含在本工作分析的所有三个模型中。然而，可以观察到PCM模型对该参数更敏感，因为速度会影响所有三种失效机制。 停机期间的退化 另一个需要考虑的方面是闲置（停机）期间的退化。通常情况下，泵在一段时间内不工作有几个原因，比如定期维护或在系统中使用备用泵。在闲置期间，泵会通过腐蚀失效机制继续退化，主要是在材料不适合使用环境的情况下。PCM方法能够涵盖所有情况，包括泵闲置期间。图15显示了停机情况下的退化情况。在这种情况下，材料在6个月的停机时间内遭受难以察觉的退化，因为分析的材料非常耐腐蚀退化。长达9年的分析结果显示，即使材料适合应用，也会出现更明显的退化。 图 15：使用耐腐蚀材料预测 6 个月停机期间的总使用寿命 在第二种情况下，对同一时期不同的材料进行分析。在这种情况下，研究的材料是 GG-25，与图14中分析的材料相同。图16显示了在 6 个月闲置期间的退化情况，与腐蚀失效机制有关的跳变非常明显。虽然由于没有侵蚀和汽蚀失效机制的作用，停机期间泵的退化率低于工作模式下的退化率，但还是可以清楚地观察到。停机期间的退化是需要考虑的重要因素，因为在某些系统中，泵会长期处于闲置状态，这主要是指带有一台或多台冗余泵的系统。 图16：使用不合适的材料，闲置6个月的总使用寿命预测 使用寿命期间的不同场景 这项工作中考虑的另一个方面是在叶轮使用寿命期间改变场景的可能性。图17说明了一种情况，即服务期间的泥沙浓度开始偏离初始情景，即从0.75 g/l变化到1.5 g/l。 当叶轮泵送不同的流体时，或者，例如，当船只进入具有不同沉积物浓度的海域时，可能会发生这种情况。其它参数值与前面的情况相同。图17显示了模型侵蚀部分的斜率明显变化，而其它两种机制不受影响。 图17：在运行1,432 个小时后，随着沉积物浓度的变化，各种失效机制的情况变化。 图18显示了使用图17所示案例的不同模型之间的比较。这表明，在负载情况发生变化时，PCM模型的斜率发生了明显变化，而其它两个模型没有显示出这种响应。这可以通过FRM和CavAg模型被设计来计算给定（恒定）负载情况下的故障率响应时间来解释。而PCM模型被开发为时间递增的方式：负载历史记录以连续的时间步长处理，这样就可以在退化计算中考虑负载的变化。这使得所提出的模型在计算不同运行工况下的叶轮寿命时更加灵活。 图 18：在运行1,432 个小时后，使用不同模型方法对沉积物浓度的变化进行总寿命预测 这些不同情景的结果证明了所提方法的适用性。PCM概念中考虑了所有的失效机制及其参数，而对于其它模型，还有一些没有物理意义的因素，如老化效应和基本失效率。尽管如此，这些因素对于调整模型使其更切合实际应用是必要的。新方法以一种有意义的方式量化了影响退化率的所有参数。 模型开发的挑战 本节将讨论模型开发过程中遇到的一些挑战，以及这项工作所需的一些假设。这项工作的第一阶段是找到“泵不能正常工作”问题的主要失效机制。这在计算和数学上并不复杂，但需要专家协助寻找主要的失效模式和机制。否则，对于不了解该组件的人来说，这可能是一项挑战，可能需要查阅大量文献。除此之外，还采用了Peeters等人33开发的一种技术，建议递归地使用 FMEA 和 FTA。这似乎很有效：否则，这一过程可能非常耗时。 第二阶段是确定和了解现有的模型。这同样需要特定的技能，这里指的是科学知识。所谓的物理模型往往不是纯粹的物理模型，需要了解物理现象，以确定公式是否描述了目标故障机制。此外，如前所述，必须考虑、比较和评估使用不同技术的各种模型。在此过程中，我们发现了现有模型中的一些不一致之处。此外，故障率模型（FRM）等模型可能是针对特定应用而建立的，要将这些模型应用到其它应用中，还需要进行一些修改。 这一阶段的另一个重要假设是，所考虑的失效机制是独立作用的。假设一种机制的发生不会影响同时发生的另一种机制的退化率。正如 Alavi Shoushtari68 对增压泵外壳进行的详细分析显示，汽蚀造成的凹坑区域表面硬度略有增加，这可能会提高抗侵蚀能力。另一方面，汽蚀造成的表面粗糙度增加会提高侵蚀磨损率。虽然这种相互作用可能始终存在，但这里假定： 1）它们对退化率的影响很小； 2）在大多数情况下，一种机制对退化率起主导作用。 第三，在进行了广泛的模型分析后，至关重要的是确定临界退化区域，因为在叶轮的不同点处存在不同的退化率。为此，有必要研究与失效机制相关的不同位置及退化行为，这可能再次需要领域专家的见解。 最后，将所开发的方法与一些已建立的模型进行了比较，以评估其性能。理想情况下，预测结果还能与现场系统的故障数据进行比较。这是（预测性）维护领域的主要挑战之一，因为维护的目的是预防故障，而故障数据显然是稀缺的。事实上，作者在行业内寻找可用案例时遇到了极大的困难。尽管泵被广泛使用，偶尔也会出现故障，但数据质量和故障记录却非常有限。此外，作者也无法从实验室实验中获得故障数据，特别是因为在公开文献中，没有真实工况下的实验结果，包括闲置时间和不规则流动等现象。因此，作者今后的工作重点将放在寻找包含相关数据的公司案例和开发可模拟真实使用模式的实验装置上。 评估所提出方法的预测性能的另一种方法是与定期状态测量或检查进行比较，这些测量或检查定义了叶轮的瞬时状态。在科学文献中，有几种混合方法可用于使用贝叶斯更新法来利用这类数据调整（物理）模型，例如参见Keizers等人的文献69。然而，在工业实践中，尤其是对于像泵这样相对简单的系统，通常无法获得这些状态测量或检查结果，因此不能用于更新或验证预测模型。由于缺乏真实的验证数据，作者决定将数据归一化为可用情况。然后，对几种情况进行分析，并将相对响应与文献进行了比较。 在大多数情况下，所开发的PCM技术具有更真实的响应，并被证明对不同的场景非常敏感。此外，在叶轮材料发生变化的情况下，所提出的模型可以处理抵消效应，而在这种特定情况下，CavAg 模型出现了意想不到的变化。最后，在大多数情况下，FRM模型没有显示出任何响应，这表明该模型在运行工况发生变化时表现不佳。 结论 在这项工作中，结合了各种物理模型，分析了它们的适用性，并在结构化策略中使用了专家知识，提出了一种用于离心泵叶轮预测性维护的新方法。由于考虑到了主要的失效机制，该方法可用于任何离心泵叶轮应用和运行工况。对文献中的其它两个预测模型，即故障率模型和带老化系数的汽蚀模型进行了分析和应用，并与提出的策略进行了比较。在各种情况下对模型进行了模拟，并对其响应进行了比较。考虑到沉积物浓度、管道长度、材料、叶轮转速和闲置时间的变化，所开发的模型在模拟场景中的响应更真实、更灵敏。此外，所提出的方法可以提供寿命预测以及对主要失效机制的深入了解，这表明了叶轮退化最严重的过程。最后，研究表明，由于采用了递增式模型，新提出的模型可以预测不同运行工况下的叶轮寿命。对于未来的工作，作者建议在实际工业案例或实验室规模的实验装置上演示所提出的方法。此外，还建议进行断口分析，以验证主要失效机制和受影响区域的位置。 |
