Текущее состояние. Одними из самых распространенных в промышленных комплексах являются системы автоматизированного привода, ключевым и наиболее распространённым элементом которых является асинхронный двигатель. Ввиду осложнённых условий эксплуатации оборудования актуальна задача обнаружения дефектов на основе анализа электрических параметров.

Решаемая научная проблема. Электропривод, построенный на базе асинхронного электрического двигателя (АД), считается основным на предприятиях добычи нефти. Любой сбой в работе системы электропривода приводит к значительным экономическим потерям, при этом наличие развивающихся дефектов в асинхронном двигателе приводит к снижению его энергетической эффективности и дополнительным потерям энергии. Учитывая продолжительный режим работы электрических машин в нефтегазовой промышленности и длину жизненного цикла эксплуатации, составляющую более 15-20 лет, наличие дефекта приводит к увеличению экономических потерь и ухудшению экологической эффективности компании.

Для создания надёжной и эффективной модели жизненного цикла оборудования необходимо иметь инструменты, помогающие определить момент времени, когда оборудование требует замены на основании составленного заранее плана использования. В нём будет обозначена фаза снижения стоимости владения и увеличения эксплуатационных расходов.

В настоящее время в условиях цифровой трансформации промышленности предприятия, в том числе нефтегазовые, оснащаются системами, позволяющими осуществлять автоматический сбор и анализ параметров технологических процессов, оборудования и систем энергоснабжения. Однако отсутствие моделей выявления неисправностей и оценки энергозатрат, связанных с уровнем технического состояния, не позволяет в полной мере использовать собранные данные. Основные цели использования таких данных сегодня включают оценку снижения производительности, построение индекса производительности и прогнозирование оставшегося срока службы оборудования. Однако тенденция в промышленности и науке заключается в разработке эффективных методов раннего выявления отказов оборудования, декомпозиции факторов, влияющих на техническое состояние, и выявлении потерь энергии, связанных с техническим состоянием.

На основе предложенных подходов к анализу данных электрических параметров можно выполнить декомпозицию сигналов и предоставить пользователям достоверную информацию для алгоритмов оценки энергоресурса, токовых потерь, сравнения режимов нагрузки или технологического процесса и, в последующем, при интеграции информации с другими источниками, для выявления причин произошедших отказов оборудования. Основной вклад этой статьи по отношению к недавним публикациям по этой теме исследования заключается в предложенной сравнительной оценке различных способов сочетания компонент в режимах повреждения, уделяя особое внимание ранним изменениям режимов из-за начальной стадии деградации подшипника.

 

Методы исследования. Авторы предлагают выявление закономерностей, характеризующих возникновение и развитие дефекта подшипника, методом сингулярного анализа применительно к сигнатуре тока статора. В результате декомпозиции временные ряды трехфазного тока представляются сингулярными тройками, упорядоченными по убыванию вклада, которые реконструируются в виде временных рядов для последующего анализа с помощью ганкелизации матриц. Экспериментальные исследования с имитацией повреждений подшипников позволили установить взаимосвязь между изменениями вклада реконструированного временного ряда и наличием различных уровней дефектов подшипников. Используя уровень вклада и отслеживая движение конкретного временного ряда, стало возможным наблюдать как появление новых компонент в текущем сигнале, так и изменение вклада компонент, соответствующих дефекту, в общую структуру. Результаты кластеризации на основе визуальной оценки сходства структуры матриц компонент верифицированы с помощью скаттерграмм и иерархической кластеризации. Реконструкция временного ряда по результатам группировки компонент позволяет использовать эти компоненты для последующего прогнозирования развития дефектов в электродвигателях.

Детали исследования. Чтобы повлиять на надежность и доступность оборудования для дальнейшего планирования стратегии обслуживания и ремонта, авторами предлагается инструмент для раннего обнаружения отказа двигателя. Было выявлено, что этот метод эффективен при обнаружении образования раковин подшипников; это также рентабельно и не требует дополнительного оборудования.

Сбор данных сигналов тока для дальнейшего анализа проводился на базе лабораторий Учебно-научного центра цифровых технологий Санкт-Петербургского горного университета. Процедура проведения эксперимента являлась необходимой ввиду недоступности натурных производственных данных и отсутствия подобных датасетов в открытом доступе в сети Интернет. Для проведения исследований и подтверждения гипотез о возможности раннего обнаружения повреждения подшипника применялась высокочастотная оцифровка аналогового сигнала до 600 000 точек / минута, что составляет частоту дискретизации 10 кГц. В последующих исследованиях планируется исследование граничных требований к частоте дискретизации при обнаружении повреждения предложенным алгоритмом.

Дефект подшипника был выбран как один из наиболее распространённых видов дефектов и классических примеров для рассмотрения работоспособности предлагаемого метода. Процедура эксперимента заключается в искусственном разрушении внутренних колец подшипника в виде ряда оболочек разрушения, вызванных трением, в шарикоподшипнике с глубоким пазом. Таким образом, было искусственно создано образование усталостных раковин. Необходимо отметить, что возникновение раковин в подшипниках не всегда обусловлено процессом усталостного разрушения материала, а также оно носит довольно длительный характер, не поддающийся обнаружению при анализе сигнала вибрации на ранних стадиях развития. Из данных соображений градация развития дефекта подшипника определяется одной раковиной (ранняя стадия) и тремя усталостными раковинами (также ранняя стадия с более видимым проявлением в сигнале).

В экспериментах исследовался асинхронный двигатель АИР132М4, Pnom=11 кВт, с питанием от сети частотой 50 Гц в непрерывном режиме работы и постоянной нагрузкой на валу в процессе эксперимента.

Внешний вид и схема подключения AД показаны на рисунке 1. Постоянная нагрузка осуществляется с помощью электромагнитного тормоза. Сбор данных высокой частоты дискретизации реализован с помощью универсального шасси NI PXI-1042 и многофункционального модуля ввода-вывода PXI-6251.

Эксперимент проводился в трёх состояниях машины:

• Работа исправного двигателя в стандартных условиях при номинальной нагрузке;

• Работа двигателя с одной раковиной во внутреннем кольце подшипника при номинальной нагрузке;

• Работа двигателя с тремя раковинами во внутреннем кольце подшипника при номинальной нагрузке.

В данном эксперименте исследуется радиальный подшипник шариковый однорядный 6208 ZZ C3 закрытого типа с защитными шайбами.

Ядром алгоритма обнаружения дефекта является метод обработки сигналов тока статора на основе сингулярного разложения (Singular Spectrum Analysis, SSA).  Аппарат сингулярного анализа основан на разложении временного ряда на простейшие аддитивные составляющие, что позволяет учесть и исследовать его структуру.

Метод SSA состоит в преобразовании одномерного ряда в многомерный с помощью однопараметрической сдвиговой процедуры; исследовании полученной многомерной траектории с помощью анализа главных компонент (сингулярного разложения); восстановлении (аппроксимации) ряда по выбранным главным компонентам. Результатом применения метода является разложение временного ряда на простые компоненты: тренды, периодические или колебательные составляющие, а также шумовые компоненты. Полученные в результате разложения компоненты и их изменения сопоставляются с режимом работы и уровнем дефекта подшипника. Выявление необходимых компонент может служить основой прогнозирования как самого временного ряда, так и его отдельных составляющих при развитии дефекта и достижении предельных значений. При этом метод не требует стационарности ряда, знания тренда, а также знания о наличии в ряде гармонических и циклических составляющих.

Предлагаемый алгоритм, основанный на сингулярном разложении, может применяться для обнаружения компонент, связанных с повреждением, сглаживания временного ряда, для исследования изменения при деградации подшипника и развитии повреждений, обусловленных его износом.

На основании представленного алгоритма разложения и группировки компонент были обработаны сигналы тока трёх фаз асинхронного двигателя в рассматриваемых режимах работы. 

На рисунке 2 показаны первые 12 компонент исходного ряда в виде ганкелиризированных элементарных матриц, расположенных в порядке убывания их вклада в реконструируемый временной ряд. Практические рекомендации относительно количества рассматриваемых компонент для анализа повреждения в литературе отсутствуют. В качестве обоснования рассмотрения не более 12-ти компонент из 350-ти сингулярных значений, используемых при разложении, можно использовать количество видов возможных факторов, формирующих сигнал тока. К факторам, влияющим на сигнал тока, помимо конструктивных особенностей двигателя и нагрузки, можно отнести наличие дефектов. Следовательно, количество возможных дефектов является граничным для рассмотрения в качестве значимых компонент. К повреждениям, которые возможно определить по электрическим сигналам, относятся следующие: выход из строя подшипников, несоосность валов, межфазное замыкание, эксцентриситет, обрыв стержней ротора.

Визуально определимо характерное изменение некоторых компонент, которые выделены на рисунке. При появлении и увеличении дефекта нестационарная компонента, увеличивает свой вклад в общую структуру сигнала, что приводит к увеличению её порядкового номера. Необходимо отметить, что при наличии 3-х раковин, то есть явного проявления дефекта, во всех фазах появляется вырожденная компонента 

Заключение. Анализ полученных результатов позволяет авторам сделать вывод о наиболее вероятной дифференциации данных компонент как отвечающих за развитие повреждения, что соответствует возможности идентификации дефекта на ранней стадии на основе сигнатуры тока посредством предложенного алгоритма.

Предложенная методология имеет преимущества перед классическими методами ввиду отсутствия необходимости в установке дополнительных датчиков, а также отсутствия дополнительных знаний об исходном временном ряде. 

Исследования других видов повреждений, комбинация видов и уровней дефектов и последующий анализ электрических сигналов с помощью сингулярного разложения представляют интерес для будущих работ авторов. 

Кроме того, будущие исследования включают в себя:

• исследование требований к граничной частоте дискретизации для обнаружения неисправностей с помощью предложенного алгоритма;

• тестирование предложенного алгоритма на других неочевидных типах неисправностей, таких как несоосность и ослабление крепления двигателя;

• создание компонентных карт с использованием представленных подходов для отдельного электромеханического оборудования.

Идентификация повреждений на ранней стадии и отслеживание изменений позволит перейти к интеллектуальному управлению техническим обслуживанием и ремонтом, а также уровнем энергоэффективности обусловленным техническим состоянием оборудования.