1. 介绍
离心泵（CPs）是全球许多行业中应用最广泛的资产之一。这些资产在关键安全系统中无处不在，例如海上油气生产系统，需要高水平的可用性和可靠性（Farokhzad, 2013；Mahalik等人，2012）。随着技术的进步，基于状态的维护（CBM）已经成为用于CPs的最普遍的预防性维护（PM）活动类型。在CBM中，传感器技术用于监测资产状况，从而在故障发生之前检测到故障（Moubray, 1997；Beebe，2004）。CBM监测测量资产的状况，以确定随时间的恶化情况。因此，它允许采取适当的行动来避免CPs的灾难性故障。一种常用的可测量量监测包括设备的振动。振动分析（VA）是一种CBM技术，用于测量各种形式资产状况所存在的振动水平（Farokhzad，2013）。VA检测各种设备故障的能力使其成为监测大多数旋转设备的最通用、应用最广泛的CBM技术。
虽然将CBM技术应用于动态设备并不是一项新任务，但由于并非总是坚持执行完整的CBM最佳实践方法，因此许多组织（机构、用户）未能意识到其全部好处。也有报告称，如裂纹、齿轮缺陷及其它轴承和电气故障仍然未被检测到（Mahalik等人，2012）。目前的VA方法无法检测到所有早期故障，因此仍然需要频繁的纠正性维护（CM）（Albraik等人，2012）。此外，Albraik等人（2012）以及Wang和Gao（2006）指出，振动水平取决于诸如流量、吸入压力、输出压力、驱动功率、转速、轴承温度等运行参数。在某些情况下，如果CBM方法没有在充分了解这些条件的情况下实现，则故障可能会被错误地分类。这些因素导致了需要调查一个适当实施的CBM最佳实践方法是否可以提高故障诊断并帮助维护CPs。
这项工作的目的是通过使用CBM方法来改进适用于CPs的维护计划流程。为了实现这一目标，通过广泛的文献研究确定了CBM最佳实践方法的步骤，并与合作方（海上石油和天然气公司）的行业实践进行了比较。指出了实施过程中的差距，并设计和应用了一项实验研究，以评估最佳实践方法如果得到适当实施，可以在多大程度上带来高效和有效的维护计划。
在本文第2节中，介绍了CPs的常见维护实践。这包括当前应用的CBM方法和所应用的技术。第3节概述了研究过程，包括数据收集、设计和分析过程。第4节介绍并讨论了结果。最后，第5节提供了结论性意见和对今后工作的建议。
2. CPs的维护实践
一般来说，CPs主要有两种维护类型：发生计划外故障时执行的纠正性维护和预防性维护。随着信息和通信技术（ICT）工具的出现，CBM检查作为PM的一种，已经在全球无处不在。图1显示了用于监测泵运行的CBM技术的百分比，包括润滑分析、红外热成像和电机电流特征分析。
然而，最常见的CBM技术包括振动分析（Beebe，2004）。这是因为VA是所有技术中最通用的，它不仅适用于CPs，而且适用于大多数旋转设备，可自适应地用于检测各种常见故障模式
2.1 用于CPs故障诊断的CBM方法
基本的CBM方法被认为有三个步骤，包括数据采集、数据处理和维护决策（Jardine等人，2006）。多年来，作者们提出了这种通用方法的各种变体。Lebold等人（2003）提出了CBM过程中的七个模块，包括数据采集、数据操作、状态监测、健康评估、预测、自动决策推理和人机界面。Mohsen（2017）提出了CBM的四个阶段，包括数据处理、诊断、预测和维护操作。
除了这些常用阶段外，过去CBM方法对CPs中的应用还包括对系统边界的正确定义和重大故障分析。故障分析是实施CBM之前的一个关键方面，因为这些资产可能会出现大量不同的故障。尽管情况确实如此，但研究人员和从业者注意到，只有其中一些故障是非常关键的，需要比其它故障更加关注。因此，在测试CBM检测早期故障的能力之前，故障分析对于确定这些故障至关重要（Selvakumar和Natarajan，2015）。
2.2 CPs故障分析
CPs由许多相互连接的组件组成，这些组件可能以多种方式发生故障。每一次故障都会对CPs的整体运行产生不同的影响。由于维护资源必须合理分配，故障模式、影响和危害性分析（FMECA）有助于确定分析范围，仅包括对泵运行最关键的故障模式。文献中指出了与CPs相关的几种常见故障机制，包括不平衡、不对中、轴承故障、密封故障、共振、轴弯曲、叶片流道、叶片通过振动和汽蚀（Mahmood, 2011）。
由于存在大量可能的故障模式，用状态监测来测试CBM检测所有故障模式的能力是不切实际的。在这种情况下，已经提出并使用了一些技术，这些技术有助于从业者和作者将这些故障模式缩小到可以测试的更易于管理的水平。Pareto技术（20/80）是一种有效的方法，可以用来缩小这些故障模式的范围。它涉及获取每个故障模式的数据，例如发生频率，并根据故障模式将这些数据（按降序）绘制成图。该方法基于20%的关键故障模式，导致80%的故障。然后可以从图形中提取模态。Bejger等人（2012）和Sheikh等人（2002）已经说明了Pareto在此类分析中的应用。
此外，已经确定了用于执行故障分析的几种常用技术。其中包括FMECA、根本原因分析（RCA）、故障树分析（FTA）、5个为什么和Weibull分析。最普遍应用的技术是FMECA，出现在55 %的所有综述研究中。
FMECA具有检查系统内潜在故障模式和功能故障的能力，能够分析故障的原因和影响，识别潜在的薄弱关键区域，并提出改进措施（Ravi Sankar和Bantwal，2001）。FMECA在检查系统故障时既可以是定性的，也可以是定量的。定量方法利用风险优先数（RPN），它是故障模式的发生、严重程度和检测的乘积。从数学上讲，这可以公式化为：
RPN=发生次数x严重程度x检测
Singh和Suhane（2015）应用定量FMECA来检查CPs故障，发现最关键的（最高RPN）零部件是轴承、机械密封、叶轮和轴。利用FMECA可以改进维护策略的选择。这意味着通过减少劳动力、停机时间和零件更换成本，总利润每年增长36.74%。
3. 研究框架
这项研究以图2所示的框架为指导。它是在文献研究之后开发的，文献研究确定了必要的因素，如CBM的数据要求和应用设置。该框架首先确定并比较作为最佳实践一部分提出的CBM步骤，而不是在行业中实施的步骤。这将表明维护系统中存在不足。
3.1 确定CBM最佳实践方法的步骤
文献研究涉及2000-2018年十八年内出版物的初步收集。其中包括期刊和会议论文、博士和硕士论文以及书籍等来源。出版物检索的重点是寻找与以下标题领域“振动分析”、“离心泵”和“CBM方法”相关的工作。
最终共获得了五十份相关且最新的出版物。多年来，几位作者提出了CBM方法的变体，这些方法已应用于CPs的维护，如第2节所述。
系统与故障定义
该方法的第一步涉及系统和故障定义。CPs的一个应用是作为安全系统的一部分的大多数海上平台的消防水泵（FWP）（Pettersen, 2009）。在这项工作中，研究了CPs在这种情况下的运行情况，因为来自海上石油和天然气公司的泵振动数据也可用于进一步收集和分析。典型的CPs系统包括驱动器驱动的串联配置，其中驱动器单元在大多数情况下是驱动泵的电动机。驱动器或被驱动单元的故障都会导致整个系统的完全故障和停机，因此为当前研究指定的边界包括电动机和泵单元。
正如文献研究中提到的那样，由于CBM的数量众多，因此测试和检验CBM检测CPs所有潜在故障模式的有效性往往是不切实际的。因此，在第二步中，使用了一些技术来确定当前研究中最关键的故障模式。第一种方法包括文献中确定的Pareto 20/80，这在确定导致80%故障的少数最关键的故障模式时很有用。《海上可靠性数据手册》（OREDA, 2002）列出了CPs的16种关键故障模式，分别是假停机、外部泄漏-流程介质、过热、振动、外部泄漏-公用事业介质、低输出、故障、参数偏差、高输出、其它、结构缺陷、噪音、内部泄漏、不能按需启动、不能按需停止和不稳定输出。这些在Pareto分析中被用来识别最关键的故障模式。随后，为了有效地对这些故障模式的严重程度进行排序，并识别出应作为实验测试重点的故障，采用了定量FMECA技术。图3说明了所使用的故障分析的过程，它说明了CPs的所有故障范围，直到具有最高RPN值的5种CPs故障。
数据收集与处理
收集正确的数据类型对于此类应用至关重要，因为CBM在故障前有足够时间监测故障的能力取决于所收集数据的性质。选择适当的数据收集工具、布置数据收集点和方向都是本阶段的关键决策。
故障诊断
在这项研究中，对原始数据进行了时间和频率信号分析，以帮助检测故障。计算并使用分类精度性能指标来确定CBM用于故障检测的准确性。该度量仅用于说明当前检测方法对所考虑的所有故障的有效性。
故障预测和维护计划
文献中定义的P-F间隔曲线是使用理论和实际数据相结合的方法构建的。从P-F间隔曲线获得的数据有助于规划资产的检查间隔。
3.2 行业CBM方法研究
文献研究是在对作为消防水安全系统一部分的海上生产平台上的CPs运行进行研究的同时进行的。然而，在该行业中，人们发现，虽然实施CBM的基础设施已经到位，但并不是CBM最佳实践的所有阶段都得到了遵循。相反，CBM只是用来表示CPs组件正在接近磨损和退化的警报极限。这样的警报限制通常是由经验丰富的人员随着时间的推移而建立的，他们能够识别出超出故障的边际振动水平。
待续……
