DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy 49 KONCEPCJA MONITOROWANIA I DIAGNOSTYKI MASZYN WIRUJCYCH MAEJ I REDNIEJ MOCY Tomasz BARSZCZ Akademia Górniczo-Hutnicza, Katedra Robotyki i Dynamiki Maszyn Al. Mickiewicza 30, 30-059 Kraków, fax. (012)6343505, tbarszcz@agh.edu.pl Streszczenie Artyku przedstawia propozycj nadzoru diagnostycznego nad maszynami wirujcymi maej i redniej mocy, zwanymi tu równie maszynami pomocniczymi. Gównym obiektem zainteresowania s maszyny uoyskowane tocznie o mocach od kilkudziesiciu kw do kilku MW. W pierwszej czci przedstawiono uwarunkowania pod ktem diagnostyki, odnoszce si do tej grupy obiektów, a nastpnie okrelono zadania monitorowania. W kolejnej czci zaprezentowano koncepcj diagnozowania obiektów. Zostaa ona oparta na doborze czstotliwoci charakterystycznych ukadu oraz na dopasowaniu poziomów ostrzee do rzeczywistych danych, przechowywanych w bazie. Istotn czci prezentowanej koncepcji jest automatyzacja procesu konfiguracji. Artyku zakoczono opisem moliwoci zastosowa, m. in. w energetyce i transporcie. Dodatkowo zaproponowano moliwoci usprawnie eksploatacyjnych. Sowa kluczowe: maszyny pomocnicze, monitoring, diagnostyka, drgania. CONCEPT OF MONITORING AND DIAGNOSTICS OF SMALL AND MEDIUM POWER ROTATING MACHINERY Summary The paper presents proposal for monitoring and diagnostics of small and medium power rotating machinery, referred to also as auxiliary machinery. Main point of interest are machines with rolling bearings of power between few tens of kw to few MW. The first part presents characteristics of machinery from diagnostics point of view and requirements for monitoring. Next part contains concept of diagnostics for this machines. It is based on selection of characteristic frequencies of the object and tuning of alert levels based on real data, stored in the database. Important part of this concept is automation of this process. The paper ends with proposals of applications, e.g. in power generation and transport. It also contains several ideas, which can improve practical implementation. Keywords: auxiliary machinery, monitoring, diagnostics, vibration. 1. WPROWADZENIE Korzyci pynce z zastosowa diagnostyki maszyn s coraz lepiej rozumiane nie tylko przez rodowisko naukowe, ale równie przez uytkowników maszyn. Do lat 80-tych stosowano jedynie systemy zabezpiecze. Korzystay one czsto z sygnaów drga, ale nadzorowano tylko jeden parametr sygnau, najczciej warto skuteczn albo amplitud midzyszczytow. W ten sposób zabezpieczano tzw. maszyny krytyczne, których awaria moe spowodowa zagroenie ycia ludzkiego bd przerwanie procesu produkcyjnego. W latach 80-tych pojawiy si mikroprocesorowe systemy monitorowania, które wyposaane byy w coraz bardziej rozbudowane funkcje diagnostyczne. Z uwagi na bardzo wysoki koszt instalowano je gównie dla najdroszych obiektów, takich jak np. samoloty, turbozespoy energetyczne. Przede wszystkim systemy te umoliwiay akwizycj przebiegu sygnaów drga z duo wiksz czstotliwoci próbkowania, rzdu kilku kiloherców [1]. Niektóre z tych systemów oferoway znacznie rozbudowane funkcje, cznie ze wspópracujcymi z nimi systemami ekspertowymi [np. 5]. W nastpnych latach, gównie na skutek cigego spadku cen elektroniki (w tym gównie komputerów) i jednoczesnego poprawiania si ich parametrów technicznych (wydajno procesorów, pojemno pamici) uzasadnione ekonomicznie stao si stosowanie tych systemów równie do maszyn niekrytycznych. Rozszerzanie grup maszyn objtych systemami monitorowania i diagnostyki spowodowao konieczno zmian w podejciu do uytkownika. Systemy stosowane do maszyn krytycznych z reguy s instalowane w zakadach posiadajcych wasne suby diagnostyczne. Systemy przeznaczone do pozostaych maszyn powinny bra pod uwag atwo konfigurowania
50 DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy oraz obsug przez osoby bez dowiadczenia diagnostycznego. Coraz czciej nadzór diagnostyczny jest realizowany przez wyspecjalizowane zespoy (bd firmy), które wiadcz usugi na rzecz wielu przedsibiorstw. W takim przypadku bardzo istotnym wymaganiem co do systemu diagnostycznego staj si cechy automatycznego powiadamiania o wykrytych niesprawnociach oraz moliwo efektywnego zdalnego dostpu do systemu. W niniejszej pracy przedyskutowano wymagania co do takiego systemu, a take zaproponowano niektóre rozwizania realizacyjne. 2. CHARAKTERYSTYKA MAYCH I REDNICH MASZYN Maszyny, bdce przedmiotem oceny stanu technicznego, typowo klasyfikowane s na cztery grupy, rónice si zakresem stosowanych narzdzi monitorowania i diagnostyki. Poniej podano charakterystyk poszczególnych grup (np. w [17]). Typ maszyn Krytyczne Pomocnicze Ogólnego przeznaczenia Pozostae Tab.1. Charakterystyka grup maszyn Charakterystyka Kluczowe dla procesu Bardzo wysokie koszty remontu Moliwe nage awarie Koszty awarii s bardzo wysokie (ycie i zdrowie, znaczna warto utraconej produkcji) Istotne dla procesu (w niektórych instalacjach równie kluczowe) rednie koszty remontu Nage awarie mao prawdopodobne, z reguy poprzedzone zmian w dziaaniu Koszty awarii s wysokie Nie maj bezporedniego wpywu na proces lub maj wpyw may Niewielkie koszty remontu Nage awarie mao prawdopodobne, z reguy poprzedzone zmian w dziaaniu Koszty awarii s rednie lub niskie (czsto jednak z uwagi na du liczb tego typu maszyn znaczny jest czny koszt obsugi) Niezwizane z procesem Niskie koszty remontu i ew. wymiany Koszty monitorowania s porównywalne lub wysze od kosztów remontu/ wymiany Maszyny pomocnicze (okrelane tu te jako maszyny mae i rednie) s stosowane bardzo czsto. Z uwagi na podstawowe rónice pomidzy nimi a maszynami krytycznymi z jednej strony i pozostaymi maszynami z drugiej strony, wymagaj one innego podejcia do koncepcji monitorowania i diagnostyki. Szczególnie istotne s rónice pomidzy maszynami tej klasy a typowymi maszynami krytycznymi, na których instalowane s systemy cigego monitorowania, tj. turbozespoami energetycznymi. Charakterystyczne dla tej klasy maszyn jest posiadanie kilku waów, poczonych przekadniami zbatymi. Way te maj róne prdkoci obrotowe, które mog mie bardzo róne wartoci od bardzo maych, rzdu kilkunastu rpm (np. way gówne elektrowni wiatrowych) a do kilkunastu tysicy rpm (np. szybkoobrotowe turbiny). Z uwagi na ograniczenia w kosztach instalacji nie dla wszystkich maszyn stosowane s czujniki znacznika fazy, w zwizku z czym dla niektórych punktów pomiarowych informacja o fazie nie jest dostpna. Z drugiej jednak strony nie jest ona a tak istotna, jak w przypadku duych maszyn uoyskowanych lizgowo. Oprócz zastosowania przekadni inn charakterystyczn cech jest stosowanie oysk tocznych. W porównaniu z oyskami lizgowymi charakteryzuj si one maym wpywem prdkoci obrotowej na opory ruchu, mniejszymi oporami podczas rozruchu, wiksz sztywnoci i nonoci oraz niskim kosztem. Z drugiej strony zastosowanie przekadni i oysk tocznych skutkuje w zupenie innej charakterystyce czstotliwociowej tak uoyskowanych maszyn. Sygnay drga maj duo wikszy zakres czstotliwoci. Sygna drga ma uyteczne pasmo a do kilku, a czasami nawet kilkunastu kiloherców. Jako czujniki drga w ogromnej wikszoci stosowane s akcelerometry, montowane na korpusie. Inne s te problemy techniczne spotykane w czasie oceny stanu technicznego [np. 10, 16]. Bardzo czsto s to niesprawnoci wanie przekadni i oysk. Rzadko s to uszkodzenia o charakterze nagym (cho i takie s spotykane), najczciej jednak s to rozwijajce si stosunkowo powoli uszkodzenia zbów przekadni albo uszkodzenia bieni, bd elementów tocznych oysk. Powstajce uszkodzenia powoduj rozpraszanie wikszej iloci energii na procesy resztkowe, którymi s gównie drgania oraz haas. Procesy te s ródem dodatkowych skadowych w sygnale drga. Pomiar wartoci tych skadowych jest wskanikiem uszkodzenia elementu maszyny. Czstotliwoci skadowych zale od prdkoci obrotowej maszyny. Poniej przedstawiono czstotliwoci charakterystyczne najczciej spotykanych elementów maszyn [4, 12]. Dla przekadni równolegych: czstotliwo wau, f f r (1) czstotliwo zazbiania, f f z f (2) z r1 1 r 2 z2
DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy 51 Dla oysk tocznych: czstotliwo wau, 1 f f r (3) czstotliwo bieni wewntrznej, n d f f r 1 cos 2 D (4) czstotliwo bieni zewntrznej, n d f f r 1 cos 2 D (5) czstotliwo pojedynczego elementu tocznego, 2 D d f f r 1 cos d D (6) czstotliwo koszyka, 1 d f f r 1 cos, 2 D (7) gdzie: f r prdko obrotowa wau [Hz], z liczba zbów, kt dziaania oyska, D rednica podziaowa oyska, d rednica elementu tocznego, n liczba elementów tocznych. Jako czstotliwoci charakterystyczne stosuje si równie harmoniczne (najczciej 2. i 3.) niektórych powyej podanych czstotliwoci, szczególnie czstotliwoci obrotowe wau i czstotliwoci zazbiania. Naley te zauway, e w przekadniach, w których rozwijaj si uszkodzenia, skadowa harmoniczna odpowiadajca czstotliwoci zazbiania jest modulowana sygnaami o czstotliwociach równych prdkociom obrotowym wau. Powoduje to powstawanie wstg bocznych w widmie sygnau drganiowego. Zjawisko to powinno by równie monitorowane. Jak przedstawiono powyej, czstotliwoci charakterystyczne zale od prdkoci obrotowej wau. Maszyny pomocnicze w wielu przypadkach pracuj ze zmienn prdkoci obrotow. Ma to wpyw na okrelanie waciwych estymat sygnaów drganiowych, poniewa w przypadku zmiennej prdkoci obrotowej nie s skuteczne metody oparte na widmie wyznaczanym w dziedzinie czstotliwoci. Konieczne jest stosowanie analizy w dziedzinie rzdów (ang. order tracking) [15]. Do przeprowadzenia takiej analizy konieczna jest informacja o fazie sygnaów. Uzyskuje si j poprzez dodanie co najmniej jednego czujnika, tzw. znacznika fazy, który generuje impuls raz na jeden obrót wau. Do niedawna do analizy w dziedzinie rzdów stosowano filtry pasmowe, bd specjalizowane ukady sterowania próbkowaniem sygnaów drganiowych. Ostatnio proponowane s algorytmy cyfrowego resamplingu sygnaów drga [np. 2], dziki którym moliwe jest uproszczenie ukadów wibrodiagnostyki. Naley tu doda, e nawet w przypadku maszyn pracujcych ze sta robocz prdkoci obrotow konieczna jest analiza ich rozbiegów i wybiegów. Aby unikn rozmywania prków widmowych konieczne jest wic stosowanie analizy w dziedzinie rzdów. Z drugiej jednak strony niektóre elementy maszyny generuj sygnay drganiowe o staej czstotliwoci (np. rezonanse czci nieruchomych). Tak wic system powinien umoliwia generowanie estymat z widma wyznaczanego w obu dziedzinach. W przedsibiorstwach czsto znajduje si dua liczba maszyn wirujcych, a ich nadzorem zajmuje si jak ju wspomniano wczeniej maa grupa diagnostów, czsto o niewielkim dowiadczeniu diagnostycznym. Wynika std potrzeba, aby metody diagnostyczne byy jak najprostsze i daway przejrzyste wyniki. Uytkownik musi rozumie znaczenie okrelanych estymat i konsekwencje przekroczenia przez dan estymat wartoci granicznej. Przedstawione powyej propozycje estymat speniaj powysze wymagania. 3. ZADANIA MONITOROWANIA Systemy nadzoru maszyn nazywane s czsto systemami monitorowania i diagnostyki. Pojcia te s rónie rozumiane przez rónych autorów. Dyskusj tego zagadnienia, (cznie z innym czsto spotykanym podziaem metod na metody detekcji i lokalizacji uszkodze) mona znale np. w [13]. Najczciej jednak zadania monitorowania obejmuj akwizycj sygnaów z czujników drga oraz dziaanie algorytmów, w wyniku których otrzymywane s wartoci okrelajce pewne cechy sygnaów, okrelane jako najczciej jako cechy (niem. Merkmalen) [np. 12], bd estymaty [np. 4] sygnau drganiowego. Zadania diagnostyki z kolei maj na celu wykrycie uszkodze maszyn. Najczstsz metod jest porównanie wartoci otrzymywanej w wyniku dziaania algorytmów monitorowania z wartociami odniesienia. W niektórych przypadkach algorytm ten jest bardzo skomplikowany i bazuje na np. modelu analitycznym, bd modelu wyznaczanym za pomoc sieci neuronowych. Przegld takich metod mona znale np. w [6, 11, 13]. W niniejszym punkcie przedstawione zostan metody monitorowania maszyn. Propozycj koncepcji struktury systemu monitorowania przedstawia rysunek 1. ródem danych dla monitorowania s umieszczone na maszynie czujniki. Dzielone s one na dwie grupy: czujniki sygnaów drganiowych (bd, w ogólniejszym przypadku dynamicznych) w skad tej grupy wchodz równie czujniki znacznika fazy, oraz czujniki sygnaów procesowych (okrelanych take jako wolnozmienne). Grupy te róni si czstotliwoci
52 DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy próbkowania, która dla sygnaów procesowych jest rzdu 1Hz, a dla dynamicznych w granicach kilkuset Hz do kilkudziesiciu khz. zn. fazy sygnay drga Próbkowanie sygnaów dynamicznych Resampling Obwiednia FFT + czstotliwoci charakterystyczne Wykrywanie przekrocze Zapis do bazy danych Interfejs uytkownika sygnay procesowe Próbkowanie sygnaów procesowych Okrelanie stanu Wartoci referencyjne Powiadamianie (sms, email) Rys. 1. Schemat koncepcji monitorowania Do pomiaru drga maszyn stosuje si czujniki przemieszczenia, prdkoci albo przyspieszenia drga. W maszynach pomocniczych najczciej stosowanymi czujnikami drga s akcelerometry, z uwagi na wymagania montaowe, duy zakres mierzonych czstotliwoci i mae wymiary. Najczciej spotykanym typem wyjcia jest ICP. Czujniki te wymagaj przetworników, które zamieniaj sygna z czujnika na sygna dostosowany do karty pomiarowej. Najczciej wyjcie przetwornika jest w standardzie ±10V bd 4..20mA. Sygna z przetwornika musi zosta podany na filtr antyaliasingowy, a nastpnie jest próbkowany przez przetwornik analogowo-cyfrowy (ADC). Zgodnie z twierdzeniem Shanonna sygna musi by próbkowany z czstotliwoci równ co najmniej dwukrotnoci zawartej w nim najwyszej czstotliwoci. W praktyce stosowane s czstotliwoci próbkowania od kilkuset Hz do kilkudziesiciu khz. Spróbkowany sygna musi zosta przetworzony, aby mona byo na jego podstawie wnioskowa o stanie technicznym maszyny. Parametry otrzymane z sygnau drganiowego s nazywane estymatami. Poniej zostan omówione wybrane, najczciej stosowane estymaty. Naley tu równie doda, e spróbkowany sygna drga (surowy) zajmuje bardzo duo pamici operacyjnej i nie moe by stosowany do ledzenia historii pracy maszyny. Najczciej rejestrowane w bazie s tylko wybrane surowe dane. Najprostszymi estymatami s takie, które nios informacj o podstawowych parametrach sygnau. Pozwalaj one na wstpn ocen jakociow stanu technicznego. Poniej przedstawiono wybrane, czsto spotykane estymaty [3]: warto skuteczna (ang. root mean square), u rms 1 T T 0 u 2 t dt (8) warto szczytowa (ang. zero peak), u max u t (9) zp 0tT warto midzyszczytowa (ang. peak peak), u max u t min u t (10) pp 0tT 0tT wspóczynnik szczytu (ang. crest factor) u zp C u (11) rms Aby wykorzysta wiedz o zwizku uszkodze podzespoów mechanicznych z czstotliwociami charakterystycznymi potrzebne jest zastosowanie estymat dokadniejszych, odpowiadajcych uszkodzeniom wybranych elementów obiektu. Poniewa czstotliwoci odpowiadajce tym uszkodzeniom mog by bardzo bliskie, potrzebna jest bardzo wysoka rozdzielczo widma. W konsekwencji najczciej stosowana jest analiza wskopasmowa. Nie jest spotykana analiza oktawowa ani tercjowa. Rozdzielczo widma zaley bezporednio od czasu zbierania wszystkich próbek do analizy, co powoduje wyduanie czasu próbkowania (najczciej poprzez zwikszanie liczby próbek przy zachowaniu odpowiedniej czstotliwoci próbkowania). Najczciej stosuje si czasy od kilkuset milisekund do kilkudziesiciu sekund, co pozwala na uzyskanie widma o rozdzielczoci w zakresie ok. 2Hz... 0.01Hz. Analiza wskopasmowa przeprowadzana jest przy uyciu szybkiej transformaty Fouriera (FFT). Z otrzymanego widma wyznaczane s wartoci energii dla czstotliwoci charakterystycznych danego obiektu. Poniewa, jak wspomniano wczeniej, potrzebne jest zarówno przeprowadzanie analiz w dziedzinie czstotliwoci, jak i w dziedzinie rzdów, konieczne jest bd próbkowanie sygnaów drga synchronicznie z obrotami wau, bd zastosowanie algorytmów resamplingu [2]. W przypadku, gdy sygna uyteczny moduluje sygna o duo wyszej czstotliwoci nie nioscy informacji diagnostycznej konieczne jest dodatkowe
DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy 53 przetworzenie sygnau. Najczstszym przypadkiem jest ledzenie rozwoju uszkodze bieni oysk tocznych, gdzie uderzenia elementów tocznych o ubytek w bieni powoduje cykliczne wzbudzanie rezonansów strukturalnych oyska. Dla potrzeb diagnostyki oyska istotna jest znajomo nie samych rezonansów strukturalnych, a ich czstoci wystpowania. Dodatkowym utrudnieniem jest fakt, e rezonanse te maj may poziom sygnau w porównaniu do innych skadowych tego sygnau. Zaproponowano liczne metody wykrywania tego typu uszkodze [np. 12, 14, 18]. Jedn z nich, jednoczenie prost i skuteczn jest metoda analizy obwiedni sygnau (ang. envelope). Aby usun wikszo nieistotnych w tej analizie skadowych najpierw sygna poddawany jest filtracji górnoprzepustowej o stosunkowo wysokiej czstotliwoci odcicia, a nastpnie wyznaczana jest obwiednia sygnau. Obwiednia moe by wyznaczana bd przy uyciu transformaty Hilberta, bd przez urednienie i filtracj dolnoprzepustow sygnau. Otrzymany sygna obwiedni jest analizowany w dziedzinie rzdów, bd czstotliwoci, jak opisano powyej. 4. ZADANIA DIAGNOSTYKI W poprzednim paragrafie omówiono wyznaczanie wartoci estymat sygnaów drganiowych. W niniejszym omówione zostan metody diagnostyki. Najczciej spotykan metod diagnozowania stanu technicznego maszyny jest porównywanie estymat z ich wartociami odniesienia, okrelanymi jako referencyjne. Czsto metoda ta jest nazywana generacj residuów [np. 13]. Charakter pracy maszyny najczciej zaley od pewnych parametrów. Podstawowe zbiory punktów pracy nazywane s stanami. Stany maszyny zale od gównych zmiennych stanu obiektu. Najczciej tymi zmiennymi s prdko obrotowa, moc, temperatury itp. Przykadowo, maszyna moe mie zdefiniowane nastpujce stany: - postój - rozbieg - moc maa - moc wysoka u y r Obiekt - Model y m Rys. 2. Metoda diagnostyki opartej na modelu Nie tylko estymaty, ale take ich wartoci referencyjne zale silnie od stanu. W ogólnym przypadku moliwe jest opracowanie algorytmu, który bdzie dziaa dla wszystkich punktów pracy obiektu. Jest to inne przedstawienie metody diagnostyki opartej na modelu. W podejciu tym w ogólnym przypadku wartoci residuów s otrzymywane jako rónica pomidzy wyjciami obiektu a wyjciami modelu, jak przedstawiono na rysunku 2. Zaproponowano wiele metod modelowania, w szczególnoci metody oparte o równania fizyczne, transmitancje, równania stanu, obserwatory, a take modele oparte o sieci neuronowe. Jednake opracowanie takiego modelu, a szczególnie jego dostrojenie do obiektu, jest bardzo pracochonne i w konsekwencji zbyt kosztowne. Moliwe jest jednak podejcie znacznie uproszczone. Jeeli opracowanie estymat i residuów bdziemy wykonywa tylko dla wybranych, najczciej wystpujcych lub najbardziej charakterystycznych stanów maszyny, moliwe jest zastosowanie duo prostszych metod wyznaczania residuów. Najprostszymi wariantami s residua, dla których model ma posta funkcji stopnia zerowego, czyli wartoci staej. W przypadku wartoci staej problem wyznaczania residuów sprowadzi si do wykrywania przekrocze progów alarmowych, aktywnych dla danego stanu. Charakterystyki obiektu bd wic przyblione rozbiciem na kilka stanów. W konsekwencji wykrywane bd przekroczenia progów przez estymaty sygnaów drganiowych. Koncepcja tworzenia zbioru wartoci progów przedstawiona jest na poniszym schemacie. Tab.2. Schemat tworzenia progów alarmowych Stan Estymata Estymata... Estymata 1 2 j S1 L 11 L 12... L 1j S2 L 21 L 22... L 2j............... Si L i1 L i2... L ij Dokadno metody mona zwiksza poprzez definiowanie duej liczby stanów. Z drugiej jednak strony zwikszy to nakad pracy na konfiguracj algorytmu. Nawet dla niezbyt skomplikowanej maszyny, w której skad wchodz trzy przekadnie i kilkanacie oysk, wyznaczanych jest ok. 100 estymat. Dla kadego dodatkowego progu oznacza to konieczno skonfigurowania ok. 100 dodatkowych progów alarmowych. W praktyce nie wszystkie progi s definiowane dla kadego stanu, co nieznacznie zmniejsza liczb progów. Przedstawiona powyej koncepcja jest prosta, ale wymaga konfiguracji duej liczby estymat sygnaów drganiowych i jeszcze wikszej liczby wartoci progów alarmowych. W praktyce proces konfiguracji musi by zautomatyzowany, poniewa w innym przypadku nie bdzie wykonany. Pierwsz
54 DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy czci procesu jest skonfigurowanie czstotliwoci charakterystycznych ukadu. Powinno si to odbywa po zdefiniowaniu ukadu kinematycznego maszyny, na podstawie którego algorytm powinien automatycznie wyznacza czstotliwoci analiz wskopasmowych. Drug czci procesu jest okrelanie wartoci progów alarmowych. Obecnie obowizujce normy reguluj jedynie dopuszczalne wartoci skutecznej drga i wartoci szczytowej dla poszczególnych grup maszyn, nie odnoszc si jednak do wartoci harmonicznych. Prost do zastosowania automatyczn metod jest algorytm wyznaczania wartoci progów metodami statystycznymi na podstawie historii pracy maszyny. Wymaga on zebrania historii pracy zawierajcej tak ilo danych, która pozwala na wyznaczenie wartoci statystycznych. Jako metody statystyczne proponuje si zastosowa warto redni x i odchylenie standardowe. Warto progu L powinna by okrelona jako: L x n (12) gdzie warto n jest dobierana podczas konfiguracji progów dla konkretnej maszyny. Domylnie warto n wynosi 3.5 (warto otrzymana dowiadczalnie). Oprogramowanie realizujce konfiguracj wartoci progów i wspomagajce w tym uytkownika powinno sprawdza, czy liczba punktów pomiarowych w wybranym stanie jest nie mniejsza od zaoonego progu, a take powinno przedstawia graficznie wyznaczon warto progu alarmowego na tle danych, na podstawie których zosta on obliczony. Do tej pory rozwaono model uproszczony do wartoci staych. Kolejnym krokiem jest jego zdefiniowanie jako funkcji liniowych stopnia pierwszego albo w bardzo podobnym przypadku jako funkcji jednej zmiennej. W tym przypadku dla okrelonego stanu (np. nominalnej prdkoci obrotowej) naley zdefiniowa zaleno estymat od kanaów procesowych lub innych estymat (np. druga harmoniczna sygnau drganiowego w zalenoci od mocy). W przypadku takim problem wyznaczenia modelu przedstawiajcego nieuszkodzon maszyn jako podprzestrzeni w wielowymiarowej przestrzeni stanów jest dekomponowany na zbiór wielu zalenoci w przestrzeniach dwuwymiarowych. Kada z tych zalenoci musi by dodatkowo ograniczona do wybranego stanu. Inaczej koncepcj t mona przedstawi jako tworzenie wielu charakterystyk XY maszyny i ich nadzór w czasie rzeczywistym. Poniewa w praktyce istotne s tylko niektóre stany maszyny, liczba charakterystyk jest ograniczona, cho bardzo wysoka. W przypadku zastosowania takiej metody wartoci residuum jest wybrana miara odlegoci pomidzy chwilowym punktem pracy a charakterystyk referencyjn. Zaley ona tak od wybranej miary, jak i od sposobu reprezentacji charakterystyki. Miary mog by definiowane w rónoraki sposób [4], dla potrzeb algorytmu proponuje si zastosowa miar najprostsza, podajc rónic midzy chwilow wartoci estymaty a jej wartoci referencyjn dla tej samej wartoci odcitej, tj. x r y yr (13),gdzie: x,y - wartoci chwilowe, y r - funkcja opisujca charakterystyk referencyjn. Osobnym problemem jest sposób reprezentacji charakterystyk referencyjnych. Podejcie oparte na powyej zaproponowanym opisie bdzie przedmiotem bada. 5. MOLIWOCI ZASTOSOWA Zaproponowane podejcie do monitorowania i diagnostyki jest szczególnie dostosowane do maszyn o maej i redniej mocy, poniewa bardzo istotna jest w ich przypadku pracochonno instalacji i konfiguracji. Koszty, które s akceptowane dla maszyn o duej mocy, s za wysokie dla maszyn pomocniczych. Akceptowana jest natomiast nisza jako diagnostyki. Przykadami zastosowa dla systemu opartego na zaproponowanym podejciu moe by np. monitorowanie i diagnostyka maszyn pomocniczych w energetyce, takich jak wentylatory cigu, bd myny wglowe. Innym moliwym obiektem mog by maszynownie lokomotyw i wózki pojazdów szynowych. Szybko rosnc dziedzin zastosowa systemów monitorowania i diagnostyki jest energetyka wiatrowa [7]. W ostatniej dekadzie redni roczny wzrost mocy zainstalowanej wynosi ok. 20-30% [8, 9]. Na bazie zaproponowanej koncepcji opracowano eksperymentalny system monitorowania i diagnostyki specjalizowany do maszyn pomocniczych. System ten charakteryzuje si nastpujcymi waciwociami: - automatyczne wyznaczanie i konfiguracja czstotliwoci charakterystycznych, - zestaw zaawansowanych narzdzi analizy widmowej, dostosowanych do maszyn o zmiennej prdkoci obrotowej, - zestaw zaawansowanych narzdzi do wczesnego wykrywania uszkodze oysk tocznych, - modu automatycznego ustawiania progów alarmowych, - baza danych rejestrujca histori pracy maszyny, - interfejs uytkownika zoptymalizowany pod ktem zdalnego dostpu. System realizuje algorytm przedstawiony na rysunku 2. Podstawowe analizy wykonywane s na podstawie przebiegu czasowego sygnau. S to: warto skuteczna, amplituda midzyszczytowa
DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy 55 i wspóczynnik szczytu. Nastpnie wyliczana jest szybka transformata Fouriera. Z otrzymanego widma wyznaczane s energie w pasmach wg automatycznie wyznaczonych czstotliwoci charakterystycznych. Niezalenie z sygnau przebiegu czasowego wyznaczana jest jego obwiednia. Nastpnie oba sygnay czasowe (zwyky i obwiedni) s poddawane resamplingowi. Po tym kroku otrzymywane s wartoci sygnaów co ustalony kt obrotu wau (np. 1/512 obrotu). Po wykonaniu FFT takiego sygnau otrzymane linie widmowe s reprezentowane w dziedzinie rzdów, a nie czstotliwoci. Interfejs uytkownika jest zaprojektowany jako oddzielna aplikacja, komunikujca si z podstawow czci systemu. Zosta on zaprojektowany tak, aby jego obsuga bya prosta i intuicyjna. Zaoono realizacj nastpujcych wykresów: - wykres synoptyczny (przedstawiajcy schemat maszyny z naniesionymi wybranymi wartociami), - tabeli danych, w której przedstawiane s wartoci biece z wybranych kanaów, - tabeli alarmów; moliwa jest filtracja zdarze wg wanoci, okresu, potwierdzenia i róda, - przebiegu czasowego; moliwe jest prezentowanie oryginalnego przebiegu, jak i przebiegu czasowego jego obwiedni, - widma sygnau; moliwe jest prezentowanie tego wykresu w dziedzinie czstotliwoci, jak i w dziedzinie rzdów, zarówno dla sygnau oryginalnego, jak i dla obwiedni tego sygnau, - trend; moliwe jest prezentowanie na jednym wykresie kilku kanaów jednoczenie oraz filtrowanie danych, tak aby prezentowane byy dane tylko z jednego stanu maszyny. Poniej zaprezentowano przykadowe wykresy, które zaimplementowano w systemie. Rysunek 3 przedstawia widmo wskopasmowe po resamplingu, przedstawione w dziedzinie rzdów. Procedur tworzenia wykresu widma wzbogacono o moliwo naniesienia na wykres pionowych linii odpowiadajcych czstotliwociom charakterystycznym maszyny wraz z ich harmonicznymi. Dodatkowo zaimplementowano równie procedur, która pozwala na znalezienie czstotliwoci charakterystycznych, odpowiadajcych czstotliwoci kursora na wykresie. Dziki temu znacznie przyspieszono prac diagnosty. Rysunek 4 przedstawia wyniki implementacji procedury, która automatyzuje wyznaczanie wartoci progów alarmowych. Diagnosta ma moliwo okrelenia przedziau czasu, z którego bd pobierane dane do analizy, krotnoci odchylenia standardowego, które zostanie uyte do wyznaczenia progu ostrzeenia i alarmu, a take minimalnej liczby pomiarów, która jest niezbdna do wyznaczenia wartoci statystycznych. Znaczn pomoc jest moliwo graficznego przedstawienia proponowanych progów na tle wykresu z danymi. Po analizie danych i wykresu uytkownik moe zaakceptowa propozycj systemu, bd wprowadzi wasne wartoci. Rys. 3. Widmo wskopasmowe z naniesionymi liniami odpowiadajcymi Rys. 4. Interfejs uytkownika procedury wspomagajcej okrelanie wartoci progów alarmowych Opisany system jest testowany od jesieni 2004 roku na kilku maszynach w energetyce (wyposaonych w 3-stopniowe przekadnie i maszyny elektryczne). Okres prób pozwoli na sformuowanie dodatkowych nastpujcych wymaga, które podnios funkcjonalno systemu: - automatyzacja procesu konfiguracji - wykrywanie uszkodze czujników drga - uproszczenie obsugi - konieczno automatycznego transferu danych do wybranej lokalizacji Planuje si wprowadzenie powyszych uzupenie podczas dalszych prac. Planowane jest równie zastosowanie zaproponowanej koncepcji monitorowania i diagnostyki dla innych maszyn.
56 DIAGNOSTYKA 35 BARSZCZ, Koncepcja monitorowania i diagnostyki maszyn wirujcych maej i redniej mocy 6. PODSUMOWANIE W artykule przedstawiono koncepcj nadzoru diagnostycznego nad maszynami o maej i redniej mocy, dla których nie s stosowane skomplikowane systemy stosowane do maszyn krytycznych. Opisano charakterystyczne cechy tych maszyn, a take przedstawiono estymaty najwaniejsze z punktu zawartoci informacji diagnostycznej. W kolejnej czci zaproponowano metod diagnozowania uszkodze opart na wyznaczaniu czstotliwoci charakterystycznych obiektu oraz na podziale wielowymiarowej przestrzeni stanów maszyny na stany najistotniejsze. Dla stanów tych wyznaczane s wartoci progów alarmowych dla poszczególnych estymat. Metoda ta jest koncepcyjnie prosta, ale wymaga pracochonnej, cho nieskomplikowanej konfiguracji. Pooono nacisk na automatyzacj procesu konfiguracji. Przedstawiono moliwoci zastosowa oraz zaprezentowano wyniki implementacji metody do monitorowania rzeczywistego obiektu. Zaproponowano rozszerzenie metody o wprowadzenie nadzoru w oparciu o charakterystyki dwuwymiarowe oraz usprawnienia eksploatacyjne. LITERATURA [1] Barszcz T.: Nowoczesny system zbierania i przetwarzania danych w diagnostyce maszyn. Praca doktorska, AGH, Kraków, 1997. [2] Barszcz T. Proposal of the new method for mechanical vibration measurement, Metrology and Measurement Systems, 12/2004 [3] Bendat A., Piersol J.: Przetwarzanie i analiza sygnaów losowych. Biblioteka inyniera, WNT Warszawa 1982. [4] Cempel Cz. Podstawy wibroakustycznej diagnostyki maszyn, WNT, Warszawa 1982 [5] Cempel Cz., Cholewa W., Drobniak S., Kiciski J., Krzyanowski J., Orowski Z.: Systemy diagnostyki turbozespoów energetycznych nowej generacji, Przegld Mechaniczny, no. 1-2, 1995. [6] Chiang L.H., Russel E.L., Braatz R.D. Fault detection and diagnosis in industrial systems, Springer, London, 2001 [7] T.J. Clark, R.F. Bauer, J.R. Rasmussen, Wind power comes of age, ORBIT 2Q 2004 [8] European Wind Energy Association, Wind Energy. The facts. An analysis of wind energy in the EU-25, EWEA, 2005 [9] European Wind Energy Association, Wind power continues to grow in 2004 in the EU, EWEA, 2005 [10] R. C. Eisenmann, Machinery Malfunction Diagnosis and Correction. Hewlett Packard Professional Books, 1997. [11] Gertler J. Fault detection and diagnosis in engineering systems, Dekker, New York, 1998 [12] U. Klein, Schwingungsdiagnostische Beurteilung von Maschinen und Anlagen, Stahleisen Verlag, Duesseldorf, 2003 [13] Kocielny J. M.: Diagnostyka zautomatyzowanych procesów przemysowych, EXIT, 2001 [14] Nowak J., Saarinen K., Orkisz M., Wnk M. Integracja zada diagnostyki i sterowania na przykadzie systemu do monitorowania oysk gównych napdów okrtowych, materiay konferencji Diagnostyka Procesów Przemysowych, Rajgród, 09.2005 [15] Randall R.B.: Frequency Analysis. Bruel & Kjaer, Naerum, 1987. [16] Reeves Ch. W.: The Vibration Monitoring Handbook. Coxmoor Oxford 1998. [17] Trendmaster goes Pro. ORBIT 2/2004. [18] www.spminstruments.com Dr in. Tomasz BARSZCZ pracuje jako adiunkt w Katedrze Robotyki i Dynamiki Maszyn Akademii Górniczo-Hutniczej. Zajmuje si diagnostyk techniczn w energetyce (gównie wibrodiagnostyka, ukad regulacji). Bierze udzia w projektowaniu i wdraaniu systemów diagnostycznych.