基于DBN的烟气轮机退化失效预警模型研究

田文慧 张来斌 胡瑾秋

（中国石油大学（北京）机械与储运工程学院 北京）

目前，对于烟气轮机（以下简称烟机）故障分析与诊断领域的研究多集中于该设备某一种故障类型特征，通过对其振动信号进行处理，找出其中的故障规律，如采用支持向量机对信号进行分类，不同类别代表不同故障类型，以此实现故障诊断的目的[1]；利用模糊矩阵的方法计算信号对于不同故障类型的隶属度以实现故障类型划分[2]；也有的是通过对烟机在不同故障类型下状态参数所呈现的特点实现故障诊断[3]。然而，烟机的正常安全运行需要各个组成部件相互协作共同完成，某一或某些部件的退化将会对其他部件的正常工作产生影响，在多种因素相互耦合作用下最终导致故障的发生。上述方法并不能表达出故障发生过程中部件退化时相互之间的影响作用，更不能得到部件在相互影响作用下的退化趋势。

本文在对烟机退化失效机理进行研究的基础上，利用烟气轮机监测状态参数的偏差情况，基于动态贝叶斯模型，计算得出烟气轮机各部件当前所处退化状态，找到最可能发生故障的部件以实现故障诊断的目的，并预测出各部件在未来时间段内的退化趋势从而达到预警的效果。

一、基于动态贝叶斯网络的故障预警模型基本理论

贝叶斯网络（Bayesian Network，BN）广泛应用于维修、风险分析和可靠性研究领域[4]。该方法是一种基于概率推理的图形化网络，它由包括多种节点、连接节点的有向线、每个节点对应的条件概率分布表（CPT）组成。其中，节点分为观测节点和隐含节点。

动态贝叶斯网络（ Dynamic Bayesian Network，DBN）是静态贝叶斯网络应用的拓展，表达了动态节点在一定的时间段中的变化情况[5]。这些时间段，被称之为“时间片”。相同时间片内变量之间的关系由片内的连接线表示，不同时间片的关系由时间片间的连接线表示。也就是说，同一时间片内，可以看作是一个静态的BN，里面的节点及之间的连线表示着在这一时刻设备各部件及观测参数之间的关系；不同时间片之间有关系的节点相连，表示前一时刻的节点对后一时刻节点的影响。贝叶斯公式是贝叶斯网络的推理机制。以A表示一个事件，以B表示另一个事件。依据贝叶斯公式（公式1）可以求得在B事件发生的情况下A事件发生的概率为P（A|B）。

当建立烟气轮机DBN预警模型时，观测节点表示由传感器测得的设备状态参数，划分的状态表示参数偏差情况；隐含节点表示设备部件，不同的状态表示该部件的退化程度。有关系的节点之间连接有向线。条件概率依据专家经验设定。将观测节点的偏差情况代入到建好的DBN模型中，计算得到烟机各部件（隐含节点）在当前时间片及在后续事件片中处于不同退化阶段的概率。将这些由时间和概率组成的二维数组表示的点连成线，即可得到烟气轮机部件退化趋势图。将退化趋势与给定的标准相比较，当部件正常概率低于给定标准时发出警报，从而达到预警的目的。找到当前时间片中部件最可能处于的退化状态，实现故障诊断的功能。

二、烟机退化失效预警模型建立步骤

1.第一步（研究烟机失效机理）

烟气轮机常应用于流化催化裂化烟气能量回收系统中，是该系统的重要组成设备之一。其工艺流程为：从再生器中排出的烟气经过旋风分离器分离出其中大部分的烟尘颗粒，进入烟气轮机；烟气轮机利用高温高压烟气的热能及压力能做功，带动主风机转动。烟气轮机依据其结构和功能可以分为本体结构、调节及保护系统、辅助设备及系统三个部分。烟气轮机本体结构包括叶片、转子、汽缸、汽封、轴承及其他；辅助设备及系统包括润滑油供应系统和轴封系统[6]。对烟机失效机理进行研究，可以选择故障类型与影响分析（FMEA）等方法。找出其退化失效发生过程。

2.第二步（确定节点和有向边）

（1）节点和有向边的确定。经过对烟气轮机进行FMEA分析可以发现，其本体结构中，叶片、转子、汽缸、轴承易发生故障。故选取叶片、转子、轴承为隐含节点。此外，润滑油的作用对于各部件的退化起到重要作用。

综上所述，选取的动节点包括叶片、主轴、轴承；并加入与润滑油有关的部件如润滑油喷嘴等。将这些重要部件作为隐含节点，反映部件状态的参数作为观测节点。存在相互影响关系的节点之间用有向边连接。在工程实际中，转轴振动幅度、叶片振动幅度、叶片温度并不会直接测量。因此，将这三个节点去除。

（2）节点状态划分。对于隐含节点，依据部件退化过程划分为不同阶段。以叶片为例，叶片因其工作环境充满高温高压的烟气，易发生高温氧化腐蚀和高温蠕变破坏[7]。烟气中未能被充分分离出的微粒对叶片存在着冲蚀作用，且还存在着催化剂的沉积问题[8]。多重因素的作用下，叶轮叶片会出现呈现宏观裂纹、断裂损伤的退化现象[9]。因此，对叶轮的退化阶段设置为“正常”、“宏观裂纹”、“断裂损伤”。

观测节点依据观测值与设定阈值的相比的偏差情况划分为不同状态，表1、表2为节点信息表。

3.第三步（设置条件分布概率表）

DBN构建的最后一步是条件概率表（CPT）的确定。每一个CPT包含子节点在父节点的特定状态下的条件概率。本文中选取通过专家经验的方法设定。

4.第四步（建立烟机退化失效预警模型）

在以上各要素确定的基础上可以绘制烟气轮机退化失效预警模型DBN模型（图1）。图1中数字含义参见表1、表2中动静节点编号对应的节点意义。在DBN图中，“○”表示动节点，“□”表示观测节点，实线表示T时刻动节点状态，虚线表示T-1时刻动节点状态。图中节点数字编号参见表1和表2中的动静节点编号。

三、案例分析

图1 烟机退化失效预警DBN图

某时刻轴承温度偏高，轴承振幅正常。经此模型推理，可以得到不同部件（隐含节点）状态发生的概率。推理结果如图2所示，图中横坐标数字意义参见表1中动态节点状态编号。除润滑油喷嘴外，其他部件处于“正常”的概率都接近1。润滑油喷嘴处于“正常”的概率最高，为0.5772。因为此时的偏差为“轴承温度偏高”，但是轴承振动幅度正常。若轴承出现退化，发生的偏差不止是有温度上的偏离，也应该有振动幅度上的异常。通过对部件所处的状态进行推理，找到最可能处于不正常状态的部件，就可以实现故障诊断的功能。利用该模型，可以进一步对退化失效趋势进行预警，为轴承处于不同退化阶段的概率随时间的变化趋势。为实现预警功能，设定“正常”概率低于0.5后发出报警信息，这个值也可以根据实际情况进行调整。从图中可以看出，当时间为900 h左右时正常的概率低于0.5，此时可以发出报警。当时间为3000 h时，正常的概率几乎为0。轴承的正常寿命约为30 000 h[10]，此处寿命急剧缩短的原因是润滑油喷嘴极可能损坏（图2g），润滑油供应出现问题从而加速轴承磨损。

表1 动态节点信息

表2 静态节点信息

图2 烟气轮机各部件退化状态推理结果图

四、结束语

本文基于动态贝叶斯网络的基础上建立了烟气轮机部件退化失效预警模型。该模型利用烟气轮机监测参数的偏差情况计算得出组成烟气轮机的主要部件的退化情况。通过对当前时刻部件最可能处于的退化阶段的计算实现故障诊断功能。此外，该模型还能够在计算出当前时刻部件退化可能性外，推理出未来时间片中部件退化趋势。当部件退化至指定可靠度后进行报警。结合计算出的时间和概率状况，实现预警功能。

1 于芙蓉.基于支持向量机的烟气轮机故障诊断研究[D].北京:北京化工大学，2009

2 Zhao X，Liu Y，He X.Fault diagnosis of gas turbine based on fuzzy matrix and the principle of maximum membership degree[J].Energy Procedia，2012，16:1448-1454

3 王春林.烟气轮机故障诊断的特征分析及应用[J].化工机械,2010，37（ 4）:523-527

4 Weber P，Medina-Oliva G，Simon C，et al.Overview on Bayesian networks applications for dependability，risk analysis and maintenanceareas[J].Engineering Applications of Artificial Intelligence，2012，25（ 4）:671-682

5 Cai B，Liu Y，Zhang Y，et al.A dynamic Bayesian networks modeling of human factors on offshore blowouts[J].Journal of Loss Prevention in the Process Industries，2013，26（ 4）:639-649

6 黄树红.汽轮机原理[M].北京:中国电力出版社，2008

7 吴宇坤,周敬恩.汽轮机叶片常见失效方式及研究现状[J].汽轮机技术，1995，37（ 6）:362-367

8 石油化工规划设计院催化裂化能量回收攻关小组.国外流化催化裂化装置烟气轮机能量回收系统简介[J].石油炼制与化工，1975，（3）

9 苏勇令,蔡帼英.提高大型汽轮机叶片可靠性的意见[J].华东电力，1996，（ 1）

10 滚动轴承额定动载荷和额定寿命标准[S].GB/T 6391-2003，2003