阀门健康管理的智能化价值

阀门是流体设备中重要的零部件，阀门常见的故障包括阻塞、泄漏以及开度执行失误等。阀门的故障影响阀门的使用。在一般的工业设备中阀门数量众多，因此对阀门的维护是一个费时、费力的工作。

另一方面，有些工质流涉及有毒有害物质，一旦出现跑冒滴漏的故障，将直接影响人员安全。阀的智能健康管理是基于数据对阀自身的健康状态进行监测与评估。从而实现数据巡检，减小人员工作量以及危险环境暴露的风险。阀门的智能健康管理与传统的阈值比较式报警相比，并非在故障阈值发出警报，而是在故障之前，提出提前预警，更加有利于进行预测性维护。本文以一个应用实践，对阀门智能健康管理进行介绍。

一个实际的阀健康管理问题

某核电厂有两台机组，常规百万千瓦级公用阀数量大致为3万台。电厂对设备的可靠性和可用性要求较高，而阀门数量大，巡检工作繁重，容易出现误判，是当前遇到的主要问题。电厂希望对工厂的阀门实现智能健康管理。我们选择给水阀为示例讲述分析方法与过程。

阀门状态的数据化

首先选择可以代表阀门工作状态的参数作为分析对象。阀门工作中动作的时间很短，通常都是执行到给定位置后的静止状态，很难用温度、振动等状态参数来描述。因此使用阀门动作的结果参数——工质流量、阀门开度、阀门通过能力等参数作为分析对象。

问题的机理理解

阀门的特性一般用CV特性描述。阀门的流量系数可以由工质体积流量、阀门压力损失系数、工质密度求得。

一般的阀门CV特性如下图所示：

给定一个开度，阀门的流量系数可由CV曲线中查得，如图中位置1. 阀门常见的故障可以从图中判读：

第一：阀门堵塞之后，相同流量下开度增加。此时，如图中位置2.

第二：阀门破损泄漏之后，相同流量下的流量开度降低。此时如图中位置3.

数据模型与机理模型的差异

阀门的诊断理想模型与实际数据存在差异。本案的实际给水阀控制中，多个阀组合工作，只有合并之后的总流量，而没有单个阀各自的流量，总体CV曲线是多段拼接，无法直接使用CV曲线。

设备工作于不同的工况条件下，阀的组合状态不同，多段拼接的CV组合曲线中，每一段对应的设备工况需要通过算法和模型自动识别。

健康管理模型思路解析

本案首先建立阀的正常健康模型，选择监控目标参数y，以及与目标参数相关的工况参数x（由相关原始数通过工况切分算法自动识别得到）。

选择设备健康状态下的监控目标yₕ以及相应的工况参数xₕ。建立调节阀的健康基准模型f

yₕ=fₕ(xₕ)

在阀工作期间，抽取实时工况参数xᵣ，通过fh得到实时目标预测参数yₕᵣ。