阀门预测性维修技术进展

张 健，常露丹，蒋永兵，刘柏圻，郝娇山

（重庆川仪调节阀有限公司，重庆 400707）

0 引言

阀门是管路流体输送系统中的控制部件，用来控制管路中流体的通断、流向、流量、压力和温度等，具有导流、截止、节流、止回、分流或溢流卸压等功能。阀门在石油、化工、电力、制药、核能等领域均有广泛的应用［1］。2016 年，湖北某发电有限责任公司相关员工在进行热能调试时高压蒸汽管道突然破裂，造成21 人死亡、5 人受伤（其中3 人重伤）的重大安全事故，经调查发现，事故由锅炉蒸汽出口处主管道流量计阀门的焊缝开裂导致，最后造成严重的人员伤亡和财产损失。据统计，在全球每年发生的重大工业事故中，大约30%是由于阀门故障所致［2］。接近50%的阀门定期维修是非必要的，甚至有20%的定期维修对阀门是有害的，所以及时发现阀门的潜在故障并制定合理有效的阀门检维修计划对阀门本身以及整个工业系统都是非常重要的［3］。

当前对阀门的健康监测以及预测性维修已经在阀门制造商、阀门使用单位中形成了共识。通过阀门的健康监测能够有效预测阀门故障的发生，及时制定应对措施有效避免意外停机，并且可以获得巨大的经济效益。基于此，本文详细地阐述了阀门预测性维修研究和阀门故障诊断技术应用现状以及阀门预测性维修面临的困难和未来的发展方向。

1 阀门预测性维修研究现状

1.1 概述

维修通常分为传统反应式维护（RM）、预防性维护（PM）和预测性维修（PdM）3 类。RM［4］是只有当设备发生故障或运行故障时才会执行维修设备的维护操作。PM［5］也称为计划维护，它可以降低维修成本和计划外停机时间，但可能导致不必要的维修或灾难性故障。PdM 也称为预测性维护［6］，能够在设备不停机的情况下进行检测、隔离和识别设备和组件的前身和初期故障，监测和预测故障的进展，并提供决策支持以制定维护计划，能够有效减少维修成本和提高维修可靠性［7］。维修的目标是实现生产效益的最大化，不同的设备所匹配的最佳维修方式也不尽相同，例如只起关断作用的家用水龙头就完全没有必要通过增设传感器的方式进行预测性维修，只需要采用“抢修”的方式就完全能够满足日常需求并实现效益的最大化。图1 示出不同检修方式所对应的投入成本趋势对比［7］，虽然并不适用于所有设备，但仍能够说明为什么要进行预测性维修技术的研究。表1 中则列举了各种维修方式所适用的工况以及优缺点。

表1 不同维修技术优缺点及适用工况对比Tab.1 Comparison of advantages and disadvantages of different maintenance technologies and applicable working conditions

图1 各种维修技术费用对比Fig.1 Comparison of various maintenance technology costs

阀门维修的整体逻辑如图2 所示。

图2 阀门维修整体逻辑Fig.2 Overall logic of valve maintenance

预测性维修技术需要基于检维修数据、实时检测数据作为预测判断的基础，再基于该部分数据通过故障诊断模型对设备可能存在的故障进行预测，最后结合现场实际情况制定合理的检维修策略。所以想要实现预测性维修，需要同时发展状态检测装置、故障识别算法以及检维修策略等相关技术。

1.2 状态检测手段研究现状

常见的状态检测手段包括温度、位移、介质流量、介质压力等，相关的检测手段已经较为成熟，本文仅对近期发展较为快速的其他检测技术进行介绍。

（1）振动检测技术。

振动检测技术在设备预测性维修中非常重要且应用十分广泛，该技术通过振动传感器不仅能够监测设备的运行，还可以在发现异常情况后对设备的故障进行分析和诊断［8-12］。蒋爱国等［13］提出了一种多模态堆叠自动编码器模型（MSAE），分别运用电流传感器和加速度传感器获取电流信号和电机在垂直方向上的振动信号。商建云等［14］基于振动检测实现了对先导溢流阀的故障检测。振动检测技术以往在往复式运动装备应用较多，但在阀门设备中应用较少，除阀门设备振动参数较难与明确故障进行关联外，还有一个重要的因素在于常规振动检测装备（加速度传感器）以及振动信号处理设备较为昂贵。但随着国内相关技术的发展，振动检测设备的成本已经大幅降低，并出现了国产非接触式激光振动测试设备。此类技术的发展为振动检测技术在阀门故障诊断中的应用提供了可能。需要指出理论上振动传感器所采集的加速度数据可以变化为位移、速度等多种信号，但实际操作过程中使用最多的是经过变换后的频域信号。但因为频域信号与故障之间直接建立对应关系较为困难，所以使用神经网络、人工智能等模糊算法在此类领域应用较为广泛。

（2）红外检测技术。

通过温度检测能够对阀门的内漏、外漏、开启等实际工况进行检测，但布置大量常规温度传感器的方式并不现实，所以逐步发展出了利用红外成像原理进行大范围泄漏检测的相关技术。红外检测技术近年来得到快速的发展，特别是近3年，红外仪传感相关检测设备的国产化率快速提升［15-18］，相关检测设备价格的大幅降低促使红外检测设备在阀门故障诊断中得到规模化应用成为了可能。红外检测技术不但能够对高温介质的外漏进行识别，对阀门内漏同样具有一定的识别能力。郭秀林等［19］利用热成像仪对阀门内漏情况进行检测，由于其检测迅速而直观，在电力系统中展现出较好的应用前景，该技术的应用对提高机组的热经济性、实现节能降耗具有重要的意义。张奇［20］系统地介绍了红外泄漏检测技术在介质泄漏方向的应用。但红外检测技术只能进行定性分析，无法对泄漏量进行定量判断，且实际操作效果受操作环境影响较大，高温、阴雨、湿度较大、大风等自然情况都会对检测判断产生巨大影响。另外，当介质温度与环境温度相近时也较难发现泄漏的存在。

（3）声发射测量技术。

声发射技术通过检测泄漏过程中产生的高频振动信号实现对泄漏的检测［21-23］，在管道泄漏检测及阀门检测中均有一定的应用。郭亚军［24］介绍了该技术在管道泄漏中的应用，并介绍了该技术在泄漏检测中的成本优势。孔德连等［25］借助美国声学公司的泄漏专用传感器IS-9203B 对阀门的泄漏进行检测研究。张忠政等［26］则借助该技术对安全阀的泄漏进行了检测研究。张少博等［27］基于声压测量技术研究了故障阀门的声学特性，该方法可以有效、简便地检测阀门故障，并且该方法可以推广到其他使用阀门的供应系统中。邹兵等［28］提取并分析了气体阀门声发射信号特征参数，结合泄漏量之间建立起关系对泄漏信号进行识别。从大量的研究论文可以看出，声发射技术已经得到了广泛的认可，国外也已经出现了基于声发射的安全阀泄漏检测装置如图3 所示。随着国内相关技术的发展，应力波泄漏检测技术所涉及的硬件设备已经得到了国产化，检测传感器的成本也大幅降低，该技术有望在阀门泄漏检测中得到广泛应用。

图3 基于声发射技术的安全阀泄漏检测装置Fig.3 Safety valve leakage detection device based on acoustic emission technology

但声发射技术也存在很多亟待解决的问题。首先，现有的声发射泄漏检测主要为定性分析，理论上通过结构分析、测试标定的方式能够实现一定精度的定量检测，但阀门结构类型众多，口径、材料配合复杂，想要实现定量检测仍需要完成大量的工作；另外，如果将声发射检测技术作为一种在线检测技术，如何解决现场机械振动、介质湍动等导致的声发射系统泄漏检测误报问题，也是声发射技术推广不可回避的问题。

（4）光纤传感技术。

基于光纤技术的传感器能够实现对应变、温度的检测，同时其耐高温能力促使其在很多工况中具有不可取代的优势。通过对应变、温度的检测，不但可以对阀体变形、阀杆受力进行检测，还可以对阀门的内漏、外漏进行监测。同时光纤传感器具有可长距离、多点信号传输的特点，特别适合长输管线等系统中阀门的故障检测。叶子等［29］对阀门发生泄漏时伴随产生的声发射（与前述应力波检测相同）现象，利用光纤的光弹效应，实现对超声信号的探测和提取并对阀门泄漏实地测试验证。吴小飞等［30］提出了利用光纤的温度检测能力实现对阀门内漏的检测技术。师琪等［31］提出了一种基于光纤光栅（FBG）传感器的智能螺栓，有效实现对螺栓预紧力以及螺栓温度的检测。

光纤传感技术具备很多优点，但在推广过程中也遇到了很多问题，其中包括光纤信号解调仪价格昂贵、裸光纤容易折断、高温工况光纤与结构连接困难、结构变形信号需要与温度导致的变形进行解耦等。

1.3 故障识别算法研究现状

随着各种识别技术研究的不断深入，故障识别算法研究取得了非常显著的成就。周成江［32］用CEEMD 方法对高压隔膜泵单向阀振动信号进行分解，将特征向量输入PSO-LSSVM 模型进行故障诊断。钱恩丽［33］采用ICEEMD 与CMFDE 的方法对处于大量噪声工况下的单向阀做出早期的故障诊断研究。王金东等［34］基于VMD 和改进多尺度熵，结合极限学习机对往复压缩机气阀进行故障诊断分类，实现了故障的正确识别。吴鹏等［35］基于小波包分解-KPCA-SVM 的技术，对压缩机气阀故障进行了诊断。周意贺等［36］基于小波包分解与支持向量机SV 对往复式压缩机网状气阀进行了故障诊断研究。冯泽仲等［37］基于循环频谱相干（CSCoh）和深度卷积神经网络（DCNN）的方法识别隔膜泵单向阀故障诊断。故障特征识别有很多种方法，一种采用变量对模型的不同响应进行分类，如灵敏度；另外一种是指考虑变量之间的相互关系，根据特征变量之间的信息选择合适的特征。理论上通过建立变量与响应之间的关系就能够建立相应的故障识别模型，但阀门作为介于静设备与动设备之间的一种过渡型设备，其动作次数相比泵、压缩机等动设备要少很多，所以其故障识别无法基于海量数据进行训练，而更多的需要依赖理论分析和专家系统来实现。

1.4 检维修策略研究现状

维修策略是指针对产品劣化情况而制定的维修方针，包括决策依据、维修措施及执行时机，许多学者对基于故障识别的检维修策略进行了研究。江秀红等［38］将维修重要度和目标导向法进行结合，提出了系统预测性维修的总体思路，并搭建了综合系统可靠性评估、单元重要性评价、维修策略制定为一体的预测性维修平台，制定维修措施。王建新等［39］通过智能传感器采集商用车制造设备数据形成数据库 MySQL，并对数据进行分析、诊断、预测和决策，再结合专家诊断数据库和建立诊断模型，运用AI 诊断设备状态并生成诊断报告。杨中卿等对核电厂主变压器开展基于在线监测技术的预测性维修技术研究，先梳理核电主变压器的故障模式及对应的预防性维修策略，再找到表征状态的参数，研究这些参数与在线监测技术手段之间的技术关系，最后得到主变压器预防性维修策略优化方案［40-43］。基于故障识别的检维修策略主要是根据系统采集的数据形成数据库，通过对数据识别故障、诊断分析等，再结合人工经验判断，给出正确合理的维护维修建议。

但阀门的维修并不只需要完成故障识别，更需要完成对维修介入时间、维修后果影响等系统的分析，但现阶段针对阀门设备的检维修策略相对较少，阀门仍以主设备维修策略的附带产品出现。阀门的维修策略更多倾向于产品是否能够服役到下一个检修周期，而并不关心不同的维修策略对整体运行成本及失效风险的影响。

2 阀门故障诊断技术应用现状

基于前述故障检测传感器、故障诊断算法、预测性维修策略中的两项或三项内容进行集成就可以形成初步的商业化故障诊断设备并真正意义上实现阀门的预测性维修。在已有的阀门故障诊断设备中，相关产品可大致分为两大类，一类通过智能定位器、智能电动执行器对执行器推力、阀位等状态参数进行检测，实现对阀门故障的诊断，此类技术多应用于控制阀领域；另外一类产品则通过在阀门外部单独设置检测装置，同样通过对推力、阀位、振动等监测数据的分析实现对阀门的故障诊断，此类产品多应用于间歇工作的开关控制阀中。

2.1 基于智能定位器、智能电动执行器的故障诊断技术

早期的阀门预测性维修主要是基于智能仪表和专用诊断设备。美国FISHER 早前推出了FIELDVUE DVC 的数字式阀门定位器和AMS ValveLink 控制阀诊断软件（如图4 所示），能够对阀门的状态进行预测。德国Foxboro 研发了SRD960/991 数字式阀门定位器和VALcareTM 控制阀诊断软件，结合PACTware平台进行故障诊断。德国SAMSON 以具有故障识别、逻辑推理和鲁棒性的专家系统为基础，联合数字式阀门定位器，实现阀门预测性维修。日本azbil（山武）开发的SVP 3000 数字式阀门定位器和Valstaff 阀门诊断软件能够对阀门卡滞、动作速度、移动距离、零位开度等进行分析诊断。

图4 FISHER-VALVELINK 产品Fig.4 FISHER-VALVELINK products

除基于智能定位器对气动阀门进行故障诊断外，基于电动执行器同样能够实现对阀门的故障诊断与预测性维修，二者思路基本相同，通过采集电动执行器输出扭矩、输入电流、阀位等信息，并基于故障诊断系统实现对阀门故障的检测。该类阀门故障诊断与系统以ROTORK IQ 系列智能电动执行器（见图5）及其配套IQ insight 平台最具代表性。该故障检测系统能够对过载、磨损等阀门故障进行检测，并能够基于历史数据完成对阀门潜在故障的预测。

图5 ROTORK IQ INSIGHT 故障诊断型智能电动执行器Fig.5 ROTORK IQ INSIGHT fault-diagnosis type intelligent electric actuator

国内老牌智能定位器生产商重庆川仪调节阀有限公司也在多年前推出了自主生产的智能定位器产品，并在该产品的基础上开发出了能够实现阀门故障诊断的HVP20 系列智能定位器产品，如图6 所示。

2.2 基于外接设备的阀门故障诊断技术

对于很多没有配置智能定位器及智能电动执行器的阀门，无法基于智能定位器及电动执行器实现对阀门基础参数的采集，所以发展出了独立于阀门的外接式阀门故障诊断系统。此类检测装置主要针对单值较高的关键工艺阀门产品，所以在核电系统中此类技术推广较早，使用也较为成熟，其中最具代表性的产品为Teledyne 公司的QuikLook 产品。此类装置所采用的数据采集装置一般不对原有阀门产品产生附加影响，特别是不会采用侵入性检测。常见外接检测装置及手段包括：使用外贴应变片方式实现对阀杆推力、扭矩的测量，使用拉线、红外等位移传感器实现对阀门开度测量，使用外贴壁面声发射传感器测量阀门内泄漏等。基于采集数据，故障诊断系统能够实现阀门现存故障及潜在故障的检测。类似的产品还包括Crane 公司的VOTES、AREVA 公司的ADAM®and SIPLUG 等。

上述装置主要针对核电阀门产品，能够实现的检测及故障识别功能非常强大，但对于多点实时监测难度较大。近年来也陆续出现了多个专门针对批量阀门故障实施监测的平台，如ConditionALL 等。此类产品造价更低，模块化安装更加方便，已经在石化等民用流程工业中得到了应用。图7 示出ConditionALL 产品及平台。

图7 ConditionALL 阀门智能诊断平台Fig.7 ConditionALL valve intelligent diagnosis platform

图8 阀门预测性维修分级Fig.8 Predictive maintenance grading of valves

在常规流程工业中，关断阀的重要程度较低，所以相关技术应用推广较为困难。但在核电系统中，重要关断阀门的故障诊断需求却非常迫切。中核苏阀科技实业股份有限公司在近年也研发了基于外接设备的故障诊断设备，通过该设备能够对闸阀等阀门的故障进行在线、离线诊断。

2.3 两类故障诊断设备优缺点对比

两类故障诊断系统对比见表2。

表2 两类阀门故障诊断系统优缺点对比Tab.2 Comparison of the advantages and disadvantages of the two types of valve fault diagnosis systems

2.4 基于RBI 的预测性维修技术

虽然近几年预测性维修的概念在阀门中应用的热度快速升高，但实际上阀门的预测性维修技术早在20 世纪90 年代就已经随着基于风险的检验（Risk-Based Inspection，RBI）技术引进并在中国得到了一定程度的落地实施。RBI 技术属于典型的预测性维修技术，其基于失效概率与失效后果的综合考虑后制定相应的维修技术。该技术引入后对于阀门行业而言最大的作用在于对安全阀校验周期的延长（通常情况下要求安全阀每1 年校验1 次，通过RBI 分析后可以将校验周期延长1 年或更长）。RBI 技术相对较为成熟并已经形成了较为全面的标准体系，包括国外的API 581 Risk-Based Inspection Technology，以及国内的GB/T 26610.1～GB/T 26610.5 承压设备系统基于风险的检验实施系列标准。该标准中给出的安全阀失效概率计算方法就属于典型的“经验模型”（威布尔模型），基于标准中给出的参考参数就能够计算获得安全阀在某个使用周期内的失效概率。RBI 标准中给出的基于风险的维修策略制定方法可以作为其他类型阀门预测性维修过程中维修策略制定的重要参考。

国内多家检验机构，包括：中国特检院、上海特检院等，均具备开展RBI 的能力，并可对安全阀的延期校验进行评估。但现有的标准中仅对安全阀的延期校验进行了规定，对于常规手动阀、控制阀等非强制年检类阀门并未进行明确的规定，所以想要基于风险制定常规阀门的维修策略仍需要继续开展相关工作。

当然，在现有安全阀延期校验技术实施过程中也发现不少的问题：（1）默认通过检维修后的安全阀状态与出厂状态一致；（2）不同品牌安全阀具有相同的失效概率；（3）历史检修数据未系统考虑等。上述问题至少在感官上与实际情况存在较大的偏差，想要实现更加完善的预测性维修还需要有更准确的数据加以支撑。

3 阀门预测性维修面临困难及发展方向

如果将阀门预测性维修系统进行分级，可以大致分为3 个级别：L1 级（人工简单阈值诊断+常规维修策略），系统中设置某一参数报警阈值，该参数可以直接或间接通过测量数据简单计算获得，例如通过智能定位器检测到的执行器压力就能够计算获得执行器所产生的推力，当执行器推力超过设定阈值范围，则故障诊断系统提醒报警，达到报警则直接进行维修；L2 级（人工复杂逻辑诊断+综合维修策略），故障诊断系统能够基于检测数据进行复杂运算，获得阀门更多状态参数，例如故障诊断系统通过对比往期阀门开启过程开启速度、开启力数据，实现对后续阀门是否会出现卡阻提前预判，并综合已经设定的其他维修策略（如风险损失等）给出相应的预测性维修建议；L3级（AI 智能诊断+智能维修策略），基于AI 大数据技术，故障诊断系统可通过历史检测数据及实时检测数据对阀门可能存在的各种直接关联、间接关联、表面无关联故障进行识别，并结合其他设备的AI 分析结果，综合考虑全厂各种因素，制定最佳维修策略。

现有的大部分阀门故障诊断系统已经完成L1 级别开发，部分已经完成L2 级开发（国内产品还基本处于L1 级），但距离L3 级仍有较大差距。想要进一步提升面临来自技术以及管理方面的各种挑战。

3.1 技术挑战

3.1.1 检测设备

虽然现有的检测设备品类众多，能够检测的参数也较为全面，但相关设备想要实现对阀门故障的在线和离线监测仍然面临非常多的考验。（1）成本。现有的高精度检测设备的成本仍然偏高，无论是声发射检测设备、振动检测设备，还是红外检测设备的造价仍较高，如果想要实现相关技术的大面积推广，成本是绕不开的话题。（2）功耗。对于工业现场特别是已经投用的设备中想要附加在线检测设备很难从现场获得供电（受限于现场布置及防爆要求），如何控制检测设备功耗实现独立电源长期工作，对在线检测的实现非常重要。（3）信号传输。对于不依赖定位器、电动执行器的检测设备，无法借用已有通信渠道，只能独立建立通讯渠道，如何保证通讯满足现场防爆、安全等要求也是不得不考虑的问题。（4）信号处理。现场工业环境与实验室环境存在较大差异，如何通过高效数据过滤的方式将无效信号剔除是后续故障诊断结果是否准确的重要基础。

3.1.2 故障识别

阀门产品虽然只是机械工业产品中非常小的一个分支，但阀门产品的种类、规格非常多，单就大类而言包括蝶阀、球阀、闸阀、截止阀、调节阀、止回阀、安全阀等，根据功能的不同则包括更多的分类。同时每一种阀门类型下又包含各种结构的不同产品，每种结构产品的工作原理及特点各不相同，因此导致不同类型、不同工作原理的阀门会存在不同的故障表现，故障原因也将存在巨大差异。各种阀门故障类型及其表现是故障诊断技术的基础，所以建立常见各类型阀门对应故障及其故障特征库是阀门预测性维修研究的重点也是难点所在。另外，在实际应用中，一种故障可能对应若干种征兆；一种征兆也可能由多个故障所致，这再次增加了故障识别的难度。

建立专家库的方式很多，包括前述的经验分析以及最近发展迅速的人工智能，但无论何种方法，数据的归集最终都需要进行大量的数据搜集和试验。从数据中提取特征参量，不但需要在海量数据中进行筛选，还需要能够对各种参量进行归类对比，只有这样才能够实现对故障的准确识别。所以，如何收集数据并通过软硬件相结合的方法，对数据进行筛选，再在筛选数据的基础上通过特征识别、特征对比的方式实现特征参量与故障之间的关联识别是阀门预测性维修中的难点，也是建立高精度故障识别算法的基础。

3.1.3 维修策略

目前对于阀门PdM 策略方面的研究还较少，需要根据阀门故障预测结果进行维护操作，但这样的操作所带来的收益并不明确。维修策略需要决策依据、维修措施及执行时机3 方面相结合，选择决策方法比如数学模型法、人工智能方法或者仿真方法等。这个过程需要丰富的专业知识和阀门检维修工作经验，以便做出经济合理的维修决策。如何有效地融合多源数据并提取有用的高级功能进行预测仍然是一个悬而未决的问题。

3.2 管理挑战

预测性维修除技术方面的挑战外，摆在行业面前的另外一个难题来自于管理方面。（1）数据传输安全，现代工业对于现场数据传输有明确的安全性要求，一方面是为了保护专利工艺参数，另一方面是为了防止恶意的反向控制，在这种条件下如何实现监测数据的传输仍面临巨大的挑战；（2）如何实现利益共享，预测性维修技术的推广涉及到设计、生产、使用、维修、监管等多个领域，如何挖掘各方在预测性维修方面的利益点，对于推动预测性维修技术的发展至关重要；（3）“一平台”，如果要求用户针对每一类设备都添置一套智能运维平台，用户的管理成本将极高，如何建立统一的共享平台，实现数据的共享互联且利益共享显得最为迫切。

4 结语

无论在军用领域还是民用领域的应用中，系统对阀门运行的可靠性要求越来越高。虽然目前在阀门故障诊断技术方面已取得了一些应用成效，但在如下几个方面仍存较多问题：（1）低成本高可靠性阀门故障识别专用传感器；（2）低功耗数据原位处理、传输技术；（3）阀门故障识别专用算法；（4）基于故障的整体收益最大化维修策略；（5）与其他设备监测、管理系统的共生逻辑。在未来阀门预测性维修技术持续发展、推广的过程中还可能陆续出现其他的各类问题，但笔者相信在不久的将来预测性维修技术必将为阀门行业的发展带来新的革命。