引  言

随着工业智能仪表的推广和技术不断发展，仪表已经具备通讯功能，可以实现对仪表数据的实时采集以及远程分析等，为仪表故障远程判断提供了技术支持。但是，在现有工业用户的智能仪表故障判断中，依然采用传统的人工到达现场对仪表检测校验进行判断的方式，这种方式更多依赖维护人员的技术水平，并且需要耗费企业大量的人力资源，而且无法及时发现仪表的故障，对于故障期间的能源用量难以统计，造成用户以及企业的不便。因此，在线故障诊断技术的应用和系统的建立就显得极为必要。

 

1 在线诊断

1.1 在线诊断系统

物联网使远程监测和在线诊断仪表故障成为可能［1］。一方面，软件系统通过物联网能够收集工况数据，调节工艺参数，控制生产过程；另一方面，软件系统可以充分利用物联网数据远程诊断仪器仪表，并借助大数据平台分析故障原因。在线诊断系统一般由物联网接入子系统、在线诊断业务子系统、在线诊断大数据分析子系统和人机交互子系统组成。其中，在线诊断业务子系统和大数据分析子系统是故障诊断的核心。一个通用的在线诊断系统架构示意图如图 1 所示。

本文提出的工业流量计故障诊断方法是在新疆油田油气生产物联网和监控平台上实现并应用的。

 

1.2 在线诊断流程

在线故障诊断过程一般包括 3 个主要步骤：①检测和筛选表征系统状态的各种特征信号；②对所检测的特征信号提取征兆，即信号处理和特征变换；③由征兆和其他诊断知识来识别系统的异常状态，对故障进行分类判断和定位。故障诊断的过程可以看作一系列过程数据集的转化，即测量—特征—决策—故障分类和定位。

 

对工业流量计而言，本文提出的故障诊断方法主要利用瞬时流量（模拟量信号）、累积流量（模拟量信号）、流量系数（模拟量信号）等特征信号，利用专家系统判断其是否处于异常状

态，再通过多个诊断周期的叠加判断，确认仪表处理故障状态。

 

1.3 故障诊断方法选择

就工业过程的故障诊断领域而言，当前研究方法可分为 3大类：基于机理模型的方法、基于定性知识的方法和基于过程数据的方法。基于机理模型的方法发展时间较长，相对比较成熟。属于这类的典型方法包括参数估计方法、观测器方法、对偶关系方法等。基于知识的方法主要是利用人工智能的方法（包括专家系统、模糊逻辑、因果分析等［2］）自动完成整个检测和诊断过程。基于过程数据的方法以采集的过程数据为基础，通过各种数据处理与分析方法（如多元统计方法、聚类分析、频谱分析、小波分析等［3］）挖掘出数据中隐含的信息，从而指导操作工进行生产。上述方法可以综合使用，提高故障诊断的成功概率。

 

2 工业流量计

一般工业企业内部的主要能源介质为水、气体、蒸汽，其流量计的类型一般有以下几种：①水：常选择电磁流量计或超声波流量计进行流量测量［4］；②气体：常选择测量元件为差压式，配合差压变送器一同使用进行流量测量。③蒸汽：常选择涡街流量计进行流量测量。流量计一般可以采集瞬时流量、累计流量和流量系数等数据，供故障诊断使用。

 

3 故障诊断方法

3.1 概述

方法关键点在于根据输入的瞬时流量、累积流量、流量系数实时值变化情况及持续的时间完成水仪表故障诊断判断。多个诊断周期的叠加，能够提高故障判断成功率。具体流程如图2 所示。

3.2 水和蒸汽介质测量仪表故障模型

3.2.1 流量计供电故障

正常：Qs ＞ 0 （1）

故障：Qs=0 且 Ql=0，T1-T2 ＞ T0 （2）

式（1）（2）中：Qs 为瞬时流量；Ql 为累计流量；T0 为时间限值，可配置；T1 为当前时间；T2 为流量计供电状态故障计时开始时间。

 

3.2.2 流量计通信故障

正常：Qs［0］≠ Qs［1］ （3）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T3 ＞ T0 （4）

式（3）（4）中：Qs［l］和 Ql［l］数组分别用于记录两个临近周期为瞬时流量和累计流量；Qs［0］为当前瞬时流量；Qs［1］为前值瞬时流量；Q［0］表示当前累计流量； l Q［1］ l

表示前值累计流量；T0 为时间限值，可配置；T1 为当前时间；T3为流量计通信状态故障计时开始时间。

 

3.2.3 瞬时流量和累计流量不同步

正常：Qs［0］≠ Qs［1］且 Ql［0］≠ Ql［1］ （5）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T4 ＞ T0 （6）

式（5）（6）中：Qs［0］为当前瞬时流量；Qs［1］为前值瞬时流量；Ql［0］表示当前累计流量；Ql［1］表示前值累计流量；T0 为时间限值，可配置；T1 为当前时间；T4 为流量计瞬时流量和累积流量不同步计时开始时间。

 

3.3 气体介质测量仪表故障模型

 

3.3.1 记录仪供电故障

正常：Qs ＞0或 Ql ＞0或 Kq ＞ 0 （7）

故障：Qs=0 且 Ql=0 且 Kq=0，T1-T5 ＞ T0 （8）

式（7）（8）中：Qs 为瞬时流量；Ql 为累积流量；kq 为流量系数；T0 为时间限值，可配置；T1 为当前时间；T5 为记录仪供电状体故障计时开始时间。

 

3.3.2 记录仪通信故障

正常：Qs［0］≠ Qs［1］ （9）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T6 ＞ T0 （10）

式（9）（10）中：Qs［0］为当前瞬时流量；Qs［1］为前值瞬时流量；Ql［0］表示当前累计流量；Ql［1］表示前值累计流量；T0 为时间限值，可配置；T1 为当前时间；T6 为记录仪通信状体故障计时开始时间。

 

3.3.3 差压变送器未接入

正常：Qs ＞0或 Ql ＞0或 Kq ＞ 0 （11）

故障：Qs=0 且 Ql

=0 且 Kq=0，T1-T7 ＞ T0 （12）

式（11）（12）中：Qs 为瞬时流量；Ql 为累积流量；kq 为流量系数；T0 为时间限值，可配置；T1 为当前时间；T7 为差压变送器未接入故障计时开始时间。

 

3.3.4 累计流量和瞬时流量不同步

正常：Qs［0］≠ Qs［1］且 Ql［0］≠ Ql［1］ （13）

故障：Qs［0］=Qs［1］且 Ql［0］=Ql［1］，T1-T8 ＞ T0 （14）

式（13）（14）中：Qs［0］为当前瞬时流量；Qs［1］为前值

瞬时流量；Ql［0］表示当前累计流量；Ql［1］表示前值累计流量；T0 为时间限值，可配置；T1 为当前时间；T8 为瞬时流量与累计流量不同步故障计时开始时间。

 

4 测试与评估

新疆油田实际测试情况如下。

配置：水介质流量计 380 个，气体流量计 224 个。采用本文提出的在线诊断系统和故障判别模型，设采样周期 3 分钟，时间限值为 30 分钟，观测周期 1 个月。

结果：系统判别仪表故障 29 次，涉及仪表 8 个，故障检测率 1.3%。通过现场诊断反馈，准确率 100%。

结果说明：水介质中存在气泡、流动状况不符合安装要求等也是影响流量计故障的原因［5］，但不在本故障检测方法之内。

 

5 结  语

通过理论分析和新疆油田测试评估证明，本文提出的在线故障诊断系统和方法是有效的，并在工业流量计的故障诊断上得到很好的实践，有效降低了人工诊断和维护成本。基于物联网的工业设备在线诊断和维护是一种大的趋势。