左学谦 ，熊 芝 ，聂 磊 ，丁善婷 ，唐怀珍 ，宋德夫
（1.湖北工业大学机械工程学院，武汉 430068；
2.湖北省现代制造质量工程重点实验室，武汉 430068；
3.安徽容知日新科技股份有限公司，合肥 230000）
油田注水是油田开发过程中向地层补充能量、提高油田采收率的重要手段之一，是采油生产过程中最重要的生产环节之一［1］。它是以水质处理和水质稳定为前提，以保护油层为基础，弥补原油采出后所造成的地下亏空，达到保持或提高油藏压力，实现油田稳产、增产的目的［2］。在保持地层能量过程中，泵作为一种以输送流体或使液体增压为目的的机械，是一种以液体为工作介质进行能量转换的装置［3］。柱塞泵具有排出压力高、泵效高、易操作等优势，在油田中得到广泛应用。但是，该设备因其用量大，导致管理难度大；
结构复杂，体重大，不易移动；
腐蚀、结垢等造成使用寿命短，维修频次与费用高，劳动强度大；
长期使用安全系数降低，造成效率低下；
生产中耗电量占油田总耗电量的29%以上，是油田生产链中的耗电大户，影响到整个油田生产发展效益等问题。目前，基于两化融合的总体要求和智能化油田发展方向，对油田设备的运行可靠性又提出了更高的要求。因此，对其进行有效的故障评级，及时准确的进行定位维修，提高工作效率，实现“被动维护到主动保养检修”转变，达到“问题早发现、故障早干预、事故早预防、处理及时、定位精确”的目的，是防止故障扩大、保证设备正常运行的一项重要的工作。
故障等级评价就是对要发生的故障进行定性以及定量的分析，给出相应的等级，以便更好地进行状态监测与维修决策。国内外专家及学者提出了多种关于故障等级评价的方法。RAFET等［4］提出一种基于频率分量的神经网络统计分析对螺旋齿轮箱中不同程度的点蚀故障进行分类的方法。SONG等［5］提出了一种基于性能评价的自动车辆功能安全故障等级判定算法。RAFET MTLÜ等［6］利用振动可视化方法和人工神经网络（ANS）对蜗杆变速箱点蚀故障等级进行分类。贾兴［7］通过将现有离线检测和在线监测技术进行结合，构建齿轮箱故障等级预测的数学模型。马虎强等［8］运用RCM理论对离心式压缩机进行安全评价及维修决策制定的研究。李阳林等［9］采用层次分析法与熵值法计算特征指标的权重系数，运用线性加权法构建输故障风险等级的量化评估模型。王丰等［10］提出了一种航空装备故障损失等级的可拓精准判定方法。葛伟凤［11］采用基于故障类型和影响分析法相结合，进行故障等级划分等等。
上述结果显示，目前国内外对设备进行故障评级正在朝着定量分析的方向不断丰富发展，但是在油田设备应用研究方面，目前基本处于常规阶段性保养，发现问题后开展维修工作，采用智能监控、系统诊断及预防性保养维护工作开展缓慢，影响目前国有企业开展精细管理及降本增效等工作。针对以上情况，本文在现有实验监控平台基础上，采用一种基于AHP（层次分析法）的故障等级评价方法，实现油田设备各故障模式的等级划分。该方法在油田现场得到了较好地应用效果、故障响应，满足现场“诊断—保养—维护—维修”需求。
层次分析法是由SAATY T［12］为解决多目标决策问题而提出的定性与定量相结合的一种分析方法，其优势在于能够系统化、层次化地确定复杂系统中多项指标的权重系数，从而形成一个综合的量化指标，帮助指导决策。本文采用此方法对柱塞泵进行故障评级，具体实现步骤为：
（1）建立故障分层评价结构模型。对柱塞泵现场统计归类的常规故障建立故障分层评价结构模型。
（2）计算权重并构建权重矩阵P。通过对柱塞泵进行系统全面的FMECA分析，将9标度与FMECA分析中的严酷度一一对应进行比较，建立判断（成对比较）矩阵Y并进行一致性检验，最终确定权重构建权重矩阵。严酷度与9标度对应关系见表1。
表1 严酷度与9标度对应关系Tab.1 Correspondence between severity and 9-scale
根据表1得到的判断（成对比较）矩阵Y可采用求和法求出其最大特征根λmax及所对应的权向量w，接着对判断（成对比较）矩阵Y进行一致性检验。一般地，当一致性比率CR＜0.1或λmax=n，CI=0时，认为判断（成对比较）矩阵Y的不一致程度在容许范围之内，有满意的一致性，通过一致性检验［13］，因此可用Y的特征向量代替权向量，即权重矩阵P=wT。否则需要重新构造判断（成对比较）矩阵Y，对yij加以调整。
（3）确定模糊判断矩阵R。确定模糊判断矩阵就是确定各故障层次的原因集对故障等级的隶属关系矩阵。
根据故障的最终影响程度，可将其分为4个故障等级：致命故障、严重故障、一般故障和轻微故障［14-16］，表2为四维故障等级划分集。
表2 四维故障等级划分集Tab.2 Four-dimensional failure level classification set
（4）生成故障等级评判矩阵E。利用权重矩阵和模糊判断矩阵，进行矩阵相乘运算，得到分层次故障等级评判矩阵。以此类推，得到上一级故障等级评判矩阵。即：
式中P——权重矩阵；
R——模糊判断矩阵；
°——模糊运算符。
（5）故障评级确定。将得到的故障等级评判矩阵E与故障量化向量X进行综合计算，得到故障等级的量化值S，计算公式如下［17］：
式中X高——各故障量化范围上限值组成的故障量化分向量；
X低——各故障量化范围下限值组成的故障量化分向量；
通过将求得的故障量化范围（S低，S高）与表2相结合可确定故障等级。
实例地处陕西省西北角、榆林市最西端的定边县，其所在的鄂尔多斯盆地致密油资源丰富。选取XX采油厂在实际运行过程中故障率高、维修费用大的柱塞泵液力端开展基于AHP故障评级。
2.1 搭建故障分层评价结构模型
柱塞泵主要由动力端、液力端、动力传动部分、润滑系统及安保系统5部分组成。根据现场工况及实际情况，搭建液力端部分故障分层评价结构模型，如图1所示。
图1 液力端部分故障分层评价结构模型Fig.1 Hierarchical evaluation structure model of hydraulic end failures
2.2 构建权重矩阵
根据9标度与严酷度之间的一一对应关系，构造第2层次的判断矩阵，分别如表3，4所示。
表3 判断矩阵B1Tab.3 Judgment matrix B1
表4 判断矩阵B2Tab.4 Judgment matrix B1
由此可求得判断矩阵并通过一致性检验，进而得出第2层次的权重矩阵，如表5所示。
表5 权重矩阵Tab.5 Weight matrix
2.3 模糊判断矩阵
根据表1，2和现场反馈结果设计相应的问卷调查作为参考，依据故障分层评价结构模型采用专家打分法进行打分。本文通过10位专家打分取平均值得出结果如表6所示。
表6 专家打分结果Tab.6 Expert scoring results
对表6中数据归一化处理后可确定第2层次的模糊判断矩阵如下：
2.4 故障等级评判矩阵
由上可生成第2层次故障等级评判矩阵如下：
E1=P1°R1=（0 0.2005 0.3056 0.4869）
E2=P2°R2=（0 0.2384 0.3736 0.3880）
2.5 故障评级确定
由表2构造故障量化向量为：
由上可知，柱塞泵常规故障中液力端部分的故障量化范围分别是（69.670 2，88.845 4）、（65.870 1，86.726 9），由表2查得该故障量化范围都属于60＜C≤90之间，对应故障等级均为C。因此，在维修决策中需要对该故障作为重点对象来进行分析研究。
2.6 结果分析
图2示出柱塞泵状态监测与故障诊断平台。本平台主要采用边缘计算技术对其振动指标进行状态监测，在线实现设备运行故障智能预警，并对数据进行理论分析，验证系统给出的故障等级评价结果的正确性。
图2 柱塞泵状态监测与故障诊断平台Fig.2 Plunger pump condition monitoring and fault diagnosis platform
通过状态监测与故障诊断平台发现，在2021年4月12日至4月19日时间段出现三级报警响应，显示的故障结果为可明显听到进排液阀的阀腔内出现不均匀的碰撞声。因此，对该时间段的振动数据运用振动基础理论进行分析验证，主要过程如下：
机组柱塞输出端与十字头测点从2021年4月16日20时刻开始，高频加速度存在着持续上升的趋势，说明设备开始出现劣化，有可能出现故障。柱塞泵高频加速度多趋势分别如图3所示（图中16k表示采样长度，一般值为102 4的整数倍，即：16×102 4；
（2～20 000）表示频率分辨率）。同时，可看出柱塞输出端低频加速度从2021年4月18日22时刻开始同样存在明显抬升，产生劣化趋势。柱塞泵低频加速度多趋势如图4所示。
图3 柱塞泵高频加速度多趋势Fig.3 Multiple trends of high frequency acceleration of plunger pump
图4 柱塞泵低频加速度多趋势Fig.4 Multiple trends of low frequency acceleration of plunger pump
将柱塞输出端振动上升前后状态进行对比分析可知，时域波形中的波形冲击形态发生明显改变，由原来的尖刺状冲击衍变成大团簇状的周期性冲击特征，说明柱塞泵在运行过程中存在冲击性振动，可初步判定柱塞泵产生故障。柱塞泵多时域波形如图5所示。
图5 柱塞泵多时域波形Fig.5 Multiple time domain waveform of plunger pump
综上分析可知，机组柱塞输出端及十字头测点振动上升，可能是由于柱塞泵的密封或液阀组件存在异常，通过现场检修发现柱塞泵液力端的排液阀阀座已损坏，遂更换。重新启动设备运行一段时间后进行信号验证，目前柱塞泵振动明显下降，趋势相对平稳且运行正常，大大避免了小事故酝酿大事件的发生。检修后柱塞泵多趋势如图6所示。
图6 检修后柱塞泵多趋势Fig.6 Multiple trends of plunger pump after overhaul
由以上分析可看出，采用基于AHP的故障等级评价方法得出的故障评级结果与实际过程中系统报警响应分析得出的诊断结果具有良好的一致性。该方法有效减少了危险因素干扰，能较好地指导维修保养工作，实现第一时间停泵检修，减少过度维修和更换备件，避免故障扩大，降低了主要部件损伤可能性，节省了维修费用。
以此类推，通过应用上述的AHP方法可分析得出柱塞泵常规故障情况及故障评级结果见表7。
表7 柱塞泵常规故障及故障评级Tab.7 Common faults and fault rating of plunger pump
通过对某油田采油单位现场30台柱塞泵进行故障评级分析实验，发现日常巡检频率由以前90次/月下降至15次/月，维护费用显著降低，尤其是大修费用降低20%左右，设备运行时间提升15%，计划维护时间提升25%，应用效果明显。
（1）AHP方法能较好地为油田用泵实现分析、决策、预警、控制提供定量的依据。其关键在于判断矩阵的建立，因此注重指标权重的正确性，建立出科学、合理的判断矩阵，进而提高评价结果的有效性显得尤为重要。
（2）故障评级分析方法能客观地评估柱塞泵的故障程度，有效指导现场柱塞泵监控及维护管理，可有效降低日常柱塞泵巡检频次至15次/月，减轻现场人员巡检强度，提升了巡检质量，大修费用降低了20%左右，设备运行时间提升了15%，计划维护时间提升了25%，为柱塞泵的现场状态监控管理水平提升提供理论依据。
（3）故障等级评价具有很好地筛选、过滤、提醒作用，与设备监控平台故障诊断图谱之间有较强关联度，既有利于现场管理人员利用SCADA平台上进行集中监控，又有利于管理人员直接指导现场维修人员开展维护工作，提高工作效率。
（4）现场以泵为主导，充分利用注水管线及生产现场采集的视频、流量、压力、温度及其它数据信息，通过大数据分析平台以及大数据标准化的支撑，结合平台诊断与现场工艺运行，建立更加快速高效的故障抢维修机制，实现故障预测与健康管理，这将是下一步研究重点工作。
猜你喜欢 权重矩阵油田 权重望寡：如何化解低地位领导的补偿性辱虐管理行为？*心理学报(2022年5期)2022-05-16新形势下油田党群工作思路的探索和研究活力(2021年4期)2021-07-28权重常思“浮名轻”当代陕西(2020年17期)2020-10-28油田工人当代工人(2020年2期)2020-05-11一滴油的后面岁月(2018年11期)2018-11-14为党督政勤履职 代民行权重担当人大建设(2018年5期)2018-08-16权重涨个股跌 持有白马蓝筹证券市场红周刊(2018年3期)2018-05-14多项式理论在矩阵求逆中的应用读与写·教育教学版(2017年10期)2017-11-10光泽or油光？向夏日“大油田”saynoCoco薇(2016年5期)2016-06-03矩阵南都周刊(2015年4期)2015-09-10