1引言

阀门作为一种通用的管道组成件，主要用来控制管路内流体的通断、流向、流量、压力和温度等。阀门在石油、化工、电力、制药、太阳能光伏、核能等领域均有广泛的应用。

近年来，伴随着科学技术的发展，一些新的工艺流程和控制要求不断出现，它们对阀门的使用范围和技术性能提出了越来越高的要求。目前，工艺介质的温度从超低温一~C到高温℃；介质压力从超真空1．33×10MPa到超高压MPa；介质有很多是易燃易爆、有毒有害和有腐蚀性的危险化学品。而阀门作为控制这些介质的关键元件，一旦发生故障，将带来巨大的经济损失甚至人员伤亡。国内外由于阀门故障引发的灾难性事故屡有发生，例如年四川泸州摩尔玛商场天然气爆炸事故、年上海某化工厂超临界乙烯大量泄漏事件。震惊世界的美国三哩岛核泄漏事件中反应堆泄压阀由于故障没有自动回座，使堆芯冷却剂外流，最终导致堆芯融化。因此，若能准确及时识别关键阀门在运行过程中故障的萌生和演变，对于保障工艺系统安全运行，减少或避免安全生产事故的发生具有非常重要的意义。

阀门故障诊断技术是通过测量阀门在运行过程中的状态信息，对测量数据加以处理和分析，结合阀门的历史状态信息，来预报阀门的健康状态，进而确定必要的阀门维护策略。该项技术涉及到的主要研究内容有阀门运行状态信号的获取和传输、阀门状态信号的处理和故障特征的提取、阀门发生故障的机理以及阀门维护策略的制定等。

2国内外研究现状

自从美国三哩岛核事故后，美国电力协会(EPRI)在杜克电力公司的马绍尔蒸汽站首次开展了阀门故障诊断的工作。国际原子能协会(IAEA)也在年发布的核电站状态检修文件中对核电站阀门的故障诊断提出了指导性意见。此后，国内外对阀门故障诊断技术开始进行广泛的研究，在各方面都取得了不少成果。

2．1信号获取与传感

信号的获取和传感是对阀门进行故障诊断的前提。对于调节阀，诊断信号的获取一般通过智能定位器进行。通过阀门定位器可以获得阀门行程、控制信号、摩擦力、响应时间、弹簧刚度和I／P转换等参数。通过这些参数的变化可以判断出阀门的健康状态。而对于没有安装定位器的开关阀，则需要另行安装各类传感器，如在阀杆上贴应变片来测量阀杆的扭矩和推力，有些不便贴应变片的场合也有通过在阀杆上安装精度稍低的钳形推力传感器来测量阀杆推力。对阀门电动头电参数的测量往往需要将电动头打开后再将电压、电流、行程开关、力矩开关等传感器接入。而对气动阀门气压的测量也需事先在管路上留下压力采集

口_5l6J。由于应变片价格昂贵且安装不易，也有很多学者通过测量电动头电参数后间接推算阀杆扭矩“，称之为MCC(MotorControlCenter)方法，Kang等对这种间接测量方法的精度进行了评估，虽然和直接测量相比存在一定误差，但是能准确反映出阀门在启闭过程中的力矩和推力的变化趋势¨。Jung等对MCC方法进行了改进，试验结果表明经过改进后该方法对阀杆推力的估算误差在8．8％左右。

阀门内漏的检测除了通过检测阀门是否关闭到位外，目前最常用声发射检测技术n]。承压阀门内漏后介质冲击阀体产生声发射信号，该信号为连续信号，其RMS值在一定条件下和泄漏率成正比。但是这种测量方法也存在一定的局限性，如在压力不高的情况，其信号比较微弱，且受噪声影响比较大；其RMS值和泄漏率之间的定量关系是在传感器安装位置和内漏位置事先已知的情况下标定得到的，但是实际工况下阀门发生内漏的位置是随机的，因此目前基于声发射技术的内漏定量检测在实际运用中存在一定的局限性。王新颖研究了在阀门不同类型、规格和工作介质情况下利用声发射传感器检测内漏的最佳安装位置。

对于介质温度较高的阀门，工业现场也有通过红外热成像仪对阀门的内、外漏和保温层材料的降级进行检测，但这种阀门泄漏的检测只是一种定性的方法。管士涛、陈艺昌和陈启卷等对阀门故障诊断的组网和信号远程传输技术进行了研究。

2．2信号处理与分析

现场采集的传感器信号往往因含有各类噪声而无法用来直接分析阀门的状态，必须从原始信号中提取特征信号，这是对阀门实施故障诊断的必要条件。信号放大滤波是最常用的方法，很多时候传感器获得的原始信号都非常微弱，如应变片电桥的输出和声发射传感器信号的输出，在后续进行采集和分析前必须对原始信号进行放大。因为原始信号中的噪声也被一同放大，所以必须将放大的噪声滤去。传感器得到的信号有时在时域上不能反映出故障特征，快速傅里叶变换(Fn’)常用于将时域信号变换成对应的频域信号，Meland等利用频谱分析的方法对切断用球阀的内漏声发射信号进行分析，发现球阀内漏时信号在频域内有明显的特征频率。

小波包变换作为有效的信号处理方法已被广泛用于平稳信号和非平稳信号的分析处理，张海峰等采用小波包的方法对天然气管道球阀内漏的声发射信号进行分解，特别是采用二进变换的方法对每一层分解后高频断进行再分解，有效弥补了小波变换中高频段局部性分解差的局限J。赵玉明等利用小波包对往复泵泵阀的振动信号进行分解和重构来构造能量特征向量，该向量能有效地反映往复泵泵阀的故障特征。

2．3故障机理与征兆

弄清阀门故障产生机理和表现形式是对阀门开展故障诊断的基础。黄燕等探讨了阀门的故障特点、起因和主要模式。张颖运用气动声学、气体射流和涡运动等理论对阀门气体介质内漏过程进行了分析¨，认为可以用四极子声源近似表示阀门气体内漏喷流噪声源，并建立了阀门气体内漏喷流速度与喷流强度噪声强度的关系。高倩霞等认为阀门发生内漏时，泄漏处将产生波动压力场，形成多相湍射流，该多相湍射流将产生多种声发射源信号，可作为监测阀门泄漏的信号’。韩国从年开始对核电站电动阀门实施状态监测，Kim等认为阀杆因子是衡量电动闸阀阀杆输出推力的主要参数，阀杆因子SF(StemFactor)是电动头输出力矩和阀杆推力的比值，即

阀门在日常使用过程中，阀门材料的选用、阀杆的润滑情况和介质产生的动态压差都会影响阀杆推力的输出。归一化后，阀杆因子越大，阀杆的输出推力越小。但是当阀杆因子大于0．2后，阀杆输出力不再明显变小。戴兵等在对秦山联营公司的一台阀门进行诊断时发现电机开行程功率存在波动，曲线呈锯齿状，波峰的周期为2．3s，而阀杆旋转一周的时间也为2．3s，推断阀杆压盖装配不当，阀门解体后发现阀杆与蜗轮配合确实存在不对中现象。

2．4智能决策

阀门故障诊断的智能决策是通过有效地获取、传递和处理诊断信息，模拟人类专家对被诊断阀门的运行状态和故障做出智能判断和决策。

这对阀门维护大纲的优化、降低阀门维护成本起着非常重要的作用。以百万千瓦级别的核电站为例，阀门的投资额占设备供应费的3．8％，但是阀门每年的维护费用占整个电站维修总支出的一半。在对阀门故障类型的分类方面，人工神经网络是最常用的方法，Karpenko等针对气动调节阀故障设计『一种多层的前向人工神经网络，以阀门动态误差、死区、回差和上下死点设定等参数为输入，区分}}{阀门供气、排气口堵塞和隔膜泄漏等故障34]。Lee等利用人工神经网络对核电站止回阀进行诊断，通过训练该方法能识别出内漏是由阀瓣磨损或是由落入异物造成的，该方法还能进一步推断出阀瓣的磨损量和异物的尺寸大小。戚华峰分别研究了BP、RBF和Elman神经网络对核电站电液伺服阀进行诊断的效果，结果表明RBF神经网络在诊断的实时性、故障分类的准确度方面优于其他两种方法。Gonealves等采用Kohonen映射实现电动阀门力矩、位移或关闭时间等不同故障的预测。

Bo等提出一种无参数统计假设检验的方法诊断调节阀的间隙、死区、泄漏和堵塞故障，通过提取传感器信号的中心矩，利用似然比检验法对故障进行分类l3。乔刚则采用故障模式分析方法(FMEA)对电动重水隔离阀的主要失效和故障模式进行了分析，建立了故障树，其研究结果优化了阀门试验的频率，降低了阀门维护的成本。Acentech公司通过测量电动阀门执行器的电压和电流值来估算执行器的输出扭矩，并给出了基于扭矩的电动阀门典型故障曲线。杨国峰等采用简化的数学模型，利用模式识别技术对核电站安全级电动隔离阀运行数据进行模糊推理，计算数据和标准故障模式的贴近度，从而识别出阀门故障类型_4。华北电力大学的陈新亚为对电动阀门进行在线诊断，设计了一种总线型的电动执行机构，以此为基础利用VC++和CLIPS工具编写了阀门故障诊断专家系统，建立了较为完善的诊断规则知识库，总结了l0种故障征兆类型判别函数的算法。

2．5工业产品

目前已有一些能用于在工业现场开展阀门故障诊断的产品出现，主要分为3类：总线型、移动型和手持型。总线型主要有Et本阿自倍尔株式会社开发的调节阀维护支持系统ValStaf、法国阿海珐公司的SIPLUGOnline3系统和Crane公司的Gabriel系统、FlowServe公司的ValveSight和Fish—er公司的ValveLink。

总线型的诊断系统一般用于诊断装有智能电动头的调节阀，通过HART总线进行数据通讯。移动型诊断设备主要有Tele—dyne的QuikLook、CraneNuclear的Viper和VOTESINFINITY、及Areva的SIPLUGDAW3。其中Crane的Viper主要用于气动阀门的诊断和标定，SIPLUG主要用于电动阀门的诊断和标定，而QuikLook和VOTESINFINITY兼具电动阀门和气动阀门的诊断功能于一身。Crane公司的诊断产品已经在中国的6个核电机组上得到应用，而TeledyrBe产品的主要用户包括加拿大的Velan、英国的Weir、美国的FlowServe和台湾电力公司等。

Avera公司推出了全球唯一的移动型电磁阀诊断设备SIPLUGSOVMobile，该设备通过测量电磁线圈的电流、电压、线圈电阻和温度来判断电磁阀的健康状态。目前该设备已经被应用于瑞士的Beznau核电站，德国的Gundremmingen、Grohnde、Grafenrheinfeld和Neckarwestheim核电站以及西班牙的Trillo核电站。未来其总线型版本将被用于芬兰的Olkiuoto核电站。手持型诊断设备主要是Fisher公司基于ValveLinkMobile软件的产品，包括定制的手持设备、PDA、甚至装有Windows系的智能手机。手持设备通过蓝牙和阀门定位器进行通讯，进行相关测试，获取阀门的运行参数。

在阀门内漏的检测设备方面主要有美国Mis—trasGroup公司的VPACII和英国ScoreGroup公司的MIDASMeter，两种设备都是基于声发射原理的阀门泄漏定量检测设备。关闭状态下的阀门承受一定的压力时，该类设备能检测到的最小泄漏量约为1L／min。受周围环境噪声、检测位置和承受压力的影响，泄漏量检测的误差在50％～％之间。

阀门制造商利用阀门诊断设备对出厂的阀门进行多次测试(BaselineTest)，得到各关键参数的平均值和波动范围。阀门交到现场使用后，用户会以一定的周期用同类的设备对阀门的关键的参数进行在线测试。如果测试的结果在制造商测试结果的范围之内则认为阀门是健康的，阀门无需进行维护。反之则需要对阀门进行维修调整，直到最终的测试结果再次落到出厂的范围之内。

3存在的问题

3．1阀门状态参数检测精度不够高

对阀门的状态参数进行测量是进行阀门故障诊断的基础，但是目前有些检测方法和设备受检测原理或检测环境的限制，存在检测精度不够的问题。例如用钳形推力传感器(C—Clamp)进行闸阀阀杆推力的测量时，推力的测量误差最大可达20％，而这个误差往往超出了阀门执行器输出力预留的裕度。显然此时通过阀杆推力的测量结果来判断阀门未来启闭性能的结果可信度是较差的。又如用声发射设备检测阀门内漏时，一旦阀门承受的压差较小，介质冲击阀体无法产生应力波信号时，阀门即使存在较大内漏也无法被检测出来。

3．2阀门早期微弱故障难以诊断

对阀门故障的诊断首先要获得阀门运行时的各种状态信号，从信号中提取各种特征信息。通过对特征信息的分析获得故障发生的征兆。但是目前情况下，阀门的诊断分析方法都是针对阀门在运行过程中已经出现较明显故障的情况。对于一些早期、微弱以及复合的故障目前还缺少有效的诊断分析方法。对阀门故障诊断分析方法本身的可靠性还缺少相关的研究，这也是目前阀门故障诊断分析方法在实际中应用较少的原因。另外，有些阀门的故障并不是由单一的原因引发，而是由多个起因耦合产生的，而现有诊断方法几乎都是针对单一的故障模式开展。因此针对复合型、系统型的阀门故障，现有的诊断方法还不能有效可靠地溯源故障成因。

3．3阀门故障机理研究不够深入

阀门的故障机理即为病理，指引起阀门故障的物理、化学、机械、电气或是人的原因及其因果关系。目前对于阀门故障模式的分析有很多工程上的例子，但是对引发这些症状原因的研究目前还比较少。阀门故障机理的研究需要大量基础理论研究和工程实际数据支撑，一般需要建立故障机理的基本数学模型，通过实际故障数据对其进行修改完善。但是由于阀门的种类较多，使用的工况存在很大的差异，获得所有阀门较全面的故障数据几乎是不可能的，因此通过仿真分析阀门的故障机理将是一种有效的手段。

3．4诊断决策系统的智能性尚待提高

由于对阀门故障机理的研究存在不足，阀门故障实际数据的累积比较少，因此阀门故障诊断系统用来推理判断的基础知识比较缺乏，这也导致对阀门进行故障诊断时仍需要人为参与。目前用于诊断决策的专家系统缺乏足够的知识表达，推理效率低下。而人工神经网络系统无法获得足够的训练样本，并且需要人为设置一些假定条件和参数，因此其实际运用也受到限制。模糊诊断技术也需要先验知识确定各关系矩阵。因此，底层故障机理和故障数据的不足制约了上述诊断方法智能性的发挥。

4技术发展方向

虽然目前阀门故障诊断技术的研究已经取得了一些进展，但是从阀门故障诊断技术当前面临的问题出发，该项技术未来还需在以下几个方面加强研究：

4．1提高检测结果的精度和可靠性

如果检测结果的精度和可靠性出现问题，即便后续的分析方法和决策系统再先进，诊断的结果也有可能是错误的。现有检测设备精度不高的原因主要是由检测原理本身所造成的，因此很有必要吸收利用当前摩擦学、材料学、电子学和测量学的相关先进成果，结合阀门本身的特点研发出高精度、高可靠性的检测设备。对于某些重要的阀门状态参数，可以采用不同的检测设备对其测量，以提高检测结果的可靠性。另外，多传感器融合技术也是提高检测结果可靠性的一种方法，在阀门的运行过程中，单一的故障很有可能引起多个状态参数的变化，例如，由落入异物而导致的阀门内漏，除了密封副处出现应力波信号，还会引起阀门前后压力的变化，阀杆运动不到位，甚至还伴有噪声。

仅仅使用一种传感器监测阀门状态，其可靠性和准确性都较低。通过多种传感器同时监测阀门的运行参数，多个传感器的数据进行综合分析，剔除无用和错误的信息，有利于提高传感器系统的可靠性，使最终的决策判断更加科学合理。

4．2加强早期的故障诊断研究

阀门使用现场往往环境较为恶劣，如存在高温，空问狭小和有毒介质泄漏等问题，操作人员在现场进行诊断时存在一定的危险性，因此，现有阀门诊断实施的频率较低。现有的诊断一般都是在阀门出现明显故障征兆后的事后诊断，这种诊断方法很难发现早期微弱的故障。利用网络技术对阀门进行远程在线诊断，一方面可以让操作人员远离危险环境进行诊断，提高作业的安全性；另外通过组网技术，将现场的关键阀门联系起来，提高诊断的效率。

更为关键的是基于网络的实时连续监测有利于早期微弱故障的发现。基于网络的远程在线诊断技术需要将现有的阀门故障诊断技术，DTU技术和网络技术相结合，在阀门使用现场设立在线监测点，采集阀门的运行数据，在技术力量较强的研究所或企业建立诊断分析中心。诊断分析中心获得远程传输的阀门运行数据后，对阀门状态进行判断，再远程提供检修建议。这在提高阀门运行的可靠性和降低阀门维护成本方面具有很大的优势。未来建立过程控制系统时将越来越多地考虑运用该项技术。

4．3阀门故障机理的深入研究

阀门故障机理反映了阀门故障的本质，是阀门故障诊断方法和技术的坚实基础。机理不明，则只能对阀门故障的表象进行研究，无法对阀门故障进行全面正确地解释。加强对阀门故障机理的研究不能仅仅将阀门作为一个独立对象开展研究，而应将阀门放在整个工艺系统中，对阀门的实际使用工况，控制系统逻辑等全面地分析。对于障机理的数学模型，应通过仿真数据和实际故障数据对其进行反复修正。

4．4提高决策系统的智能性

阀门故障诊断决策系统智能性的不够主要问题在于基础故障数据较少，决策缺乏实际依据。因此必须建立阀门数据库，收集阀门运行的状态数据。国外的阀门制造商、阀门用户和研究院开始联合建立阀门数据库，但是国内还没有实施类似的计划。阀门的数据库不仅包含阀门在整个寿命过程中的运行状态数据，更包含阀门设计、加工、装配和试验各环节的数据记录。运用阀门数据库，可以综合分析影响阀门健康状态的关键因素，改进薄弱环节来提升阀门寿命。然而，建立阀门数据库是个庞大的系统工程，阀门的种类繁多，工况各异，依靠单一的力量根本无法完成。只有在行业协会领导下，各阀门制造商、设计院和阀门用户相互联合，数据共享，才能推动阀门数据库的建立，提升阀门故障诊断技术的水平。

5结语

近年来工艺系统对阀门运行的可靠性提出了越来越高的要求，促进了阀门故障诊断技术的不断发展。经过专家学者们多年的努力，阀门故障诊断技术无论是在理论上还是在工程实践上都取得了一定的成果，但是还远远没有发展成熟。本文从阀门故障信号获取、处理、分析和决策方面对国内外的阀门故障诊断技术研究现状进行了阐述，同时介绍了已有的阀门故障诊断设备；对阀门故障诊断技术存在的问题进行了分析，并对其未来的发展方向进行了展望。实施阀门故障诊断将逐步改变现有事后维修和定期维修的传统阀门维护策略，逐步实施以可靠性为中心的阀门维护策略。阀门故障诊断是阀门RCM(ReliabilityCenteredMaintenance)维护策略的基础，提高阀门的可靠性也是实施阀门故障诊断的目的所在。阀门故障诊断技术的实用性很强，只有在实际运用中才能真正体现它的价值。

注：本文摘选自：阀门故障诊断技术综述，作者：陈林，王兴松，张逸芳，黄高杨《流体机械》年第43卷第9期