使用视频分析泵故障排除

通过让维护专业人员可视化整个泵系统的振动，视频振动分析和运动放大可以帮助快速诊断振动问题

视频振动分析，特别是运动放大，通过使维护专业人员简单直接地测量和可视化整个泵系统的振动，使复杂的系统级振动测试民主化。这种综合技术可以在几分钟内快速诊断机器或管道振动问题，增强的“运动放大”视频可以帮助决策者真正了解泵和泵系统的问题，促进采取纠正措施。由于该技术使用速度快，成本低，任何坏泵都有资格进行分析，无论多么关键。这种能力可以帮助减少困扰维护和操作人员的长期振动问题的积压。通过合适的工具、培训和人员，视频振动分析技术可以成为泵故障排除工具箱中的关键组成部分。

系统级振动问题

泵是化工过程工业(CPI)中许多过程的核心，将流体从一个过程移动到另一个过程。在几乎所有情况下，泵送都涉及到某种类型的动态旋转元件，需要将其耦合到设施中的静态静止位置。动态旋转部件和静态静止部件的组合通常会导致两者之间的冲突，从而导致工程师亲切地称之为“振动问题”。

虽然这些振动问题中有一些是泵本身的问题，但许多实际上是由于系统层面的问题，如不对中，或基础或管道问题。在这些情况下，可能不是泵本身导致了问题，而是泵如何与团队的其他成员交互。例如，在运行过程中，泵及其驱动器相对位置不正确。由于基础问题，动态泵可能无法充分耦合回静态土壤，原因可能是泵底座的结构问题(例如刚度)，基础的结构问题(例如底板开裂或空隙)，或两者的连接(例如螺栓松动或不足)。对于管道，假设管道法兰神奇地连接到泵法兰，对施加在彼此上的力没有任何影响是不安全的，特别是当热变化发生时，泵出的流体的力加入了冲突。

在系统层面正确诊断这些泵系统振动问题通常具有挑战性，因为a)在技术上很难知道在如此复杂的交互式安排中从哪里开始查找，b)从组织上来说，无论是内部维护人员还是外部供应商，都很难确定谁负责使事情正确。就知道从哪里开始寻找泵振动问题的原因而言，有时会有“排除”可以缩小潜在嫌疑人的列表，但通常最好是以一种好奇的、侦探式的心态来处理这种情况，着眼于整个系统的大局，而不是过早地排除任何潜在的贡献者。由于相互作用的复杂性，在组织上很难理清责任，因此供应商在承担问题所有权方面存在合同上的阻碍。这通常是最终用户或他们指定的独立第三方的实际责任，退后一步，看看所有泵系统设备是如何一起工作的(或不能一起工作，视情况而定)。

当前的方法

从历史上看，获得泵振动问题的系统级诊断视角是可能的，但这通常涉及大量的时间和资源。加速度计临时在整个泵系统中流动，类似于医生用听诊器听病人胸部的各个点。以这种方式获得的振动测量然后映射到泵系统的线框模型上。校正后的振动数据随后被同步，运动被放大到模型上，以可视化泵系统的组件如何相互作用。这种技术被恰当地称为“操作偏转形状”(ODS)，通常可以识别出根本原因，因为它将特定于点的振动信息转换为用于解释数据的偏转的上下文化形状。

虽然有效，但这种系统级技术需要时间和金钱——通常需要数万美元以及数天到数周的数据收集和后期处理时间。除非这样做的频率足够高，维护人员能够对所涉及的技术保持敏锐，否则最好留给外部专家。对外部帮助的潜在需求将每个故障排除工作也变成了一个明确的预算投资回报练习，从而使许多长期问题在投资门槛以下恶化。即使问题的“成本”超过了投资门槛，在收集数据时也存在一个持久的权衡:因为收集数据需要时间(因此，时间相当于金钱)，获得足够的数据来进行诊断的压力可能不一定会导致获得做出正确诊断所需的数据。

视频振动分析

如果同样的系统级分析可以简单地由内部人员完成，诊断信息可以在几分钟内获得，而不是几周，而没有增量数据收集的压力，从而产生不确定的投资回报，会怎样?进入视频振动分析，它使用高速、高分辨率视频在几秒钟内捕获全面的系统级振动数据矩阵，然后在几分钟内对该信息进行后期处理，并提供准确的振动信息和运动放大视频，用于系统级诊断评估(图1)。

这些系统的工作原理是拍摄高速、高分辨率的视频，然后根据每像素的光强变化提取振动数据。像素级光强度的变化被引用到现实世界的维度，微小的运动被量化为位移数据。该技术的主要好处是这些位移数据是全面的，能够同时捕获整个泵系统的振动数据。在某些情况下还有一个额外的好处，它是非接触式传感器，这意味着高温和不可接近的设备不一定会造成问题——只要你能看到它，你就能测量它。

除了您的数据集之外，您现在还可以以各种方式增强系统的图像。振幅和相位数据可以绘制到图像上，以在像素级传达特定于位置的数据。而且，最终的数据增强是将当前的实际运动放大，呈现整个系统的夸张运动视频，类似于基于ODS加速计的方法，尽管没有所有耗时的麻烦。这不仅对系统级问题的根本原因诊断非常有效，而且还成为组织中非技术性决策者了解问题和潜在纠正措施的非常有效的工具。

需要考虑的因素

从表面上看，视频振动分析听起来很棒，但一个合理的问题是“有什么陷阱?”任何新技术如果不了解使其能够成功部署以满足您和您的组织对其的期望的基本原理，都可能像蛇油一样毫无用处。以下几个因素被认为是确保有效和成功使用该技术的关键因素。

玩具对工具。谨防“像在电视上看到的那样”急于获得最新的诊断设备，但由于培训或支持问题，随着时间的推移，它被闲置在货架上。视频振动分析确实是一项新技术，并且确实需要人员掌握一些新的技能和技术。值得怀疑的是，大多数维护团队都包括专业摄像师，因此确保培训预算资源是很重要的。足够多的熟练且易教的用户和内部客户将确保您的组织采用新功能。

除了标准的软件支持，考虑“工程支持”也很重要。鉴于这项技术的新颖性，有导师帮助你确定以下问题是有帮助的:首先，你是否收集了良好的数据，最重要的是，如果没有收集到，该怎么办;其次，如何解释数据以成功诊断和解决问题。如果您的组织有收集和解释ODS数据的经验，那么您就有了一个良好的开端，但是这个开端不应该与终点线相混淆。关于如何最好地利用这项新技术，还有很多需要学习的地方，用美国作家和励志演说家齐格·金克拉的话来说，“我们中的一些人从别人的错误中学习，其余的人必须成为其他人。”

资本支出与服务。考虑到它的新颖性，以及真正使视频振动分析技术在您的组织中成功所需的承诺，每个公司都应该评估是否有必要在内部获得、员工和维护该技术，或者是否更适合依赖第三方服务提供商。有时企业会选择一种渐进的方法，在承诺完全购买技术之前，通过第三方试用视频振动分析。如果您的组织确实与第三方进行了接触，无论是为了评估目的还是为了永久提供功能即服务，都不要认为任何拥有高速摄像机和一些软件的组织都知道他们在做什么。正如前面所讨论的，这是一个需要培训和经验才能正确使用的工具，如果您的组织倾向于外包，请确保第三方确实提供了培训和经验。另一个需要考虑的问题是，熟练使用诊断工具并不会自动使一个人成为熟练的问题解决者。为了使用视频振动分析正确地诊断和解决问题，人们仍然需要理解和解释数据，并想出解决方案，所以要确保你雇佣了正确的人，而不仅仅是花时间在一个小部件上。

如果您确实认为该技术属于您的组织，或者即使您选择依赖于服务提供者，您也需要做一些功课来了解各种可用的功能。

检测阈值

检测阈值是最重要的概念之一，也可能是业内解释最少的概念。也许你已经听过关于技术不能工作的抱怨，除非在非常高的振动水平，或者你自己经历过这个问题。这可能是由于检测阈值。简而言之，视频振动分析在检测信号之前需要一个最小的位移水平(图2)。与压电加速度计不同，压电加速度计可以有效地测量接近零的振动，相机传感器的像素有一个噪声基线，这使得测量接近零变得不切实际(稍后会详细介绍)。因此，理解所需的最小位移水平是什么变得至关重要，同样重要的是，位移取决于什么，因为它不是绝对的，而是相对的。

假设这是一种光学测量，并且像素有自己的特定尺寸，那么每个像素随后都会覆盖相机所观察到的给定空间。作为一个基本的例子，考虑一个4像素的相机(2像素宽2像素高)。如果这个四像素的相机在观察一英寸。×1。正方形，那么每个像素观察0.5英寸。×0.5 -。运动区域，其检测阈值对该区域进行相应缩放。现在，如果相同的四像素相机观察到一个1英尺× 1英尺的正方形，那么每个像素将观察到一个6英寸的正方形。×6。运动区域，检测阈值将被放大以适应更大的区域。 Since there are typically millions of pixels in play, the detection threshold is most effectively considered as a function of the pixels in aggregate, or the “field of view.” Rather than determining what each pixel is measuring to figure out the detection threshold, their combined dimensions can be easily determined. For example, a 10-ft-wide field of view (meaning the camera is viewing something 10-ft wide from horizontal edge to edge) has a given detection threshold when considering all the horizontal pixels together (for example, 1,920 pixels wide). In this example, each pixel is observing a 0.0625-in. × 0.0625-in. square, with the detection threshold being a function of that area.

检测阈值远小于像素尺寸，但不是零。这种检测阈值存在的技术原因是由于传感器中的噪声。回忆一下，基本的测量方法是光强的变化。传感器(数百万个相机光探测器之一)中的噪声有效地产生了相对恒定的光强变化基线水平。因此，由于在噪声地板水平内的运动而引起的光强度的实际变化与噪声本身无法区分，因此不能准确测量或放大以进行视觉运动解释。

请记住，这个检测阈值是位移值，而不是直接的速度或加速度测量。虽然位移值与频率无关，但有实际的频率关系。随着振动频率的增加，达到给定位移所需的速度也会增加(随着振动频率的增加，泵从a点移动到B点的时间就会减少)。通常，振动速度是确定机械健康状况时所关心的测量值，因此固定位移的“检测阈值”将等同于随着频率的增加而增加的速度“检测阈值”水平。当应用这一概念时，随着频率的增加，给定速度下的位移水平会降低，因此理解基于位移的检测阈值以确保在更高频率下进行足够的测量和放大变得更加重要。

如果到目前为止你已经遵循了这个逻辑，你可能会想，“为什么不缩小视野来看到更低水平的振动，即使是在更高的频率?”这确实是可能的，可以检测到纳米级的位移，但这是一种权衡。正如前面所讨论的，这种技术的主要优点是测量的全面性，用户可以同时“看到”和测量系统的所有组件。通过缩小焦点以实现较低级别的位移检测，用户已经回到了一个小的测量区域，其行为类似于加速度计，从而丧失了该技术的潜在价值。

掌握了对检测阈值的基本理解之后，请注意实现了两种类型的数据，并且可能有两种不同的检测阈值。根据供应商的不同，振动测量的阈值可能与放大阈值不同，也可能没有。重要的是要做功课，并要求数据来支持声明，因为如果所引用的测量没有在适当的上下文中提供，您的里程可能会有所不同(例如，给定检测阈值的视野是什么?)

此外，关于放大运动能力，有不同的方法来增强信号，产生放大运动视频。两种主要的方法是光流和亚像素放大。主要是为了加快所有像素级数据的处理速度，光流将收集到的数百万像素平均到区域，并应用显著的增益，以及跨区域的插值，以有效地重新创建ODS的线框模型。如果平均区域大小足够小(并且用户足够耐心)，可以实现合理的增强视频结果，但用户必须认识到，结合噪声的插值会留下很多想象空间，并且在此过程中可能会丢失更精细的细节。一个类比是用画笔和机械铅笔画画。

另一方面，亚像素放大保持像素级分析，以保持诊断评估中来之不易的分辨率。这使得检测需要细节的问题成为可能，这些问题可能会被光流遗漏或歪曲，例如地基开裂、紧固件松动、管道支撑和类似的问题，同时仍然能够放大整体运动问题，例如错位，这些问题也可能由光流显示。运动比光流更精确，在较低的位移水平有效。

精度

关于技术的准确性，如果你所需要的只是单点振动测量，在可预见的未来，用加速度计获得单点数据仍然会更快、更容易和更准确。使用视频进行振动测量的优点是测量的全面性，一次有效地进行数百万次测量。但是视频振动分析提供的振动数据有多准确呢?它只是一个可视化工具，还是你也可以测量振动?

考虑到上面关于检测阈值的讨论(因为如果信号低于噪声下限，精度将不适用)，有几个实际的因素需要考虑来提高精度。由于测量的是变化的光强，所以确保有一个“适居”的光水平是很重要的——不太亮，也不太暗。频谱的任何一端最终都会剪切振动信号，导致测量不准确。与此相关的是，由于这项技术是在寻找光线的变化，因此需要对比来进行测量。给定一个没有特征的、光滑的、单色的表面，就不可能有精确的测量。在可以应用目标来提供对比点的情况下，相机和软件可以准确地导出位移测量(图3)。一旦有足够的照明和对比，仍然由用户提供某种类型的尺寸参考，要么是相机和目标之间的距离，要么是图像本身的参考长度。无论哪种方式，系统都需要一种方法将像素大小与现实世界的大小相关联。在这一步中任何准确性的缺乏将直接对应于计算测量的准确性的缺乏。

同样，任何供应商的声明都应该用数据来证实，并且用户应该清楚地理解它们的相关性。例如，如果系统有一定的精度，但它是0.1英寸。在1英尺的视野内，位移运动的峰值到峰值，这与用户可能需要精确数据的真实泵系统条件没有太大关系。了解精度，特别是当系统接近噪声底限时，以及在整个频率范围内，将有助于确保用户在部署技术时知道会发生什么。

额外的功能

除了放大由于系统内部的工作力而产生的运动(如在工作偏转形状中实现的运动)，在处理泵系统时，还有另一个关键的诊断信息:振动发生在什么频率，什么是固有频率?每个系统都有几个固有的固有频率。当这些固有频率被系统中的强制频率匹配(或“激发”)时，例如1倍的工作速度，它们就会产生共振。这种共振会自动放大振动水平，通常会导致非常糟糕的一天。当你的抽血系统以这种方式“唱歌”时，听起来不是音乐，而是头痛。

这些固有频率可以通过有意地撞击物体，然后测量物体自然振动的频率来检测。虽然通常使用加速度计来完成，或者如果要描述运动的形状，则需要几个加速度计，但现在可以使用视频快速全面地实现这一目标。由于冲击后的振动通常持续时间很短，因此可以将几次冲击“平均”在一起，从而降低了噪声底限，从而降低了检测阈值。这种较低的检测阈值使得使用视频进行自然频率表征成为可能，即使在设备运行时也是如此。

除了固有频率表征，分析低水平振动随时间变化的趋势以了解条件如何变化是否有用。如果检测阈值过高，则用户必须等到振动水平有问题到需要采取行动的程度后才采用该技术。但前面提到的平均能力也可以应用于使用关键相量或类似的信号来触发多个视频进行平均。这降低了噪声下限，并降低了检测阈值，因此可以在需要干预之前对振动问题进行监测和了解。

通过快速傅里叶变换(FFT)对检测到的视频像素强度变化进行分析，然后通过运动放大系统确定每个像素处的振动-频率频谱，这对于具有一定特征频率的即将发生问题的早期诊断非常有用。正如ISO 13373系列标准中所讨论的那样，在关键频率上的各种振动级别或这些级别的变化可以作为机械诊断和预后的优秀指示。

视频测试简化了泵系统振动的测量和可视化，能够快速诊断振动问题。

编辑:斯科特·詹金斯

作者

查德•帕索是Mechanical Solutions, Inc. (MSI;新泽西州惠帕尼阿波罗大道11号07981;电子邮件:chad.pasho@mechsol.com)．自2014年加入MSI以来，Pasho一直专注于旋转机械的诊断和开发，以及几款高速视频表征产品，包括用于表征振动和运动放大的VibVue。Pasho曾在斯伦贝谢、Octave Communications(现为Polycom)和NextEra Energy担任技术和管理职务。他拥有巴布森学院奥林商学院的工商管理硕士学位和B.S.Ch.E学位。来自伍斯特理工学院。