Aktuální vydání

celé číslo

05

2020

snímače teploty

celé číslo

Diagnostika kavitace v hydrodynamických čerpadlech

číslo 11/2004

Diagnostika kavitace v hydrodynamických čerpadlech

Příspěvek se zabývá problémy diagnostiky kavitace v hydrodynamických čerpadlech. Důraz je kladen na využití technik umělé inteligence, zejména rozpoznávání a strojového učení.

1. Úvod

Kavitace je jev vyznačující se vznikem, vývojem a zánikem kavitačních dutin v kapalině (lat. cavus – dutina). Dochází k němu v okamžiku, kdy tlak v některém místě kapaliny poklesne pod určitou úroveň, danou zejména tlakem nasycených par čerpané kapaliny, obsahem plynů a pevných částic v kapalině (ty tvoří tzv. kavitační jádra) a dalšími vlivy. V takovém místě vznikají dutiny naplněné párou čerpané kapaliny (u odstředivých čerpadel je to většinou na některých místech náběžných hran lopatek oběžného kola). Ty jsou unášeny proudem kapaliny a dostávají se do oblastí s větším tlakem. Tam zanikají tzv. implozí (kavitačním kolapsem). Při implozi jsou vyvinuty tlakové vlny velkých amplitud a rychlostí, které jsou schopny narušit vnitřní povrch čerpadla. Tento jev je označován jako kavitační eroze a je hlavním nepříznivým projevem kavitace. Mezi další následky kavitace patří pokles účinnosti práce čerpadla a jeho větší celkové opotřebení v důsledku nárůstu vibrací a v některých případech i nepříznivý vliv na kvalitu čerpaného produktu. Typickou příčinou vzniku kavitace v čerpadle je nedostatečný statický tlak ve vstupním profilu čerpadla.

Obr. 1.

2. Vliv kavitace na činnost čerpadla

Než se začneme zabývat vlastní diagnostikou kavitace, sledujme, jak se kavitace projevuje na činnosti čerpadla. Obvykle se její působení zjišťuje tzv. kavitační zkouškou. Ta se provádí na hydraulickém okruhu umožňujícím simulovat různé provozní stavy čerpadla (dopravní výšku H a průtok Q, obvykle prostřednictvím škrcení výtlaku čerpadla) i regulovat čistou sací výšku čerpadla Dh (např. změnou statického tlaku v sání čerpadla). Čistá sací výška čerpadla Dh je definována jako Dh = (p1 – pV)/rg, kde p1 je absolutní tlak v sacím hrdle čerpadla, pV je tlak nasycených par čerpané kapaliny, r hustota čerpané kapaliny a g tíhové zrychlení (v anglické literatuře je Dh označováno jako NPSH – net positive suction head). Veličina Dh představuje vlastně rezervu tlaku v sacím potrubí čerpadla oproti tlaku nasycených par čerpané kapaliny, a označuje se proto také termínem kavitační rezerva. Cílem kavitační zkoušky je určit charakteristiku H = f(Dh, Q, W), kde W je úhlová rychlost otáčení hřídele čerpadla. Tato charakteristika se většinou aproximuje soustavou křivek H = f(Dh) pro několik kombinací hodnot Q a W. Příklad křivky H = f(Dh) je uveden na obr. 1. Při jejím měření se postupuje od největší hodnoty Dh, která je postupně zmenšována, a zjišťuje se H. Při zmenšování Dh začne v čerpadle vznikat kavitace. Při určitém rozsahu kavitace začne klesat velikost H. V okamžiku, kdy H poklesne z počáteční hodnoty o 1 až 3 % (různé normy uvažují různé velikosti tohoto poklesu), označí se odpovídající hodnota Dh za tzv. kritickou čistou sací výšku Dhkr (v anglické literatuře NPSHr – NPSH required; hodnota Dh se také označuje jako NPSHa – NPSH available). Při dalším zmenšování Dh klesá H velmi rychle a dochází k tzv. stržení křivky. Výrobci čerpadel na základě výsledků kavitačních zkoušek obvykle uvádějí závislost Dhkr(Q) pro několik běžných hodnot W (více o kavitačních zkouškách viz např. [1], [2]).

Hodnota Dhkr je někdy mylně považována za hodnotu Dh, při které začne v čerpadle vznikat kavitace. Kavitace ovšem často vzniká již při výrazně větší hodnotě Dh (na obr. 1 označené jako Dhi). Tu ovšem v běžných podmínkách nelze zjistit a navíc její velikost nezávisí jenom na pracovním bodu čerpadla (daném parametry Q a W), ale i na mnoha dalších faktorech, např. přítomnosti kavitačních jader v kapalině. Aby čerpadlo pracovalo bez kavitace, doporučují výrobci dodržet hodnotu typicky Dh > 1,15 Dhkr. Experimenty však ukazují, že ke kavitaci může docházet i při dodržení této rezervy vůči Dhkr. Dlouhodobý provoz čerpadla v takových podmínkách může vyústit v jeho náhlé selhání. Podle názoru některých odborníků jsou počáteční stadia kavitace (v okolí bodu Dhi) dokonce destruktivnější než pokročilejší stadia v okolí bodu Dhkr. Při méně rozvinuté kavitaci totiž zanikají kavitační dutiny blíže vnitřnímu povrchu čerpadla a jeho eroze je tak výraznější. Dosud ne zcela rozvinutou kavitaci je také mnohem obtížnější detekovat – nemá ještě měřitelný vliv na účinnost čerpadla a typický zvukový projev kavitace (popisovaný jako „čerpání písku„) chybí. Jelikož zajistit velkou rezervu Dh většinou z technických či ekonomických důvodů nelze, jsou čerpací systémy obvykle projektovány s minimální rezervou Dh. Příčinou vzniku kavitace pak může být i jen malá změna poměrů v čerpacím systému. Je zřejmé, že zejména v kritických provozech by schopnost detekovat kavitaci v čerpadle – a jejích počátečních stadií zejména – umožnila dosáhnout větší spolehlivosti zařízení i menších nákladů na jeho údržbu.

3. Možnosti detekce kavitace

Metody detekce kavitace lze rozdělit do dvou základních skupin. První skupina zahrnuje metody, které jsou založeny na detekci podmínek v systému, při kterých obvykle ke kavitaci dochází. Příkladem může být metoda, při níž se hodnota čisté sací výšky Dh čerpadla porovnává s odhadem hodnoty Dhi (bodu počátku kavitace) pro daný pracovní bod čerpadla. Výsledkem již zmíněné kavitační zkoušky je vlastně model závislosti Dhi’ = f(Q, W), kde Dhi’ je oním odhadem hodnoty Dhi. Protože veličiny Q a W jsou měřitelné či předem známé, lze na jejich základě určit hodnotu Dhi’ a porovnat ji s hodnotou Dh v sání čerpadla vypočtenou z měřených veličin. Podobné metody mají několik nevýhod. Předně, hodnota Dhi je vedle Q a W závislá i na dalších veličinách a vlivech. Model je proto pouze velmi přibližný. Nezbytná je znalost mnoha veličin, typicky Q, p1 a teploty kapaliny T. K jejich měření jsou často potřebné tzv. invazivní snímače (tj. takové, které určitým způsobem zasahují do potrubních instalací). To může být v některých aplikacích z bezpečnostních či ekonomických důvodů nepřípustné.

Metody druhé skupiny jsou založeny na detekci přímých projevů kavitačních implozí. Hlavní výhoda oproti předchozí skupině je zřejmá – detekována je samotná kavitace, nikoliv pouze podmínky, za kterých typicky vzniká. Při implozích kavitačních dutin vznikají v kapalině tlakové vlny. Ty lze měřit např. hydrofonem a naměřené údaje využít pro detekci kavitace. Problémem zůstává skutečnost, že hydrofon je invazivní snímač. Dále se při setkání tlakových vln s pevným povrchem čerpadla část jejich energie přemění na mechanické vibrace. Ty, změřené vhodnými snímači, mohou sloužit jako diagnostická informace.

Obr. 2.

Obr. 2. Část frekvenčního spektra zrychlení vibrací čerpadla (a, v m.s–2) v různých pracovních bodech při provozu bez kavitace (H = konst.)

Autor se dlouhodobě zabývá diagnostikou kavitace s využitím informace poskytované akcelerometry připevněnými na skříni čerpadla. Nejde o zcela novou metodu, dosud se však uplatňovala pouze u velkých a nákladných čerpadel. Signály ze snímačů vibrací byly snímány relativně nákladnými přenosnými či statickými přístroji a následně vyhodnocovány odborníkem. Nutná přítomnost odborníka byla hlavní překážkou rozšíření využívání této metody i pro sledování menších a levnějších čerpadel. Cílem vývoje je nyní autonomní diagnostika integrovaná spolu s řídicími funkcemi přímo do strojních zařízení. Firma Rockwell Automation spolupracuje s významným výrobcem čerpací techniky Flowserve a společně nabízejí čerpadla s integrovaným asynchronním motorem a měničem frekvence. Dalším vývojovým krokem je sjednocení tzv. inteligentního řízení čerpadla (tj. regulace otáček hřídele čerpadla tak, aby při požadovaném průtoku a dopravní výšce pracovalo s největší účinností) a diagnostiky čerpadla, zejména detekce kavitace. Protože diagnostika může sdílet výpočetní prostředky s řídicími funkcemi, jediné přidané náklady představuje cena snímače vibrací a jeho instalace. Ceny snímačů vibrací přitom s jejich stále častějším používáním neustále klesají.

4. Vibrační diagnostika kavitace

4.1 Vliv kavitace na vibrace čerpadla
Vibrace čerpadla jsou vybuzeny jednak periodickými silami, jednak nahodilými silami.

Periodické síly souvisejí s rotací hřídele čerpadla. Ve frekvenčním spektru vibrací se proto projevují na frekvencích odpovídajících násobkům frekvence otáčení hřídele. Periodické síly jsou zejména ovlivněny pracovním bodem čerpadla (daným parametry H, Q a W). Na obr. 2 je ukázána část frekvenčního spektra (20 až 100 Hz) zrychlení a vibrací čerpadla v různých pracovních bodech při provozu bez kavitace. Patrné jsou spektrální čáry v násobcích frekvence otáčení hřídele čerpadla (25 Hz). Je zřejmé, že velikost vibrací je závislá na pracovním bodu čerpadla.

Obr. 3.

Obr. 3. Vliv různých stupňů kavitace na spektrální výkonovou hustotu signálu vibrací v rozsahu 2 500 až 5 000 Hz při konstantním pracovním bodu čerpadla (Q, W = konst.)

Nahodilé síly mají různý původ. Zejména jsou důsledkem turbulence v proudící kapalině, a také kavitace. Imploze kavitačních dutin vyvolávají tlakové pulsy (průběh imploze je mnohem složitější; to ale není pro náš výklad podstatné – detaily viz např. [3]). Jednotlivé imploze lze považovat za události náhodně rozložené v čase a výslednou složku vibrací, vzniklou superpozicí jednotlivých pulsů, lze považovat za stacionární náhodný jev. Takový jev se ve frekvenční oblasti projeví nárůstem širokého spektra frekvenčních složek. Nárůst není rovnoměrný. V oblastech rezonančních frekvencí je tento efekt zesílen, naopak v jiných frekvenčních oblastech může být potlačen. Na obr. 3 je ukázán vliv různých stupňů kavitace na spektrální výkonovou hustotu vibračního signálu v rozsahu 2 500 až 5 000 Hz při konstantním pracovním bodu čerpadla. Míra tohoto vlivu je různá pro různé pracovní body – zpravidla se s rostoucím průtokem projevuje ve vibracích výrazněji i kavitace.

Způsob, jakým se vibrace čerpadla mění v závislosti na stupni kavitace a pracovním bodu čerpadla, je závislý na typu čerpadla. Celkové vibrace skříně čerpadla jsou superpozicí periodických vibrací a všech nahodilých vibrací. Kvantitativně se jejich periodická složka mění daleko výrazněji než nahodilá složka. Proto nelze detekci kavitace založit na pouhém sledování velikosti vibrací čerpadla a je nezbytné použít metody frekvenční analýzy signálů. Je třeba zjistit, jakým způsobem se kavitace a další vlivy projeví v signálu vibrací. Uspokojivý analytický popis těchto vztahů neexistuje. Metody strojového učení, jedné z oblastí umělé inteligence, však umožňují získat popis tohoto vnějšího chování čerpadla na základě údajů naměřených na skutečném čerpadle. Toho lze využít k sestrojení klasifikátoru vstupních signálů vibrací do jednotlivých tříd kavitace – diagnostika kavitace pak vlastně spočívá v rozpoznávání vstupních signálů [4], [5]. Obr. 4. Schéma takového diagnostického zařízení je na obr. 4. Vstupem jsou krátké časové úseky signálu ze snímače vibrací připevněného ke skříni čerpadla, výstupem identifikátory tříd kavitace.

4.2 Klasifikace kavitace
Aby bylo možné sestrojit klasifikátor, je nutné stanovit jednotlivé třídy kavitace. Ty představují spíše různé kvantitativní stupně stejného jevu než kvalitativně odlišné jevy. Na základě vizuálního pozorování výskytu kavitačních dutin ve speciálních experimentálních čerpadlech s průhlednou skříní bylo určeno pět tříd kavitace, označovaných čísly 0 až 4 (tab. 1).

4.3 Definice příznaků
Signál ze snímače vibrací ve formě časové řady vzorků obsahuje velké množství nadbytečných informací. Je proto nezbytné z něj před vstupem do vlastního klasifikátoru extrahovat pouze informaci užitečnou z hlediska diagnostiky. Taková informace má formu vektoru diskriminačních příznaků. Definice způsobu výpočtu vektoru příznaků ze vstupního signálu je jedním z nejdůležitějších kroků návrhu systému pro strojové rozpoznávání. Protože neexistuje žádný univerzální postup k nalezení takového způsobu, jde většinou o heuristickou činnost. Bylo experimentálně prozkoumáno velké množství různých způsobů. Jeden z nich naznačují obr. 2 a obr. 3. První skupinu příznaků tvoří energie vibrací v jednotlivých frekvenčních pásmech odhadnuté např. pomocí Welchova periodogramu [6]. Druhou skupinu příznaků tvoří např. velikost vibrací na několika prvních harmonických frekvence otáčení hřídele čerpadla – tyto příznaky přinášejí informaci o pracovním bodu čerpadla, a tím i míře, jakou se kavitace ve vibracích čerpadla projeví. Dobrých výsledků bylo dosaženo s vektorem příznaků zahrnujícím 39 frekvenčních pásem Welchova periodogramu v rozsahu zhruba 0 až 10 kHz s rozlišením 256 Hz a počet 2z prvních harmonických frekvence otáčení hřídele, kde z je počet lopatek oběžného kola. Jestliže čerpadlo pracuje při různých otáčkách hřídele, je ještě nutné zahrnout příznak reprezentující otáčky (údaj běžně indikovaný měničem frekvence).

Tab. 1. Třídy kavitace podle [7]

Třída 0 bez kavitace
Třída 1 výskyt prvních ojedinělých kavitačních dutin
Třída 2 stabilní oblak kavitačních dutin na náběžných hranách lopatek oběžného kola
Třída 3 souvislý proud kavitačních dutin
Třída 4 kritická kavitace: Dh < Dhkr

4.4 Návrh klasifikátoru na bázi neuronové sítě
Existují dvě základní skupiny metod strojového učení: bez učitele a s učitelem.

Metody bez učitele jsou založeny na hledání přirozených shluků v prostoru příznaků. Vzhledem k tomu, že z hlediska vlivu na vibrace čerpadla jsou rozdíly mezi jednotlivými kavitačními třídami spíše kvantitativní než kvalitativní a přechody mezi nimi jsou plynulé, příznakové vektory nemají tendenci tvořit shluky. Metody bez učitele zde proto nelze použít.

V případě metod učení klasifikátoru s učitelem jsou během adaptivní fáze klasifikátoru předkládány trénovací příklady spolu s identifikátorem správné třídy. Zkušenosti ukazují, že vlastní typ klasifikátoru je méně důležitý než návrh vektoru příznaků nebo sestavení vhodné trénovací množiny. Dobrých výsledků je dosahováno při použití neuronové sítě typu vícevrstvého perceptronu (Multi Layer Perceptron – MLP) s jednou skrytou vrstvou, trénované s využitím algoritmu zpětného šíření chyby (error back-propagation). Příklad takového perceptronu je na obr. 5. Počet neuronů ve vstupní (tj. spodní) vrstvě odpovídá počtu příznaků v příznakovém vektoru, ve výstupní vrstvě počtu tříd (více o neuronových sítích viz např. [8]).

4.5 Učení klasifikátoru
Aby mohl být klasifikátor správně naučen, je velmi důležité, aby trénovací množina obsahovala vhodné příklady. Ty musí pokrývat všechny úrovně kavitace v celém rozsahu pracovních bodů čerpadla. Pokud by nebyly zahrnuty příklady z různých pracovních bodů, klasifikátor by nerozlišil změny vibrací způsobené kavitací od změn vyvolaných posunem pracovního bodu. Zajištění vhodné trénovací množiny je zřejmě nejnáročnějším krokem při vývoji diagnostických systémů. Kde taková data získat? Měnit v běžném provozu libovolně parametry H, Q, Dh, popř. W tak, aby bylo možné změřit data v celém rozsahu pracovních bodů a stupňů kavitace, je téměř nemyslitelné. Je však možné využít již popsanou proceduru kavitační zkoušky. Když se v jednotlivých bodech charakteristik H = f(Dh) vybraných z celé množiny pracovních bodů čerpadla změří signál vibrací a vypočte se pro každý takový bod příznakový vektor, získá se kompletní trénovací množina.

Obr. 5.

Takováto trénovací množina může sloužit pro učení klasifikátoru použitelného pouze pro ten typ čerpadla, na němž byla získána. Pro každý typ čerpadla, na kterém má být diagnostika použita, je tedy nezbytné vytvořit nový klasifikátor. To se zdá být komplikované. Je-li však do celého procesu zapojen i výrobce čerpadel (to je v případě návrhu integrovaných systémů čerpadlo-motor-pohon-řízení v praxi nevyhnutelné), celá procedura se značně zjednoduší. Výrobci totiž zmíněné kavitační zkoušky běžně dělají se všemi typy svých čerpadel. Je tedy pouze třeba zajistit, aby během zkoušek byly odpovídajícím způsobem snímány vibrace skříně čerpadla a získaná data vhodně zpracována.

Posledním nezbytným krokem k sestavení trénovací množiny je označení každého příkladu identifikátorem třídy. To je obtížnější, než by se na první pohled zdálo. U běžných sériových čerpadel totiž neexistuje – na rozdíl od některých experimentálních čerpadel vybavených průhlednou skříní – jednoduchá možnost, jak vizuálně pozorovat výskyt kavitačních dutin v čerpadle a určit tak třídu kavitace. Protože neexistuje jednoznačná závislost mezi hodnotou Dh a mírou kavitace v čerpadle, nelze přímo určit třídu kavitace ani při znalosti tohoto parametru. Byla však navržena a úspěšně vyzkoušena metoda, která umožňuje odhadnout třídu kavitace v každém bodě charakteristiky H = f(Dh) [7]. Při sledování, do kterých tříd náležejí jednotlivé body na křivce H = f(Dh) znázorněné na obr. 1, se zjistí, že všechny body třídy 0 (tj. bez kavitace) spadají do oblasti Dh > Dhi. Třída 4 je definována stavem Dh < Dhkr. Měření ukázala, že body patřící do tříd 1 až 3 jsou rovnoměrně rozloženy mezi hodnotami Dhi a Dhkr. Hodnotu Dhkr lze během kavitační zkoušky snadno zjistit (odpovídá bodu, ve kterém H poklesne o definované procento z počáteční hodnoty). Jestliže by bylo možné určit hodnotu Dhi každé z křivek H = f(Dh), bylo by rovněž možné hodnoty Dh > Dhi přímo označit jako třídu 0, hodnoty Dh < Dhkr jako třídu 4 a oblast mezi Dhi a Dhkr rovnoměrně rozdělit na intervaly odpovídající třídám 1 až 3. K odhadu bodu Dhi lze využít zjištění, že energie vibrací v určitých frekvenčních pásmech v oblasti Dh < Dhi výrazně narůstá oproti hodnotám existujícím v oblasti Dh > Dhi. Tak je možné stanovit kritérium pro odhad hodnoty Dhi pouze na základě porovnání vlastností signálů vibrací odpovídajících jednotlivým bodům (oblastem) charakteristiky čerpadla.

5. Účinnost diagnostiky kavitace

Popsané postupy a metody byly využity při návrhu prototypu systému pro diagnostiku kavitace v odstředivých čerpadlech. Ten byl zkoušen na dvou různých odstředivých čerpadlech Durco s příkonem 1,5 a 5,5 kW a polootevřeným lopatkovým kolem se čtyřmi lopatkami. Čerpadla byla vybavena průhledným krytem, který umožnil sledovat během experimentů výskyt kavitačních dutin v čerpadle a na základě těchto pozorování určit správnou třídu kavitace příslušnou každému vzorku. Čerpadla byla poháněna asynchronními třífázovými motory napájenými přímo z elektrorozvodné sítě nebo měničem frekvence. Otáčky se pohybovaly od 1 200 do 1 780 min–1. Údaje byly získány během série kavitačních zkoušek uskutečňovaných na dvou zkušebních zařízeních. Obě zařízení jsou postavena převážně z průhledných potrubních dílů. K dispozici jsou ventily v sacím potrubí a výtlačném potrubí, umožňujících nastavit pracovní bod čerpadla, popř. škrcení sacího potrubí. Přístrojové vybavení se skládá ze snímačů tlaku, umístěných v sacím a výtlačném traktu čerpadla, průtokoměru, teploměru a dále snímače vibrací, připevněného ke skříni čerpadla v axiálním směru proti ose hřídele čerpadla. Signál ze snímače vibrací je snímán standardní měřicí kartou PCMCIA. Použita byla vzorkovací frekvence asi 30 kHz při době snímání asi 1 s. Důležitou pomůckou je stroboskop, který umožňuje jednak relativně přesně měřit otáčky hřídele čerpadla, jednak „zmrazit„ pohyb otáčivých částí čerpadla a následně sledovat výskyt kavitačních dutin. Zkušební zařízení jsou dále vybavena nádrží na čerpanou kapalinu, v jednom případě otevřenou, v druhém případě uzavřenou. V případě systému s otevřenou nádrží je kavitace vyvolávána postupným škrcením přívodu kapaliny do čerpadla (při použití ventilu). Systém s uzavřenou nádrží dovoluje indukovat kavitaci postupným zmenšováním tlaku v nádrži prostřednictvím vývěvy. Celkem bylo k dispozici více než 900 záznamů časových průběhů signálu vibrací. Ke každému záznamu byly dále zaznamenány doplňující údaje, tj. průtok, tlaky v sacím a výtlačném hrdle čerpadla, teplota kapaliny a frekvence otáčení hřídele čerpadla.

Prováděné zkoušky lze rozdělit do dvou skupin.

První skupina zahrnuje experimenty ověřující schopnost naučené neuronové sítě určit třídu kavitace v čerpadle. Záznamy pořízené na každém z čerpadel byly náhodně rozděleny na trénovací a testovací množinu v poměru přibližně 7 : 3. Klasifikátor byl naučen na trénovací množině a jeho funkce následně ověřena na testovací množině – výsledky poskytované klasifikátorem byly porovnávány se správnou (vizuálně zjištěnou) třídou kavitace. Byl sledován nejen poměr správných a nesprávných klasifikací, ale v případě nesprávných klasifikací také „vzdálenost„ od správné klasifikace. Je zřejmé, že klasifikace kavitace do třídy přímo „sousedící“ s třídou správnou je méně závažnou chybou než klasifikace do třídy „vzdálené.„ Experiment byl pro každé čerpadlo opakován s deseti různými náhodnými přiřazeními záznamů do trénovací a testovací množiny. Průměrné procento správných klasifikací bylo 93,7 %, popř. 95,6 %. Z nesprávných klasifikací bylo přitom 93 %, popř. 100 % klasifikací do „sousední“ třídy.

Získané výsledky sice reprezentují schopnost klasifikátoru určit stupeň kavitace v čerpadle, předpokládají však možnost kvalitně „natrénovat„ klasifikátor, zejména možnost získat trénovací data označená identifikátory správné třídy kavitace na základě vizuálního pozorování. Takové podmínky jsou ideální a v praxi se nevyskytují.

Druhá skupina zkoušek byla proto založena na použití již zmíněné metody odhadu rozsahu kavitace v čerpadle na základě údajů o vibracích změřených na čerpadle během kavitačních zkoušek uskutečňovaných pro celý rozsah pracovních bodů (v závislosti na typu pohonu čerpadla se měnil jen průtok Q, nebo i úhlová rychlost otáčení hřídele W). Pro každý experiment byly z dat vybrány záznamy (časové řady vzorků) získané při dvou kavitačních zkouškách provedených ve dvou různých pracovních bodech čerpadla, které byly použity jako testovací množina (obsahovala patnáct až dvacet záznamů). Klasifikátor byl natrénován na zbylých datech. Experiment byl opět opakován pro deset různých přiřazení do trénovací a testovací množiny. Výsledky podávané klasifikátorem byly následně porovnávány se správnými třídami kavitace, určenými na základě vizuálního pozorování, tedy nikoliv s odhadnutými třídami, použitými pro trénování klasifikátoru. Byla sledována stejná kritéria jako v první skupině zkoušek. Procento správných klasifikací bylo 80,4 %, popř. 85,8 %, z chybných klasifikací bylo 74 %, popř. 92 % klasifikací do třídy přímo „sousedící“ se správnou třídou kavitace. Dalším sledovaným kritériem byla schopnost správně detekovat jakýkoliv stupeň kavitace – všechny kavitační třídy (1 až 4) byly sloučeny do jedné třídy zahrnující libovolný stupeň kavitace. Zde je přesnost klasifikace: 95,0 %, popř. 91,4 %. Podrobnější popis experimentů a rozbor výsledků jsou obsaženy v [7].

6. Závěr

Čerpací systémy jsou z ekonomických důvodů často navrhovány s minimální čistou sací výškou. Tím roste pravděpodobnost vzniku kavitace v čerpadle. Kavitace zmenšuje účinnost čerpadla a může mít nepříznivý vliv na kvalitu čerpaného produktu, zejména však vede ke kavitační erozi čerpadla. Kavitační eroze, způsobená dlouhodobým působením kavitace, může být jednou z příčin náhlého selhání čerpadla, obvykle spojeného s velkými materiálními škodami, a popř. i s ohrožením lidských životů. Jedním z nejúčinnějších způsobů předcházení podobným poruchám je aplikace diagnostiky čerpadel, mj. i diagnostiky kavitace. V blízké budoucnosti se očekává velké rozšíření autonomní neinvazivní diagnostiky kavitace i do oblasti menších čerpadel.

Diagnostika kavitace bez přítomnosti lidského prvku vyžaduje použití moderních metod, zejména umělé inteligence. Metoda detekce kavitace popsaná v článku využívá strojové učení pro detekci kavitace a určení jejího rozsahu na základě měření vibrací skříně čerpadla. Přesnost klasifikace do pěti tříd rozsahu kavitace zde přesahuje 80 %. Je-li požadována pouze informace, že se kavitace v čerpadle vyskytuje, a není třeba určit její rozsah, je klasifikace úspěšná v 90 % případů. Za hranici užívanou jako kritérium použitelnosti diagnostické metody v průmyslových podmínkách se přitom většinou považuje spolehlivost 85 %. Pochopitelně je nutné další testování na různých typech a velikostech čerpadel. Systém byl zatím zkoušen pouze při čerpání stejné kapaliny, jaká se používá při kavitačních zkouškách, tj. studené vody. Ta je z hlediska kavitační eroze považována za jednu z nejagresivnějších kapalin, a velkou část instalací systému lze proto očekávat právě v aplikacích, ve kterých je čerpanou kapalinou voda. Při čerpání jiných kapalin, zejména odlišné viskozity, by systém nemusel pracovat korektně. Zlepšení v této oblasti jsou předmětem dalšího výzkumu.

Literatura:

[1] BLÁHA, J. – BRADA, K.: Příručka čerpací techniky. ČVUT, Praha, 1997.

[2] NOSKIEVIČ, J. a kol.: Kavitace v hydraulických strojích a zařízeních. SNTL, Praha, 1990.

[3] BRENNEN, C. E.: Hydrodynamics of Pumps. Oxford University Press, 1994.

[4] DUDA, R. O. – HART, P. E. – STORK, D. G.: Pattern Classification. Wiley Interscience, 2001 (2. vydání).

[5] KOTEK, Z. – MAŘÍK, V. – HLAVÁČ, V. – PSUTKA, J. – ZDRÁHAL, Z.: Metody rozpoznávání a jejich aplikace. Academia, Praha, 1993.

[6] PERCIVAL, D. B. – WALDEN, A. T.: Spectral Analysis for Physical Applications. Cambridge University Press, 1993.

[7] FLEK, O.: Diagnosis of Cavitation in Centrifugal Pumps. [Disertační práce.] ČVUT, Praha, 2002.

[8] JIŘINA, M.: Vybrané partie z neuronových sítí. In: Umělá inteligence 4, Academia, Praha, 2003, pp. 204–253.

Ing. Ondřej Flek, Ph.D.,
Výzkumné středisko Rockwell Automation Praha

Lektoroval prof. Ing. Vladimír Mařík, DrSc.

Autor je absolventem Fakulty elektrotechnické ČVUT v Praze (1995). Na ČVUT také absolvoval postgraduální studium v oboru umělá inteligence a biokybernetika (2003). Ve Výzkumném středisku Rockwell Automation v Praze se osmým rokem věnuje výzkumu v oboru diagnostiky strojních zařízení, mimo jiné i diagnostiky čerpadel.

Inzerce zpět