客户背景

主泵是核电厂的重要转动设备。设备早期异常往往不会立即表现为明显故障，而是首先反映在振动参数的细微变化中。因此，持续采集、长期保存和及时分析主泵振动时序数据，是开展主泵状态监测和故障诊断的重要基础。

南京天洑软件有限公司与上海核工程设计研究院合作，建设核电厂主泵健康监测与诊断系统，面向主泵振动监测、典型故障识别、机理诊断和健康状态评估等场景提供支持。

面临挑战

主泵运行过程中会产生连续的高频振动信号。单独查看某一时刻的振动值，难以判断设备状态；只有结合波形、频谱和趋势，分析振动信号在时间轴上的变化，才能识别潜在异常。

主泵故障类型较为复杂，既包括转子不平衡、转子松动、水膜涡动等典型故障，也可能受到设备结构和现场工况影响，表现出不同的异常特征。因此，系统既需要内置标准化诊断算法，也需要允许用户根据现场设备特点调整诊断规则。

解决方案

主泵健康监测与诊断系统以 IoTDB 为时序数据底座，持续接入和管理主泵运行过程中的振动数据，为实时监测、历史查询和故障分析提供数据基础。平台可以按照设备、测点和时间范围调取振动数据，并围绕异常发生前后的时间窗口进行追溯分析。

针对高频振动信号，平台提供波形图、频谱图和振动趋势图等分析工具。用户可以观察原始信号变化、分析频率特征，并将不同时间段或不同运行状态下的数据进行对比，从而辅助识别早期异常。

在诊断层面，系统内置智能诊断算法，能够识别转子不平衡、转子松动、水膜涡动等主泵典型故障。用户还可以根据现场工况和设备特点调整诊断规则，使诊断逻辑能够适配不同设备和实际运行条件。

平台同时支持通过拖拽方式构建机理诊断模型，将振动数据分析、设备机理和现场经验结合起来。对于复杂故障，系统不只输出单一算法结果，还可以综合数据特征、机理判断和专家规则，为人员定位异常原因提供依据。

在健康评估方面，平台为主泵及其子部件设置初始健康评分，并根据不同类型报警进行扣分。评分从子部件逐级汇总至部件和主泵层级，用户可以查看各层级健康状态及其变化趋势，判断设备是否存在持续劣化迹象。

方案效果与价值

该系统将主泵振动数据管理、故障诊断和健康评估纳入统一平台。IoTDB 为振动时序数据提供持续写入、按时间检索和长期保存能力，使系统能够同时支持实时监测和历史追溯。

在此基础上，南京天洑软件有限公司工业 AI 底座将时序数据、智能诊断算法、机理模型和行业经验结合起来，使运维人员能够从单一参数查看，转向对设备状态、故障类型和劣化趋势进行综合判断，为核电主泵的早期异常识别和维护决策提供参考。