CN101799359B - 一种动力设备故障监测预报方法及其系统 - Google Patents
一种动力设备故障监测预报方法及其系统 Download PDFInfo
- Publication number
- CN101799359B CN101799359B CN2010101012756A CN201010101275A CN101799359B CN 101799359 B CN101799359 B CN 101799359B CN 2010101012756 A CN2010101012756 A CN 2010101012756A CN 201010101275 A CN201010101275 A CN 201010101275A CN 101799359 B CN101799359 B CN 101799359B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- signal
- modeling
- oil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明涉及一种动力设备故障监测预报方法及其系统,(1)设置一包括往复式发动机、取油装置、油液预处理器、油液数据分析存储模块、故障诊断模块、磁电传感器、电压传感器、压力传感器、温度传感器、振动传感器、超声波传感器、信号调理箱、模数转化模块和数据采集模块的故障监测预报系统;(2)由数据采集模块采集曲轴相位信号,使各传感器开始采集信号;(3)将采集到的信号送入故障诊断模块内;(4)取油装置取出动态油样,经油液数据分析存储模块将油液中金属元素浓度值送入故障诊断模块;(5)制定相位信号和幅值界限值;(6)故障诊断模块对往复机械状态进行故障监测和预报。本发明采集手段全面,并能满足故障预报及监测功能,诊断精度较高。本发明可以广泛应用于各种往复机械设备中。
Description
技术领域
本发明涉及一种机械故障预报监测方法,特别是关于一种用于往复机械领域中的动力设备故障监测预报方法及其系统。
背景技术
往复机械是用于石油、化工、冶金、动力等工业领域的一类关键动力设备,在生产中起着人体“心脏”的作用。但由于往复机械的结构和运动形式比较复杂,其关键运动部件有连杆、曲轴、十字头、活塞杆、活塞等,其中连杆、曲轴做旋转运动,十字头为旋转运动和直线往复运动的交汇点,活塞杆、活塞在气缸中作直线往复运动,上述运动的复杂性,使得往复机械在生产中的故障率非常高,一旦某一部分发生故障,就会造成巨大的经济损失和人员伤亡事故。近几年来国内外的机械故障诊断技术发展迅速,研究的手段和方法日新月异,特别是在旋转机械领域内已取得了较好的应用效果。然而,对于柴油机、压缩机、往复泵等往复式机械,尽管国内外的有关学者已经在这方面进行了大量的研究工作,但因其结构复杂、激励源多以及运行不平稳等特点,其实际应用仍未取得令人满意的效果。
往复机械故障诊断方法多局限在实验室内的模拟阶段,实用性还远未达到现场要求。主要困难表现在:信号的非平稳性、信号的重叠性、诊断模型的多样性,往复机械结构和运动状态相当复杂而且型号很多,难以归纳出共性。适用于某型号的往复机械的分析方法,对另一型号的往复机械未必可行,例如,基于故障机理的诊断方法因往复机械结构的复杂性而逐渐被放弃;故障树诊断法由于其诊断方法粗糙而诊断精度不高;瞬时转速波动诊断法虽然能够反映故障信息,但是该方法不能分析出故障的具体原因,也不能对故障进行准确定位,而且测量瞬时转速波动需要高频响、高精度的仪器,成本高。目前对于往复机械的检测技术,世界上通常采用跟踪分析方法,是采用以曲轴转速计脉冲信号作为采集振动数据的外部时钟,并通过跟踪过滤器装置将振动信号采集到计算机中进行分析和判定。由于此方法对转速采集精度要求很高,在实际用于往往会产生测量不准的现象,而且它还需要一个跟踪过滤器装置来实现对振动信号的过滤,所以成本相对较高,而且分析结果离散性高,稳定性偏低,不利于实际推广应用。
发明内容
针对上述问题,本发明的目的是提供一种适用较为广泛、能实现故障预报功能、诊断精度较高且成本较低的动力设备故障监测预报方法及其系统。
为实现上述目的,本发明采取以下技术方案:一种动力设备故障监测预报方法,其步骤如下:(1)设置一包括往复式发动机、取油装置、油液预处理器、油液数据分析存储模块、故障诊断模块、磁电传感器、电压传感器、压力传感器、温度传感器、振动传感器、超声波传感器、信号调理箱、模数转化模块和数据采集模块的故障监测预报系统;(2)启动往复机械,由数据采集模块采集磁电传感器产生的脉冲信号,并判断脉冲信号内是否有曲轴相位信号;当没有曲轴相位信号时,重新启动往复机械;当检测到曲轴相位信号时,各传感器开始采集信号;(3)数据采集模块完成信号数据采集,并将信号送入故障诊断模块内;同时,数据采集模块完成所有信号采集后,回到初始状态等待重复采集命令;(4)在往复机械工作状态下,取油装置由油底壳放油口处取出动态油样,对油样进行预处理后,经过油液数据分析存储模块将油液中金属元素浓度值再经预处理,送入故障诊断模块内;(5)故障诊断模块根据各传感器数据和油液分析数据对其内的数据库进行更新,更新后的数据库按照3σ方法进行相位信号界限值和幅值界限值重新制定;(6)在故障诊断模块内,通过比较数据相位关系、数据幅值大小的量化信息,结合往复机械的故障界限值和实际故障库,对往复机械当前状态进行诊断;若诊断结果正常,则设备继续运行;若诊断结果异常,则由故障诊断模块进行故障监测和预报。
所述步骤(6)中的所述故障诊断的方法包括以下步骤:(1)根据油液分析数据及各传感器采集到的数据,并参照已制定的相位信号界限值和幅值信号界限值,判断采集数据是否超出正常相位和幅值的界限值上限,若没有超出,则继续运行设备;若超出,则进行相位偏移和幅值数据量化处理;(2)经所述步骤一进行量化处理后,根据模糊评判方法,建立幅值信号的评判矩阵;利用隶属函数的形式对基本因素做出评判,分别得到幅值信号和相位信号模糊评判矩阵;(3)根据模糊评判矩阵,若评判结果正常,则设备继续运行;若评判结果为警戒,则利用灰色建模方法对各因素集进行灰色建模,并进行故障预报;若模糊评判结果为故障,则分别对幅值和相位的评判矩阵进行加权处理,并利用模糊综合评判方法再次进行判断,结果仍然出现故障,则给出故障结论,结果正常,则继续运行设备。
所述故障诊断方法中的故障预报是基于建模数据变化规律的灰色建模方法,所述灰色建模方法包括以下步骤:(1)对于非等间距的取样数据,根据级比条件判断取样数据是否满足级比要求,若不满足,则对元素浓度进行对数化处理后重新判定;若满足,则继续判断是否满足建模条件;(2)当满足建模条件时,则按照差商法灰色建模的方法进行灰色建模;若不满足建模条件,则对取样时刻进行等间隔化处理;(3)经间隔化处理后,判断取样数据规则是否平滑,若数据规则平滑,则可以按照时序拟合法的灰色建模方法进行建模;若数据规则具有波动性,则利用改进的基于数据变化规律的时序拟合法进行灰色建模;(4)所述差商法、时序拟合法和基于数据变化规律的时序拟合法灰色建模后,都要进行拟合精度检验,若检验合格,则可以进行灰色预测;若检验不合格,则改变建模维数重新进行建模,直至满足拟合精度要求。
所述级比条件为: 其中,δ为级比函数,n为样本数据的数量;所述建模条件为:max(Δtk)/min(Δtk)<1.5,其中Δtk为采样间隔时间。
一种实现上述方法的动力设备故障监测预报系统,其特征在于:它包括一设置在试验台支架上的往复式发动机,所述往复式发动机内油底壳的放油口处经一取油装置后,依次连接一油液预处理器和一油液数据分析存储模块,所述油液数据分析存储模块的输出端连接一故障诊断模块;所述往复式发动机内的飞轮和火花塞分别连接一磁电传感器和一电压传感器;所述往复式发动机内气缸顶部的火花塞安装孔连接一压力传感器,所述气缸的出气口连接一温度传感器,所述气缸的顶部连接一振动传感器和一超声波传感器,所有所述传感器将检测到的信号都经过电缆输入一信号调理箱;所述信号调理箱的输出端经一模数转化模块和数据采集模块后,送入所述故障诊断模块。
所述取油装置包括一取样接头,所述取样转接头的输入端穿过往复发动机内油底壳底部,且与所述油底壳底部为螺纹连接,所述取样接头的输出端螺纹连接一快速接头的输入端,所述快速接头的输出端螺纹连接一取样油管的输入端,所述取样油管的输出端与一球形阀门螺纹连接,所述球形阀门的输出端螺纹连接一喷油嘴;所述球形阀门上设置有一开关手柄。
所述取样接头与所述油底壳底部连接处,以及所述取样油管的输出端与所述球形阀门连接处均设置有一密封垫;所述取样接头的输出端与所述取样油管的输入端连接处设置有一O型密封圈。
所述取样接头顶部伸入油底壳内的高度为80~100mm,且在该顶部设置有三组以上的孔洞。
所述信号调理箱内设置有两个低通滤波器、一个频压转换模块、四个电压隔离模块、两个带通滤波器、一个电流隔离模块、一个信号衰减模块和一个电阻/电压转换模块;所述磁电传感器和压力传感器将检测到的信号分别经一所述低通滤波器后,分别输入所述频压转换模块和一所述电压隔离模块;所述振动传感器和超声波传感器检测到的信号分别经一所述带通滤波器后,分别输入一所述电压隔离模块和电流隔离模块,并经所述模数转化模块由所述数据采集模块进行采集;所述电压传感器和温度传感器检测到的信号分别经所述信号衰减模块和电阻/电压转换模块后,分别输入一所述电压隔离模块,经所述模数转化模块由所述数据采集模块进行采集。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于采用磁电传感器、压力传感器、温度传感器、振动传感器、超声波传感器及电压传感器对往复机械进行信号采集,同时还利用油液分析技术对发动机内的油液进行数据分析,将各传感器的数据和油样分析数据送入故障诊断模块内,对设备进行故障监测和故障预报,其系统信号采集手段全面,因此扩大了使用范围,同时满足了故障预报及监测功能,诊断精度较高。2、本发明由于利用磁电传感器采集曲轴相位信号,进而使得其他传感器开始进行采集各种信号,各信号采集基于曲轴相位进行,因此使得数据结果显示直观、易懂。3、本发明由于采用的故障监测预报方法是基于阈值和模糊判别方法,进一步提高了的故障预测的准确性。4、本发明由于采用一取油装置对往复式发动机内油底壳中的油液进行取样,该取油装置由取样头、快速接头、油管、球形阀门和喷油嘴组成,其结构简单,使用方便。5、本发明由于将信号采集、数据处理分析和故障监测预报等功能集成一体,使得本发明的实验系统集成化程度较高,因此大大提高了本发明的应用范围。6、本发明采用的故障监测预报方法可以诊断阀门故障、活塞环故障、活塞杆故障、轴承故障、点火装置等故障,其监测预报的故障类型较为全面。因此本发明可以广泛应用于各种大型内燃机、压缩机和往复泵等往复机械设备中。
附图说明
图1是本发明的整体实验系统结构示意图,
图2是本发明的取油装置结构示意图,
图3是本发明的信号调理箱结构示意图,
图4是本发明的故障监测预报方法流程图,
图5是本发明的系统油液分析流程图,
图6是本发明的故障诊断模块工作流程图,
图7是本发明的灰色建模流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明包括一往复式发动机1,往复式发动机1设置在一试验台支架(图中未示出)上。往复式发动机1内油底壳2的放油口处与一取油装置3的输入端连接,取油装置3的输出端依次通过一油液预处理器4和一油液数据分析存储模块5连接到一故障诊断模块6。往复式发动机1内的飞轮7和火花塞8分别连接一磁电传感器9和一电压传感器10;且往复式发动机1内气缸11顶部的火花塞安装孔连接一压力传感器12,气缸11的出气口连接一温度传感器13,气缸11的顶部连接一振动传感器14和一超声波传感器15,所有传感器将检测到的信号都经过电缆输入一信号调理箱16内,去除信号干扰。处理后的信号由信号调理箱16的输出端经一A/D转化模块17(模拟/数字转化模块)和数据采集模块18后,送入故障诊断模块6内进行故障监测和预报。
如图2所示,本发明的取油装置3包括一取样接头301,取样接头301的输入端穿过往复发动机内油底壳2底部,与油底壳2底部连接处为螺纹连接,且在连接处设置有一用于防止漏油的密封垫302。取样接头301的输出端螺纹连接一快速接头303的输入端,且在该连接处设置有一O型密封圈304。快速接头303的输出端螺纹连接一取样油管305的输入端,取样油管305的输出端经另一密封垫306与一球形阀门307螺纹连接,球形阀门307的输出端螺纹连接一喷油嘴308。油底壳2内的油液由喷油嘴308喷入取样瓶内,以便进行油液分析。
上述实施例中,球形阀门307上设置有一开关手柄309,当开关手柄309与取样油管305互为垂直方向时,球形阀门307为关闭状态;当开关手柄309旋转90°变为与取样油管305同一方向时,球形阀门307为开启状态。
上述实施例中,取样接头301的顶部伸入油底壳2内的高度为80~100mm,且在该顶部设置有三组以上的孔洞310,且在油底壳2内,取样接头301上最底部的一组孔洞310距离油底壳2底部的高度固定在60mm~80mm,使得油底壳2内的油液由孔洞310滤除油液中的颗粒后流入快速转接头303内,进而流入取样油管305中,这样保证了所取样油液的纯度。
如图3所示,本发明的信号调理箱16内设置有两个低通滤波器19、一个频压转换模块20、四个电压隔离模块21、两个带通滤波器22、一个电流隔离模块23、一个信号衰减模块24和一个电阻/电压转换模块25。磁电传感器9和压力传感器12将检测到的信号分别经一低通滤波器19后,滤除高频杂波,分别输入频压转换模块20和一电压隔离模块21内,分别将信号完成频率到电压值的转化、干扰信号隔离去除后输出;振动传感器14和超声波传感器15检测到的信号分别经一带通滤波器22后,分别输入一电压隔离模块21和电流隔离模块23内,将信号中的干扰信号去除后输出,经A/D转化模块17由数据采集模块18进行采集;电压传感器10和温度传感器13检测到的信号分别经信号衰减模块24和电阻/电压转换模块25后,分别输入一电压隔离模块21内将信号中的干扰信号去除后输出,经A/D转化模块17由数据采集模块18进行采集。
上述实施例中,磁电传感器9与飞轮7的连接位置与往复机械曲轴上的止点相对应,以保证曲轴每转一圈产生一个矩形脉冲;且磁电传感器9接触端与往复式发动机1上飞轮7触发点之间的距离为2~3mm,以保证能有效的产生矩形信号。
如图4所示,本发明基于往复机械实验系统的故障监测预报方法,其步骤如下:
(1)启动往复机械,由数据采集模块采集磁电传感器产生的脉冲信号,并判断脉冲信号内是否有曲轴相位信号;当没有曲轴相位信号时,检查往复机械与各线缆连接是否出现故障,并重新启动往复机械;当检测到曲轴相位信号时,其它压力、温度、振动、超声波及电压传感器开始采集信号;
(2)将各传感器采集的信号由信号调理箱进行调理,数据采集模块完成信号数据采集,并将信号送入故障诊断模块内,进行故障监测、预报分析;同时,当数据采集模块按照预先设定的采集顺序和采集类别完成所有信号采集后,会回到初始状态等待重复采集命令;
上述数据采集模块中传感器信号显示均以曲轴相位为参考坐标,分别完成振动、超声波、压力、电压和温度信号的采集显示,信号采集过程中振动信号、超声波信号是以波形图的形式显示,气缸压力和点火电压以PT图和VT图形式显示,温度以数值形式显示;
(3)在往复机械工作状态下,取油装置由油底壳放油口处取出动态油样,对油样进行加热、振荡等预处理,预处理后经过油液数据分析存储模块将油液中Fe(铁)、Cu(铜)、Pb(铅)和Cr(铬)等金属元素浓度值再经预处理后,送入故障诊断模块内;
(4)故障诊断模块根据各传感器数据和油液分析数据对其内的数据库进行更新,更新后的数据库按照3σ方法进行相位信号界限值和幅值界限值等故障界限值的重新制定;
相位信号界限值用于判断各传感器信号相对于往复机械曲轴转角的对应关系,相位值过大或过小都会导致往复机械运行质量下降,运行状况的变差;幅值信号界限值包括了油液分析金属元素浓度界限值和振动、压力、电压以及温度等所有信号的界限值,用于判断信号幅值大小是否正常或何时将会出现异常;
(5)在故障诊断模块内,通过比较振动、压力、点火电压数据相位关系、油液分析数据和传感器采集数据幅值大小等量化信息,并结合往复机械的故障界限值和实际故障库情况,对往复机械当前状态进行诊断;若监测结果判断往复机械状态正常,则设备继续运行;若监测结果判断往复机械异常,则由故障诊断模块进行故障监测和预报,并给出维修决策,确定维修时间以及采取的措施。
如图5所示,上述步骤(3)中的往复机械实验系统油液分析包括以下步骤:
步骤一、首先对于所采集的油样进行油样预处理,主要包括3~5分钟的振荡,同时将油样加热到27~30℃;
步骤二、预处理后将油样进行原子发射光谱分析,获取油液中Fe(铁)、Cu(铜)、Pb(铅)和Cr(铬)等金属元素含量;
由于油液分析对当前设备运行状态进行评价时很容易出现误判,这是因为在实际中有诸多因素容易导致元素浓度上升趋势不稳定,上下波动较大,数据在某种程度上或多或少的失真;导致数据失真的主要原因有:取样不规范(取样装置操作方式不准确)导致的采样误差;监测人员的观察误差;系统漏油,导致浓度上升;非规律性加油,导致浓度变化;实际运行过程中的影响等;
考虑到以上诸多影响因素,必须对光谱分析后得到的原始数据再进行补油修正、异常数据点剔除等预处理;
步骤三、由步骤(2)获得的油液光谱分析数据,首先对数据库进行更新,即添加最新数据以后,要删除最老的一组数据,从而保证数据库数据大小不变;然后将更新后的油液分析数据库,按照3σ方法制定往复机械油液分析界限值,其油液分析金属元素浓度界限值表达式如表1所示,
表1
根据表1所示的警戒浓度界限值下限和故障浓度界限值下限表达式,可以得金属元素浓度界限值范围如表2所示;
表2
正常界限值范围 | 警戒界限值范围 | 故障界限值范围 |
TN c~TM c | TM c~TA c | TA c~+∞ |
上述表格中,TN c为正常界限值的下限值;TM c为正常界限值的上限值,同时也是警戒界限值的下限值;TA c为故障界限值的下限值;σ为样本数据统计量的均方差;
步骤四、根据金属元素浓度界限值范围,可以初步判断油液分析结果是否超出故障标准,如果在正常界限值范围内,则继续运行设备;如果超出正常界限值上限范围,则需进行故障诊断。
如图6所示,上述步骤(5)中的故障诊断方法包括以下步骤:
步骤一、根据往复机械实验系统采集到的油液分析数据及各传感器采集到的数据,进行幅值信号监测和相位信号监测,并参照已制定的相位信号界限值和幅值信号界限值,判断采集的数据是否超出正常相位和幅值的界限值上限,若没有超出,则继续运行设备;若超出正常界限值上限,则进行相位偏移和幅值数据量化处理;
各传感器采集到的数据有振动传感器采集的振动数据、超声波传感器采集得到的高频振动数据、压力传感器采集的汽缸压力数据、电压传感器采集的点火电压数据以及温度传感器采集的温度数据;
步骤二、经所述步骤一进行量化处理后,根据模糊评判方法,建立幅值信号的评判矩阵,利用等级划分表(如表3所示),取“S”型经验分布型隶属函数,确定各考虑因素获得第j种评语的隶属函数;考虑到评判过程中各主要因素对评判作用的权重各不相同,同样用隶属函数的形式对基本因素uj k做出评判,从而得到幅值信号模糊评判矩阵;对于相位信号,按照同样的方法进行处理,同样得到相位信号模糊评判矩阵;
表3
步骤三、根据模糊评判矩阵,若评判结果正常,则设备继续运行;若评判结果显示警戒,则利用灰色GM(1,1)建模方法对考虑因素集进行灰色建模,预报出数据达到故障界限值所需要的时间,从而确定维修决策和采取的措施;若模糊评判结果显示为故障,则需要分别对幅值评判矩阵和相位评判矩阵进行加权处理,并利用模糊综合评判方法再次进行判断,结果仍然出现故障,则给出故障结论,结果正常,则继续运行设备。
如图7所示,上述往复机械实验系统故障诊断方法中的故障预报是基于建模数据变化规律的灰色GM(1,1)建模方法,对于往复机械的油液分析数据和各传感器采集数据的采样间隔时间Δtk是不相等的,灰色GM(1,1)建模方法包括以下步骤:
(i)对于非等间距的取样数据,根据级比条件A(级比即相连数据的比值)判断取样数据是否满足级比要求,若不满足,则对元素浓度进行对数化处理后重新判定;若满足级比条件A,则继续判断是否满足建模条件max(Δtk)/min(Δtk)<2;其中Δtk为采样间隔时间;
级比条件A为: 其中,δ为级比函数;n为样本数据的数量;
(ii)当满足建模条件max(Δtk)/min(Δtk)<1.5时,则按照差商法灰色建模的方法进行灰色建模;若不满足建模条件,则对取样时刻进行等间隔化处理;
(iii)经间隔化处理后,判断取样数据规则是否平滑,若数据规则平滑,则可以按照时序拟合法的灰色建模方法进行建模;若数据规则具有波动性,则利用改进的基于数据变化规律的时序拟合法进行灰色建模;
(iv)上述各步骤中的差商法、时序拟合法和基于数据变化规律的时序拟合法灰色建模后,都要进行拟合精度检验,若检验合格,则可以进行灰色预测;若检验不合格,则改变建模维数重新进行建模,直至满足拟合精度要求。
上述各实施例仅是本发明的优选实施方式,在本技术领域内,凡是基于本发明技术方案上的变化和改进,不应排除在本发明的保护范围之外。
Claims (9)
1.一种动力设备故障监测预报方法,其步骤如下:
(1)设置一包括往复式发动机、取油装置、油液预处理器、油液数据分析存储模块、故障诊断模块、磁电传感器、电压传感器、压力传感器、温度传感器、振动传感器、超声波传感器、信号调理箱、模数转化模块和数据采集模块的故障监测预报系统;
(2)启动往复机械,由数据采集模块采集磁电传感器产生的脉冲信号,并判断脉冲信号内是否有曲轴相位信号;当没有曲轴相位信号时,重新启动往复机械;当检测到曲轴相位信号时,各传感器开始采集信号;
(3)数据采集模块完成信号数据采集,并将信号送入故障诊断模块内;同时,数据采集模块完成所有信号采集后,回到初始状态等待重复采集命令;
(4)在往复机械工作状态下,取油装置由油底壳放油口处取出动态油样,对油样进行预处理后,经过油液数据分析存储模块将油液中金属元素浓度值再经预处理,送入故障诊断模块内;
(5)故障诊断模块根据各传感器数据和油液分析数据对其内的数据库进行更新,更新后的数据库按照3σ方法进行相位信号界限值和幅值界限值重新制定;
(6)在故障诊断模块内,通过比较数据相位关系、数据幅值大小的量化信息,结合往复机械的故障界限值和实际故障库,对往复机械当前状态进行诊断;若诊断结果正常,则设备继续运行;若诊断结果异常,则由故障诊断模块进行故障监测和预报,故障诊断的方法包括以下步骤:
①根据油液分析数据及各传感器采集到的数据,并参照已制定的相位信号界限值和幅值信号界限值,判断采集数据是否超出正常相位和幅值的界限值上限,若没有超出,则继续运行设备;若超出,则进行相位偏移和幅值数据量化处理;
②经所述步骤①进行量化处理后,根据模糊评判方法,建立幅值信号的评判矩阵和相位信号的评判矩阵;利用隶属函数的形式对基本因素做出评判,分别得到幅值信号和相位信号模糊评判矩阵;
③根据模糊评判矩阵,若评判结果正常,则设备继续运行;若评判结果为警戒,则利用灰色建模方法对各因素集进行灰色建模,并进行故障预报;若模糊评判结果为故障,则分别对幅值和相位的评判矩阵进行加权处理,并利用模糊综合评判方法再次进行判断,结果仍然出现故障,则给出故障结论,结果正常,则继续运行设备。
2.如权利要求1所述的一种动力设备故障监测预报方法,其特征在于:所述故障诊断方法中的故障预报是基于建模数据变化规律的灰色建模方法,所述灰色建模方法包括以下步骤:
(1)对于非等间距的取样数据,根据级比条件判断取样数据是否满足级比要求,若不满足,则对元素浓度进行对数化处理后重新判定;若满足,则继续判断是否满足建模条件;
(2)当满足建模条件时,则按照差商法灰色建模的方法进行灰色建模;若不满足建模条件,则对取样时刻进行等间隔化处理;
(3)经间隔化处理后,判断取样数据规则是否平滑,若数据规则平滑,则按照时序拟合法的灰色建模方法进行建模;若数据规则具有波动性,则利用改进的基于数据变化规律的时序拟合法进行灰色建模;
(4)所述差商法、时序拟合法和基于数据变化规律的时序拟合法灰色建模后,都要进行拟合精度检验,若检验合格,则进行灰色预测;若检验不合格,则改变建模维数重新进行建模,直至满足拟合精度要求。
4.一种实现如权利要求1~3之一所述的方法的动力设备故障监测预报系统,其特征在于:它包括一设置在试验台支架上的往复式发动机,所述往复式发动机内油底壳的放油口处经一取油装置后,依次连接一油液预处理器和一油液数据分析存储模块,所述油液数据分析存储模块的输出端连接一故障诊断模块;所述往复式发动机内的飞轮连接一磁电传感器,所述往复式发动机内的火花塞连接一电压传感器;所述往复式发动机内气缸顶部的火花塞安装孔连接一压力传感器,所述气缸的出气口连接一温度传感器,所述气缸的顶部连接一振动传感器和一超声波传感器,所有所述传感器将检测到的信号都经过电缆输入一信号调理箱;所述信号调理箱的输出端经一模数转化模块和数据采集模块后,送入所述故障诊断模块。
5.如权利要求4所述的一种动力设备故障监测预报系统,其特征在于:所述取油装置包括一取样接头,所述取样转接头的输入端穿过往复发动机内油底壳底部,且与所述油底壳底部为螺纹连接,所述取样接头的输出端螺纹连接一快速接头的输入端,所述快速接头的输出端螺纹连接一取样油管的输入端,所述取样油管的输出端与一球形阀门螺纹连接,所述球形阀门的输出端螺纹连接一喷油嘴;所述球形阀门上设置有一开关手柄。
6.如权利要求5所述的一种动力设备故障监测预报系统,其特征在于:所述取样接头与所述油底壳底部连接处,以及所述取样油管的输出端与所述球形阀门连接处均设置有一密封垫;所述取样接头的输出端与所述取样油管的输入端连接处设置有一O型密封圈。
7.如权利要求5或6所述的一种动力设备故障监测预报系统,其特征在于:所述取样接头顶部伸入油底壳内的高度为80~100mm,且在该顶部设置有三组以上的孔洞。
8.如权利要求4或5或6所述的一种动力设备故障监测预报系统,其特征在于:所述信号调理箱内设置有两个低通滤波器、一个频压转换模块、四个电压隔离模块、两个带通滤波器、一个电流隔离模块、一个信号衰减模块和一个电阻/电压转换模块;
所述磁电传感器和压力传感器将检测到的信号分别经一所述低通滤波器后,分别输入所述频压转换模块和一所述电压隔离模块;所述振动传感器和超声波传感器检测到的信号分别经一所述带通滤波器后,分别输入一所述电压隔离模块和电流隔离模块,并经所述模数转化模块由所述数据采集模块进行采集;所述电压传感器和温度传感器检测到的信号分别经所述信号衰减模块和电阻/电压转换模块后,分别输入一所述电压隔离模块,经所述模数转化模块由所述数据采集模块进行采集。
9.如权利要求7所述的一种动力设备故障监测预报系统,其特征在于:所述信号调理箱内设置有两个低通滤波器、一个频压转换模块、四个电压隔离模块、两个带通滤波器、一个电流隔离模块、一个信号衰减模块和一个电阻/电压转换模块;
所述磁电传感器和压力传感器将检测到的信号分别经一所述低通滤波器后,分别输入所述频压转换模块和一所述电压隔离模块;所述振动传感器和超声波传感器检测到的信号分别经一所述带通滤波器后,分别输入一所述电压隔离模块和电流隔离模块,并经所述模数转化模块由所述数据采集模块进行采集;所述电压传感器和温度传感器检测到的信号分别经所述信号衰减模块和电阻/电压转换模块后,分别输入一所述电压隔离模块,经所述模数转化模块由所述数据采集模块进行采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101012756A CN101799359B (zh) | 2010-01-27 | 2010-01-27 | 一种动力设备故障监测预报方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101012756A CN101799359B (zh) | 2010-01-27 | 2010-01-27 | 一种动力设备故障监测预报方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101799359A CN101799359A (zh) | 2010-08-11 |
CN101799359B true CN101799359B (zh) | 2011-05-25 |
Family
ID=42595131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101012756A Expired - Fee Related CN101799359B (zh) | 2010-01-27 | 2010-01-27 | 一种动力设备故障监测预报方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101799359B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI426242B (zh) * | 2010-11-03 | 2014-02-11 | Ind Tech Res Inst | 動力設備異常檢測裝置及其檢測方法 |
CN102749203B (zh) * | 2011-04-21 | 2015-05-20 | 浙江派尼尔机电有限公司 | 一种船用发动机测试方法、装置和系统 |
GB2500388B (en) * | 2012-03-19 | 2019-07-31 | Ge Aviat Systems Ltd | System monitoring |
CN104863735B (zh) * | 2014-02-21 | 2017-12-01 | 北京因极技术有限公司 | 电控内燃发动机正时信号故障诊断装置 |
CN103824137B (zh) * | 2014-03-20 | 2016-08-17 | 北京信息科技大学 | 一种复杂机械设备多工况故障预测方法 |
EP3129638A1 (en) | 2014-04-07 | 2017-02-15 | GE Aviation Systems LLC | Method for slow starting a reciprocating engine with a pneumatic starter while diagnosing the presence of a hydrostatic lock |
CN104198031B (zh) * | 2014-07-30 | 2017-12-26 | 东风康明斯发动机有限公司 | 一种发动机曲轴扭振信号检测方法及装置 |
CN104483965B (zh) * | 2014-12-03 | 2017-06-16 | 中国人民解放军国防科学技术大学 | 液体火箭发动机地面试车稳态过程故障检测参数选择方法 |
CN106802643A (zh) * | 2015-11-26 | 2017-06-06 | 通用电气公司 | 故障预测系统及方法 |
CN105628250A (zh) * | 2015-12-23 | 2016-06-01 | 国网安徽省电力公司蚌埠供电公司 | 基于灰色gm(1,1)模型的电力电缆故障监测方法 |
CN105759696A (zh) * | 2016-04-22 | 2016-07-13 | 广东格兰仕集团有限公司 | 一种生产设备稳定性的智能传感器监测系统 |
CN106267905B (zh) * | 2016-10-19 | 2018-04-27 | 大庆华谊金鹰石油科技有限公司 | 集成化智能型油田污水罐收油控制装置和方法 |
CN108361020B (zh) * | 2018-04-03 | 2021-04-23 | 中煤科工集团西安研究院有限公司 | 基于虚拟仪表的坑道钻机用诊断保护装置及方法 |
CN110873788A (zh) * | 2018-08-30 | 2020-03-10 | 中国石油天然气股份有限公司 | 基于多种监测信息的设备摩擦和润滑在线监测系统 |
CN109139905B (zh) * | 2018-10-25 | 2024-03-01 | 北京信息科技大学 | 一种湿式离合器变速箱换档过程缓冲控制方法及系统 |
CN109654008B (zh) * | 2019-02-20 | 2020-01-31 | 北京航空航天大学 | 空气压缩机动态检测间隔期确定方法 |
CN110005659B (zh) * | 2019-04-08 | 2020-08-11 | 深圳市华星光电技术有限公司 | 气缸实时监控方法 |
CN112113617B (zh) * | 2020-09-21 | 2021-07-23 | 中国石油化工股份有限公司 | 一种往复式压缩机缸内压力与温度实时采集装置及其方法 |
CN112556826A (zh) * | 2020-12-17 | 2021-03-26 | 泉州市名咨科迅信息科技有限公司 | 一种基于计算机的发动机现场实时检测方法及其料架 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4475493A (en) * | 1983-02-16 | 1984-10-09 | The Bendix Corporation | Start and shutdown sequencer for a diesel engine |
CN101059130A (zh) * | 2007-03-07 | 2007-10-24 | 江苏工业学院 | 往复压缩机在线远程状态监测与故障分析诊断系统 |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
-
2010
- 2010-01-27 CN CN2010101012756A patent/CN101799359B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4475493A (en) * | 1983-02-16 | 1984-10-09 | The Bendix Corporation | Start and shutdown sequencer for a diesel engine |
CN101059130A (zh) * | 2007-03-07 | 2007-10-24 | 江苏工业学院 | 往复压缩机在线远程状态监测与故障分析诊断系统 |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
Non-Patent Citations (2)
Title |
---|
张建民等.面向机电系统状态监测与故障诊断的现代技术.《北京理工大学学报》.2004,第24卷(第9期), * |
蔡勇等.闭式循环往复式发动机监测与诊断系统研制.《船海工程》.2007,第36卷(第3期), * |
Also Published As
Publication number | Publication date |
---|---|
CN101799359A (zh) | 2010-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101799359B (zh) | 一种动力设备故障监测预报方法及其系统 | |
CN101798957B (zh) | 一种动力设备故障诊断方法 | |
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
CN111043023B (zh) | 一种压裂泵在线监测及故障诊断系统 | |
CN205370681U (zh) | 一种发动机机油品质在线检测系统 | |
CN106197996A (zh) | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 | |
CN106682815B (zh) | 一种抽油井监控系统及监控方法 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
CN202083555U (zh) | 汽油发动机故障特征提取及诊断系统 | |
CN201034909Y (zh) | 一种在线油液污染自动检测装置 | |
CN101059130A (zh) | 往复压缩机在线远程状态监测与故障分析诊断系统 | |
CN108981796B (zh) | 一种五位一体水力机械故障诊断方法 | |
CN103149046A (zh) | 一种基于专家思维的多维度故障诊断方法 | |
CN202402268U (zh) | 基于声发射检测的水泵空化故障诊断装置 | |
CN106289628A (zh) | 一种柴油发动机燃油供油系统的压力在线动态监测装置 | |
CN105929022A (zh) | 钢丝绳脉冲电涡流无损探伤检测装置及检测方法 | |
CN202614273U (zh) | 一种火电厂传感器故障诊断装置 | |
CN112666339A (zh) | 一种机组油站润滑油在线分析系统及方法 | |
CN102607641A (zh) | 一种燃气轮机的聚类异常检测方法 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN109872018A (zh) | 一种基于示功图的抽油井产量计算方法 | |
CN102393303B (zh) | 一种燃气轮机的排序异常检测方法 | |
CN201583405U (zh) | 一种动力设备故障监测预报系统 | |
CN105571994A (zh) | 一种动力传动系统滑油金属屑参数检测方法 | |
CN103821749A (zh) | 一种轴流式通风机失速和喘振的在线诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
DD01 | Delivery of document by public notice |
Addressee: Xu Xiaoli Document name: Notification of Passing Examination on Formalities |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110525 Termination date: 20220127 |