CN102913432B - 一种基于无量纲指数的往复压缩机故障监测诊断方法 - Google Patents
一种基于无量纲指数的往复压缩机故障监测诊断方法 Download PDFInfo
- Publication number
- CN102913432B CN102913432B CN201210445252.6A CN201210445252A CN102913432B CN 102913432 B CN102913432 B CN 102913432B CN 201210445252 A CN201210445252 A CN 201210445252A CN 102913432 B CN102913432 B CN 102913432B
- Authority
- CN
- China
- Prior art keywords
- fault
- reciprocating compressor
- zero dimension
- dimension index
- parking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003745 diagnosis Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000015556 catabolic process Effects 0.000 claims description 24
- 238000006731 degradation reaction Methods 0.000 claims description 24
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000002405 diagnostic procedure Methods 0.000 claims description 10
- 230000006378 damage Effects 0.000 claims description 7
- 208000027418 Wounds and injury Diseases 0.000 claims description 6
- 208000014674 injury Diseases 0.000 claims description 6
- 230000007257 malfunction Effects 0.000 claims description 5
- 230000006866 deterioration Effects 0.000 abstract description 2
- 238000006073 displacement reaction Methods 0.000 description 34
- 230000007547 defect Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010977 unit operation Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明涉及往复压缩机故障诊断方法,是一种基于无量纲指数的往复压缩机故障监测诊断方法。该方法以往复压缩机在线监测系统为基础,提取了机组常见故障特征,建立了往复压缩机常见故障特征对照表,建立了故障劣化程度无量纲指数、停车无量纲指数的数学模型;将该方法与在线监测诊断系统结合,开发了一套基于无量纲指数故障诊断方法的软件,满足对历史与实时的无量纲指数变化进行分析;通过实际检验,该方法可切实有效提高诊断的准确性与可靠性。本方法不仅可用于实际往复压缩机故障诊断,提高现场机组故障诊断水平,还可用于开发往复压缩机故障诊断专家系统与机组保护系统,对往复压缩机安全、可靠、稳定运行具有重大意义。
Description
技术领域
本发明涉及针对往复压缩机故障分析诊断方法,是一种采用无量纲指数的往复压缩机故障监测诊断方法。
背景技术
往复压缩机是流程工业企业关键机组,尤其在炼油、化工、输气管道行业中起着至关重要的作用。由于结构复杂,振动激励源多,故障关联性强,机组故障诊断准确率低,重大安全事故频发,如何提高往复式压缩机故障诊断的准确性始终是困扰企业设备管理人员的难点,同时也是科研人员研究的热点。目前,越来越多的往复压缩机安装了在线监测系统,但是传统的诊断方法依靠振动、温度、位移趋势无法直观有效地进行故障诊断。尤其对现场使用人员,由于诊断知识水平普遍较低,深入的故障诊断方法掌握困难,在线监测系统的有效使用面临较大难度。
国内外对往复压缩机故障诊断研究较多,西安交通大学郁永章等对往复压缩机常规故障诊断方法进行了总结,主要包括参数法,振动声学法,油液分析法;云南工业大学金涛,浙江大学匡继勇对基于小波变换的往复压缩机故障诊断方法进行了研究;哈尔滨工业大学高晶波等对气阀故障诊断的时频分析方法进行了研究;M. Ahmed等对基于神经网络和支持向量机的往复压缩机诊断方法进行了研究。对无量纲指数方法,有如下文献资料涉及:(1)无量纲参数在矿用低速重载齿轮故障诊断中的应用,(2)基于特征参数的旋转机械智能故障诊断方法,(3)基于无量纲指标的旋转机械并发故障诊断技术;以上文献材料均针对旋转设备,未见有文献涉及往复压缩机无量纲指数故障诊断方法。
本发明基于多年的往复压缩机实际故障诊断经验,对往复压缩机常见故障特征进行了细致分析、总结,结合实际的故障诊断案例,提取了常见故障的特征对照表。并在此基础上,提出了一种无量纲指数的诊断方法,此方法综合考虑了故障危害性,故障明显程度,以无量纲指数的形式对往复压缩机常见故障进行表征,显著提升了故障诊断的针对性、高效性。
发明内容
本发明涉及往复压缩机故障诊断方法,是一种基于无量纲指数的往复压缩机故障监测诊断方法,从根本上改变了传统的依靠振动、位移、温度等信号变化趋势进行诊断的方法,改变了原有诊断方法准确性低、诊断针对性弱的缺陷,满足工程一线设备维护管理人员的普遍使用要求,显著提升了在线监测系统的实用性。
该方法以往复压缩机在线监测系统为基础,提取了机组常见故障特征,建立了往复压缩机常见故障特征对照表,建立了故障劣化程度无量纲指数、停车无量纲指数的数学模型;在上述研究的基础上,提出了一种基于故障劣化程度无量纲指数、停车无量纲指数的故障诊断方法,直观反映往复压缩机工作过程中,不同故障的发生,恶化情况以及停车检修必要性。将该方法与在线监测诊断系统结合,开发了一套基于无量纲指数故障诊断方法的软件,满足对历史与实时的无量纲指数变化进行分析。通过实际检验,该方法可切实有效提高诊断的准确性与可靠性。
本发明提出的一种基于无量纲指数的往复压缩机故障监测诊断方法,包括以下内容:
一种基于无量纲指数的往复压缩机故障诊断方法,该方法对往复压缩机常见故障进行特征总结,采用无量纲指数形式表征往复压缩机常见故障,其特征在于包括以下步骤:
1)基于往复压缩机关键部件监测信号,建立往复压缩机常见故障类型及其故障特征对照表,常见故障包括:活塞杆断裂,撞缸,拉缸,活塞杆与活塞紧固螺栓松动,活塞杆与十字头紧固螺纹松动,吸气阀阀片断裂,排气阀阀片断裂,支撑环严重磨损,活塞环严重磨损,吸气阀泄漏,排气阀泄漏,以字母i代表每种故障序号,对活塞杆断裂,i=1,对撞缸,i= 2,以此类推,对吸气阀泄漏,i= 10,排对气阀泄漏,i= 11;
2)建立往复压缩机11种常见故障危害程度对照表,定义不同故障破坏力大小D(i),i=1,…… 11;
3)建立表征不同故障劣化程度无量纲指数V的数学模型,第i种故障的劣化程度无量纲指数为V(i),劣化程度无量纲指数可反映故障恶化的历史与实时情况;
4)建立表征机组停车必要性的停车无量纲指数M,直观反映往复压缩机工作过程中对停车检修的要求;
5)在往复压缩机在线监测系统中应用本发明定义的无量纲指数故障诊断方法,建立不同的故障特征分析图谱;
6)将无量纲指数用于实际故障监测、诊断;当第i种故障劣化程度无量纲指数V(i)大于等于0.6时,即说明第i种故障已严重存在,当机组停车无量纲指数M大于等于0.6,即说明需及时停车检修。
所述步骤3)中的不同故障劣化程度无量纲指数计算的数学模型:
其中:
V(i):第i种故障劣化程度无量纲指数;
f(i,j):第i种故障第j种故障特征值当前值;
N(i,j):第i种故障第j种故障特征值正常值,取自机组无故障平稳运行状态数据;
F(i,j):第i种故障第j种故障特征值报警值;
上述模型定义的故障劣化程度无量纲指数V(i)是一个取值范围在[0,1]之间的无量纲指数,综合考虑了不同故障各种故障特征参数当前值,历史正常值与报警值之间的关系,模型的边界条件为:
(1)f(i,j)-N(i,j)≤0,V(i)=0;
(2)f(i,j)-F(i,j)≥0,V(i)=1。
所述步骤4)中的机组停车无量纲指数的数学模型:
M=max{D(i)*V(i)}
其中:
M:表征机组当前运行状态对停车检修要求无量纲特征指数;
D(i):第i种故障破坏力大小;
V(i):第i种故障劣化程度无量纲指数;
由于D(i)、V(i)均是取值范围在[0,1]之间的无量纲指数,M的取值范围也在[0,1]之间,当M=0时可认为机组运行状态良好,无需停车检修;当M≥0.6,即说明需及时停车检修。
本方法不仅可用于实际往复压缩机故障诊断,提高现场机组故障诊断水平,还可用于开发往复压缩机故障诊断专家系统与机组保护系统,对往复压缩机安全、可靠、稳定运行具有重大意义。
附图说明
图1是本发明流程图;
图2是本实施案例1机组运行趋势图;
图3是本实施案例1活塞杆断裂指数历史趋势图;
图4是本实施案例1机组停车指数历史趋势图;
图5是本实施案例2机组运行趋势图;
图6是本实施案例2吸气阀阀片断裂指数历史趋势图;
图7是本实施案例2机组停车指数历史趋势图;
具体实施方式
如图1所示,本发明的流程主要包括:
(1)建立往复压缩机常见故障及其故障特征对照表;
(2)建立往复压缩机常见故障危害程度对照表,对各种故障破坏力进行定义;
(3)根据往复压缩机常见故障特征对照表,提取不同故障特征参数,计算故障劣化程度无量纲指数;
(4)建立、计算机组停车无量纲指数;
(5)开发无量纲指数诊断方法应用软件,集成到往复压缩机在线监测系统;
(6)实际应用检验。
根据往复压缩机常见故障及其故障特征对照表,对表中11种往复压缩机常见故障特征进行总结,用于计算每种故障劣化程度无量纲指数V,具体如下:
(1)活塞杆断裂:活塞杆位移突变值、位移峰峰值、缸体振动峰值、曲轴箱振动有效值;
(2)撞缸:缸体振动峰值、曲轴箱振动有效值;
(3)拉缸:活塞杆位移缓变值、位移峰峰值、缸体振动峰值、曲轴箱振动有效值;
(4)活塞杆与活塞紧固螺栓松动:活塞杆位移突变值、位移峰峰值、位移波形高频值;
(5)活塞杆与十字头紧固螺纹松动:活塞杆位移突变值、位移峰峰值、位移波形高频值;
(6)吸气阀阀片断裂:吸气阀温度、缸体振动峰值、机组排气量;
(7)排气阀阀片断裂:排气阀温度、缸体振动峰值、机组排气量;
(8)支撑环严重磨损:活塞杆位移缓变值、位移峰峰值;
(9)活塞环严重磨损:吸气阀温度、排气阀温度、活塞杆位移缓变值、位移峰峰值、机组排气量;
(10)吸气阀泄漏:吸气阀温度、机组排气量;
(11)排气阀泄漏:排气阀温度、机组排气量。
机组停车无量纲指数M根据公式M=max{D(i)*V(i)}进行计算,需对上述11种故障分别进行计算,取其中最大值,作为停车依据。这种算法的依据是往复压缩机同一时间可能存在多种故障,需根据每种故障的破坏力大小和严重程度来进行后续的停车检修处理,可理解为不同故障的优先级不一样。
例如活塞杆断裂故障与吸气阀泄漏故障,活塞杆断裂破坏力为1,而吸气阀泄漏破坏力为0.2,虽然两种故障同时发生,V(1)、V(10)同时为1,但机组停车无量纲指数为1因为D(1)*V(1)>D(10)*V(10),一旦活塞杆断裂故障发生需立刻停车,而吸气阀泄漏故障则可以继续运行一段时间,根据现场生产状态安排停车检修。。
本发明选择中石油多台现场安装在线监测系统的往复压缩机作为应用对象,对本发明的实际使用效果进行检验。
1、中石油某石化炼油厂K-202A机组为电机驱动的4缸卧式往复压缩机组,压缩机介质为氢气,2011年11月中旬至12月初运行期间,该机组1#缸活塞杆发生断裂故障,该机组1#缸运行状态如图2所示;图2中显示,随着机组的运行,机组1#活塞杆沉降、缸体振动、曲轴箱振动均出现了异常增大趋势,根据本发明建立的往复压缩机常见故障特征对照表,活塞杆断裂故障对应的特征参数主要包括:活塞杆位移突变值、位移峰峰值、缸体振动峰值、曲轴箱振动有效值。
活塞杆断裂对应的故障劣化指数为:
上式中:
V(1):活塞杆断裂劣化程度无量纲指数;
f(1,1):活塞杆位移突变值当前值大小;
f(1,2):活塞杆位移峰峰值当前值大小;
f(1,3):缸体振动峰值当前值大小;
f(1,4):曲轴箱振动有效值当前值大小;
N(1,1):活塞杆位移突变值正常值大小;
N(1,2):活塞杆位移峰峰值正常值大小;
N(1,3):缸体振动峰值正常值大小;
N(1,4):曲轴箱振动有效值正常值大小;
F(1,1):活塞杆位移突变值报警值大小;
F(1,2):活塞杆位移峰峰值报警值大小;
F(1,3):缸体振动峰值报警值大小;
F(1,4):曲轴箱振动有效值报警值大小;
利用上述公式对该机组1缸活塞杆断裂故障劣化程度无量纲指数V(1)进行计算,得到V(1)变化趋势曲线如图3所示,随着机组运行,V(1)值逐渐增大,到2011年12月1日左右出现突变,急剧增大,说明故障严重恶化。
根据本发明建立的往复压缩机常见故障危害程度对照表,活塞杆断裂对应的破坏力大小为1,故障发生后需要立刻停车检修。
机组停车无量纲指数为:
M=max{D(i)*V(i)}
M取该机组各种故障对应的停车无量纲指数最大值,M历史变化趋势如图4所示。由于活塞杆断裂故障的破坏力最高,因此该机组存在活塞杆异常运行状态后,机组停车指数与活塞杆故障劣化指数趋势一致。最终活塞杆断裂后,停车指数急剧增大。
2、中石油某炼化聚丙烯厂C301机组为电机驱动的四缸立式往复式压缩机组。2011年04月~2011年05月运行过程中,4#缸缸体振动异常增大,由3月12日44 m/s2增大到5月10日94 m/s2;与此同时,该缸外吸温度1测点温度值异常升高,由4月初20℃左右增大到5月10日55 ℃左右,升高趋势明显。检修后发现该机组存在吸气阀阀片断裂故障。该机组1#缸运行状态如图5所示,
根据本发明建立的往复压缩机常见故障特征对照表,吸气阀阀片断裂故障对应的特征参数主要包括:吸气阀温度、缸体振动峰值、机组排气量。吸气阀阀片断裂对应的故障劣化指数为:
上式中:
V(6):吸气阀阀片断裂劣化程度无量纲指数;
f(6,1):吸气阀温度当前值大小;
f(6,2):缸体振动峰值当前值大小;
f(6,3):机组排气量当前值大小;
N(6,1):吸气阀温度正常值大小;
N(6,2):缸体振动峰值正常值大小;
N(6,3):机组排气量正常值大小;
F(6,1):吸气阀温度报警值大小;
F(6,2):缸体振动峰值报警值大小;
F(6,3):机组排气量报警值大小;
利用上述公式对该机组4缸吸气阀阀片断裂故障劣化程度无量纲指数V(6)进行计算,得到V(6)变化趋势曲线如图6所示,随着机组运行,V(6)值逐渐增大,到2011年3月至4月逐渐增大,说明故障逐步恶化。
根据本发明建立的往复压缩机常见故障危害程度对照表,吸气阀阀片断裂对应的破坏力大小为0.6,机组只能短时间运行,需及时停车检修。
机组停车必要性指数为:
M=max{D(i)*V(i)}
M的历史变化趋势如图7所示。
由于该机组吸气阀断裂故障存在逐渐恶化的过程,气阀温度,缸体振动与排气量逐渐变化,故障劣化指数趋势较平稳,机组停车指数与吸气阀阀片断裂故障劣化指数趋势一致。
表1是本发明建立的往复压缩机常见故障特征对照表;
表2是本发明建立的往复压缩机常见故障危害程度对照表。
表1
表2
Claims (1)
1.一种基于无量纲指数的往复压缩机故障监测诊断方法,该方法对往复压缩机常见故障进行特征总结,采用无量纲指数形式表征往复压缩机常见故障,其特征在于包括以下步骤:
1)基于往复压缩机关键部件监测信号,建立往复压缩机常见故障类型及其故障特征对照表,常见故障包括:活塞杆断裂,撞缸,拉缸,活塞杆与活塞紧固螺栓松动,活塞杆与十字头紧固螺纹松动,吸气阀阀片断裂,排气阀阀片断裂,支撑环严重磨损,活塞环严重磨损,吸气阀泄漏,排气阀泄漏,以字母i代表每种故障序号,对活塞杆断裂,i=1,对撞缸,i=2,以此类推,对吸气阀泄漏,i=10,排对气阀泄漏,i=11;
2)建立往复压缩机11种常见故障危害程度对照表,定义不同故障破坏力大小D(i),i=1,……11;
3)建立表征不同故障劣化程度无量纲指数V的数学模型,第i种故障的劣化程度无量纲指数为V(i),劣化程度无量纲指数反映故障恶化的历史与实时情况;
4)建立表征机组停车必要性的停车无量纲指数M,直观反映往复压缩机工作过程中对停车检修的要求;
5)在往复压缩机在线监测系统中应用无量纲指数故障诊断方法,建立不同的故障特征分析图谱;
6)将无量纲指数用于实际故障监测、诊断,当第i种故障劣化程度无量纲指数V(i)大于等于0.6时,即说明第i种故障已严重存在,当机组停车必要性的停车无量纲指数M大于等于0.6,即说明需及时停车检修;
所述步骤3)中的不同故障劣化程度无量纲指数计算的数学模型:
其中:
V(i):第i种故障劣化程度无量纲指数;
f(i,j):第i种故障第j种故障特征值当前值;
N(i,j):第i种故障第j种故障特征值正常值;
F(i,j):第i种故障第j种故障特征值报警值;
上述模型定义的故障劣化程度无量纲指数V(i)是一个取值范围在[0,1]之间的无量纲指数,综合考虑了不同故障各种故障特征参数当前值,历史正常值与报警值之间的关系,模型的边界条件为:
(1)f(i,j)-N(i,j)≤0,V(i)=0;
(2)f(i,j)-F(i,j)≥0,V(i)=1;
所述步骤4)中的机组停车必要性的停车无量纲指数的数学模型:
M=max{D(i)*V(i)}
其中:
M:表征机组停车必要性的停车无量纲特征指数;
D(i):第i种故障破坏力大小;
V(i):第i种故障劣化程度无量纲指数;
由于D(i)、V(i)均是取值范围在[0,1]之间的无量纲指数,M的取值范围也在[0,1]之间,当M=0时可认为机组运行状态良好,无需停车检修;当M≥0.6,即说明需及时停车检修。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210445252.6A CN102913432B (zh) | 2012-11-08 | 2012-11-08 | 一种基于无量纲指数的往复压缩机故障监测诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210445252.6A CN102913432B (zh) | 2012-11-08 | 2012-11-08 | 一种基于无量纲指数的往复压缩机故障监测诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102913432A CN102913432A (zh) | 2013-02-06 |
CN102913432B true CN102913432B (zh) | 2015-03-11 |
Family
ID=47611949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210445252.6A Expired - Fee Related CN102913432B (zh) | 2012-11-08 | 2012-11-08 | 一种基于无量纲指数的往复压缩机故障监测诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102913432B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103291600B (zh) * | 2013-03-18 | 2015-07-08 | 北京航空航天大学 | 一种基于emd-ar和mts的液压泵故障诊断方法 |
CN105201810B (zh) * | 2015-08-20 | 2017-06-13 | 四川德胜集团钒钛有限公司 | 一种基于dcs系统的快速查找故障的方法 |
CN105784350B (zh) * | 2016-01-27 | 2018-03-20 | 北京博华信智科技股份有限公司 | 一种基于活塞杆振动动态能量指数的故障报警方法 |
CN105971866B (zh) * | 2016-05-03 | 2019-03-15 | 莱芜钢铁集团电子有限公司 | 一种空气压缩机故障在线检测方法及系统 |
CN106014946B (zh) * | 2016-06-16 | 2018-09-18 | 珠海格力电器股份有限公司 | 一种压缩机寿命的控制方法、装置及制冷系统 |
CN106121980B (zh) * | 2016-06-29 | 2018-07-17 | 珠海格力电器股份有限公司 | 一种压缩机损耗程度的确定方法、装置及制冷系统 |
CN108956107A (zh) * | 2018-05-18 | 2018-12-07 | 合肥通用机械研究院有限公司 | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 |
CN108931294A (zh) * | 2018-05-22 | 2018-12-04 | 北京化工大学 | 一种基于多测点信息融合的柴油机振动冲击来源识别方法 |
CN109139443B (zh) * | 2018-06-07 | 2019-12-13 | 合肥通用机械研究院有限公司 | 一种基于位移信号的活塞杆故障诊断方法 |
CN109751513B (zh) * | 2018-12-03 | 2022-05-10 | 国家管网集团重庆天然气管道有限责任公司 | 一种天然气长输管道离心压缩机组智能保护系统 |
CN109630450B (zh) * | 2018-12-03 | 2022-04-12 | 中石化重庆天然气管道有限责任公司 | 一种天然气长输管道离心压缩机组停机保护方法 |
CN111980902B (zh) * | 2019-05-23 | 2022-08-12 | 睿捷国际股份有限公司 | 往复式压缩机的监测系统及监测方法 |
CN110318993B (zh) * | 2019-08-01 | 2020-09-22 | 江西资生科技有限公司 | 一种往复式压缩机连杆滑道远程故障诊断系统及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006046945A (ja) * | 2004-07-30 | 2006-02-16 | Takata Corp | 回転機械の診断方法 |
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 |
US7403850B1 (en) * | 2005-09-29 | 2008-07-22 | Dynalco Controls Corporation | Automated fault diagnosis method and system for engine-compressor sets |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106458A1 (en) * | 2008-10-28 | 2010-04-29 | Leu Ming C | Computer program and method for detecting and predicting valve failure in a reciprocating compressor |
-
2012
- 2012-11-08 CN CN201210445252.6A patent/CN102913432B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006046945A (ja) * | 2004-07-30 | 2006-02-16 | Takata Corp | 回転機械の診断方法 |
US7403850B1 (en) * | 2005-09-29 | 2008-07-22 | Dynalco Controls Corporation | Automated fault diagnosis method and system for engine-compressor sets |
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 |
Non-Patent Citations (2)
Title |
---|
解云峰,张清华,段富."新无量纲指标在旋转机械并发故障诊断中的应用".《广东石油化工学院学报》.2012,第22卷(第3期),第33-36页. * |
郭厚明,行志刚,荆双喜."无量纲参数在矿用低速重载齿轮故障诊断中的应用".《煤炭科学技术》.2006,第34卷(第8期),第28-31页. * |
Also Published As
Publication number | Publication date |
---|---|
CN102913432A (zh) | 2013-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102913432B (zh) | 一种基于无量纲指数的往复压缩机故障监测诊断方法 | |
CN102400902B (zh) | 往复式压缩机性能状态可靠性评价方法 | |
CN102705078B (zh) | 基于灰色模型的柴油机故障预测方法 | |
Gao et al. | Wavelet–based pressure analysis for hydraulic pump health diagnosis | |
Farokhzad | Vibration based fault detection of centrifugal pump by fast fourier transform and adaptive neuro-fuzzy inference system | |
CN105928710B (zh) | 一种柴油机故障监测方法 | |
Elhaj et al. | A combined practical approach to condition monitoring of reciprocating compressors using IAS and dynamic pressure | |
CN107576488A (zh) | 一种采用振动算法对设备运行状态进行监测诊断的方法 | |
CN103983452B (zh) | 利用混合域特征向量和灰色关联分析对行星齿轮箱进行故障模式识别的方法 | |
CN102797671A (zh) | 一种往复压缩机的故障检测方法与装置 | |
CN105184059A (zh) | 一种基于海量数据的水电机组状态分析评估方法 | |
CN106441843B (zh) | 一种旋转机械故障波形识别方法 | |
CN103729444B (zh) | 一种基于设备监测数据间潜在关系的异常数据检测方法 | |
CN106769000B (zh) | 一种基于功率流有限元法的风电齿轮箱故障振动信号的传递路径确定方法 | |
CN106932135A (zh) | 基于加权窄带搜峰识别振动频率的柔性拉索索力测试方法 | |
CN102966526B (zh) | 基于轴向振动分析的压缩机低频流体激振类故障诊断方法 | |
Liang et al. | Coupling relations and early-warning for “equipment chain” in long-distance pipeline | |
Xie et al. | Comprehensive fatigue estimation and fault diagnosis based on Refined Generalized Multi-Scale Entropy method of centrifugal fan blades | |
Li et al. | A new method for nondestructive fault diagnosis of reciprocating compressor by means of strain-based p–V diagram | |
Sheng et al. | Non-destructive testing of marine diesel engines using integration of ferrographic analysis and spectrum analysis | |
CN109139443B (zh) | 一种基于位移信号的活塞杆故障诊断方法 | |
CN104234775A (zh) | 一种润滑系统关键压力测量方法 | |
Haba et al. | An Investigation into Vibration Response for Condition Monitoring of Reciprocating Compressor based on Modulation Signal Spectrum Analysis. | |
Li et al. | Engine fault prediction and health evaluation based on oil sensor | |
Jiang et al. | An expert system based on multi-source signal integration for reciprocating compressor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
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: 20150311 |