CN104777831B - 一种液压式潜液泵系统的故障诊断方法 - Google Patents
一种液压式潜液泵系统的故障诊断方法 Download PDFInfo
- Publication number
- CN104777831B CN104777831B CN201510165471.2A CN201510165471A CN104777831B CN 104777831 B CN104777831 B CN 104777831B CN 201510165471 A CN201510165471 A CN 201510165471A CN 104777831 B CN104777831 B CN 104777831B
- Authority
- CN
- China
- Prior art keywords
- msub
- mtd
- immersed pump
- mrow
- pressure
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Abstract
一种液压式潜液泵系统的故障诊断方法,所述故障诊断方法包括:数据采集存储、数据处理分析、数据诊断报警三个步骤。本设计采用多元数据分析法准确的反映系统中的故障信息,将系统中多个变量的耦合进行分析,形成一个新的综合指标,且新的指标可综合反映原来的系统出现的故障。本设计不仅能够准确反映潜液泵的故障类型有效提高潜液泵系统可靠性,而且使用范围广、制造运行成本低。
Description
技术领域
本发明涉及一种潜液泵的故障诊断方法,尤其涉及一种液压式潜液泵系统的故障诊断方法,具体适用于液压式潜液泵系统常见故障的检测与报警。
背景技术
现今FPSO平台或者油船潜液式货油装卸系统设备在国内尚属空白,潜液泵的动力来源为液压驱动,液压驱动系统重要性不言而喻,因此液压系统的可靠性和安全性是系统安全和可靠的关键因子。为保证潜液泵的可靠性和安全性,采用适合潜液泵系统工况的故障检测技术具有重大意义。
潜液泵系统有些重要故障不能通过传感器检测或者通过传感器检测成本和施工成本过于昂贵,通过对这些故障和传感器采集信息分析,该故障可以通过多个传感器采样点的信息间接反映出来,这样对传感器采样数据进行分析是故障检测的重点。
为了准确的反映系统中的故障信息采用多元数据分析法,将系统中多个变量的耦合进行分析,形成一个新的综合指标,且新的指标可综合反映原来的系统出现的故障。
发明内容
本发明的目的是克服现有技术中存在的故障不能通过传感器检测或者通过传感器检测成本高的问题,提供一种利用低成本传感器检测的液压式潜液泵系统的故障诊断方法。
为实现以上目的,本发明的技术解决方案是:
一种液压式潜液泵系统的故障诊断方法,所述故障诊断方法包括:数据采集存储、数据处理分析、数据诊断报警三个步骤:
第一步,数据采集存储:利用潜液泵上的传感器采集主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的状态参数,然后将上述六个状态参数实时传输到量化装置进行量化处理,最后将量化处理后的参数分别传输给存储装置和诊断装置,存储装置将采集数据存储起来以备以后调用;
第二步,数据处理分析:诊断装置将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立样本矩阵,利用多元数据分析法得出平方预测误差SPE的时间变化曲线;
第三步,数据诊断报警:潜液泵系统运行过程中SPE曲线出现阶跃式跳动,且SPE值超过系统正常运行时的阈值118,则潜液泵系统的运转出现了故障:当SPE曲线在200±30范围内跳变时,则诊断为液压管路的泄露故障;当SPE曲线在220±20范围内跳变时,则诊断为发生冷凝系统故障;当SPE曲线在150±25范围内跳变时,则发生货油管路泄漏或同心管路故障,此时调用存储装置中历史数据,将故障工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量与正常工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量进行对比,当故障工况与正常工况的STC阀压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于25立方米时,则诊断为系统发生同心管路泄漏;当故障工况与正常工况的潜液泵出口压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于30立方米时,则诊断为发生货油管路泄漏;当SPE曲线在180±35范围内跳变时,则发生STC阀故障或者潜液泵发生气蚀,此时调用存储装置中历史数据,将故障工况下的液压系统压力、STC阀压力、主泵电机运行电流与正常工况下的液压系统压力、STC阀压力、主泵电机运行电流进行对比,当故障工况与正常工况的液压系统压力相同时,若正常工况下的STC阀压力与故障工况下的STC阀压力的差值大于0.5MPa时,则诊断为系统STC阀故障;当故障工况与正常工况的液压系统压力相同时,若正常工况下的主泵电机运行电流与故障工况下的主泵电机运行电流的差值大于15A时,则诊断为潜液泵发生气蚀;当SPE曲线的变化情况或采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的参数变化情况不能满足上述六种故障类型的判定条件时,则判断为综合故障;
最后将上述分析的结果输出到外部执行设备,执行设备接收指令后报警并在上位机监测界面显示报警状态。
所述第二步,数据处理分析:
将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立一个6×n的矩阵作为样本矩阵,即:
多元数据分析法的处理过程是:
首先,矩阵X可以分解为6个向量的外积之和,即:
上式中得分向量ti∈Rn,负荷向量pi∈R6,因此矩阵X可化成:X=TPT;其中,得分矩阵T=[t1 t2 t3 t4 t5 t6],负荷矩阵P=[p1 p2 p3 p4 p5 p6],矩阵T与矩阵P的各个分向量是两两正交的,并且负荷矩阵P的各个向量的长度都为1,即:
式(1.2)中i和j均为1-6的整数,将式(1.2)带入式(1.1)可得:ti=Xpi
然后提取样本矩阵X的协方差矩阵S
其中,X为样本矩阵规范化后的矩阵;与式(1.2)相对应可得
P=V (1.4)
或
由此得出,λi是第i个主元的样本方差;
然后,对协方差矩阵S的特征值分解
S=VΛVT (1.6)
其中,Λ是协方差矩阵S的对角阵,包含幅值递减的非负实特征值λ1>λ2>λ3>λ4>λ5>λ6,V是正交阵VTV=I,这里I是单位阵,是特征值λ所对应的单位化特征向量;
把式(1.4)和(1.5)代入(1.6)可得:
最后,求出得分矩阵T:
T=XP
对于一个新的样本容量x∈R6×1,那么这个新向量的得分、估计和残差向量为:
得分向量:t=PTx,估计向量:残差向量:e=(I-PPT)x
则平方预测误差SPE为:
SPE=eTe=xT(I-PPT)x
SPE的上限控制为:
其中cα是与上限(1-α)×100%相应的标准正态偏差,h0=1-2θ1θ3/(3θ2 2),l=1、2、3,且λj是与数据协方差的第j个负荷向量相关的特征值,d为保留的主元个数;
系统运行过程中在同一时间采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力数据都可以求得一个SPE值,将SPE值按时间顺序绘制平方预测误差SPE的时间变化曲线。
与现有技术相比,本发明的有益效果为:
1、本发明一种液压式潜液泵系统的故障诊断方法中的采用液压式潜液泵上的基础传感器测得主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的参数,然后利用多元数据分析法来检测潜液泵故障,这样的方法利用多种数据的分析和判断客观的反映出潜液泵的故障类型,同时由于采用基础传感器,无需对现有潜液泵结构进行改装,适用范围广,不会增加潜液泵故障检测的安装和监测成本。因此,本发明的故障诊断准确,使用范围广、制造运行成本低。
2、本发明一种液压式潜液泵系统的故障诊断方法中多元素据分析法,利用液压式潜液泵的各参数建立数学模型,得出平方预测误差SPE的时间变化曲线,根据平方预测误差SPE曲线的变化,判断潜液泵是否发生故障和潜液泵的故障类型,从而方便检测人员更快的发现潜液泵故障,提高了潜液泵运行大安全性和可靠性。因此,本发明能准确检测故障,提高了潜液泵运行的安全性和可靠性。
附图说明
图1是本发明的故障诊断结构图。
图2是液压管路泄露故障的SPE时间曲线图。
图3是冷凝系统故障的SPE时间曲线图。
图4是同心管路泄漏故障的SPE时间曲线图。
图5是货油管路泄漏故障的SPE时间曲线图。
图6是系统STC阀故障的SPE时间曲线图。
图7是潜液泵发生气蚀故障的SPE时间曲线图。
图8是液压式潜液泵的结构示意图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1–图8,一种液压式潜液泵系统的故障诊断方法,所述故障诊断方法包括:数据采集存储、数据处理分析、数据诊断报警三个步骤:
第一步,数据采集存储:利用潜液泵上的传感器采集主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的状态参数,然后将上述六个状态参数实时传输到量化装置进行量化处理,最后将量化处理后的参数分别传输给存储装置和诊断装置,存储装置将采集数据存储起来以备以后调用;
第二步,数据处理分析:诊断装置将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立样本矩阵,利用多元数据分析法得出平方预测误差SPE的时间变化曲线;
第三步,数据诊断报警:潜液泵系统运行过程中SPE曲线出现阶跃式跳动,且SPE值超过系统正常运行时的阈值118,则潜液泵系统的运转出现了故障:当SPE曲线在200±30范围内跳变时,则诊断为液压管路的泄露故障;当SPE曲线在220±20范围内跳变时,则诊断为发生冷凝系统故障;当SPE曲线在150±25范围内跳变时,则发生货油管路泄漏或同心管路故障,此时调用存储装置中历史数据,将故障工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量与正常工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量进行对比,当故障工况与正常工况的STC阀压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于25立方米时,则诊断为系统发生同心管路泄漏;当故障工况与正常工况的潜液泵出口压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于30立方米时,则诊断为发生货油管路泄漏;当SPE曲线在180±35范围内跳变时,则发生STC阀故障或者潜液泵发生气蚀,此时调用存储装置中历史数据,将故障工况下的液压系统压力、STC阀压力、主泵电机运行电流与正常工况下的液压系统压力、STC阀压力、主泵电机运行电流进行对比,当故障工况与正常工况的液压系统压力相同时,若正常工况下的STC阀压力与故障工况下的STC阀压力的差值大于0.5MPa时,则诊断为系统STC阀故障;当故障工况与正常工况的液压系统压力相同时,若正常工况下的主泵电机运行电流与故障工况下的主泵电机运行电流的差值大于15A时,则诊断为潜液泵发生气蚀;当SPE曲线的变化情况或采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的参数变化情况不能满足上述六种故障类型的判定条件时,则判断为综合故障;
最后将上述分析的结果输出到外部执行设备,执行设备接收指令后报警并在上位机监测界面显示报警状态。
所述第二步,数据处理分析:
将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立一个6×n的矩阵作为样本矩阵,即:
多元数据分析法的处理过程是:
首先,矩阵X可以分解为6个向量的外积之和,即:
上式中得分向量ti∈Rn,负荷向量pi∈R6,因此矩阵X可化成:X=TPT;其中,得分矩阵T=[t1 t2 t3 t4 t5 t6 ],负荷矩阵P=[p1 p2 p3 p4 p5 p6],矩阵T与矩阵P的各个分向量是两两正交的,并且负荷矩阵P的各个向量的长度都为1,即:
式(1.2)中i和j均为1-6的整数,将式(1.2)带入式(1.1)可得:ti=Xpi
然后提取样本矩阵X的协方差矩阵S
其中,X为样本矩阵规范化后的矩阵;与式(1.2)相对应可得
P=V (1.4)
或
由此得出,λi是第i个主元的样本方差;
然后,对协方差矩阵S的特征值分解
S=VΛVT (1.6)
其中,Λ是协方差矩阵S的对角阵,包含幅值递减的非负实特征值λ1>λ2>λ3>λ4>λ5>λ6,V是正交阵VTV=I,这里I是单位阵,是特征值λ所对应的单位化特征向量;
把式(1.4)和(1.5)代入(1.6)可得:
最后,求出得分矩阵T:
T=XP
对于一个新的样本容量x∈R6×1,那么这个新向量的得分、估计和残差向量为:
得分向量:t=PTx,估计向量:残差向量:e=(I-PPT)x
则平方预测误差SPE为:
SPE=eTe=xT(I-PPT)x
SPE的上限控制为:
其中cα是与上限(1-α)×100%相应的标准正态偏差,h0=1-2θ1θ3/(3θ2 2),l=1、2、3,且λj是与数据协方差的第j个负荷向量相关的特征值,d为保留的主元个数;
系统运行过程中在同一时间采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力数据都可以求得一个SPE值,将SPE值按时间顺序绘制平方预测误差SPE的时间变化曲线。
本发明的原理说明如下:
本设计中主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力上述六个参数均为液压式潜液泵系统的常规测量参数,无需另外设置传感器测量得到。
主泵电机运行电流:主泵电机运行电流大小随液压系统负载变化而变化,系统正常工况下,负载增加,电机电流增加。
液压系统压力:液压系统的压力反映了STC阀的控制油管的压力大小,系统正常工况下,系统压力越大,STC阀控制油管压力增大,阀开度增加,潜液泵转速增大。
潜液泵出口压力:潜液泵出口压力影响着潜液泵的扬程,反映了潜液泵的扬程,系统正常工况下,潜液泵出口压力、增加,潜液泵扬程增加,潜液泵效率增大。
潜液泵出口流量:潜液泵出口流量反映了潜液泵输出功率的大小,系统正常工况下,潜液泵出口流量增加,潜液泵的输出功率增加。
液压系统温度:液压系统温度影响着液压油的粘度,液压油油温升高,粘度减小,液压系统流量增大,油温升高到65摄氏度时,为停机报警限值。
STC阀压力:STC阀的压力反映了液压系统负载的大小,同时影响着潜液泵的转速,系统正常工况下,STC阀压力增加,潜液泵的转速升高,系统负载增加,主泵电机电流增加。
对与本发明针对的双联泵潜液泵系统而言,系统运转过程中出现的故障主要可以分为6种:液压管路泄露故障;货油管路泄露故障;冷凝系统故障;STC阀故障;潜液泵同心管路故障;潜液泵气蚀故障。
液压管路泄露故障:液压管路发生漏油会对液压油箱的液位产生影响,当漏油量较多时,油箱液位会发生显著下降,然而泄露量较小时,一般油箱液位不会及时发生变化,要想检测到油箱液位微小变化,则需要增加灵敏度较高的液位传感器,增加了液压系统的成本。
货油管路泄露故障:货油管路有漏点,出现泄露时,货油管路的入口和出口流量会出现不同。要想检测出故障需要在货油管路入口和出口处各安装一个流量计,通过监测流量计的不同来判断故障的发生。首先这种方法会增加成本,其次由于潜液泵货油入口处被油淹没,安装流量计不方便。
冷凝系统故障:冷凝系统发生故障原因是电磁阀出现故障,通电后没有开启,或者是冷凝水未供水等。冷凝系统故障后,液压系统的油温升温变快。监测液压系统油温的温度传感器无法检测出升温速率的变化,无法及时的发现故障。
STC阀故障:STC阀控制着液压系统负载的大小,影响着潜液泵的转动。STC阀出现故障,表现为液压系统压力达到STC阀开启值,但是阀门没有开启,STC阀的负载压力为0MPa,即没有液压油作用于潜液泵,则潜液泵的转速为0RPM。监测这种故障可通过在STC阀上安装阀位传感器,但是这将增加系统的故障率和成本。因为STC阀处油压较高,多安装一个传感器,就可能多一个泄漏点。系统运行时间久了,可能会从传感器安装位置发生漏油事故。
潜液泵同心管路故障:潜液泵同心管路故障是指潜液泵同心管的进口油管和出口油管相通,这样会导致液压油从进口油管到出口油管路,而不经过液压马达,潜液泵就不会转动;或者一部分油不经过液压马达直接回出口油管路,潜液泵转速与设计值有较大偏差。对这种故障的检测是无法通过传感器直接测量得到的。
潜液泵气蚀故障:潜液泵发生气蚀故障时,潜液泵的转速不会有变化,潜液泵的出口流量会发生变化,然而影响潜液泵出口流量的因素较多,不能通过出口流量变化来判断潜液泵是否发生气蚀。此外,也没有传感器可以对潜液泵气蚀故障进行直接检测,一旦气蚀持续时间久了对潜液泵会造成较大损害。
通过上述对潜液泵系统出现故障的原因、影响、解决措施的分析,可以看出要想对潜液泵系统发生的故障进行及时准确的监测,如果采用增加测量传感器这种常用的监测手段,不但增加了潜液泵系统的成本,而且会提高故障率,甚至有些故障无法通过传感器直接测量。本设计通过将采集到的潜液泵系统的数据经过多元数据分析法进行处理,得到系统的平方预测误差(SPE),就可以判断系统是否出现故障,从而保证系统的安全可靠性。
另外,如果SPE曲线的变化情况或采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的参数变化情况不能满足上述六种故障类型的判定条件时,则判定为液压式潜液泵系统发生综合故障,即六种故障中的两个或多个同时发生造成的故障。
实施例1:
参见图1–图8,一种液压式潜液泵系统的故障诊断方法,所述故障诊断方法包括:数据采集存储、数据处理分析、数据诊断报警三个步骤:
第一步,数据采集存储:利用潜液泵上的传感器采集主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的状态参数,然后将上述六个状态参数实时传输到量化装置进行量化处理,最后将量化处理后的参数分别传输给存储装置和诊断装置,存储装置将采集数据存储起来以备以后调用;
第二步,数据处理分析:诊断装置将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立样本矩阵,利用多元数据分析法得出平方预测误差SPE的时间变化曲线:
将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立一个6×n的矩阵作为样本矩阵,即:
多元数据分析法的处理过程是:
首先,矩阵X可以分解为6个向量的外积之和,即:
上式中得分向量ti∈Rn,负荷向量pi∈R6,因此矩阵X可化成:X=TPT;其中,得分矩阵T=[t1 t2 t3 t4 t5 t6],负荷矩阵P=[p1 p2 p3 p4 p5 p6],矩阵T与矩阵P的各个分向量是两两正交的,并且负荷矩阵P的各个向量的长度都为1,即:
式(1.2)中i和j均为1-6的整数,将式(1.2)带入式(1.1)可得:ti=Xpi
然后提取样本矩阵X的协方差矩阵S
其中,X为样本矩阵规范化后的矩阵;与式(1.2)相对应可得
P=V (1.4)
或
由此得出,λi是第i个主元的样本方差;
然后,对协方差矩阵S的特征值分解
S=VΛVT (1.6)
其中,Λ是协方差矩阵S的对角阵,包含幅值递减的非负实特征值λ1>λ2>λ3>λ4>λ5>λ6,V是正交阵VTV=I,这里I是单位阵,是特征值λ所对应的单位化特征向量;
把式(1.4)和(1.5)代入(1.6)可得:
最后,求出得分矩阵T:
T=XP
对于一个新的样本容量x∈R6×1,那么这个新向量的得分、估计和残差向量为:
得分向量:t=PTx,估计向量:残差向量:e=(I-PPT)x
则平方预测误差SPE为:
SPE=eTe=xT(I-PPT)x
SPE的上限控制为:
其中cα是与上限(1-α)×100%相应的标准正态偏差,h0=1-2θ1θ3/(3θ2 2),l=1、2、3,且λj是与数据协方差的第j个负荷向量相关的特征值,d为保留的主元个数;
系统运行过程中在同一时间采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力数据都可以求得一个SPE值,将SPE值按时间顺序绘制平方预测误差SPE的时间变化曲线。
第三步,数据诊断报警:潜液泵系统运行过程中SPE曲线出现阶跃式跳动,且SPE值超过系统正常运行时的阈值118,则潜液泵系统的运转出现了故障:当SPE曲线在200±30范围内跳变时,则诊断为液压管路的泄露故障;当SPE曲线在220±20范围内跳变时,则诊断为发生冷凝系统故障;当SPE曲线在150±25范围内跳变时,则发生货油管路泄漏或同心管路故障,此时调用存储装置中历史数据,将故障工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量与正常工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量进行对比,当故障工况与正常工况的STC阀压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于25立方米时,则诊断为系统发生同心管路泄漏;当故障工况与正常工况的潜液泵出口压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于30立方米时,则诊断为发生货油管路泄漏;当SPE曲线在180±35范围内跳变时,则发生STC阀故障或者潜液泵发生气蚀,此时调用存储装置中历史数据,将故障工况下的液压系统压力、STC阀压力、主泵电机运行电流与正常工况下的液压系统压力、STC阀压力、主泵电机运行电流进行对比,当故障工况与正常工况的液压系统压力相同时,若正常工况下的STC阀压力与故障工况下的STC阀压力的差值大于0.5MPa时,则诊断为系统STC阀故障;当故障工况与正常工况的液压系统压力相同时,若正常工况下的主泵电机运行电流与故障工况下的主泵电机运行电流的差值大于15A时,则诊断为潜液泵发生气蚀;当SPE曲线的变化情况或采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的参数变化情况不能满足上述六种故障类型的判定条件时,则判断为综合故障;最后将上述分析的结果输出到外部执行设备,执行设备接收指令后报警并在上位机监测界面显示报警状态。
Claims (2)
1.一种液压式潜液泵系统的故障诊断方法,其特征在于:所述故障诊断方法包括:数据采集存储、数据处理分析、数据诊断报警三个步骤:
第一步,数据采集存储:利用潜液泵上的传感器采集主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的状态参数,然后将上述六个状态参数实时传输到量化装置进行量化处理,最后将量化处理后的参数分别传输给存储装置和诊断装置,存储装置将采集数据存储起来以备以后调用;
第二步,数据处理分析:诊断装置将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立样本矩阵,利用多元数据分析法得出平方预测误差SPE的时间变化曲线;
第三步,数据诊断报警:潜液泵系统运行过程中SPE曲线出现阶跃式跳动,且SPE值超过系统正常运行时的阈值118,则潜液泵系统的运转出现了故障:当SPE曲线在200±30范围内跳变时,则诊断为液压管路的泄露故障;当SPE曲线在220±20范围内跳变时,则诊断为发生冷凝系统故障;当SPE曲线在150±25范围内跳变时,则发生货油管路泄漏或同心管路故障,此时调用存储装置中历史数据,将故障工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量与正常工况下的STC阀压力、潜液泵出口压力、潜液泵出口流量进行对比,当故障工况与正常工况的STC阀压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于25立方米时,则诊断为系统发生同心管路泄漏;当故障工况与正常工况的潜液泵出口压力相同时,若正常工况下的潜液泵出口流量与故障工况下的潜液泵出口流量的差值大于30立方米时,则诊断为发生货油管路泄漏;当SPE曲线在180±35范围内跳变时,则发生STC阀故障或者潜液泵发生气蚀,此时调用存储装置中历史数据,将故障工况下的液压系统压力、STC阀压力、主泵电机运行电流与正常工况下的液压系统压力、STC阀压力、主泵电机运行电流进行对比,当故障工况与正常工况的液压系统压力相同时,若正常工况下的STC阀压力与故障工况下的STC阀压力的差值大于0.5MPa时,则诊断为系统STC阀故障;当故障工况与正常工况的液压系统压力相同时,若正常工况下的主泵电机运行电流与故障工况下的主泵电机运行电流的差值大于15A时,则诊断为潜液泵发生气蚀;当SPE曲线的变化情况或采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的参数变化情况不能满足上述六种故障类型的判定条件时,则判断为综合故障;
最后将上述分析的结果输出到外部执行设备,执行设备接收指令后报警并在上位机监测界面显示报警状态。
2.根据权利要求1所述的一种液压式潜液泵系统的故障诊断方法,其特征在于:
所述第二步,数据处理分析:
将采集到的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力的n个观测数据建立一个6×n的矩阵作为样本矩阵,即:
<mrow>
<mi>X</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>X</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>13</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>14</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>15</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>16</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>X</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>23</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>24</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>25</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mn>26</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>n</mi>
<mn>3</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>n</mi>
<mn>4</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>n</mi>
<mn>5</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>X</mi>
<mrow>
<mi>n</mi>
<mn>6</mn>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
1
多元数据分析法的处理过程是:
首先,矩阵X可以分解为6个向量的外积之和,即:
<mrow>
<mi>X</mi>
<mo>=</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>p</mi>
<mn>1</mn>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>p</mi>
<mn>2</mn>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>t</mi>
<mn>3</mn>
</msub>
<msubsup>
<mi>p</mi>
<mn>3</mn>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>t</mi>
<mn>4</mn>
</msub>
<msubsup>
<mi>p</mi>
<mn>4</mn>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>t</mi>
<mn>5</mn>
</msub>
<msubsup>
<mi>p</mi>
<mn>5</mn>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>t</mi>
<mn>6</mn>
</msub>
<msubsup>
<mi>p</mi>
<mn>6</mn>
<mi>T</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1.1</mn>
<mo>)</mo>
</mrow>
</mrow>
上式中得分向量ti∈Rn,负荷向量pi∈R6为1-6的整数,因此矩阵X可化成:X=TPT;其中,得分矩阵T=[t1t2t3t4t5t6],负荷矩阵P=[p1p2p3p4p5p6],矩阵T与矩阵P的各个分向量是两两正交的,并且负荷矩阵P的各个向量的长度都为1,即:
<mrow>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<msubsup>
<mi>p</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1.2</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1.2)中i和j均为1-6的整数,将式(1.2)带入式(1.1)可得:ti=Xpi然后提取样本矩阵X的协方差矩阵S
<mrow>
<mi>S</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<msup>
<mi>X</mi>
<mi>T</mi>
</msup>
<mi>X</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1.3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,X为样本矩阵规范化后的矩阵;与式(1.2)相对应可得
P=V (1.4)
或
由此得出,λi是第i个主元的样本方差;
然后,对协方差矩阵S的特征值分解
S=VΛVT (1.6)
其中,Λ是协方差矩阵S的对角阵,包含幅值递减的非负实特征值λ1>λ2>λ3>λ4>λ5>λ6,V是正交阵VTV=I,这里I是单位阵,是特征值λ所对应的单位化特征向量;
把式(1.4)和(1.5)代入(1.6)可得:
最后,求出得分矩阵T:
T=XP
对于一个新的样本容量x∈R6×1,那么这个新向量的得分、估计和残差向量为:
得分向量:t=PTx,估计向量:残差向量:e=(I-PPT)x
则平方预测误差SPE为:
SPE=eTe=xT(I-PPT)x
SPE的上限控制为:
其中cα是与上限(1-α)×100%相应的标准正态偏差,h0=1-2θ1θ3/(3θ2 2),l=1、2、3,且λj是与数据协方差的第j个负荷向量相关的特征值,d为保留的主元个数;
系统运行过程中在同一时间采集的主泵电机运行电流、液压系统压力、潜液泵出口压力、潜液泵出口流量、液压系统温度和STC阀压力数据都可以求得一个SPE值,将SPE值按时间顺序绘制平方预测误差SPE的时间变化曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510165471.2A CN104777831B (zh) | 2015-04-09 | 2015-04-09 | 一种液压式潜液泵系统的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510165471.2A CN104777831B (zh) | 2015-04-09 | 2015-04-09 | 一种液压式潜液泵系统的故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104777831A CN104777831A (zh) | 2015-07-15 |
CN104777831B true CN104777831B (zh) | 2017-11-17 |
Family
ID=53619359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510165471.2A Active CN104777831B (zh) | 2015-04-09 | 2015-04-09 | 一种液压式潜液泵系统的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104777831B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181015A (zh) * | 2015-08-31 | 2015-12-23 | 青岛捷能高新技术有限责任公司 | 一种lng加气站故障诊断系统及方法 |
CN106527390A (zh) * | 2015-09-11 | 2017-03-22 | 九江长江仪表精密液压件厂 | 一种智能电液执行机构故障检测及诊断方法 |
CN106066621A (zh) * | 2016-07-27 | 2016-11-02 | 霍州煤电集团有限责任公司 | 一种煤矿中央泵房水泵的预判维护及远程控制方法 |
CN108055218B (zh) * | 2017-10-18 | 2020-11-06 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 基于频率选择性编码多载波调制的泄漏电缆入侵探测方法 |
CN108533572B (zh) * | 2018-03-29 | 2019-08-23 | 上海交通大学 | 一种起重机液压系统健康评估方法和系统 |
CN112017793B (zh) * | 2020-08-28 | 2021-09-03 | 中国科学院合肥物质科学研究院 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
CN112947393B (zh) * | 2021-04-12 | 2023-05-05 | 杭州秋瑞自动化科技有限公司 | 一种plc系统的诊断方法 |
CN114934898B (zh) * | 2022-07-25 | 2022-10-21 | 启东市申力高压油泵厂 | 基于多模态参数的液压泵故障诊断分析系统 |
CN115841082B (zh) * | 2023-02-22 | 2023-07-25 | 天津佰焰科技股份有限公司 | 一种加气站异常诊断系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7328126B2 (en) * | 2003-09-12 | 2008-02-05 | Tokyo Electron Limited | Method and system of diagnosing a processing system using adaptive multivariate analysis |
CN101344460B (zh) * | 2007-08-10 | 2010-05-19 | 上海海事大学 | 水下机器人传感器故障诊断方法及系统 |
CN102736546B (zh) * | 2012-06-28 | 2014-06-04 | 西安交通大学 | 一种流程工业复杂机电系统的状态监测装置及方法 |
CN104237777A (zh) * | 2014-08-14 | 2014-12-24 | 国家电网公司 | 基于核主元分析的支持向量机高压断路器故障诊断方法 |
-
2015
- 2015-04-09 CN CN201510165471.2A patent/CN104777831B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104777831A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104777831B (zh) | 一种液压式潜液泵系统的故障诊断方法 | |
CN107560984B (zh) | 一种液压系统的油液污染在线监测装置及监测方法 | |
US9528914B2 (en) | Non-intrusive sensor system | |
CN107575212B (zh) | 超声波随钻气侵监测装置及方法 | |
CN106404078A (zh) | 一种变压器在线监测装置 | |
CN105089620B (zh) | 卡钻的监测系统、方法及装置 | |
CN105466693B (zh) | 基于灰色模型的柴油机燃油系统故障预诊断方法 | |
CN109782739A (zh) | 设备故障的检修方法、装置、计算机设备和存储介质 | |
CN102901560A (zh) | 一种海洋导管架平台结构安全综合监测系统 | |
EP2205825A1 (en) | Intelligent underwater leak detection system | |
CN105841980B (zh) | Hxd型机车冷却通道工况监测以及故障预诊断方法及系统 | |
CN103851029A (zh) | 一种在用大型工程车辆液压系统在线自动监测系统 | |
CN110220573A (zh) | 液位计故障判断方法、装置及电子设备 | |
CN110130875A (zh) | 抽油机异常工况监控方法 | |
CN109577892B (zh) | 一种基于井下参数的智能溢流检测系统及预警方法 | |
Wang et al. | Time Series Data Analysis with Recurrent Neural Network for Early Kick Detection | |
CN109839156A (zh) | 一种立体式城市道路排水安全在线监测预警系统 | |
CN111275936B (zh) | 一种水下油田设施安全防护监测系统及其方法 | |
CN109573934A (zh) | 工程车辆用油管理方法及系统 | |
CN111142496A (zh) | 一种双频淬火加工过渡过程温升计算方法 | |
CN206656749U (zh) | 火电厂传感器故障诊断系统 | |
CN105097057B (zh) | 一种基于灰度图像的核反应堆主泵故障辅助诊断系统及方法 | |
CN1910338A (zh) | 气升式石油生产中使用压力变送器的环形空间堵塞检测 | |
CN201218067Y (zh) | 钻井泥浆自动监控系统 | |
CN210829975U (zh) | 一种基于边缘计算和机器学习的液压系统状态监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |