CN105466707A - 用于离心泵中的故障检测的方法、系统和计算机程序 - Google Patents
用于离心泵中的故障检测的方法、系统和计算机程序 Download PDFInfo
- Publication number
- CN105466707A CN105466707A CN201510587732.XA CN201510587732A CN105466707A CN 105466707 A CN105466707 A CN 105466707A CN 201510587732 A CN201510587732 A CN 201510587732A CN 105466707 A CN105466707 A CN 105466707A
- Authority
- CN
- China
- Prior art keywords
- value
- pair
- condition monitoring
- predetermined
- machine
- 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.)
- Granted
Links
Landscapes
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
本发明提供了用于机器的状况监控的方法、系统和计算机程序产品。根据本发明的机器的状况监控可包括(i)获得对应于第一对机器状况参数的第一组数据观察结果,(ii)基于第一组数据观察结果确定对应于第一对机器状况参数的第一相关系数,(iii)基于第一相关系数确定对应于第一对机器状况参数的第一p值,以及(iv)从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于至少第一p值和一个或多个限定的选择规则。
Description
技术领域
本发明涉及工业机器的状况监控。具体地说,本发明提供了用于工业机器中的故障或异常状况的检测的方法、设备和计算机程序产品,所述工业机器包括但不限于诸如离心泵之类的旋转设备。
背景技术
状况监控是指监控一个或多个机器状况参数以识别指示发展中或已表现出的故障状况或异常的变化的过程。其包括工业安全和维护的重要组成部分。诸如振动特性、温度或输入参数和输出参数之类的机器状况参数的监控可用于确定故障状况或发展中的故障状况,并触发诸如检查、故障分析、机器关闭或修理和维护行为之类的合适的响应。
工厂维护和修理被认为是产生资本费用的主要因素之一。据估计,仅在美国,工厂设备和设施的维护的年花费就超过2000亿美元,并且可在生产产品的总费用的15%与60%之间变化。另外,据估计,维护费用的三分之一以上由不必要和不正确地执行的维护导致。因此,工业机器和工业流程的适时和有效的状况监控对于操作和成本效率是关键的——由于其能够早检测和诊断工业资产的故障状况或异常。本发明尤其解决了工业机器中的状况监控和故障检测。
包括泵和泵送设备的旋转设备是工业资产的重要类别。泵用于使流体在机器或设备之间转移或流动或者通过机器或设备而转移或流动,并且可作为为诸如锅炉、制冷机、冷却塔和流体处理单元之类的其它工业设备服务的辅助设备而操作。在常规使用的各种泵(离心泵、循环泵和螺旋转子泵)中,离心泵是用途最广泛的泵之一。设计简单,以及成本和操作效率高,并且稳健性使得它们受欢迎。本发明尤其解决了在诸如离心泵之类的旋转设备中的状况监控和故障检测。
图1通过离心泵100的剖视图示出了基本操作原理,离心泵100包括壳体102和容纳在壳体102中并具有叶轮叶片106的叶轮104。叶轮104(因此,叶轮叶片106)能够在壳体102中围绕旋转轴高速旋转。来自流体入口的流体通过壳体眼108沿轴向进入壳体,在叶轮叶片中被卷起,并具有向其施加的旋转运动。在旋转时,作用于流体上的离心力对流体施加速度和压力二者,使得其沿切向和径向向外运动,直至其通过流体出口110离开壳体。外出的流体降低了壳体102中的压强,从而导致来自流体入口的流体通过壳体眼108被吸入壳体102中。
图2示出了离心泵系统200的基本组件。系统200包括壳体202,该壳体202具有设置在其中的叶轮204。叶轮204通过驱动轴208连接至电机206。从电源224供应至电机206的电流使得电机旋转,这样继而使得驱动轴208旋转并且驱动叶轮204。叶轮壳体202示为具有连接至进入管212的流体入口210。设置在进入管212上的吸入阀214控制流体流入流体入口210。叶轮壳体202另外示为具有连接至排出管218的流体出口216。排放阀220设置在排出管218上并控制流体从流体出口216排放。进入管212可另外具有用于过滤来自进入泵壳体的流体的沉淀物或颗粒物质的滤器222。
离心泵可遭受流程相关故障和机械故障。流程故障包括气蚀、排放再循环和滤器堵塞,而机械故障包括坏的轴承、弯曲的驱动轴、不平衡的转子(叶轮以及驱动轴)、未对准、损坏的叶轮或者损坏或变形的叶轮叶片。流程故障和机械故障二者落入关于泵系统的故障状况的更宽的类别中。用于涉及离心泵的状况监控和故障诊断的当前方法包括监控设计曲线特性、人工检查和离线分析以及在线振动分析。
设计曲线特性的监控涉及泵在操作中的性能特性的监控,以检测相对于制造商规定的最佳效率点(BEP)的偏离。图3示出了样品设计曲线,其标记出了外流流体流率与泵中的总能源开销(totalhead)、效率、轴功率和净吸压头(NPSH)中的一个或多个之间的关系。通过将操作中的泵的实际性能特性与由制造商/设计者提供的性能特性进行比较,可将检测到的性能缺陷作为故障或异常的指示器处理。设计曲线方法的局限在于该方法允许识别流程故障而非机械故障。另外,随时间流逝(和磨损),泵的操作特性往往偏离在制造时提供的设计特性。此外,操作员可故意操作泵使其偏离理想设计曲线参数,以实现操作效率。在这种情况下,设计曲线方法往往失效,这是由于即使没有实际故障设计曲线方法也指示有故障。
人工检查和离线分析涉及利用诸如振动仪之类的便携式装置通过维护团队对设备的周期检查,包括泵系统中的润滑油水平、轴承温度和振动特性。虽然该方法可用于检测流程故障和机械故障二者,但是检查的周期性或间歇本质是有缺陷的,因为其降低了在问题出现时立即检测到的可能性。
在线振动分析包括连续收集和分析来自离心泵系统的高频率振动数据,以在出现流程故障和机械故障时识别它们。可利用振动测量和分析来检测到包括不平衡的组件、弯曲的轴、偏心、未对准、松动和轴承缺陷的缺陷。然而,商业在线振动分析系统昂贵,并且额外需要用于数据存储和分析的重要设施和设备。由于离心泵被认为是辅助设备,因此商业上可获得的振动分析方案通常提供请求式分析,即周期性地(例如一天一次)收集和分析振动特性数据。在人工检查和离线分析的情况下,这降低了在问题出现时检测到或实时检测问题的可能性。
US6,330,525公开了一种通过分析电流数据(基于供应至电机的电流)而获得关于泵中的流程或机械相关故障的信息的方法。另外,该参考文献预期使用流程参数(总能源开销、NPSH、制动马力、效率)和振动数据。该参考文献的限制在于其依靠来自泵的吸压力读数——其中吸压力读数很少能够获得。另外,获得连续振动数据通常包括昂贵的商业振动监控系统。
US6,757,665预期了使用电流数据进行在线泵诊断。然而,现有技术参考文献仅考虑了泵中的气蚀、堵塞物和密封失效的诊断,而未解决在离心泵系统中通常遇到的其它问题的诊断。该参考文献也未考虑对振动数据的任何依赖——这排除了已通过电流特征分析检测到的问题的根本原因分析。另外,该参考文献实现了人工神经网络(ANN),以保持故障特征的知识模型,并且将其用于未来决策。然而,已发现,已通过ANN开发的故障特征的知识模型可缺乏一致性,由于模型结构可随着ANN参数(例如层数)的变化而变化,因此这种模型不对随时间在泵中观察到的操作变化作出响应。
现有技术还包括使用电流数据以识别泵系统中的电机相关问题(见,例如,(i)VinothKumaretal.,Areviewofvoltageandcurrentsignaturediagnosisinindustrialdrives,InternationalJournalofPowerElectronicsandDriveSystem,Vol.1,No.1,September2011,pp.75-82(VinothKumar等人的“工业驱动中的电压和电流特征诊断的综述”,2011年9月的《电力电子和驱动系统国际期刊》,第1卷,第1期,第75-82页),和(ii)KumarPradhanetal.,Faultdetectionincentrifugalpumpusingvibrationandmotorcurrentsignatureanalysis,InternationalJournalofAutomationandControl,Vol.6,No.3/4,2012(KumarPradhan等人的“利用振动和电机电流特征分析的离心泵中的故障检测”,2012年的《自动化和控制国际期刊》,第6卷,第3/4其)。虽然已将这些方案用于识别泵系统中的电机相关问题,但是它们未解决泵系统中的其它流程相关故障(气蚀、排放再循环、滤器堵塞)和机械相关故障(坏的轴承、弯曲的轴、不平衡的转子、未对准、损坏的叶轮)。
因此需要一种用于包括诸如离心泵和离心泵系统之类的旋转设备在内的工业机器中的综合、有效和节约成本的状况监控和故障检测的可靠和节约成本的方案。
发明内容
本发明提供了用于机器的状况监控的方法、系统和计算机程序产品。
一种根据本发明的用于机器的状况监控的方法可包括(i)获得对应于第一对机器状况参数的第一组数据观察结果,(ii)基于第一组数据观察结果来确定对应于第一对机器状况参数的第一相关系数,(iii)基于第一相关系数来确定对应于第一对机器状况参数的第一p值,以及(iv)从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于至少第一p值和一个或多个限定的选择规则。
根据本发明的选择规则可限定为:响应于(i)第一对机器状况参数包括相关的变量对以及(ii)第一p值大于第一预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
在另一实施例中,选择规则可限定为:响应于(i)第一对机器状况参数包括不相关的变量对以及(ii)第一p值小于或等于第一预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
被构造为响应于检测到的故障状况而执行的状况监控行为可包括下列各项中的任意一个或多个:用信号传达检测到的故障状况;修改机器的操作状态;响应于检测到的故障状况而激活状况监控程序;触发警报、警告、人工检查和基于传感器的测试中的一个或多个;触发在线振动分析;以及执行与机器的操作状况相关的至少一个额外测试。
在本发明的实施例中,第一预定p值极限可具有0.01与0.05之间的任意值。
本发明的方法可另外包括(i)获得对应于第二对机器状况参数的第二组数据观察结果(ii)基于第二组数据观察结果来确定对应于第二对机器状况参数的第二相关系数和(iii)基于第二相关系数来确定对应于第二对机器状况参数的第二p值,其中额外基于至少第二p值来选择用于执行的状况监控行为。
在本发明的实施例中,(i)机器可包括离心泵系统,(ii)第一对机器状况参数可为包括电流和排放压强的相关的变量对,(iii)第二对机器状况参数可为包括电流和出流率的相关的变量对,并且(iv)响应于第一p值大于第一预定p值极限或者第二p值大于第二预定p值极限,所选择的状况监控行为可包括被构造为响应于检测到的故障状况而执行的状况监控行为。
在该方法的另一实施例中,(i)机器可包括离心泵系统,(ii)第一对机器状况参数可为包括电流和检测到的轴承温度的不相关的变量对,(iii)第二对机器状况参数可为包括电流和检测到的振动特性的不相关的变量对,并且(iv)响应于第一p值小于或等于第一预定p值极限,或者第二p值小于或等于第二预定p值极限,所选择的状况监控行为可为被构造为响应于检测到的故障状况而执行的状况监控行为。
本发明的方法可额外包括(i)获得对应于第三对机器状况参数的第三组数据观察结果,和(ii)基于第三组数据观察结果来确定对应于第三对机器状况参数的第三相关系数,以及(iii)基于所述第三相关系数来确定对应于所述第三对机器状况参数的第三p值,其中额外基于至少第三p值来选择用于执行的状况监控行为。
在本发明的实施例中,(i)机器可包括离心泵系统,(ii)第一对机器状况参数可为包括出流率和吸入阀位置的相关的变量对,(iii)第二对机器状况参数可为包括出流率和排放阀位置的相关的变量对,(iv)第三对机器状况参数可为包括出流率和入流率的相关的变量对,并且(v)响应于第一p值大于第一预定p值极限,第二p值大于第二预定p值极限以及第三p值大于第三预定p值极限,该方法可选择被构造为响应于检测到的故障状况而执行的状况监控行为。
用于离心泵的状况监控的方法的更具体的实施例包括:获得(i)与包括电流和排放压强的相关的第一对机器状况参数相对应的第一p值,(ii)与包括电流和出流率的相关的第二对机器状况参数相对应的第二p值,(iii)与包括电流和检测到的轴承温度的不相关的第三对机器状况参数相对应的第三p值,(iv)与包括电流和检测到的振动特性的不相关的第四对机器状况参数相对应的第四p值,(v)与包括出流率和吸入阀位置的相关的第五对机器状况参数相对应的第五p值,(vi)与包括出流率和排放阀位置的相关的第六对机器状况参数相对应的第六p值,以及(vii)与包括出流率和入流率的相关的第七对机器状况参数相对应的第七p值。
可从多个可获得的状况监控行为中选择第一状况监控行为,其中响应于(i)第一p值大于第一预定p值极限,或者第二p值大于第二预定p值极限;以及(ii)第三p值小于或等于第三预定p值极限,或者第四p值小于或等于第四预定p值极限,所选择的第一状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为。
作为另外一种选择,可从多个可获得的状况监控行为中选择第一状况监控行为,其中响应于(i)第一p值大于第一预定p值极限,或者第二p值大于第二预定p值极限;以及(ii)第三p值大于第三预定p值极限,并且第四p值大于第四预定p值极限,所选择的第一状况监控行为包括将检测到的轴承温度与推荐的操作温度进行比较,将检测到的振动特性与推荐的振动特性极限进行比较,并且响应于检测到的轴承温度超过推荐的操作温度或者检测到的振动特性超过推荐的振动特性极限,从多个可获得的状况监控行为中选择用于执行的第二状况监控行为,其中第二状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为。
作为另外一种选择,可从多个可获得的状况监控行为中选择第一状况监控行为,其中响应于第一p值小于或等于第一预定p值极限以及第二p值小于或等于第二预定p值极限,所选择的第一状况监控行为包括(i)将观察到的最大出流率与观察到的最小出流率进行比较,以及(ii)响应于最大出流率比最小出流率超过不止预定的第一出流变化极限,确定(a)第五p值是否大于第五预定p值极限,(b)第六p值是否大于第六预定p值极限,以及(c)第七p值是否大于第七预定p值极限。
在本发明的方法实施例中,第一预定p值极限至第七预定p值极限中的任一个可包括0.01与0.05之间的任意值。
在以上方法的具体实施例中,响应于第五p值大于第五预定p值极限,第六p值大于第六预定p值极限以及第七p值大于第七预定p值极限,该方法可包括(i)响应于检测到的出流率的减小超过预定的第二出流变化极限,从多个可获得的状况监控行为中选择用于执行的第三状况监控行为,其中第三状况监控行为包括被构造为响应于检测到的排放再循环故障或滤器堵塞故障而执行的状况监控行为,或者(ii)响应于检测观察到的出流率和观察到的排放压强中的振荡,从多个可获得的状况监控行为中选择用于执行的第四状况监控行为,其中第四状况监控行为包括被构造为响应于检测到的气蚀故障而执行的状况监控行为。
一种根据本发明的系统可包括处理器实现的数据分析和启发控制器,其被构造为(i)获得对应于第一对机器状况参数的第一组数据观察结果,(ii)基于第一组数据观察结果来确定对应于第一对机器状况参数的第一相关系数,(iii)基于第一相关系数来确定对应于第一对机器状况参数的第一p值,以及(iv)从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于至少第一p值以及一个或多个限定的选择规则。
该系统还可包括下列各项中的至少一个:(i)泵诊断接口,其被构造为接收和向用户或装置传达与机器的操作状态相关的信息,(ii)预处理引擎,其被构造为优化来自一个或多个传感器的信息以用于数据分析,以及(iii)触发器控制器,其被构造为用信号传达或实现机器中的状态改变。
在系统实施例中,选择规则可从数据库中取得,并且被限定为:响应于(i)第一对机器状况参数包括相关的变量对,和(ii)第一p值大于预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
在另一系统实施例中,选择规则可从数据库中取得,并且被限定为:响应于(i)第一对机器状况参数包括不相关的变量对,和(ii)第一p值小于或等于预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
该系统可被构造为使得响应于检测到的故障状况而执行的状况监控行为可包括下列各项中的任意一个或多个:用信号传达检测到的故障状况;修改机器的操作状态;响应于检测到的故障状况而激活状况监控程序;触发警报、警告、人工检查和基于传感器的测试中的一个或多个;触发在线振动分析;以及执行与机器的操作状况相关的至少一个额外测试。
在系统的实施例中,第一预定p值极限可具有0.01与0.05之间的任意值。
数据分析和启发控制器还可被构造为(i)获得对应于第二对机器状况参数的第二组数据观察结果,(ii)基于第二组数据观察结果来确定对应于第二对机器状况参数的第二相关系数,以及(iii)基于第二相关系数来确定对应于第二对机器状况参数的第二p值,其中额外基于至少第二p值来选择用于执行的状况监控行为。
该系统可被构造为用于离心泵系统的状况监控,其中第一对机器状况参数是包括电流和排放压强的相关的变量对,并且第二对机器状况参数是包括电流和出流率的相关的变量对。响应于第一p值大于第一预定p值极限,或者第二p值大于第二预定p值极限,所选择的状况监控行为可为被构造为响应于检测到的故障状况而执行的状况监控行为。
作为另外一种选择,该系统可被构造为用于离心泵系统的状况监控,其中第一对机器状况参数是包括电流和检测到的轴承温度的不相关的变量对,并且第二对机器状况参数是包括电流和检测到的振动特性的不相关的变量对。在该实施例中,响应于第一p值小于或等于第一预定p值极限,或者第二p值小于或等于第二预定p值极限,所选择的状况监控行为可为被构造为响应于检测到的故障状况而执行的状况监控行为。
数据分析和启发控制器还可被构造为获得对应于第三对机器状况参数的第三组数据观察结果,并且基于第三组数据观察结果来确定对应于第三对机器状况参数的第三相关系数,并且基于所述第三相关系数来确定对应于所述第三对机器状况参数的第三p值。在该实施例中,可额外基于至少第三p值来选择用于执行的状况监控行为。
在被构造为用于离心泵系统的状况监控的系统实施例中,第一对机器状况参数可为包括出流率和吸入阀位置的相关的变量对,第二对机器状况参数可为包括出流率和排放阀位置的相关的变量对,并且第三对机器状况参数可为包括出流率和入流率的相关的变量对。响应于第一p值大于第一预定p值极限,第二p值大于第二预定p值极限,和第三p值大于第三预定p值极限,所选择的状况监控行为可为被构造为响应于检测到的故障状况而执行的状况监控行为。
在被构造为用于离心泵的状况监控的另一系统实施例中,该系统可包括处理器实现的数据分析和启发控制器,其被构造为基于从一个或多个传感器接收的数据观察结果来获得:与包括电流和排放压强的相关的第一对机器状况参数相对应的第一p值、与包括电流和出流率的相关的第二对机器状况参数相对应的第二p值、与包括电流和检测到的轴承温度的不相关的第三对机器状况参数相对应的第三p值、与包括电流和检测到的振动特性的不相关的第四对机器状况参数相对应的第四p值、与包括出流率和吸入阀位置的相关的第五对机器状况参数相对应的第五p值、与包括出流率和排放阀位置的相关的第六对机器状况参数相对应的第六p值以及与包括出流率和入流率的相关的第七对机器状况参数相对应的第七p值。
该系统的数据分析和启发控制器被构造为从多个可获得的状况监控行为中选择用于执行的第一状况监控行为。
在该系统的实施例中,响应于(i)第一p值大于第一预定p值极限,或者第二p值大于第二预定p值极限;以及(ii)第三p值小于或等于第三预定p值极限,或者第四p值小于或等于第四预定p值极限,所选择的第一状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为。
在该系统的另一实施例中,响应于(i)第一p值大于第一预定p值极限,或者第二p值大于第二预定p值极限;以及(ii)第三p值大于第三预定p值极限,并且第四p值大于第四预定p值极限,所选择的第一状况监控行为包括:将检测到的轴承温度与推荐的最大操作温度进行比较,将检测到的振动特性与推荐的振动特性极限进行比较,并且响应于检测到的轴承温度超过推荐的最大操作温度或者检测到的振动特性超过推荐的振动特性极限,从多个可获得的状况监控行为中选择用于执行的第二状况监控行为,其中第二状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为。
在另一实施例中,响应于第一p值小于或等于第一预定p值极限以及第二p值小于或等于第二预定p值极限,所选择的第一状况监控行为包括:将观察到的最大出流率与观察到的最小出流率进行比较,并且响应于最大出流率比最小出流率超过不止预定的第一出流变化极限,确定(a)第五p值是否大于第五预定p值极限,(b)第六p值是否大于第六预定p值极限,以及(c)第七p值是否大于第七预定p值极限。
在上述系统实施例中,第一预定p值极限至第七预定p值极限中的任一个可具有0.01与0.05之间的任意值。
上述系统实施例可额外包括下列各项中的至少一个:(i)泵诊断接口,其被构造为接收和向用户或装置传达与离心泵系统的操作状态相关的信息,(ii)预处理引擎,其被构造为优化从一个或多个传感器接收的信息以用于数据分析,以及(iii)触发器控制器,其被构造为用信号传达或实现离心泵系统中的状态改变。
在特定系统实施例中,数据分析和启发控制器可被构造为响应于(a)第五p值大于第五预定p值极限(b)第六p值大于第六预定p值极限以及(c)第七p值大于第七预定p值极限,使得系统:(i)响应于检测到的出流率的减小超过预定的第二出流变化极限,通过从多个可获得的状况监控行为中选择用于执行的第三状况监控行为,其中,第三状况监控行为包括被构造为响应于检测到的排放再循环故障或滤器堵塞故障而执行的状况监控行为;或者(ii)响应于观察到的出流率和观察到的排放压强中的检测到的振荡,通过从多个可获得的状况监控行为中选择用于执行的第四状况监控行为,其中第四状况监控行为包括被构造为响应于检测到的气蚀故障而执行的状况监控行为。
本发明可另外包括一种用于机器的状况监控的计算机程序产品,其包括其中存储有程序代码的非瞬时计算机可读存储介质。所述程序代码可包括用于以下步骤的计算机可读指令:(i)获得对应于第一对机器状况参数的第一组数据观察结果;(ii)基于第一组数据观察结果来确定对应于第一对机器状况参数的第一相关系数;(iii)基于第一相关系数来确定对应于第一对机器状况参数的第一p值;以及(iv)从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于:至少第一p值以及一个或多个限定的选择规则。
附图说明
图1示出了离心泵的剖视图。
图2示出了的离心泵系统的基本组件。
图3示出了用于泵的样品设计曲线。
图4示出了用于机器或系统中的状况监控和故障检测的方法。
图5至图8D示出了用于与离心泵系统有关的状况监控和故障检测的方法的实施例。
图9示出了用于机器或系统中的状况监控和故障检测的系统。
图10示出了可实现本发明的实施例的示例性计算系统。
具体实施方式
本发明实现了包括诸如离心泵或离心泵系统之类的旋转设备在内的工业机器中的可靠的、实时的和节约成本的状况监控和故障检测。本发明通过进行统计学分析和模式识别以检测机器状况参数中的故障或异常来实现这一点。
本发明提供了一种利用与一对或多对机器状况参数有关的各种实时数据观察结果来识别流程故障和机械故障的简单、稳健和节约成本的方案。在涉及离心泵系统的状况监控的本发明的实施例中,本发明监控电流数据和一个或多个其它机器状况参数,并且可以可选地触发用于机器状况参数中的任何检测到的故障或异常的根本原因分析的人工/离线检查或在线振动系统。
本发明以以下发现为前提,即在机器中(i)当机器正常地操作时,特定多对机器状况参数具有依赖性(即,相关),以及(ii)当机器异常地操作时,特定其它多对机器状况参数具有依赖性。
因此,已发现可将监控与已知当机器正常地操作时具有依赖性的变量对相对应的数据观察结果、以及针对该变量对检测相对于预期或规定的相关的任何偏离,用于检测机器中的表现出或发展中的故障。相似地,已发现可将监控与当机器正常地操作时不具有依赖性的变量对相对应的数据观察结果、和针对该变量对检测任何非预期的相关,用于检测机器中的表现出或发展中的故障。
在离心泵和离心泵系统的特定实例中,已发现以下多对机器状况参数在正常操作中具有依赖性或相关:
(a)电机的电流源与排放压强,
(b)电机的电流源与每单位时间流体出流量
(c)每单位时间流体出流量与控制流体入口的吸入阀的阀位置
(d)每单位时间流体出流量与控制流体出口的排放阀的阀位置
(e)每单位时间流体出流量与每单位时间流体入流量
相似地,已发现以下多对与离心泵和离心泵系统相对应的机器状况参数在正常操作中不具有依赖性或相关:
(a)电流与轴承温度
(b)电流与振动特性数据
通过监控与以上变量对之一相对应的数据观察结果,以及检测(i)相对于与已知在正常操作中具有依赖性的变量对相对应的预期或规定的相关的任何偏离,或者(ii)与已知在正常操作中不具有依赖性的变量对相对应的任何非预期的相关——可识别出离心泵或离心泵系统中的表现出或发展中的故障。
本发明可通过采用能够获得机器状况参数数据的传感器来实现这一点。在离心泵或离心泵系统的情况下,获得的数据可包括与源流、排放压强、电流、电压、功率、吸入阀位置和排放阀位置、轴承温度和振动特性中的一个或多个相关的数据。可对传感器数据进行统计学分析,以检测和监控与以上变量对中的一个或多个相对应的数据之间的相关,以及将相对于用于特定变量对的预期或规定的依赖行为的偏离作为流程故障或机械故障状况或潜在故障状况的指示来处理。
为施行本发明,“相关的变量对”应该意指已知当机器或系统在正常或非故障状况下操作时彼此具有依赖性(相关)的一对机器状况参数。
为施行本发明,术语“相关”可理解为将两个量变项(quantitativevariable)关联的程度量化。正相关是指两个量变项之间的直接关系,其中随着第一变量的值增大,第二变量的值也增大,并且对应地,其中随着第一变量的值减小,第二变量的值也减小。负相关是指两个量变项之间的逆关系,其中随着第一变量的值增大,第二变量的值减小,并且对应地,其中随着第一变量的值减小,第二变量的值增大。
为施行本发明,术语“相关系数”可被理解为确定一对数据集(对应于两个量变项)是否相关的数(通常在-1与1之间)。接近1的相关系数指示正线性相关,而接近-1的相关系数指示负线性相关。接近0的相关系数指示两个变量之间不存在依赖。通常使用多个不同类型的相关系数——包括皮尔逊(Pearson)积矩相关系数和斯皮尔曼(Spearman)等级相关系数。在实现本发明的目的时可实施任何类型的相关系数。可利用本领域熟知的许多统计学方法来确定用于变量对的相关系数。另外,可利用诸如MSExcel(Microsoft公司的产品)和MATLAB(MathWork公司的产品)之类的软件工具来确定相关系数。能够基于用于确定相关系数的任何统计学方法或任何软件工具来实现本发明。
为施行本发明,术语“相关系数矩阵”应该意指描述M个量变项之间的相关性的方形对称M×M矩阵。在矩阵的第(x,y)元素处的数据值是第(x)变量与第(y)变量之间的相关系数。在对角元素处的数据值(各个变量与其自身的相关系数)总是等于1.00。可基于具有M列和N行的输入数据矩阵(其中各行包括一组数据观察结果(或读数)并且各列对应于M个量变项之一)通过利用诸如MSExcel或MATLAB之类的软件工具来产生M×M相关系数矩阵。能够基于用于产生相关系数矩阵的任何统计学方法或任何软件工具来实现本发明。
为施行本发明,“电流”(imotor)应该意指通过电源供应至电机的电流。
为施行本发明,“检测到的轴承温度”(BTempDetected)应该意指对应于与泵的电机、轴或叶轮中的任一个耦接的轴承组件(或其部件)的温度读数。
为施行本发明,“检测到的振动特性”(VibDataDetected)应该意指从设置在泵的电机、轴或叶轮中的任一个上或附近的一个或多个振动传感器(例如加速计)接收的振动特性。
为施行本发明,“排放压强”(PressureDisch)应该意指在泵的出口侧产生的流体压强。
为施行本发明,“排放阀位置”(DValveposn)应该意指控制在离心泵的出口侧的流体出流的排放阀的阀位置。
为施行本发明,“故障状况”应该意指机器、系统或流程中的任何异常状况或缺陷。在不限制的情况下,故障状况可指在(i)操作流程、(ii)组件、(iii)设备或(iv)子系统中的任一个中观察到的任何异常状况或缺陷。故障状况可包括可导致功能单元次优地工作或故障,或者可导致功能单元的失效的流程故障、机械故障、电气故障、电子故障、机电故障以及任何其它故障。
为施行本发明,“入流率”(InflowRate)应该意指在泵的入口侧的容积流率。
为施行本发明,“机器”应该包括任何全部或部分机械、机电、电力或电子装置或系统。
为施行本发明,“不相关的变量对”应该意指已知当机器或系统在正常或非故障状况下操作时彼此不具有依赖性(相关)的一对机器状况参数。
为施行本发明,“出流率”(OutflowRate)应该意指在泵的出口侧的容积流率。
为施行本发明,“功率”(Pmotor)应该意指从电源传递至电机的功率。
为施行本发明,术语“p值”被理解为获得与两个变量相对应的相关值的概率,至少极端情况是当两个变量之间的真实相关度为零(即两个变量彼此不具有依赖性)时实际观察到的p值。p值可为0与1之间的数。
当基于已知相关(即彼此具有依赖性)的两个变量之间的观察到的相关系数值来计算时:
·小p值(接近0的p值)表示两个变量之间的观察到的相关系数值与两个变量之间的真实相关度为零的假设不一致。换句话说,非常小的p值表示两个变量之间的观察到的相关系数值指示两个变量相关。由于已知p值已被计算的两个变量相关,因此小p值表示对应于两个变量的数据观察结果与所述两个变量之间的已知依赖关系一致。
·大p值(接近1的p值)表示两个变量之间的观察到的相关系数值与两个变量之间的真实相关度为零的假设一致。然而,由于已知p值已被计算的两个变量相关,因此大p值指示对应于两个变量的数据观察结果与所述两个变量之间的已知依赖关系不一致。
相反,当基于已知不相关(即彼此不具有依赖性)的两个变量之间的观察到的相关系数值来计算时:
·小p值(接近0的p值)表示两个变量之间的观察到的相关系数值与两个变量之间的真实相关度为零的假设不一致。换句话说,非常小的p值表示两个变量之间的观察到的相关系数值指示两个变量相关。然而,由于已知p值已被计算的两个变量不相关,因此小p值表示对应于两个变量的数据观察结果与所述两个变量之间已知不存在依赖不一致。
·大p值(接近1的p值)表示两个变量之间的观察到的相关系数值与两个变量之间的真实相关度为零的假设一致。由于已知p值已被计算的两个变量不相关,因此大p值表示对应于两个变量的数据观察结果与所述两个变量之间已知不存在依赖一致。
可利用统计表或者诸如MSExcel或MATLAB之类的软件工具来计算p值。能够基于用于产生相关系数矩阵的任何统计学方法或任何软件工具实现本发明。
为施行本发明,术语“p值矩阵”被理解为基于对应的M×M相关系数矩阵产生的方形对称M×M矩阵,其中M是量变项的总数。在p值矩阵的第(x,y)元素处的数据值是与相关系数矩阵中的第(x)变量和第(y)变量之间的相关系数相对应的p值。可基于输入的M×M相关系数矩阵通过利用诸如MSExcel或MATLAB之类的软件工具来产生M×M的p值矩阵。能够基于用于产生相关系数矩阵的任何统计学方法或任何软件工具实现本发明。
为施行本发明,“Pv[p,q]”应该意指与包括变量p和q的变量对相对应的p值。
为施行本发明,“推荐的轴承温度极限”(BTempRec)应该意指用于与泵的电机、轴或叶轮耦接的轴承组件(或其部件)的推荐的最大操作温度。
为施行本发明,“推荐的振动特性极限”(VibDataRec)应该意指用于在泵的电机、轴或叶轮处或附近的振动特性的推荐的最大容许极限。
为施行本发明,“R[p,q]”应该意指与包括变量p和q的变量对相对应的相关系数。
为施行本发明,“电阻”(Rmotor)应该意指电机的电阻。
为施行本发明,“吸入阀位置”(SValveposn)应该意指在泵的入口侧控制流入的流体的吸入阀的阀位置。
为施行本发明,“电压”(Vmotor)应该意指向电机提供的电源电压。
图4示出了根据本发明的用于机器或系统中的状况监控和故障检测的方法。
步骤402包括获得与机器或系统相关的至少一对机器状况参数所对应的至少规定数量的数据观察结果。所述一对机器状况参数可包括任何第一机器状况参数和第二机器状况参数,其中第一机器状况参数和第二机器状况参数为(i)相关的变量对或者(ii)不相关的变量对。
规定数量的数据观察结果可包括大于一的任何数。在具体实施例中,规定数量的数据观察结果是大于或等于三十的任意数量的数据观察结果,而在优选实施例中,规定数量的数据观察结果大于或等于六十。在另一实施例中,规定数量的数据观察结果可由用户、系统操作员或系统管理员构造。在本发明的实施例中,各个数据观察结果可包括对应于第一机器状况参数的第一数据观察结果和对应于第二机器状况参数的第二数据观察结果。
步骤404包括确定对应于第一机器状况参数和第二机器状况参数的相关系数,其中可基于关于第一机器状况参数和第二机器状况参数的数据观察结果来确定相关系数。然后,在步骤406,确定对应于第一机器状况参数和第二机器状况参数的p值,其中所述确定可基于所确定的相关系数。
在步骤408,该方法从多个可获得的状况监控行为中选择用于执行的一个或多个状况监控行为,其中用于执行的一个或多个状况监控行为的选择基于(i)至少对应于第一机器状况参数和第二机器状况参数的确定的p值,以及(ii)一个或多个选择规则。
一个或多个选择规则包括从多个状况监控行为中确定用于执行的一个或多个状况监控行为的选择的预定规则。一个或多个选择规则中的每一个映射至p值或p值范围或者与所述p值或p值范围关联。因此,在步骤406的确定对应于第一机器状况参数和第二机器状况参数的p值之后,步骤408可激活映射至确定的p值(或确定的p值落入其中的p值范围)或与p值(或确定的p值落入其中的p值范围)关联的一个或多个选择规则。激活的一个或多个选择规则导致从可用的多个状况监控行为中选择用于执行的一个或多个状况监控行为。
应该理解,选择规则可为可构造的,从而能够针对特定机器、系统或一对机器状况参数来定制方法。
在本发明的实施例中,选择规则可定义如下:
·就相关的变量对而言,响应于确定p值小于或等于预定p值极限,选择的一个或多个状况监控行为中的至少一个是被构造为响应于机器或系统的正常或非故障操作状况而执行的状况监控行为,或者
·就相关的变量对而言,响应于获得大于预定p值极限的p值,选择的一个或多个状况监控行为中的至少一个是被构造为响应于机器或系统的异常或故障状况而执行的状况监控行为,或者
·就不相关的变量对而言,响应于获得大于预定p值极限的p值,选择的一个或多个状况监控行为中的至少一个是被构造为响应于机器或系统的正常或非故障操作状况而执行的状况监控行为,或者
·就不相关的变量对而言,响应于获得小于或等于预定p值极限的p值,选择的一个或多个状况监控行为中的至少一个是被构造为响应于机器或系统的异常或故障状况而执行的状况监控行为。
以上实施例的任一个中的预定值极限可包括0与1之间的任何数值。在本发明的任何实施例中,预定p值极限可为0.01与0.05之间的任意数值。
在本发明的实施例中,被构造为响应于机器或系统的正常或非故障状况的检测而执行的状况监控行为可包括下列各项中的任何一个或多个:(i)向用户或装置用信号传达或传达机器或系统的正常或非故障状况,(ii)使机器或系统的操作继续,而不对操作参数进行任何改变,(iii)使机器或系统的状况监控继续,而不用激活对检测到的异常或故障状况而言特定的任何状况监控程序或子程序,或者(iv)执行与机器或机器系统的操作状况相关的验证检查。
被构造为响应于检测到机器或系统的异常或故障状况而执行的状况监控行为可包括下列各项中的任何一个或多个:(i)向用户或装置用信号传达或传达机器或系统的异常或故障状况,(ii)改变机器或系统的操作参数,(iii)激活对检测到的异常或故障状况而言特定的状况监控程序或子程序,(iv)触发警报或警告、人工检查或基于传感器的测试方法学中的一个或多个,或者(v)执行与机器或机器系统的操作状况相关的验证检查。
应该理解,可结合不止一对机器状况参数来实施以上结合本发明而示出和讨论的方法。在这种情况下,可分离地确定对应于各对机器状况参数的相关系数,或者可利用相关系数矩阵来一起确定全部相关系数。同样地,可分离地确定对应于各对机器状况参数的p值,或者替代性地,可利用p值矩阵来一起确定对应于各对机器状况参数的全部p值。
虽然未具体示出,但是应该理解,就在本公开中(结合图4或其它附图)描述的任何方法而言,该方法可包括下列各项中的任何一个或多个:(i)监控和确保至少获得规定数量的数据观察结果,(ii)监控负责获得数据观察结果的传感器或装置的状态和连通性,(iii)执行负责获得数据观察结果的传感器或装置的操作状态的周期检查,(iv)警告操作员注意在得出的数据观察结果中的矛盾或错误,(v)将噪声从负责获得数据观察结果的传感器或装置接收的数据信号中过滤掉,和(vi)在可能时,响应于与任何需要的机器状况参数相对应的直接数据观察结果的不可用,从与任何相关的机器状况参数相对应的观察结果中导出这种数据观察结果。
图5示出了结合离心泵系统实现的图4的方法的实施例。
步骤502包括从操作的离心泵系统中获得与(i)电流、(ii)排放压强和(iii)出流率相对应的至少规定数量的数据观察结果。已发现,在离心泵系统中,电流和排放压强包括第一相关的变量对,而电流和出流率包括第二相关的变量对。因此,当离心泵系统在正常或非故障状况下操作时,对应于电流和排放压强的数据观察结果将表现出相关,同样地,对应于电流和出流率的数据观察结果也将表现出相关。
在步骤504,基于与电流和排放压强相对应的获得的数据观察结果来确定对应于电流(imotor)和排放压强(PressureDisch)的第一相关系数(R[imotor,PressureDisch])。然后,基于第一相关系数(R[imotor,PressureDisch])来确定对应于电流(imotor)和排放压强(PressureDisch)的第一p值(Pv[imotor,PressureDisch])。
在步骤506,基于与电流和出流率相对应的获得的数据观察结果来确定对应于电流(imotor)和出流率(OutflowRate)的第二相关系数(R[imotor,OutflowRate])。然后,基于第二相关系数(R[imotor,OutflowRate])来确定对应于电流(imotor)和出流率(OutflowRate)的第二p值(Pv[imotor,OutflowRate])。
步骤508确定(i)第一p值Pv[imotor,PressureDisch]是否小于或等于预定的第一p值极限,以及(ii)第二p值Pv[imotor,OutflowRate]是否小于或等于预定的第二p值极限。
如果(i)第一p值Pv[imotor,PressureDisch]小于或等于预定第一p值极限,并且(ii)第二p值Pv[imotor,OutflowRate]小于或等于预定第二p值极限,则步骤510从多个状况监控行为中选择用于执行的第一状况监控行为。
另一方面,如果(i)第一p值Pv[imotor,PressureDisch]大于预定第一p值极限,或者(ii)第二p值Pv[imotor,OutflowRate]大于预定第二p值极限,则步骤512从多个状况监控行为中选择用于执行的第二状况监控行为。
图5的第一预定p值极限和第二预定p值极限可包括0与1之间的任意数值。在本发明的任何实施例中,预定的第一p值极限和预定的第二p值极限之一或二者可为0.01与0.05之间的任意数值。
由于已知第一变量对(电流和排放压强)和第二变量对(电流和出流率)中的每一对为分别相关的变量对,因此在正常或非故障操作状况中,两个变量对中的每一对可预期具有分别等于或小于预定的第一p值极限和预定的第二p值极限(并且优选地,接近0)的p值。在确定的第一p值和第二p值与这种行为一致的情况下,可以推论离心泵系统在正常或非故障状况下操作。因此,在本发明的实施例中,在步骤510选择用于执行的第一状况监控行为可包括被构造为响应于离心泵系统的正常或非故障操作状况而执行的行为。在本发明的另一实施例中,第一状况监控行为可包括被构造为执行与离心泵系统的操作状况相关的验证检查的行为。
相反,由于已知第一变量对(电流和排放压强)和第二变量对(电流和出流率)中的每一对为相关的变量对,因此在异常或故障状况中,可预期两个变量对中的至少一个具有分别大于预定的第一p值极限和预定的第二p值极限的p值。在确定的第一p值和第二p值中的任一个与这种行为一致的情况下,可以推论离心泵系统在异常或故障状况下操作。因此,在本发明的实施例中,在步骤512选择用于执行的第二状况监控行为可包括被构造为响应于离心泵系统的异常或故障操作状况而执行的行为。在本发明的另一实施例中,第二状况监控行为可包括被构造为执行与离心泵系统的操作状况相关的验证检查的行为。
图6示出了结合离心泵系统实现的图4的方法的另一实施例。
步骤602包括从操作的离心泵系统获得与(i)电流、(ii)检测到的轴承温度和(iii)检测到的振动特性相对应的至少规定数量的数据观察结果。已发现,在离心泵系统中,电流和检测到的轴承温度包括第一不相关的变量对(即,在正常或非故障状况中,改变电机电流应该不影响轴承温度),而电流和检测到的振动特性包括第二不相关的变量对(即,在正常或非故障状况中,改变电机电流应该不影响检测到的振动特性)。因此,当离心泵系统在正常或非故障状况下操作时,对应于电流和检测到的轴承温度的数据观察结果应该不具有相关性,同样地,对应于电流和检测到的振动特性的数据观察结果应该也不具有相关性。
在步骤604,基于与电流和检测到的轴承温度相对应的获得的数据观察结果来确定对应于电流(imotor)和检测到的轴承温度(BTempDetected)的第一相关系数(R[imotor,BTempDetected])。然后,基于第一相关系数(R[imotor,BTempDetected])来确定对应于电流(imotor)和检测到的轴承温度(BTempDetected)的第一p值(Pv[imotor,BTempDetected])。
在步骤606,基于与电流和VibDataDetected相对应的获得的数据观察结果来确定对应于电流(imotor)和检测到的振动特性(VibDataDetected)的第二相关系数(R[imotor,VibDataDetected])。然后,基于第二相关系数(R[imotor,VibDataDetected])来确定对应于电流(imotor)和检测到的振动特性(VibDataDetected)的第二p值(Pv[imotor,VibDataDetected])。
步骤608确定(i)第一p值Pv[imotor,BTempDetected]是否小于或等于预定的第一p值极限,或者(ii)第二p值Pv[imotor,VibDataDetected]是否小于或等于预定的第二p值极限。
如果(i)第一p值Pv[imotor,BTempDetected]大于预定的第一p值极限,并且(ii)第二p值Pv[imotor,VibDataDetected]大于预定的第二p值极限,则步骤610从多个状况监控行为中选择用于执行的第一状况监控行为。
另一方面,如果(i)第一p值Pv[imotor,BTempDetected]小于或等于预定的第一p值极限,或者(ii)第二p值Pv[imotor,VibDataDetected]小于或等于预定的第二p值极限,则步骤612从多个状况监控行为中选择用于执行的第二状况监控行为。
图6的第一预定p值极限和第二预定p值极限可包括0与1之间的任意数值。在本发明的任何实施例中,预定的第一p值极限和预定的第二p值极限之一或二者可为0.01与0.05之间的任意数值。
由于已知第一变量对(电流和检测到的轴承温度)和第二变量对(电流和检测到的振动特性)中的每一对分别为不相关的变量对,因此在正常或非故障操作状况中,可预期两个变量对中的每一对的p值分别大于预定的第一p值极限和预定的第二p值极限。在确定的第一p值和第二p值与这种行为一致的情况下,可以推论出离心泵系统在正常或非故障状况下操作。因此,在本发明的实施例中,在步骤610选择用于执行的第一状况监控行为可包括被构造为响应于离心泵系统的正常或非故障操作状况而执行的行为。在本发明的另一实施例中,第一状况监控行为可包括被构造为执行与离心泵系统的操作状况相关的进一步检查或验证检查的行为。
相反,由于已知第一变量对(电流和检测到的轴承温度)和第二变量对(电流和检测到的振动特性)中的每一对分别为不相关的变量对,因此在异常或故障状况中,可预期两个变量对中的至少一个具有分别小于预定的第一p值极限或预定的第二p值极限的p值。在确定的第一p值和第二p值之一与这种行为一致的情况下,可以推论出离心泵系统在异常或故障状况下操作。因此,在本发明的实施例中,在步骤612选择用于执行的第二状况监控行为可包括被构造为响应于离心泵系统的异常或故障操作状况而执行的行为。在本发明的另一实施例中,第二状况监控行为可包括被构造为执行与离心泵系统的操作状况相关的进一步检查或验证检查的行为。
图7示出了同样结合离心泵系统实现的图4的方法的又一实施例。
步骤702包括从操作的离心泵系统获得与(i)吸入阀位置、(ii)排放阀位置、(iii)出流率和(iv)入流率相对应的至少规定数量的数据观察结果。已发现,在离心泵系统中,出流率和吸入阀位置包括第一相关的变量对,出流率和排放阀位置包括第二相关的变量对,并且出流率和入流率包括第三相关的变量对。因此,当离心泵系统在正常或非故障状况下操作时,分别与出流率和吸入阀位置、出流率和排放阀位置以及出流率和入流率相对应的数据观察结果会具有相关性。
在步骤704,基于与出流率和吸入阀位置相对应的获得的数据观察结果来确定对应于出流率(OutflowRate)和吸入阀位置(SValveposn)的第一相关系数(R[OutflowRate,SValveposn])。然后,基于第一相关系数(R[OutflowRate,SValveposn])来确定对应于出流率(OutflowRate)和吸入阀位置(SValveposn)的第一p值(Pv[OutflowRate,SValveposn])。
在步骤706,基于与出流率和排放阀位置相对应的获得的数据观察结果来确定对应于出流率(OutflowRate)和排放阀位置(DValveposn)的第二相关系数(R[OutflowRate,DValveposn])。然后,基于第二相关系数(R[OutflowRate,DValveposn])来确定对应于出流率(OutflowRate)和排放阀位置(DValveposn)的第二p值(Pv[OutflowRate,DValveposn])。
在步骤708,基于与出流率和入流率相对应的获得的数据观察结果来确定对应于出流率(OutflowRate)和入流率(InflowRate)的第三相关系数(R[OutflowRate,InflowRate])。然后,基于第三相关系数(R[OutflowRate,InflowRate])来确定对应于出流率(OutflowRate)和入流率(InflowRate)的第三p值(Pv[OutflowRate,InflowRate])。
步骤710确定(i)第一p值Pv[OutflowRate,SValveposn]是否小于或等于预定的第一p值极限,(ii)第二p值Pv[OutflowRate,DValveposn]是否小于或等于预定的第二p值极限,或者(iii)第三p值Pv[OutflowRate,InflowRate]是否小于或等于预定的第三p值极限。
在一个实施例中,如果(i)第一p值[OutflowRate,SValveposn]小于或等于预定的第一p值极限,或者(ii)第二p值Pv[OutflowRate,DValveposn]小于或等于预定的第二p值极限,或者(iii)第三p值Pv[OutflowRate,InflowRate]小于或等于预定的第三p值极限,则步骤712从多个状况监控行为中选择用于执行的第一状况监控行为。
另一方面,如果(i)第一p值[OutflowRate,SValveposn]大于预定的第一p值极限,并且(ii)第二p值Pv[OutflowRate,DValveposn]大于预定的第二p值极限,并且(iii)第三p值Pv[OutflowRate,InflowRate]大于预定的第三p值极限,则步骤714从多个状况监控行为中选择用于执行的第二状况监控行为。
图7的预定的第一p值极限、预定的第二p值极限和预定的第三p值极限可包括0与1之间的任意数值。在本发明的任何实施例中,预定的第一p值极限、预定的第二p值极限和预定的第三p值极限中的一个或多个可为0.01与0.05之间的任意数值。
由于已知第一变量对(出流率与吸入阀位置)、第二变量对(出流率与排放阀位置)以及第三变量对(出流率与入流率)中的每一对分别为相关的变量对,因此在正常或非故障操作状况中,可预期所述三个变量对中的至少一个具有分别等于或小于预定的第一p值极限、预定的第二p值极限和预定的第三p值极限的p值(并且优选地,接近0)。在确定的第一p值、第二p值和第三p值中的任一个与这种行为一致的情况下,可以推论出离心泵系统在正常或非故障状况下操作。因此,在本发明的实施例中,在步骤712选择用于执行的第一状况监控行为可包括被构造为响应于离心泵系统的正常或非故障操作状况而执行的行为。在本发明的另一实施例中,第一状况监控行为可包括被构造为执行与离心泵系统的操作状况相关的进一步检查或验证检查的行为。
相反,由于已知第一变量对(出流率与吸入阀位置)、第二变量对(出流率与排放阀位置)和第三变量对(出流率与入流率)中的每一对分别为相关的变量对,因此在异常或故障状况中,可预期所有三个变量对的p值分别大于预定的第一p值极限、预定的第二p值极限和预定的第三p值极限。在确定的第一p值、第二p值和第三p值与这种行为一致的情况下,可以推论出离心泵系统在异常或故障状况下操作。因此,在本发明的实施例中,在步骤714选择用于执行的第二状况监控行为可包括被构造为响应于离心泵系统的异常或故障状况而执行的行为。在本发明的另一实施例中,第二状况监控行为可包括被构造为执行与离心泵系统的操作状况相关的进一步检查或验证检查的行为。
图8A至图8D示出了结合离心泵系统实现的本发明的另一实施例。
步骤802包括从操作的离心泵系统中获得与(i)电流(imotor)、电压(Vmotor)和功率(Pmotor)中的至少一个、(ii)排放压强(PressureDisch)、(iii)出流率(OutflowRate)、(iv)入流率(InflowRate)、(v)吸入阀位置(SValveposn)、(vi)排放阀位置(DValveposn)、(vii)检测到的轴承温度(BTempDetected)和(viii)检测到的振动特性(VibDataDetected)相对应的至少规定数量的数据观察结果。
在对应于电流(imotor)的直接数据观察结果不可用的情况下,步骤804基于(i)对应于电压(Vmotor)或功率(Pmotor)的数据观察结果和(ii)离心泵电机的电阻(Rmotor)来获得对应于电流的数据观察结果。
如上面的讨论那样,在离心泵系统中,(i)电流和排放压强、(ii)电流和出流率、(iii)出流率和吸入阀位置、(iv)出流率和排放阀位置以及(v)出流率和入流率中的每一对是相关的变量对。因此,当离心泵系统在正常或非故障状况下操作时,与以上变量对中的每一对相对应的数据观察结果应该具有相关性。
另外,(i)电流和检测到的轴承温度以及(ii)电流和检测到的振动特性中的每一对是不相关的变量对。因此,当离心泵系统在正常或非故障状况下操作时,与这些变量对中的每一对相对应的数据观察结果不应该具有相关性。
步骤806确定:
·与包括电流和排放压强的第一对机器状况参数相对应的第一相关系数R[imotor,PressureDisch]和第一p值Pv[imotor,PressureDisch],
·与包括电流和出流率的第二对机器状况参数相对应的第二相关系数R[imotor,OutflowRate]和第二p值Pv[imotor,OutflowRate],
·与包括电流和检测到的轴承温度的第三对机器状况参数相对应的第三相关系数R[imotor,BTempDetected]和第三p值Pv[imotor,BTempDetected],
·与包括电流和检测到的振动特性的第四对机器状况参数相对应的第四相关系数R[imotor,VibDataDetected]和第四p值Pv[imotor,VibDataDetected],
·与包括出流率和吸入阀位置的第五对机器状况参数相对应的第五相关系数R[OutflowRate,SValveposn]和第五p值Pv[OutflowVol,SValveposn],
·与包括出流率和排放阀位置的第六对机器状况参数相对应的第六相关系数R[OutflowRate,DValveposn]和第六p值Pv[OutflowRate,DValveposn],以及
·与包括出流率和入流率的第七对机器状况参数相对应的第七相关系数R[OutflowRate,InflowRate]和第七p值Pv[OutflowRate,InflowRate]。
步骤808检查以确定(i)第一p值Pv[imotor,PressureDisch]是否小于或等于预定的第一p值极限,以及(ii)第二p值Pv[imotor,OutflowRate]是否小于或等于预定的第二p值极限。如果满足两个条件,则方法前进至步骤820。如果所述两个条件中的至少一个未满足,则方法前进至步骤810。
步骤810检查以确定(i)第三p值Pv[imotor,BTempDetected]是否小于或等于预定的第三p值极限,或者(ii)第四p值Pv[imotor,VibDataDetected]是否小于或等于预定的第四p值极限。如果满足两个条件中的至少一个,则方法前进至步骤814。如果两个条件都不满足,则方法前进至步骤812。
步骤812检查以确定(i)检测到的轴承温度是否大于推荐的轴承温度极限,或者(ii)检测到的振动特性是否大于推荐的振动特性极限。如果满足两个条件之一,则方法前进至步骤816。如果两个条件都不满足,则方法前进至步骤步骤818。
步骤814包括从多个状况监控行为中选择用于执行的第一状况监控行为。步骤816包括从多个状况监控行为中选择用于执行的第二状况监控行为。在本发明的实施例中,第一状况监控行为和第二状况监控行为之一或二者可分别被构造为响应于检测到机器或系统的异常或故障状况而执行,并且可包括下列各项中的任意一个或多个:(i)向用户或装置用信号传达或传达机器或系统的异常或故障状况,(ii)改变机器或系统的操作参数,(iii)激活对于检测到的异常或故障状况而言特定的状况监控程序或子程序,(iv)触发警报或警告、人工检查或基于传感器的测试方法学中的一个或多个,或者(v)执行与机器或机器系统的操作状况相关的验证检查。在特定实施例中,第一状况监控行为和第二状况监控行为之一或二者可被构造为通过在线振动监控和分析系统来触发数据收集或分析。
步骤818包括从多个状况监控行为中选择用于执行的第三状况监控行为。在本发明的实施例中,第三状况监控行为可被构造为响应于机器或系统的正常或非故障状况的检测而执行,并且第三状况监控行为可包括下列各项中的一个或多个:(i)向用户或装置用信号传达或传达机器或系统的正常或非故障状况,(ii)使机器或系统的操作继续,而不对操作参数进行任何改变,(iii)继续对机器或系统的状况监控,而不激活对于检测到的异常或故障状况而言特定的任何状况监控程序或子程序,以及(iv)执行与机器或机器系统的操作状况相关的验证检查。
步骤820从对应于出流率(Outflowrate)的获得的数据观察结果中检查最大出流率是否比最小出流率超出不止预定的第一出流变化极限。在本发明的实施例中,预定的第一出流变化极限可包括0%与20%之间的任意值。如果最大出流率比最小出流率超出不止预定的第一出流变化极限,则方法前进至步骤822。如果最大出流率未比最小出流率超出不止预定的第一出流变化极限,则所述方法推论离心泵系统在正常或非故障状况下操作,并前进至步骤828。
步骤822包括检查(i)第五p值Pv[OutflowRate,SValveposn]是否小于或等于预定的第五p值极限,或者(ii)第六p值Pv[OutflowRate,DValveposn]是否小于或等于预定的第六p值极限,或者(iii)第七p值Pv[OutflowRate,InflowRate]是否小于或等于预定的第七p值极限。如果满足以上条件中的任一个,则所述方法推论获得的数据观察结果与操作员或系统控制的负载变化一致,并且推论离心泵系统在正常或非故障状况下操作,然后前进至步骤830。另一方面,如果以上条件均不满足,则方法前进至步骤824。
步骤824从对应于出流率(Outflowrate)的获得的数据观察结果中检查,出流率中是否存在超出预定的第二出流变化极限的减小。在本发明的实施例中,预定的第二出流变化极限可包括小于或等于20%的任意值。如果观察到的出流率的减小未超过预定的第二出流变化极限,则所述方法前进至步骤826。作为另外一种选择,如果观察到的出流率的减小超过预定的第二出流变化极限,则所述方法推论出离心泵系统可经受排放再循环故障或滤器堵塞故障,并且前进至步骤832。
步骤826检查(i)对应于出流率的观察到的数据值和(ii)对应于排放压强的观察到的数据值中的周期性振荡。如果检测到振荡与两个机器状况参数有关,则所述方法推论出离心泵系统可经受气蚀问题,并且前进至步骤834。如果未检测到振荡与两个机器状况参数中的至少一个有关,则所述方法可终止。
步骤828包括从多个状况监控行为中选择用于执行的第四状况监控行为。步骤830包括从多个状况监控行为中选择用于执行的第五状况监控行为。步骤832包括从多个状况监控行为中选择用于执行的第六状况监控行为。步骤834包括从多个状况监控行为中选择用于执行的第七状况监控行为。
在本发明的实施例中,第四状况监控行为和第五状况监控行为之一或二者可分别被构造为响应于检测到机器或系统的正常或非故障状况而执行,并且可包括下列各项中的一个或多个:(i)向用户或装置用信号传达或传达机器或系统的正常或非故障状况,(ii)使机器或系统继续操作而不对操作参数进行任何改变,(iii)继续进行机器或系统的状况监控,而不激活对于检测到的异常或故障状况而言特定的任何状况监控程序或子程序,以及(iv)执行与机器或机器系统的操作状况相关的验证检查。在具体实施例中,第五状况监控行为可包括向用户或在装置上用信号传达、传达或显示:检测到的操作员或系统控制的负载变化,并且离心泵系统在正常或非故障状况下工作。
在本发明的实施例中,第六状况监控行为和第七状况监控行为之一或二者可分别被构造为响应于检测到机器或系统的异常或故障状况而执行,并且可包括下列各项中的一个或多个:(i)向用户或装置用信号传达或传达机器或系统的异常或故障状况,(ii)改变机器或系统的操作参数,(iii)激活对于检测到的异常或故障状况而言特定的状况监控程序或子程序,(iv)触发警报或警告、人工检查和基于传感器的测试方法学中的一个或多个,以及(v)执行与机器或机器系统的操作状况相关的验证检查。
在一个实施例中,第六状况监控行为可包括下列两项之一或二者:(i)向用户或在装置上用信号传达、传达或显示检测到排放再循环故障或滤器堵塞故障以及(ii)通过在线振动监控和分析系统来触发数据收集或分析。
在一个实施例中,第七状况监控行为可包括下列两项之一或二者:(i)向用户或在装置上用信号传达、传达或显示检测到气蚀故障,并且(ii)通过在线振动监控和分析系统来触发数据收集或分析。
图9示出了根据本发明的系统902,其可被构造为实施结合图4至图8D描述的用于机器状况监控的一个或多个方法。系统902包括预处理引擎908、泵诊断接口910、数据分析和启发控制器912以及触发器控制器916。
可利用传感器904获得对应于机器状况参数的数据观察结果。在本发明的实施例中,传感器904可包括至少一个或多个单独的传感器904a、904b、904c和904d,其中的每一个可被构造为获得对应于特定机器状况参数的数据观察结果。在被构造为用于离心泵系统的状况监控的本发明的实施例中,传感器904可被构造为获得与(i)电流(imotor)、电压(Vmotor)和/或功率(Pmotor)、(ii)排放压强(PressureDisch)、(iii)出流率(OutflowRate)、(iv)入流率(InflowRate)、(v)吸入阀位置(SValveposn)、(vi)排放阀位置(DValveposn)、(vii)检测到的轴承温度(BTempDetected)以及(viii)检测到的振动特性(VibDataDetected)中的任意一个或多个有关的数据观察结果。
从传感器904获得的数据观察结果可存储在流程数据数据库906中。可将直接从传感器904获得的或从流程数据数据库906取得的数据观察结果传达至系统902中的预处理引擎908。
预处理引擎908可被构造为将从传感器904接收的信息优化以用于数据分析,其中将接收到的信息优化的步骤可包括下列各项中的一个或多个:(i)监控和确保从传感器904或流程数据数据库906接收到至少规定数量的数据观察结果,(ii)监控传感器904的状态和连通性,(iii)对传感器904的操作状态执行周期检查,(iv)警告操作员注意得出的传感器读数中的矛盾或错误,(v)从接收自传感器904的数据信号中过滤掉噪声,以及(vi)响应于对应于电流的直接数据观察结果的不可用,基于(i)测量到的电压或功率以及(ii)已知电阻而获得对应于电流的数据观察结果。
泵诊断接口910提供用户或装置接口,该接口被构造为进行以下行为中的一个或多个:用信号传达、传达、接收或显示关于下列各项中的一个或多个的信息或指令:(i)机器或系统的操作状态,(ii)一个或多个机器状况参数,(iii)运行的机器状况监控程序或子程序,以及(iv)关于机器或系统的诊断数据或结果。
数据分析和启发控制器912可按照可通信的方式与预处理引擎908或泵诊断接口910耦接,并且包括处理器实现的控制器,其被构造为执行结合图4至图8D描述的方法步骤中的任意一个或多个,包括但不限于:(i)确定对应于一对或多对机器状况参数的相关系数,(ii)确定对应于一对或多对机器状况参数的p值,(iii)从多个状况监控行为中选择用于执行的一个或多个状况监控行为,该选择可基于确定的p值以及一个或多个选择规则。一个或多个选择规则可存储在规则数据库914中并且从规则数据库914中取得。
触发器控制器916可耦接至泵诊断接口910和数据分析和启发控制器912之一或二者,并且在本发明的实施例中可被构造为用信号传达或实现被监控的机器或装置中的状态改变——包括但不限于通过(i)响应于检测到故障或异常操作状况而发起警报,(ii)针对开始机器或机器系统的人工检查发起警告,(iii)开始机器或系统的在线振动测试,或者(iv)包括收集用于进一步分析的更多数据观察结果或者基于触发器控制器输出来优先化分配给现场操作员的任务的任何其它行为。
图10示出了其中可实现本发明的各个实施例的示例性计算系统。
系统1002包括至少一个处理器1004和至少一个内存1006。处理器1004执行程序指令并且可为真实的处理器。处理器1004还可为虚拟处理器。计算机系统1002不旨在建议关于描述的实施例的使用或功能范围的任何限制。例如,计算机系统1002可包括(但不限于)一个或多个通用计算机、编程的微处理器、微控制器、集成电路和能够实现构成本发明的方法的步骤的其它装置或装置的布置方式。根据本发明的系统1002的示例性实施例可包括服务器、台式电脑、笔记本电脑、平板电脑、智能电话、移动电话、移动通信装置、平板、平板手机和个人数字助理中的一个或多个。在本发明的实施例中,内存1006可存储用于实现本发明的各个实施例的软件。计算机系统1002可具有额外组件。例如,计算机系统1002包括一个或多个通信信道1008、一个或多个输入装置1010、一个或多个输出装置1012和存储器1014。诸如总线、控制器或网络之类的互连机构(未示出)将计算机系统1002的组件互连。在本发明的各个实施例中,操作系统软件(未示出)提供了利用处理器1004在计算机系统1002中执行各种软件的操作环境,并且管理计算机系统1002的组件的不同功能。
通信信道1008允许通过通信介质与各种其它计算实体通信。通信介质提供了诸如程序指令之类的信息或通信介质中的其它数据。通信介质包括,但不限于,通过电学、光学、RF、红外、声学、微波、蓝牙或其它传输介质实现的有线或无线方法。
输入装置1010可包括(但不限于)触摸屏、键盘、鼠标、笔、操纵杆、轨迹球、语音装置、扫描装置或能够向计算机系统1002提供输入的任何其它装置。在本发明的实施例中,输入装置1010可为声卡或接受模拟或数字形式的音频输入的相似装置。输出装置1012可包括(但不限于)CRT、LCD、LED显示器或与服务器、台式电脑、笔记本电脑、平板电脑、智能电话、移动电话、移动通信装置、平板、平板手机和个人数字助理、打印机、扬声器、CD/DVD刻录机或从计算机系统1002提供输出的任何其它装置中的任一个关联的任何其它显示器上的用户界面。
存储器1014可包括(但不限于)可用于存储信息并且可通过计算机系统1002访问的磁盘、磁带、CD-ROM、CD-RW、DVD、任何类型的计算机内存、磁条、智能卡、印刷条码或任何其它瞬时或非瞬时介质。在本发明的各个实施例中,存储器1014包含用于实现所描述的实施例的程序指令。
在本发明的实施例中,计算机系统1002是其中实现了本发明的各个实施例的分布式网络的一部分,以快速开发端对端软件应用。
可按照多种方式实现本发明,包括作为系统、方法或诸如计算机可读存储介质或其中从远程位置传输编程指令的计算机网络之类的计算机程序产品。
可将本发明合适地实现为用于计算机系统1002的计算机程序产品。本文描述的方法通常实现为计算机程序产品,包括通过计算机系统1002或任何其它类似装置执行的程序指令集。该程序指令集可为一系列计算机可读代码,所述计算机可读代码存储在诸如计算机可读存储介质(存储器1004)(例如,磁盘、CD-ROM、ROM、闪速驱动器或硬盘)之类的有形介质上,或者可经调制解调器或其它接口装置经任一个有形介质(包括(但不限于)光学或模拟通信信道1008)传输至计算机系统1002。作为计算机程序产品的本发明的实现可为利用无线技术的无形形式,包括(但不限于)微波、红外、蓝牙或其它传输技术。可将这些指令预加载至系统中,或记录在诸如CD-ROM之类的存储介质上,或者可经诸如互联网或移动电话网之类的网络下载而可利用。该系列计算机可读指令可实现本文中先前描述的功能的全部或一部分。
应该理解,根据本发明的方法、系统和计算机程序产品提供了用于机器的实时状况监控的可靠和节约成本的方案,尽管机器的性能特性随时间改变,该方案仍保持有效。另外,本发明能够利用普通和常规实现的传感器技术来检测和诊断多种机械相关故障以及流程相关故障或异常。所使用的传感器和所依赖的机器状况参数的简单性提供了用于利用实时数据观察结果来识别流程故障和机械故障的简单、稳健和节约成本的方案。
虽然本文中描述并示出了本发明的示例性实施例,但是应该理解,它们仅是示意性的。本领域技术人员应该理解,在不脱离和违反由权利要求限定的本发明的精神和范围的情况下,可作出各种形式和细节上的修改。
Claims (27)
1.一种用于机器的状况监控的方法,包括:
获得对应于第一对机器状况参数的第一组数据观察结果;
基于所述第一组数据观察结果来确定对应于所述第一对机器状况参数的第一相关系数;
基于所述第一相关系数来确定对应于所述第一对机器状况参数的第一p值;以及
从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于:
至少所述第一p值;以及
一个或多个限定的选择规则。
2.根据权利要求1所述的方法,其中,所述选择规则如下限定:
响应于(i)所述第一对机器状况参数包括相关的变量对和(ii)所述第一p值大于第一预定p值极限,或者
响应于(iii)所述第一对机器状况参数包括不相关的变量对和(iv)所述第一p值小于或等于第一预定p值极限,
所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
3.根据权利要求2所述的方法,其中,被构造为响应于检测到的故障状况而执行的状况监控行为包括下列各项中的任意一个或多个:
用信号传达检测到的故障状况;
修改所述机器的操作状态;
响应于检测到的故障状况而激活状况监控程序;
触发警报、警告、人工检查和基于传感器的测试中的一个或多个;
触发在线振动分析;以及
执行与所述机器的操作状况相关的至少一个额外测试。
4.根据权利要求2所述的方法,其中,所述第一预定p值极限是0.01与0.05之间的任意值。
5.根据权利要求1所述的方法,还包括:
获得对应于第二对机器状况参数的第二组数据观察结果;
基于所述第二组数据观察结果来确定对应于所述第二对机器状况参数的第二相关系数;以及
基于所述第二相关系数来确定对应于所述第二对机器状况参数的第二p值;
其中额外基于至少所述第二p值来选择用于执行的状况监控行为。
6.根据权利要求5所述的方法,其中,所述机器包括离心泵系统,并且其中:
所述第一对机器状况参数是包括电流和排放压强的相关的变量对;
所述第二对机器状况参数是包括电流和出流率的相关的变量对;并且
响应于所述第一p值大于第一预定p值极限或者所述第二p值大于第二预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
7.根据权利要求5所述的方法,其中,所述机器包括离心泵系统,并且其中:
所述第一对机器状况参数是包括电流和检测到的轴承温度的不相关的变量对;
所述第二对机器状况参数是包括电流和检测到的振动特性的不相关的变量对;并且
响应于所述第一p值小于或等于第一预定p值极限,或者所述第二p值小于或等于第二预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
8.根据权利要求5所述的方法,还包括:
获得对应于第三对机器状况参数的第三组数据观察结果;以及
基于所述第三组数据观察结果来确定对应于所述第三对机器状况参数的第三相关系数;
基于所述第三相关系数来确定对应于所述第三对机器状况参数的第三p值;
其中额外基于至少所述第三p值来选择用于执行的状况监控行为。
9.根据权利要求8所述的方法,其中,所述机器包括离心泵系统,并且其中:
所述第一对机器状况参数是包括出流率和吸入阀位置的相关的变量对;
所述第二对机器状况参数是包括出流率和排放阀位置的相关的变量对;
所述第三对机器状况参数是包括出流率和入流率的相关的变量对;并且
响应于所述第一p值大于第一预定p值极限,所述第二p值大于第二预定p值极限和所述第三p值大于第三预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
10.一种用于离心泵系统的状况监控的方法,包括:
基于数据观察结果来获得:
与包括电流和排放压强的相关的第一对机器状况参数相对应的第一p值;
与包括电流和出流率的相关的第二对机器状况参数相对应的第二p值,
与包括电流和检测到的轴承温度的不相关的第三对机器状况参数相对应的第三p值,
与包括电流和检测到的振动特性的不相关的第四对机器状况参数相对应的第四p值,
与包括出流率和吸入阀位置的相关的第五对机器状况参数相对应的第五p值,
与包括出流率和排放阀位置的相关的第六对机器状况参数相对应的第六p值,以及
与包括出流率和入流率的相关的第七对机器状况参数相对应的第七p值;
从多个可获得的状况监控行为中选择用于执行的第一状况监控行为,其中:
响应于(i)所述第一p值大于第一预定p值极限,或者所述第二p值大于第二预定p值极限;以及(ii)所述第三p值小于或等于第三预定p值极限,或者所述第四p值小于或等于第四预定p值极限,所选择的第一状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为;或者
响应于(iii)所述第一p值大于第一预定p值极限,或者所述第二p值大于第二预定p值极限;以及(iv)所述第三p值大于第三预定p值极限,并且所述第四p值大于第四预定p值极限,所选择的第一状况监控行为包括:
将检测到的轴承温度与推荐的操作温度进行比较;
将检测到的振动特性与推荐的振动特性极限进行比较;以及
响应于检测到的轴承温度超过推荐的操作温度或者检测到的振动特性超过推荐的振动特性极限,从所述多个可获得的状况监控行为中选择用于执行的第二状况监控行为,其中,所述第二状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为;
或者
响应于所述第一p值小于或等于第一预定p值极限以及所述第二p值小于或等于第二预定p值极限,所选择的第一状况监控行为包括:
将观察到的最大出流率与观察到的最小出流率进行比较;以及
响应于最大出流率比最小出流率超过不止预定的第一出流变化极限,确定(a)所述第五p值是否大于第五预定p值极限,(b)所述第六p值是否大于第六预定p值极限以及(c)所述第七p值是否大于第七预定p值极限。
11.根据权利要求10所述的方法,其中,所述第一预定p值极限至所述第七预定p值极限中的任一个包括0.01与0.05之间的任意值。
12.根据权利要求10所述的方法,其中,响应于(a)所述第五p值大于所述第五预定p值极限,(b)所述第六p值大于所述第六预定p值极限以及(c)所述第七p值大于所述第七预定p值极限,该方法还包括:
响应于检测到的出流率的减小超过预定的第二出流变化极限,从所述多个可获得的状况监控行为中选择用于执行的第三状况监控行为,其中,所述第三状况监控行为包括被构造为响应于检测到的排放再循环故障或滤器堵塞故障而执行的状况监控行为;或者
响应于检测观察到的出流率和观察到的排放压强中的振荡,从所述多个可获得的状况监控行为中选择用于执行的第四状况监控行为,其中所述第四状况监控行为包括被构造为响应于检测到的气蚀故障而执行的状况监控行为。
13.一种用于机器的状况监控的系统,包括:
处理器实现的数据分析和启发控制器,其被构造为:
获得对应于第一对机器状况参数的第一组数据观察结果;
基于所述第一组数据观察结果来确定对应于所述第一对机器状况参数的第一相关系数;
基于所述第一相关系数来确定对应于所述第一对机器状况参数的第一p值;并且
从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于:
至少所述第一p值;以及
一个或多个限定的选择规则。
14.根据权利要求13所述的系统,包括下列各项中的至少一个:
泵诊断接口,其被构造为接收和向用户或装置传达与所述机器的操作状态相关的信息;
预处理引擎,其被构造为优化来自一个或多个传感器的信息以用于数据分析;以及
触发器控制器,其被构造为用信号传达或实现所述机器中的状态改变。
15.根据权利要求13所述的系统,其中,所述选择规则从数据库中取得,并且如下定义:
响应于(i)所述第一对机器状况参数包括相关的变量对和(ii)所述第一p值大于预定p值极限,或者
响应于(iii)所述第一对机器状况参数包括不相关的变量对和(iv)所述第一p值小于或等于预定p值极限,
所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
16.根据权利要求15所述的系统,其中,被构造为响应于检测到的故障状况而执行的状况监控行为包括下列各项中的任意一个或多个:
用信号传达检测到的故障状况;
修改所述机器的操作状态;
响应于检测到的故障状况而激活状况监控程序;
触发警报、警告、人工检查和基于传感器的测试中的一个或多个;
触发在线振动分析;以及
执行与所述机器的操作状况相关的至少一个额外测试。
17.根据权利要求15所述的系统,其中,所述第一预定p值极限是0.01与0.05之间的任意值。
18.根据权利要求13所述的系统,其中,所述数据分析和启发控制器还被构造为:
获得对应于第二对机器状况参数的第二组数据观察结果;
基于所述第二组数据观察结果来确定对应于所述第二对机器状况参数的第二相关系数;以及
基于所述第二相关系数来确定对应于所述第二对机器状况参数的第二p值;
其中额外基于至少所述第二p值来选择用于执行的状况监控行为。
19.根据权利要求18所述的系统,其中,所述机器包括离心泵系统,并且其中:
所述第一对机器状况参数是包括电流和排放压强的相关的变量对;
所述第二对机器状况参数是包括电流和出流率的相关的变量对;并且
响应于所述第一p值大于第一预定p值极限或者所述第二p值大于第二预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
20.根据权利要求18所述的系统,其中,所述机器包括离心泵系统,并且其中:
所述第一对机器状况参数是包括电流和检测到的轴承温度的不相关的变量对;
所述第二对机器状况参数是包括电流和检测到的振动特性的不相关的变量对;并且
响应于所述第一p值小于或等于第一预定p值极限,或者所述第二p值小于或等于第二预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
21.根据权利要求18所述的系统,其中,所述数据分析和启发控制器还被构造为:
获得对应于第三对机器状况参数的第三组数据观察结果;以及
基于所述第三组数据观察结果来确定对应于所述第三对机器状况参数的第三相关系数;
基于所述第三相关系数来确定对应于所述第三对机器状况参数的第三p值;
其中额外基于至少所述第三p值来选择用于执行的状况监控行为。
22.根据权利要求21所述的系统,其中,所述机器包括离心泵系统,并且其中:
所述第一对机器状况参数是包括出流率和吸入阀位置的相关的变量对;
所述第二对机器状况参数是包括出流率和排放阀位置的相关的变量对;
所述第三对机器状况参数是包括出流率和入流率的相关的变量对;并且
响应于所述第一p值大于第一预定p值极限,所述第二p值大于第二预定p值极限和所述第三p值大于第三预定p值极限,所选择的状况监控行为是被构造为响应于检测到的故障状况而执行的状况监控行为。
23.一种用于离心泵系统的状况监控的系统,包括:
处理器实现的数据分析和启发控制器,其被构造为:
基于从一个或多个传感器接收的数据观察结果来获得:
与包括电流和排放压强的相关的第一对机器状况参数相对应的第一p值;
与包括电流和出流率的相关的第二对机器状况参数相对应的第二p值;
与包括电流和检测到的轴承温度的不相关的第三对机器状况参数相对应的第三p值;
与包括电流和检测到的振动特性的不相关的第四对机器状况参数相对应的第四p值;
与包括出流率和吸入阀位置的相关的第五对机器状况参数相对应的第五p值;
与包括出流率和排放阀位置的相关的第六对机器状况参数相对应的第六p值;以及
与包括出流率和入流率的相关的第七对机器状况参数相对应的第七p值;
从多个可获得的状况监控行为中选择用于执行的第一状况监控行为,其中:
响应于(i)所述第一p值大于第一预定p值极限,或者所述第二p值大于第二预定p值极限;以及(ii)所述第三p值小于或等于第三预定p值极限,或者所述第四p值小于或等于第四预定p值极限,所选择的第一状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为;或者
响应于(iii)所述第一p值大于第一预定p值极限,或者所述第二p值大于第二预定p值极限;以及(iv)所述第三p值大于第三预定p值极限,并且所述第四p值大于第四预定p值极限,所选择的第一状况监控行为包括:
将检测到的轴承温度与推荐的操作温度进行比较;
将检测到的振动特性与推荐的振动特性极限进行比较;以及
响应于检测到的轴承温度超过推荐的操作温度或者检测到的振动特性超过推荐的振动特性极限,从所述多个可获得的状况监控行为中选择用于执行的第二状况监控行为,其中所述第二状况监控行为包括被构造为响应于检测到的故障状况而执行的状况监控行为;
或者
响应于所述第一p值小于或等于第一预定p值极限并且所述第二p值小于或等于第二预定p值极限,所选择的第一状况监控行为包括:
将观察到的最大出流率与观察到的最小出流率进行比较;以及
响应于最大出流率比最小出流率超过不止预定的第一出流变化极限,确定(a)所述第五p值是否大于第五预定p值极限,(b)所述第六p值是否大于第六预定p值极限以及(c)所述第七p值是否大于第七预定p值极限。
24.根据权利要求23所述的系统,包括下列各项中的至少一个:
泵诊断接口,其被构造为接收和向用户或装置传达与所述离心泵系统的操作状态相关的信息;
预处理引擎,其被构造为优化从一个或多个传感器接收的信息以用于数据分析;以及
触发器控制器,其被构造为用信号传达或实现所述离心泵系统中的状态改变。
25.根据权利要求23所述的系统,其中,所述第一预定p值极限至所述第七预定p值极限中的任一个包括0.01与0.05之间的任意值。
26.根据权利要求23所述的系统,其中,所述数据分析和启发控制器被构造为响应于(a)所述第五p值大于所述第五预定p值极限,(b)所述第六p值大于所述第六预定p值极限以及(c)所述第七p值大于所述第七预定p值极限,使得所述系统:
响应于检测到的出流率的减小超过预定的第二出流变化极限,通过从所述多个可获得的状况监控行为中选择用于执行的第三状况监控行为,其中,所述第三状况监控行为包括被构造为响应于检测到的排放再循环故障或滤器堵塞故障而执行的状况监控行为;或者
响应于观察到的出流率和观察到的排放压强中的检测到的振荡,通过从所述多个可获得的状况监控行为中选择用于执行的第四状况监控行为,其中所述第四状况监控行为包括被构造为响应于检测到的气蚀故障而执行的状况监控行为。
27.一种用于机器的状况监控的计算机程序产品,其包括其中存储有程序代码的非瞬时计算机可读存储介质,所述程序代码包括用于以下步骤的计算机可读指令:
获得对应于第一对机器状况参数的第一组数据观察结果;
基于所述第一组数据观察结果来确定对应于所述第一对机器状况参数的第一相关系数;
基于所述第一相关系数来确定对应于所述第一对机器状况参数的第一p值;以及
从多个可获得的状况监控行为中选择用于执行的至少一个状况监控行为,其中状况监控行为的选择基于:
至少所述第一p值;以及
一个或多个限定的选择规则。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SG10201405714S | 2014-09-15 | ||
SG10201405714SA SG10201405714SA (en) | 2014-09-15 | 2014-09-15 | Method, system and computer program for fault detection in a machine |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105466707A true CN105466707A (zh) | 2016-04-06 |
CN105466707B CN105466707B (zh) | 2021-09-03 |
Family
ID=55604649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510587732.XA Active CN105466707B (zh) | 2014-09-15 | 2015-09-15 | 用于机器中的故障检测的方法、系统和计算机程序 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105466707B (zh) |
SG (1) | SG10201405714SA (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018162971A (ja) * | 2017-03-24 | 2018-10-18 | 三菱日立パワーシステムズ株式会社 | 動翼解析装置、動翼解析方法、プログラム |
CN109614981A (zh) * | 2018-10-17 | 2019-04-12 | 东北大学 | 基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统 |
CN111247344A (zh) * | 2017-10-25 | 2020-06-05 | 苏伊士集团 | 用于将泵送系统保持在运行状态的方法和装置 |
US11441973B2 (en) | 2020-02-21 | 2022-09-13 | Hamilton Sundstrand Corporation | Pump health monitoring |
US11686610B2 (en) | 2019-12-03 | 2023-06-27 | Fluid Handling Llc | Operational condition monitoring system |
CN117948289A (zh) * | 2024-03-27 | 2024-04-30 | 淄博博山绿源燃气设备有限公司 | 基于多传感器监测潜液式低温离心泵状态的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060181427A1 (en) * | 2005-01-31 | 2006-08-17 | Csi Technology, Inc. | Machine condition indication system |
GB2430496A (en) * | 2005-09-27 | 2007-03-28 | Advanced Energy Monitor Syst | Measuring input power and flow rate in a pipline for determining a leakage or blockage condition |
US20070162241A1 (en) * | 2005-12-01 | 2007-07-12 | Siemens Corporate Research, Inc. | Robust Sensor Correlation Analysis For Machine Condition Monitoring |
US20070239629A1 (en) * | 2006-04-10 | 2007-10-11 | Bo Ling | Cluster Trending Method for Abnormal Events Detection |
CN101713673A (zh) * | 2008-10-07 | 2010-05-26 | 通用电气公司 | 用于传感器级机器监视的系统和方法 |
CN102265227A (zh) * | 2008-10-20 | 2011-11-30 | 西门子公司 | 用于在机器状况监视中创建状态估计模型的方法和设备 |
US20120041663A1 (en) * | 2009-03-24 | 2012-02-16 | Hideaki Suzuki | Abnormality detecting device for construction machine |
CN102900675A (zh) * | 2012-11-09 | 2013-01-30 | 昆山北极光电子科技有限公司 | 一种离心泵工作状态检测和故障诊断系统 |
CN102913465A (zh) * | 2012-11-09 | 2013-02-06 | 昆山北极光电子科技有限公司 | 一种离心泵工作状态检测和故障诊断方法 |
-
2014
- 2014-09-15 SG SG10201405714SA patent/SG10201405714SA/en unknown
-
2015
- 2015-09-15 CN CN201510587732.XA patent/CN105466707B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060181427A1 (en) * | 2005-01-31 | 2006-08-17 | Csi Technology, Inc. | Machine condition indication system |
GB2430496A (en) * | 2005-09-27 | 2007-03-28 | Advanced Energy Monitor Syst | Measuring input power and flow rate in a pipline for determining a leakage or blockage condition |
US20070162241A1 (en) * | 2005-12-01 | 2007-07-12 | Siemens Corporate Research, Inc. | Robust Sensor Correlation Analysis For Machine Condition Monitoring |
US20070239629A1 (en) * | 2006-04-10 | 2007-10-11 | Bo Ling | Cluster Trending Method for Abnormal Events Detection |
CN101713673A (zh) * | 2008-10-07 | 2010-05-26 | 通用电气公司 | 用于传感器级机器监视的系统和方法 |
CN102265227A (zh) * | 2008-10-20 | 2011-11-30 | 西门子公司 | 用于在机器状况监视中创建状态估计模型的方法和设备 |
US20120041663A1 (en) * | 2009-03-24 | 2012-02-16 | Hideaki Suzuki | Abnormality detecting device for construction machine |
CN102900675A (zh) * | 2012-11-09 | 2013-01-30 | 昆山北极光电子科技有限公司 | 一种离心泵工作状态检测和故障诊断系统 |
CN102913465A (zh) * | 2012-11-09 | 2013-02-06 | 昆山北极光电子科技有限公司 | 一种离心泵工作状态检测和故障诊断方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018162971A (ja) * | 2017-03-24 | 2018-10-18 | 三菱日立パワーシステムズ株式会社 | 動翼解析装置、動翼解析方法、プログラム |
CN111247344A (zh) * | 2017-10-25 | 2020-06-05 | 苏伊士集团 | 用于将泵送系统保持在运行状态的方法和装置 |
CN111247344B (zh) * | 2017-10-25 | 2022-07-22 | 苏伊士集团 | 用于将泵送系统保持在运行状态的方法和装置 |
US11920600B2 (en) | 2017-10-25 | 2024-03-05 | Suez International | Method and device for maintaining a pumping system in operational condition |
CN109614981A (zh) * | 2018-10-17 | 2019-04-12 | 东北大学 | 基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统 |
US11686610B2 (en) | 2019-12-03 | 2023-06-27 | Fluid Handling Llc | Operational condition monitoring system |
US11441973B2 (en) | 2020-02-21 | 2022-09-13 | Hamilton Sundstrand Corporation | Pump health monitoring |
CN117948289A (zh) * | 2024-03-27 | 2024-04-30 | 淄博博山绿源燃气设备有限公司 | 基于多传感器监测潜液式低温离心泵状态的方法 |
CN117948289B (zh) * | 2024-03-27 | 2024-05-28 | 淄博博山绿源燃气设备有限公司 | 基于多传感器监测潜液式低温离心泵状态的方法 |
Also Published As
Publication number | Publication date |
---|---|
SG10201405714SA (en) | 2016-04-28 |
CN105466707B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105466707A (zh) | 用于离心泵中的故障检测的方法、系统和计算机程序 | |
CN106873548B (zh) | 具有标准资产健康状况的工厂工艺管理系统 | |
CA2689237C (en) | Framework and method for monitoring equipment | |
US7496798B2 (en) | Data-centric monitoring method | |
US10430531B2 (en) | Model based system monitoring | |
CN111289256B (zh) | 一种数据驱动的船舶柴油机故障检测方法 | |
CN107710089B (zh) | 工厂设备诊断装置以及工厂设备诊断方法 | |
KR102206737B1 (ko) | 기계학습 기반 펌프수차 고장 진단 방법 및 시스템 | |
JP5868331B2 (ja) | 圧縮機を診断するための方法およびシステム | |
KR102316773B1 (ko) | 선박 상태 예측 시스템 및 방법 | |
CN116292241A (zh) | 一种输油泵机组的故障诊断预警方法及系统 | |
CN113554128B (zh) | 一种非常规异常检测方法、系统及存储介质 | |
CN117076869B (zh) | 旋转机械时频域融合故障诊断方法及系统 | |
Kang et al. | Fault diagnosis of pipeline and pump unit systems using status coupling analysis | |
CN113778044A (zh) | 一种火电厂送风机系统监控方法及装置 | |
KR102547102B1 (ko) | 인버터방식 펌프 시스템의 디지털 트윈 기반 예측 진단 방법 | |
CN117469152B (zh) | 流体泵异常检测方法、装置、电子设备和存储介质 | |
TWI709010B (zh) | 設備異常原因診斷方法及系統 | |
Vélez Sánchez et al. | Data collection: Use and transformation in predictive maintenance models | |
Jagannathan et al. | Condition-Based Monitoring of a Centrifugal Pump Using Mahalanobis-Taguchi System | |
Ghosh et al. | Next Generation of Process Monitoring and Diagnostics: Applications of AI and Machine Learning to Enable Early Equipment Fault Prediction and Diagnostics | |
CN114235424A (zh) | 一种燃气轮机燃料滤器故障的检测方法 | |
CN114861794A (zh) | 燃气轮机的故障识别方法、装置、设备和介质 | |
CN117851892A (zh) | 智慧供热系统数据处理方法、装置及系统 | |
CN114922827A (zh) | 实时监测离心泵汽蚀的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |