CN105891450A - 工业透平压缩机组的油质检查方法及系统 - Google Patents
工业透平压缩机组的油质检查方法及系统 Download PDFInfo
- Publication number
- CN105891450A CN105891450A CN201410591175.4A CN201410591175A CN105891450A CN 105891450 A CN105891450 A CN 105891450A CN 201410591175 A CN201410591175 A CN 201410591175A CN 105891450 A CN105891450 A CN 105891450A
- Authority
- CN
- China
- Prior art keywords
- oil
- oiliness
- inspection method
- quality detector
- oil quality
- 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.)
- Pending
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及工业透平压缩机组的油质检查方法及系统。本发明的方法包括：利用一个或多个油质检测仪表测量工业透平压缩机组的润滑油和/或液压油的至少一个参数；存储一定时间长度的测量结果；以及根据所述测量结果预测之后的一定时间的油质变化。其中，所述油质检测仪表包括清洁度仪表和老化度仪表，所述参数包括如下参数中的一种或几种：油中颗粒物计数含量、油的介电常数、相度湿度和油温。
Description
技术领域
本发明涉及工业设备和系统领域，特别涉及工业透平压缩机组的油质检查方法及系统。
背景技术
对于工业透平压缩机组的润滑油或液压油的油质检测，国内目前普遍采用的是离线取样分析的方法。其存在的缺点是分析结果的数据不及时、对油质污染的颗粒物仍然采用百分比表示，不能与目前国际通行的颗粒物计数的方法接轨。并且，分析工从取样到得到分析结果劳动强度大、过程繁琐。
目前，工业透平压缩机组的润滑油或液压油的在线检测仪表已经基本成熟。清洁度检测仪表采用红外线颗粒计数的方法已经能够比较准确地测量油中不同直径等级的颗粒物含量。老化度检测仪表通过对油质介电常数的测量，基本上可以反映油质老化的程度。
但油质变化是长期缓慢的过程，通过短期油质监测很难判断在机组检修周期内(一般为3年)油质是否可以满足设备运转要求。
发明内容
现有的在线油质分析仪表只能显示油质当前值，没有对油质未来发展变化的趋势进行分析预测。
本发明的一个目的在于提供工业透平压缩机组的润滑油或液压油的油质检测方法和系统，其可以对油质清洁度、老化度和相对湿度的未来变化趋势进行预测。
本发明的另一目的在于解决上述问题和/或其它问题中的至少一个现有技术的问题。
本发明将油质检测仪表与灰色预测算法相结合，实现了油质变化的中期(例如，半年)预测。
本发明包括但不限于如下方案。
一种工业透平压缩机组的油质检查方法，其包括：
利用一个或多个油质检测仪表测量工业透平压缩机组的润滑油和/或液压油的至少一个参数；
存储一定时间长度的测量结果；以及
根据所述测量结果预测之后的一定时间的油质变化。
优选地，所述油质检测仪表包括清洁度仪表和老化度仪表。
优选地，所述参数包括如下参数中的一种或几种：油中颗粒物计数含量、油的介电常数、相度湿度和油温。
优选地，所述一个或多个油质检测仪表安装在防爆箱中，统一油路配管和安装底座。
优选地，所述一个或多个油质检测仪表分别使用PLC的一个模拟量输入通道，分时传送不同的变量。
优选地，使用通用灰色预测计算模型GM(1，1)对油中颗粒物含量、油的介电常数和相对湿度进行灰色预测计算。
优选地，存储前6个月的月平均值，通过灰色预测计算模型GM(1，1)预测后6个月的油质变化趋势。
一种工业透平压缩机组的油质检查系统，其包括：
一个或多个油质检测仪表，其用于测量工业透平压缩机组的润滑油和/或液压油的至少一个参数；
控制装置，其与所述油质检测仪表连接，用于采集解调所述油质检测仪表输出的油质数据；
存储装置，其用于存储一定时间长度的测量结果；以及
计算装置，其根据所存储的测量结果预测之后的一定时间的油质变化。
本发明的油质检查系统可以采用本发明的上述方法进行油质变化趋势的预测。
附图说明
图1为根据本发明的一个实施方式的油质检测仪表的防爆箱集成示意图。
图2示出了根据本发明的一个实施方式的系统网络结构图。
图3示出了根据本发明的一个实施方式的方法和/或软件的示意图。
具体实施方式
下面参照附图说明本发明的原理及示例性实施方式。
在本发明的系统中，包括一个或多个油质检测仪表，例如，清油度仪表和老化度仪表。
在本发明的一个实施方式中，采用HYDAC公司(德国贺德克电子公司)的油质检测仪表，包括CS1000清洁度仪表、HLB1300老化度仪表。CS1000可检测油中颗粒物计数含量，HLB1300可检测油的介电常数、相对湿度和油温。
由于HYDAC公司的油质检测仪表既不是本安防爆也不是隔爆防爆。因此，优选地将两块仪表集成封装于防爆箱内，统一油路配管及安装底座，以满足煤化工厂和石化现场防爆要求。集成安装后，且方便现场安装，防爆等级可达到EEXdIICT4。集成安装后，防爆箱包括一个进油口、一个出油口和一个仪表电缆接口。
图1为根据本发明的一个实施方式的油质检测仪表的防爆箱集成示意图。然而，防爆箱的结构及仪表的安装结构不限于此，本领域技术人员可以作出各种变型。
图2示出了根据本发明的一个实施方式的系统网络结构图。HYDAC公司的油质仪表为模拟量输出仪表，由于CS1000及HLB1300都需要输出多个数据，所以两块仪表都采用带有标志脉冲的分时输出方式。也就是每块仪表只使用PLC(可编程逻辑控制器(Programmable Logic Controller，PLC))1的一个模拟量输入通道，分时传送不同的变量。在PLC控制器中编写解调算法，解调出各个变量。
本系统在服务器2中优选使用通用灰色预测计算模型GM(1，1)对油中颗粒物含量、油的介电常数(老化度)和相对湿度进行灰色预测计算。其输入数据的来源为HMI(人机界面)计算机或OPS(控制系统的操作员站)3，其可以包括OPC服务器(过程控制服务器，Object Linking and Embedding(OLE)forProcess Control)或DDE服务器(DDE是一种动态数据交换机制(Dynamic Data Exchange，DDE))。
服务器2中存储之前的一定期限的平均值，例如，一年、9个月、6个月、4个月或3个月的月平均值，通过灰色预测GM(1，1)计算模型预测之后的一定时间的油质变化趋势，例如一年、9个月、6个月、4个月、3个月、2个月或1个月的油质变化趋势。计算结果显示于HMI计算机3。
本发明可以对油质参数进行中期(例如半年)预测，可帮助机组用户判断机组部件是否存在异常磨损、判断在运转周期内(通常为3年)润滑油或液压油的油质是否能够满足要求，以及是否需要制定提前的检修或换油计划。
在一个实施方式中，油质检测及预测系统基于机组控制系统网络。该控制系统可以是以PLC为基础的控制系统，以DCS(集中分散控制系统)或其他基于计算机技术的控制系统。
在一个实施方式中，为了不影响操作员站(OPS)的运算负荷，采用一台服务器完成油质预测的计算任务。
在另一个实施方式中，软件编程中采用降负荷技术，可在操作员站或HMI计算机中进行预测计算，可省去服务器的投资。
本发明的方法可以通过如下软件实现，应当理解，下面对软件的描述本身也是对本发明的方法的描述。
本发明的软件可以是运行于服务器的灰色预测软件。
图3示出了根据本发明的一个实施方式的方法和/或软件的示意图。
其中，灰色预测软件的输入数据来自OPS计算机的OPC或DDE服务器。软件采集到CS1000油质清洁度仪表的4μm、6μm、14μm(按照ISO等级)或SAE(美国机械工程师协会)等级数据，以及HLB1300仪表的介电常数、相对湿度数据，进行月数据存储和月平均值计算。然后对之前的若干个月(例如之前的6个月)的月平均值数据进行灰色预测计算，计算结果为之后的若干个月(例如6个月)的油质参数预测值。
灰色预测计算结果写入服务器的OPC服务器中，操作员站的HMI画面对预测结果进行显示。
油质预测软件分为输入子程序、GM(1，1)灰色预测子程序和计算结果输出子程序，主程序循环往复执行，不会自主退出计算。
可以对标准的GM(1，1)算法经过适当改进，以避免在输入数据为等差数列和等比数列时出现计算错误。
下面描述油质仪表信号的采集解调。
由于油质仪表CS1000和HLB1300分别采用一个模拟量4-20mA通道传输多个参数，根据油质仪表说明书给出的信号时序图，在PLC编程环境中使用ST(结构化文本，一种在PLC或集散控制系统中使用的编程语言)语言封装CS1000和HLB1300两种仪表的专用采集解调算法。封装后的算法为Function Block(功能块)，具有在多种品牌的PLC或DCS系统中移植的可能性。
应当理解，本发明还可以采用其它油质检测仪表(有时称为油质仪表)，本发明的油质检测仪表不限于上述公司的产品，更不限于上述型号。
应当理解，在不需要防爆的情况下，可以不将油质检测仪表安装在防爆箱中。
应当注意，在本发明中，还可以使用其它预测算法或方法。
应注注意，本发明的系统网络结构不限于上述实施方式。例如，可以使用任何适当的有线和/或无线网络及各种传输标准来进行相应的连接。
上面参照附图说明了本发明的优选实施方式，但是，应当理解，上述说明仅是示例性的。本领域的技术人员可以在不脱离本发明的精神和范围的前提下，对本发明作出各种修改和变型。本发明的保护范围由所附的权利要求书限定。
Claims (9)
1.一种工业透平压缩机组的油质检查方法，其特征在于，所述方法包括：
利用一个或多个油质检测仪表测量工业透平压缩机组的润滑油和/或液压油的至少一个参数；
存储一定时间长度的测量结果；以及
根据所述测量结果预测之后的一定时间的油质变化。
2.根据权利要求1所述的油质检查方法，其特征在于，
所述油质检测仪表包括清洁度仪表和老化度仪表。
3.根据权利要求2所述的油质检查方法，其特征在于，
所述参数包括如下参数中的一种或几种：油中颗粒物计数含量、油的介电常数、相度湿度和油温。
4.根据权利要求1所述的油质检查方法，其特征在于，
所述一个或多个油质检测仪表安装在防爆箱中，统一油路配管和安装底座。
5.根据权利要求1所述的油质检查方法，其特征在于，
所述一个或多个油质检测仪表分别使用PL C的一个模拟量输入通道，分时传送不同的变量。
6.根据权利要求1所述的油质检查方法，其特征在于，
使用通用灰色预测计算模型GM(1，1)对油中颗粒物含量、油的介电常数和相对湿度进行灰色预测计算。
7.根据权利要求1所述的油质检查方法，其特征在于，
存储前6个月的月平均值，通过灰色预测计算模型GM(1，1)预测后6个月的油质变化趋势。
8.一种工业透平压缩机组的油质检查系统，其特征在于，所述系统包括：
一个或多个油质检测仪表，其用于测量工业透平压缩机组的润滑油和/或液压油的至少一个参数；
控制装置，其与所述油质检测仪表连接，用于采集解调所述油质检测仪表输出的油质数据；
存储装置，其用于存储一定时间长度的测量结果；以及
计算装置，其根据所存储的测量结果预测之后的一定时间的油质变化。
9.根据权利要求8所述的油质检查系统，其特征在于，采用权利要求1-7中的任一项所述方法进行油质变化趋势的预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410591175.4A CN105891450A (zh) | 2014-10-29 | 2014-10-29 | 工业透平压缩机组的油质检查方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410591175.4A CN105891450A (zh) | 2014-10-29 | 2014-10-29 | 工业透平压缩机组的油质检查方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105891450A true CN105891450A (zh) | 2016-08-24 |
Family
ID=57001534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410591175.4A Pending CN105891450A (zh) | 2014-10-29 | 2014-10-29 | 工业透平压缩机组的油质检查方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105891450A (zh) |
-
2014
- 2014-10-29 CN CN201410591175.4A patent/CN105891450A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kiangala et al. | Initiating predictive maintenance for a conveyor motor in a bottling plant using industry 4.0 concepts | |
| CN113820993A (zh) | 生成工业控制编程的方法、系统和非暂态计算机可读介质 | |
| US9208209B1 (en) | Techniques for monitoring transformation techniques using control charts | |
| US20160282847A1 (en) | System and method for asset fleet monitoring and predictive diagnostics using analytics for large and varied data sources | |
| JP2012221493A (ja) | 装置の動作監視のための方法およびシステム | |
| Ganesh et al. | Design of condition-based maintenance framework for process operations management in pharmaceutical continuous manufacturing | |
| Sanchez-Londono et al. | Smart retrofitting in maintenance: a systematic literature review | |
| Tsarkova | Technical Diagnostics of Equipment Using Data Mining Technologies | |
| EP3406867A1 (en) | Turbomachine lubricating oil analyzer system, computer program product and related methods | |
| Lee et al. | Intelligent factory agents with predictive analytics for asset management | |
| Popovics et al. | ISA standard simulation model generation supported by data stored in low level controllers | |
| WO2017176885A1 (en) | Computerized fluid analysis for determining whether an asset is likely to have a fluid issue | |
| Michalkova et al. | Digital twin-based product development and manufacturing processes in virtual space: data visualization tools and techniques, cloud computing technologies, and cyber-physical production systems | |
| CN105891450A (zh) | 工业透平压缩机组的油质检查方法及系统 | |
| CN110874652B (zh) | 一种设备状态评价方法、装置、设备及系统 | |
| CN112527610A (zh) | 设备运作状态的监测方法及装置 | |
| US20180357465A1 (en) | System and method for automatic logging of events in industrial process control and automation system using change point analysis | |
| Ait-Alla et al. | Real-time fault detection for advanced maintenance of sustainable technical systems | |
| Mueller et al. | Automated and predictive risk assessment in modern manufacturing based on machine learning | |
| Masmoudi et al. | A Literature Review on the Contribution of Industry 4.0 Technologies in OEE Improvement | |
| KR20210029528A (ko) | 통계 기반 제조 공정 및 품질 관리 방법 | |
| US11846918B1 (en) | Data driven digital twins for industrial automation device operation enhancement | |
| EP4293587A1 (en) | Apparatus classification symbol identifying device | |
| Milligan et al. | The integration of an api619 screw compressor package into the industrial internet of things | |
| Khan et al. | Machine Learning Method Based Industrial Risk Analysis and Prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160824 |
|
| WD01 | Invention patent application deemed withdrawn after publication |