CN106949056B - 一种压风机运行状态感知及故障预测系统及方法 - Google Patents
一种压风机运行状态感知及故障预测系统及方法 Download PDFInfo
- Publication number
- CN106949056B CN106949056B CN201710300445.5A CN201710300445A CN106949056B CN 106949056 B CN106949056 B CN 106949056B CN 201710300445 A CN201710300445 A CN 201710300445A CN 106949056 B CN106949056 B CN 106949056B
- Authority
- CN
- China
- Prior art keywords
- pressure
- sensor
- pressure fan
- data
- fusion
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
- F04C28/00—Control of, monitoring of, or safety arrangements for, pumps or pumping installations specially adapted for elastic fluids
- F04C28/28—Safety arrangements; Monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
- F04C2270/00—Control; Monitoring or safety arrangements
- F04C2270/80—Diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
一种压风机运行状态感知及故障预测系统及方法,属于压风机故障诊断技术领域;该系统包括:压力传感器、流量传感器、温度传感器、振动传感器、多信号采集模块、多信号融合预测分析模块和故障诊断数据库;该方法包括:各传感器实时采集压风运行数据并发送给多信号采集模块;多信号采集模块转发采集数据;多信号融合预测分析模块对传感器采集数据进行数据融合,计算压风机运行参数与故障诊断数据库比对,对压风机故障进行预测;本发明通过传感器对压风机进行实时监测,通过故障诊断数据库对压风机工作状态进行实时监测及判断,能及时发现压风机异常,避免压风机部件损伤,对压风机安全运行、故障预测、降低维护成本、延长使用寿命具有重要意义。
Description
技术领域
本发明属于压风机故障诊断技术领域,具体涉及一种压风机运行状态感知及故障预测系统及方法。
背景技术
压风机的工作原理是当电机通过联轴器或带轮带动主动轴转动时,安装在主动轮上的齿轮带动从动轮上的齿轮,按相反方向同步旋转,使啮合的转子相随转动,从而使机壳与转子形成一个空间,气体从进气口进入空间。这时气体会受到压缩并被转子挤出出风口,而另一个转子则转到与第一个转子在压缩开始的相对位置,与机壳的另一边形成一个新空间,新的气体又进入这一空间,被挤压出,连续运动从而达到输出高压气体目的。
由于受工作温度、压力、震动等因素的影响,压风机容易出现渗漏及转子轴孔磨损等问题。因此压风机的状态实时感知,对于提高压风机的安全可靠运行具有重要意义。
发明内容
针对上述现有技术存在的不足,本发明提供一种压风机运行状态感知及故障预测系统及方法。
本发明的技术方案:
一种压风机运行状态感知及故障预测系统,包括:
第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器、振动传感器、多信号采集模块、多信号融合预测分析模块和故障诊断数据库;
第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器分别与多信号采集模块输入端连接,所述多信号采集模块输出端连接多信号融合预测分析模块输入端,所述多信号融合预测分析模块与故障诊断数据库连接。
所述第一压力传感器设置于压风机啮合转子密封腔出口,用于采集压风机啮合转子密封腔输出高压气体压力,并发送给多信号采集模块,所述第二压力传感器设置于压风机出气管路,用于采集压风机出风口气体压力,并发送给多信号采集模块;所述第一流量传感器,设置于压风机啮合转子密封腔出口,用于采集压风机啮合转子密封腔输出高压气体流量,并发送给多信号采集模块,所述第二流量传感器设置于压风机出气管路,用于采集压风机出风口气体流量,并发送给多信号采集模块;所述温度传感器,设置于润滑油内部,用于采集压风机运行温度,并发送给多信号采集模块;所述振动传感器,设置于压风机的电动机上,用于采集压风机上电动机的振动频率及振幅,并发送给多信号采集模块;所述多信号采集模块,用于接收第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器采集数据,并发送给多信号融合预测分析模块;所述多信号融合预测分析模块用于接收多信号采集模块输出的各传感器采集数据,计算压风机运行参数,并根据故障诊断数据库对压风机故障进行预测。
利用压风机运行状态感知及故障预测系统的压风机运行状态感知及故障预测方法,包括以下步骤:
步骤1:第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器分别实时采集压风机啮合转子密封腔输出高压气体压力、压风机出风口气体压力、压风机啮合转子密封腔输出高压气体流量、压风机出风口气体流量、压风机运行温度和压风机上电动机的振动频率及振幅,并将采集数据分别发送给多信号采集模块;
步骤2:多信号采集模块接收各传感器采集数据,并转发给多信号融合预测分析模块;
步骤3:多信号融合预测分析模块对传感器采集数据进行数据融合,计算压风机运行参数,将运行参数与故障诊断数据库中数据进行比对,对压风机故障进行预测:
步骤3-1:多信号融合预测分析模块分别计算压风机啮合压力效率ηp和压风机啮合流量效率ηQ:
其中,P1'为未磨损啮合转子密封腔输出高压气体压力;
P1为第一压力传感器采集的磨损后的啮合转子密封腔输出高压气体压力;
其中,Q1'为未磨损啮合转子密封腔输出高压气体流量;
Q1为第一流量传感器采集的磨损后的啮合转子密封腔输出高压气体流量;
步骤3-2:多信号融合预测分析模块将压风机啮合压力效率和压风机啮合流量效率与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-3:多信号融合预测分析模块将第二压力传感器采集的压风机出风口的压力数据与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-4:多信号融合预测分析模块将第二流量传感器采集的压风机出风口流量数据与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-5:多信号融合预测分析模块将温度传感器采集的温度与压力及流量数据融合处理,与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-6:多信号融合预测分析模块通过振动传感器得到电动机振动频率及振幅数据,生成电动机振动频谱与故障诊断数据库中数据进行比对,对压风机故障进行预测。
有益效果:一种压风机运行状态感知及故障预测系统及方法与现有技术相比,具有如下优势:
在压风机工作过程中不同工作状态下,结合啮合转子密封腔出口压力特性、压风机出风口气体压力特性、啮合转子密封腔出口流量特性、压风机出风口气体流量特性、压风机润滑油温度特性、压风机电机振动特性,通过压力传感器、流量传感器、温度传感器、振动传感器对上述参数进行实时监测,进而对测得数据进行采集处理及分析,通过设立故障诊断数据库对压风机工作状态进行实时监测及判断,及时发现压风机工作状态异常,以便维修人员及时检修,避免压风机部件损伤,对压风机安全运行、故障预测、降低维护成本、延长使用寿命具有重要意义。
附图说明
图1为本发明一种实施方式的压风机运行状态感知及故障预测系统结构示意图;
图2为本发明一种实施方式的压风机运行状态感知及故障预测系统安装示意图;
图3为本发明一种实施方式的压风机运行状态感知及故障预测方法流程图。
图4为本发明一种实施方式的压风机结构示意图;
图5为本发明一种实施方式的压风机啮合压力效率随磨损量变化曲线图;
图6为本发明一种实施方式的压风机啮合流量效率随磨损量变化曲线图;
图中:1-第一压力传感器、2-第二压力传感器、3-第一流量传感器、4-第二流量传感器、5-温度传感器、6-振动传感器、7-多信号采集模块、8-多信号融合预测分析模块、9-故障诊断数据库、10-压风机、11-啮合转子密封腔出口、12-压风机出气管路、13-润滑系统、14-润滑油、15-电动机、16-啮合转子密封腔、17-阴螺杆、18-阳螺杆。
具体实施方式
下面结合附图对本发明的一种实施方式作详细说明。
如图1-2所示,一种压风机运行状态感知及故障预测系统,包括:
第一压力传感器1、第二压力传感器2、第一流量传感器3、第二流量传感器4、温度传感器5、振动传感器6、多信号采集模块7、多信号融合预测分析模块8和故障诊断数据库9;
第一压力传感器1、第二压力传感器2、第一流量传感器3、第二流量传感器4、温度传感器5和振动传感器6分别与多信号采集模块7的输入端连接,所述多信号采集模块7的输出端连接多信号融合预测分析模块8输入端,多信号融合预测分析模块8与故障诊断数据库9连接。
所述压风机10是将电能转化为风能的装置。所述第一压力传感器1设置于压风机10的啮合转子密封腔出口11,用于采集压风机啮合转子密封腔输出高压气体压力P1,所述第二压力传感器2设置于压风机出气管路12,用于采集压风机出风口气体压力P2;所述第一流量传感器3,设置于压风机啮合转子密封腔出口11,用于采集压风机啮合转子密封腔输出高压气体流量Q1,所述第二流量传感器4设置于压风机出气管路12,用于采集压风机出风口气体流量Q2;所述温度传感器5,设置于压风机润滑系统13中润滑油14内部,用于对压风机运行温度进行实时采集;所述振动传感器6,设置于压风机的电动机15上,用于对压风机上电动机15的振动频率及振幅进行实时采集;所述多信号采集模块7,用于接收第一压力传感器1、第二压力传感器2、第一流量传感器3、第二流量传感器4、温度传感器5和振动传感器6采集的实时采集数据,并转发给多信号融合预测分析模块8;所述多信号融合预测分析模块8,用于接收多信号采集模块输出的各传感器采集数据,通过计算机技术对按时间顺序获得的多传感器采集数据在一定的准则下加以自动分析优化综合、支配和使用,获得压风机运行状态的一致性解释与描述,并根据故障诊断数据库9对压风机故障进行预测。所述故障诊断数据库9用于存储压风机运行状态与故障的对应关系。本实施方式中,故障诊断数据库存储压风机啮合压力效率、压风机啮合流量效率、压风机出风口的压力、压风机出风口流量、温度、压力及流量融合数据、电动机振动频率及振幅数据与各故障对应关系。
如图3所示,利用压风机运行状态感知及故障预测系统的压风机运行状态感知及故障预测方法,包括以下步骤:
步骤1:第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器分别实时采集压风机啮合转子密封腔输出高压气体压力P1、压风机出风口气体压力P2、压风机啮合转子密封腔输出高压气体流量Q1、压风机出风口气体流量Q2、压风机运行温度和电动机的振动频率及振幅,并将采集数据分别发送给多信号采集模块;
步骤2:多信号采集模块接收各传感器采集数据,并转发给多信号融合预测分析模块;
步骤3:多信号融合预测分析模块对传感器采集数据进行数据融合,计算压风机运行参数,将运行参数与故障诊断数据库进行比对,对压风机故障进行预测:
步骤3-1:多信号融合预测分析模块对处理后的采集数据进行数据融合,通过计算啮合压力效率和啮合流量效率对压风机效率进行分析,具体计算方法为:
计算压风机啮合压力效率ηp:
其中,P1'为未磨损啮合转子密封腔输出高压气体压力;
P1为第一压力传感器采集的磨损后的啮合转子密封腔输出高压气体压力;
计算压风机啮合流量效率ηQ:
其中,Q1'为未磨损啮合转子密封腔输出高压气体流量;
Q1为第一流量传感器采集的磨损后的啮合转子密封腔输出高压气体流量。
步骤3-2:多信号融合预测分析模块将压风机啮合压力效率和压风机啮合流量效率与故障诊断数据库中数据进行比对,对压风机故障进行预测。
如图4所示,所述啮合转子密封腔16,形成于压风机阳螺杆18和压风机阴螺杆17之间,随着阳螺杆18与阴螺杆17之间磨损量的增大,如图5-6所示,所形成的密封腔的密封性逐渐下降,从而导致压风机啮合压力效率及啮合流量效率降低。当磨损量达到一定量X1时,密封腔密封性显著下降,压风机啮合压力效率从开始显著降低;当磨损量达到一定量X2时,啮合流量效率从开始显著降低。导致压风机失效。
步骤3-3:多信号融合预测分析模块将第二压力传感器采集的压风机出风口的压力数据与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-4:多信号融合预测分析模块将第二流量传感器采集的压风机出风口流量数据与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-5:多信号融合预测分析模块将温度传感器采集的温度与压力及流量数据融合处理,与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-6:多信号融合预测分析模块通过振动传感器得到电动机振动频率及振幅数据,生成电动机振动频谱与故障诊断数据库中数据进行比对,对压风机故障进行预测。
Claims (2)
1.一种压风机运行状态感知及故障预测系统,其特征在于,包括:
第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器、振动传感器、多信号采集模块、多信号融合预测分析模块和故障诊断数据库;
所述第一压力传感器的输出端、第二压力传感器的输出端、第一流量传感器的输出端、第二流量传感器的输出端、温度传感器的输出端和振动传感器的输出端分别与多信号采集模块输入端连接,所述多信号采集模块输出端连接多信号融合预测分析模块输入端,所述多信号融合预测分析模块与故障诊断数据库连接;
所述第一压力传感器设置于压风机啮合转子密封腔出口,用于采集压风机啮合转子密封腔输出高压气体压力,并发送给多信号采集模块;
所述第二压力传感器设置于压风机出气管路,用于采集压风机出风口气体压力,并发送给多信号采集模块;
所述第一流量传感器设置于压风机啮合转子密封腔出口,用于采集压风机啮合转子密封腔输出高压气体流量,并发送给多信号采集模块;
所述第二流量传感器设置于压风机出气管路,用于采集压风机出风口气体流量,并发送给多信号采集模块;
所述温度传感器设置于润滑油内部,用于采集压风机运行温度,并发送给多信号采集模块;
所述振动传感器设置于压风机的电动机上,用于采集压风机上电动机的振动频率及振幅,并发送给多信号采集模块;
所述多信号采集模块,用于接收第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器发送的采集数据,并转发给多信号融合预测分析模块;
所述多信号融合预测分析模块用于接收多信号采集模块发送的传感器采集数据,计算压风机运行参数,并根据故障诊断数据库对压风机故障进行预测;
所述压风机运行参数包括压风机啮合压力效率和压风机啮合流量效率;分别按下两式计算压风机啮合压力效率ηp和压风机啮合流量效率ηQ:
其中,P1′为未磨损啮合转子密封腔输出高压气体压力;P1为第一压力传感器采集的磨损后的啮合转子密封腔输出高压气体压力;Q1′为未磨损啮合转子密封腔输出高压气体流量;Q1为第一流量传感器采集的磨损后的啮合转子密封腔输出高压气体流量;
所述多信号融合预测分析模块根据故障诊断数据库对压风机故障进行预测具体包括:多信号融合预测分析模块将压风机啮合压力效率和压风机啮合流量效率与故障诊断数据库中数据比对,对压风机故障进行预测;将第二压力传感器采集的压风机出风口的压力数据与故障诊断数据库中数据比对,对压风机故障进行预测;将第二流量传感器采集的压风机出风口的流量数据与故障诊断数据库中数据比对,对压风机故障进行预测;将温度传感器采集的温度与压力及流量数据的融合处理得到信息数据与故障诊断数据库中数据比对,对压风机故障进行预测;通过振动传感器得到电动机振动频率及振幅数据,生成电动机振动频谱与故障诊断数据库中数据比对,对压风机故障进行预测。
2.一种压风机运行状态感知及故障预测方法,利用权利要求1所述压风机运行状态感知及故障预测系统实现,其特征在于,包括以下步骤:
步骤1:第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器分别实时采集压风机啮合转子密封腔输出高压气体压力、压风机出风口气体压力、压风机啮合转子密封腔输出高压气体流量、压风机出风口气体流量、压风机运行温度和压风机上电动机的振动频率及振幅,并将采集到的数据分别发送给多信号采集模块;
步骤2:多信号采集模块接收各传感器采集数据,并转发给多信号融合预测分析模块;
步骤3:多信号融合预测分析模块对传感器采集数据进行数据融合,计算压风机运行参数,将运行参数与故障诊断数据库中数据进行比对,对压风机故障进行预测,具体包括:
步骤3-1:多信号融合预测分析模块分别计算压风机啮合压力效率ηp和压风机啮合流量效率ηQ:
其中,P1′为未磨损啮合转子密封腔输出高压气体压力;
P1为第一压力传感器采集的磨损后的啮合转子密封腔输出高压气体压力;
其中,Q1′为未磨损啮合转子密封腔输出高压气体流量;
Q1为第一流量传感器采集的磨损后的啮合转子密封腔输出高压气体流量;
步骤3-2:多信号融合预测分析模块将压风机啮合压力效率和压风机啮合流量效率与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-3:多信号融合预测分析模块将第二压力传感器采集的压风机出风口的压力数据与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-4:多信号融合预测分析模块将第二流量传感器采集的压风机出风口流量数据与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-5:多信号融合预测分析模块将温度传感器采集的温度与压力及流量数据融合处理,与故障诊断数据库中数据进行比对,对压风机故障进行预测;
步骤3-6:多信号融合预测分析模块通过振动传感器得到电动机振动频率及振幅数据,生成电动机振动频谱与故障诊断数据库中数据进行比对,对压风机故障进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710300445.5A CN106949056B (zh) | 2017-05-02 | 2017-05-02 | 一种压风机运行状态感知及故障预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710300445.5A CN106949056B (zh) | 2017-05-02 | 2017-05-02 | 一种压风机运行状态感知及故障预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106949056A CN106949056A (zh) | 2017-07-14 |
CN106949056B true CN106949056B (zh) | 2019-10-25 |
Family
ID=59479397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710300445.5A Active CN106949056B (zh) | 2017-05-02 | 2017-05-02 | 一种压风机运行状态感知及故障预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106949056B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108131294A (zh) * | 2017-12-21 | 2018-06-08 | 武汉格瑞拓机械有限公司 | 一种基于plc的鼓风机智能测试系统及测试方法 |
WO2019149324A1 (de) * | 2018-02-05 | 2019-08-08 | Ziehl-Abegg Se | Verfahren zur ermittlung von betriebszuständen eines ventilators |
CN110044631A (zh) * | 2019-03-13 | 2019-07-23 | 中交广州航道局有限公司 | 船机柴油机的状态预测方法、装置及计算机设备 |
CN110082078A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船机尾轴的状态预测方法、装置、计算机设备及存储介质 |
CN112065755A (zh) * | 2019-06-11 | 2020-12-11 | 北京航天奥祥通风科技股份有限公司 | 一种通风机 |
CN110596600A (zh) * | 2019-07-27 | 2019-12-20 | 广东毓秀科技有限公司 | 基于电池寿命计算表格的轨道交通电池维护预测方法 |
CN110578705A (zh) * | 2019-09-26 | 2019-12-17 | 北京智拓博科技有限公司 | 故障诊断方法及装置 |
CN111980900B (zh) * | 2020-07-15 | 2022-04-15 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN111947920B (zh) * | 2020-07-28 | 2022-08-16 | 南昌龙行港口集团有限公司 | 一种基于威布尔分布的设备故障诊断方法 |
CN112733692B (zh) * | 2021-01-04 | 2021-11-30 | 润联智慧科技(西安)有限公司 | 基于集成混合模型的故障预测方法、装置及相关设备 |
CN116579762B (zh) * | 2023-04-14 | 2023-10-20 | 广州林旺空调工程有限公司 | 一种冷却塔智慧运维平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175282A (zh) * | 2011-01-24 | 2011-09-07 | 长春工业大学 | 一种基于信息融合的离心式空气压缩机故障诊断方法 |
CN103147972A (zh) * | 2013-03-19 | 2013-06-12 | 北京化工大学 | 一种基于多传感器信息融合的往复式压缩机故障诊断方法 |
EP3035140A1 (en) * | 2014-12-19 | 2016-06-22 | Rolls-Royce Deutschland Ltd & Co KG | Equipment health monitoring method and system |
-
2017
- 2017-05-02 CN CN201710300445.5A patent/CN106949056B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175282A (zh) * | 2011-01-24 | 2011-09-07 | 长春工业大学 | 一种基于信息融合的离心式空气压缩机故障诊断方法 |
CN103147972A (zh) * | 2013-03-19 | 2013-06-12 | 北京化工大学 | 一种基于多传感器信息融合的往复式压缩机故障诊断方法 |
EP3035140A1 (en) * | 2014-12-19 | 2016-06-22 | Rolls-Royce Deutschland Ltd & Co KG | Equipment health monitoring method and system |
Non-Patent Citations (2)
Title |
---|
"基于多传感信息融合的采煤机远程故障诊断方法";吴连成;《煤矿机械》;20141031;第35卷(第10期);第295页第1节 * |
"螺杆压缩机振动故障的分析与诊断";王丽丽;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20071015(第4期);第9页,第16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106949056A (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106949056B (zh) | 一种压风机运行状态感知及故障预测系统及方法 | |
CN111043023B (zh) | 一种压裂泵在线监测及故障诊断系统 | |
CN106682815B (zh) | 一种抽油井监控系统及监控方法 | |
CN106761681B (zh) | 基于时序数据分析的电泵井故障实时诊断系统及方法 | |
CN212643100U (zh) | 一种水泵状态检修管理系统 | |
US6330525B1 (en) | Method and apparatus for diagnosing a pump system | |
CN103670373B (zh) | 抽油机故障的诊断方法和系统 | |
CN106089754B (zh) | 基于“互联网+”的潜水泵实时故障诊断与维修方法 | |
US20210355932A1 (en) | Analysis method of absolute energy efficiency and relative energy efficiency of compressed air system | |
CN104977047A (zh) | 基于振动和油液的风电机组在线状态监测与健康评估系统及方法 | |
CN103645052A (zh) | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 | |
CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及系统 | |
CN101059130A (zh) | 往复压缩机在线远程状态监测与故障分析诊断系统 | |
CN204900220U (zh) | 一种液环泵运行实时监测系统 | |
CN104632602A (zh) | 往复式注水泵状态监测及故障诊断系统 | |
CN104879296B (zh) | 一种往复式压缩机用监测系统 | |
CN204984825U (zh) | 一种油田注水泵智能诊断监控装置 | |
CN102155405B (zh) | 一种潜油螺杆泵转速智能控制系统及控制方法 | |
CN114263458B (zh) | 一种油井工况全感知智能诊断自动处理的方法和系统 | |
CN114810572B (zh) | 一种液压泵故障诊断方法及装置 | |
CN112483427B (zh) | 一种高效的离心泵能效管理方法及系统 | |
CN112328659B (zh) | 一种风力发电机组液压变桨系统故障诊断方法 | |
CN113464391B (zh) | 一种大功率五缸钻井泵系统、固控系统及钻机 | |
CN204783605U (zh) | 一种往复式压缩机用实时监测系统 | |
CN112696345A (zh) | 一种油田注水泵机组故障在线诊断系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |