CN107461342A - 一种离心泵故障在线诊断方法及系统 - Google Patents
一种离心泵故障在线诊断方法及系统 Download PDFInfo
- Publication number
- CN107461342A CN107461342A CN201710699756.3A CN201710699756A CN107461342A CN 107461342 A CN107461342 A CN 107461342A CN 201710699756 A CN201710699756 A CN 201710699756A CN 107461342 A CN107461342 A CN 107461342A
- Authority
- CN
- China
- Prior art keywords
- mrow
- signal
- pump
- module
- mfrac
- 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
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开了一种离心泵故障在线诊断方法及系统。利用振动传感器测量泵运行时的径向振动信号，并传至信号处理模块，基于循环平稳理论分析处理，得到循环自相关函数并进行切片分析，获得区分泵是否发生故障以及确定故障发生后辨别故障类型的特征参数，通过与泵在设计工况下正常运行时相应的参数进行对比分析，得出相关的故障诊断结果。本发明通过测量泵的径向振动信号即可实现机封损坏和空化故障诊断；泵的运行特征信息可以实时反映在振动信号中，信息集成度高，信号传递路径少，抗干扰能力强，测量可靠性高；通过分析信号循环自相关函数中的平稳分量，可消除因偏工况导致运行不稳定给信号分析带来的干扰，甄别造成离心泵不稳定流动的具体原因。
Description
技术领域
本发明属于流体机械测试方法领域，具体涉及一种基于循环平稳理论的离心泵故障在线诊断方法及系统。
背景技术
离心泵作为重要的能量转换和流体输送装置，广泛应用于国民经济的各部分以及航空航天等尖端技术领域。如今，离心泵正朝着重载化、高速化、轻型化的方向发展。这使得泵的工作强度不断提高，工作条件越来越严酷。另外泵的结构非常复杂，在恶劣的条件下运行，各种随机因素会产生，容易发生各种机械故障，使得其功能降低。泵故障往往能引起灾难性事故，造成巨大损失。因此，为保证泵正常运行，研究故障诊断技术非常重要，及时检测出故障发生可以避免故障进一步恶化，造成不必要的损失。
旋转机械的运行状态隐藏在转子振动信号中，实时采集振动信号传递至计算机中，通过一系列信号特征提取方法可以得到并在线反映设备异常或故障的特征信息。传统的信号特征提取方法大多采用频谱分析法，及利用傅里叶变换从功率谱分析离心泵故障，仅从频域上进行分析。然而频域分析方法只适用于周期性信号和平稳信号，在时域上没有任何分辨能力。非平稳信号在时间轴上存在任何突变时，其频谱将散步在整个频率轴上，无法表征信号在小范围时域内的变化特征。因此，仅用频域分析方法不能全面反映故障的特征，不能够准确判断离心泵的故障。离心泵的工作方式是周期性回转，振动信号中含有大量的随机和周期或调制成分，基于平稳性假设的信号处理方法无法识别时变统计量。离心泵发生故障时，振动信号中往往有调制现象，然而调制源太弱常常被其他频率分量淹没难以提取。这种调制源的二阶统计量具有周期特性，可以应用循环平稳理论处理，有效提取故障特征。传统的循环自相关分析主要着重循环频率域的部分信息，时延域中蕴含的大量信息往往被忽视，没有直观地表现出来。为进一步分析循环自相关函数，可采用循环自相关函数的切片分析技术，掌握更多的信号特征。对得到的循环自相关函数取模后的幅值切片信息做Fourier变换，可以分别提取出信号中的调制频率和载波频率。
经检索，离心泵故障诊断的相关申报专利有：一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法，申请号CN201510726101.1；离心泵振动故障融合诊断方法及振动信号采集装置，申请号CN200610017089.8；智能型离心泵汽蚀故障检测仪，申请号CN201010280448.5；一种基于模糊综合评判的离心泵状态评估方法，申请号CN201510125877.8。以上专利均采用信号处理方法提取出反映故障的特征参数，实现故障诊断，但仅仅针对机械故障，如叶轮破坏、轴承损坏等。
发明内容
本发明的目的是主要针对泵内非期望流动引起的故障，如空化、机封泄漏等故障诊断，以及区分偏工况和故障发生的运行状态的区别，提供一种离心泵故障在线诊断方法及系统。螺旋形蜗壳在泵运行时会受到叶轮四周流场对叶轮所产生的径向作用力，简称为径向力。径向力施加在泵轴上的交变应力会直接影响泵运行的稳定性。故障越严重，泵内部流动的稳定性越差。因此，径向振动信号可以有效反映泵运行时流动的稳定性。该方法在线检测离心泵故障，实时采集离心泵振动信号，基于循环平稳理论处理信号并提取能够表征故障的特征参数，实现故障识别与诊断。另外，在该方法的基础上，提供结构合理，真实有效的信号采集与故障诊断系统。
本发明的技术方案是：一种离心泵故障在线诊断方法，包括以下步骤：
步骤一、通过信号采集模块测量待检测离心泵运行时的径向振动信号，采集的数据经信号线实时传递至信号处理模块分析并由存储模块存取；
步骤二、信号处理模块获得振动信号并基于循环平稳理论分析信号，计算出信号的循环自相关函数Rx(τ,α)，以及Rx(τ,0)切片分量的标准差σ；
步骤三、将设计工况下运行时相应的标准差σ0与实际运行的数据计算所得的标准差σ进行对比，当对比结果σ>σ0时，表示泵偏离设计工况运行，结果传至显示屏显示，当计算结果不满足σ>σ0时，表示泵在设计工况点附近运行，需进一步计算分析其运行状态；
步骤四：提取出叶片通过频率处切片分量Rx(τ,α1)，并做Fourier变换并获得主频分量幅值A1，将其与泵在设计工况下无故障正常运行时相应的A1 *进行对比，若满足A1>A1 *，则表示机封损坏；反之，则机封正常；
提取出切片分量Rx(0,α)并获得该分量0到叶片通过频率范围内频带的幅值均值A2，将其与泵在设计工况下无故障正常运行时相应的A2 *进行对比，若满足A2>A2 *，则表示泵内发生空化，反之则表示泵内未发生空化；
步骤五：将诊断结果传送到显示模块显示。
上述方案中，所述循环自相关函数通过以下公式计算：
Rx(τ,0)切片分量的标准差通过以下公式计算：
式中：*表示共轭，τ为时延因子，信号的二阶循环平稳特性表示为所有时间t满足Rx(t,τ)＝Rx(t+T,τ)，这里T0是循环周期，α＝1/T被称为基础循环频率，N为Rx(τ,0)切片分量中点数，mi表示各点的值，μ表示所有点的平均值；n表示从-N到N的整数。
上述方案中，α＝0Hz切片分量Rx(τ，0)表示振动信号中的平稳信息且信号波形τ＝0呈对称分布，信号中的能量主要集中在τ＝0处。当泵在设计工况下运行时较为稳定，波动较小，当泵偏离设计工况运行时，信号较不稳定，波动剧烈，可以通过计算比较信号的标准差作为判断依据，考虑实际测量时的误差，所述步骤三中当σ>(1.05～1.1)σ0时，表示泵偏离设计工况运行，结果传至显示屏显示，当计算结果不满足σ>(1.05～1.1)σ0时，表示泵在设计工况点附近运行，需进一步计算分析其运行状态。
上述方案中，所述步骤三中若满足A1>(3.5～4)A1 *，则表示机封损坏；反之，则机封正常。
上述方案中，所述步骤三中若满足A2>(1.5～2)A2 *，则表示泵内发生空化，反之则表示泵内未发生空化。
一种实现所述离心泵故障在线诊断方法的系统，包括信号采集模块、信号处理模块、存储模块、电源模块和显示模块；
所述信号采集模块包括振动传感器；所述信号处理模块、存储模块、电源模块以及显示模块集成于信号分析显示装置中；所述振动传感器安装于待检测离心泵的泵壳上、且通过信号线和传感器接口与信号分析显示装置中的存储模块相连接，振动传感器用于测量泵运行时径向振动信号；所述信号处理模块与存储模块由信号线相连接，信号处理模块用于信号分析处理；所述存储模块与振动传感器和信号处理模块相连接，用于存取数据；所述显示模块与信号处理模块相连用于显示监测结果；所述电源模块用于供电；
所述信号采集模块中的振动传感器实时测量待检测离心泵的径向振动信号；采集的径向振动信号经信号线实时传递至信号处理模块分析并由存储模块存取；所述信号处理模块计算出径向振动信号的循环自相关函数并进行切片分析，再提取出切片谱中的信号特征参数；将计算所得的参数与正常运行时的参数值对比，区分信号的不稳定性是否由偏工况运行或故障造成，如为故障造成，确定故障发生时诊断出故障类别，即判断是否发生机封损坏或空化；最后将检测结果由信号线传输至显示模块显示。
上述方案中，所述信号处理模块是基于循环平稳理论进行信号分析。
上述方案中，所述信号处理模块为DSP信号处理模块。
上述方案中，所述存储模块为外接SD卡的存储模块。
上述方案中，所述显示模块为LCD显示模块。
与现有技术相比，本发明的有益效果是：
1.本发明为了简化泵运行实时监测的步骤和装置，适应所有现场测试条件，提高监测结果的可靠性，仅仅采用一个振动传感器安装在蜗壳上测量离心泵运行时径向振动信号。采集到的信号经信号线传递至存储模块用于分析处理；在DSP中写入基于Matlab软件编写的信号处理程序，基于循环平稳理论对信号处理，提取出若干个信号特征频率，分别反映泵正常运行、偏工况运行、机封损坏以及空化发生等运行状态。信号分析结果以文字形式显示在装置的显示屏上，为用户及时提供泵运行状态监测结果。
2.本发明通过测量泵的径向振动信号实现了机封损坏和空化故障诊断，安装使用方便灵活。
3.本发明泵的运行特征信息可以实时反映在振动信号中，信息集成度高，信号传递路径少，抗干扰能力强，测量可靠性高。
4.本发明通过分析信号循环自相关函数中的平稳分量，可消除因偏工况导致运行不稳定给信号分析带来的干扰，甄别造成离心泵不稳定流动的具体原因，结果准确可靠。
附图说明
图1为本发明一实施方式的振动信号传感器安装图；
图2为本发明一实施方式的一种离心泵故障在线诊断装置结构及故障诊断过程流程框图；
图3为本发明一实施方式的信号分析处理流程图。
图中，1、待检测离心泵；2、振动传感器；3、信号线；4、传感器接口；5、信号分析显示装置。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明，但本发明的保护范围并不限于此。
如图1所示，一种离心泵故障在线诊断系统，包括信号采集模块、信号处理模块、存储模块、电源模块和显示模块。所述信号处理模块是基于循环平稳理论进行信号分析；所述信号处理模块为DSP信号处理模块；所述存储模块为外接SD卡的存储模块；所述显示模块为LCD显示模块。
所述信号采集模块包括振动传感器2；所述信号处理模块、存储模块、电源模块以及显示模块集成于信号分析显示装置5中；所述振动传感器2安装于待检测离心泵1的泵壳上、且通过信号线3和传感器接口4与信号分析显示装置5中的存储模块相连接，振动传感器2用于测量泵运行时径向振动信号；所述信号处理模块与存储模块由信号线相连接，信号处理模块用于信号分析处理；所述存储模块与振动传感器2和信号处理模块相连接，用于存取数据；所述显示模块与信号处理模块相连用于显示监测结果；所述电源模块用于供电。
所述信号采集模块中的振动传感器2实时测量待检测离心泵1的径向振动信号；采集的径向振动信号经信号线3实时传递至信号处理模块分析并由存储模块存取；所述信号处理模块计算出径向振动信号的循环自相关函数并进行切片分析，再提取出切片谱中的信号特征参数；将计算所得的参数与正常运行时的参数值对比，区分信号的不稳定性是否由偏工况运行或故障造成，如为故障造成，确定故障发生时诊断出故障类别，即判断是否发生机封损坏或空化；最后将检测结果由信号线传输至显示模块显示。
如图2所示，一种离心泵故障在线诊断方法包括以下步骤：
步骤一、通过信号采集模块的振动传感器2测量待检测离心泵1运行时的径向振动信号，采集的径向振动信号经信号线3实时传递至信号处理模块分析并由SD卡存储模块存取；
步骤二、将基于Matlab软件编写的信号处理程序写入DSP信号处理模块，DSP信号处理模块基于循环平稳理论计算出振动信号的循环自相关函数并进行切片分析，再提取出切片谱中的信号特征参数；
步骤三、通过与正常运行时的参数值对比，区分信号的不稳定性是否由偏工况运行造成，如果是，结果传至显示模块显示，如果否，表示待检测离心泵1在设计工况点附近运行，需进一步计算分析其运行状态；
步骤四、信号的不稳定性由故障造成，确定故障发生后诊断出故障类别，即判断是否发生机封损坏或空化；
步骤五、将故障检测结果由信号线传输至LCD显示模块显示。
图3所示为上述诊断方法中信号分析处理流程，具体步骤为：
步骤一、获得径向振动信号；
步骤二、计算出信号的循环自相关函数Rx(τ，α)，以及Rx(τ，0)切片分量的标准差σ：循环自相关函数：
Rx(τ，0)切片分量的标准差：
式中：*表示共轭，τ为时延因子。信号的二阶循环平稳特性表示为所有时间t满足Rx(t，τ)＝Rx(t+T，τ)，这里T是循环周期，α＝1/T被称为基础循环频率。N为Rx(τ，0)切片分量中点数，mi表示各点的值，μ表示所有点的平均值，n表示从-N到N的整数；
步骤三：将设计工况下运行时相应的标准差σ0与上述由实际运行的数据计算所得的σ进行对比；当σ>(1.05～1.1)σ0时，表示泵偏离设计工况运行，结果传至显示屏显示；当计算结果不满足σ>(1.05～1.1)σ0时，表示泵在设计工况点附近运行，需进一步计算分析其运行状态；
步骤四：提取出叶片通过频率处切片分量Rx(τ，α1)，并做Fourier变换并获得主频分量幅值A1；将其与泵在设计工况下无故障正常运行时相应的A1 *进行对比，若满足A1>(3.5～4)A1 *，则表示机封损坏；反之，则机封正常；
提取出切片分量Rx(0，α)并获得该分量0～300Hz频带的幅值均值A2；将其与泵在设计工况下无故障正常运行时相应的A2 *进行对比，若满足A2>(1.5～2)A2 *，则表示泵内发生空化，反之则表示泵内未发生空化。
用户可以根据实际情况，如泵的性能，应用环境，对系统设计工况下运行时相应的要求参数等进行调整。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种离心泵故障在线诊断方法，其特征在于，包括以下步骤：
步骤一、通过信号采集模块测量待检测离心泵运行时的径向振动信号，采集的数据经信号线实时传递至信号处理模块分析并由存储模块存取；
步骤二、信号处理模块获得振动信号并基于循环平稳理论分析信号，计算出信号的循环自相关函数Rx(τ,α)，以及Rx(τ,0)切片分量的标准差σ；
步骤三、将设计工况下运行时相应的标准差σ0与实际运行的数据计算所得的标准差σ进行对比，当对比结果σ>σ0时，表示泵偏离设计工况运行，结果传至显示模块显示，当计算结果不满足σ>σ0时，表示泵在设计工况点附近运行，需进一步计算分析其运行状态；
步骤四：提取出叶片通过频率处切片分量Rx(τ,α1)，并做Fourier变换并获得主频分量幅值A1，将其与泵在设计工况下无故障正常运行时相应的A1 *进行对比，若满足A1>A1 *，则表示机封损坏；反之，则机封正常；
提取出切片分量Rx(0,α)并获得该分量0到叶片通过频率范围内的频带的幅值均值A2，将其与泵在设计工况下无故障正常运行时相应的A2 *进行对比，若满足A2>A2 *，则表示泵内发生空化，反之则表示泵内未发生空化；
步骤五：将诊断结果传送到显示模块显示。
2.根据权利要求1所述的离心泵故障在线诊断方法，其特征在于，所述循环自相关函数通过以下公式计算：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&tau;</mi>
<mo>,</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mfrac>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mfrac>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</mfrac>
</mrow>
<mfrac>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</mfrac>
</msubsup>
<mo>&lsqb;</mo>
<munder>
<mi>lim</mi>
<mrow>
<mi>N</mi>
<mo>&RightArrow;</mo>
<mi>&infin;</mi>
</mrow>
</munder>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mo>-</mo>
<mi>N</mi>
</mrow>
<mi>N</mi>
</munderover>
<mi>x</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<msub>
<mi>nT</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mfrac>
<mi>&tau;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<msub>
<mi>nT</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<mi>&tau;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mi>&alpha;</mi>
<mi>t</mi>
</mrow>
</msup>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mfrac>
<mi>&tau;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<mi>x</mi>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mfrac>
<mi>&tau;</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mi>&alpha;</mi>
<mi>t</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mi>t</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
Rx(τ,0)切片分量的标准差通过以下公式计算：
<mrow>
<mi>&sigma;</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
式中：*表示共轭，τ为时延因子，信号的二阶循环平稳特性表示为所有时间t满足Rx(t,τ)＝Rx(t+T,τ)，这里T0是循环周期，α＝1/T被称为基础循环频率，N为Rx(τ,0)切片分量中点数，mi表示各点的值，μ表示所有点的平均值；n表示从-N到N的整数。
3.根据权利要求2所述的离心泵故障在线诊断方法，其特征在于，所述步骤三中当σ>(1.05～1.1)σ0时，表示泵偏离设计工况运行，结果传至显示屏显示，当计算结果不满足σ>(1.05～1.1)σ0时，表示泵在设计工况点附近运行，需进一步计算分析其运行状态。
4.根据权利要求3所述的离心泵故障在线诊断方法，其特征在于，所述步骤三中若满足A1>(3.5～4)A1 *，则表示机封损坏；反之，则机封正常。
5.根据权利要求4所述的离心泵故障在线诊断方法，其特征在于，所述步骤三中若满足A2>(1.5～2)A2 *，则表示泵内发生空化，反之则表示泵内未发生空化。
6.一种实现权利要求1所述离心泵故障在线诊断方法的系统，其特征在于，包括信号采集模块、信号处理模块、存储模块、电源模块和显示模块；
所述信号采集模块包括振动传感器(2)；所述信号处理模块、存储模块、电源模块以及显示模块集成于信号分析显示装置(5)中；所述振动传感器(2)安装于待检测离心泵(1)的泵壳上、且通过信号线(3)和传感器接口(4)与信号分析显示装置(5)中的存储模块相连接，振动传感器(2)用于测量泵运行时径向振动信号；所述信号处理模块与存储模块由信号线相连接，信号处理模块用于信号分析处理；所述存储模块与振动传感器(2)和信号处理模块相连接，用于存取数据；所述显示模块与信号处理模块相连用于显示监测结果；所述电源模块用于供电；
所述信号采集模块中的振动传感器(2)实时测量待检测离心泵(1)的径向振动信号；采集的径向振动信号经信号线(3)实时传递至信号处理模块分析并由存储模块存取；所述信号处理模块计算出径向振动信号的循环自相关函数并进行切片分析，再提取出切片谱中的信号特征参数；将计算所得的参数与正常运行时的参数值对比，区分信号的不稳定性是否由偏工况运行或故障造成，如为故障造成，确定故障发生时诊断出故障类别，即判断是否发生机封损坏或空化；最后将检测结果由信号线传输至显示模块显示。
7.根据权利要求6所述的离心泵故障在线诊断方法的系统，其特征在于，所述信号处理模块是基于循环平稳理论进行信号分析。
8.根据权利要求6所述的离心泵故障在线诊断方法的系统，其特征在于，所述信号处理模块为DSP信号处理模块。
9.根据权利要求6所述的离心泵故障在线诊断方法的系统，其特征在于，所述存储模块为外接SD卡的存储模块。
10.根据权利要求6所述的离心泵故障在线诊断方法的系统，其特征在于，所述显示模块为LCD显示模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710699756.3A CN107461342B (zh) | 2017-08-16 | 2017-08-16 | 一种离心泵故障在线诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710699756.3A CN107461342B (zh) | 2017-08-16 | 2017-08-16 | 一种离心泵故障在线诊断方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107461342A true CN107461342A (zh) | 2017-12-12 |
| CN107461342B CN107461342B (zh) | 2019-05-31 |
Family
ID=60549752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710699756.3A Expired - Fee Related CN107461342B (zh) | 2017-08-16 | 2017-08-16 | 一种离心泵故障在线诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107461342B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108644130A (zh) * | 2018-05-24 | 2018-10-12 | 中国船舶重工集团公司第七〇九研究所 | 一种泵组故障的检测方法 |
| CN108984997A (zh) * | 2018-09-28 | 2018-12-11 | 西北工业大学 | 一种基于熵值的离心泵故障诊断方法 |
| CN109488626A (zh) * | 2018-10-12 | 2019-03-19 | 江苏大学 | 一种叶片泵振动状态监测装置及方法 |
| CN110671341A (zh) * | 2019-11-04 | 2020-01-10 | 江苏科技大学 | 基于无传感器监测技术的离心泵叶轮破损诊断方法及装置 |
| CN110848165A (zh) * | 2019-11-04 | 2020-02-28 | 江苏科技大学 | 基于无传感器监测技术的离心泵机封故障诊断方法及装置 |
| CN111220312A (zh) * | 2020-02-28 | 2020-06-02 | 中国铁道科学研究院集团有限公司 | 一种螺栓状态的诊断方法及系统 |
| US20210062803A1 (en) * | 2018-01-24 | 2021-03-04 | Magnetic Pumping Solutions Llc | Method and system for monitoring the condition of rotating systems |
| CN112789409A (zh) * | 2018-11-05 | 2021-05-11 | 格兰富控股联合股份公司 | 传感器装置和用于监测循环泵系统的方法 |
| CN113323891A (zh) * | 2021-06-30 | 2021-08-31 | 北京航空航天大学 | 基于混合模型的核电站主泵密封故障诊断方法 |
| CN114263621A (zh) * | 2021-11-26 | 2022-04-01 | 江苏科技大学 | 一种离心泵空化故障诊断模拟的试验方法及系统 |
| CN111126633B (zh) * | 2019-12-20 | 2023-08-29 | 淮南市阶梯电子科技有限公司 | 一种矿用多级离心泵的故障自动诊断方法 |
| CN116857172A (zh) * | 2023-09-05 | 2023-10-10 | 诺沃机械南通有限公司 | 一种基于大数据的水泵故障预测方法及系统 |
| CN117072460A (zh) * | 2023-10-16 | 2023-11-17 | 四川中测仪器科技有限公司 | 一种基于振动数据和专家经验的离心泵状态监测方法 |
| CN117807893A (zh) * | 2024-02-26 | 2024-04-02 | 四川省机械研究设计院(集团)有限公司 | 高速离心泵叶轮多目标优化设计方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004278836A (ja) * | 2003-03-13 | 2004-10-07 | Noritz Corp | 故障診断処理方法及び故障診断処理装置 |
| US20040199480A1 (en) * | 1999-09-28 | 2004-10-07 | Unsworth Peter J. | Detection of pump cavitation/blockage and seal failure via current signature analysis |
| CN103115668A (zh) * | 2013-01-22 | 2013-05-22 | 重庆大学 | 轧机振痕振动信号的故障特征提取方法及识别方法 |
| CN103323274A (zh) * | 2013-05-24 | 2013-09-25 | 上海交通大学 | 旋转机械状态监测与故障诊断系统及方法 |
| CN105521997A (zh) * | 2014-09-30 | 2016-04-27 | 宝山钢铁股份有限公司 | 一种基于振动信号诊断轧机辊系故障的方法 |
-
2017
- 2017-08-16 CN CN201710699756.3A patent/CN107461342B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040199480A1 (en) * | 1999-09-28 | 2004-10-07 | Unsworth Peter J. | Detection of pump cavitation/blockage and seal failure via current signature analysis |
| JP2004278836A (ja) * | 2003-03-13 | 2004-10-07 | Noritz Corp | 故障診断処理方法及び故障診断処理装置 |
| CN103115668A (zh) * | 2013-01-22 | 2013-05-22 | 重庆大学 | 轧机振痕振动信号的故障特征提取方法及识别方法 |
| CN103323274A (zh) * | 2013-05-24 | 2013-09-25 | 上海交通大学 | 旋转机械状态监测与故障诊断系统及方法 |
| CN105521997A (zh) * | 2014-09-30 | 2016-04-27 | 宝山钢铁股份有限公司 | 一种基于振动信号诊断轧机辊系故障的方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210062803A1 (en) * | 2018-01-24 | 2021-03-04 | Magnetic Pumping Solutions Llc | Method and system for monitoring the condition of rotating systems |
| CN108644130A (zh) * | 2018-05-24 | 2018-10-12 | 中国船舶重工集团公司第七〇九研究所 | 一种泵组故障的检测方法 |
| CN108984997A (zh) * | 2018-09-28 | 2018-12-11 | 西北工业大学 | 一种基于熵值的离心泵故障诊断方法 |
| CN109488626A (zh) * | 2018-10-12 | 2019-03-19 | 江苏大学 | 一种叶片泵振动状态监测装置及方法 |
| CN112789409B (zh) * | 2018-11-05 | 2023-02-17 | 格兰富控股联合股份公司 | 传感器装置和用于监测循环泵系统的方法 |
| CN112789409A (zh) * | 2018-11-05 | 2021-05-11 | 格兰富控股联合股份公司 | 传感器装置和用于监测循环泵系统的方法 |
| CN110671341A (zh) * | 2019-11-04 | 2020-01-10 | 江苏科技大学 | 基于无传感器监测技术的离心泵叶轮破损诊断方法及装置 |
| CN110848165A (zh) * | 2019-11-04 | 2020-02-28 | 江苏科技大学 | 基于无传感器监测技术的离心泵机封故障诊断方法及装置 |
| CN111126633B (zh) * | 2019-12-20 | 2023-08-29 | 淮南市阶梯电子科技有限公司 | 一种矿用多级离心泵的故障自动诊断方法 |
| CN111220312A (zh) * | 2020-02-28 | 2020-06-02 | 中国铁道科学研究院集团有限公司 | 一种螺栓状态的诊断方法及系统 |
| CN113323891A (zh) * | 2021-06-30 | 2021-08-31 | 北京航空航天大学 | 基于混合模型的核电站主泵密封故障诊断方法 |
| CN114263621A (zh) * | 2021-11-26 | 2022-04-01 | 江苏科技大学 | 一种离心泵空化故障诊断模拟的试验方法及系统 |
| CN114263621B (zh) * | 2021-11-26 | 2023-07-21 | 江苏科技大学 | 一种离心泵空化故障诊断模拟的试验方法及系统 |
| CN116857172A (zh) * | 2023-09-05 | 2023-10-10 | 诺沃机械南通有限公司 | 一种基于大数据的水泵故障预测方法及系统 |
| CN116857172B (zh) * | 2023-09-05 | 2023-12-22 | 诺沃机械南通有限公司 | 一种基于大数据的水泵故障预测方法及系统 |
| CN117072460A (zh) * | 2023-10-16 | 2023-11-17 | 四川中测仪器科技有限公司 | 一种基于振动数据和专家经验的离心泵状态监测方法 |
| CN117072460B (zh) * | 2023-10-16 | 2023-12-19 | 四川中测仪器科技有限公司 | 一种基于振动数据和专家经验的离心泵状态监测方法 |
| CN117807893A (zh) * | 2024-02-26 | 2024-04-02 | 四川省机械研究设计院(集团)有限公司 | 高速离心泵叶轮多目标优化设计方法 |
| CN117807893B (zh) * | 2024-02-26 | 2024-05-03 | 四川省机械研究设计院(集团)有限公司 | 高速离心泵叶轮多目标优化设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107461342B (zh) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107461342A (zh) | 一种离心泵故障在线诊断方法及系统 | |
| CN104075795B (zh) | 用于监测风力发电机组的叶轮振动状态的方法和系统 | |
| CN102707232B (zh) | 电动机设备状态在线监测装置及其监测方法 | |
| Qu et al. | A new acoustic emission sensor based gear fault detection approach | |
| Yang et al. | Empirical mode decomposition, an adaptive approach for interpreting shaft vibratory signals of large rotating machinery | |
| CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
| CN101603854A (zh) | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 | |
| CN1896760A (zh) | 负载工况下自动识别发电机转子绕组匝间短路故障的方法 | |
| CN102262215A (zh) | 一种大型发电机定转子气隙偏心故障检测方法 | |
| Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
| CN109101768A (zh) | 基于压缩感知的叶端定时传感器布局优化设计方法 | |
| Wu et al. | A carrier wave extraction method for cavitation characterization based on time synchronous average and time-frequency analysis | |
| CN109883703A (zh) | 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法 | |
| CN112362368A (zh) | 列车牵引电机的故障诊断方法、装置、系统和可读介质 | |
| CN104568435A (zh) | 一种基于时频能量谱提取风机状态信号调制成分的方法 | |
| CN116933024B (zh) | 旋转类设备运行状态监控方法及系统 | |
| Harris | A Kohonen SOM based, machine health monitoring system which enables diagnosis of faults not seen in the training set | |
| Shi et al. | Purification and feature extraction of shaft orbits for diagnosing large rotating machinery | |
| Betta et al. | A DSP-based FFT-analyzer for the fault diagnosis of rotating machine based on vibration analysis | |
| CN105987809A (zh) | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 | |
| Liang et al. | Bearing fault diagnosis based on singular value distribution of impulse response segment | |
| Wang et al. | Early rolling bearing fault diagnosis in induction motors based on on-rotor sensing vibrations | |
| CN105865789A (zh) | 一种用于分解槽减速机轴承故障的检测系统 | |
| CN104236871A (zh) | 离心式压缩机半开式叶轮裂纹故障识别方法 | |
| Treml et al. | EMD and MCSA improved via Hilbert Transform analysis on asynchronous machines for broken bar detection using vibration analysis |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Luo Yin Inventor after: Yuan Shouqi Inventor after: Sun Hui Inventor after: Yin Jiangnan Inventor before: Sun Hui Inventor before: Luo Yin Inventor before: Yuan Shouqi Inventor before: Yin Jiangnan |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190531 Termination date: 20190816 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |