CN109446482A - 状态监测与故障诊断技术在制冷机组运行管理中的应用 - Google Patents
状态监测与故障诊断技术在制冷机组运行管理中的应用 Download PDFInfo
- Publication number
- CN109446482A CN109446482A CN201811117735.7A CN201811117735A CN109446482A CN 109446482 A CN109446482 A CN 109446482A CN 201811117735 A CN201811117735 A CN 201811117735A CN 109446482 A CN109446482 A CN 109446482A
- Authority
- CN
- China
- Prior art keywords
- vibration
- fault diagnosis
- equipment
- failure
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000003745 diagnosis Methods 0.000 title claims abstract description 24
- 238000005057 refrigeration Methods 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 19
- 239000007788 liquid Substances 0.000 claims description 18
- 238000012384 transportation and delivery Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000006260 foam Substances 0.000 claims description 4
- 239000011521 glass Substances 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013017 mechanical damping Methods 0.000 claims description 2
- 230000010355 oscillation Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 11
- 238000005461 lubrication Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000003507 refrigerant Substances 0.000 description 2
- 241000521257 Hydrops Species 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种状态监测与故障诊断技术在制冷机组运行管理中的应用，在设备故障初期，其振动都会发生变化，如振动幅值变化、振动频率变化、振动相位变化等。利用这一特征，与振动有关的参数被广泛的作为表征动转设备状态的特征参数。同时参考温度、压力、油压、油温润滑参数及电流等参数。对这些参数进行记录、整理、分析可掌握设备运行状况，有效解决了制冷机组突发停机故障影响正常生产的问题，及时发现故障隐患并制定科学合理的检修计划及方案，避免破坏性故障的发生，提高设备运行可靠性和稳定性，降低检修费用。
Description
技术领域
状态监测与故障诊断技术是现代设备管理的主要方法之一，它的应用对保证设备长周期稳定运行，避免突发停车故障非常重要。
背景技术
制冷机组多为发生故障无法正常运行后进行停车检修，此时设备故障较为严重，且主要部件损坏需更换，造成停车时间长，检修费用高。如何及早发现故障隐患并制定科学合理的检修计划及方案，成为降低检修费用、缩短停车时间的关键。
发明内容
在设备故障初期，其振动都会发生变化，如振动幅值变化、振动频率变化、振动相位变化等。利用这一特征，与振动有关的参数被广泛的作为表征动转设备状态的特征参数。同时参考温度、压力、油压、油温润滑参数及电流等参数。对这些参数进行记录、整理、分析可掌握设备运行状况，据此制定维护检修计划。避免破坏性故障的发生，提高设备运行可靠性和稳定性。
本发明采用的技术方案是：
状态监测与故障诊断技术在制冷机组运行管理中的应用，包括振动参数分析与故障诊断及运行参数监测与故障诊断；所述的振动参数分析与故障诊断包括：1)测点布置、2)数据采集和处理、3)故障现象监测、4)趋势分析，依据设备历史数据绘制出设备状态变化曲线，并根据振动变化趋势，全面准确分析判断设备运行状态，预知设备尚可安全运行期限，推测设备在何时达到某种状态，及何时进行检修；运行参数监测与故障诊断通过故障典型现象，分析诊断方法及解决方案，其中故障典型现象包括带油；回液且无法正常加载卸载；排气温度高、轴功率升高。
进一步的，1)中测点选轴承所在部位，包括垂直、轴向、水平的三个位置，测点一旦选定应做上标记，以确保每次监测时都是从同一位置获取信号，测量仪器若为一体时，探头应与测量方向一致，角度偏斜不得超过100。
进一步的，2)数据采集和处理包括：
2.1测试参数选择选用旋转机械振动烈度即轴承振动速度的均方根值Vrms作为评定标准，分析设备的基础松动、转子不平衡、转子弯曲、动静件摩擦、不对中、油膜涡动与振荡等低中频故障；选用加速度的冲击脉冲dB值分析、度量轴承损怀、碰撞冲击的高频故障；
2.2监测周期：正常情况为1次/2周，发现振动明显增大等异常情况下，因故障隐患可能扩展很快应适当缩短监测周期，以及时监测设备运行状况，避免突发故障；
2.3基准级值的确定：根据设备振动与设备结构、转轴与机壳间的机械阻尼、安装条件、运行工况、监测方法诸多因素，对所测数据作数理统计的方法制定基准级值，即在相同工况下设备运行正常时，对设备同一部位进行测量，并把其中大多数较低振动级值的平均值作为基准级值；
2.4振动烈度界限值：在＜1KHz范围内按等级间比例1：1.6，振动烈度等级差值为4dB确定振动界限值，速度级值范围的状态评价：＜1.1mm/s优良区，1.1-1.76mm/s良好区，1.76-2.82mm/s允许区，2.82-4.5mm/s报警区，＞4.5mm/s危险区。
进一步的，带油故障现象包括①能级100％时视液镜处可见浅黄色细小泡沫；②油分离器出口侧油位高；③排气温度降低；④压缩机进口止回阀以下结冰霜，制冷量降低。
进一步的，回液且无法正常加载卸载故障现象包括①排气温度明显降低，低于正常值15℃以上，吸气过热度为负值，且压缩机整体结冰霜；②控制回路正常，能级调节四通电磁阀动作，但无法加载卸载。
进一步的，排气温度高、轴功率升高故障现象包括排气温度高于正常值10℃及以上，运行电流升高4％及以上。
本发明的有益效果是：有效解决了制冷机组突发停机故障影响正常生产的问题，及时发现故障隐患并制定科学合理的检修计划及方案，检修费用降低15％，同时稳定运行周期提高20％。
附图说明
图1为轴承振动测点布置图。
图2为一定时间内的振动趋势图。
具体实施方式
下面结合附图对本发明做进一步说明。
一、振动参数分析与故障诊断：
1.设备简介及测点布置
LG20CF2B620(标准工况制冷量617.9kw，轴功率175kw，工频：49.5Hz，)型制冷机组，该冷冻机组双螺杆压缩机利用膜片弹性联轴器与电机相连。
测点通常选设备振动敏感部位即轴承所在部位(包括垂直、轴向、水平的三个位置)。测点一旦选定应做上标记，以确保每次监测时都是从同一位置获取信号。测量仪器若为一体时，探头应与测量方向一致，角度偏斜不得超过100。压力应保持在10N左右，若为铁磁性的探头，磁力应大于160N。电机、机体前后轴承振动测点布置如图1所示。
2.数据采集和处理
2.1测试参数选择：根据ISO3945-1985，选用旋转机械振动烈度即轴承振动速度的均方根值(有效值)Vrms作为评定标准，分析设备的基础松动、转子不平衡、转子弯曲、动静件摩擦、不对中、油膜涡动与振荡等低中频故障。选用加速度的冲击脉冲(dB值)分析、度量轴承损怀、碰撞冲击的高频故障。
2.2监测周期：正常情况为1次/2周，发现振动明显增大等异常情况下，因故障隐患可能扩展很快应适当缩短监测周期，以及时监测设备运行状况，避免突发故障。
2.3基准级值的确定：在实践中发现设备振动与设备结构、转轴与机壳间的机械阻尼、安装条件、运行工况、监测方法等诸多因素密切相关，特别是对于大机组影响因素较多。结合化工厂设备特点采用相对标准，对所测数据作数理统计的方法制定基准级值。即在相同工况下设备运行正常时，对设备同一部位进行测量，并把其中大多数较低振动级值的平均值作为基准级值。按以上方法电机的基准级值为1.1mm/s。
2.4振动烈度界限值：根据ISO3945-1985，在＜1KHz范围内按等级间比例1：1.6，振动烈度等级差值为4dB确定振动界限值。速度级值范围的状态评价：＜1.1mm/s优良区，1.1-1.76mm/s良好区，1.76-2.82mm/s允许区，2.82-4.5mm/s报警区，＞4.5mm/s危险区。
3.故障现象
监测中发现电机前后轴承振动出现增大趋势，其中联轴器侧增幅明显，1A测点振动增至基准级值的1.8倍，其次2H增至1.7倍、3V增至1.5倍。设备随可安全运转但存在故障隐患，故障处于发生、发展阶段，应加强监测。4.趋势分析
状态标准将设备状态分为若干级，但设备状态的变化是连续的，即一台振幅稍低于某一分级线的设备其运行状态并不一定比振幅稍高于此线的设备好的多，因此需在此基础上，进行趋势分析，即依据设备历史数据绘制出设备状态变化曲线，并根据振动变化趋势，全面准确分析判断设备运行状态，预知设备尚可安全运行期限，推测设备在何时达到某种状态，及何时进行检修。通过对1A、2H、3V三测点的监测，振动趋势如2图所示。由图2可知：6月14日-8月23日1A振动≤2.6mm/s，在允许区，处于轻度异常状态，振动曲线平缓，没有随运行时数的延长而明显增大趋势，相对稳定尚可安全运行。8月27日1A振动升至3.0mm/s，达报警区，设备处于异常状态，趋势曲线变得陡斜，振动增幅明显，同时轴向和垂直向振动亦出现明显增大趋势，表明故障隐患加剧，缩短监测周期1次/3-5天，严密监测裂化度。根据我们的监测经验，设备运行状态达报警区后故障特征频谱明显，容易分析诊断故障原因，进行频谱分析，并据此制定检修方案。9月17日1A振动增至4.5mm/s，达故障发生临界状态，应及时停机检修，否则将发生轴瓦磨损、转子弯曲、压缩机轴封损坏等破坏性故障。
二、运行参数监测与故障诊断：
选取直接影响机组制冷量、运行经济性指标的性能参数，以及能敏感反应回液、带油等故障的典型现象作为分析运行状态、诊断故障、制定解决方案的依据。
1、故障典型现象，分析诊断方法及解决方案
1.1带油
(1)故障现象：①能级100％时视液镜处可见浅黄色细小泡沫。②油分离器出口侧油位高。③排气温度降低。④压缩机进口止回阀以下结冰霜，制冷量降低。
(2)故障分析与诊断：故障现象①、②表明油分离器分离效果不良，油随R22进入蒸发器，其内表面有较厚油层，导致蒸发器换热效率降低，无法将液态R22完全气化，液态R22进入压缩机致使排气温度降低，机体结冰霜。
(3)解决方案：①更换油分离器芯，提高分离效率；②回收系统内的油：将负荷降至30％-40％，关闭供液阀，吸气压力降至1Bar时开启供液阀，如此反复数次，直至视液镜处无细小泡沫，为透明流体为止。
1.2回液且无法正常加载卸载
(1)故障现象：①排气温度明显降低，低于正常值15℃以上，吸气过热度为负值，且压缩机整体结冰霜。②控制回路正常，能级调节四通电磁阀动作，但无法加载卸载。
(2)原因分析：故障现象①表明压缩机吸入液体制冷剂即回液。导致回液的原因为供液阀开度不当，以及膨胀阀过热度调节失灵，液体R22流量与负荷不匹配，蒸发器无法将液态R22完全汽化，液态R22进入压缩机即回液。同时回液低温导致R22无法与油完全分离，油中含液态R22，进入控制加卸载油缸的为油与R22的混合液，因R22易汽化故油缸内油压不稳，无法正常驱动滑阀动作，即无法加卸载。
(3)解决方案：①拆检控制膨胀阀，其感温包安装位置不当，且保温破损导致膨胀阀无法利用蒸发器出口制冷剂蒸汽的过热度实现节流控制。感温包应紧贴包缠在蒸发器出口水平无积液的吸气管段上，外加不吸潮的保温材料绝热。②回收蒸发器内积存的过量液态R22，同时调节供液阀开度，过热度调至5-8℃。
1.3排气温度高、轴功率升高
(1)故障现象：排气温度达72℃，高于正常值10℃以上，运行电流升高4％。
(2)原因分析：分别从压缩机比、吸气过热度、供油温度、油冷却器冷却效果等几方面检查，结果为油冷却器进出水温差达12℃，正常值应为3-5℃。油冷却效果差油温过高，导致排气温度高。
(3)处理措施：拆卸清理油冷却器，检修后排气温度、电流均降至正常范围。
Claims (6)
1.状态监测与故障诊断技术在制冷机组运行管理中的应用，其特征是：包括振动参数分析与故障诊断及运行参数监测与故障诊断；
所述的振动参数分析与故障诊断包括：1)测点布置、2)数据采集和处理、3)故障现象监测、4)趋势分析，依据设备历史数据绘制出设备状态变化曲线，并根据振动变化趋势，全面准确分析判断设备运行状态，预知设备尚可安全运行期限，推测设备在何时达到某种状态，及何时进行检修；
运行参数监测与故障诊断通过故障典型现象，分析诊断方法及解决方案，其中故障典型现象包括带油；回液且无法正常加载卸载；排气温度高、轴功率升高。
2.根据权利要求1所述的状态监测与故障诊断技术在制冷机组运行管理中的应用，其特征是：1)中测点选轴承所在部位，包括垂直、轴向、水平的三个位置，测点一旦选定应做上标记，以确保每次监测时都是从同一位置获取信号，测量仪器若为一体时，探头应与测量方向一致，角度偏斜不得超过100。
3.根据权利要求1所述的状态监测与故障诊断技术在制冷机组运行管理中的应用，其特征是：2)数据采集和处理包括：
2.1测试参数选择选用旋转机械振动烈度即轴承振动速度的均方根值Vrms作为评定标准，分析设备的基础松动、转子不平衡、转子弯曲、动静件摩擦、不对中、油膜涡动与振荡等低中频故障；选用加速度的冲击脉冲dB值分析、度量轴承损怀、碰撞冲击的高频故障；
2.2监测周期：正常情况为1次/2周，发现振动明显增大等异常情况下，因故障隐患可能扩展很快应适当缩短监测周期，以及时监测设备运行状况，避免突发故障；
2.3基准级值的确定：根据设备振动与设备结构、转轴与机壳间的机械阻尼、安装条件、运行工况、监测方法诸多因素，对所测数据作数理统计的方法制定基准级值，即在相同工况下设备运行正常时，对设备同一部位进行测量，并把其中大多数较低振动级值的平均值作为基准级值；
2.4振动烈度界限值：在＜1KHz范围内按等级间比例1：1.6，振动烈度等级差值为4dB确定振动界限值，速度级值范围的状态评价：＜1.1mm/s优良区，1.1-1.76mm/s良好区，1.76-2.82mm/s允许区，2.82-4.5mm/s报警区，＞4.5mm/s危险区。
4.根据权利要求1所述的状态监测与故障诊断技术在制冷机组运行管理中的应用，其特征是：带油故障现象包括①能级100％时视液镜处可见浅黄色细小泡沫；②油分离器出口侧油位高；③排气温度降低；④压缩机进口止回阀以下结冰霜，制冷量降低。
5.根据权利要求1所述的状态监测与故障诊断技术在制冷机组运行管理中的应用，其特征是：回液且无法正常加载卸载故障现象包括①排气温度明显降低，低于正常值15℃以上，吸气过热度为负值，且压缩机整体结冰霜；②控制回路正常，能级调节四通电磁阀动作，但无法加载卸载。
6.根据权利要求1所述的状态监测与故障诊断技术在制冷机组运行管理中的应用，其特征是：排气温度高、轴功率升高故障现象包括排气温度高于正常值10℃及以上，运行电流升高4％及以上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811117735.7A CN109446482A (zh) | 2018-09-21 | 2018-09-21 | 状态监测与故障诊断技术在制冷机组运行管理中的应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811117735.7A CN109446482A (zh) | 2018-09-21 | 2018-09-21 | 状态监测与故障诊断技术在制冷机组运行管理中的应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109446482A true CN109446482A (zh) | 2019-03-08 |
Family
ID=65533023
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811117735.7A Pending CN109446482A (zh) | 2018-09-21 | 2018-09-21 | 状态监测与故障诊断技术在制冷机组运行管理中的应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109446482A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112539935A (zh) * | 2020-11-25 | 2021-03-23 | 西安因联信息科技有限公司 | 旋转机械基础类故障的识别方法 |
| CN113742931A (zh) * | 2021-09-13 | 2021-12-03 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
| CN113899093A (zh) * | 2021-10-20 | 2022-01-07 | 中国船舶重工集团公司第七0四研究所 | 螺杆式制冷压缩机回油故障的辨识和预判方法 |
| CN117132112A (zh) * | 2023-09-11 | 2023-11-28 | 河北洁源安评环保咨询有限公司 | 化工企业安全风险隐患排查评估方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628834A (zh) * | 2012-03-30 | 2012-08-08 | 广东电网公司电力科学研究院 | 大型汽轮机叶片断裂故障在线诊断方法 |
| CN107576488A (zh) * | 2017-08-30 | 2018-01-12 | 沃德传动（天津）股份有限公司 | 一种采用振动算法对设备运行状态进行监测诊断的方法 |
| CN108154166A (zh) * | 2017-11-30 | 2018-06-12 | 辽宁科技大学 | 一种风机智能故障诊断系统及方法 |
-
2018
- 2018-09-21 CN CN201811117735.7A patent/CN109446482A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628834A (zh) * | 2012-03-30 | 2012-08-08 | 广东电网公司电力科学研究院 | 大型汽轮机叶片断裂故障在线诊断方法 |
| CN107576488A (zh) * | 2017-08-30 | 2018-01-12 | 沃德传动（天津）股份有限公司 | 一种采用振动算法对设备运行状态进行监测诊断的方法 |
| CN108154166A (zh) * | 2017-11-30 | 2018-06-12 | 辽宁科技大学 | 一种风机智能故障诊断系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| "基于盲分离的制冷机故障振动诊断研究" * |
| 王志毅: "二级模糊综合评判方法在制冷机故障诊断中的应用" * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112539935A (zh) * | 2020-11-25 | 2021-03-23 | 西安因联信息科技有限公司 | 旋转机械基础类故障的识别方法 |
| CN112539935B (zh) * | 2020-11-25 | 2022-10-14 | 西安因联信息科技有限公司 | 旋转机械基础类故障的识别方法 |
| CN113742931A (zh) * | 2021-09-13 | 2021-12-03 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
| CN113742931B (zh) * | 2021-09-13 | 2024-01-26 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
| CN113899093A (zh) * | 2021-10-20 | 2022-01-07 | 中国船舶重工集团公司第七0四研究所 | 螺杆式制冷压缩机回油故障的辨识和预判方法 |
| CN117132112A (zh) * | 2023-09-11 | 2023-11-28 | 河北洁源安评环保咨询有限公司 | 化工企业安全风险隐患排查评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109446482A (zh) | 状态监测与故障诊断技术在制冷机组运行管理中的应用 | |
| US9714883B2 (en) | Bearing test apparatus for testing durability of bearing | |
| JP6469980B2 (ja) | 故障診断システム及び故障診断方法 | |
| CN104632602B (zh) | 往复式注水泵状态监测及故障诊断系统 | |
| CN107941543B (zh) | 用于故障预测与健康管理的制冷系统性能测试模式设计方法 | |
| Armstrong et al. | Detection of rooftop cooling unit faults based on electrical measurements | |
| CN104949411A (zh) | 一种冷媒量检测装置、具有该检测装置的空调及检测方法 | |
| Kim et al. | Performance investigation of a variable speed vapor compression system for fault detection and diagnosis | |
| CN109312630A (zh) | 用于监测非旋转涡轮机部件的方法和系统 | |
| CN113092111B (zh) | 用于检测气体轴承磨损的方法及系统 | |
| JP6567838B2 (ja) | 液体ポンプのメインテナンス・スケジューラ | |
| CN103429445A (zh) | 用于识别机动车的冷却循环回路中的故障的方法和诊断测试器 | |
| Griffith et al. | Online, Continuous Monitoring Of Mechanical Condition And Performance For Critical Reciprocating Compressors. | |
| CN110382878A (zh) | 确定用于预测压缩机中不稳定性的指标的方法和装置及其用途 | |
| Gowid et al. | Characterisation of major fault detection features and techniques for the condition-based monitoring of high-speed centrifugal blowers | |
| KR101644437B1 (ko) | 터보 냉동기 | |
| WO2020046138A9 (en) | Combined system controller, and method for such | |
| STAN | ON THE DURABILITY OF CENTRIFUGAL PUMPS. | |
| Forsthoffer | Forsthoffer’s Component Condition Monitoring | |
| Yohana et al. | Analysis of High Vibration Causing 211-P-25A Centrifugal Pump Damage in Hydrocraker Process | |
| Kareem et al. | A condition based model for maintenance planning on critical equipment in the petrochemical industry | |
| Mohamad et al. | Review on Advance Monitoring of Electrical and Mechanical Failure in Submersible Pump | |
| Tayebi et al. | Blade Health Monitoring System for Gas Turbines Subjected to Contaminated Air | |
| Gruntfest et al. | Rotor Instability Problems In An Integrally Geared Compressor Supported By Tilting Pad Bearings. | |
| Stavale | Reducing reliability incidents and improving meantime between repair |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190308 |