CN109751513A - 一种天然气长输管道离心压缩机组智能保护系统 - Google Patents
一种天然气长输管道离心压缩机组智能保护系统 Download PDFInfo
- Publication number
- CN109751513A CN109751513A CN201811471346.4A CN201811471346A CN109751513A CN 109751513 A CN109751513 A CN 109751513A CN 201811471346 A CN201811471346 A CN 201811471346A CN 109751513 A CN109751513 A CN 109751513A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- failure
- unit
- centrifugal compressor
- 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
Abstract
本专利公开了一种天然气长输管道离心压缩机组停机保护系统，所述系统包括：数据采集传感器，数据通信单元，数据处理单元，处理来自于所述数据采集传感器的数据，并根据处理结果提供故障报警信息；停机保护单元，通过上述系统提高对于天然气长输管道离心压缩机的智能保护能力。
Description
技术领域
本专利涉及天然气设备技术领域，特别是涉及一种天然气长输管道离心压缩机组智能保护系统。
背景技术
压缩机在石化企业一般指离心压缩机和轴流压缩机。透平压缩机是用来提高气体压力，并输送气体的机械，又是也通称为风机。通常透平压缩机和汽轮机、燃气轮机、水轮机等原动机构成透平压缩机机组。透平压缩机中应用最广泛的还是轴流式与离心式两种。其中离心式压缩机是指气体在离心式压缩机中的运动是沿着垂直于压缩机轴的径向进行的。气体压力的提高是由于气体流经叶轮时，由于叶轮旋转，使气体受到离心力的作用而产生压力，同时气体获得速度，而气体流过叶轮、扩压器等扩张通道时，气体的流动速度又逐渐减慢而使气体压力得到提高。
在天然气长输送管道系统中，通常采用离心压缩机组为长距离的天然气输送提供动力，这使得离心式压缩机成为天然气长输送管道系统中的关键部件，其工作状态直接影响到天然气长输送管道的工作。
在现有技术中，对于天然气长输管道离心压缩机组的工作状态监测通常采用振动监测的方式来实现，如果发现异常的振动特征则进行停机振动的保护。这种监测方式在现有技术中已经被证明是可以在一定程度上实现对于天然气长输管道离心压缩机组的故障监测和保护功能，具有一定的实际意义。
但是现有技术中的上述方案仍然存在着如下问题，首先，监测点的选取上不够合理对于设备的振动特征提取不够，其次其故障监测采用阈值的方式来实现，其故障识别准确率低，误报误停的事情时有发生，影响了设备的正常工作。
发明内容
本专利正是基于现有技术的上述缺陷而提出的，本专利要解决的技术问题是提供一种天然气长输管道离心压缩机组智能保护系统，以提高对于天然气长输管道离心压缩机的检测能力和准确性。
为了解决上述问题，本专利提供的技术方案包括：
一种天然气长输管道离心压缩机组智能保护系统，其特征在于，所述系统包括：数据采集传感器，所述数据采集传感器包括：键相传感器、轴向振动传感器和轴位移传感器；所述键相传感器感测键相信号；所述振动传感器设置在所述驱动机轴的左右两侧每侧设置两组，以及在压缩机轴的左右两侧每侧设置两组，其中每一侧的两组分别为为轴向位移测点A和径向垂直测点V；所述轴向位移传感器在所述驱动机轴的两端部各设置两组，共计四组；数据通信单元，所述数据通信单元所述信息采集传感器相连，接收来自所述数据采集传感器的信号；数据处理单元，处理来自于所述数据采集传感器的数据，并根据处理结果提供故障报警信息；首先，分析已知为正常工况条件下由所述采集传感器采集得到的数据；对于传感器的数据进行整合和提取，获取所代表的设备运行的局部特征进行整合和提取，抽取局部数据中多个数据组合后所反映的该设备的某一运行状态特征，所述运行状态特征包括：掉叶片、油膜振荡、碰磨摩擦、质量不平衡、齿轮啮合缺陷、联轴节精度过低或损伤、不对中、喘振、气流激振、油膜涡动、旋转失速、透平带液、支撑松动、轴瓦间隙大、透平不均匀进气、隔板倾斜、轴承支撑刚度垂直水平不等、临近振源影响和测量面缺陷以及交流干扰；然后，计算得到在正常工况下上述特征数据的数值范围，并将上述数值范围作为特征阈值作为评判设备正常工作的范围，对于运行特征Ai，其报警范围为Amin-Amax；接着，获取实时工况数据，并根据该数据获取计算得到实施工况下各个运行状态特征的数值，并将其与正常工况下的上述特征数据进行比较，将实时工况下的特征数值处于正常工况报警范围之外则判断出现该类型的故障；停机保护单元，所述停机保护单元综合分析所述报警信息，根据报警信息分析结果执行停机保护；所述停机保护单元采用智能联锁保护的无量纲指数计算模型来判断每一种特征的智能保护无量纲指数，在指数超过预定的范围时才决定停机，所述模型为：其中H(i)为第i种智能保护无量纲指数；V(i)为第i种故障劣化程度无量纲指数；D(i)：第i种故障风险度指数；为计算故障特征数值与监测量最大值的比；机组当前故障劣化程度无量纲指数V(i)数学模型为：其中：V(i)为第i种故障劣化程度无量纲指数； f(i,j)为第i种故障第j时刻故障特征值当前值；N(i,j)为第i种故障第j时刻故障特征值正常值，取自机组无故障平稳运行状态数据；F(i,j)为第i种故障第j时刻故障特征值报警值；k(i,j)为第i种故障第j时刻故障特征值的敏感性系数；n为监测周期。
优选地，所述数据采集传感器为电涡流传感器振动传感器。
优选地，故障风险度系数D(i)包括：掉叶片1；油膜振荡0.97；碰磨摩擦0.95；质量不平衡0.91；齿轮啮合缺陷0.88；联轴节精度过低或损伤0.87；不对中0.85；喘振0.84；气流激振0.84；油膜涡动0.83；旋转失速0.83；透平带液0.81；支撑松动 0.81；轴瓦间隙大0.75；透平不均匀进气0.68；隔板倾斜0.68；轴承支撑刚度垂直水平不等0.59；临近振源影响0.42；测量面缺陷0.22；交流干扰0.21。
附图说明
图1是本专利中检测点的布置位置结构图。
具体实施方式
下面结合附图对本专利的具体实施方式进行详细说明，需要指出的是，该具体实施方式仅仅是对本专利优选技术方案的举例，并不能理解为对本专利保护范围的限制。
本具体实施方式中涉及一种天然气长输管道离心压缩机组智能保护系统。在本具体实施方式中，所述天然气长输管道离心压缩机组的结构如图1所示，其具有结构复杂体积庞大的特点，因此对于天然气长输管道离心压缩机组的特征采集是一个重要的环节，即如何采集到必要的特征数据而又不至于设置采集点过多而避免影响天然气长输管道离心压缩机组的正常工作或者是增大了不必要的数据处理量是解决该环节的重要难点。
在本具体实施方式中，所述数据采集传感器包括：键相传感器、轴振动传感器和轴位移传感器。所述键相传感器感测键相信号、其性质为测量转速的电涡流传感器，提供触发采集；轴向位移信号为电涡流传感器检测的测量轴位移值(静态量和动态量)，监测轴位移故障。所述轴向振动传感器设置在所述驱动机轴的端部设置两组，在压缩机轴的端部设置两组，共计四组。所述震动传感器设置在所述驱动机轴的左右两侧每侧设置两组，以及在压缩机轴的左右两侧每侧设置两组，共计8组。其中每一侧的两组分别为 A，为轴向位移测点；V，为径向垂直测点。
这样通过设置上述13组检测点相对于现有技术而言可以提供更为丰富的信息，即包括驱动机以及压缩机不同部位的详细振动信息，从而能够获取相应位置的准确特征为天然气长输管道离心压缩机组的状态判断提供更全面的信息，上述多个位置的布置不仅能够获取相应位置的信息，还可以互相验证和支撑，因此更利于准确判断天然气长输管道离心压缩机组的工作状态。本专利中设置得传感器位置更全面数量更多，是因为本专利需要获取更多数据从而根据上述数据进行综合判断，这不同于现有技术中的阈值判定方法仅仅取关键的少数几个位置的数据，根据设定的阈值直接决定故障与否。
本具体实施方式中的系统还包括数据通信单元，所述数据通信单元所述信息采集传感器相连，接收来自所述数据采集传感器的信号，并将所述信号的数据进行提取，从而便于进行分析和处理，所述信息采集单元可以采用通信数据线或者是无线通信的方式来实现，优选是采用有线通信，可以减少通信干扰，提高通信的实效性和准确性。
进一步地，本具体实施方式中的系统还包括数据处理单元。大型透平压缩机组作为关键机械设备之一，为防止机组发生故障而引发重大事故，在实际工程应用中通常为透平机组配备联锁系统。目前普遍使用的振动联锁保护系统(如GE Bently 3500系统等) 一直采用以通频幅值进行联锁停车保护方式，由于该联锁方式对故障种类及其风险度没有针对性，同时又经常出现虚假信号导致联锁停机，造成不必要的过保护问题。为确保连续生产避免造成较大的生产损失，在实际操作中经常人为摘除振动联锁保护或放大报警幅度，由此会带来巨大安全隐患。
针对上述缺陷，在本具体实施方式中并不是简单的采用通频幅值的方式来实现对于故障的判断而是对于相关的数据进行如下处理：
首先，根据历史数据以及当前数据分析故障的类型并提出报警，在本具体实施方式中，根据故障的类型和故障的特征分析历史数据可以采用如下过程。在此过程中包括：
S101分别采集机械正常工况运行数据和实时工况运行数据；所述正常工况是指在已知为正常工况条件下由所述采集传感器采集得到的数据；在正常工况下的数据可以根据时间的推移而进行调整，因为随着设备的使用被认为正常状态的数据是不同的，因此可以在预定的时间周期，例如每次设备保养之后重新确定正常工况条件下的运行数据。
S102提取数据特征集,构造特征相空间；在这个过程中，对于设置的检测点所代表的设备运行的局部特征进行整合和提取，抽取局部数据中多个数据组合后所反映的该设备的某一特征匀行状况，根据该状况构造特征相空间。例如可以将设备的运行状态划分为掉叶片、油膜振荡、碰磨、摩擦、质量不平衡、齿轮啮合缺陷、联轴节精度过低或损伤、不对中、喘振、气流激振、油膜涡动、旋转失速、透平带液、支撑松动、轴瓦间隙大、透平不均匀进气、隔板倾斜、轴承支撑刚度垂直水平不等、临近振源影响、测量面缺陷以及交流干扰等。这些特征均可以由上文所述的数据采集传感器的合理设置得到，通过分析不同传感器所反映的数据特性可以整合计算得到上述设备的运行状态，从而构成特征相空间。这些特征基于不同的传感器数据综合分析得到，本领域技术人员可以根据检测该设备的经验以及对于具体传感器的位置所代表的特征分析得出。
Ai＝f(X)
xi1j xi1(j+1) xi1(j+2) xi1(j+3)
xi2j xi2(j+1) xi2(j+2) xi2(j+3)
xi3j xi3(j+1) xi3(j+2) xi3(j+3)
xi4j xi4(j+1) xi4(j+2) xi4(j+3)
其中，Xi1j表示对于特征i的第一个传感器的第j时刻所检测到的数据。通过上述方法计算得到的Ai表示在一定的时间周期内所获取的特征值。
S103计算得到在正常工况下上述特征数据的数值范围，并将上述数值范围作为特征阈值作为评判设备正常工作的范围。通过上述数据计算得到Ai正常工况的综合评价数值范围，并计算得到在一定的时间长度内综合统计的时间下的综合评价数值范围 Amax-Amin。并将上述数值范围作为报警范围。
S104获取实时工况数据，并根据该数据获取计算得到实施工况下各个特征的数值，并将其与正常工况下的上述特征数据进行比较，将实时工况下的特征数值处于正常工况范围之外则判断出现该类型的故障。实施工况的特征数值记做At，其中t代表t时间段内的数据，所述t为一个计算周期，例如可以是2s，5s，10s等，
S105比较实施工况数据和报警范围，如果实时数据超出上述报警范围，则发送报警信号。如果实时数据在固定的范围内，则判断为正常工作。
在本具体实施方式中，采用多个传感器源采集的特征数据，然后根据多个传感器采集的数据综合分析每一种故障所针对的传感器的数据特性，并组合得到特征数据，这样的方案一方面相对于现有技术的同频阈值来说可以更加贴近设备的实际运行状况，另一方面相对于例如采用狄利克雷混合模型等情况来说，这种判断方式是根据具有逻辑性更强的设备运行故障特征而定的，一方面避免需要长期的大量的数据的处理，提高了计算的速度，另一方面在故障判断上避免了采用机器智能模型时容易出现的毫无逻辑的判断结果的情况，具有更高的准确性和逻辑性，对设备故障的识别能力更强。
进一步地，本具体实施方式中的系统还包括联锁停机单元，所述联锁停机单元与所述数据处理单元相连，根据所述数据处理单元的报警信息决定所述天然气长输管道离心压缩机组是否停机。
在天然气长输管道离心压缩机组发生故障时，智能联锁保护系统是否执行联锁停机取决于该故障的破坏力大小，当前对不同故障的破坏力界定主要依赖于人的工程经验，在智能联锁保护系统中需要进行量化，因而，提出了基于无量纲参数模型的压缩机组智能联锁保护技术。在本具体实施方式中，所述联锁停机单元采用智能联锁保护的无量纲指数计算模型来判断每一种特征的智能保护无量纲指数，在指数超过预定的范围时才决定停机，所述模型为：
其中，H(i)为第i种智能保护无量纲指数；V(i)为第i种故障劣化程度无量纲指数；D(i)：第i种故障风险度指数；为计算故障特征数值与监测量最大值的比。
机组当前故障劣化程度无量纲指数V(i)数学模型，定义如下：
其中：
V(i)：第i种故障劣化程度无量纲指数；
f(i,j)：第i种故障第j时刻故障特征值当前值；
N(i,j)：第i种故障第j时刻故障特征值正常值，取自机组无故障平稳运行状态数据；
F(i,j)：第i种故障第j时刻故障特征值报警值；
k(i,j)：第i种故障第j时刻故障特征值的敏感性系数；
n：监测周期。
故障风险度D(i)采用半定量分析的层次分析法对机组不同故障风险度指数进行计算。参考以可靠性为中心的维修(RCM)技术，以每种故障安全影响、环境影响、生产影响与维修成本为决策指标，建立半定量分析模型，计算天然气长输管道离心压缩机组的相关类型故障风险度，如下表所示：
Claims (3)
1.一种天然气长输管道离心压缩机组智能保护系统，其特征在于，所述系统包括：
数据采集传感器，所述数据采集传感器包括：键相传感器、轴向振动传感器和轴位移传感器；所述键相传感器感测键相信号；所述振动传感器设置在所述驱动机轴的左右两侧每侧设置两组，以及在压缩机轴的左右两侧每侧设置两组，其中每一侧的两组分别为为轴向位移测点A和径向垂直测点V；所述轴向位移传感器在所述驱动机轴的两端部各设置两组，共计四组；
数据通信单元，所述数据通信单元所述信息采集传感器相连，接收来自所述数据采集传感器的信号；
数据处理单元，处理来自于所述数据采集传感器的数据，并根据处理结果提供故障报警信息；首先，分析已知为正常工况条件下由所述采集传感器采集得到的数据；对于传感器的数据进行整合和提取，获取所代表的设备运行的局部特征进行整合和提取，抽取局部数据中多个数据组合后所反映的该设备的某一运行状态特征，所述运行状态特征包括：掉叶片、油膜振荡、碰磨摩擦、质量不平衡、齿轮啮合缺陷、联轴节精度过低或损伤、不对中、喘振、气流激振、油膜涡动、旋转失速、透平带液、支撑松动、轴瓦间隙大、透平不均匀进气、隔板倾斜、轴承支撑刚度垂直水平不等、临近振源影响和测量面缺陷以及交流干扰；然后，计算得到在正常工况下上述特征数据的数值范围，并将上述数值范围作为特征阈值作为评判设备正常工作的范围，对于运行特征Ai，其报警范围为Amin-Amax；接着，获取实时工况数据，并根据该数据获取计算得到实施工况下各个运行状态特征的数值，并将其与正常工况下的上述特征数据进行比较，将实时工况下的特征数值处于正常工况报警范围之外则判断出现该类型的故障；
停机保护单元，所述停机保护单元综合分析所述报警信息，根据报警信息分析结果执行停机保护；所述停机保护单元采用智能联锁保护的无量纲指数计算模型来判断每一种特征的智能保护无量纲指数，在指数超过预定的范围时才决定停机，所述模型为：其中H(i)为第i种智能保护无量纲指数；V(i)为第i种故障劣化程度无量纲指数；D(i)：第i种故障风险度指数；为计算故障特征数值与监测量最大值的比；机组当前故障劣化程度无量纲指数V(i)数学模型为：其中：V(i)为第i种故障劣化程度无量纲指数；f(i,j)为第i种故障第j时刻故障特征值当前值；N(i,j)为第i种故障第j时刻故障特征值正常值，取自机组无故障平稳运行状态数据；F(i,j)为第i种故障第j时刻故障特征值报警值；k(i,j)为第i种故障第j时刻故障特征值的敏感性系数；n为监测周期。
2.根据权利要求2所述的一种天然气长输管道离心压缩机组智能保护系统，其特征在于，所述数据采集传感器为电涡流传感器振动传感器。
3.根据权利要求2所述的一种天然气长输管道离心压缩机组智能保护系统，其特征在于，故障风险度系数D(i)包括：掉叶片1；油膜振荡0.97；碰磨摩擦0.95；质量不平衡0.91；齿轮啮合缺陷0.88；联轴节精度过低或损伤0.87；不对中0.85；喘振0.84；气流激振0.84；油膜涡动0.83；旋转失速0.83；透平带液0.81；支撑松动0.81；轴瓦间隙大0.75；透平不均匀进气0.68；隔板倾斜0.68；轴承支撑刚度垂直水平不等0.59；临近振源影响0.42；测量面缺陷0.22；交流干扰0.21。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811471346.4A CN109751513B (zh) | 2018-12-03 | 2018-12-03 | 一种天然气长输管道离心压缩机组智能保护系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811471346.4A CN109751513B (zh) | 2018-12-03 | 2018-12-03 | 一种天然气长输管道离心压缩机组智能保护系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109751513A true CN109751513A (zh) | 2019-05-14 |
| CN109751513B CN109751513B (zh) | 2022-05-10 |
Family
ID=66403548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811471346.4A Active CN109751513B (zh) | 2018-12-03 | 2018-12-03 | 一种天然气长输管道离心压缩机组智能保护系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109751513B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201820109U (zh) * | 2010-09-17 | 2011-05-04 | 济南轨道交通装备有限责任公司 | 风力发电机组试验台用在线状态监测系统 |
| JP2011127528A (ja) * | 2009-12-18 | 2011-06-30 | Tokyo Electric Power Co Inc:The | 空気圧縮機の監視装置 |
| CN102913432A (zh) * | 2012-11-08 | 2013-02-06 | 北京化工大学 | 一种基于无量纲指数的往复压缩机故障监测诊断方法 |
| CN202955484U (zh) * | 2012-12-17 | 2013-05-29 | 中国石油大学(北京) | 管道及动力机组故障诊断综合实验台 |
| CN103149046A (zh) * | 2013-03-07 | 2013-06-12 | 北京化工大学 | 一种基于专家思维的多维度故障诊断方法 |
| CN103364027A (zh) * | 2012-03-30 | 2013-10-23 | 极晨智道信息技术(北京)有限公司 | 一种旋转机械劣化趋势预测的方法和装置 |
| CN104363106A (zh) * | 2014-10-09 | 2015-02-18 | 国网辽宁省电力有限公司信息通信分公司 | 一种基于大数据技术的电力信息通信故障预警分析方法 |
| CN104487710A (zh) * | 2012-01-27 | 2015-04-01 | 诺沃皮尼奥内股份有限公司 | 针对天然气的压缩机系统、用于压缩天然气的方法以及使用它们的设备 |
| CN106446339A (zh) * | 2016-08-29 | 2017-02-22 | 北京化工大学 | 基于狄利克雷混合模型的转动机械运行状态异常检测方法 |
| US20180135790A1 (en) * | 2015-06-19 | 2018-05-17 | Smtech Co., Ltd | Water hammer prevention system using operation state analysis algorithm |
-
2018
- 2018-12-03 CN CN201811471346.4A patent/CN109751513B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011127528A (ja) * | 2009-12-18 | 2011-06-30 | Tokyo Electric Power Co Inc:The | 空気圧縮機の監視装置 |
| CN201820109U (zh) * | 2010-09-17 | 2011-05-04 | 济南轨道交通装备有限责任公司 | 风力发电机组试验台用在线状态监测系统 |
| CN104487710A (zh) * | 2012-01-27 | 2015-04-01 | 诺沃皮尼奥内股份有限公司 | 针对天然气的压缩机系统、用于压缩天然气的方法以及使用它们的设备 |
| CN103364027A (zh) * | 2012-03-30 | 2013-10-23 | 极晨智道信息技术(北京)有限公司 | 一种旋转机械劣化趋势预测的方法和装置 |
| CN102913432A (zh) * | 2012-11-08 | 2013-02-06 | 北京化工大学 | 一种基于无量纲指数的往复压缩机故障监测诊断方法 |
| CN202955484U (zh) * | 2012-12-17 | 2013-05-29 | 中国石油大学(北京) | 管道及动力机组故障诊断综合实验台 |
| CN103149046A (zh) * | 2013-03-07 | 2013-06-12 | 北京化工大学 | 一种基于专家思维的多维度故障诊断方法 |
| CN104363106A (zh) * | 2014-10-09 | 2015-02-18 | 国网辽宁省电力有限公司信息通信分公司 | 一种基于大数据技术的电力信息通信故障预警分析方法 |
| US20180135790A1 (en) * | 2015-06-19 | 2018-05-17 | Smtech Co., Ltd | Water hammer prevention system using operation state analysis algorithm |
| CN106446339A (zh) * | 2016-08-29 | 2017-02-22 | 北京化工大学 | 基于狄利克雷混合模型的转动机械运行状态异常检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张婉悦: "天然气长输管道燃压机组控制技术探究", 《通用机械》 * |
| 董良遇: "往复压缩机运行状态风险评价技术研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109751513B (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109707653A (zh) | 一种天然气长输管道离心压缩机组智能监控系统 | |
| CN101592590B (zh) | 一种转动叶片故障间接诊断技术 | |
| CN102758655B (zh) | 用于保护旋转机械的方法 | |
| CN105628421A (zh) | 一种水电机组分工况振摆越限监测预警方法 | |
| CN107313816B (zh) | 一种汽轮机tsi测量装置及测量方法 | |
| CN101907486A (zh) | 转子动力系统的横向振动、角振动和扭转振动的监测 | |
| CN107003212B (zh) | 旋转机械的状态监视装置、旋转机械及旋转机械的状态监视方法 | |
| CN109779938B (zh) | 一种离心压缩机组智能联锁保护方法 | |
| CN112329357B (zh) | 一种清水离心泵振动故障的简易诊断方法及诊断系统 | |
| CN109944809A (zh) | 一种诊断浆液循环泵故障的方法 | |
| EP2761188B1 (en) | Systems and methods for determining the level of fouling of compressors | |
| CN104315968A (zh) | 监测直驱风力发电机气隙变化的方法和装置 | |
| CN109630450A (zh) | 一种天然气长输管道离心压缩机组停机保护方法 | |
| Fan et al. | Research on running status monitoring and rotating blade crack detection of large-scale centrifugal compressor based on blade tip timing technique | |
| CN109751513A (zh) | 一种天然气长输管道离心压缩机组智能保护系统 | |
| CN115111181A (zh) | 一种轴流式风机的叶片健康度智能监测分析评估方法、系统装置及用途 | |
| Higham et al. | Predictive maintenance of pumps based on signal analysis of pressure and differential pressure (flow) measurements | |
| CN207246542U (zh) | 一种阀门内漏及阀门实时开度的监测预警装置 | |
| CN109341780A (zh) | 一种多手段低成本风机故障监测方法 | |
| CN109578090B (zh) | 一种透平机械及其转速计算算法 | |
| CN213450795U (zh) | 一种活塞式压缩机在线实时监控系统 | |
| CN116756666B (zh) | 一种多源数据融合的离心式压缩机健康状态评估方法 | |
| Hernandez et al. | A Low-Cost Electrical Rotary Machinery Fault Detector | |
| CN105424259A (zh) | 风力发电机组主轴制动器的制动力矩的测量装置和方法 | |
| Szlivka et al. | Measured and non-free vortex design results of axial flow fans |
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: Yan Xiao Inventor after: Liu Tinggang Inventor after: Wang Lei Inventor after: Liu Xiaobo Inventor after: Zhao Feisong Inventor after: Chen Fulin Inventor after: Lan Xiaochuan Inventor after: Gao Jiali Inventor before: Liu Tinggang Inventor before: Wang Lei Inventor before: Xia Min Inventor before: Liu Xiaobo Inventor before: Zhao Feisong Inventor before: Chen Fulin Inventor before: Lan Xiaochuan Inventor before: Gao Jiali |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220129 Address after: 408107 No. 6, Hefeng Avenue, Xincheng District, Fuling District, Chongqing Applicant after: National pipe network group Chongqing Natural Gas Pipeline Co.,Ltd. Address before: 408100 No.6 Hefeng Avenue, Xincheng District, Fuling District, Chongqing Applicant before: SINOPEC CHONGQING NATURAL GAS PIPELINE Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |