CN111075703A - 一种空气压缩机的故障预测方法及系统 - Google Patents

一种空气压缩机的故障预测方法及系统 Download PDF

Info

Publication number
CN111075703A
CN111075703A CN201811227525.3A CN201811227525A CN111075703A CN 111075703 A CN111075703 A CN 111075703A CN 201811227525 A CN201811227525 A CN 201811227525A CN 111075703 A CN111075703 A CN 111075703A
Authority
CN
China
Prior art keywords
temperature
value
driving shaft
sampling period
target detection
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
Application number
CN201811227525.3A
Other languages
English (en)
Other versions
CN111075703B (zh
Inventor
岳忠
张璐璐
邢伟明
刘建华
李山
陆会鑫
康凯
彭光耀
王少福
谷林波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Laigang Group Electronics Co ltd
Original Assignee
Laigang Group Electronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Laigang Group Electronics Co ltd filed Critical Laigang Group Electronics Co ltd
Priority to CN201811227525.3A priority Critical patent/CN111075703B/zh
Publication of CN111075703A publication Critical patent/CN111075703A/zh
Application granted granted Critical
Publication of CN111075703B publication Critical patent/CN111075703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04BPOSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00Testing machines, pumps, or pumping installations
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04BPOSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B49/00Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
    • F04B49/10Other safety measures
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04BPOSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B2207/00External parameters
    • F04B2207/70Warnings

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本申请公开的空气压缩机故障预测方法及系统,通过对采样所得的驱动轴温度进行处理,获取驱动轴的温度变化参数,然后根据所述温度变化参数,获取当前采样周期的目标检测值,并将所述目标检测值与预设的报警阈值进行比较,根据比较结果,判断空气压缩机是否即将发生故障。相较于现有技术中的空气压缩机故障检测方法,本申请公开的方法能够根据实际生产状况,通过温度变化参数获取目标检测值,当目标检测值大于或等于预设的报警阈值时,判断出空气压缩机即将发生故障,及时发出警告,提醒操作人员进行异常现象的排查,防止故障的发生以及严重化,从而有效避免因空气压缩机故障而造成的经济损失。

Description

一种空气压缩机的故障预测方法及系统
技术领域
本申请涉及空气压缩机技术领域,尤其涉及一种空气压缩机的故障预测方法及系统。
背景技术
空气压缩机是一种用于压缩气体的装置,空气压缩机能够通过压缩空气为生产提供动力,因此被广泛应用于工业生产中的各行各业。驱动轴作为空气压缩机的核心部件之一,其温度是判断空气压缩机运行状况的重要参考依据。
空气压缩机在发生故障的时候,驱动轴的温度往往会出现一些异常表现,例如,与空气压缩机正常运行时相比,在空气压缩机发生故障的时候,驱动轴的温度会升高。因此,通过分析驱动轴温度的异常表现,能够对空气压缩机的故障进行判断。现有技术中,通常采用预设温度报警阈值的方法对空气压缩机的故障进行判断,该方法中,将实际检测的驱动轴温度与温度报警阈值进行比较,如果实际检测的驱动轴温度超过预设的温度报警阈值,则可以判定当前的空气压缩机出现故障。例如,根据实际生产的情况,现有技术中的空气压缩机故障检测系统将温度报警阈值设置为95℃,一旦检测到驱动轴的实际温度高于95℃,系统便自动判定此时的空气压缩机出现故障,同时触发报警设备以提示操作人员进行故障排查。
但是,申请人在本发明的研究过程中发现,现有技术中提供的方法,只能在驱动轴的温度超过温度报警阈值时,才会判断出当前的空气压缩机出现故障,进而触发报警设备。也就是说,现有技术中的空气压缩机故障检测方法不能在故障发生之前,对即将发生的故障进行预测,只有在故障发生的时候才能发出警报,提醒操作人员进行停机维修,这种情况下,不仅无法避免所造成的经济损失,而且降低了生产效率。
发明内容
为了解决现有技术不能对空气压缩机是否即将出现的故障进行预测的问题,本申请通过以下各个实施例公开一种空气压缩机故障预测方法及系统。
在本申请的第一方面,公开一种空气压缩机故障预测方法,所述方法包括:
对驱动轴在各个时间点的温度进行采样;
对采样所得的所述驱动轴在各个时间点的温度进行处理,获取所述驱动轴的温度变化参数;
根据所述温度变化参数,获取当前采样周期的目标检测值;
将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障。
可选的,若所述目标检测值为温度波动幅度值,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度波动幅度值:
Figure BDA0001836343810000021
其中,S2为所述温度波动幅度值,x1,x2,x3,…,xn为当前采样周期内对n个采样点进行采样所获取的驱动轴温度,M为所述驱动轴的温度变化期望值,所述温度变化期望值为所述温度变化参数;
若所述目标检测值为温度变化趋势值,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度变化趋势值:
Figure BDA0001836343810000022
其中,Trend为所述温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数。
若所述目标检测值为温度累积变化值,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度累积变化值:
Figure BDA0001836343810000023
Figure BDA0001836343810000024
其中,SumRoc为温度累积变化值,Trendt为温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数,∑为数学运算中的求和公式,m表示m个采样周期。
可选的,所述将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障,包括:
将所述温度波动幅度值与预设的第一报警阈值进行比较,若所述温度波动幅度值大于或等于所述第一报警阈值,则判定所述空气压缩机即将发生故障;
或者,
将所述温度变化趋势值与预设的第二报警阈值进行比较,若所述温度变化趋势值大于或等于所述第二报警阈值,则判定所述空气压缩机即将发生故障;
或者,
将所述温度累积变化值与预设的第三报警阈值进行比较,若所述温度累积变化值大于或等于所述第三报警阈值,则判定所述空气压缩机即将发生故障。
可选的,在所述判断空气压缩机是否即将发生故障的结果为否之后,所述方法还包括:
根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值;
将所述下一采样周期的驱动轴温度平均值与预设的预警阈值进行比较,若所述下一采样周期的驱动轴温度平均值大于或等于所述预警阈值,则判定所述空气压缩机在下一采样周期将出现故障。
可选的,所述根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值,包括:
根据以下公式,获取所述下一采样周期的驱动轴温度平均值:
Figure BDA0001836343810000031
xt+1=xt+Trend×Δt;
其中,xt+1为所述下一采样周期内n个采样点的驱动轴温度平均值,Trend为温度变化趋势值,所述温度变化趋势值为所述目标检测值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值。
在本申请的第二方面,公开一种空气压缩机故障预测系统,所述系统包括:
采样模块,用于对驱动轴在各个时间点的温度进行采样;
温度变化参数获取模块,用于对采样所得的所述驱动轴在各个时间点的温度进行处理,获取所述驱动轴的温度变化参数;
目标检测值获取模块,用于根据所述温度变化参数,获取当前采样周期的目标检测值;
故障判断模块,用于将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障。
可选的,若所述目标检测值为温度波动幅度值,所述目标检测值获取模块,包括:
温度波动幅度值计算单元,用于通过以下公式,获取所述温度波动幅度值:
Figure BDA0001836343810000032
其中,S2为所述温度波动幅度值,x1,x2,x3,…,xn为当前采样周期内对n个采样点进行采样所获取的驱动轴温度,M为所述驱动轴的温度变化期望值,所述温度变化期望值为所述温度变化参数;
若所述目标检测值为温度变化趋势值,所述目标检测值获取模块包括:
温度变化趋势值计算单元,用于通过以下公式,获取所述温度变化趋势值:
Figure BDA0001836343810000033
其中,Trend为所述温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数;
若所述目标检测值为温度累积变化值,所述目标检测值模块包括:
温度累积变化值计算单元,用于通过以下公式,获取所述温度累积变化值:
Figure BDA0001836343810000041
Figure BDA0001836343810000042
其中,SumRoc为温度累积变化值,Trendt为温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数,∑为数学运算中的求和公式,m表示m个采样周期。
可选的,所述故障判断模块包括:
第一判断单元,用于将所述温度波动幅度值与预设的第一报警阈值进行比较,若所述温度波动幅度值大于或等于所述报警阈值,则判定所述空气压缩机即将发生故障;
或者,
第二判断单元,用于将所述温度变化趋势值与预设的第二报警阈值进行比较,若所述温度变化趋势值大于或等于所述报警阈值,则判定所述空气压缩机即将发生故障;
或者,
第三判断单元,用于将所述温度累积变化值与预设的第三报警阈值进行比较,若所述温度累积变化值大于或等于所述第三报警阈值,则判定所述空气压缩机即将发生故障。
可选的,所述系统还包括:
驱动轴温度平均值获取模块,用于在所述故障判断模块的判断结果为否之后,根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值;
故障预判断模块,用于将所述下一采样周期的驱动轴温度平均值与预设的预警阈值进行比较,若所述下一采样周期的驱动轴温度平均值大于或等于所述预警阈值,则判定所述空气压缩机在下一采样周期将出现故障。
可选的,所述驱动轴温度平均值获取模块,包括:
驱动轴温度平均值计算单元,用于根据以下公式,获取所述下一采样周期的驱动轴温度平均值:
Figure BDA0001836343810000043
xt+1=xt+Trend×Δt;
其中,xt+1为所述下一采样周期内n个采样点的驱动轴温度平均值,Trend为温度变化趋势值,所述温度变化趋势值为所述目标检测值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值。
本申请公开的空气压缩机故障预测方法及系统,通过对采样所得的驱动轴温度进行处理,获取驱动轴的温度变化参数,然后根据所述温度变化参数,获取当前采样周期的目标检测值,并将所述目标检测值与预设的报警阈值进行比较,根据比较结果,判断空气压缩机是否即将发生故障。相较于现有技术中的空气压缩机故障检测方法,本申请公开的方法能够根据实际生产状况,通过温度变化参数获取目标检测值,根据目标检测值判断空气压缩机是否即将出现故障,当目标检测值大于或等于预设的报警阈值,表明空气压缩机的运行状态出现异常,此时判断出空气压缩机即将发生故障,提醒操作人员进行异常现象的排查,可以防止异常现象的严重化,从而避免故障的发生,有效避免因空气压缩机故障而造成的经济损失。
进一步的,本申请公开的空气压缩机预测方法还可以根据当前采样周期的目标检测值,获取下一采样周期内的温度平均值,并且判断所述下一采样周期内的温度平均值是否大于或等于预设的预警阈值,若是,则判定下一采样周期内的空气压缩机即将出现故障。使操作人员提前对下一时间段空气压缩机的运行状况进行掌控,有效避免因空气压缩机出现故障从而造成的经济损失。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种空气压缩机故障预测方法的工作流程示意图;
图2为本申请实施例公开的一种空气压缩机故障预测方法中,驱动轴温度采样数据的示意图;
图3为本申请实施例公开的一种空气压缩机故障预测方法中,驱动轴温度波动幅度值的示意图;
图4为本申请实施例公开的一种空气压缩机故障预测方法中,驱动轴温度变化趋势值的示意图;
图5为本申请实施例公开的一种空气压缩机故障预测系统的结构示意图。
具体实施方式
为了解决现有技术不能对空气压缩机是否即将出现的故障进行预测的问题,本申请通过以下各个实施例公开一种空气压缩机故障预测方法及系统。
本申请第一实施例公开一种空气压缩机故障预测方法,参见图1所示的工作流程示意图,所述方法包括:
步骤S11,对驱动轴在各个时间点的温度进行采样。
通过温度传感器采集驱动轴在各个时间点的温度,空气压缩机的驱动轴温度是检测空气压缩机异常状况的重要参考。发生故障的时候,空气压缩机驱动轴的温度变化较为明显,但是在发生故障之前,结合实际工况,驱动轴温度或多或少会产生变化,本申请能够针对驱动轴产生的任意温度变化,在故障发生之间,就判断出空气压缩机的异常。空气压缩机一般存在多级驱动轴,在对驱动轴的温度进行采样时,由于末级驱动轴的温度往往较高,对于空气压缩机的运行状况反应较为及时,因此,优选的方案是,在末级驱动轴上设置多个采样点,并获取温度传感器,对每个采样点的温度进行采样的结果。
步骤S12,对采样所得的所述驱动轴在各个时间点的温度进行处理,获取所述驱动轴的温度变化参数。
采样所得的驱动轴温度在每个时刻都会产生变化,对驱动轴温度的变化进行分解处理,可以获取各采样时刻的驱动轴温度变化参数,例如获取每个采样周期内的驱动轴温度平均值。参见图2,作为示例,在本申请的实施例中,图2展示了末级驱动轴的温度实时采集数据,横坐标为采样时间,纵坐标为温度,从图中可以看出,在空气压缩机运行时,该末级驱动轴的温度在实时发生变化,对温度发生的这些变化进行处理,便可获得该末级驱动轴的温度变化参数。
步骤S13,根据所述温度变化参数,获取当前采样周期的目标检测值。
步骤S14,将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障。
通过上述技术方案可知,本申请公开的空气压缩机故障预测方法及系统,通过对采样所得的驱动轴温度进行处理,获取驱动轴的温度变化参数,然后根据所述温度变化参数,获取当前采样周期的目标检测值,并将所述目标检测值与预设的报警阈值进行比较,根据比较结果,判断空气压缩机是否即将发生故障。相较于现有技术中的空气压缩机故障检测方法,本申请公开的方法能够根据实际生产状况,通过温度变化参数获取目标检测值,根据目标检测值判断空气压缩机是否即将出现故障,当目标检测值大于或等于预设的报警阈值,表明空气压缩机的运行状态出现异常,此时判断出空气压缩机即将发生故障,提醒操作人员进行异常现象的排查,可以防止因异常现象的严重化,导致故障的发生,有效避免因空气压缩机故障而造成的经济损失。
进一步的,若所述目标检测值为温度波动幅度值,步骤S13中,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度波动幅度值:
Figure BDA0001836343810000061
其中,S2为所述温度波动幅度值,x1,x2,x3,…,xn为当前采样周期内对n个采样点进行采样所获取的驱动轴温度,M为所述驱动轴的温度变化期望值,所述温度变化期望值为所述温度变化参数。
实际操作中,S2的值越小,说明驱动轴温度波动程度越小,空气压缩机的运行越稳定。
其中,驱动轴的温度变化期望值M,可通过统计空气压缩机正常运行情况下的温度数据得到,在本申请的实施例中,通过以下公式计算驱动轴的温度变化期望值M:
Figure BDA0001836343810000071
其中,x'1,x'2,x'3,…,x'n表示空气压缩机正常运行状态下的n个采样点的驱动轴温度。
若所述目标检测值为温度变化趋势值,步骤S13中,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度变化趋势值:
Figure BDA0001836343810000072
其中,Trend为所述温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数。
其中,温度变化趋势值Trend越小,说明驱动轴温度变化趋势越平缓,空气压缩机的运行越稳定。每个采样周期内n个采样点的驱动轴温度平均值是指,在采样周期内,求取采集到的n个采样点的温度之和,然后除以采样点的个数n,即可获得在该采样周期内的驱动轴温度平均值。
若所述目标检测值为温度累积变化值,步骤S13中,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度累积变化值:
Figure BDA0001836343810000073
Figure BDA0001836343810000074
其中,SumRoc为温度累积变化值,Trendt为温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数,∑为数学运算中的求和公式,m表示m个采样周期。
进一步的,步骤S14中,所述将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障,包括:
将所述温度波动幅度值与预设的第一报警阈值进行比较,若所述温度波动幅度值大于或等于所述第一报警阈值,则判定所述空气压缩机即将发生故障;
或者,
将所述温度变化趋势值与预设的第二报警阈值进行比较,若所述温度变化趋势值大于或等于所述第二报警阈值,则判定所述空气压缩机即将发生故障;
或者,
将所述温度累积变化值与预设的第三报警阈值进行比较,若所述温度累积变化值大于或等于所述第三报警阈值,则判定所述空气压缩机即将发生故障。
参见图3,图中横坐标为采样时间,纵坐标为温度,距离横坐标较近的曲线为温度波动幅度值波动曲线,此曲线反映了图2中所示出的末级驱动轴温度在不同采样时间点内的波动幅度值,温度波动幅度值是指实时采样所得的温度与温度期望值之间差值的平方,从图3中可以得到,在16时03分18秒这一采样时刻,温度波动幅度值约为0.18度左右,16时03分19秒这一采样时刻时,温度波动幅度值约为0.19度,16时03分20秒这一采样时刻时,温度波动幅度值约为0.19度,对于这些采样时刻,温度波动幅度值相较于温度期望值产生的变化,未超过预设的第一报警阈值,说明空气压缩机处于正常运行的状态。一旦温度波动幅度值大于第一报警阈值时,说明此时空气压缩机的运行出现了异常,通过此异常,便可判定空气压缩机即将发生故障。图3中距离横坐标较远的直线代表了第一报警阈值的大小,作为示例,在本申请实施例中,将温度波动幅度值的报警阈值设置为1度,如果温度波动幅度值的大小在某个采样时间点超过了1度,便判定此时空气压缩机即将发生故障,触发报警设备提醒操作人员进行异常现象的排查,防止故障的发生。
其中,将所述温度波动幅度值与预设的第一报警阈值进行比较时,此处的第一报警阈值是针对温度波动幅度值,结合实际生产情况设置的值,若所述温度波动幅度值大于或等于第一报警阈值,便生成报警信息,同时,触发报警设备,发送所述报警信息。所述报警信息包含当前的驱动轴温度大小、当前的驱动轴温度波动幅度值、第一报警阈值以及报警时间等信息。
参见图4,图中横坐标为采样时间,纵坐标为温度,距离横坐标较近的曲线为温度变化趋势值波动曲线,此曲线与图3中的温度波动幅度值的曲线相对应,在图4中,16时03分19秒,温度变化趋势值约为0.01度,说明此时末级驱动轴的温度相较于前一采样周期内的温度产生了约0.01度的变化,16时03分20秒这一采样周期内的温度变化趋势值约为0度,说明此时末级驱动轴的温度相较于前一采样周期的温度未产生变化。通过展示温度变化趋势值能够很好的呈现驱动轴温度在每个采样周期的变化趋势,将采样周期时长设置为1秒,能够精确的获取每一秒的温度变化趋势,将温度变化趋势值与预设的第二报警阈值进行比较,能够准确的判断出空气压缩机是否即将出现故障,图4中距离横坐标较远的直线代表了第二报警阈值大小,作为示例,本申请的实施例将第二报警阈值设置为0.2度,也就是说,末级驱动轴在当前采样周期内的温度相较于相邻的上一采样周期内温度产生的变化,如果超过了0.2度,则判定此时的空气压缩机运行出现异常,通过此异常现象,可以判定空气压缩机即将出现故障,系统及时触发报警设备提醒操作人员,进行异常现象的排查,防止故障的发生。
将所述温度变化趋势值与第二报警阈值进行比较时,此处的第二报警阈值是针对温度变化趋势值,结合实际生产情况设置的值,若所述温度变化趋势值大于或等于第二报警阈值,便生成报警信息,同时,触发报警设备,发送所述报警信息。所述报警信息包含当前的驱动轴温度大小、当前的驱动轴温度变化趋势值、第二报警阈值以及报警时间等信息。
除此之外,本申请还公开了使用温度累积变化值,判断空气压缩机即将发生故障的方法,温度累积变化值即在采样周期内,温度变化趋势值的绝对值的依次累加,通过温度累积变化值,可以了解在一段时间内,驱动轴温度的变化趋势和走向。通过计算驱动轴温度的温度累积变化值,能够反映缓慢变化的驱动轴温度的变化趋势,对判断驱动轴温度的变化趋势有很大帮助。将所述温度累积变化值与预设的第三报警阈值进行比较时,为防止报警设备的误动作,可以选取0.5-3小时内的温度变化趋势值的绝对值的总和作为温度累积变化值,然后设置第三报警阈值,作为示例,在本申请的实施例中,将第三报警阈值设置为60度,如果在3个小时内的温度累积变化值超过了第三报警阈值,则判定此时空气压缩机即将故障,触发报警设备,提醒操作人员进行异常现象的排查,防止故障的发生。
将所述温度累积变化值与第三报警阈值进行比较时,此处的第三报警阈值是针对温度累积变化值,结合实际生产情况设置的值,若所述温度累积变化值大于或等于第三报警阈值,便生成报警信息,同时,触发报警设备,发送所述报警信息。所述报警信息包含当前的驱动轴温度大小、当前的驱动轴温度累积变化值、第三报警阈值以及报警时间等信息。
上述三种情况中,任一情况发生,都可以判定此时的空气压缩机即将发生故障,通过上述故障预测方法,能够在故障还未发生的时候,及时发现异常现象,并对异常现象进行排查,能够进一步预防故障的发生,避免因故障而造成的经济损失。
从本申请实施例中可以看出,本申请公开的空气压缩机故障预测方法,对温度产生的变化十分敏感,温度变化是一个实时的动态过程,本申请公开的预测方法,能够捕捉驱动轴温度产生的任意变化,并针对驱动轴温度产生波动幅度值、变化趋势值以及累积变化值,结合实际生产,设置多个报警阈值,只要任意一个目标检测值达到报警阈值,便触发报警设备,同时生成报警信息,提醒操作人员排查异常现象,提高了故障预测的可靠性与精确性。
进一步的,在所述判断空气压缩机是否即将发生故障的结果为否之后,所述方法还包括:
根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值;
将所述下一采样周期的驱动轴温度平均值与预设的预警阈值进行比较,若所述下一采样周期的驱动轴温度平均值大于或等于所述预警阈值,则判定所述空气压缩机在下一采样周期将出现故障。
进一步的,所述根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值,包括:
根据以下公式,获取所述下一采样周期的驱动轴温度平均值:
Figure BDA0001836343810000091
xt+1=xt+Trend×Δt;
其中,xt+1为所述下一采样周期的驱动轴温度平均值,Trend为温度变化趋势值,所述温度变化趋势值为所述目标检测值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值。
下一采样周期内驱动轴温度平均值,可以根据当前周期内采样点的驱动轴温度平均值和变化趋势值计算得出,另外,结合实际生产情况,设置下一采样周期内驱动轴温度平均值的预警阈值,可以针对下一采样周期内,空气压缩机是否会出现故障进行预判,作为示例,在本申请实施例中,设置预警阈值时,考虑空气压缩机正常运行时,末级驱动轴的平均温度为60度左右,实际生产中,将预警阈值设置为80度。
本申请公开的空气压缩机预测方法还可以根据当前采样周期的目标检测值,获取下一采样周期内的温度平均值,并且判断所述下一采样周期内的温度平均值是否大于或等于预设的预警阈值,若是,则判定下一采样周期内的空气压缩机即将出现故障。使操作人员提前对下一时间段空气压缩机的运行状况进行掌控,有效避免因空气压缩机出现故障从而造成的经济损失。
下述为本申请公开的系统实施例,可以用于执行本申请方法实施例。对于本申请系统实施例中未披露的细节,请参照本申请方法实施例。
相应的,本申请另一实施例公开一种空气压缩机故障预测系统,参见图5所示的结构示意图,所述系统包括:
采样模块10,用于对驱动轴在各个时间点的温度进行采样;
温度变化参数获取模块20,用于对采样所得的所述驱动轴在各个时间点的温度进行处理,获取所述驱动轴的温度变化参数;
目标检测值获取模块30,用于根据所述温度变化参数,获取当前采样周期的目标检测值;
故障判断模块40,用于将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障。
进一步的,若所述目标检测值为温度波动幅度值,所述目标检测值获取模块30,包括:
温度波动幅度值计算单元,用于通过以下公式,获取所述温度波动幅度值:
Figure BDA0001836343810000101
其中,S2为所述温度波动幅度值,x1,x2,x3,…,xn为当前采样周期内对n个采样点进行采样所获取的驱动轴温度,M为所述驱动轴的温度变化期望值,所述温度变化期望值为所述温度变化参数;
若所述目标检测值为温度变化趋势值,所述目标检测值获取模块30包括:
温度变化趋势值计算单元,用于通过以下公式,获取所述温度变化趋势值:
Figure BDA0001836343810000102
其中,Trend为所述温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数。
若所述目标检测值为温度累积变化值,所述目标检测值获取模块30包括:
温度累积变化值计算单元,用于通过以下公式,获取所述温度累积变化值:
Figure BDA0001836343810000111
Figure BDA0001836343810000112
其中,SumRoc为温度累积变化值,Trendt为温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数,∑为数学运算中的求和公式,m表示m个采样周期。
进一步的,所述故障判断模块40包括:
第一判断单元,用于将所述温度波动幅度值与预设的第一报警阈值进行比较,若所述温度波动幅度值大于或等于所述第一报警阈值,则判定所述空气压缩机即将发生故障;
或者,
第二判断单元,用于将所述温度变化趋势值与预设的第二报警阈值进行比较,若所述温度变化趋势值大于或等于所述第二报警阈值,则判定所述空气压缩机即将发生故障;
或者,
第三判断单元,用于将所述温度累积变化值与预设的第三报警阈值进行比较,若所述温度累积变化值大于或等于所述第三报警阈值,则判定所述空气压缩机即将发生故障。
进一步的,所述系统还包括:
驱动轴温度平均值获取模块,用于在所述故障判断模块的判断结果为否之后,根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值;
故障预判断模块,用于将所述下一采样周期的驱动轴温度平均值与预设的预警阈值进行比较,若所述下一采样周期的驱动轴温度平均值大于或等于所述预警阈值,则判定所述空气压缩机在下一采样周期将出现故障。
进一步的,所述驱动轴温度平均值获取模块,包括:
驱动轴温度平均值计算单元,用于根据以下公式,获取所述下一采样周期的驱动轴温度平均值:
Figure BDA0001836343810000113
xt+1=xt+Trend×Δt;
其中,xt+1为所述下一采样周期的驱动轴温度平均值,Trend为温度变化趋势值,所述温度变化趋势值为所述目标检测值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种空气压缩机的故障预测方法,其特征在于,包括:
对驱动轴在各个时间点的温度进行采样;
对采样所得的所述驱动轴在各个时间点的温度进行处理,获取所述驱动轴的温度变化参数;
根据所述温度变化参数,获取当前采样周期的目标检测值;
将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障。
2.根据权利要求1所述的方法,其特征在于,若所述目标检测值为温度波动幅度值,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度波动幅度值:
Figure FDA0001836343800000011
其中,S2为所述温度波动幅度值,x1,x2,x3,…,xn为当前采样周期内对n个采样点进行采样所获取的驱动轴温度,M为所述驱动轴的温度变化期望值,所述温度变化期望值为所述温度变化参数;
若所述目标检测值为温度变化趋势值,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度变化趋势值:
Figure FDA0001836343800000012
其中,Trend为所述温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数;
若所述目标检测值为温度累积变化值,所述根据所述温度变化参数,获取当前采样周期的目标检测值,包括:
通过以下公式,获取所述温度累积变化值:
Figure FDA0001836343800000013
Figure FDA0001836343800000014
其中,SumRoc为温度累积变化值,Trendt为温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数,∑为数学运算中的求和公式,m表示m个采样周期。
3.根据权利要求2所述的方法,其特征在于,所述将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障,包括:
将所述温度波动幅度值与预设的第一报警阈值进行比较,若所述温度波动幅度值大于或等于所述第一报警阈值,则判定所述空气压缩机即将发生故障;
或者,
将所述温度变化趋势值与预设的第二报警阈值进行比较,若所述温度变化趋势值大于或等于所述第二报警阈值,则判定所述空气压缩机即将发生故障;
或者,
将所述温度累积变化值与预设的第三报警阈值进行比较,若所述温度累积变化值大于或等于所述第三报警阈值,则判定所述空气压缩机即将发生故障。
4.根据权利要求1所述的方法,其特征在于,在所述判断空气压缩机是否即将发生故障的结果为否之后,所述方法还包括:
根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值;
将所述下一采样周期的驱动轴温度平均值与预设的预警阈值进行比较,若所述下一采样周期的驱动轴温度平均值大于或等于所述预警阈值,则判定所述空气压缩机在下一采样周期将出现故障。
5.根据权利要求4所述的方法,其特征在于,所述根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值,包括:
根据以下公式,获取所述下一采样周期的驱动轴温度平均值:
Figure FDA0001836343800000021
xt+1=xt+Trend×Δt;
其中,xt+1为所述下一采样周期内n个采样点的驱动轴温度平均值,Trend为温度变化趋势值,所述温度变化趋势值为所述目标检测值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值。
6.一种空气压缩机故障预测系统,其特征在于,包括:
采样模块,用于对驱动轴在各个时间点的温度进行采样;
温度变化参数获取模块,用于对采样所得的所述驱动轴在各个时间点的温度进行处理,获取所述驱动轴的温度变化参数;
目标检测值获取模块,用于根据所述温度变化参数,获取当前采样周期的目标检测值;
故障判断模块,用于将所述目标检测值与预设的报警阈值进行比较,并根据比较结果,判断空气压缩机是否即将发生故障。
7.根据权利要求6所述的系统,其特征在于,若所述目标检测值为温度波动幅度值,所述目标检测值获取模块,包括:
温度波动幅度值计算单元,用于通过以下公式,获取所述温度波动幅度值:
Figure FDA0001836343800000031
其中,S2为所述温度波动幅度值,x1,x2,x3,…,xn为当前采样周期内对n个采样点进行采样所获取的驱动轴温度,M为所述驱动轴的温度变化期望值,所述温度变化期望值为所述温度变化参数;
若所述目标检测值为温度变化趋势值,所述目标检测值获取模块包括:
温度变化趋势值计算单元,用于通过以下公式,获取所述温度变化趋势值:
Figure FDA0001836343800000032
其中,Trend为所述温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数;
若所述目标检测值为温度累积变化值,所述目标检测值模块包括:
温度累积变化值计算单元,用于通过以下公式,获取所述温度累积变化值:
Figure FDA0001836343800000033
Figure FDA0001836343800000034
其中,SumRoc为温度累积变化值,Trendt为温度变化趋势值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值,所述当前采样周期内n个采样点的驱动轴温度平均值,以及所述上一采样周期内n个采样点的驱动轴温度平均值为所述温度变化参数,∑为数学运算中的求和公式,m表示m个采样周期。
8.根据权利要求7所述的系统,其特征在于,所述故障判断模块包括:
第一判断单元,用于将所述温度波动幅度值与预设的第一报警阈值进行比较,若所述温度波动幅度值大于或等于所述报警阈值,则判定所述空气压缩机即将发生故障;
或者,
第二判断单元,用于将所述温度变化趋势值与预设的第二报警阈值进行比较,若所述温度变化趋势值大于或等于所述报警阈值,则判定所述空气压缩机即将发生故障;
或者,
第三判断单元,用于将所述温度累积变化值与预设的第三报警阈值进行比较,若所述温度累积变化值大于或等于所述第三报警阈值,则判定所述空气压缩机即将发生故障。
9.根据权利要求6所述的系统,其特征在于,所述系统还包括:
驱动轴温度平均值获取模块,用于在所述故障判断模块的判断结果为否之后,根据所述当前采样周期的目标检测值,获取下一采样周期的驱动轴温度平均值;
故障预判断模块,用于将所述下一采样周期的驱动轴温度平均值与预设的预警阈值进行比较,若所述下一采样周期的驱动轴温度平均值大于或等于所述预警阈值,则判定所述空气压缩机在下一采样周期将出现故障。
10.根据权利要求9所述的系统,其特征在于,所述驱动轴温度平均值获取模块,包括:
驱动轴温度平均值计算单元,用于根据以下公式,获取所述下一采样周期的驱动轴温度平均值:
Figure FDA0001836343800000041
xt+1=xt+Trend×Δt;
其中,xt+1为所述下一采样周期内n个采样点的驱动轴温度平均值,Trend为温度变化趋势值,所述温度变化趋势值为所述目标检测值,xt为当前采样周期内n个采样点的驱动轴温度平均值,xt-1为上一采样周期内n个采样点的驱动轴温度平均值,Δt为采样周期值。
CN201811227525.3A 2018-10-22 2018-10-22 一种空气压缩机的故障预测方法及系统 Active CN111075703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811227525.3A CN111075703B (zh) 2018-10-22 2018-10-22 一种空气压缩机的故障预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811227525.3A CN111075703B (zh) 2018-10-22 2018-10-22 一种空气压缩机的故障预测方法及系统

Publications (2)

Publication Number Publication Date
CN111075703A true CN111075703A (zh) 2020-04-28
CN111075703B CN111075703B (zh) 2021-10-08

Family

ID=70309609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811227525.3A Active CN111075703B (zh) 2018-10-22 2018-10-22 一种空气压缩机的故障预测方法及系统

Country Status (1)

Country Link
CN (1) CN111075703B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111964931A (zh) * 2020-08-12 2020-11-20 哈工智慧(武汉)科技有限公司 一种基于互联网的井盖监测方法、系统、存储介质及设备
CN114186738A (zh) * 2021-12-10 2022-03-15 北京百度网讯科技有限公司 一种故障预警方法、装置、电子设备和存储介质
CN114876781A (zh) * 2022-05-13 2022-08-09 液空厚普氢能源装备有限公司 一种加氢站氢气压缩机性能检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60150491A (ja) * 1984-01-18 1985-08-08 Ebara Corp ポンプの異常運転集中予知装置
JPH07286585A (ja) * 1994-04-19 1995-10-31 Hitachi Ltd オイルフリースクリュー流体機械
JPH10266991A (ja) * 1997-01-22 1998-10-06 Seiko Seiki Co Ltd ターボ分子ポンプ
CN1220344A (zh) * 1997-11-27 1999-06-23 株式会社丰田自动织机制作所 变容式压缩机
CN106080655A (zh) * 2016-08-24 2016-11-09 中车株洲电力机车研究所有限公司 一种列车轴温异常的检测方法、装置以及列车

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60150491A (ja) * 1984-01-18 1985-08-08 Ebara Corp ポンプの異常運転集中予知装置
JPH07286585A (ja) * 1994-04-19 1995-10-31 Hitachi Ltd オイルフリースクリュー流体機械
JPH10266991A (ja) * 1997-01-22 1998-10-06 Seiko Seiki Co Ltd ターボ分子ポンプ
CN1220344A (zh) * 1997-11-27 1999-06-23 株式会社丰田自动织机制作所 变容式压缩机
CN106080655A (zh) * 2016-08-24 2016-11-09 中车株洲电力机车研究所有限公司 一种列车轴温异常的检测方法、装置以及列车

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111964931A (zh) * 2020-08-12 2020-11-20 哈工智慧(武汉)科技有限公司 一种基于互联网的井盖监测方法、系统、存储介质及设备
CN114186738A (zh) * 2021-12-10 2022-03-15 北京百度网讯科技有限公司 一种故障预警方法、装置、电子设备和存储介质
CN114876781A (zh) * 2022-05-13 2022-08-09 液空厚普氢能源装备有限公司 一种加氢站氢气压缩机性能检测方法及系统

Also Published As

Publication number Publication date
CN111075703B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN108638128B (zh) 一种工业机器人的实时异常监测方法及其系统
CN111075703B (zh) 一种空气压缩机的故障预测方法及系统
EP3399376B1 (en) Plant-abnormality-monitoring method and computer program for plant abnormality monitoring
US10706709B2 (en) Preventive maintenance method of driving device
JP4071449B2 (ja) センサ異常検出方法及びセンサ異常検出装置
KR101893745B1 (ko) 구동부의 정밀 예지 보전방법
CN104541216A (zh) 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法
US6502018B1 (en) Method for diagnosis of equipment
KR101857393B1 (ko) 구동부의 정밀 예지 보전방법
JP2006218618A (ja) 加工器具用の装置の検査方法
EP3414544B1 (en) Detection of bearing carbonization failure in turbine systems
JP7046102B2 (ja) 駆動部の精密予知保全方法
CN106768000B (zh) 一种风力发电机组变流器水冷系统压力异常检测方法
CN112017409A (zh) 一种机械设备振动短时增长幅度的趋势预警方法
JP2010015205A (ja) 半導体製造装置の異常診断システムおよび方法
EP1538502B1 (en) Plant apparatus operation support device
JP2019507845A (ja) 風力発電システムの振動状態を監視する方法
EP3256922B1 (en) Processing tool monitoring
JP2009283580A (ja) 半導体装置の生産管理システム
CN114841382A (zh) 设备故障检测方法、装置及存储介质
JP2019027788A (ja) 回転機構の異常検知感度設定装置および異常検知感度設定方法
JP5885563B2 (ja) プラント機器の経年劣化進行度合判定システム
CN117178122A (zh) 用于监控风扇运行的方法、设备和风扇
JPS61170625A (ja) 水車発電機の異常運転監視装置
EP3893070A1 (en) Method and system for monitoring operation of wind turbines

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