CN111256814A - 一种塔器监测系统及方法 - Google Patents
一种塔器监测系统及方法 Download PDFInfo
- Publication number
- CN111256814A CN111256814A CN202010174642.9A CN202010174642A CN111256814A CN 111256814 A CN111256814 A CN 111256814A CN 202010174642 A CN202010174642 A CN 202010174642A CN 111256814 A CN111256814 A CN 111256814A
- Authority
- CN
- China
- Prior art keywords
- tower
- sound
- monitoring
- vibration
- monitoring system
- 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 142
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000005236 sound signal Effects 0.000 claims abstract description 67
- 239000013598 vector Substances 0.000 claims description 35
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 13
- 238000000513 principal component analysis Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 125000006850 spacer group Chemical group 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000009432 framing Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 abstract description 28
- 230000008569 process Effects 0.000 abstract description 15
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000003068 static effect Effects 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012824 chemical production Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 229920002978 Vinylon Polymers 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- -1 petrifaction Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011020 pilot scale process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
Images
Classifications
-
- 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)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种塔器监测系统及方法，该塔器的塔体具有平行排布的多层待测试截面，每个待测试截面所对应的塔体外壁上设置有至少一个测点；该监测系统包括多个监测传感器，一个测点对应设置有一个监测传感器，多个监测传感器包括多个声音传感器；监测系统还包括主控装置，主控装置分别与多个监测传感器电连接，用于通过监测传感器获取关联塔器内部运行状态的声音信号，根据声音信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。该监测系统通过实时监测和动态分析塔器运行状态过程中所产生的声音信号以识别塔器内部的运行状态，实现了化工塔器运行状态的在线侦测和故障判断。
Description
技术领域
本发明实施例涉及化工设备技术领域，尤其涉及一种塔器监测系统及方法。
背景技术
化工设备一般包括动设备和静设备。动设备主要是指流体输送的风机、压缩机、各种各样的泵设备等，它们的主要部件是运动的机械，一般称为化工机器。静设备主要是指部件是静止的化工设备，如塔器，容器、反应器等，有时也称为非标准设备。其中，静设备外观尺寸一般都比较大，内部物料容量很大，一旦出现非正常的操作或设备内部故障，将会造成严重的化工安全事故，给人类带来巨大的生命财产损失。
塔器是化工生产过程中的核心静设备之一，在石油、石化、医药、维尼纶和橡胶等行业中应用非常广泛。塔器既是分离设备又是反应设备，具有大规模、高危性和多变量等特点。一旦塔器出现非正常操作或者故障，轻则造成产品质量不合格，经济损失巨大；重则造成人身伤亡事故，后果极其严重。因此，针对塔器进行有效、及时、准确的在线监测和检测是十分必要的。
现有化工静设备的监测手段有γ射线、X射线、超声波等三种。由于射线或者超声波本身的固有特性，导致其测试设备的体积一般比较大，而且价格昂贵、操作条件苛刻、数据分析不够准确。此外，关于射线检测在化工静设备中的应用报道，多用于设备板材的腐蚀、管道的腐蚀或裂缝、壁厚的在线测量等，几乎没有涉及塔器运行状况或故障诊断等方面的研究。
发明内容
本发明实施例提供一种塔器监测系统及方法，该系统实现了对塔器运行状态的监测和诊断。
本发明实施例提供一种塔器监测系统，该塔器的塔体具有平行排布的多层待测试截面，每个待测试截面所对应的塔体外壁上设置有至少一个测点；
该监测系统包括：多个监测传感器，一个测点对应设置有一个监测传感器，多个监测传感器包括多个声音传感器；
监测系统还包括：主控装置，主控装置分别与多个监测传感器电连接，用于通过监测传感器获取关联塔器内部运行状态的声音信号，根据声音信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
可选的，待测试截面所对应的塔体外壁上设置有至少两个测点，至少两个测点轴对称分布，一个监测传感器对应设置在一个测点上。
可选的，多个监测传感器还包括多个振动传感器。
可选的，每个待测试截面所对应的塔体外壁上设置有两个声音测点和一个振动测点，两个声音测点轴对称分布，声音传感器设置在声音测点上，振动传感器设置在振动测点上；
主控装置还用于通过振动传感器获取关联塔器内部运行状态的振动信号，根据声音信号和振动信号确定目标运行特征。
可选的，塔器为板式塔，多层待测试截面分别对应于塔器的塔板所在平面；或者，
塔器为填料塔，多层待测试截面等间距设置，相邻两层待测试截面之间的距离小于或等于0.5m。
可选的，塔器的塔体与连接管道连接，连接管道的外壁上设置有至少一个测点，测点上设置有监测传感器。
可选的，监测传感器与其所对应的测点之间设置有间隔物，间隔物的厚度小于或等于5mm。
本发明实施例还提供一种塔器监测方法，采用上述监测系统执行，该方法包括：
获取监测传感器传输的与塔器内部运行状态关联的声音信号；
根据声音信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
可选的，该方法还包括：
获取监测传感器传输的与塔器内部运行状态关联的振动信号；
根据声音信号和振动信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
可选的，根据声音信号和振动信号确定目标运行特征，包括：
通过加窗分帧和维纳滤波对声音信号进行预处理以得到纯净声音信号；
提取纯净声音信号的声音特征向量，并基于主分量分析技术对声音特征向量进行降维处理以得到目标声音特征；其中，声音特征向量包括功率谱估计特征向量、线性预测倒谱系数特征向量以及美尔频率倒谱系数特征向量中的至少一种；
提取振动信号的振动特征向量，并基于主分量分析技术对振动特征向量进行降维处理以得到目标振动特征；
根据典型相关分析技术对目标声音特征和目标振动特征进行特征级信息融合，以得到目标运行特征。
本发明实施例通过在塔体上设置多层待测试截面，并在每个待测试截面所对应的塔体外壁上布局至少一个测点，使得塔器监测系统通过设置于测点上的声音传感器采集关联塔器内部运行状态的声音信号，并传递至主控装置，主控装置根据获取到的声音信号确定目标运行特征，并将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。本发明实施例通过对化工塔器运行过程中所产生的声音信号的获取、实时监测和动态分析，实现化工塔器运行状态的在线侦测，为化工塔器的安全运行提供有力保障；该系统主要由声音传感器构成，有效降低了成本，解决了目前化工塔器运行状态监测设备成本高的问题；根据多个待测试截面的声音信号进行塔器内部运行状态识别，提高了监测精度，解决了现有监测设备精确度不高的问题。
附图说明
图1是本发明实施例提供的一种塔器监测系统的结构示意图；
图2是本发明实施例提供的另一种塔器监测系统的结构示意图；
图3是本发明实施例提供的又一种塔器监测系统的结构示意图；
图4是本发明实施例提供的一种塔器监测方法的流程示意图；
图5是本发明实施例提供的另一种塔器监测方法的流程示意图；
图6是本发明实施例提供的又一种塔器监测方法的流程示意图；
图7是本发明实施例提供的一种塔器监测方法的流程框图；
图8是本发明实施例提供的建立特征数据库中预设运行特征的流程框图；
图9a是本发明实施例提供的板式塔上层塔板正常操作声音的时频特征；
图9b是本发明实施例提供的板式塔上层塔板接近或开始液泛时声音的时频特征；
图9c是本发明实施例提供的板式塔上层塔板液泛时声音时频特征；
图10a是本发明实施例提供的填料塔下层塔板正常操作时声音时频特征；
图10b是本发明实施例提供的填料塔下层塔板开始液泛时声音时频特征；
图10c是本发明实施例提供的填料塔下层塔板严重液泛时声音时频特征。
具体实施方式
在介绍本发明实施例的技术方案之前，首先对化工设备中的动设备和静设备做进一步详细介绍。
在化工生产中，某一固定位置上的动设备一般都会有“备件”。动设备在运行过程中会产生比较大的噪声，经验丰富的技术人员可以从动设备的运行状态和操作参数估计该设备可能发生的潜在危险，并及时处理，以防止安全事故发生。因为连接有“备件”，所以当一台动设备出现问题时，可立即切换到备用动设备工作。
而化工生产过程中的静设备，在运行中的“动静”一般都比较小，从设备旁边经过都很难听到声音，仅能从运行的操作参数上，结合分布式控制系统(Distributed ControlSystem，DCS)以及现场总线控制系统(Fieldbus Control System，FCS)等控制系统对其运行状态进行判断。静设备的造价较高，一般都没有备份。当静设备出现人员非正常操作时，可通过改变温度、压力和流量等操作参数的方式进行调控，但是这种调控方式往往不够及时。更严重的是，如果静设备内部发生故障，如塔器运行过程中塔板被吹翻、通道被堵塞、填料被吹跑等，很难从操作参数的变化来做出全面、详细的判断，调控也会变得比较困难，甚至达到不到设计规定。示例性的，板式塔内部设置有多层塔板，若少数塔板被吹翻，是很难引起操作参数的变化的，即使发生变化也很难判断故障所在之处，因此若设备内部发生故障，其判断和处理将更加困难。
这些非正常的操作或内部故障正是引发化工安全事故的最主要的原因之一。2018年张家口“11.28”重大爆燃事故、2019年河南三门峡“7.19”重特大事故、辽宁葫芦岛“7.24”火灾事故等均属于此类设备导致的事故。由此引发的全国多省已经开始了关停撤销化工园区的步伐——2018年-2019年已经关闭的化工园区数量超过200家！因此，对化工静设备运行状态异常情况的侦测和预警，具有十分重要的研究意义。
上文提到，现有γ射线、X射线、超声波等化工静设备的监测手段多用于设备板材的腐蚀、管道的腐蚀或裂缝以及壁厚的在线测量等，几乎没有涉及塔器运行状况或故障诊断等方面的研究。另外，此类监测设备还具有测试设备体大、价格昂贵、操作条件苛刻以及数据分析不够准确等弊端，因此，不在本发明实施例的考虑范围内。
考虑到无论是动设备还是静设备，在其运行或生产过程中，振动和噪声通常是共存的，而且是同源的。化工塔器在运行过程中，内部物料或流体性质的不同、运行状态的不同或发生不同的非正常操作(故障)时，均会伴随有异常声音和振动的产生或变化。但是，由于设备本身的静止状态和运行环境的背景噪声，以及低振动量等原因，所产生的声音和振动信号一般都很小，属于微弱信号分析范畴。因此，在已有研究中，声振分析技术在静设备上的应用鲜见报道。
本发明实施例在此提出一种基于声音和/或振动信号分析技术的塔器监测系统及方法，且大量实验证明了该塔器监测系统及方法的可靠性。本技术将为声振信号用于其他类型静设备的在线监测提供重要参考。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的一种塔器监测系统的结构示意图，该塔器监测系统10用于对塔器的运行状态进行在线实时监测，以及时发现塔器的故障所在之处，提高塔器运行稳定性，降低化工事故发生几率。参见图1，塔器的塔体01具有平行排布的多层待测试截面02，每个待测试截面02所对应的塔体01外壁上设置有至少一个测点(未示出)；该塔器监测系统10包括多个监测传感器110，一个测点对应设置有一个监测传感器110，多个监测传感器110包括多个声音传感器；监测系统还包括主控装置120，主控装置120分别与多个监测传感器110电连接，用于通过监测传感器110获取关联塔器内部运行状态的声音信号，根据声音信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
需要说明的是，关于测点的布局方式，图1仅示出了每个待测试截面02所对应的塔体01外壁上设置有一个测点的布局方式，在其他实施例中，每个待测试截面02可设置多个测点，通过在测点上放置监测传感器110实现对塔器运行状态的监测。示例性的，在本实施例中，监测传感器110可采用声音传感器。声音传感器具有成本低、体积小以及安装便捷等优点，而且实用性强，能够实现对微弱声音信号的采集。
该塔器监测系统10中，每个声音传感器可采集塔器内与待测试截面02对应位置处运行状态相关联的声音信号，并通过有线或无线通讯的方式，使主控装置120获取各个待测试截面02对应位置的声音信号。主控装置120对声音信号进行分析和处理之后可得到目标运行特征，将目标运行特征与预设特征库中的预设运行特征进行比对，可从预设特征库中查找出与目标运行特征匹配或一致的目标预设运行特征，该目标预设运行特征所对应的运行状态即为目标运行特征实际所表征的当前时刻下塔器内部的运行状态，由此可以识别出塔器内各个待测试截面02对应位置处的运行状态，判断塔器是否出现故障。
其中，目标运行特征能够表征塔器内部各个待测试截面02对应位置处的运行状态。预设特征库的预设运行特征包括塔器正常运行状态以及故障状态下的多种运行特征，能够表征塔器的各种运行状态。示例性的，常见的塔器故障状态包括液泛、漏液、降液管堵塞、板孔异常、雾沫夹带等。在监测系统投入使用前，可采用相同的信号采集以及信号处理方法预先获取塔器在各个状态下的运行特征，以建立预设特征库，用于识别塔器的运行状态。
其中，待测试截面02的布局可根据塔器的类型进行相应设置。可选的，塔器为板式塔，多层待测试截面02分别对应于塔器的塔板所在平面；或者塔器为填料塔，多层待测试截面02等间距设置，相邻两层待测试截面02之间的距离小于或等于0.5m。
板式塔和填料塔是两种常见的塔器。对于板式塔，其内部设置多层塔板，通过将塔板所在平面作为待测试截面02，并在每个待测试截面02的测点处设置声音传感器，可以对塔板状态进行监测，任意塔板出现吹翻的现象均可被识别，从而为板式塔的稳定运行提供有效保障。对于填料塔，其内部由多层填料构成，填料多呈固体状，因此，可等间距布局待测试截面02，以实现对填料塔内部运行状态的监测。示例性的，对于填料塔，相邻两层待测试截面02之间的距离小于或等于0.5m。本领域技术人员可根据填料塔的实际情况设置相邻待测试截面02的间距，本发明实施例对此不作限定。
本发明实施例通过在塔体上设置多层待测试截面，并在每个待测试截面所对应的塔体外壁上布局至少一个测点，使得塔器监测系统通过设置于测点上的声音传感器采集关联塔器内部运行状态的声音信号，并传递至主控装置，主控装置根据获取到的声音信号确定目标运行特征，并将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。本发明实施例通过对化工塔器运行过程中所产生的声音信号的获取、实时监测和动态分析，实现化工塔器运行状态的在线侦测，为化工塔器的安全运行提供有力保障；该系统主要由声音传感器构成，有效降低了成本，解决了目前化工塔器运行状态监测设备成本高的问题；根据多个待测试截面的声音信号进行塔器内部运行状态识别，提高了监测精度，解决了现有监测设备精确度不高的问题。
在上述实施例的基础上，为提高提高监测结果的准确性，下面对测点的布局以及监测传感器110的种类和设置位置做进一步优化。
图2是本发明实施例提供的另一种塔器监测系统的结构示意图。参见图2，可选的，待测试截面02所对应的塔体01外壁上设置有至少两个测点，至少两个测点轴对称分布，一个监测传感器110对应设置在一个测点上。
在本实施例中，同一待测试截面02位置处设置有两个轴对称设置的监测传感器110，通过该两个轴对称设置的监测传感器110分别采集塔器内部同一待测试截面02位置处的信号，从而使塔器运行状态的判断结果更加准确，有利于故障点的准确定位。示例性的，监测传感器110为声音传感器。
进一步可选的，多个监测传感器110还包括多个振动传感器。
在上述任意实施例中，至少一个声音传感器还可以用振动传感器替代，甚至全部声音传感器均可以用振动传感器替代。振动和噪声通常是共存的，而且是同源的，通过分析各个待测试截面02对应位置处的振动信号，同样可以识别塔器内部运行状态。相应的，需要获取塔器在各种运行状态下的振动信号，以得到相应的预设特征库。
图3是本发明实施例提供的又一种塔器监测系统的结构示意图。参见图3，可选的，每个待测试截面02所对应的塔体01外壁上设置有两个声音测点和一个振动测点，两个声音测点轴对称分布，声音传感器111和112设置在声音测点上，振动传感器113设置在振动测点上；主控装置120还用于通过振动传感器获取关联塔器内部运行状态的振动信号，根据声音信号和振动信号确定目标运行特征。
本实施例中，塔器监测系统10兼备声音传感器和振动传感器，分别用于采集塔器内部对应位置的声音信号和振动信号，使主控装置120根据声音信号和振动信号确定目标运行特征，从而使监测结果更加准确。相应的，预设特征库中预设运行特征可采用相同的监测系统预先获得塔器在各个运行状态下的预设运行特征。其中，声音信号和振动信号的分析和处理过程将在下文塔器监测方法实施例中详细说明，在此不做过多说明。
由于振动传感器的价格通常高于声音传感器，在综合考虑成本以及监测结果准确性等因素后，本实施例在每个待测试截面02所对应的塔体外壁上设置两个轴对称的声音传感器，以实现故障位置的准确定位，同时还增设了振动传感器，使表征塔器内待测试截面02对应位置处运行状态的信号更为多样化，进一步提高了监测结果的准确性。
示例性的，图3所示塔器监测系统10中，通过设置无线通讯装置140实现声音传感器(111和112)和振动传感器113与主控装置120之间的无线通讯(带箭头实线表示数据传输方向)。在实际应用中，对于小试或中试实验塔，可采用有线信号传输方式实现数据传输，即为每个塔器单独配置主控装置120。对于工业设备级塔器，可为几个塔器配置一个中心控制室，塔器的每个测点和上位机(主控装置120)之间均采用无线短距离通信方式实现数据传输。示例性的，可在各个测点安装带有无线通信功能的传感器，例如可通过蓝牙、WiFi、射频或ZigBee等无线短距离通信方式进行数据传输。
可选的，塔器的塔体与连接管道连接，连接管道的外壁上设置有至少一个测点，测点上设置有监测传感器。
除塔体以外，化工静设备还包括许多与塔体连接的管道或其他装置，若这些位置发生故障，同样会造成严重的化工事故，因此，塔器监测系统需要对静设备中其他特殊位置设置测点，以实现对化工静设备整体运行状态的在线监测以及故障点诊断。
示例性的，在进行声振信号数据的采集时，可按照某种对称排布结构，人工配合完成不同塔器(板式塔、填料塔等)、多种工作状态下(液泛、漏液、降液管堵塞、板孔异常、雾沫夹带等)、不同数据采集点(塔壁、塔器连接处的法兰盘，以及进料管、回流管、降液管、液体分布器等特殊位置)的声音信号数据采集，以及塔壁上各层塔板的振动数据采集。通过观测声音信号和振动信号的相关时频特征，确定最优数据采集位置，以得到合理有效的声音测点和振动测点架构。
仍以板式塔和填料塔为例，其具体测点位置可采用以下布局方式设置：
对于板式塔，所有塔器法兰盘外圆处，采用轴对称均匀布置至少3个测点(其中包含1个振动测点)；塔板支撑圈与塔壁连接处的塔壁外圆，轴对称均匀布置至少3个测点(其中包含1个振动测点)；塔顶汽相出口和塔底液相出口处，按轴对称分布，至少均匀布置2个测点；其他所有与塔体连接的接管与塔壁连接处，轴对称均匀布置至少2个测点。
对于填料塔，填料塔每段填料之间，相邻待测试截面按照间距小于等于0.5m的方式选取截面，在该截面塔壁外圆按轴对称均匀布置至少3个测点(其中包含1个振动测点)；填料支撑圈和压圈所在位置的塔壁外圆轴对称均匀布置至少3个测点(其中包含1个振动测点)；所有与塔体连接的接管，接管与塔壁连接处，轴对称均匀布置至少2个测点。
测点布置时应避免相互影响。此外，可采用磁底座形式在声音测点和振动测点安装相应的信号采集器件。对于直径小于或等于
的实验塔器，塔壁外圆各层塔板连接处的声音传感器测点可减少为1个，以节省成本。
参见图2，可选的，监测传感器110与其所对应的测点之间设置有间隔物130，间隔物130的厚度h小于或等于5mm。
如此设置，可以避免监测传感器110获取的信号失真，保证监测结果的准确性和可靠性。
基于同样的发明构思，本发明实施例还提供一种塔器监测方法，可采用上述任一方面提供的塔器监测系统执行，具体由主控装置执行。示例性的，图4是本发明实施例提供的一种塔器监测方法的流程示意图，参见图4，该方法包括如下步骤：
S21、获取监测传感器传输的与塔器内部运行状态关联的声音信号；
S22、根据声音信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
本实施例中，主控装置根据关联塔器内部运行状态的声音信号确定目标运行特征，并将目标运行特征与预设特征库的预设运行特征进行比对，实现了塔器内部运行状态的识别，成本低且实用性高。
进一步可选的，图5是本发明实施例提供的另一种塔器监测方法的流程示意图，在图4所示方法的基础上增加了振动信号的获取和分析，从而提高了监测结果的准确性。参见图5，该方法包括如下步骤：
S31、获取监测传感器传输的与塔器内部运行状态关联的声音信号；
S32、获取监测传感器传输的与塔器内部运行状态关联的振动信号；
S33、根据声音信号和振动信号确定目标运行特征，将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
需要说明的是，声音信号和振动信号的获取是同时进行的，无先后之分。
进一步可选的，图6是本发明实施例提供的又一种塔器监测方法的流程示意图，对图5所示方法中“根据声音信号和振动信号确定目标运行特征”的信号分析和处理方法做示例性说明。需要说明的是，当监测系统仅采用声音传感器或仅采用振动振动传感器时，根据声音信号或振动信号确定目标运行特征的信号处理过程可参照下述方法进行，在此不再赘述。
在一个实际的场景中，采用本发明实施例提供的塔器监测系统及方法对直径为
的某中型实验塔器的运行状态进行监测，监测系统中监测传感器的布局参照图3，每个待测试截面所对应的塔体外壁上包括2个轴对称的声音传感器，以及1个振动传感器。以监测塔器内其中一个待测试截面对应位置处的运行状态为例，参见图6，该方法包括如下步骤：
S41、获取监测传感器传输的与塔器内部运行状态关联的声音信号；
S42、通过加窗分帧和维纳滤波对声音信号进行预处理以得到纯净声音信号；
首先对每个声音传感器传输的单通道声音信号进行预处理。由于塔壁上声音传感器监测到的塔器内部运行状态声音为微弱信号，会淹没于环境噪声，因此需要进行加窗分帧、消噪增强等预处理。示例性的，帧长选为25ms，帧与帧之间的延时为15ms，设观测信号：
x(n)＝s(n)+d(n) (1)
其中，s(n)纯净声音信号，d(n)为环境噪声，且观测信号为8kHz采样，8bit编码。则每帧语音的长度为L＝200，而帧数则取决于测试信号的总时长，设为M。采用维纳滤波技术去除环境噪声，通过求解Wiener-Hopf方程，得到最小平方误差下的最优解
作为纯净声音信号的估计信号。
如前所述，对于直径大于或等于
的塔器的待测试截面对应塔壁上，建议放置2个以上声音测点，采用同等量级的声音传感器进行声音信号的采集。因此，需要进行多点测试信号的数据级融合，即需要对2个声音测点上经过预处理后的纯净声音信号进行关联和配准，进行数据级融合，并确定融合后的数据与同一目标或状态有关，表观为单通道测试数据，以得到最终的纯净声音信号。
S43、提取纯净声音信号的声音特征向量，并基于主分量分析技术对声音特征向量进行降维处理以得到目标声音特征；其中，声音特征向量包括功率谱估计特征向量、线性预测倒谱系数特征向量以及美尔频率倒谱系数特征向量中的至少一种；
在本发明实施例中，根据初步测试结果，将功率谱估计作为声信号的特征参数之一，同时，将声纹识别中常用的线性预测倒谱系数(Linear Prediction CepstrumCoefficient，LPCC)和美尔频率倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)，作为塔器声音信号中的特征参数。各个特征参数的特征向量提取方法如下：
1)功率谱特征向量的提取
根据初步测试结果，重点关注第3个共振峰的频谱位置变化。采用Welch法进行功率谱估计，计算公式如下
其中，
为第i帧信号的周期图法功率谱估计，对每一帧信号做N点的DFT，并对M帧周期图功率谱进行加权平均，则为Welch法功率谱估计结果。
2)线性预测倒谱系数(LPCC)特征向量的提取
LPCC参数是基于声音信号产生的数字模型，假设通过线性预测分析得到的声道模型的系统函数为
其中p为线性预测器(LPC)的阶数，ak为线性预测系数。声道模型H(z)的冲激响应为h(n)，
表示h(n)的复倒谱，由定义
将式(6)代入式(7)，经过推导可得到复倒谱系数
和预测系数ak之间的递推关系
逐项递推出复倒谱后，则实际频率尺度下的线性预测倒谱系数(LPCC)可由下式计算得到
LPCC阶数一般取12～14之间，这里取p＝12。
3)美尔频率倒谱系数(MFCC)特征向量的提取
对预处理后的信号y(n)进行短时傅里叶变换(STFT)，并将线性频谱通过Mel频率三角滤波器组，得到23个输出向量，其中，mi为第i个三角滤波器的输出。对mi取自然对数后，再用离散余弦变换(DCT)将mi变换到倒谱域，即可得到各阶MFCC参数
其中，P为MFCC参数的阶数，C(n)为第n维MFCC参数。
研究表明，最有用的语音信息包含在MFCC分量的C1～C12之间，其它谱系数包含的有用信息较少。所以，在求出的各阶MFCC参数后，可去除直流分量C0和多余尾帧，然后取剩余各维分量的一阶差分作为MFCC参数的组合数字特征。差分参数的计算公式如下：
其中，k为常数，通常取2，这时差分参数就称为当前帧的前两帧和后两帧的线性组合，由此可将多维参数C(n)变换为一维的组合输出d(n)。
最后，先对声音信号的各个特征向量进行标准化处理，再分别求其协方差矩阵，根据主分量分析(Principal Component Analysis，PCA)技术原理，对协方差矩阵进行特征分解，得到特征值和特征向量，根据特征值的贡献率选取前k个较大特征值，及其对应的特征向量，实现特征降维，得到目标声音特征。
S44、获取监测传感器传输的与塔器内部运行状态关联的振动信号；
S45、提取振动信号的振动特征向量，并基于主分量分析技术对振动特征向量进行降维处理以得到目标振动特征；
每个振动测点，采用双轴振动加速度传感器，分别得到x轴和y轴两个方向的振动数据，采用相同的信号处理过程，分别提取其EMD-MSE参数(即振动特征向量)。以x轴方向的振动数据为例，首先进行经验模式分解(Empirical mode decomposition，EMD)得到多个固有模态函数(Intrinsic Mode Function，IMF)分量，根据相关因子筛选IMF分量，并计算筛选出的IMF分量的多尺度样本熵(Multiscale Sample Entropy，MSE)，作为振动信号的特征参数，命名为EMD-MSE参数。具体的，令x(t)＝{x1,x2,…xi,…xN}为采集到的x轴方向的一维离散振动信号(长度为N)，则x轴对应EMD-MSE特征的计算过程可分为如下4步：
步骤1：对振动信号进行EMD分解，得到n个代表从高到低不同频率成分的IMF分量ci，即
其中，rn为残余分量。
步骤2：根据频域相关系数
的计算结果，选取k(1≤k≤n)个有效的IMF分量。
步骤3：计算有效IMF分量的MSE
对有效IMF分量进行多尺度化(粗粒化)处理，定义尺度因子为τ，计算该尺度因子下，各有效IMF分量的样本熵估计值
则得到该段振动信号在该尺度因子下的EMD-MSE特征向量：
步骤4：重复以上步骤，则可得到N段振动信号的特征向量，并组成特征向量组
S＝{s1,s2,…,sN} (12)
按照同样的方法可计算得到y轴对应EMD-MSE特征。
最后，先对x轴和y轴振动信号的特征向量进行标准化处理，再分别求其协方差矩阵，根据PCA原理，对协方差矩阵进行特征分解，得到特征值和特征向量，根据特征值的贡献率选取前k个较大特征值，及其对应的特征向量，实现特征降维，得到目标振动特征。
S46、根据典型相关分析技术对目标声音特征和目标振动特征进行特征级信息融合，以得到目标运行特征；
对于降维后得到的目标声音特征和目标振动特征，基于典型相关分析(canonicalcorrelation analysis，CCA)技术进行特征级信息融合，作为投影后的声振组合特征，即目标运行特征。
S47、将目标运行特征与预设特征库的预设运行特征进行比对，以识别塔器内部的运行状态。
其中，预设特征库的建立方法为，对于不同类型塔器的正常运行状态，以及液泛、漏液、降液管堵塞、板孔异常、雾沫夹带等所有可能的非正常特征状态，重复以上声音和振动信号的特征提取和信号处理过程，以建立预设特征库。
对于目标运行特征与预设运行特征的比对，可采用多分类SVM(Support VectorMachine，支持向量机)的方法进行塔器运行状态的模式识别和分类。选用径向基(RBF)核函数
将特征数据映射到高维空间，并由网格搜索算法确定RBF核函数的参数。
通过比较目标运行特征与特征数据库中的预设运行特征，采用“一对一”多分类法，则需构造15
个二分类器，方可识别出目标信号所表征的正常、液泛、漏液、降液管堵塞、板孔异常、雾沫夹带等6类运行状态。并对于非正常运行状态，实现状态输出和故障判断。
图7是本发明实施例提供的一种塔器监测方法的流程框图，对上述图6所示监测方法的信号处理和分析流程做了简要概括。通过上述声振信号的处理和分析方法，可实现基于声振信号分析技术的塔器运行状态的在线监测和故障诊断，为化工静设备的稳定运行提供了有力保障。
图8是本发明实施例提供的建立特征数据库中预设运行特征的流程框图，具体是通过采集各种运行状态下的声振信号，并基于图6所示声振信号的处理和分析方法对其进行处理，以建立包括各个状态的特征数据库，用于在线监测过程中的特征比对，判断塔器运行状态。此外，此流程框图同样适用于目标运行特征的确定过程，在此，结合图8可将图6所示监测方法中声振信号的处理和分析方法概括如下：
首先，对于单通道声音数据，首先进行滤波、去噪、增强、加窗分帧等预处理。其次，对于塔壁外侧每层塔板平行处超过2个声音测点的，要对各个声音测点的数据进行数据层融合，去除数据层的相关性，将多个声音测试通道数据，融合为一个通道的数据。然后，对融合后的数据进行多变量特征提取，主要包括功率谱估计，以及LPCC参数和MFCC参数的计算，形成不同类型的特征参数矩阵。最后，采用PCA技术对声音信号的特征矩阵进行降维处理，提取出声信号特征向量。
然后，对于振动数据，首先进行EMD分解得到多个IMF分量，根据相关因子筛选IMF分量，并计算筛选出的IMF分量的MSE，作为振动信号的特征参数，命名为EMD-MSE参数。最后，同样采用PCA技术对振动信号的EMD-MSE特征矩阵进行降维处理，提取出不同方向振动信号的特征向量。
最后，对于所提取的相同塔器、相同运行状态下，同一待测试截面的声音和振动信号特征参数，基于CCA技术进行特征级信息融合，作为投影后的声振组合特征，输入到SVM中，进行状态分类识别。
塔器中的声振信号通常是非常微弱的，而且噪音较多，本发明实施例提供的塔器监测方法通过对获取的测试信号进行多变量特征提取、特征降维与融合得到声振特征，通过对比测试信号的声振特征与预设特征库中的声振特征，对测试信号进行分类识别，成功实现将声振信号分析技术应用于塔器等化工静设备运行状态的监测中，实用性较高。
下面，分别以板式塔和填料塔出现液泛故障为例，提供相关测试数据，以证明塔器正常状态和故障状态下的声振信号是不同的，从而证实本实施例提供的基于声振信号分析技术的塔器监测方法的可靠性。
图9a是本发明实施例提供的板式塔上层塔板正常操作声音的时频特征，图9b是本发明实施例提供的板式塔上层塔板接近或开始液泛时声音的时频特征，图9c是本发明实施例提供的板式塔上层塔板液泛时声音时频特征，分别展示了板式塔上层塔板正常操作和发生液泛时的声音波形的时域和频域特征对比。图9a-图9c均包括4个子图，左上角为声音的时域波形图，右上角为声音信号时频联合语谱图，左下角为经过短时傅里叶变换后的线谱图，右下角为Welch法功率谱密度。通过对比图9a-图9c的语谱图和功率谱密度图，可以看出，板式塔上层塔板出现液泛故障时，会在接近5kHz的位置出现谱峰，图9b中的语谱图上也呈现了显著的过渡特征，从而证实了本实施例提供的基于声振信号分析技术的塔器监测方法的可靠性。
图10a是本发明实施例提供的填料塔下层塔板正常操作时声音时频特征，图10b是本发明实施例提供的填料塔下层塔板开始液泛时声音时频特征，图10c是本发明实施例提供的填料塔下层塔板严重液泛时声音时频特征，分别展示了填料塔下层塔板正常操作和发生液泛时的声音波形的时域和频域特征对比。通过对比图10a-图10c的语谱图、线谱图和功率谱密度图，可以看出，填料塔下层塔板在出现液泛故障的初期，在0.7kHz左右，出现一个谱峰；出现严重液泛故障时，分别在0.7kHz和1kHz两个频率点出现谱峰，从而证实了本实施例提供的基于声振信号分析技术的塔器监测方法的可靠性。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种塔器的监测系统，其特征在于，所述塔器的塔体具有平行排布的多层待测试截面，每个所述待测试截面所对应的塔体外壁上设置有至少一个测点；
所述监测系统包括：多个监测传感器，一个所述测点对应设置有一个所述监测传感器，所述多个监测传感器包括多个声音传感器；
所述监测系统还包括：主控装置，所述主控装置分别与所述多个监测传感器电连接，用于通过所述监测传感器获取关联所述塔器内部运行状态的声音信号，根据所述声音信号确定目标运行特征，将所述目标运行特征与预设特征库的预设运行特征进行比对，以识别所述塔器内部的运行状态。
2.根据权利要求1所述的监测系统，其特征在于，所述待测试截面所对应的塔体外壁上设置有至少两个测点，所述至少两个测点轴对称分布，一个所述监测传感器对应设置在一个所述测点上。
3.根据权利要求1或2所述的监测系统，其特征在于，所述多个监测传感器还包括多个振动传感器。
4.根据权利要求3所述的监测系统，其特征在于，每个所述待测试截面所对应的塔体外壁上设置有两个声音测点和一个振动测点，所述两个声音测点轴对称分布，所述声音传感器设置在所述声音测点上，所述振动传感器设置在所述振动测点上；
所述主控装置还用于通过所述振动传感器获取关联所述塔器内部运行状态的振动信号，根据所述声音信号和所述振动信号确定所述目标运行特征。
5.根据权利要求1所述的监测系统，其特征在于，所述塔器为板式塔，所述多层待测试截面分别对应于所述塔器的塔板所在平面；或者，
所述塔器为填料塔，所述多层待测试截面等间距设置，相邻两层所述待测试截面之间的距离小于或等于0.5m。
6.根据权利要求1所述的监测系统，其特征在于，所述塔器的塔体与连接管道连接，所述连接管道的外壁上设置有至少一个测点，所述测点上设置有所述监测传感器。
7.根据权利要求1所述的监测系统，其特征在于，所述监测传感器与其所对应的所述测点之间设置有间隔物，所述间隔物的厚度小于或等于5mm。
8.一种塔器监测方法，采用权利要求1-7任一项所述的监测系统执行，其特征在于，包括：
获取监测传感器传输的与塔器内部运行状态关联的声音信号；
根据所述声音信号确定目标运行特征，将所述目标运行特征与预设特征库的预设运行特征进行比对，以识别所述塔器内部的运行状态。
9.根据权利要求8所述的监测方法，其特征在于，还包括：
获取监测传感器传输的与塔器内部运行状态关联的振动信号；
根据所述声音信号和所述振动信号确定目标运行特征，将所述目标运行特征与预设特征库的预设运行特征进行比对，以识别所述塔器内部的运行状态。
10.根据权利要求9所述的监测方法，其特征在于，所述根据所述声音信号和所述振动信号确定目标运行特征，包括：
通过加窗分帧和维纳滤波对所述声音信号进行预处理以得到纯净声音信号；
提取所述纯净声音信号的声音特征向量，并基于主分量分析技术对所述声音特征向量进行降维处理以得到目标声音特征；其中，所述声音特征向量包括功率谱估计特征向量、线性预测倒谱系数特征向量以及美尔频率倒谱系数特征向量中的至少一种；
提取所述振动信号的振动特征向量，并基于主分量分析技术对所述振动特征向量进行降维处理以得到目标振动特征；
根据典型相关分析技术对所述目标声音特征和所述目标振动特征进行特征级信息融合，以得到所述目标运行特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174642.9A CN111256814A (zh) | 2020-03-13 | 2020-03-13 | 一种塔器监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174642.9A CN111256814A (zh) | 2020-03-13 | 2020-03-13 | 一种塔器监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111256814A true CN111256814A (zh) | 2020-06-09 |
Family
ID=70949823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010174642.9A Pending CN111256814A (zh) | 2020-03-13 | 2020-03-13 | 一种塔器监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111256814A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112665710A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
| CN113537160A (zh) * | 2021-09-13 | 2021-10-22 | 天津中新智冠信息技术有限公司 | 球磨机负荷测量方法、装置、电子设备和介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101871733A (zh) * | 2010-06-11 | 2010-10-27 | 昆明理工大学 | 工业炉烟气余热回收动力系统安全性检测方法 |
| CN102778358A (zh) * | 2012-06-04 | 2012-11-14 | 上海东锐风电技术有限公司 | 故障预测模型建立方法及系统、风机监测预警系统及方法 |
| CN103256897A (zh) * | 2013-04-19 | 2013-08-21 | 武汉理工大学 | 石化炼焦塔水力除焦运行状态光纤传感在线监测系统及方法 |
| CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
| CN106586796A (zh) * | 2016-11-15 | 2017-04-26 | 王蕊 | 一种自动扶梯状态监测系统及方法 |
| CN107748314A (zh) * | 2017-10-18 | 2018-03-02 | 国网重庆市电力公司北碚供电分公司 | 基于声波震荡检测的变压器故障分析系统 |
| CN107796602A (zh) * | 2016-08-31 | 2018-03-13 | 华北电力大学（保定） | 一种声振信号融合处理的断路器故障诊断方法 |
| CN109061463A (zh) * | 2018-09-29 | 2018-12-21 | 华南理工大学 | 一种高压断路器机械状态监测和故障诊断方法 |
| US20190339162A1 (en) * | 2016-12-30 | 2019-11-07 | Grundfos Holding A/S | Sensor assembly and method for fault detection in pumps and pump assembly with sensor assembly |
| CN110815224A (zh) * | 2019-11-14 | 2020-02-21 | 华南智能机器人创新研究院 | 一种机器人的远程故障诊断推送方法及装置 |
| CN110867196A (zh) * | 2019-12-03 | 2020-03-06 | 桂林理工大学 | 一种基于深度学习及声音识别的机器设备状态监测系统 |
-
2020
- 2020-03-13 CN CN202010174642.9A patent/CN111256814A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101871733A (zh) * | 2010-06-11 | 2010-10-27 | 昆明理工大学 | 工业炉烟气余热回收动力系统安全性检测方法 |
| CN102778358A (zh) * | 2012-06-04 | 2012-11-14 | 上海东锐风电技术有限公司 | 故障预测模型建立方法及系统、风机监测预警系统及方法 |
| CN103256897A (zh) * | 2013-04-19 | 2013-08-21 | 武汉理工大学 | 石化炼焦塔水力除焦运行状态光纤传感在线监测系统及方法 |
| CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
| CN107796602A (zh) * | 2016-08-31 | 2018-03-13 | 华北电力大学（保定） | 一种声振信号融合处理的断路器故障诊断方法 |
| CN106586796A (zh) * | 2016-11-15 | 2017-04-26 | 王蕊 | 一种自动扶梯状态监测系统及方法 |
| US20190339162A1 (en) * | 2016-12-30 | 2019-11-07 | Grundfos Holding A/S | Sensor assembly and method for fault detection in pumps and pump assembly with sensor assembly |
| CN107748314A (zh) * | 2017-10-18 | 2018-03-02 | 国网重庆市电力公司北碚供电分公司 | 基于声波震荡检测的变压器故障分析系统 |
| CN109061463A (zh) * | 2018-09-29 | 2018-12-21 | 华南理工大学 | 一种高压断路器机械状态监测和故障诊断方法 |
| CN110815224A (zh) * | 2019-11-14 | 2020-02-21 | 华南智能机器人创新研究院 | 一种机器人的远程故障诊断推送方法及装置 |
| CN110867196A (zh) * | 2019-12-03 | 2020-03-06 | 桂林理工大学 | 一种基于深度学习及声音识别的机器设备状态监测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 巫茜等: "基于主成分分析的多源特征融合故障诊断方法", 《计算机科学》 * |
| 李学军等: "基于异类信息特征融合的异步电机故障诊断", 《仪器仪表学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112665710A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
| CN113537160A (zh) * | 2021-09-13 | 2021-10-22 | 天津中新智冠信息技术有限公司 | 球磨机负荷测量方法、装置、电子设备和介质 |
| CN113537160B (zh) * | 2021-09-13 | 2022-01-18 | 天津中新智冠信息技术有限公司 | 球磨机负荷测量方法、装置、电子设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111626153B (zh) | 一种基于集成学习的局放故障状态识别方法 | |
| CN112201260B (zh) | 一种基于声纹识别的变压器运行状态在线检测方法 | |
| Atlas et al. | Hidden Markov models for monitoring machining tool-wear | |
| CN111256814A (zh) | 一种塔器监测系统及方法 | |
| CN108710757B (zh) | 基于时变参数预测模型的机械运行状态监测方法及装置 | |
| Sun et al. | Detection of tool breakage during milling process through acoustic emission | |
| CN103197663B (zh) | 一种故障预测方法及系统 | |
| CN112147444B (zh) | 一种电力变压器工作状态监测方法及系统 | |
| CN111695452B (zh) | 基于rbf神经网络的并联电抗器内部老化程度评估方法 | |
| CN117373487B (zh) | 基于音频的设备故障检测方法、装置及相关设备 | |
| JP3515756B2 (ja) | 処理装置の監視方法 | |
| KR20210077496A (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
| CN116778956A (zh) | 一种变压器声学特征提取及故障识别方法 | |
| US20220065728A1 (en) | Acoustic resonance diagnostic method for detecting structural degradation and system applying the same | |
| CN113447287A (zh) | 异常检测装置和方法 | |
| JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
| Outa et al. | Reliability analysis using experimental statistical methods and AIS: application in continuous flow tubes of gaseous medium | |
| CN116026588A (zh) | 一种基于集成学习的轴承故障诊断与预警方法 | |
| Geramifard et al. | Continuous health assessment using a single hidden Markov model | |
| Yu et al. | Research and application of intelligent diagnosis method of mechanical fault based on transformer vibration and noise and BP neural network | |
| Kampelopoulos et al. | Applying one class classification for leak detection in noisy industrial pipelines | |
| CN114439405B (zh) | 一种防喷器控制装置故障监测方法、装置、设备及介质 | |
| TWI793626B (zh) | 結構劣化的聲振診斷方法與系統 | |
| Dackermann et al. | On the use of the cepstrum and artificial neural networks to identify structural mass changes from response-only measurements | |
| CN114112374B (zh) | 一种基于正交子块投影的武器装备系统的故障诊断方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |
|
| RJ01 | Rejection of invention patent application after publication |