CN111709567B - 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统 - Google Patents

基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统 Download PDF

Info

Publication number
CN111709567B
CN111709567B CN202010520163.8A CN202010520163A CN111709567B CN 111709567 B CN111709567 B CN 111709567B CN 202010520163 A CN202010520163 A CN 202010520163A CN 111709567 B CN111709567 B CN 111709567B
Authority
CN
China
Prior art keywords
bearing
lubricating oil
life
axle center
center position
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.)
Active
Application number
CN202010520163.8A
Other languages
English (en)
Other versions
CN111709567A (zh
Inventor
潘曦
邢子文
王豪杰
张益钦
张震
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010520163.8A priority Critical patent/CN111709567B/zh
Publication of CN111709567A publication Critical patent/CN111709567A/zh
Application granted granted Critical
Publication of CN111709567B publication Critical patent/CN111709567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Applications Or Details Of Rotary Compressors (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统，所述方法包括以下步骤：步骤1，测量获得轴承轴心位置；根据所述轴承轴心位置，绘制获得轴心位置点分布图；步骤2，绘制获得轴心位置轮廓包络图；根据所述轴心位置轮廓包络图计算获得包络面积；步骤3，根据获得的包络面积、轴承在水平方向的运动范围以及轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；步骤4，将待预测时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得所述待预测时刻的润滑油剩余使用寿命。本发明具有实时反映润滑油在机器中的状态、预测失效时间的优点。

Description

基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统
技术领域
本发明属于润滑油技术领域，涉及润滑油剩余寿命预测技术领域，特别涉及一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统。
背景技术
润滑油在螺杆压缩机中提供润滑、抗磨、冷却和密封等作用。在使用过程中，润滑油由于高温、杂质等原因质量逐渐变差，其粘度、酸性将逐渐升高，严重偏离润滑油设计要求，这种变化将带来例如压缩机噪声增大、压缩机振动等各种问题。
润滑油在使用过程中，随着使用时间的增长，其酸值和黏度均逐渐增加，在某一使用时间节点之后，油的酸值和黏度迅速增长，则可以认为此时间拐点即为油完全失效的时间。对于已经老化的润滑油而言，其轴心位置包络线的面积相较于使用新油的面积而言将明显增大，可以利用包络线的面积作为评价润滑油剩余寿命的一种指标。
目前，现有的润滑油寿命检测手段大部分是基于对润滑油的抽样检测结果来判断的，这种方法成本高、耗费时间长，无法做到对润滑油剩余寿命的实时预测；在失效前更换润滑油，容易造成润滑油的浪费和潜在的环境污染；润滑油一旦更换不及时，又会造成生产事故，导致严重损失。
综上，亟需一种新的基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统。
发明内容
本发明的目的在于提供一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统，以解决上述存在的一个或多个技术问题。本发明的润滑油剩余寿命预测方法，具有实时反映润滑油在机器中的状态、预测失效时间的优点。
为达到上述目的，本发明采用以下技术方案：
本发明的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法，包括以下步骤：
步骤1，测量获得轴承轴心位置；根据所述轴承轴心位置，绘制获得轴心位置点分布图；
步骤2，根据步骤1获得的轴心位置点分布图，绘制获得轴心位置轮廓包络图；根据所述轴心位置轮廓包络图计算获得包络面积；
步骤3，根据获得的包络面积、轴承在水平方向的运动范围以及轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；
步骤4，将待预测时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得所述待预测时刻的润滑油剩余使用寿命。
本发明的进一步改进在于，步骤1中，利用传感器测量获得轴承轴心位置；其中，所述传感器为电涡流传感器。
本发明的进一步改进在于，步骤1具体包括：
在轴承的水平和竖直方向上分别安装传感器，检测出水平方向的偏移量和竖直方向的偏移量，根据几何关系求得轴承的轴心坐标位置；
基于多次获得的水平方向的偏移量、竖直方向的偏移量的数据，计算并绘制出轴承轴心位置点分布图。
本发明的进一步改进在于，步骤2具体包括：
提取轴心位置在水平方向最大的极限点；以所述极限点为起点，连接所有外边界轴心位置点，绘制轴心位置轮廓包络图；计算轴心位置轮廓凸集包络形成的面积，获得包络面积。
本发明的进一步改进在于，步骤3中，对于包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标构成的特征集；采用流形学习算法，进行特征选择与降维处理，获得作为润滑油寿命敏感因子的润滑油寿命评估敏感特征集。
本发明的进一步改进在于，步骤4中，获得预先标定的寿命预测拐点表的步骤包括：运转轴承至预设时长，每个时长均通过步骤1至步骤3进行标定，获得寿命预测拐点表。
本发明的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测系统，包括：
轴心位置点分布图获取模块，用于测量获得轴承轴心位置；根据所述轴承轴心位置，绘制获得轴心位置点分布图；
包络面积获取模块，用于根据获得的轴心位置点分布图，绘制获得轴心位置轮廓包络图；根据所述轴心位置轮廓包络图计算获得包络面积；
润滑油寿命敏感因子获取模块，用于根据获得的包络面积、轴承在水平方向的运动范围以及轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；
预测模块，用于将待预测时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得所述待预测时刻的润滑油剩余使用寿命。
本发明的进一步改进在于，所述轴心位置点分布图获取模块中，包括：通过传感器检测出水平方向的偏移量和竖直方向的偏移量，根据几何关系求得轴承的轴心坐标位置；基于多次获得的水平方向的偏移量、竖直方向的偏移量的数据，计算并绘制获得轴承轴心位置点分布图。
本发明的进一步改进在于，包络面积获取模块中，包括：提取轴心位置在水平方向最大的极限点；以所述极限点为起点，逆时针方向，连接所有外边界轴心位置点，绘制轴心位置轮廓包络图；计算轴心位置轮廓凸集包络形成的面积，获得包络面积。
本发明的进一步改进在于，润滑油寿命敏感因子获取模块中，包括：对于包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标构成的特征集；采用流形学习算法，进行特征选择与降维处理，获得作为润滑油寿命敏感因子的润滑油寿命评估敏感特征集。
与现有技术相比，本发明具有以下有益效果：
本发明提供的基于螺杆压缩机滑动轴承轴心轨迹的润滑油实时剩余寿命预测方法，具有实时反映润滑油在机器中的状态、预测失效时间的优点；利于企业进行生产管理，确保机器安全高效运行并节能减排。本发明中，利用传感器监测的轴承在水平方向的偏移量和竖直方向的偏移量，可判断润滑油状态及预测剩余寿命，数据收集难度小；计算程序可编程化，对机器运行状态影响小；与一般润滑油检测手段相比大大降低成本，同时确保机器安全高效运行，节省润滑油的使用，实现经济效应的同时降低不必要的排放。
本发明的系统，用于实现本发明的预测方法，具有实时反映润滑油在机器中的状态、预测失效时间的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，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是本发明实施例中，轴心位置的示意图；
图2是本发明实施例中，轴心位置点分布示意图；
图3是本发明实施例中，满负荷下压缩机轴心位置轨迹包络示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例是本发明一部分实施例。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。
本发明实施例的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法，包括以下步骤：
步骤1，利用传感器(可以选用电涡流传感器)测得轴承轴心位置并记录，绘制获得轴心位置点分布图；
步骤2，根据步骤1获得的轴心位置点分布图，绘制轴心位置轮廓包络图，并计算包络面积；
步骤3，根据包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；
步骤4，将某一时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得此时润滑油的剩余使用寿命。
本发明实施例中，步骤1具体包括：在轴承的水平(X轴)和竖直(Y轴)方向上分别安装电涡流传感器，检测出水平方向的偏移量RX和竖直方向的偏移量RY，根据几何关系求得轴承的轴心坐标。设在压缩机工作的初始时刻，轴心坐标为(0，0)。在实验或者工程应用中，若可以获得RX与RY的数据，即可以计算并绘制出轴承轴心位置点分布图。
本发明实施例中，步骤1中，测量轴承轴心位置分布的方法，包括但不限于所述的电涡流传感器方法。
本发明实施例中，步骤2中，轴心位置轮廓包络方法具体步骤包括：提取轴心位置在X轴最大的极限点(Xmax，Y0)，以该点为起点，以逆时针方向，连接所有外边界轴心位置点。绘制轴心位置轮廓包络图，计算轴心位置轮廓凸集包络形成的面积S。
本发明实施例中，步骤2中，轴心位置轮廓包络方法包括但不限于上述步骤2的方法。
本发明实施例中，步骤3中，对于包络面积、轴承在水平(X轴)方向的运动范围、轴承在竖直(Y轴)方向的运动范围三个指标构成的特征集采用流形学习算法，进行特征选择与降维处理，最后可以得到润滑油寿命评估敏感特征集，即润滑油寿命敏感因子。
本发明实施例中，步骤4中，润滑油寿命预测拐点表通过上述步骤1至3，结合润滑油实际情况进行标定和制作。
综上所述，本发明的方法利用传感器监测的轴承在水平方向的偏移量和竖直方向的偏移量即可判断润滑油状态及预测剩余寿命，数据收集难度小，计算程序可编程化，对机器运行状态影响小，与一般润滑油检测手段相比大大降低成本，同时确保机器安全高效运行，节省润滑油的使用，实现经济效应的同时降低不必要的排放。
本发明实施例的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测系统，包括：
轴心位置点分布图获取模块，用于测量获得轴承轴心位置；根据所述轴承轴心位置，绘制获得轴心位置点分布图；
包络面积获取模块，用于根据获得的轴心位置点分布图，绘制获得轴心位置轮廓包络图；根据所述轴心位置轮廓包络图计算获得包络面积；
润滑油寿命敏感因子获取模块，用于根据获得的包络面积、轴承在水平方向的运动范围以及轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；
预测模块，用于将待预测时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得所述待预测时刻的润滑油剩余使用寿命。
本发明实施例中，所述轴心位置点分布图获取模块中，包括：通过传感器检测出水平方向的偏移量和竖直方向的偏移量，根据几何关系求得轴承的轴心坐标位置；基于获得的水平方向的偏移量、竖直方向的偏移量的数据，计算并绘制获得轴承轴心位置点分布图。
本发明实施例中，包络面积获取模块中，包括：提取轴心位置在水平方向最大的极限点；以所述极限点为起点，逆时针方向，连接所有外边界轴心位置点，绘制轴心位置轮廓包络图；计算轴心位置轮廓凸集包络形成的面积，获得包络面积。
本发明实施例中，润滑油寿命敏感因子获取模块中，包括：对于包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标构成的特征集；采用流形学习算法，进行特征选择与降维处理，获得作为润滑油寿命敏感因子的润滑油寿命评估敏感特征集。
请参阅图1至图3，本发明实施例中的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法，包括以下步骤：
步骤S1，利用传感器(一般是电涡流传感器)测得轴承轴心位置并记录，绘制轴心位置点分布图。轴承位置的变化通常由电涡流传感器测得，在X和Y方向上分别安装电涡流传感器，即可检测出水平方向的偏移量RX和竖直方向的偏移量RY。在压缩机工作的初始时刻，轴心坐标为O0(0，0)，一段时间后，轴承位置出现变动，此时轴承的轴心坐标为O1(X1，Y1)，其位置关系可由图1表示。因电涡流传感器采集的电压信号为负，当轴承距离传感器距离变远时，RX与RY为负，反之则为正。若轴承半径为R，在检测到RX与RY的情况下，由几何关系可得下列关系：
(R+RX+x)2+y2＝R2，   (1)
x2+(R+RY-y)2＝R2，   (2)
求得的x和y存在两组解，根据轴承的实体结构可以排除一组无效解，从而获得轴承轴心位置解。因此，在实验或者工程应用中，若可以获得RX与RY的数据，即可以计算获得轴承轴心位置点分布如图2。
步骤S2，绘制轴心位置轮廓包络图并计算包络面积，包括：提取轴心位置在X轴最大的极限点(Xmax，Y0)，以该点为起点，以逆时针方向，连接所有外边界轴心位置点。绘制轴心位置轮廓包络图，如图3，计算轴心位置轮廓凸集包络形成的面积S。
步骤S3，根据包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标获得润滑油寿命敏感因子。
对于已经老化的润滑油而言，其轴心位置包络线的面积相较于使用新油的面积而言将明显增大，则可以利用包络线的面积S作为评价润滑油剩余寿命的一种指标；考虑到在某些应用场合中，压缩机轴心位置可能在X或Y的某一方向上波动幅度增大，在另一方向上波动幅度减小，在这种情况下只用面积S作为评价指标将存在误差，因此将轴承在X轴方向的运动范围Xabs＝Xmax-Xmin与轴承在Y轴方向的运动范围Yabs＝Ymax-Ymin也纳入评价指标中。
本发明对于润滑油剩余寿命的评价指标由以下三项构成：包络面积S、X向最大活动范围Xabs、Y向最大活动范围Yabs。则其特征集为Z＝{S,Xabs,Yabs}，采用流形学习算法，进行特征选择与降维处理，最后可以得到润滑油寿命评估敏感特征集Z＝{z}。
步骤S4，将某一时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得此时润滑油的剩余使用寿命。
在油失效之后，由于其酸度和黏度的迅速增长，压缩机在运行时，其轴承的轴心位置将大幅度波动，这将直接造成包络面积S、X向最大活动范围Xabs和Y向最大活动范围Yabs的大幅度增大，即敏感因子z的大幅度增大，这说明对于润滑油酸度和黏度的判断可以直接根据z的判断而完成。在实际操作中，可以分别测定螺杆压缩机在不同运行工况下和不同润滑油使用时间下的z值，根据其变化情况标定拐点位置，绘制寿命预测拐点表如表1所示。
表1.寿命预测拐点表
Figure BDA0002531743490000081
表1中，加粗的数值为拐点数值，即在折线处，该润滑油完全失效；其中，箭头连接粗体部分的值，表明拐点的走向。在工程实际中，只需要测出在当前负荷下，该压缩机轴承轴心轨迹对应的z值(润滑油寿命敏感因子值)，将其与该表对照，即可方便的预测在该使用条件下，润滑油的剩余使用寿命。
综上所述，本发明公开基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法。其步骤如下：1)利用传感器(一般是电涡流传感器)测得轴承轴心位置并记录，绘制轴心位置点分布图；2)绘制轴心位置轮廓包络图；3)根据包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标获得润滑油寿命敏感因子；4)将某一时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得此时润滑油的剩余使用寿命。此方法可以准确地实时地预测润滑油的剩余使用寿命。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (4)

1.一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法，其特征在于，包括以下步骤：
步骤1，测量获得轴承轴心位置；根据所述轴承轴心位置，绘制获得轴心位置点分布图；
步骤2，根据步骤1获得的轴心位置点分布图，绘制获得轴心位置轮廓包络图；根据所述轴心位置轮廓包络图计算获得包络面积；
步骤3，根据获得的包络面积、轴承在水平方向的运动范围以及轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；
步骤4，将待预测时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得所述待预测时刻的润滑油剩余使用寿命；
其中，
步骤1具体包括：在轴承的水平和竖直方向上分别安装传感器，检测出水平方向的偏移量和竖直方向的偏移量，根据几何关系求得轴承的轴心坐标位置；基于多次获得的水平方向的偏移量、竖直方向的偏移量的数据，计算并绘制出轴承轴心位置点分布图；
步骤2具体包括：提取轴心位置在水平方向最大的极限点；以所述极限点为起点，连接所有外边界轴心位置点，绘制轴心位置轮廓包络图；计算轴心位置轮廓凸集包络形成的面积，获得包络面积；
步骤3中，对于包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标构成的特征集；采用流形学习算法，进行特征选择与降维处理，获得作为润滑油寿命敏感因子的润滑油寿命评估敏感特征集。
2.根据权利要求1所述的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法，其特征在于，步骤1中，利用传感器测量获得轴承轴心位置；其中，所述传感器为电涡流传感器。
3.根据权利要求1所述的一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法，其特征在于，步骤4中，获得预先标定的寿命预测拐点表的步骤包括：运转轴承至预设时长，每个时长均通过步骤1至步骤3进行标定，获得寿命预测拐点表。
4.一种基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测系统，其特征在于，包括：
轴心位置点分布图获取模块，用于测量获得轴承轴心位置；根据所述轴承轴心位置，绘制获得轴心位置点分布图；
包络面积获取模块，用于根据获得的轴心位置点分布图，绘制获得轴心位置轮廓包络图；根据所述轴心位置轮廓包络图计算获得包络面积；
润滑油寿命敏感因子获取模块，用于根据获得的包络面积、轴承在水平方向的运动范围以及轴承在竖直方向的运动范围三个指标，获得润滑油寿命敏感因子；
预测模块，用于将待预测时刻的润滑油寿命敏感因子值与预先标定的寿命预测拐点表进行对照，获得所述待预测时刻的润滑油剩余使用寿命；
其中，所述轴心位置点分布图获取模块中，包括：通过传感器检测出水平方向的偏移量和竖直方向的偏移量，根据几何关系求得轴承的轴心坐标位置；基于多次获得的水平方向的偏移量、竖直方向的偏移量的数据，计算并绘制获得轴承轴心位置点分布图；
包络面积获取模块中，包括：提取轴心位置在水平方向最大的极限点；以所述极限点为起点，逆时针方向，连接所有外边界轴心位置点，绘制轴心位置轮廓包络图；计算轴心位置轮廓凸集包络形成的面积，获得包络面积；
润滑油寿命敏感因子获取模块中，包括：对于包络面积、轴承在水平方向的运动范围、轴承在竖直方向的运动范围三个指标构成的特征集；采用流形学习算法，进行特征选择与降维处理，获得作为润滑油寿命敏感因子的润滑油寿命评估敏感特征集。
CN202010520163.8A 2020-06-09 2020-06-09 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统 Active CN111709567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010520163.8A CN111709567B (zh) 2020-06-09 2020-06-09 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010520163.8A CN111709567B (zh) 2020-06-09 2020-06-09 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统

Publications (2)

Publication Number Publication Date
CN111709567A CN111709567A (zh) 2020-09-25
CN111709567B true CN111709567B (zh) 2023-05-02

Family

ID=72539104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010520163.8A Active CN111709567B (zh) 2020-06-09 2020-06-09 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统

Country Status (1)

Country Link
CN (1) CN111709567B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115615684B (zh) * 2022-11-08 2023-04-07 和尘自仪(嘉兴)科技有限公司 一种基于轴心轨迹形变监测的泵轴健康检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1728983A1 (en) * 2005-05-30 2006-12-06 C.R.F. Società Consortile per Azioni A method for estimating the residual life of the lubricating oil of an internal-combustion engine
CN105386939A (zh) * 2014-08-25 2016-03-09 通用电气公司 风力涡轮机润滑油监测系统及相关方法
CN105388270A (zh) * 2014-08-25 2016-03-09 通用电气公司 工业机械润滑油监测系统及相关方法
CN108318411A (zh) * 2018-02-10 2018-07-24 西安热工研究院有限公司 一种润滑油剩余使用寿命评估方法
CN110107591A (zh) * 2018-02-01 2019-08-09 斯凯孚公司 确定油脂使用和/或剩余时间的轴承配置、装置及方法
CN209945718U (zh) * 2019-05-14 2020-01-14 浙江摩路新材料有限公司 一种润滑脂性能及轴承寿命测试装置
CN110823543A (zh) * 2019-11-07 2020-02-21 北京化工大学 一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7835875B2 (en) * 2009-03-27 2010-11-16 Gm Global Technology Operations, Inc. Determination of end of life of oil by electrical means
US8868283B2 (en) * 2012-05-03 2014-10-21 GM Global Technology Operations LLC Oil life monitoring system with fuel quality factor
US20180189704A1 (en) * 2017-01-04 2018-07-05 Honeywell International Inc. Methods and Apparatus for Providing Fuel Tankering Data Onboard and Aircraft

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1728983A1 (en) * 2005-05-30 2006-12-06 C.R.F. Società Consortile per Azioni A method for estimating the residual life of the lubricating oil of an internal-combustion engine
CN105386939A (zh) * 2014-08-25 2016-03-09 通用电气公司 风力涡轮机润滑油监测系统及相关方法
CN105388270A (zh) * 2014-08-25 2016-03-09 通用电气公司 工业机械润滑油监测系统及相关方法
CN110107591A (zh) * 2018-02-01 2019-08-09 斯凯孚公司 确定油脂使用和/或剩余时间的轴承配置、装置及方法
CN108318411A (zh) * 2018-02-10 2018-07-24 西安热工研究院有限公司 一种润滑油剩余使用寿命评估方法
CN209945718U (zh) * 2019-05-14 2020-01-14 浙江摩路新材料有限公司 一种润滑脂性能及轴承寿命测试装置
CN110823543A (zh) * 2019-11-07 2020-02-21 北京化工大学 一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
B. Vasanthan ; G. Devaradjane.Prediction of end of useful life time of internal combustion engine lubricating oil by using coaxial cylindrical probe.2014 IEEE 8th International Conference on Intelligent Systems and Control (ISCO).2015,全文. *
朱凯.润滑油剩余使用寿命评估的差示扫描量热法.当代化工.2020,第第49卷卷(第第49卷期),全文. *

Also Published As

Publication number Publication date
CN111709567A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN110422189B (zh) 轨道车辆空调机组中压缩机故障的在线预测方法
CN111709567B (zh) 基于螺杆压缩机滑动轴承轴心轨迹的润滑油剩余寿命预测方法及系统
CN107490479B (zh) 轴承剩余寿命预测方法与装置
CN105806604A (zh) 一种机车车辆走行部轴承保持架故障预报警方法
CN111191838B (zh) 一种集成人工智能算法的工业设备状态管控方法和装置
CN112131797B (zh) 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法
CN111997709B (zh) 一种车载发动机油在线监测方法及系统
JP2018179986A (ja) 異常診断装置およびプログラム
CN111324676A (zh) 基于模糊c均值聚类算法的机械设备润滑油在线监测系统
CN112829526A (zh) 一种轮胎磨损程度监测方法、系统
CN114379482A (zh) 轮胎保养预测方法及设备、计算机可读存储介质
CN116881673B (zh) 基于大数据分析的盾构机运维方法
CN110988311A (zh) 一种车辆机油寿命诊断方法、装置、车辆及存储介质
CN116957120A (zh) 一种基于数据分析的设备状态历史趋势异常预测方法
CN101178338A (zh) 轮胎跳动度测量处理方法
JP3108405B2 (ja) 機器の診断方法
CN112748343B (zh) 一种动力电池功率边界的检测方法、装置及电动汽车
CN105631238B (zh) 一种滚动轴承振动性能变异的检测方法及系统
CN113983957B (zh) 多源信息融合的轮对廓形动态识别方法
CN114136617B (zh) 高速主轴轴承动态监测方法
CN112621381B (zh) 机床进给系统健康状态智能评估方法及装置
TWI470189B (zh) 機械系統狀態之判斷方法及判斷裝置
CN109357655B (zh) 一种检测冷镦成型机主传动部件配合间隙的方法
CN113250753B (zh) 一种隧道监控量测改进型切线角预警方法
CN117874687B (zh) 一种工业平板电脑的数据交互方法

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
GR01 Patent grant
GR01 Patent grant