CN112017793B - 一种用于聚变装置的分子泵维护决策管理系统和方法 - Google Patents
一种用于聚变装置的分子泵维护决策管理系统和方法 Download PDFInfo
- Publication number
- CN112017793B CN112017793B CN202010884822.6A CN202010884822A CN112017793B CN 112017793 B CN112017793 B CN 112017793B CN 202010884822 A CN202010884822 A CN 202010884822A CN 112017793 B CN112017793 B CN 112017793B
- Authority
- CN
- China
- Prior art keywords
- molecular pump
- fusion device
- representing
- preprocessing
- point
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 107
- 238000012423 maintenance Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000000605 extraction Methods 0.000 claims abstract description 104
- 238000007726 management method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000003449 preventive effect Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 239000002887 superconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21B—FUSION REACTORS
- G21B1/00—Thermonuclear fusion reactors
- G21B1/25—Maintenance, e.g. repair or remote inspection
-
- 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
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21B—FUSION REACTORS
- G21B1/00—Thermonuclear fusion reactors
- G21B1/11—Details
- G21B1/17—Vacuum chambers; Vacuum systems
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/10—Nuclear fusion reactors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- High Energy & Nuclear Physics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Plasma & Fusion (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种用于聚变装置的分子泵维护决策管理系统和方法,系统包括分子泵状态信息采集与存储模块,用于获取分子泵运行数据,并将实时状态数据存储于本地存储介质中;分子泵特征信息提取模块,接收分子泵运行数据,进行数据分析处理,提取分子泵特征信息;分子泵寿命预测及结果输出模块,根据分子泵特征信息提取模块提取的特征信息预测分子泵的寿命,得到预测结果;分子泵维护策略模块,用于根据得到的预测结果,制定分子泵维护策略。本发明通过预防性分子泵维护方法,有效降低在聚变装置运行过程中分子泵发生实际故障的可能性,进而降低由于分子泵故障引起聚变装置发生次生事故的可能性,从而提高聚变装置中真空系统和整个装置的安全性。
Description
技术领域
本发明涉及磁约束聚变装置真空技术领域,尤其涉及一种用于聚变装置的分子泵预防性维护方法,在分子泵发生真实故障之前提示分子泵即将发生的故障,帮助聚变装置运行人员提前维护进而避免分子泵真实故障的发生,实现在聚变装置运行期间对分子泵的主动维护,进而提高聚变装置安全性。
背景技术
真空抽气系统是聚变装置的核心子系统之一,真空系统故障引发的失超会导致聚变装置的磁体局部温度迅速升高,从而破坏超导体内部的结构甚至烧毁磁体,给装置磁体带来毁灭性的打击,而分子泵是整个真空系统中极为重要的一环,因此托卡马克装置中分子泵的安全可靠运行直接关系到整个装置的安全,并且影响聚变装置的自动化运行。
现有技术中目前缺少对聚变装置中分子泵的寿命预测方法,因此,聚变装置中分子泵的寿命无法进行有效管理,影响真空系统甚至聚变装置运行安全。
发明内容
为了解决上述技术问题,本发明将预测技术结合聚变装置中分子泵应用实际情况,发展了一种应用于聚变装置的分子泵维护决策管理系统和方法,可以有效提高分子泵和聚变装置的安全性。该方法通过对聚变装置中分子泵寿命及故障提前进行预测,并根据预测结果对即将出现故障的分子泵进行更换和维修,从而有效降低分子泵在聚变装置运行过程中发生重大事故的可能性,进而提高装置中真空系统和整个装置的安全性,解决了常规分子泵统一维护时缺乏针对性和分子泵维修发生在事故后的问题,这对于未来聚变装置的自动化运行具有重要意义,可以解决未来聚变装置预决策和预维护所面临的难题。
本发明的技术方案如下:一种用于聚变装置的分子泵维护决策管理系统,包括分子泵状态信息采集与存储模块,用于获取分子泵运行数据,并将实时状态数据存储于本地存储介质中;
分子泵特征信息提取模块,接收分子泵运行数据,进行数据分析处理,提取分子泵特征信息;
分子泵寿命预测及结果输出模块,根据分子泵特征信息提取模块提取的特征信息预测分子泵的寿命,得到预测结果;
分子泵维护策略模块,用于根据得到的预测结果,制定分子泵维护策略模块。
进一步的,所述的分子泵状态信息采集与存储模块包含振动加速度传感器,电流传感器,温度传感器,分子泵转速传感器;上述传感器通过同轴电缆与混合信号数据采集卡相连,所述混合信号采集卡通过工业以太网将数据采集发送到具有强计算能力的工控机。
进一步的,所述的分子泵寿命预测及结果输出模块根据寿命预测结果输出三种分子泵状态:状态良好,状态存疑和即将故障。
进一步的,所述分子泵维护策略模块针对不同预测结果,采取相应策略,在聚变装置运行阶段如果输出结果为状态良好,则分子泵正常运行,等待聚变装置进入非运行期间进行常规维护;如果输出结果为状态存疑,则将该台分子泵进行重点监测,记录异常参数,等待聚变装置进入非运行期间,针对异常参数进行针对性维护检测;如果输出结果为即将故障状态,则立即更换该台分子泵,避免由于分子泵运行故障引发的聚变装置次生安全风险。
进一步的,所述的多种传感器与混合信号采集卡之间采用同步触发技术,保障不同信号之间起始采样时间一致。
进一步的,所述的分子泵信息特征提取系统,通过提取分子泵状态信息数据中影响分子泵运行故障和使用寿命的核心数据,并依据历史数据库中不同参数对分子泵影响的作用大小分配权重值。
根据本发明的另一方面,提出一种用于聚变装置的分子泵维护决策管理方法,包括如下步骤:
步骤1、系统参数初始化;
步骤2、设置A/D标志位同步触发多通道采集;
步骤3、采集并存储分子泵运行多种状态数据;
步骤4、分子泵状态数据进行权重赋值;
步骤5、通过智能算法对分子泵实时状态数据进行演算。
进一步的,步骤5所述的智能算法建模过程如下:
1)通过分子泵状态信息采集与存储模块将分子泵电流信号,分子泵转速信号,分子泵振动信号以及分子泵温度信号,对上述采集信号进行预处理和特征提取,预处理和特征提取后的数据构建矩阵,其中n代表每次采样的个数,i代表预处理和特征提取后的分子泵电流信号,s代表预处理和特征提取后的分子泵转速信号,v代表预处理和特征提取后的分子泵振动信号,t代表预处理和特征提取后的分子泵温度信号;
2)将上述矩阵模型进行向量化,并存储在数据库中
vec(Xjk)=[xi1,…,xin,xs1,…,xsn,xv1,…,xvn,xt1,…,xtn]T (2)
3)通过分子泵故障历史数据构建分子泵故障权向量,并确定特征系数,获得分子泵故障预测输出结果即故障概率;其中w为分子泵故障预测的权向量,Pjk为补偿参数;
f(x)=vec(Xjk)w+Pjk (3)
当0<f(x)≤0.1分子泵状态良好,当0.1<f(x)≤0.5分子泵状态存疑,当f(x)>0.5分子泵即将故障。
进一步的,其中权向量w的向量形式为:
w=[wi1,…,win,ws1,…,wsn,wv1,…,wvn,wt1,…,wtn]T
上式中wi1代表预处理和特征提取后分子泵电流信号第一个点的权重值,win代表预处理和特征提取后分子泵电流信号第n个点的权重值;ws1代表预处理和特征提取后分子泵转速信号第一个点的权重值,wsn代表预处理和特征提取后分子泵转速信号第n个点权重值;wv1代表预处理和特征提取后分子泵振动信号第一个点的权重值,wvn代表预处理和特征提取后分子泵振动信号第n个点的权重值;wt1代表预处理和特征提取后分子泵温度信号第一个点的权重值,wtn代表预处理和特征提取后分子泵温度信号第n个点的权重值,以此类推;
Pjk为故障概率的补偿参数,不同种类和型号的分子泵在聚变装置环境下,其故障参数阈值和权重不完全相同,采用此补偿参数,用以对不同种类型号的分子泵,在聚变装置环境中故障概率输出进行修正;补偿参数的表达式为:
Pjk=[Pi1,…,Pin,Ps1,…,Psn,Pv1,…,Pvn,Pt1,…,Ptn]T
上式中Pi1代表预处理和特征提取后分子泵电流信号第一个点,在聚变装置运行环境中的补偿参数,Pin代表预处理和特征提取后分子泵电流信号第n个点,在聚变装置运行环境中的补偿参数;Ps1代表预处理和特征提取后分子泵转速信号第一个点,在聚变装置运行环境中的补偿参数,Psn代表预处理和特征提取后分子泵转速信号第n个点,在聚变装置运行环境中的补偿参数;Pv1代表预处理和特征提取后分子泵振动信号第一个点,在聚变装置运行环境中的补偿参数,Pvn代表预处理和特征提取后分子泵振动信号第n个点,在聚变装置运行环境中的补偿参数;Pt1代表预处理和特征提取后分子泵温度信号第一个点,在聚变装置运行环境中的补偿参数,Ptn代表预处理和特征提取后分子泵温度信号第n个点,在聚变装置运行环境中的补偿参数,以此类推。
本发明的优点是:
1、本发明的方法运用在聚变装置运行过程中,通过实时收集和分析分子泵运行参数,融合先进分子泵寿命预测算法,可以实现对分子泵寿命及状态的在线实时预测,并通过本发明输出预测结果,为聚变装置运行人员提供决策依据。该发明可以快速,精确,经济,有效的实现对聚变装置中分子泵的维护,进而满足聚变装置未来全自动运行和污染区无人值守的严苛要求,提高聚变装置安全性避免由于分子泵故障导致的聚变装置次生安全事故。
2、本发明的分子泵维护决策管理系统和方法,可以有效提高分子泵在聚变装置中安全可靠性,通过对分子泵故障的预判,提前对即将出现故障的分子泵进行更换和维修,从而有效降低分子泵在聚变装置运行过程中发生重大事故的可能性,进而提高聚变装置中真空系统和整个装置的安全性。
本发明通过预防性分子泵维护方法,有效降低在聚变装置运行过程中分子泵发生实际故障的可能性,进而降低由于分子泵故障引起聚变装置发生次生事故的可能性,从而提高聚变装置中真空系统和整个装置的安全性,解决了常规分子泵统一维护时缺乏针对性和分子泵维修集中在重大故障实际发生后的问题。这对于未来核聚变装置的自动化运行具有重要意义,可以解决未来聚变装置预决策和预维护所面临的难题,为聚变装置未来全自动运行和污染区无人值守的严苛要求提供保障。
附图说明
图1为分子泵维护决策管理系统总体设计图;
图2为分子泵维护决策管理系统硬件架构图;
图3为分子泵维护决策管理系统决策方法流程图。
具体实施方式:
下面将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、完整的描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
参见附图1。根据本发明的一个实施例,提出一种用于聚变装置的分子泵维护决策管理系统,其总体设计图如图1所示。包括有分子泵状态信息采集与存储模块1,分子泵特征信息提取模块2,分子泵寿命预测及结果输出模块3,根据预测结果制定分子泵维护策略模块4;
首先通过所述的分子泵状态信息采集与存储模块1收集聚变装置运行过程中分子状态信息,并进行本地存储。收集到的分子状态信息经过所述分子泵特征信息提取模块2,获得分子故障预判和寿命预测的特征数据。经过智能算法对分子泵实时状态数据进行演算,实现分子泵寿命预测及结果输出模块3,将输出结果作为下一步制定分子泵维护策略的依据,进而实现根据预测结果制定分子泵维护策略模块4,提供给聚变装置真空运行人员参考。
本发明相比于传统聚变装置中分子泵的维护具有以下几点:首先可以将分子泵的维护从原有故障后维护,提前到即将发生故障前维护,从而避免由分子泵故障所带来得对聚变装置二次损伤(如由于分子泵故障导致分子泵冷却水漏入聚变装置,破损分子泵叶片飞入聚变装置等);其次相比于原有的故障后维护维修需要费用较高,此系统可以实现故障诊断和预测,提前更换损伤元件避免分子泵发生真实故障后,造成多个元件的磨损,具有更好的经济性。此外,精确定位到故障点后可以降低维护成本,提高维护效率。
本发明的硬件架构如图2所示,所述的分子泵状态信息采集,通过温度传感器采集分子泵运行过程中的泵体温度,通过振动加速度传感器采集分子泵运行过程中振动加速度,通过电流传感器采集分子泵运行过程中实时电流,通过转速传感器采集分子泵运行过程中实时转速。上述传感器数据采用同步触发采集技术保障数据时间轴的严格同步。所述的分子泵状态存储,将多种分子泵实时状态运行数据存储于本地工控机硬盘。所述的数据预处理与算法实现均利用工控机资源实现。
上述分子泵维护决策管理方法的流程如图3所示,包括如下步骤:
步骤1、系统参数初始化;
步骤2、设置A/D标志位同步触发多通道采集;
步骤3、采集并存储分子泵运行多种状态数据;
步骤4、对分子泵状态数据进行权重赋值;
步骤5、通过智能算法对分子泵实时状态数据进行演算;
步骤6、输出寿命预测结果,根据计算结果将分子泵状态输出化为三个等级:状态良好,状态存疑和即将故障。聚变装置运行人员,根据这三个等级可以采取相应的维护方法。
所述步骤3具体包括,通过分子泵状态信息采集与存储模块采集分子泵电流信号,分子泵转速信号,分子泵振动信号以及分子泵温度信号;
所述步骤4具体包括:
对上述采集的信号进行预处理和特征提取,预处理和特征提取后的数据构建矩阵,其中n代表每次采样的个数,i代表预处理和特征提取后的分子泵电流信号,s代表预处理和特征提取后的分子泵转速信号,v代表预处理和特征提取后的分子泵振动信号,t代表预处理和特征提取后的分子温度信号;例如xi1代表预处理和特征提取后电流信号的第一个点,xin代表预处理和特征提取后电流信号采样的第n个点;xs1代表预处理和特征提取后分子泵转速信号的第一个点,xsn代表预处理和特征提取后分子泵转速信号的第n个点;xv1代表预处理和特征提取后分子泵振动信号的第一个点,xvn代表预处理和特征提取后分子泵振动信号的第n个点;xt1代表预处理和特征提取后分子泵温度信号的第一个点,xtn代表预处理和特征提取后分子泵温度信号的第n个点,以此类推。
上述矩阵中j代表分子泵不同物理状态,指代i、s、v、t;k代表采样次数,指代n
将上述矩阵模型进行向量化,并存储在数据库中
vec(Xjk)=[xi1,…,xin,xs1,…,xsn,xv1,…,xvn,xt1,…,xtn]T
所述步骤4具体包括通过分子泵故障历史数据构建分子泵故障权向量,并确定特征系数;
所述步骤5具体包括:
获得分子泵故障预测输出结果即故障概率。其中w为分子泵故障预测的权向量,Pjk为补偿参数。
f(x)=vec(Xjk)w+Pjk
其中权向量w的向量形式为:
w=[wi1,…,win,ws1,…,wsn,wv1,…,wvn,wt1,…,wtn]T
上式中wi1代表预处理和特征提取后分子泵电流信号第一个点的权重值,win代表预处理和特征提取后分子泵电流信号第n个点的权重值;ws1代表预处理和特征提取后分子泵转速信号第一个点的权重值,wsn代表预处理和特征提取后分子泵转速信号第n个点权重值;wv1代表预处理和特征提取后分子泵振动信号第一个点的权重值,wvn代表预处理和特征提取后分子泵振动信号第n个点的权重值;wt1代表预处理和特征提取后分子泵温度信号第一个点的权重值,wtn代表预处理和特征提取后分子泵温度信号第n个点的权重值,以此类推。
Pjk为故障概率的补偿参数,由于不同种类和型号的分子泵在聚变装置环境下,其故障参数阈值和权重不完全相同,因此为了解决本系统和方法的适用性问题采用此补偿参数,用以对不同种类型号的分子泵,在聚变装置环境中故障概率输出进行修正。补偿参数的表达式为:
Pjk=[Pi1,…,Pin,Ps1,…,Psn,Pv1,…,Pvn,Pt1,…,Ptn]T
上式中Pi1代表预处理和特征提取后分子泵电流信号第一个点,在聚变装置运行环境中的补偿参数,Pin代表预处理和特征提取后分子泵电流信号第n个点,在聚变装置运行环境中的补偿参数;Ps1代表预处理和特征提取后分子泵转速信号第一个点,在聚变装置运行环境中的补偿参数,Psn代表预处理和特征提取后分子泵转速信号第n个点,在聚变装置运行环境中的补偿参数;Pv1代表预处理和特征提取后分子泵振动信号第一个点,在聚变装置运行环境中的补偿参数,Pvn代表预处理和特征提取后分子泵振动信号第n个点,在聚变装置运行环境中的补偿参数;Pt1代表预处理和特征提取后分子泵温度信号第一个点,在聚变装置运行环境中的补偿参数,Ptn代表预处理和特征提取后分子泵温度信号第n个点,在聚变装置运行环境中的补偿参数,以此类推。当0<f(x)≤0.1分子泵状态良好,当0.1<f(x)≤0.5分子泵状态存疑,当f(x)>0.5分子泵即将故障。此发明为满足聚变装置未来全自动运行和污染区无人值守的严苛要求提供保障,同时避免由于分子泵故障导致的聚变装置次生安全事故,从而提高聚变装置安全性。
Claims (7)
1.一种用于聚变装置的分子泵维护决策管理系统,其特征在于:
包括分子泵状态信息采集与存储模块,用于获取分子泵运行数据,并将实时状态数据存储于本地存储介质中;
分子泵特征信息提取模块,接收分子泵运行数据,进行数据分析处理,提取分子泵特征信息;通过分子泵状态信息采集与存储模块将分子泵电流信号,分子泵转速信号,分子泵振动信号以及分子泵温度信号,对上述采集信号进行预处理和特征提取,预处理和特征提取后的数据构建矩阵,其中n代表每次采样的个数,i代表预处理和特征提取后的分子泵电流信号,s代表预处理和特征提取后的分子泵转速信号,v代表预处理和特征提取后的分子泵振动信号,t代表预处理和特征提取后的分子泵温度信号;
将上述矩阵模型进行向量化,并存储在数据库中
vec(Xik)=[xi1,...,xin,xs1,..,xsn,xv1,...,xvn,xt1,...,xtn]T (2)
分子泵寿命预测及结果输出模块,根据分子泵特征信息提取模块提取的特征信息预测分子泵的寿命,得到预测结果;具体的,
通过分子泵故障历史数据构建分子泵故障权向量,并确定特征系数,获得分子泵故障预测输出结果即故障概率;其中w为分子泵故障预测的权向量,Pjk为补偿参数;
f(x)=vec(Xjk)w+Pjk (3)
当0<f(x)≤0.1分子泵状态良好,当0.1<f(x)≤0.5分子泵状态存疑,当f(x)>0.5分子泵即将故障;
其中权向量w的向量形式为:w=[wi1,...,win,ws1,...,wsn,wv1,...,wvn,wt1,...,wtn]T;
上式中wi1代表预处理和特征提取后分子泵电流信号第一个点的权重值,win代表预处理和特征提取后分子泵电流信号第n个点的权重值;ws1代表预处理和特征提取后分子泵转速信号第一个点的权重值,wsn代表预处理和特征提取后分子泵转速信号第n个点权重值;wv1代表预处理和特征提取后分子泵振动信号第一个点的权重值,wvn代表预处理和特征提取后分子泵振动信号第n个点的权重值;wt1代表预处理和特征提取后分子泵温度信号第一个点的权重值,wtn代表预处理和特征提取后分子泵温度信号第n个点的权重值,以此类推;
Pjk为故障概率的补偿参数,不同种类和型号的分子泵在聚变装置环境下,其故障参数阈值和权重不完全相同,采用此补偿参数,用以对不同种类型号的分子泵,在聚变装置环境中故障概率输出进行修正;补偿参数的表达式为:
Pjk=[Pi1,...,Pin,Ps1,...,Psn,Pv1,...,Pvn,Pt1,...,Ptn]T
上式中Pi1代表预处理和特征提取后分子泵电流信号第一个点,在聚变装置运行环境中的补偿参数,Pin代表预处理和特征提取后分子泵电流信号第n个点,在聚变装置运行环境中的补偿参数;Ps1代表预处理和特征提取后分子泵转速信号第一个点,在聚变装置运行环境中的补偿参数,Psn代表预处理和特征提取后分子泵转速信号第n个点,在聚变装置运行环境中的补偿参数;Pv1代表预处理和特征提取后分子泵振动信号第一个点,在聚变装置运行环境中的补偿参数,Pvn代表预处理和特征提取后分子泵振动信号第n个点,在聚变装置运行环境中的补偿参数;Pt1代表预处理和特征提取后分子泵温度信号第一个点,在聚变装置运行环境中的补偿参数,Ptn代表预处理和特征提取后分子泵温度信号第n个点,在聚变装置运行环境中的补偿参数,以此类推;
分子泵维护策略模块,用于根据得到的预测结果,制定分子泵维护策略。
2.根据权利要求1所述的一种用于聚变装置的分子泵维护决策管理系统,其特征在于:所述的分子泵状态信息采集与存储模块包含振动加速度传感器,电流传感器,温度传感器,分子泵转速传感器;上述传感器通过同轴电缆与混合信号数据采集卡相连,所述混合信号采集卡通过工业以太网将数据采集发送到具有强计算能力的工控机。
3.根据权利要求1所述的一种用于聚变装置的分子泵维护决策管理系统,其特征在于:所述的分子泵寿命预测及结果输出模块根据寿命预测结果输出三种分子泵状态:状态良好,状态存疑和即将故障。
4.根据权利要求1所述的一种用于聚变装置的分子泵维护决策管理系统,其特征在于:
所述分子泵维护策略模块针对不同预测结果,采取相应策略,在聚变装置运行阶段如果输出结果为状态良好,则分子泵正常运行,等待聚变装置进入非运行期间进行常规维护;如果输出结果为状态存疑,则将该台分子泵进行重点监测,记录异常参数,等待聚变装置进入非运行期间,针对异常参数进行针对性维护检测;如果输出结果为即将故障状态,则立即更换该台分子泵,避免由于分子泵运行故障引发的聚变装置次生安全风险。
5.根据权利要求2所述的一种用于聚变装置的分子泵维护决策管理系统,其特征在于:所述的多种传感器与混合信号采集卡之间采用同步触发技术,保障不同信号之间起始采样时间一致。
6.根据权利要求2所述的一种用于聚变装置的分子泵维护决策管理系统,其特征在于:
所述的分子泵信息特征提取系统,通过提取分子泵状态信息数据中影响分子泵运行故障和使用寿命的核心数据,并依据历史数据库中不同参数对分子泵影响的作用大小分配权重值。
7.一种用于聚变装置的分子泵维护决策管理方法,其特征在于,包括如下步骤:
步骤1、系统参数初始化;
步骤2、设置A/D标志位同步触发多通道采集;
步骤3、采集并存储分子泵运行多种状态数据;
步骤4、分子泵状态数据进行权重赋值;
步骤5、通过智能算法对分子泵实时状态数据进行演算;
步骤5所述的智能算法建模过程如下:
1)通过分子泵状态信息采集与存储模块将分子泵电流信号,分子泵转速信号,分子泵振动信号以及分子泵温度信号,对上述采集信号进行预处理和特征提取,预处理和特征提取后的数据构建矩阵,其中n代表每次采样的个数,i代表预处理和特征提取后的分子泵电流信号,s代表预处理和特征提取后的分子泵转速信号,v代表预处理和特征提取后的分子泵振动信号,t代表预处理和特征提取后的分子泵温度信号;
2)将上述矩阵模型进行向量化,并存储在数据库中
vec(Xjk)=[xi1,...,xin,xs1,...,xsn,xy1,...,xvn,xt1,...,xtn]T (2)
3)通过分子泵故障历史数据构建分子泵故障权向量,并确定特征系数,获得分子泵故障预测输出结果即故障概率;其中w为分子泵故障预测的权向量,Pjk为补偿参数;
f(x)=vec(Xjk)w+Pjk (3)
当0<f(x)≤0.1分子泵状态良好,当0.1<f(x)≤0.5分子泵状态存疑,当f(x)>0.5分子泵即将故障;
其中权向量w的向量形式为:w=[wi1,...,win,ws1,...,wsn,wv1,...,wvn,wt1,...,wtn]T;
上式中wi1代表预处理和特征提取后分子泵电流信号第一个点的权重值,win代表预处理和特征提取后分子泵电流信号第n个点的权重值;ws1代表预处理和特征提取后分子泵转速信号第一个点的权重值,wsn代表预处理和特征提取后分子泵转速信号第n个点权重值;wv1代表预处理和特征提取后分子泵振动信号第一个点的权重值,wvm代表预处理和特征提取后分子泵振动信号第n个点的权重值;wt1代表预处理和特征提取后分子泵温度信号第一个点的权重值,wtn代表预处理和特征提取后分子泵温度信号第n个点的权重值,以此类推;
Pjk为故障概率的补偿参数,不同种类和型号的分子泵在聚变装置环境下,其故障参数阈值和权重不完全相同,采用此补偿参数,用以对不同种类型号的分子泵,在聚变装置环境中故障概率输出进行修正;补偿参数的表达式为:
Pjk=[Pi1,...,Pin,Ps1,...,Psn,Pv1,...,Pvn,Pt1,...,Ptn]T
上式中Pi1代表预处理和特征提取后分子泵电流信号第一个点,在聚变装置运行环境中的补偿参数,Pin代表预处理和特征提取后分子泵电流信号第n个点,在聚变装置运行环境中的补偿参数;Ps1代表预处理和特征提取后分子泵转速信号第一个点,在聚变装置运行环境中的补偿参数,Psn代表预处理和特征提取后分子泵转速信号第n个点,在聚变装置运行环境中的补偿参数;Pv1代表预处理和特征提取后分子泵振动信号第一个点,在聚变装置运行环境中的补偿参数,Pvn代表预处理和特征提取后分子泵振动信号第n个点,在聚变装置运行环境中的补偿参数;Pt1代表预处理和特征提取后分子泵温度信号第一个点,在聚变装置运行环境中的补偿参数,Ptn代表预处理和特征提取后分子泵温度信号第n个点,在聚变装置运行环境中的补偿参数,以此类推。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010884822.6A CN112017793B (zh) | 2020-08-28 | 2020-08-28 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010884822.6A CN112017793B (zh) | 2020-08-28 | 2020-08-28 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112017793A CN112017793A (zh) | 2020-12-01 |
CN112017793B true CN112017793B (zh) | 2021-09-03 |
Family
ID=73502877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010884822.6A Active CN112017793B (zh) | 2020-08-28 | 2020-08-28 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112017793B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU851094A1 (ru) * | 1979-12-19 | 1981-07-30 | Предприятие П/Я Р-6877 | Устройство дл определени откло-НЕНи OT ВЕРТиКАли |
CN104777831A (zh) * | 2015-04-09 | 2015-07-15 | 武汉船用机械有限责任公司 | 一种液压式潜液泵系统的故障诊断方法 |
CN105652120A (zh) * | 2015-12-31 | 2016-06-08 | 国网重庆潼南区供电有限责任公司 | 电力变压器故障检测方法和检测系统 |
CN107013473A (zh) * | 2017-04-19 | 2017-08-04 | 武汉惜源科技有限公司 | 一种泵站实时在线监测与能效管理方法及系统 |
CN107701468A (zh) * | 2017-09-27 | 2018-02-16 | 郑州大学 | 一种混流泵在线综合监测方法及装置 |
CN110108509A (zh) * | 2019-04-28 | 2019-08-09 | 西安建筑科技大学 | 一种污水源热泵机组智能故障诊断方法 |
CN110287543A (zh) * | 2019-05-30 | 2019-09-27 | 武汉大学 | 一种继电保护装置寿命预测方法 |
CN110529202A (zh) * | 2019-09-26 | 2019-12-03 | 齐鲁工业大学 | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 |
CN111322732A (zh) * | 2020-02-24 | 2020-06-23 | 杨子靖 | 一种空调健康状态分析方法和系统 |
-
2020
- 2020-08-28 CN CN202010884822.6A patent/CN112017793B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU851094A1 (ru) * | 1979-12-19 | 1981-07-30 | Предприятие П/Я Р-6877 | Устройство дл определени откло-НЕНи OT ВЕРТиКАли |
CN104777831A (zh) * | 2015-04-09 | 2015-07-15 | 武汉船用机械有限责任公司 | 一种液压式潜液泵系统的故障诊断方法 |
CN105652120A (zh) * | 2015-12-31 | 2016-06-08 | 国网重庆潼南区供电有限责任公司 | 电力变压器故障检测方法和检测系统 |
CN107013473A (zh) * | 2017-04-19 | 2017-08-04 | 武汉惜源科技有限公司 | 一种泵站实时在线监测与能效管理方法及系统 |
CN107701468A (zh) * | 2017-09-27 | 2018-02-16 | 郑州大学 | 一种混流泵在线综合监测方法及装置 |
CN110108509A (zh) * | 2019-04-28 | 2019-08-09 | 西安建筑科技大学 | 一种污水源热泵机组智能故障诊断方法 |
CN110287543A (zh) * | 2019-05-30 | 2019-09-27 | 武汉大学 | 一种继电保护装置寿命预测方法 |
CN110529202A (zh) * | 2019-09-26 | 2019-12-03 | 齐鲁工业大学 | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 |
CN111322732A (zh) * | 2020-02-24 | 2020-06-23 | 杨子靖 | 一种空调健康状态分析方法和系统 |
Non-Patent Citations (1)
Title |
---|
泵站机组状态评价与故障分析方法研究及软件开发;张棋;《中国优秀硕士学位论文全文数据库(电子期刊库)》;20170228;7-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112017793A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115013261B (zh) | 一种用于海上风电场的状态监测方法及系统 | |
CN105550943A (zh) | 一种基于模糊综合评判的风电机组状态参数异常辨识方法 | |
CN111582392A (zh) | 一种风电机组关键部件多工况健康状态在线监测方法 | |
CN116187593B (zh) | 一种配电网故障预测处理方法、装置、设备、存储介质 | |
CN111666978B (zh) | 一种it系统运维大数据的智能故障预警系统 | |
CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
CN116205265A (zh) | 一种基于深层神经网络的电网故障诊断方法及装置 | |
CN114721336A (zh) | 一种仪控系统工艺参数的信息安全事件预警方法 | |
CN109842209B (zh) | 一种智能变电站在线故障分析方法 | |
CN113641486A (zh) | 一种基于边缘计算网络架构的道岔智能故障诊断方法 | |
CN112017793B (zh) | 一种用于聚变装置的分子泵维护决策管理系统和方法 | |
Teng et al. | On-line fault diagnosis technology and application based on deep learning of fault characteristic of power grid | |
CN111736636A (zh) | 一种基于知识图谱的水淹水车室预警方法及系统 | |
CN113076217B (zh) | 基于国产平台的磁盘故障预测方法 | |
CN116389062A (zh) | 基于流量安全分析的工业控制系统行为监测方法及设备 | |
Long et al. | Wind turbine anomaly identification based on improved deep belief network with SCADA data | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN112884170A (zh) | 一种综合管廊预测性智能运维系统及方法 | |
Yang et al. | Fault warning of pitch system of wind turbine based on kernel density estimation | |
Shan et al. | Power system fault diagnosis based on logistic regression deep neural network | |
CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
Yang et al. | Intelligent fan system based on big data and artificial intelligence | |
CN114970598B (zh) | 机械健康状态监测方法及装置 | |
Yu et al. | BP Neural Network Based Fault Prediction of Distribution Network during Typhoon Disaster | |
Li et al. | A Long-term Dependent and Trustworthy Approach to Reactor Accident Prognosis based on Temporal Fusion Transformer |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240423 Address after: 230031 Building 2, Dongpu Island, Hefei City, Anhui Province Patentee after: Hefei Science Island Holdings Co.,Ltd. Country or region after: China Address before: No. 350, shushanhu Road, Luyang District, Hefei City, Anhui Province 230031 Patentee before: HEFEI INSTITUTES OF PHYSICAL SCIENCE, CHINESE ACADEMY OF SCIENCES Country or region before: China |