CN112302966A - 一种离心泵运行状态判定方法及判定系统 - Google Patents
一种离心泵运行状态判定方法及判定系统 Download PDFInfo
- Publication number
- CN112302966A CN112302966A CN202011202850.1A CN202011202850A CN112302966A CN 112302966 A CN112302966 A CN 112302966A CN 202011202850 A CN202011202850 A CN 202011202850A CN 112302966 A CN112302966 A CN 112302966A
- Authority
- CN
- China
- Prior art keywords
- centrifugal pump
- state
- vibration
- horizontal radial
- radial vibration
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D1/00—Radial-flow pumps, e.g. centrifugal pumps; Helico-centrifugal pumps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种离心泵运行状态判定方法,包括以下步骤:模拟测试获得各种运行状态下振动加速度信号;获得试验台离心泵水平径向振动特征序列;获得试验台离心泵归一化水平径向振动特征序列集;获得运行状态分类器;获得工作现场离心泵额定流量正常运行状态下的水平径向振动特征;获得工作现场离心泵振动加速度信号,以及水平径向振动速度和位移时间序列;获取工作现场的归一化振动特征序列;利用离心泵运行状态分类器,确定分类结果并输出。本发明还公开了一种离心泵运行状态判定系统,包括数据输入模块、采集模块、存储模块、运算模块和显示模块。本发明提供的离心泵运行状态判定方法及判定系统,充分融合模拟测试结果和现场数据,客观可靠,针对性强。
Description
技术领域
本发明涉及离心泵领域,具体涉及一种离心泵运行状态判定方法及判定系统。
背景技术
离心泵是一种型号众多、应用广泛、工作条件十分复杂的泵门类。离心泵的主要用途是为其所服务的管网系统末端提供所需的介质流量并保证输送介质的压力,故离心泵的安全、稳定、健康运行对管网系统至关重要。在此需求驱动下,人们大力发展离心泵的运行状态监测和诊断系统,力求能够尽可能地减少设备损坏带来的损失并使得离心泵的维护保养成本最低化。而实现以上需求的根本前提在于实时在线地获得离心泵的运行状态,以便采取针对性的预防或维修措施。对此,市场上出现了大量离心泵运行状态的监测和判断产品,大量技术方案也被公开。
然而,由于管网系统的工况多变性和运行条件的复杂性,再加上不同型号离心泵之间较大的设计参数和工作性能的差异,当前公知的技术方案并不针对某款具体的离心泵量身定制其运行状态的判定工具,而是依赖于通用性的标准规范,这在很大程度上制约着离心泵运行状态判定技术,导致准确率不高,容易出现误判和漏判,带来不必要的人工成本并具有较高的应用风险。因此,需要针对现有公知技术方案的不足,充分重视各不同离心泵型号之间的个体差异,采用科学客观的技术手段,发展新的离心泵运行状态判定方法并设计相应的判定系统,作为现有离心泵运行状态判定技术方案的有效补充与价值提升。
发明内容
为了解决上述技术问题,本发明提供一种科学客观、成本可控、稳定可靠、针对性强且准确率高的离心泵运行状态判定方法,并提供一种离心泵运行状态判定系统。
本发明解决上述问题的技术方案是:一种离心泵运行状态判定方法,其特征在于,分为以下步骤:
步骤1、离心泵出厂前,在试验台上进行各种运行状态的模拟测试,每种运行状态测试不少于10次,采集并获得各种运行状态下对应的驱动端轴承水平径向振动加速度信号时间序列,另测试获得离心泵额定流量正常运行状态下的驱动端轴承水平径向振动加速度信号时间序列;
步骤2、通过对驱动端轴承水平径向振动加速度信号时间序列积分,获得相应的水平径向振动速度和水平径向振动位移时间序列,提取不同运行状态下驱动端轴承水平径向振动加速度、速度和位移时间序列的特征,并组成试验台离心泵水平径向振动特征序列;
步骤3、以试验台离心泵额定流量正常运行状态下的水平径向振动特征为基准,将各种运行状态下的水平径向振动特征除以额定流量正常运行状态下的水平径向振动特征,获得试验台离心泵带运行状态标记的归一化水平径向振动特征序列集;
步骤4、通过决策树方法对试验台离心泵带运行状态标记的归一化水平径向振动特征序列集进行有监督机器学习,获得离心泵运行状态分类器;
步骤5、将离心泵安装至工作现场,调节离心泵为额定流量运行工况,并获得工作现场离心泵额定流量正常运行状态下的水平径向振动特征;
步骤6、实时采集工作现场离心泵驱动端轴承水平径向振动加速度信号,并通过积分方式获得水平径向振动速度和水平径向振动位移时间序列;
步骤7、按照时间间隔ΔT,提取工作现场离心泵驱动端轴承水平径向振动加速度、水平径向振动速度和水平径向振动位移时间序列的特征,获取振动特征序列,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平径向振动特征,获取工作现场的归一化振动特征序列,其中,时间间隔ΔT处于1分钟至30分钟之间;
步骤8、利用步骤4获得的离心泵运行状态分类器,确定步骤7获得的工作现场离心泵归一化振动特征序列的分类结果并归集输出,即可得到工作现场离心泵的当前运行状态。
上述离心泵运行状态判定方法,所述步骤1离心泵模拟测试过程的运行状态,包括正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态。其中,偏大流量状态为通过离心泵的流量为其额定流量的p倍以上的流量状态,偏小流量状态为通过离心泵的流量为其额定流量的q倍以下的流量状态,正常状态为权利要求2所述的其他五类状态以外的运行状态,其中,p处于1.2至1.4之间,q处于0.6至0.8之间。
上述离心泵运行状态判定方法,所述步骤2水平径向振动速度和水平径向振动位移时间序列的获得,先将驱动端轴承水平径向振动加速度信号对时间进行积分获得驱动端轴承水平径向振动速度时间序列,再将驱动端轴承水平径向振动速度对时间积分获得驱动端轴承水平径向振动位移时间序列。
上述离心泵运行状态判定方法,所述步骤2和步骤7的驱动端轴承水平径向振动加速度、速度和位移时间序列的特征提取,所述特征包括时域特征和频域特征两个方面,其中时域特征包括振动加速度最大绝对值、振动速度均方根值、振动位移峰峰值以及振动速度的峭度,频域特征包括0.5倍、1倍和2倍主轴旋转频率对应的振动速度幅值以及叶片通过频率对应的振动加速度幅值,其中,叶片通过频率为主轴旋转频率与叶片数目之积。
上述离心泵运行状态判定方法,所述步骤2和步骤7的离心泵水平径向振动特征序列,为某个运行状态下按照如下顺序排列的序列:[振动加速度最大绝对值,振动速度均方根值,振动位移峰峰值,振动速度的峭度,0.5倍主轴旋转频率对应的振动速度幅值,1倍主轴旋转频率对应的振动速度幅值,2倍主轴旋转频率对应的振动速度幅值,叶片通过频率对应的振动加速度幅值]。
上述离心泵运行状态判定方法,所述步骤3的额定流量正常运行状态,为离心泵通过流量为其额定流量且没有汽蚀、叶轮质量不平衡或主轴不对中现象的运行状态。
上述离心泵运行状态判定方法,所述步骤4的通过决策树方法进行有监督机器学习,获得离心泵运行状态分类器,分类器由分别对应正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态的六个子分类器组成,每个子分类器用于判断输入的离心泵归一化振动特征序列是否对应以上六种状态中的一种。
上述离心泵运行状态判定方法,所述步骤8的工作现场离心泵归一化振动特征序列的分类,依次使用步骤4获得的六个子分类器判断工作现场离心泵归一化振动特征序列是否属于各自的状态分类,再将判断结果为是的状态分类归集并最终输出现场离心泵的运行状态。
一种用于实现以上所述运行状态判定方法的判定系统,其特征在于:包括数据输入模块、数据采集模块、数据存储模块、数据运算模块和数据显示模块:
所述数据输入模块、数据采集模块、数据运算模块和数据显示模块均与数据存储模块电性连接;
数据输入模块用于输入离心泵运行状态分类器和工作现场离心泵额定流量正常运行状态下的水平径向振动特征;
数据采集模块为置于离心泵驱动端轴承水平径向的振动加速度传感器,用于实时采集离心泵驱动端轴承水平径向的振动加速度值;
数据存储模块存储数据输入模块、数据采集模块、数据运算模块提供的数据,并将当前运行时间段内离心泵运行状态判定结果提供至数据显示模块;
数据显示模块用于实时显示当前运行时间段内离心泵运行状态判定结果;
数据运算模块由第一运算模块、第二运算模块和第三运算模块组成,第一运算模块从数据存储模块读取采集得到的离心泵驱动端轴承水平径向振动加速度信号时间序列,依次进行一次积分和二次积分,获得水平径向振动速度和位移时间序列,并将离心泵驱动端轴承水平径向振动加速度、速度和位移时间序列输出至第二运算模块;第二运算模块从第一运算模块获得离心泵驱动端轴承水平径向振动加速度、速度和位移时间序列,提取并建立振动特征序列,然后从数据存储模块读取工作现场离心泵额定流量正常运行状态下的水平径向振动特征,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平径向振动特征,得到工作现场的归一化振动特征序列,传输至第三运算模块;第三运算模块从数据存储模块读取离心泵运行状态分类器,并对第二运算模块传输来的工作现场的归一化振动特征序列进行状态分类,最终将状态分类结果返回数据存储模块。
本发明的有益效果在于:
1、本发明针对离心泵型号众多且各型号设计参数和性能特点差异显著的实际情况,对离心泵出厂前进行各种运行状态下的模拟测试,采集驱动端轴承振动数据,得到运行状态分类器,并作为离心泵工作现场运行状态判定的依据,这种方法充分考虑到了离心泵个体的差异性,具有十分突出的针对性,故能够为具体的离心泵型号专属定制其个性化的运行状态判定工具,从而保证运行状态判定的准确性。
2、本发明针对离心泵运行过程影响因素十分复杂、管网工况多变的实际情况,不依赖通用性的标准规范,而是采用有监督机器学习的途径进行离心泵运行状态的判定。这种方法一切从数据本身出发,利用真实的数据构造分类器,而不依赖于人为主观设定,故具有客观科学的特点。其中,本发明在振动特征的提取和归一化方面进行了十分细致的设计,以各自额定流量正常运行状态下的振动特征为基准分别进行试验台和工作现场离心泵振动特征序列的归一化处理,这有效避免了试验台和工作现场服役环境差异所带来的干扰。
3、本发明提供的离心泵运行状态判定方法,具有准确率高、针对性强和易于推广的优点,是现有离心泵运行状态判定技术的有效补充与显著提升,相应的判定系统成本较低、稳定可靠且易于实现。
附图说明
图1为本发明离心泵运行状态判定方法的流程图。
图2为本发明离心泵运行状态判定系统的结构框图,图中1为数据输入模块,2为数据采集模块,3为数据存储模块,4为数据显示模块,5为数据运算模块,6为第一运算模块,7为第二运算模块,8为第三运算模块。
图3为本发明试验台离心泵额定流量正常运行状态下的水平径向振动加速度信号时间序列图。
图4为本发明试验台离心泵额定流量正常运行状态下的水平径向振动速度时间序列图。
图5为本发明试验台离心泵额定流量正常运行状态下的水平径向振动位移时间序列图。
图6为本发明试验台离心泵额定流量正常运行状态下水平径向振动速度的频域图。
图7为本发明试验台离心泵额定流量正常运行状态下水平径向振动加速度的频域图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示,一种离心泵运行状态判定方法,其特征在于,分为以下步骤:
步骤1、离心泵出厂前,在试验台上进行各种运行状态的模拟测试,每种运行状态测试不少于10次,采集并获得各种运行状态下对应的驱动端轴承水平径向振动加速度信号时间序列,另测试获得离心泵额定流量正常运行状态下的驱动端轴承水平径向振动加速度信号时间序列。
以上所述的离心泵模拟测试过程的运行状态,包括正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态。其中,所述的偏大流量状态为通过离心泵的流量为其额定流量的p倍以上的流量状态,偏小流量状态为通过离心泵的流量为其额定流量的q倍以下的流量状态,其中,p处于1.2至1.4之间,q处于0.6至0.8之间,正常状态为以上所述的其他五类状态以外的运行状态。
步骤2、通过对驱动端轴承水平径向振动加速度信号时间序列积分,获得相应的水平径向振动速度和水平径向振动位移时间序列,提取不同运行状态下驱动端轴承水平径向振动加速度、速度和位移时间序列的特征,并组成试验台离心泵水平径向振动特征序列。
以上所述的水平径向振动速度和水平径向振动位移时间序列的获得,先将驱动端轴承水平径向振动加速度信号对时间进行积分获得驱动端轴承水平径向振动速度时间序列,再将驱动端轴承水平径向振动速度对时间积分获得驱动端轴承水平径向振动位移时间序列。
以上所述的驱动端轴承水平径向振动加速度、速度和位移时间序列的特征提取,所述特征包括时域特征和频域特征两个方面,其中时域特征包括振动加速度最大绝对值、振动速度均方根值、振动位移峰峰值以及振动速度的峭度,频域特征包括0.5倍、1倍和2倍主轴旋转频率对应的振动速度幅值以及叶片通过频率对应的振动加速度幅值,其中,叶片通过频率为主轴旋转频率与叶片数目之积。
以上所述的离心泵水平径向振动特征序列,为某个运行状态下按照如下顺序排列的序列:[振动加速度最大绝对值,振动速度均方根值,振动位移峰峰值,振动速度的峭度,0.5倍主轴旋转频率对应的振动速度幅值,1倍主轴旋转频率对应的振动速度幅值,2倍主轴旋转频率对应的振动速度幅值,叶片通过频率对应的振动加速度幅值]。
步骤3、以试验台离心泵额定流量正常运行状态下的水平径向振动特征为基准,将各种运行状态下的水平径向振动特征除以额定流量正常运行状态下的水平径向振动特征,获得试验台离心泵带运行状态标记的归一化水平径向振动特征序列集。
以上所述的额定流量正常运行状态,为离心泵通过流量为其额定流量且没有汽蚀、叶轮质量不平衡或主轴不对中现象的运行状态。
步骤4、通过决策树方法对试验台离心泵带运行状态标记的归一化水平径向振动特征序列集进行有监督机器学习,获得离心泵运行状态分类器。
以上所述的通过决策树方法进行有监督机器学习,获得离心泵运行状态分类器,分类器由分别对应正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态的六个子分类器组成,每个子分类器用于判断输入的离心泵归一化振动特征序列是否对应以上六种状态中的一种。
步骤5、将离心泵安装至工作现场,调节离心泵为额定流量运行工况,并获得工作现场离心泵额定流量正常运行状态下的水平径向振动特征。
步骤6、实时采集工作现场离心泵驱动端轴承水平径向振动加速度信号,并通过积分方式获得水平径向振动速度和水平径向振动位移时间序列。
步骤7、按照时间间隔ΔT,提取工作现场离心泵驱动端轴承水平径向振动加速度、水平径向振动速度和水平径向振动位移时间序列的特征,获取振动特征序列,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平径向振动特征,获取工作现场的归一化振动特征序列,其中,时间间隔ΔT处于1分钟至30分钟之间。
以上所述的驱动端轴承水平径向振动加速度、速度和位移时间序列的特征提取,所述特征包括时域特征和频域特征两个方面,其中时域特征包括振动加速度最大绝对值、振动速度均方根值、振动位移峰峰值以及振动速度的峭度,频域特征包括0.5倍、1倍和2倍主轴旋转频率对应的振动速度幅值以及叶片通过频率对应的振动加速度幅值,其中,叶片通过频率为主轴旋转频率与叶片数目之积。
以上所述的离心泵水平径向振动特征序列,为某个运行状态下按照如下顺序排列的序列:[振动加速度最大绝对值,振动速度均方根值,振动位移峰峰值,振动速度的峭度,0.5倍主轴旋转频率对应的振动速度幅值,1倍主轴旋转频率对应的振动速度幅值,2倍主轴旋转频率对应的振动速度幅值,叶片通过频率对应的振动加速度幅值]。
步骤8、利用步骤4获得的离心泵运行状态分类器,确定步骤7获得的工作现场离心泵归一化振动特征序列的分类结果并归集输出,即可得到工作现场离心泵的当前运行状态。
以上所述的工作现场离心泵归一化振动特征序列的分类,依次使用步骤4获得的六个子分类器判断工作现场离心泵归一化振动特征序列是否属于各自的状态分类,再将判断结果为是的状态分类归集并最终输出现场离心泵的运行状态。
如图2所示,一种离心泵运行状态判定系统,其特征在于:包括数据输入模块1、数据采集模块2、数据存储模块3、数据运算模块5和数据显示模块4:
所述数据输入模块1、数据采集模块2、数据运算模块5和数据显示模块4均与数据存储模块3电性连接;
数据输入模块1用于输入离心泵运行状态分类器和工作现场离心泵额定流量正常运行状态下的水平径向振动特征;
数据采集模块2为置于离心泵驱动端轴承水平径向的振动加速度传感器,用于实时采集离心泵驱动端轴承水平径向的振动加速度值;
数据存储模块3存储数据输入模块、数据采集模块、数据运算模块提供的数据,并将当前运行时间段内离心泵运行状态判定结果提供至数据显示模块;
数据显示模块4用于实时显示当前运行时间段内离心泵运行状态判定结果;
数据运算模块5由第一运算模块6、第二运算模块7和第三运算模块8组成,第一运算模块6从数据存储模块3读取采集得到的离心泵驱动端轴承水平径向振动加速度信号时间序列,依次进行一次积分和二次积分,获得水平径向振动速度和位移时间序列,并将离心泵驱动端轴承水平径向振动加速度、速度和位移时间序列输出至第二运算模块7;第二运算模块7从第一运算模块6获得离心泵驱动端轴承水平径向振动加速度、速度和位移时间序列,提取并建立振动特征序列,然后从数据存储模块3读取工作现场离心泵额定流量正常运行状态下的水平径向振动特征,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平径向振动特征,得到工作现场的归一化振动特征序列,传输至第三运算模块8;第三运算模块8从数据存储模块3读取离心泵运行状态分类器,并对第二运算模块6传输来的工作现场的归一化振动特征序列进行状态分类,最终将状态分类结果返回数据存储模块3。
实施例
某取水泵站的某台离心泵,额定流量Qn=550m3/h,额定转速n=1480r/min,叶片数目为6片,故对应的主轴旋转频率为24.7Hz,叶片通过频率为主轴旋转频率的6倍即148.2Hz。
离心泵出厂前,在试验台上进行正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种不同运行状态的模拟测试,每种运行状态测试12次,采集并获得各种运行状态下对应的驱动端轴承水平径向振动加速度信号时间序列,振动加速度信号测试采用频率为10.24kHz。本实施例中,偏大流量状态为通过离心泵的流量为其额定流量的1.3倍以上的流量状态,偏小流量状态为通过离心泵的流量为其额定流量的0.7倍以下的流量状态,正常状态为所述的其他五类状态以外的运行状态。另测试获得离心泵额定流量正常运行状态下的驱动端轴承水平径向振动加速度信号时间序列。
通过对驱动端轴承水平径向振动加速度信号时间序列积分,获得相应的水平径向振动速度和水平径向振动位移时间序列,提取不同运行状态下驱动端轴承水平径向振动加速度、速度和位移时间序列的特征,并组成试验台离心泵水平径向振动特征序列。
此处以离心泵额定流量正常运行状态为例,该状态下采集获得驱动端轴承水平径向振动加速度信号时间序列见图3;将驱动端轴承水平径向振动加速度信号对时间进行积分(一次积分)获得驱动端轴承水平径向振动速度时间序列,见图4;再将驱动端轴承水平径向振动速度(二次积分)对时间积分获得驱动端轴承水平径向振动位移时间序列,见图5。
对试验台离心泵额定流量正常运行状态下水平径向振动速度时间序列进行快速傅里叶变换,获得其频域图,如图6所示。图6中横坐标是频率,纵坐标是振动速度幅值。
对试验台离心泵额定流量正常运行状态下水平径向振动加速度时间序列进行快速傅里叶变换,获得其频域图,如图7所示。图7中横坐标是频率,纵坐标是振动加速度幅值。
提取并获得试验台离心泵额定流量正常运行状态下水平径向振动时间序列的水平径向特征如下:振动加速度最大绝对值为9.24m/s2,振动速度均方根值为8.2×10-2m/s,振动位移峰峰值为1.94×10-5m,振动速度的峭度为6.2×10-10m4/s4,0.5倍主轴旋转频率对应的振动速度幅值为3.1×10-4m/s,1倍主轴旋转频率对应的振动速度幅值为6.5×10-4m/s,2倍主轴旋转频率对应的振动速度幅值为2.2×10-4m/s,叶片通过频率对应的振动加速度幅值为5.68m/s2。以上振动速度均方根值为振动速度时间序列中各速度值的平方和除以速度值的个数再开方,振动位移峰峰值为振动位移时间序列中振动位移的最大值与最小值之差,振动速度的峭度为振动速度时间序列中各速度值的四次方和除以速度值的个数。
提取试验台离心泵不同运行状态下驱动端轴承水平振动加速度、速度和位移时间序列的特征,并按照以下顺序组成试验台离心泵水平振动特征序列:[振动加速度最大绝对值,振动速度均方根值,振动位移峰峰值,振动速度的峭度,0.5倍主轴旋转频率对应的振动速度幅值,1倍主轴旋转频率对应的振动速度幅值,2倍主轴旋转频率对应的振动速度幅值,叶片通过频率对应的振动加速度幅值]。由于离心泵出厂前,在试验台上进行正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种不同运行状态的模拟测试,每种运行状态测试12次,故共计有72个不同的水平振动特征序列。以试验台离心泵额定流量正常运行状态下的水平振动特征为基准,将各种运行状态下的水平振动特征除以额定流量正常运行状态下的水平振动特征,获得试验台离心泵带运行状态标记的归一化水平振动特征序列集,共计72个归一化水平振动特征序列且每个序列带有其对应的运行状态标记。
采用C4.5决策树算法,基于sklearn库中的tree模块编写Python程序,对试验台离心泵带运行状态标记的归一化水平振动特征序列集进行有监督机器学习,获得离心泵运行状态分类器,分类器由分别对应正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态的六个子分类器组成,每个子分类器用于判断输入的离心泵归一化振动特征序列是否对应以上六种状态中的一种。得到的各子分类器逻辑见表1。表1中第2行至第9行代表8个不同的归一化水平振动特征,第2列至第7列则代表每个子分类器的分类结果为“是”时的分类逻辑。例如,由表1中第四列可知,当离心泵某个运行状态下,其归一化水平振动特征序列中振动位移峰峰值>4.7、振动速度的峭度>5.8且叶片通过频率对应的振动加速度幅值>6.9时,判定该状态是偏小流量状态。由于本实施中的决策树算法采用信息增益率高的特征用于状态分类,故获得的各子分类器中,只用到了部分归一化水平振动特征即可满足分类需求,这有助于提升分类器各种应用场合下的适用性。此外,对于某个时间段对应的离心泵归一化水平振动特征序列,由表1中的各子分类器进行状态类别判断,也有可能判定其属于两个不同的运行状态,这完全符合实际情况。例如,现实中离心泵有可能同时处于偏大流量状态和汽蚀状态。
表1分类器逻辑
将试验台离心泵转移并安装至工作现场,首先调节离心泵为额定流量运行工况,并获得工作现场离心泵额定流量正常运行状态下的水平振动特征如下:振动加速度最大绝对值为10.19m/s2,振动速度均方根值为9.5×10-2m/s,振动位移峰峰值为2.23×10-5m,振动速度的峭度为7.8×10-10m4/s4,0.5倍主轴旋转频率对应的振动速度幅值为3.6×10-4m/s,1倍主轴旋转频率对应的振动速度幅值为7.2×10-4m/s,2倍主轴旋转频率对应的振动速度幅值为3.1×10-4m/s,叶片通过频率对应的振动加速度幅值为7.35m/s2。
离心泵在工作现场运行过程中,按照时间间隔ΔT=5分钟,提取工作现场离心泵驱动端轴承水平振动加速度、水平振动速度和水平振动位移时间序列的特征。对当前时间段进行分析,获取振动特征序列如下:振动加速度最大绝对值为31.59m/s2,振动速度均方根值为20.9×10-2m/s,振动位移峰峰值为9.14×10-5m,振动速度的峭度为21.8×10-10m4/s4,0.5倍主轴旋转频率对应的振动速度幅值为13.0×10-4m/s,1倍主轴旋转频率对应的振动速度幅值为69.1×10-4m/s,2倍主轴旋转频率对应的振动速度幅值为8.1×10-4m/s,叶片通过频率对应的振动加速度幅值为28.67m/s2。以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将以上获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平振动特征,获取当前时间段工作现场的归一化振动特征序列为[3.1,2.2,4.1,2.8,3.6,9.6,2.6,3.9],对照表1中的分类器逻辑,分类结果为:正常状态——否,偏大流量状态——否,偏小流量状态——否,汽蚀状态——否,叶轮质量不平衡状态——是,主轴不对中状态——否,亦即判定工作现场的离心泵当前运行状态处于质量不平衡状态。为了验证本次离心泵运行状态判定结果的准确性,使工作现场的离心泵停机,取出叶轮进行不平衡质量测试,测试表明该叶轮的平衡精度等级为G16,不满足离心泵叶轮的质量平衡要求,说明本实施例中对工作现场离心泵的运行状态判定无误。
本实施例描述的离心泵运行判定方法,其运用依赖于离心泵运行判定系统。本实施例中的离心泵运行判定系统,包括数据输入模块、数据采集模块、数据存储模块、数据运算模块和数据显示模块:
所述数据输入模块、数据采集模块、数据运算模块和数据显示模块均与数据存储模块电性连接;
数据输入模块用于输入离心泵运行状态分类器和工作现场离心泵额定流量正常运行状态下的水平振动特征;
数据采集模块为置于离心泵驱动端轴承水平方向的振动加速度传感器,用于实时采集离心泵驱动端轴承水平方向的振动加速度值;
数据存储模块存储数据输入模块、数据采集模块、数据运算模块提供的数据,并将当前运行时间段内离心泵运行状态判定结果提供至数据显示模块;
数据显示模块用于实时显示当前运行时间段内离心泵运行状态判定结果;
数据运算模块由第一运算模块、第二运算模块和第三运算模块组成,第一运算模块从数据存储模块读取采集得到的离心泵驱动端轴承水平振动加速度信号时间序列,依次进行一次积分和二次积分,获得水平振动速度和位移时间序列,并将离心泵驱动端轴承水平振动加速度、速度和位移时间序列输出至第二运算模块;第二运算模块从第一运算模块获得离心泵驱动端轴承水平振动加速度、速度和位移时间序列,提取并建立振动特征序列,然后从数据存储模块读取工作现场离心泵额定流量正常运行状态下的水平振动特征,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平振动特征,得到工作现场的归一化振动特征序列,传输至第三运算模块;第三运算模块从数据存储模块读取离心泵运行状态分类器,并对第二运算模块传输来的工作现场的归一化振动特征序列进行状态分类,最终将状态分类结果返回数据存储模块。
本实施例提供的离心泵运行状态判定方法及判定系统,将离心泵的模拟测试、振动信号采集分析和机器学习三者之间有机融合,以额定流量正常运行状态下的振动特征为基准获得离心泵驱动端轴承归一化水平振动特征序列,使之便于机器学习训练并有助于各种场合下的应用;采用决策树方法构造离心泵运行状态判定用一系列分类器,这种方法客观科学,能够准确提取复杂振动数据的内在规律,反映出离心泵运行状态与振动特征之间的本质关联,既能够准确判定离心泵的运行状态,又具有较好的适应性,能够广泛应用各种离心泵类型的运行状态判定。因此,本实施例提供的离心泵运行状态判定方法及判定系统,具有准确率高、针对性强、成本低、稳定性好和易于推广的优点,是现有离心泵运行状态判定技术和工具的有效补充。
Claims (10)
1.一种离心泵运行状态判定方法,其特征在于,分为以下步骤:
步骤1、离心泵出厂前,在试验台上进行各种运行状态的模拟测试,每种运行状态测试不少于10次,采集并获得各种运行状态下对应的驱动端轴承水平径向振动加速度信号时间序列,另测试获得离心泵额定流量正常运行状态下的驱动端轴承水平径向振动加速度信号时间序列;
步骤2、通过对驱动端轴承水平径向振动加速度信号时间序列积分,获得相应的水平径向振动速度和水平径向振动位移时间序列,提取不同运行状态下驱动端轴承水平径向振动加速度、速度和位移时间序列的特征,并组成试验台离心泵水平径向振动特征序列;
步骤3、以试验台离心泵额定流量正常运行状态下的水平径向振动特征为基准,将各种运行状态下的水平径向振动特征除以额定流量正常运行状态下的水平径向振动特征,获得试验台离心泵带运行状态标记的归一化水平径向振动特征序列集;
步骤4、通过决策树方法对试验台离心泵带运行状态标记的归一化水平径向振动特征序列集进行有监督机器学习,获得离心泵运行状态分类器;
步骤5、将离心泵安装至工作现场,调节离心泵为额定流量运行工况,并获得工作现场离心泵额定流量正常运行状态下的水平径向振动特征;
步骤6、实时采集工作现场离心泵驱动端轴承水平径向振动加速度信号,并通过积分方式获得水平径向振动速度和水平径向振动位移时间序列;
步骤7、按照时间间隔ΔT,提取工作现场离心泵驱动端轴承水平径向振动加速度、水平径向振动速度和水平径向振动位移时间序列的特征,获取振动特征序列,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平径向振动特征,获取工作现场的归一化振动特征序列,其中,时间间隔ΔT处于1分钟至30分钟之间;
步骤8、利用步骤4获得的离心泵运行状态分类器,确定步骤7获得的工作现场离心泵归一化振动特征序列的分类结果并归集输出,即可得到工作现场离心泵的当前运行状态。
2.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤1所述的离心泵模拟测试过程的运行状态,包括正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态。
3.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤2所述的水平径向振动速度和水平径向振动位移时间序列的获得,先将驱动端轴承水平径向振动加速度信号对时间进行积分获得驱动端轴承水平径向振动速度时间序列,再将驱动端轴承水平径向振动速度对时间积分获得驱动端轴承水平径向振动位移时间序列。
4.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤2和步骤7所述的驱动端轴承水平径向振动加速度、速度和位移时间序列的特征提取,所述特征包括时域特征和频域特征两个方面,其中时域特征包括振动加速度最大绝对值、振动速度均方根值、振动位移峰峰值以及振动速度的峭度,频域特征包括0.5倍、1倍和2倍主轴旋转频率对应的振动速度幅值以及叶片通过频率对应的振动加速度幅值,其中,叶片通过频率为主轴旋转频率与叶片数目之积。
5.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤2和步骤7所述的离心泵水平径向振动特征序列,为某个运行状态下按照如下顺序排列的序列:[振动加速度最大绝对值,振动速度均方根值,振动位移峰峰值,振动速度的峭度,0.5倍主轴旋转频率对应的振动速度幅值,1倍主轴旋转频率对应的振动速度幅值,2倍主轴旋转频率对应的振动速度幅值,叶片通过频率对应的振动加速度幅值]。
6.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤3所述的额定流量正常运行状态,为离心泵通过流量为其额定流量且没有汽蚀、叶轮质量不平衡或主轴不对中现象的运行状态。
7.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤4所述的通过决策树方法进行有监督机器学习,获得离心泵运行状态分类器,分类器由分别对应正常状态、偏大流量状态、偏小流量状态、汽蚀状态、叶轮质量不平衡状态和主轴不对中状态这六种状态的六个子分类器组成,每个子分类器用于判断输入的离心泵归一化振动特征序列是否对应以上六种状态中的一种。
8.权利要求2所述的离心泵运行状态判定方法,其特征在于,偏大流量状态为通过离心泵的流量为其额定流量的p倍以上的流量状态,偏小流量状态为通过离心泵的流量为其额定流量的q倍以下的流量状态,正常状态为权利要求2所述的其他五类状态以外的运行状态,其中,p处于1.2至1.4之间,q处于0.6至0.8之间。
9.权利要求1所述的离心泵运行状态判定方法,其特征在于,步骤8工作现场离心泵归一化振动特征序列的分类,依次使用步骤4获得的六个子分类器判断工作现场离心泵归一化振动特征序列是否属于各自的状态分类,再将判断结果为是的状态分类归集并最终输出现场离心泵的运行状态。
10.一种用于实现权利要求1-9所述离心泵运行状态判定方法的判定系统,其特征在于:包括数据输入模块、数据采集模块、数据存储模块、数据运算模块和数据显示模块:
所述数据输入模块、数据采集模块、数据运算模块和数据显示模块均与数据存储模块电性连接;
数据输入模块用于输入离心泵运行状态分类器和工作现场离心泵额定流量正常运行状态下的水平径向振动特征;
数据采集模块为置于离心泵驱动端轴承水平径向的振动加速度传感器,用于实时采集离心泵驱动端轴承水平径向的振动加速度值;
数据存储模块存储数据输入模块、数据采集模块、数据运算模块提供的数据,并将当前运行时间段内离心泵运行状态判定结果提供至数据显示模块;
数据显示模块用于实时显示当前运行时间段内离心泵运行状态判定结果;
数据运算模块由第一运算模块、第二运算模块和第三运算模块组成,第一运算模块从数据存储模块读取采集得到的离心泵驱动端轴承水平径向振动加速度信号时间序列,依次进行一次积分和二次积分,获得水平径向振动速度和位移时间序列,并将离心泵驱动端轴承水平径向振动加速度、速度和位移时间序列输出至第二运算模块;第二运算模块从第一运算模块获得离心泵驱动端轴承水平径向振动加速度、速度和位移时间序列,提取并建立振动特征序列,然后从数据存储模块读取工作现场离心泵额定流量正常运行状态下的水平径向振动特征,并以工作现场离心泵额定流量正常运行状态下的振动特征为基准,将获取的振动特征除以工作现场离心泵额定流量正常运行状态下的水平径向振动特征,得到工作现场的归一化振动特征序列,传输至第三运算模块;第三运算模块从数据存储模块读取离心泵运行状态分类器,并对第二运算模块传输来的工作现场的归一化振动特征序列进行状态分类,最终将状态分类结果返回数据存储模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202850.1A CN112302966B (zh) | 2020-11-02 | 2020-11-02 | 一种离心泵运行状态判定方法及判定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202850.1A CN112302966B (zh) | 2020-11-02 | 2020-11-02 | 一种离心泵运行状态判定方法及判定系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112302966A true CN112302966A (zh) | 2021-02-02 |
CN112302966B CN112302966B (zh) | 2022-06-14 |
Family
ID=74333514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011202850.1A Active CN112302966B (zh) | 2020-11-02 | 2020-11-02 | 一种离心泵运行状态判定方法及判定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112302966B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和系统 |
CN114112366A (zh) * | 2021-12-03 | 2022-03-01 | 郑州恩普特科技股份有限公司 | 一种泵机运行状态监测方法 |
CN114790991A (zh) * | 2022-04-14 | 2022-07-26 | 国家电投集团电站运营技术(北京)有限公司 | 给水泵汽蚀检测系统及方法 |
WO2022216522A3 (en) * | 2021-04-06 | 2022-12-22 | Delaware Capital Formation, Inc. | Predictive maintenance of industrial equipment |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004124869A (ja) * | 2002-10-04 | 2004-04-22 | Matsushita Electric Ind Co Ltd | ポンプ装置の運転状態検査装置、及びそのポンプ装置を備えたポンプ内蔵機器 |
US20130129481A1 (en) * | 2011-11-21 | 2013-05-23 | Abb Oy | Method for detecting the correct rotational direction of a centrifugal apparatus, and a centrifugal apparatus assembly |
CN109654037A (zh) * | 2018-11-01 | 2019-04-19 | 江苏大学镇江流体工程装备技术研究院 | 一种离心泵与电机运行状态的监测装置及监测方法 |
WO2020039565A1 (ja) * | 2018-08-23 | 2020-02-27 | 村田機械株式会社 | 回転機械に用いられる軸受の異常診断方法 |
-
2020
- 2020-11-02 CN CN202011202850.1A patent/CN112302966B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004124869A (ja) * | 2002-10-04 | 2004-04-22 | Matsushita Electric Ind Co Ltd | ポンプ装置の運転状態検査装置、及びそのポンプ装置を備えたポンプ内蔵機器 |
US20130129481A1 (en) * | 2011-11-21 | 2013-05-23 | Abb Oy | Method for detecting the correct rotational direction of a centrifugal apparatus, and a centrifugal apparatus assembly |
WO2020039565A1 (ja) * | 2018-08-23 | 2020-02-27 | 村田機械株式会社 | 回転機械に用いられる軸受の異常診断方法 |
CN109654037A (zh) * | 2018-11-01 | 2019-04-19 | 江苏大学镇江流体工程装备技术研究院 | 一种离心泵与电机运行状态的监测装置及监测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022216522A3 (en) * | 2021-04-06 | 2022-12-22 | Delaware Capital Formation, Inc. | Predictive maintenance of industrial equipment |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和系统 |
CN114112366A (zh) * | 2021-12-03 | 2022-03-01 | 郑州恩普特科技股份有限公司 | 一种泵机运行状态监测方法 |
CN114790991A (zh) * | 2022-04-14 | 2022-07-26 | 国家电投集团电站运营技术(北京)有限公司 | 给水泵汽蚀检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112302966B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112302966B (zh) | 一种离心泵运行状态判定方法及判定系统 | |
CN107271187B (zh) | 一种对汽车变速器轴承故障进行定量诊断的方法 | |
CN102262215B (zh) | 一种大型发电机定转子气隙偏心故障检测方法 | |
CN103147972B (zh) | 一种基于多传感器信息融合的往复式压缩机故障诊断方法 | |
CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
CN108507787A (zh) | 基于多特征融合的风电齿轮增速箱故障诊断试验平台及方法 | |
CN109488630B (zh) | 基于谐波相对指标的离心风机转子不对中故障诊断方法 | |
CN107202028B (zh) | 一种涡轮增压器离心压气机喘振识别方法 | |
CN110135492A (zh) | 基于多高斯模型的设备故障诊断与异常检测方法及系统 | |
CN109781411A (zh) | 一种结合改进稀疏滤波器与kelm的轴承故障诊断方法 | |
CN101603854A (zh) | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 | |
CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及系统 | |
CN109186964A (zh) | 基于角度重采样与roc-svm的旋转机械故障诊断方法 | |
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 | |
CN111412114B (zh) | 一种基于定子电流包络谱的风电机组叶轮不平衡检测方法 | |
CN102966526B (zh) | 基于轴向振动分析的压缩机低频流体激振类故障诊断方法 | |
CN108644130B (zh) | 一种泵组故障的检测方法 | |
CN105987809A (zh) | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 | |
CN110618984B (zh) | 一种停机振动数据清洗方法 | |
CN103821749A (zh) | 一种轴流式通风机失速和喘振的在线诊断方法 | |
CN113887586A (zh) | 小样本下基于特征融合的ffcnn-svm迁移学习故障诊断方法 | |
CN112049787B (zh) | 一种非接触式水泵故障检测方法及系统 | |
CN114508490B (zh) | 一种智能中开离心泵以及应用于该离心泵的网络故障点定位方法、可读存储模块 | |
CN109115328A (zh) | 输油泵机组电磁噪声自动监测分析仪 | |
CN112525336A (zh) | 一种机械设备振动连续增长的自动化检测方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221206 Address after: 411105 No. 2, East Peugeot Road, Jiuhua Demonstration Area, Xiangtan City, Hunan Province Patentee after: HUNAN CREDO PUMP Co.,Ltd. Address before: 411105 College of mechanical engineering, Xiangtan University, yanggutang street, Yuhu District, Xiangtan City, Hunan Province Patentee before: XIANGTAN University |
|
TR01 | Transfer of patent right |