CN112443479A - 压缩机故障诊断方法、装置、存储介质及电子设备 - Google Patents
压缩机故障诊断方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112443479A CN112443479A CN201910795471.9A CN201910795471A CN112443479A CN 112443479 A CN112443479 A CN 112443479A CN 201910795471 A CN201910795471 A CN 201910795471A CN 112443479 A CN112443479 A CN 112443479A
- Authority
- CN
- China
- Prior art keywords
- compressor
- monitoring
- fault diagnosis
- characteristic information
- modes
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 223
- 238000010586 diagram Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 239000000498 cooling water Substances 0.000 description 3
- 239000010687 lubricating oil Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本申请是关于一种压缩机故障诊断方法、装置、存储介质及电子设备，属于压缩机故障诊断技术领域，该方法包括：实时采集压缩机的状态参数；采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。本申请通过提取多种监测结果的特征信息，进行综合性的故障诊断，实现多源信息融合监测及诊断，极大地提高了压缩机故障诊断准确率。
Description
技术领域
本申请涉及压缩机故障诊断技术领域，具体而言，涉及一种压缩机故障诊断方法、装置、存储介质及电子设备。
背景技术
压缩机是将低压气体提升为高压气体的一种从动的流体机械。随着科学技术的发展，压力能的应用日益广泛，使得压缩机在国民经济建设的许多部门中成为必不可少的关键设备。多级往复式压缩机是压缩机的最主要类型之一，它具有压力适用范围广、压缩效率高、工作压力稳定等特点，在生产中应用非常广泛,但其结构复杂，易损零件多，在运转过程中出现故障的几率大，而且一旦出现故障，不能及时发现并排除，就会造成事故给生产所带来巨大的经济损失。因此，对压缩机进行状态监测和故障诊断十分必要。
目前，对于压缩机故障的诊断通常通过采集某种信号的压缩机性能参数，按照相应的算法进行分析压缩机故障，但是压缩机的故障发生非常复杂，往往无法用单一状态参数进行描述，导致压缩机故障诊断准确率低。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种压缩机故障诊断方案，进而至少在一定程度上提升压缩机故障诊断的准确率。
根据本申请的一个方面，提供一种压缩机故障诊断方法，包括：实时采集压缩机的状态参数；采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
在本申请的一种示例性实施例中，所述压缩机的性能包括压力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：从所述状态参数中获取与所述压缩机的压力性能相关的参数；通过对与所述压缩机的压力性能相关的参数进行示功图分析，获得所述压缩机对应的示功图。
在本申请的一种示例性实施例中，所述压缩机的性能包括动力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：从所述状态参数中获取与所述压缩机的动力性能相关的参数；通过对与所述压缩机的动力性能相关的参数进行监测分析，获得所述压缩机对应的动力性能监测结果。
在本申请的一种示例性实施例中，所述压缩机的性能包括热力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：从所述状态参数中获取与所述压缩机的热力性能相关的参数；通过对与所述述压缩机的热力性能相关的参数进行实时监测，获得所述压缩机对应的热力性能监测结果。
在本申请的一种示例性实施例中，所述从所述监测结果中提取所述压缩机在不同监测方式下的特征信息，包括：将所述监测结果与所述压缩机的监测标准进行对比，获取所述监测结果与所述监测标准之间的区别为所述监测结果对应的特征信息。
在本申请的一种示例性实施例中，所述根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果，包括：将所述不同监测方式下的特征信息与故障数据库中的特征信息样本进行匹配，得到匹配的特征信息样本；将所述匹配的特征信息样本对应的故障信息获取为所述故障诊断结果。
在本申请的一种示例性实施例中，在所述根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果之后，所述方法还包括：从维修数据库中获取所述故障诊断结果对应的故障维修信息。
根据本申请的一个方面，提供一种压缩机故障诊断装置，其特征在于，包括：采集模块，用于实时采集压缩机的状态参数；监测模块，用于采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；提取模块，用于从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；诊断模块，用于根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
根据本申请的一个方面，提供一种计算机可读存储介质，其上存储有压缩机故障诊断程序，其特征在于，所述压缩机故障诊断程序被处理器执行时实现上述任一项所述的方法。
根据本申请的一个方面，提供一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的压缩机故障诊断程序；其中，所述处理器配置为经由执行所述压缩机故障诊断程序来执行上述任一项所述的方法。
本申请一种压缩机故障诊断方法及相关装置，实时采集压缩机的状态参数；采用不同的监测方式对状态参数进行监测，获得压缩机在不同监测方式下的监测结果，监测方式对应于压缩机的性能；从监测结果中提取压缩机在不同监测方式下的特征信息；根据压缩机在不同监测方式下的特征信息，对压缩机进行综合性的故障诊断，获得故障诊断结果。以这种方式，在根据不同的监测方式监测到相应的监测结果后，提取各种监测结果的特征信息，进行综合性的故障诊断，实现多源信息融合监测及诊断，极大地提高了压缩机故障诊断准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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示意性示出一种压缩机故障诊断方法的流程图。
图2示意性示出一种应用场景下的示功图示意图。
图3示意性示出又一种压缩机故障诊断方法的流程图。
图4示意性示出一种压缩机故障诊断装置的方框图。
图5示意性示出一种用于实现上述压缩机故障诊断方法的电子设备示例框图。
图6示意性示出一种用于实现上述压缩机故障诊断方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本申请的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。
此外，附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了压缩机故障诊断方法，该压缩机故障诊断方法可以运行于服务器，也可以运行于服务器集群或云服务器等，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该压缩机故障诊断方法可以包括以下步骤：
步骤S110，实时采集压缩机的状态参数；
步骤S120，采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；
步骤S130，从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；
步骤S140，根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
上述压缩机故障诊断方法中，通过实时采集压缩机的各类状态参数，进行压缩机状态全方位的监控。然后采用不同的监测方式对状态参数进行监测，获得压缩机在不同监测方式下的监测结果，监测方式对应于压缩机的性能，这样通过各性能对应的监测方式分别对各性能对应的状态参数进行精准分析，得到多种状态分析角度的监测结果。然后，从监测结果中提取压缩机在不同监测方式下的特征信息，可以提取到各种状态分析角度下的多源特征。进而，可以根据压缩机在不同监测方式下的特征信息，对压缩机进行综合性的故障诊断，获得故障诊断结果。以这种方式，在根据不同的监测方式监测到多种相应的监测结果后，提取多种监测结果的特征信息，进行综合性的故障诊断，实现多源信息融合监测及诊断，极大地提高了压缩机故障诊断准确率。
下面，将结合附图对本示例实施方式中上述压缩机故障诊断方法中的各步骤进行详细的解释以及说明。
在步骤S110中，实时采集压缩机的状态参数。
本示例的实施方式中，压缩机可以是多级往复式压缩机。压缩机的状态参数至少包括压缩机的温度、压力、振动相关数据，以及发动机转速等其他参数。其中，温度参数可以包括多级的进气和排气温度数据，以及气缸、轴承、离合器、冷却水，等等的温度数据；压力参数可以包括各级的进气、排气和送气的压力数据，离合器、冷却水、润滑油、气瓶组、控制气源等的压力数据；振动参数包括通过加速度传感器从阀盖上拾取得振动信号等。通过实时采集压缩机的各种信号的状态参数可以对压缩机实现全方位的监控。
在步骤S120中，采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能。
本示例的实施方式中，不同的监测方式对应于压缩机的不同性能，即对于压缩机不同性能的参数具有相应的监测方式，如压缩机不同性能的参数的监测分析算法。例如，对于压缩机压力性能、动力性能以及热力性能的参数分别有相应的示功图分析、振动信号分析和热力性能参数监测方式。通过对不同性能的状态参数按照相应的监测方式进行监测，可以保证通过不同的监测方式对压缩机的状态进行精细监测，得到多种从不同的状态角度表征压缩机性能状况的监测结果。
一种实施例中，压缩机的性能包括压力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：
从所述状态参数中获取与所述压缩机的压力性能相关的参数；
通过对与所述压缩机的压力性能相关的参数进行示功图分析，获得所述压缩机对应的示功图。
压力性能相关的参数是压缩机运行过程产生的各种压力相关的参数，如各级的进气、排气和送气的压力数据离合器、冷却水、润滑油、气瓶组、控制气源等的压力数据。对多级往复式压缩机来说，可以获取到压缩机多级压力相关数据，如一段、二段...六段等多级进口、出口压力数据，以进行系统性监控分析。
示功图分析是对压缩机(如多级往复式压缩机)在一个工作循环中，活塞在每一个位置时气缸内气体压力变化的进行绘制压力位移曲线进行分析的方式。参考图2所示，为一种应用场景下的示功图示意图，示功图可对压缩机压力相关性能的进行监测，如根据示功图的面积可监测出缸内的平均指示压力，指示功率和气阀功率损失；根据实际排气压力和吸气压力求出实际压力比；根据气体压力所产生的作用力，找出动力计算和强度校核的依据。而且，示功图形状的变化，还可以监测判断压缩机的气阀、活塞环、填料等的泄漏情况、进排气过程的压力损失情况、压缩及膨胀过程的热交换情况等故障状态，为压缩机进行有效的状态监控提供依据，保证多级往复式压缩机的正常安全运行。这样可以实现从压力性能的性能状态角度对压缩机进行监控。
一种实施例中，压缩机的性能包括动力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：
从所述状态参数中获取与所述压缩机的动力性能相关的参数；
通过对与所述压缩机的动力性能相关的参数进行监测分析，获得所述压缩机对应的动力性能监测结果。
动力性能相关的参数是压缩机在运行过程中产生的动力相关的参数，如运行过程产生的振动信号参数。
对与压缩机的动力性能相关的参数进行监测分析，可以是通过时域分析、频域分析及时频域等分析方法中一种或者多种共同监测分析。例如，可以通过多级往复式压缩机壳体上的振动信号来反映内部零部件的工作情况，将采集到的离散信号输入到编制好的频谱分析软件中，得到所要求的时域、频域图，可以准确反映监测信号的幅值、能量等的变化，进而反映压缩机内部的性能状态。这样可以实现从动力性能的性能状态角度对压缩机进行监控。
一种实施例中，压缩机的性能包括热力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：
从所述状态参数中获取与所述压缩机的热力性能相关的参数；
通过对与所述述压缩机的热力性能相关的参数进行实时监测，获得所述压缩机对应的热力性能监测结果。
热力性能相关的参数是压缩机各部位产生的与压缩机热力性能相关的参数，如压缩机的各类温度、压力等参数。同理，对多级往复式压缩机来说，可以获取到压缩机的多级温度参数进行系统分析，如一段、二段...六段等多级进口、出口温度等数据。
对上述压缩机的热力性能相关的参数进行实时监测，可以监测压缩机的各类温度、压力等参数的上限、下限值预警，分析各个参数值的变化趋设置每个参数值的上、下限报警值，当监测热力性能参数的值比报警上限值大时，产生报警；报警下限值表示，当检测点的值比报警下限值小时，产生报警；可以保存热力性能参数的历史数据，生成趋势图。同时，对于多级往复式压缩机，可以监控分析各级温差(如一段进、出口的温差等)。这样可以实现从热力性能的性能状态角度对压缩机进行监控。
在步骤S130中，从所述监测结果中提取所述压缩机在不同监测方式下的特征信息。
本示例的实施方式中，特征信息是监测结果所表征的压缩机实时异常状态的特征信号。例如，如图2所示的示功图展示的图面积较正常的小，膨胀线a-d向右离开正常的位置等。温度参数中某几个压缩机相应位置的参数超过限值。动力性能参数的振动信号频谱图中多个峰值的比例差异等。
从监测结果中提取压缩机在不同监测方式下的特征信息，可以同时提取到压缩机各个监测角度的特征信息，在后续步骤可以进行全方位综合性故障诊断。
其中，提取特征信息的方式可以是将监测结果与监测标准进行对比进行特征信号提取，也可以是通过预先训练好的机器学习模型进行特征信号提取等。
一种实施例中，从所述监测结果中提取所述压缩机在不同监测方式下的特征信息，包括：
将所述监测结果与所述压缩机的监测标准进行对比，获取所述监测结果与所述监测标准之间的区别为所述监测结果对应的特征信息。
监测标准就是可以保证压缩机正常运行的标准，例如，监测标准可以是标准示功图，监测参数的标准限值范围(上限值、下限值等)，监控数据周期变化模板等。
通过将监测结果与所述压缩机的监测标准进行对比，可以得到状态监控的压力和气温参数异常(二级排气压力异常参数、一级排气温度异常参数等)、示功图分析的示功图特征异常(如图2所示的膨胀线a-d向右离开正常的位置；吸气线d-c较正常的短；指示图面积较正常的小)、热力性能参数监测分析的多个参数的趋势变化异常，与正常的周期变化模板不匹配的变化曲线等特征信息。不同的监测结果对应的监测标准不同，以这种方式可以根据不同的监测标准准确得到监测结果表征的压缩机状态的异常特征。
一种实施例中，从所述监测结果中提取所述压缩机在不同监测方式下的特征信息，包括：
将所述监测结果输入特征信息提取模型，得到所述压缩机在不同监测方式下的特征信息。
特征信息提取模型是预先根据不同监测方式下的监测结果样本和对应期望的特征信息作为输出训练的机器学习模型。
将监测结果输入特征信息提取模型可以高效地从不同监测方式的监测结果提取到特征信息(如特征向量，图像指纹特征等)，以这种方式可以高效地自动提取特征信息。
其中，特征信息提取模型的训练方法包括：获取监测结果的样本训练集，样本训练集中的每个训练样本包含有监测结果及针对监测结果标定的特征信息；
将样本训练集中的训练样本输入特征信息提取模型中对特征信息提取模型进行训练，以使特征信息提取模型输出的各个训练样本的特征信息与各个训练样本包含的特征信息一致。
在步骤S140中，根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
本示例的实施方式中，综合性的故障诊断就是融合同一监测时刻不同状态监测角度的特征信息综合性诊断压缩机的故障。通过对压缩机在不同监测方式下的特征信息进行多源融合诊断，可以实现面对压缩机故障特征之间存在一定的交叉的复杂情况下，综合使用振动、冲击、位移、温度、压力、键相等多源信号的特性信息进行诊断，解决相关技术中无法从单一信号进行故障精确定位的问题，有效提高压缩机故障诊断的准确性。尤其地，对于多级往复式压缩机复杂的工作情况及故障情况，故障诊断准确性得到有效提升。
一种实施例中，参考图3所示，根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果，包括：
步骤S210，将所述不同监测方式下的特征信息与故障数据库中的特征信息样本进行匹配，得到匹配的特征信息样本；
步骤S220，将所述匹配的特征信息样本对应的故障信息获取为所述故障诊断结果。
故障数据库中存储有大量故障信息，以及提取的故障信息对应的监测结果的特征信息样本。将不同监测方式下的特征信息与故障数据库中的特征信息样本进行匹配，可以自动综合多源特征进行智能故障诊断。进而，将匹配的特征信息样本对应的故障信息获取为故障诊断结果可以深层次地诊断出故障的零部件，或者提前推断出潜在的故障预警。其中，匹配计算的计算方法可以各种特征匹配相关算法。
一个示例中，进行匹配时，对于特征信息一：送气压力突降，特征信息二：一级排气温度降低，特征信息三：示功图面积小于标准，，特征信息四：回收罐压力降低，特征信息五：润滑油温度降低。如果同时出现上述五个特征信息则诊断出进气气球阀体中心轴孔漏气严重。相关技术中，只能够诊断出压缩机气缸状态不良。应用本申请的方法可以将特征提取方法与状态识别方法结合起来，综合状态监控的压力和气温参数异常、示功图分析的示功图特征异常、热力性能参数监测分析的多个参数的趋势变化异常，进行特征匹配，能准确地定位到具体零部件的故障原因。
而且，通过设置故障数据库可以实现不断通过收集故障信息与关联的特征信息进行数据库完善，保证智能诊断的准确性。
一种实施例中，在根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果之后，还包括：
从维修数据库中获取所述故障诊断结果对应的故障维修信息。
维修数据库中存储了各种故障诊断结果相应的故障维修信息，在获取到故障诊断结果后，可以从维修数据库中获取相应的防范措施，或者维修措施。
本申请还提供了一种压缩机故障诊断装置。参考图4所示，该压缩机故障诊断装置可以包括采集模块310、监测模块320、提取模块330及诊断模块340。其中：
采集模块310，用于实时采集压缩机的状态参数；
监测模块320，用于采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；
提取模块330，用于从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；
诊断模块340，用于根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
上述压缩机故障诊断装置中各模块的具体细节已经在对应的压缩机故障诊断方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元410可以执行如图1中所示的步骤。
存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。
存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得客户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线430与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到客户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其他实施例。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求指出。
Claims (10)
1.一种压缩机故障诊断方法，其特征在于，包括：
实时采集压缩机的状态参数；
采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；
从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；
根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
2.根据权利要求1所述的方法，其特征在于，所述压缩机的性能包括压力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：
从所述状态参数中获取与所述压缩机的压力性能相关的参数；
通过对与所述压缩机的压力性能相关的参数进行示功图分析，获得所述压缩机对应的示功图。
3.根据权利要求1所述的方法，其特征在于，所述压缩机的性能包括动力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：
从所述状态参数中获取与所述压缩机的动力性能相关的参数；
通过对与所述压缩机的动力性能相关的参数进行监测分析，获得所述压缩机对应的动力性能监测结果。
4.根据权利要求1所述的方法，其特征在于，所述压缩机的性能包括热力性能，所述采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，包括：
从所述状态参数中获取与所述压缩机的热力性能相关的参数；
通过对与所述述压缩机的热力性能相关的参数进行实时监测，获得所述压缩机对应的热力性能监测结果。
5.根据权利要求1所述的方法，其特征在于，所述从所述监测结果中提取所述压缩机在不同监测方式下的特征信息，包括：
将所述监测结果与所述压缩机的监测标准进行对比，获取所述监测结果与所述监测标准之间的区别为所述监测结果对应的特征信息。
6.根据权利要求1所述的方法，其特征在于，所述根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果，包括：
将所述不同监测方式下的特征信息与故障数据库中的特征信息样本进行匹配，得到匹配的特征信息样本；
将所述匹配的特征信息样本对应的故障信息获取为所述故障诊断结果。
7.根据权利要求1所述的方法，其特征在于，在所述根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果之后，所述方法还包括：
从维修数据库中获取所述故障诊断结果对应的故障维修信息。
8.一种压缩机故障诊断装置，其特征在于，包括：
采集模块，用于实时采集压缩机的状态参数；
监测模块，用于采用不同的监测方式对所述状态参数进行监测，获得所述压缩机在不同监测方式下的监测结果，所述监测方式对应于所述压缩机的性能；
提取模块，用于从所述监测结果中提取所述压缩机在不同监测方式下的特征信息；
诊断模块，用于根据所述压缩机在不同监测方式下的特征信息，对所述压缩机进行综合性的故障诊断，获得故障诊断结果。
9.一种计算机可读存储介质，其上存储有压缩机故障诊断程序，其特征在于，所述压缩机故障诊断程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的压缩机故障诊断程序；其中，所述处理器配置为经由执行所述压缩机故障诊断程序来执行权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910795471.9A CN112443479A (zh) | 2019-08-27 | 2019-08-27 | 压缩机故障诊断方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910795471.9A CN112443479A (zh) | 2019-08-27 | 2019-08-27 | 压缩机故障诊断方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112443479A true CN112443479A (zh) | 2021-03-05 |
Family
ID=74740901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910795471.9A Pending CN112443479A (zh) | 2019-08-27 | 2019-08-27 | 压缩机故障诊断方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112443479A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113280417A (zh) * | 2021-05-17 | 2021-08-20 | 河南科技大学 | 冷水机组压缩机性能劣化诊断方法 |
| CN113435453A (zh) * | 2021-06-11 | 2021-09-24 | 西安交通大学 | 基于卷积神经网络的往复式压缩机故障诊断方法及系统 |
| CN113587363A (zh) * | 2021-08-04 | 2021-11-02 | 广东美的暖通设备有限公司 | 压缩机故障检测方法、装置、计算设备及存储介质 |
| CN114398206A (zh) * | 2022-01-06 | 2022-04-26 | 北京德风新征程科技有限公司 | 信息存储方法、装置、电子设备和计算机可读介质 |
| CN116527720A (zh) * | 2023-06-29 | 2023-08-01 | 深圳艾为电气技术有限公司 | 用于电动压缩机的智能排障策略获取方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059130A (zh) * | 2007-03-07 | 2007-10-24 | 江苏工业学院 | 往复压缩机在线远程状态监测与故障分析诊断系统 |
| CN102182671A (zh) * | 2011-05-26 | 2011-09-14 | 江苏中能硅业科技发展有限公司 | 一种气体压缩机的状态分析监测系统及方法 |
| US20110247418A1 (en) * | 2010-04-08 | 2011-10-13 | General Electric Company | System and method for monitoring a compressor |
| CN202091172U (zh) * | 2011-06-09 | 2011-12-28 | 徐州工程学院 | 气体压缩机状态监测和可靠性分析装置 |
| CN105971866A (zh) * | 2016-05-03 | 2016-09-28 | 莱芜钢铁集团电子有限公司 | 一种空气压缩机故障在线检测方法及系统 |
| CN109779894A (zh) * | 2018-12-29 | 2019-05-21 | 西安交通大学 | 一种基于神经网络算法的往复式压缩机故障诊断系统及方法 |
-
2019
- 2019-08-27 CN CN201910795471.9A patent/CN112443479A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059130A (zh) * | 2007-03-07 | 2007-10-24 | 江苏工业学院 | 往复压缩机在线远程状态监测与故障分析诊断系统 |
| US20110247418A1 (en) * | 2010-04-08 | 2011-10-13 | General Electric Company | System and method for monitoring a compressor |
| CN102182671A (zh) * | 2011-05-26 | 2011-09-14 | 江苏中能硅业科技发展有限公司 | 一种气体压缩机的状态分析监测系统及方法 |
| CN202091172U (zh) * | 2011-06-09 | 2011-12-28 | 徐州工程学院 | 气体压缩机状态监测和可靠性分析装置 |
| CN105971866A (zh) * | 2016-05-03 | 2016-09-28 | 莱芜钢铁集团电子有限公司 | 一种空气压缩机故障在线检测方法及系统 |
| CN109779894A (zh) * | 2018-12-29 | 2019-05-21 | 西安交通大学 | 一种基于神经网络算法的往复式压缩机故障诊断系统及方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113280417A (zh) * | 2021-05-17 | 2021-08-20 | 河南科技大学 | 冷水机组压缩机性能劣化诊断方法 |
| CN113435453A (zh) * | 2021-06-11 | 2021-09-24 | 西安交通大学 | 基于卷积神经网络的往复式压缩机故障诊断方法及系统 |
| CN113435453B (zh) * | 2021-06-11 | 2023-04-07 | 西安交通大学 | 基于卷积神经网络的往复式压缩机故障诊断方法及系统 |
| CN113587363A (zh) * | 2021-08-04 | 2021-11-02 | 广东美的暖通设备有限公司 | 压缩机故障检测方法、装置、计算设备及存储介质 |
| CN113587363B (zh) * | 2021-08-04 | 2022-07-26 | 广东美的暖通设备有限公司 | 压缩机故障检测方法、装置、计算设备及存储介质 |
| CN114398206A (zh) * | 2022-01-06 | 2022-04-26 | 北京德风新征程科技有限公司 | 信息存储方法、装置、电子设备和计算机可读介质 |
| CN116527720A (zh) * | 2023-06-29 | 2023-08-01 | 深圳艾为电气技术有限公司 | 用于电动压缩机的智能排障策略获取方法及装置 |
| CN116527720B (zh) * | 2023-06-29 | 2023-09-29 | 深圳艾为电气技术有限公司 | 用于电动压缩机的智能排障策略获取方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112443479A (zh) | 压缩机故障诊断方法、装置、存储介质及电子设备 | |
| CN111597708A (zh) | 压缩机质量预警服务的方法、系统、可读介质和电子设备 | |
| CN106021826A (zh) | 一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法 | |
| CN107291475B (zh) | 通用型phm应用配置方法和装置 | |
| CA2908825A1 (en) | Reciprocating machinery monitoring system and method | |
| CN105466693A (zh) | 基于灰色模型的柴油机燃油系统故障预诊断方法 | |
| EP3944043B1 (en) | Maintenance work assistance device | |
| CN104863840A (zh) | 一种基于emd-pca的往复压缩机智能诊断方法 | |
| CN116842423A (zh) | 基于多模态深度学习的航空发动机故障诊断方法及系统 | |
| Guo et al. | Fault Detection of Reciprocating Compressor Valve Based on One‐Dimensional Convolutional Neural Network | |
| CN111637045A (zh) | 一种海洋平台空气压缩机故障诊断方法 | |
| Hatanaka et al. | Efficient GAN-based unsupervised anomaly sound detection for refrigeration units | |
| Bect et al. | Identification of abnormal events by data monitoring: Application to complex systems | |
| CN113095540A (zh) | 数据整合方法及数据整合系统 | |
| CN116071053B (zh) | 基于数字孪生的往复式压缩机状态预警系统 | |
| CN112529059A (zh) | 机组电磁振动诊断方法、系统、计算机设备和存储介质 | |
| CN113298133B (zh) | 超临界机组锅炉爆管故障诊断方法 | |
| Agrawal et al. | SafeEngine: Fault Detection with Severity Prediction for Diesel Engine | |
| Wang et al. | Fault diagnosis of reciprocating compressor using component estimating empirical mode decomposition and de-dimension template with double-loop correction algorithm | |
| Liu et al. | Rough set based intelligence diagnostic system for valves in reciprocating pumps | |
| CN117272032B (zh) | 一种基于振动检测的空压机故障诊断方法与装置 | |
| CN115169434B (zh) | 基于k均值聚类算法的主机工况特征值提取方法及系统 | |
| CN112819083B (zh) | 液压泵故障预测方法、装置、电子设备及存储介质 | |
| CN117672255B (zh) | 基于人工智能和设备运行声音的异常设备识别方法及系统 | |
| Kocak et al. | Condition monitoring and fault diagnosis of a marine diesel engine with machine learning techniques |
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 | ||
| CB02 | Change of applicant information |
Address after: Room 102, Block A, Phase II, Science and Technology Building, 1057 Nanhai Avenue, Shekou, Nanshan District, Shenzhen City, Guangdong Province, 518000 Applicant after: SHENZHEN CIMC SECURITY AND SMART TECHNOLOGY Co.,Ltd. Applicant after: Guangdong CIMC Intelligent Technology Co.,Ltd. Applicant after: CHINA INTERNATIONAL MARINE CONTAINERS (GROUP) Ltd. Address before: Room 102, Block A, Phase II, Science and Technology Building, 1057 Nanhai Avenue, Shekou, Nanshan District, Shenzhen City, Guangdong Province, 518000 Applicant before: SHENZHEN CIMC SECURITY AND SMART TECHNOLOGY Co.,Ltd. Applicant before: DONGGUAN CIMC INTELLIGENT TECHNOLOGY Co.,Ltd. Applicant before: CHINA INTERNATIONAL MARINE CONTAINERS (GROUP) Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230421 Address after: 518063 Shenzhen national engineering laboratory building b1001-b1004, No. 20, Gaoxin South seventh Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Applicant after: SHENZHEN CIMC SECURITY AND SMART TECHNOLOGY Co.,Ltd. Address before: Room 102, Block A, Phase II, Science and Technology Building, 1057 Nanhai Avenue, Shekou, Nanshan District, Shenzhen City, Guangdong Province, 518000 Applicant before: SHENZHEN CIMC SECURITY AND SMART TECHNOLOGY Co.,Ltd. Applicant before: Guangdong CIMC Intelligent Technology Co.,Ltd. Applicant before: CHINA INTERNATIONAL MARINE CONTAINERS (GROUP) Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210305 |
|
| RJ01 | Rejection of invention patent application after publication |