CN112943638A - 砂泵磨损检测方法、装置和混砂车 - Google Patents

Abstract

本发明涉及砂泵技术领域，具体涉及一种砂泵磨损检测方法、装置和混砂车。本发明所述砂泵磨损检测方法包括获取砂泵的实时数据，实时数据包括砂泵的实时转速、砂泵入口的实时单位输砂量、砂泵出口的实时压力和实时出口流量；基于所述砂泵对应的磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，根据实时数据的其中三个确定另一个实时数据的预测数据；根据实时数据和与其对应的预测数据之间的误差确定砂泵的磨损量，实现了对砂泵的磨损量的实时监测，避免砂泵的叶片磨损严重未被及时发现导致的施工中断，避免不必要的损失。

Description

砂泵磨损检测方法、装置和混砂车

技术领域

本发明涉及砂泵技术领域，具体而言，涉及一种砂泵磨损检测方法、装置和混砂车。

背景技术

现有技术中，砂泵作为混砂车的关键零部件，主要用于输送清水与支撑剂的混合液，随着砂泵工作时间的增长，砂泵的叶片不可避免的会造成磨损，当磨损严重时往往导致供液压力不足。当前，砂泵叶片的磨损严重往往在施工过程中被发现，导致施工不得不被中断，造成不必要的施工损失。

发明内容

本发明解决的问题是砂泵叶片的磨损严重不能被及时发现导致的施工中断。

为解决上述问题，本发明提供一种砂泵磨损检测方法，包括：

获取砂泵的实时数据，所述实时数据包括所述砂泵的实时转速、所述砂泵入口的实时单位输砂量、所述砂泵出口的实时压力和实时出口流量；

基于所述砂泵对应的磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，根据所述实时数据的其中三个确定另一个所述实时数据的预测数据；

根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量。

可选地，所述获取关于砂泵性能参数之间关系的磨损检测模型，包括：

获取所述砂泵的历史性能参数，所述历史性能参数包括所述砂泵的转速、所述砂泵入口的历史单位输砂量、所述砂泵出口的历史压力和历史出口流量；

基于神经网络模型，根据所述历史性能参数进行神经网络模型训练，得到所述磨损检测模型。

可选地，所述神经网络模型的训练以所述历史转速、所述历史压力和所述历史出口流量作为训练集，输入所述神经网络模型进行训练，并以预测单位输砂量作为输出。

可选地，所述根据所述实时数据的其中三个确定另一个所述实时数据的预测数据包括：

根据所述实时转速、所述实时压力和所述实时出口确定预测单位输砂量；

根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量包括：

当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，所述砂泵的磨损量严重。

可选地，还包括：当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，调节所述单位输砂量和所述砂泵的转速至最大，调节所述砂泵的出口流量至最小；

获取所述砂泵出口的压力，当所述砂泵出口的压力小于设定压力值时，更换所述砂泵或者所述砂泵的叶片。

可选地，还包括：当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，生成提示预警信号，所述提示预警信号用于提示所述砂泵的磨损量严重。

可选地，所述获取所述砂泵的历史性能参数之后，还包括：

根据所述历史压力过滤掉无用历史性能参数，所述无用历史性能参数为当所述历史压力大于0.5MPa或者小于0.2MPa时的所述历史性能参数。

本发明提供一种砂泵磨损检测装置，包括：第一转速传感器、压力传感器、流量计、第二转速传感器和控制部件，所述第一转速传感器、所述压力传感器、所述流量计和所述第二转速传感器分别与所述控制部件通信连接，所述第一转速传感器用于获取所述砂泵的实时转速；所述压力传感器用于获取所述砂泵出口的实时压力；所述流量计，用于检测所述砂泵的实时出口流量；所述第二转速传感器，用于获取螺旋输砂器的转速，所述控制部件用于根据所述转速确定所述砂泵入口的实时单位输砂量；所述控制部件还用于基于所述砂泵对应的磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，根据所述实时转速、所述实时单位输砂量、所述实时压力和所述实时出口流量中的其中三个确定另一个所述实时数据的预测数据；所述控制部件还用于根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量。

可选地，所述第一转速传感器设置于所述砂泵的转轴的轴向一端，所述压力传感器和所述流量计设置于所述砂泵的出口处，所述第二转速传感器设置于所述螺旋输砂器转轴的轴向一端。

本发明还提供一种混砂车，包括如上述任一所述的砂泵磨损检测装置。

相比于现有技术，本发明的所述的砂泵磨损检测装置的有益效果为：

本发明基于所述砂泵的磨损检测模型，通过对实时单位输砂量、所述砂泵出口的实时压力和实时出口流量中的任意三个实时数据对另一个实时数据的预测值进行预测，根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量，实现了对所述砂泵的磨损量的实时监测，避免所述砂泵的叶片磨损严重未被及时发现导致的施工中断，避免不必要的损失。

附图说明

图1为本发明的实施例中的砂泵磨损检测方法的流程图；

图2为本发明的实施例中的砂泵磨损检测装置的模块图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

在本说明书的描述中，参考术语“实施例”、“一个实施例”和“一个实施方式”等的描述意指结合该实施例或实施方式描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示实施方式中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实施方式。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或实施方式以合适的方式结合。

本发明提供一种砂泵磨损检测方法，如图1所示，包括：

S1、获取砂泵的实时数据，所述实时数据包括所述砂泵的实时转速、所述砂泵入口的实时单位输砂量、所述砂泵出口的实时压力和实时出口流量；

S2、基于所述磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，根据所述实时数据的其中三个确定另一个所述实时数据的预测数据；

S3、根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量。

在S1中，混砂车中可以包括数据处理模块，该数据处理模块可用于将各传感器采集到的模拟信号转换成数字信号以及进行滤波等前期数据处理后，然后再通过数字传输模块将该数字信号传输至砂泵磨损检测装置中。砂泵磨损检测装置可以包括控制部件，所述砂泵的实时转速采用第一转速传感器进行实时检测，所述第一转速传感器与所述控制部件电连接，实现所述砂泵的转速数据的实时传输；所述砂泵出口的实时压力采用压力传感器进行实时检测，所述压力传感器与所述控制部件电连接，实现所述砂泵出口的压力数据的实时传输；所述砂泵的实时出口流量采用流量计进行实时检测，所述流量计与所述控制部件电连接，实现所述砂泵的出口流量数据的实时传输；所述砂泵入口的实时单位输砂量采用第二转速传感器进行采集，所述第二转速传感器用于检测螺旋输砂器的转速，根据所述螺旋输砂器的转速计算单位输砂量，通过所述单位输砂量随时间的变化进行积分可得到输砂总量。

在一种实施方式中，在S2中，可以根据所述砂泵的实时转速、所述砂泵入口的实时单位输砂量、所述砂泵出口的实时压力确定所述砂泵的预测出口流量，那么在S3中，可以根据预测出口流量与实时出口流量之间的误差确定所述砂泵的磨损量。在一种实施方式中，在S2中，可以根据所述砂泵的实时转速、所述砂泵入口的实时单位输砂量、所述砂泵出口的实时出口流量确定所述砂泵的预测压力，在S3中，可以根据预测压力与实时压力之间的误差确定所述砂泵的磨损量。在一种实施方式中，在S2中，可以根据所述砂泵的实时转速、所述砂泵入口的、所述砂泵出口的实时出口流量和实时压力确定所述砂泵的预测单位输砂量，在S3中，可以根据预测单位输砂量与实时单位输砂量之间的误差确定所述砂泵的磨损量；在一种实施方式中，在S2中，可以根据所述砂泵的实时单位输砂量、所述砂泵入口的、所述砂泵出口的实时出口流量和实时压力确定所述砂泵的预测转速；在S3中，可以根据预测转速与实时转速之间的误差确定所述砂泵的磨损量。

这样设置的好处在于，本发明基于所述砂泵的磨损检测模型，通过对实时单位输砂量、所述砂泵出口的实时压力和实时出口流量中的任意三个实时数据对另一个实时数据的预测值进行预测，根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量，实现了对所述砂泵的磨损量的实时监测，避免所述砂泵的叶片磨损严重未被及时发现导致的施工中断，避免不必要的损失。

在本实施例中，在S2步骤之前，砂泵磨损检测方法包括：

获取所述砂泵的历史性能参数，所述历史性能参数包括所述砂泵的转速、所述砂泵入口的历史单位输砂量、所述砂泵出口的历史压力和历史出口流量；

基于神经网络模型，根据所述历史性能参数进行神经网络模型训练，得到所述磨损检测模型。

也就是说，所述磨损检测模型通过计算机新建获得，计算机中设置有计算机可读存储介质，通过在所述计算机可读存储介质中存储有砂泵的历史性能参数，通过从所述计算机可读存储介质中读取所述历史数据。这里，所述历时性能参数可以是某一历史阶段的数据，随着砂泵的运转时间的逐渐增加，可以不断对所述砂泵的历史性能参数库进行更新，从而提高迭代次数，以增加磨损检测模型的精度。当然，此处所选取的历时性能参数为砂泵正常工作时的数据，具体地，可以选取全新的砂泵开始工作时的一段时间内的数据。

这里，可以预先建立神经网络模型，将历史性能参数中的一部分数据作为训练样本，对预先建立的神经网络模型进行训练，该神经网络可以为全连接神经网络，将训练样本输入到预先建立的神经网络模型中，当该预先建立的神经网络模型满足预设停止条件时，即可停止对该预先建立的神经网络模型的训练。该预设停止条件可以为损失函数值达到最小，或者迭代次数达到预设值(如10000次)。然后可以利用预处理后的多组数据中的另一部分数组数据对满足预设停止条件的神经网络模型进行评估，判断该神经网络模型是否存在过拟合或欠拟合的现象，如果存在上述现象，则继续对该神经网络模型进行优化，直到该神经网络模型拥有好的泛化能力为止，将此时的神经网络模型作为磨损检测模型。在本实施例中，神经网络模型具有一个输入层、两个隐藏层和一个输出层，通过基于神经网络的磨损检测模型的建立，可以提高磨损检测的精度。这里，所述神经网络模型的训练以所述历史转速、所述历史压力和所述历史出口流量作为训练集，输入所述神经网络模型进行训练，并以预测单位输砂量作为输出。当然，在一种实施方式中，以所述单位输砂量、所述历史压力和所述历史出口流量作为训练集，输入所述神经网络模型进行训练，并以预测转速作为输出。在一种实施方式中，以所述历史单位输砂量、所述历史转速和所述历史出口流量作为训练集，输入所述神经网络模型进行训练，并以预测压力作为输出。在一种实施方式中，也可以所述历史单位输砂量、所述历史转速和所述历史压力作为训练集，输入所述神经网络模型进行训练，并以预测出口流量作为输出。

这里，以如下例子进行说明：所述神经网络模型的训练以所述历史转速、所述历史压力和所述历史出口流量作为训练集，输入所述神经网络模型进行训练，并以预测单位输砂量作为输出。

在本实施例中，所述根据所述实时数据的其中三个确定另一个所述实时数据的预测数据包括：

根据所述实时转速、所述实时压力和所述实时出口确定预测单位输砂量；

根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量包括：

当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，所述砂泵的磨损量严重。

所述磨损检测模型可以根据实时转速、实时压力和所述实时出口流量对单位输砂量进行预测，然后跟实际输砂量进行对比，从而确定实时单位输砂量s1和所述预测单位输砂量s2的误差d，误差d＝|(s1-s2)/s2|，当所述误差d大于设定误差值时，则确定砂泵磨损严重需要及时进行更换。这里设定误差值可以为5％、8％或者10％。

在本实施例中，磨损检测方法还包括：当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，调节所述单位输砂量和所述砂泵的转速至最大，调节所述砂泵的出口流量至最小；获取所述砂泵出口的压力，当所述砂泵出口的压力小于设定压力值时，更换所述砂泵。这里，为了验证砂泵叶片是否真的磨损严重，可以对砂泵磨损进行验证，避免预测失误。将所述螺旋输砂器的单位输砂量调至最大，并将砂泵转速调至最大，如果砂泵的出口压力仍然小于设定压力值时，说明砂泵的叶片确实发生损坏，此时进行砂泵或者砂泵叶片的更换。这里，随着神经网络模型迭代训练次数的增加，可以控制所述设定误差值逐渐减小。

在本实施例中，磨损检测方法还包括：当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定预警值时，生成提示预警信号，所述提示预警信号用于提示所述砂泵的磨损量严重。

这里，可以通过显示器展示具体磨损处理方式，在展示故障处理方式的同时，也可以生成提示预警信号，该提示预警信号可以用于通过语音的方式指示砂泵叶片磨损预警，也可以通过报警灯的方式指示存在叶片磨损严重的情况。这样可以使工作人员不在看显示屏的情况下，也能够及时发现施工设备存在故障的现象。根据实际需求，也可以增加其他预警形式，此处不进行限定。需要说明的是，所述设定预警值可以小于所述设定误差值，从而提前对砂泵的磨损进行提醒。

在本实施例中，所述获取所述砂泵的历史性能参数之后，还包括：根据所述历史压力过滤掉无用历史性能参数，所述无用历史性能参数为当所述历史压力大于0.5MPa或者小于0.2MPa时的所述历史性能参数。也就是说，在调用历史性能参数时，先将历史压力大于0.5MPa或者小于0.2MPa的数据进行过滤，同时过滤掉与之对应的历史单位输砂量、所述历史转速和所述历史出口流量。这样可以使得到的磨损检测模型更准确，避免异常数据的影响。

本实施例提供一种砂泵磨损检测装置，如图2所示，包括：第一转速传感器、压力传感器、流量计、第二转速传感器和控制部件，所述第一转速传感器、所述压力传感器、所述流量计和所述第二转速传感器分别与所述控制部件通信连接，所述第一转速传感器用于获取所述砂泵的实时转速；所述压力传感器用于获取所述砂泵出口的实时压力；所述流量计，用于检测所述砂泵的实时出口流量；所述第二转速传感器，用于获取螺旋输砂器的转速，所述控制部件用于根据所述转速确定所述砂泵入口的实时单位输砂量；所述控制部件还用于基于所述砂泵对应的磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，根据所述实时转速、所述实时单位输砂量、所述实时压力和所述实时出口流量中的其中三个确定另一个所述实时数据的预测数据；所述控制部件还用于根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量。

可选地，所述控制器控制部件还用于获取所述砂泵的历史性能参数，所述历史性能参数包括所述砂泵的转速、所述砂泵入口的历史单位输砂量、所述砂泵出口的历史压力和历史出口流量；

所述控制部件还用于基于神经网络模型，根据所述历史性能参数进行神经网络模型训练，得到所述磨损检测模型。

可选地，所述控制部件还用于根据所述历史压力过滤掉无用历史性能参数。

可选地，所述控制部件还用于当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，调节所述单位输砂量和所述砂泵的转速至最大，调节所述砂泵的出口流量至最小；

所述压力传感器获取所述砂泵出口的压力，当所述砂泵出口的压力小于设定压力值时，提示更换所述砂泵或者所述砂泵的叶片。

可选地，所述第一转速传感器设置于所述砂泵的转轴的轴向一端，所述压力传感器和所述流量计设置于所述砂泵的出口处，所述第二转速传感器设置于所述螺旋输砂器转轴的轴向一端。

以上控制部件可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Signal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上控制部件通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，控制部件可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

本实施例提供一种混砂车，包括如上述任一所述的砂泵磨损检测装置。本发明所述的混砂车所具有的有益效果与上述所述的砂泵磨损检测方法相同，在此不再赘述。

虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (10)

1.一种砂泵磨损检测方法，其特征在于，包括：

获取砂泵的实时数据，所述实时数据包括所述砂泵的实时转速、所述砂泵入口的实时单位输砂量、所述砂泵出口的实时压力和实时出口流量；

基于所述砂泵对应的磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，

根据所述实时数据的其中三个确定另一个所述实时数据的预测数据；

根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量。

2.根据权利要求1所述的砂泵磨损检测方法，其特征在于，所述根据所述实时数据的其中三个确定另一个所述实时数据的预测数据之前，包括：

获取所述砂泵的历史性能参数，所述历史性能参数包括所述砂泵的转速、所述砂泵入口的历史单位输砂量、所述砂泵出口的历史压力和历史出口流量；

基于神经网络模型，根据所述历史性能参数进行神经网络模型训练，得到所述磨损检测模型。

3.根据权利要求2所述的砂泵磨损检测方法，其特征在于，所述神经网络模型的训练以所述历史转速、所述历史压力和所述历史出口流量作为训练集，输入所述神经网络模型进行训练，并以预测单位输砂量作为输出。

4.根据权利要求3所述的砂泵磨损检测方法，其特征在于，所述根据所述实时数据的其中三个确定另一个所述实时数据的预测数据包括：

根据所述实时转速、所述实时压力和所述实时出口确定预测单位输砂量；

根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量包括：

当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，所述砂泵的磨损量严重。

5.根据权利要求4所述的砂泵磨损检测方法，其特征在于，还包括：当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定误差值时，调节所述单位输砂量和所述砂泵的转速至最大，调节所述砂泵的出口流量至最小；

获取所述砂泵出口的压力，当所述砂泵出口的压力小于设定压力值时，提示更换所述砂泵或者所述砂泵的叶片。

6.根据权利要求4或5所述的砂泵磨损检测方法，其特征在于，还包括：当所述实时单位输砂量和所述预测单位输砂量之间的误差大于设定预警值时，生成提示预警信号，所述提示预警信号用于提示所述砂泵的磨损量严重。

7.根据权利要求2所述的砂泵磨损检测方法，其特征在于，所述获取所述砂泵的历史性能参数之后，还包括根据所述历史压力过滤掉无用历史性能参数，所述无用历史性能参数为当所述历史压力大于0.5MPa或者小于0.2MPa时的所述历史性能参数。

8.一种砂泵磨损检测装置，其特征在于，包括：第一转速传感器、压力传感器、流量计、第二转速传感器和控制部件，所述第一转速传感器、所述压力传感器、所述流量计和所述第二转速传感器分别与所述控制部件通信连接，所述第一转速传感器用于获取所述砂泵的实时转速；所述压力传感器用于获取所述砂泵出口的实时压力；所述流量计，用于检测所述砂泵的实时出口流量；所述第二转速传感器，用于获取螺旋输砂器的转速，所述控制部件用于根据所述转速确定所述砂泵入口的实时单位输砂量；

所述控制部件还用于基于所述砂泵对应的磨损检测模型，所述磨损检测模型表示所述砂泵的转速、所述砂泵入口的单位输砂量、所述砂泵出口的压力和出口流量之间的关系，根据所述实时转速、所述实时单位输砂量、所述实时压力和所述实时出口流量中的其中三个确定另一个所述实时数据的预测数据；

所述控制部件还用于根据所述实时数据和与其对应的所述预测数据之间的误差确定所述砂泵的磨损量。

9.根据权利要求8所述的砂泵磨损检测装置，其特征在于，所述第一转速传感器设置于所述砂泵的转轴的轴向一端，所述压力传感器和所述流量计设置于所述砂泵的出口处，所述第二转速传感器设置于所述螺旋输砂器转轴的轴向一端。

10.一种混砂车，其特征在于，包括如权利要求8或9所述的砂泵磨损检测装置。

Images