CN112943639A - 一种机泵汽蚀故障检测方法 - Google Patents

Abstract

本发明属于汽蚀故障检测技术领域，具体涉及一种机泵汽蚀故障检测方法。本发明首先利用机泵的振动频谱序列的面积来表征底部噪声，并将底部噪声作为汽蚀故障指标；然后一方面可对当前时刻是否发生汽蚀故障进行检测判断，以提高汽蚀故障检测判断的准确性；另一方面还可利用汽蚀故障指标预测模型对未来某时刻是否会发生汽蚀故障进行预测判断，预测机泵是否会发生汽蚀故障以及在预测到会发生汽蚀故障时其发生的时刻，从而可以提前预知机泵汽蚀故障的发生，减少非计划停机，降低维修成本，促进工业企业实现预测性维护。

Description

一种机泵汽蚀故障检测方法

技术领域

本发明属于汽蚀故障检测技术领域，具体涉及一种机泵汽蚀故障检测方法。

背景技术

离心泵作为工业领域经常使用的一种机械设备，其安全稳定优质运行对工业企业高效生产意义重大。汽蚀是离心泵运行时常见故障，其产生和发展会使机泵产生异常噪声和振动，同时降低机泵性能和运行效率，严重影响机泵使用寿命。

离心泵汽蚀故障诊断现阶段仍然采用现场人员耳听或者通过测量泵的出入口压力或流量扬程的变化进行判断或者通过人工分析机泵振动信号进行判断。通常，现场机泵仅安装有振动传感器，无法采集压力流量扬程等工艺参数，人工通过工艺参数变化判断汽蚀发生受到制约，使得机泵汽蚀故障检测不准确；而且，当机泵汽蚀故障发生时，人工分析振动信号虽然能有效识别故障，但汽蚀故障已不可避免，对机泵产生损坏，此时不可避免地使维修成本升高。

发明内容

本发明提供了一种机泵汽蚀故障检测方法，用以解决现有技术中机泵汽蚀故障检测不准确或者在机泵汽蚀故障发生时才进行分析造成的机泵已产生损坏的问题。

为解决上述技术问题，本发明所包括的技术方案以及技术方案对应的有益效果如下：

本发明提供了一种机泵汽蚀故障检测方法，包括如下步骤：

1)在机泵测试工况下，获取振动时域数据，并获取机泵的轴承故障特征频率；

2)确定机泵转速，进而确定倍频位置；

3)将振动时域数据转换为振动频谱序列，在有效频段范围内，将振动频谱序列中的倍频位置和轴承特征频率位置的幅值置为0，置0后根据振动频谱序列的幅值计算当前时刻的汽蚀故障指标实际值、或者当前时刻和历史各时刻的汽蚀故障指标实际值；所述汽蚀故障指标为：

其中，θ为汽蚀故障指标；df为频率分辨率；N为有效频段范围内谱线个数；Amp_i和Amp_i+1为两个相邻谱线的幅值；

4)将当前时刻的汽蚀故障指标实际值与汽蚀故障阈值进行比较，根据比较结果判断测试工况下机泵在当前时刻是否发生汽蚀故障：若当前时刻的汽蚀故障指标实际值大于所述汽蚀故障阈值，则确定机泵在当前时刻发生汽蚀故障；

或者：

利用构建的汽蚀故障指标预测模型、以及步骤3)计算出的当前时刻和历史各时刻的汽蚀故障指标实际值，确定汽蚀故障指标预测值；将汽蚀故障指标预测值与汽蚀故障阈值进行比较，根据比较结果判断测试工况下机泵在未来某时刻是否会发生汽蚀故障和/或汽蚀故障发生时刻。

上述技术方案的有益效果为：本发明发现，在机泵发生汽蚀故障时，底部噪声会明显抬高，基于此，本发明通过计算机泵的振动频谱序列的面积来表征噪声，利用底部噪声来表征汽蚀故障指标。基于此，本发明一方面可对当前时刻是否发生汽蚀故障进行检测判断，以提高汽蚀故障检测判断的准确性；另一方面还可利用汽蚀故障指标预测模型对未来某时刻是否会发生汽蚀故障进行预测判断，预测机泵是否会发生汽蚀故障以及在预测到会发生汽蚀故障时其发生的时刻，以提前预知机泵汽蚀故障的发生，减少非计划停机，降低维修成本，促进工业企业实现预测性维护。

进一步的，为了准确计算出汽蚀故障阈值以对机泵是否会发生汽蚀故障进行预测，步骤5)中，采用如下方法计算所述汽蚀故障阈值：

在机泵正常工况下，获取振动时域数据，并获取机泵的轴承故障特征频率；

按照同步骤2)～步骤3)相同的方法计算M个机泵正常工况下汽蚀故障指标θ_i，i＝1,2,……,M，M≥1；

再根据机泵正常工况下的汽蚀故障指标计算汽蚀故障阈值ξ，

其中，a为实验室模拟离心泵汽蚀故障后的计算值，为常数，且a＞1。

进一步的，步骤4)中，构建的汽蚀故障指标预测模型为：

其中，

为i时刻的汽蚀故障指标预测值，i＝1,2,…,L；

为模型参数，i＝1,2,…,p；θ_i为计算出的汽蚀故障指标的实际值，i＝k-p+1,…,k。

进一步的，若在i时刻汽蚀故障指标预测值大

大于汽蚀故障阈值的情况，那么确定机泵会发生汽蚀故障且汽蚀故障发生时刻为i时刻。

进一步的，在无法使用转速传感器的情况下准确得到机泵转速，步骤2)中，采用如下方法确定机泵转速：

针对机泵测试工况下振动频谱序列，在设定频段范围内找出前三个幅值最大位置，分别为第一频率f₁、第二频率f₂、第三频率f₃，相应的幅值分别为第一幅值Amp_f1、第二幅值Amp_f2、第三幅值Amp_f3；

若第一幅值Amp_f1、第二幅值Amp_f2、第三幅值Amp_f3不存在整数倍关系，且Amp_f1＞Amp_f2＞Amp_f3，则最大幅值位置即为工频位置，机泵转速为60×f₁；

若第一幅值Amp_f1、第二幅值Amp_f2、第三幅值Amp_f3存在整数倍关系，则取第一频率f₁、第二频率f₂、第三频率f₃中最小频率位置为工频位置，机泵转速为60×min(f₁,f₂,f₃)。

进一步的，a＝5。

进一步的，所述设定频段范围为：[10，额定转速/60]Hz。

附图说明

图1是本发明的机泵汽蚀故障预测方法的流程图；

图2-1是本发明的汽蚀发生前的频谱图；

图2-2是本发明的汽蚀发生后的频谱图；

图3是采用本发明的汽蚀故障检测方法的判断结果图。

具体实施方式

本发明在实际应用中发现，当机泵发生汽蚀故障时，底部噪声明显抬高，例如图2-1是本发明的汽蚀发生前的频谱图，图2-2是本发明的汽蚀发生后的频谱图，比对这两幅图可以看出机泵发生汽蚀故障时底部噪声明显抬高。基于此，本发明通过计算机泵的振动频谱序列的面积来表征底部噪声，将底部噪声作为汽蚀故障指标，基于汽蚀故障指标来判断机泵是否发生汽蚀故障。下面对本发明的一种机泵汽蚀故障检测方法进行详细说明，其流程如图1所示，具体过程如下：

步骤一，先按照如下方法计算机泵的汽蚀故障阈值ξ。具体过程如下：

1)在机泵轴承垂直位置上安装1只振动加速度传感器，在机泵正常工况下，等间隔采集振动时域数据，采样频率为5120Hz，采样点数为2048。同时，获取机泵额定转速和轴承故障特征频率。

2)对于变频机泵，通过快速傅里叶变换将振动时域数据转为振动频谱序列X(f)，在设定频段范围内，依据X(f)确定自动估算机泵转速，进而确认倍频位置。具体的：

针对振动频谱序列X(f)，在起始频率(10Hz)和截止频率(额定转速/60)范围内，找出前三个最大幅值位置f₁、f₂、f₃，对应的幅值分别为Amp_f1、Amp_f2、Amp_f3；若前三大幅值位置没有整数倍关系，例如Amp_f1＞Amp_f2＞Amp_f3，则最大幅值位置即为工频位置，机泵转速为60×f₁；若前三大幅值位置有任意整数倍关系，则取min(f₁,f₂,f₃)作为工频位置，机泵转速为60×min(f₁,f₂,f₃)。

3)使用统计方法，计算机泵测试工况下的汽蚀故障指标θ的基线值δ和故障阈值ξ。具体的：

针对振动频谱序列X(f)，在起始频率(10Hz)和截止频率(采样频率/2.56)范围内(选择起始频率10Hz是因为：既可避免10Hz以下的一些低频干扰，又可使底部面积覆盖广一些)，将倍频位置和轴承故障特征频率(阶)位置的幅值置为0，在有效频段范围内进行汽蚀故障指标θ(即底部噪声)值的计算，公式如下：

其中，df为频率分辨率，即采样频率/采样点数；N为有效频段范围内谱线个数；Amp_i和Amp_i+1为两个相邻谱线的幅值。

4)按照步骤1)～步骤3)的方法，等间隔连续采集机泵正常无报警情况的M组数据，采用上述公式计算出M组数据对应的汽蚀故障指标θ_i(i＝1,2,3,……,M)，则基线值为

则汽蚀故障阈值为ξ＝5×δ，其中，5为实验室模拟离心泵汽蚀故障后的计算值。

步骤二，在得到汽蚀故障阈值后，便可对测试工况下的机泵是否发生汽蚀故障进行判断，包括对当前时刻机泵是否发生汽蚀故障进行判断(对应该步骤的情况一)、在未来某时刻机泵是否会发生汽蚀故障以及在会发生汽蚀故障情况下发生汽蚀故障的时刻(对应该步骤的情况二，流程图1对应步骤二的情况二的整个流程)。

1、情况一，该种情况实际上是一种机泵汽蚀故障预测方法。将汽蚀故障指标θ作为预测数据，构建时序预测模型，并设定触发条件；触发条件满足的情况下，比较汽蚀故障指标预测值

和汽蚀故障阈值ξ的大小，判断机泵是否发生汽蚀故障。具体的：

1)构建汽蚀故障预测AR(p)，将汽蚀故障指标θ作为测量参数，递推公式如下：

其中，

为i时刻的汽蚀故障指标预测值；

为模型参数；θ_i(i＝k-p+1,…,k)为实际计算值(包括当前时刻和历史各时刻的汽蚀故障指标实际值)，按照步骤一中步骤1)～步骤3)相同的方法计算得到。

2)在机泵测试工况下，判断是否满足预测模型触发条件：机泵开机，建模样本数据量不少于30组，最近5组数据中，变化量有3组大于0且最后1组变化量最大，最近5组变化率平均值大于10％。

3)在满足触发条件的情况下，汽蚀故障预测模型开始工作，当汽蚀故障指标预测值

大于汽蚀故障阈值ξ时，确定机泵在该测试工况下会发生汽蚀故障；否则，机泵在该测试工况下不会发生汽蚀故障。而且，相应的时刻为汽蚀故障发生时刻。例如，若

至

均小于等于汽蚀故障阈值ξ，但

大于汽蚀故障阈值ξ，则说明在“5”时刻(实际计算过程中需将5转换成实际时刻)会发生汽蚀故障，此时应早做准备，避免汽蚀故障的发生。

2、情况二。按照步骤一中步骤1)～步骤3)相同的方法计算得到当前时刻的汽蚀故障指标实际值，并将当前时刻的汽蚀故障指标实际值与汽蚀故障阈值进行比较：若当前时刻的汽蚀故障指标实际值大于所述汽蚀故障阈值，则确定机泵在当前时刻发生汽蚀故障。

需说明的是，针对无法安装转速传感器的机泵，采用本实施例的步骤一的步骤2)所示方法计算出机泵转速。如若是可安装转速传感器的机泵，直接利用转速传感器检测的值作为机泵转速即可。

下面将该方法应用于具体的实例中说明本发明方法的有效性。图3为本发明的汽蚀故障预测效果图。汽蚀故障预测模型使用底部噪声作为汽蚀故障指标，建模样本数据量为30组，数据间隔为30min，时序模型为AR(5)。如图3所示，最上边的直线为汽蚀故障阈值线，底部曲线为汽蚀故障指标的样本曲线，星线为汽蚀故障预测曲线。对比汽蚀故障指标曲线和预测曲线可知，该方法在能够提前3小时预知汽蚀故障的发生。

Claims (7)

1.一种机泵汽蚀故障检测方法，其特征在于，包括如下步骤：

1)在机泵测试工况下，获取振动时域数据，并获取机泵的轴承故障特征频率；

2)确定机泵转速，进而确定倍频位置；

3)将振动时域数据转换为振动频谱序列，在有效频段范围内，将振动频谱序列中的倍频位置和轴承特征频率位置的幅值置为0，置0后根据振动频谱序列的幅值计算当前时刻的汽蚀故障指标实际值、或者当前时刻和历史各时刻的汽蚀故障指标实际值；所述汽蚀故障指标为：

其中，θ为汽蚀故障指标；df为频率分辨率；N为有效频段范围内谱线个数；Amp_i和Amp_i+1为两个相邻谱线的幅值；

4)将当前时刻的汽蚀故障指标实际值与汽蚀故障阈值进行比较，根据比较结果判断测试工况下机泵在当前时刻是否发生汽蚀故障：若当前时刻的汽蚀故障指标实际值大于所述汽蚀故障阈值，则确定机泵在当前时刻发生汽蚀故障；

或者：

利用构建的汽蚀故障指标预测模型、以及步骤3)计算出的当前时刻和历史各时刻的汽蚀故障指标实际值，确定汽蚀故障指标预测值；将汽蚀故障指标预测值与汽蚀故障阈值进行比较，根据比较结果判断测试工况下机泵在未来某时刻是否会发生汽蚀故障和/或汽蚀故障发生时刻。

2.根据权利要求1所述的机泵汽蚀故障检测方法，其特征在于，步骤5)中，采用如下方法计算所述汽蚀故障阈值：

在机泵正常工况下，获取振动时域数据，并获取机泵的轴承故障特征频率；

按照同步骤2)～步骤3)相同的方法计算M个机泵正常工况下汽蚀故障指标θ_i，i＝1,2,……,M，M≥1；

再根据机泵正常工况下的汽蚀故障指标计算汽蚀故障阈值ξ，

其中，a为实验室模拟离心泵汽蚀故障后的计算值，为常数，且a＞1。

3.根据权利要求1所述的机泵汽蚀故障检测方法，其特征在于，步骤4)中，构建的汽蚀故障指标预测模型为：

其中，

为i时刻的汽蚀故障指标预测值，i＝1,2,…,L；

为模型参数，i＝1,2,…,p；θ_i为计算出的汽蚀故障指标实际值，i＝k-p+1,…,k。

4.根据权利要求3所述的机泵汽蚀故障检测方法，其特征在于，若在i时刻汽蚀故障指标预测值大

大于汽蚀故障阈值的情况，那么确定机泵会发生汽蚀故障且汽蚀故障发生时刻为i时刻。

5.根据权利要求1所述的机泵汽蚀故障检测方法，其特征在于，步骤2)中，采用如下方法确定机泵转速：

针对机泵测试工况下振动频谱序列，在设定频段范围内找出前三个幅值最大位置，分别为第一频率f₁、第二频率f₂、第三频率f₃，相应的幅值分别为第一幅值

第二幅值

第三幅值

若第一幅值

第二幅值

第三幅值

不存在整数倍关系，且

则最大幅值位置即为工频位置，机泵转速为60×f₁；

若第一幅值

第二幅值

第三幅值

存在整数倍关系，则取第一频率f₁、第二频率f₂、第三频率f₃中最小频率位置为工频位置，机泵转速为60×min(f₁,f₂,f₃)。

6.根据权利要求2所述的机泵汽蚀故障检测方法，其特征在于，a＝5。

7.根据权利要求5所述的机泵汽蚀故障检测方法，其特征在于，所述设定频段范围为：[10，额定转速/60]Hz。

Images