CN113062878A - 一种用于诊断火电脱硫装置氧化风机故障的系统 - Google Patents

一种用于诊断火电脱硫装置氧化风机故障的系统 Download PDF

Info

Publication number
CN113062878A
CN113062878A CN201911373130.9A CN201911373130A CN113062878A CN 113062878 A CN113062878 A CN 113062878A CN 201911373130 A CN201911373130 A CN 201911373130A CN 113062878 A CN113062878 A CN 113062878A
Authority
CN
China
Prior art keywords
fault
diagnosis
module
characteristic
frequency
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
Application number
CN201911373130.9A
Other languages
English (en)
Inventor
尚江峰
李光雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datang Environment Industry Group Co Ltd
Original Assignee
Datang Environment Industry Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Datang Environment Industry Group Co Ltd filed Critical Datang Environment Industry Group Co Ltd
Priority to CN201911373130.9A priority Critical patent/CN113062878A/zh
Publication of CN113062878A publication Critical patent/CN113062878A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00Subject matter not provided for in other groups of this subclass
    • G01M99/005Testing of complete machines, e.g. washing-machines or mobile phones
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • G01M13/04Bearings
    • G01M13/045Acoustic or vibration analysis

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种用于诊断火电脱硫装置氧化风机故障的系统。所述系统包括:诊断分析数据模块,用于存取来自于已有氧化风机的在线监测和诊断分析系统服务器的实时及历史数据库,在应用过程中调用数据库中的已有设备健康诊断原始数据;机器参数设置模块,用于设置风机参数与轴承参数;特征故障值提取模块,用于提取所述诊断分析数据模块的振动及工艺量数据源中隐藏的特征故障值,并且对所述特征故障值进行分类,得到氧化风机的故障类型;故障代码确定模块;诊断规则整理模块;可组态推理机模块;维护检修建议模块。本发明可以大量节约人工故障诊断分析所需耗费的人工时间与精力,解决了传统设备专家诊断软件误诊漏诊率高及工程应用难度大等问题。

Description

一种用于诊断火电脱硫装置氧化风机故障的系统
技术领域
本发明涉及故障诊断及智能制造的技术领域,具体地涉及一种用于诊断火电脱硫装置氧化风机故障的系统。
背景技术
目前,基于振动频谱分析的故障诊断分析是一项边缘跨学科的应用技术。主要涉及到传感器技术、数据采集处理技术、数据存储与展示等软硬件技术,还需涉及到故障诊断机理、设备振动标准、设备机械结构参数、设备维护检修知识、设备工艺流程参数、诊断经验积累等知识经验,其中诊断经验积累尤为关键。
传统的人工故障诊断分析,需耗费大量的人工时间与精力。基于在线诊断分析系统提供的波形频谱图等专业图谱,以某一台氧化风机的人工故障诊断分析为例,主要的分析过程将包括:1)调看设备结构总览图,明确各振动测点的安装位置;2)调看各振动测点的历史趋势图,判断各测点是否有异常波动或爬升;3)调看不同时间点下多个振动速度波形频谱图,判断是否有1倍故障频率、2倍故障频率、叶片通过频率、紊流或抽空等流体故障频率、松动或摩擦等故障频率,同时需判断各故障频率值的大小与组成关系;4)调看不同时间点下多个振动包络波形频谱图,判断是否有滚动轴承外环、内环、滚珠、保持架这4个特征故障频率的1倍、2倍、3倍等整数倍频率及及边频带,同时需判断各故障频率值的大小与组成关系;5)调看各温度、压力、流量、功率等工艺测点的历史趋势图,判断各工艺测点是否有异常波动或爬升,并分析与振动异常波动或爬升之间的关联变化;6)在前面过程中可能需查阅调看设备机械结构图纸、轴承型号等相关参数,以确定各特征故障频率;7)在前面过程中可能需调看各传感器的GAP电压等信息,以确定传感器是否失效;8)结合设备振动标准及人工诊断知识经验,最后给出故障真伪、故障部位、故障类型、故障严重性、维护检修的建议等,并写出人工诊断分析报告。
传统的设备专家诊断软件系统存在2个方面的主要应用问题。1)包治百病型,不能针对不同类型、不同厂家的设备提供个性化参数设置及诊断规则参数调整,从而会造成误诊或漏诊;2)采用神经网络或全息谱等高级算法,需要软件应用或诊断分析人员本身就需有很高深的理论基础,同时在应用过程中需对相关参数有严格的约定,也制约了软件的工程推广应用。
发明内容
本发明所要解决的技术问题是针对传统人工故障诊断分析需耗费大量的人工时间与精力、传统设备专家诊断软件误诊漏诊率高及工程应用难度大等问题,提出一种用于诊断火电脱硫装置氧化风机故障的系统。通过诊断分析数据源、机器参数组态、特征故障值提取、故障代码确定、诊断规则整理等步骤获取故障诊断知识,基于以上知识采用可组态推理机实现故障诊断,最终将维护检修建议及相关故障数据信息在应用界面进行展示。
通过本发明可以实现的技术目的不限于上文已经特别描述的内容,并且本领域技术人员将从下面的详细描述中更加清楚地理解本文中未描述的其他技术目的。
本发明解决上述技术问题的技术方案如下:
根据本公开的一方面,本发明提供一种用于诊断火电脱硫装置氧化风机故障的系统,其特征在于,所述系统包括:
诊断分析数据模块,用于存取来自于已有氧化风机的在线监测和诊断分析系统服务器的实时及历史数据库,在应用过程中调用数据库中的已有设备健康诊断原始数据;
机器参数设置模块,用于设置风机参数与轴承参数;
特征故障值提取模块,用于提取所述诊断分析数据模块的振动及工艺量数据源中隐藏的特征故障值,并且对所述特征故障值进行分类,得到氧化风机的故障类型;
故障代码确定模块,用于确定氧化风机的故障类型的代码;
诊断规则整理模块,用于整理氧化风机的诊断规则;
可组态推理机模块,用于将诊断规则中复杂的推理算法进行组合调整,在所述系统从所述特征故障值提取模块导入特征故障值之后,通过所述可组态推理机自动得到对应测点的故障类型的代码及故障概率;
维护检修建议模块,用于收集整理氧化风机故障的日常维护及检修调整的处理建议,将与氧化风机故障所对应的日常维护和检修调整的处理建议进行关联整合,以供在界面展示应用模块上显示。
可选地,在如上所述的系统中,所述风机参数包括机器厂家、型号、出厂日期、设计工况介质参数、风机叶片数、进出口管道固有频率;所述轴承参数包括针与同一振动测点所对应的多个不同型号的滚动轴承的厂家、型号,以及多个不同型号的滚动轴承中的每个的外环、内环、滚珠、保持架的特征故障频率。
可选地,在如上所述的系统中,所述特征故障值包括氧化风机故障特征振动速度值、滚动轴承故障特征振动包络值、工艺量故障特征值。
可选地,在如上所述的系统中,所述氧化风机故障类型的代码包括通用机械故障代码、流体机械故障代码、轴承故障代码。
可选地,在如上所述的系统中,所述氧化风机故障特征振动速度值包括速度高报或高高报值、速度有效值、速度有效值1小时或1天或1周变化率、流体故障速度有效值、残振速度有效值、0.5倍频或1倍频或2倍频或3倍频速度幅值、进口或出口管道1倍固有频率速度幅值、1倍或2倍叶片通过频率速度幅值、GAP电压值、GAP电压值1小时变化率;所述滚动轴承故障特征振动包络值包括包络高报或高高报值、包络峰值、包络峰值1小时或1天或1周变化率、1倍频或2倍频或3倍频包络幅值、1倍或4倍外环通过频率包络幅值、1倍或4倍内环通过频率包络幅值、1倍或4倍保持架通过频率包络幅值、1倍或4倍滚珠通过频率包络幅值、残振包络有效值;所述工艺量故障特征值包括温度、进口压力、出口压力、流量、功率的高报或高高报值、1小时或1天或1周变化率。
可选地,在如上所述的系统中,所述通用机械故障代码包括表示不平衡、不对中、摩擦、松动、共振、信号干扰的代码;所述流体机械故障代码包括表示抽空、叶片故障、喘振、流体激振、管道激振、流体堵塞、工艺不匹配的代码;所述轴承故障代码包括表示外环故障、内环故障、保持架故障、滚动体故障、污染或腐蚀、润滑不良或过负荷、油膜涡动的代码。
上述技术方案仅为本发明实施例的一些部分,本领域技术人员从以下本发明的详细描述中可以导出和理解包含了本发明的技术特征的各种实施例。
本领域技术人员将会理解,通过本发明可以实现的效果不限于上文已经具体描述的内容,并且从以下详细说明中将更清楚地理解本发明的其他优点。
附图说明
被包括以提供对本发明的进一步理解的附图示出本发明的实施例,并且与说明书一起用于解释本发明的原理。
图1为本发明实施例提供的一种用于诊断火电脱硫装置氧化风机故障的系统的示意图。
具体实施方式
现在将详细参考本发明的示例性实施例,其示例在附图中示出。下面将参考附图给出的详细描述旨在解释本发明的示例性实施例,而不是示出可以根据本发明实现的唯一实施例。以下详细描述包括具体细节以便提供对本发明的透彻理解。然而,对于本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下实践本发明。
在一些情况下,已知的结构和设备被省略或以框图形式示出,集中于结构和设备的重要特征,以免模糊本发明的概念。在整个说明书中将使用相同的附图标记来表示相同或相似的部分。
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
在本发明的描述中,需要理解的是,术语“上”、“下”、“中心”、“内”、“外”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
图1示出了本发明实施例提供的一种用于诊断火电脱硫装置氧化风机故障的系统的示意图。本发明提供一种用于诊断火电脱硫装置氧化风机故障的系统,所述系统包括:诊断分析数据模块,用于存取来自于已有氧化风机的在线监测和诊断分析系统服务器的实时及历史数据库,在应用过程中调用数据库中的已有设备健康诊断原始数据;机器参数设置模块,用于设置风机参数与轴承参数;特征故障值提取模块,用于提取所述诊断分析数据模块的振动及工艺量数据源中隐藏的特征故障值,并且对所述特征故障值进行分类,得到氧化风机的故障类型;故障代码确定模块,用于确定氧化风机的故障类型的代码;诊断规则整理模块,用于整理氧化风机的诊断规则;可组态推理机模块,用于将诊断规则中复杂的推理算法进行组合调整,在所述系统从所述特征故障值提取模块导入特征故障值之后,通过所述可组态推理机自动得到对应测点的故障类型的代码及故障概率;维护检修建议模块,用于收集整理氧化风机故障的日常维护及检修调整的处理建议,将与氧化风机故障所对应的日常维护和检修调整的处理建议进行关联整合,以供在界面展示应用模块上显示。所述风机参数包括机器厂家、型号、出厂日期、设计工况介质参数、风机叶片数、进出口管道固有频率;所述轴承参数包括针与同一振动测点所对应的多个不同型号的滚动轴承的厂家、型号,以及多个不同型号的滚动轴承中的每个的外环、内环、滚珠、保持架的特征故障频率。所述特征故障值包括氧化风机故障特征振动速度值、滚动轴承故障特征振动包络值、工艺量故障特征值。所述氧化风机故障类型的代码包括通用机械故障代码、流体机械故障代码、轴承故障代码。所述氧化风机故障特征振动速度值包括速度高报或高高报值、速度有效值、速度有效值1小时或1天或1周变化率、流体故障速度有效值、残振速度有效值、0.5倍频或1倍频或2倍频或3倍频速度幅值、进口或出口管道1倍固有频率速度幅值、1倍或2倍叶片通过频率速度幅值、GAP电压值、GAP电压值1小时变化率;所述滚动轴承故障特征振动包络值包括包络高报或高高报值、包络峰值、包络峰值1小时或1天或1周变化率、1倍频或2倍频或3倍频包络幅值、1倍或4倍外环通过频率包络幅值、1倍或4倍内环通过频率包络幅值、1倍或4倍保持架通过频率包络幅值、1倍或4倍滚珠通过频率包络幅值、残振包络有效值;所述工艺量故障特征值包括温度、进口压力、出口压力、流量、功率的高报或高高报值、1小时或1天或1周变化率。所述通用机械故障代码包括表示不平衡、不对中、摩擦、松动、共振、信号干扰的代码;所述流体机械故障代码包括表示抽空、叶片故障、喘振、流体激振、管道激振、流体堵塞、工艺不匹配的代码;所述轴承故障代码包括表示外环故障、内环故障、保持架故障、滚动体故障、污染或腐蚀、润滑不良或过负荷、油膜涡动的代码。根据本发明的实施例,诊断分析数据源模块的数据来自于包括现场传感器、数据采集站、网络传输、数据服务器的在线诊断系统服务器的实时及历史数据库;设置包括对风机叶片数、管道固有频率、轴承型号等机器的参数;进一步地,经过软件算法,实现对原始振动及工艺量数据的多维特征故障值提取,这些特征故障值将进入后续推理机进行应用。
在完成对氧化风机3大类20种故障代码确定的基础上,结合机组结构及诊断知识经验,进行氧化风机上百条诊断规则的总结整理,以氧化风机不平衡故障为例,共整理出11条诊断规则:40%速度高报值<速度有效值<=80%速度高报值时,且80%速度有效值<1倍频速度幅值<=85%速度有效值时、故障概率75%,且85%速度有效值<1倍频速度幅值<=90%速度有效值时、故障概率80%,且90%速度有效值<1倍频速度幅值<=95%速度有效值时、故障概率85%,且95%速度有效值<1倍频速度幅值时、故障概率90%;80%速度高报值<速度有效值时,且75%速度有效值<1倍频速度幅值<=80%速度有效值时、故障概率75%,且80%速度有效值<1倍频速度幅值<=85%速度有效值时、故障概率80%,且85%速度有效值<1倍频速度幅值<=90%速度有效值时、故障概率85%,且90%速度有效值<1倍频速度幅值时、故障概率90%;1倍叶片通过频率速度幅值>=100%1倍频速度幅值时、故障概率减小5%;1倍叶片通过频率速度幅值<50%1倍频速度幅值时、故障概率增加5%;转速上升时1倍频速度幅值跟着上升、故障概率增加5%。在机组结构及维护检修经验的基础上,把不同故障代码所对应的氧化风机故障后维护和检修建议进入总结整理,并录入维护检修建议模块中;最后,在展示应用界面中,经选择分析对象、分析时间范围后,特征故障值数据将自动导入到推理机中,并在该展示界面中自动生成诊断分析结果及处理建议,最终完成专家自动故障诊断分析。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
本发明的一种火电脱硫装置氧化风机专家故障诊断软件系统,通过把各种机器参数、诊断知识与经验的融合应用,可以大量节约人工故障诊断分析所需耗费的人工时间与精力,解决了传统设备专家诊断软件误诊漏诊率高及工程应用难度大等问题,是一种面向工程实际的应用型软件系统,可以进一步促进后续智能制造、智能服务、智能工厂、大数据挖掘等应用提供有力的支撑。。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现。基于这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
如上所述,已经给出了本发明的优选实施例的详细描述,以使本领域技术人员能够实施和实践本发明。虽然已经参照示例性实施例描述了本发明,但是本领域技术人员将会理解,在不脱离所附权利要求书中描述的本发明的精神或范围的情况下,可以在本发明中进行各种修改和改变。因此,本发明不应限于在此描述的特定实施例,而应被赋予与本文公开的原理和新颖特征一致的最宽范围。

Claims (6)

1.一种用于诊断火电脱硫装置氧化风机故障的系统,其特征在于,所述系统包括:
诊断分析数据模块,用于存取来自于已有氧化风机的在线监测和诊断分析系统服务器的实时及历史数据库,在应用过程中调用数据库中的已有设备健康诊断原始数据;
机器参数设置模块,用于设置风机参数与轴承参数;
特征故障值提取模块,用于提取所述诊断分析数据模块的振动及工艺量数据源中隐藏的特征故障值,并且对所述特征故障值进行分类,得到氧化风机的故障类型;
故障代码确定模块,用于确定氧化风机的故障类型的代码;
诊断规则整理模块,用于整理氧化风机的诊断规则;
可组态推理机模块,用于将诊断规则中复杂的推理算法进行组合调整,在所述系统从所述特征故障值提取模块导入特征故障值之后,通过所述可组态推理机自动得到对应测点的故障类型的代码及故障概率;
维护检修建议模块,用于收集整理氧化风机故障的日常维护及检修调整的处理建议,将与氧化风机故障所对应的日常维护和检修调整的处理建议进行关联整合,以供在界面展示应用模块上显示。
2.根据权利要求1所述的系统,
其特征在于,所述风机参数包括机器厂家、型号、出厂日期、设计工况介质参数、风机叶片数、进出口管道固有频率;所述轴承参数包括针与同一振动测点所对应的多个不同型号的滚动轴承的厂家、型号,以及多个不同型号的滚动轴承中的每个的外环、内环、滚珠、保持架的特征故障频率。
3.根据权利要求1所述的系统,
其特征在于,所述特征故障值包括氧化风机故障特征振动速度值、滚动轴承故障特征振动包络值、工艺量故障特征值。
4.根据权利要求1所述的系统,
其特征在于,所述氧化风机故障类型的代码包括通用机械故障代码、流体机械故障代码、轴承故障代码。
5.根据权利要求3所述的系统,
其特征在于,所述氧化风机故障特征振动速度值包括速度高报或高高报值、速度有效值、速度有效值1小时或1天或1周变化率、流体故障速度有效值、残振速度有效值、0.5倍频或1倍频或2倍频或3倍频速度幅值、进口或出口管道1倍固有频率速度幅值、1倍或2倍叶片通过频率速度幅值、GAP电压值、GAP电压值1小时变化率;所述滚动轴承故障特征振动包络值包括包络高报或高高报值、包络峰值、包络峰值1小时或1天或1周变化率、1倍频或2倍频或3倍频包络幅值、1倍或4倍外环通过频率包络幅值、1倍或4倍内环通过频率包络幅值、1倍或4倍保持架通过频率包络幅值、1倍或4倍滚珠通过频率包络幅值、残振包络有效值;所述工艺量故障特征值包括温度、进口压力、出口压力、流量、功率的高报或高高报值、1小时或1天或1周变化率。
6.根据权利要求4所述的系统,
其特征在于,所述通用机械故障代码包括表示不平衡、不对中、摩擦、松动、共振、信号干扰的代码;所述流体机械故障代码包括表示抽空、叶片故障、喘振、流体激振、管道激振、流体堵塞、工艺不匹配的代码;所述轴承故障代码包括表示外环故障、内环故障、保持架故障、滚动体故障、污染或腐蚀、润滑不良或过负荷、油膜涡动的代码。
CN201911373130.9A 2019-12-27 2019-12-27 一种用于诊断火电脱硫装置氧化风机故障的系统 Pending CN113062878A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911373130.9A CN113062878A (zh) 2019-12-27 2019-12-27 一种用于诊断火电脱硫装置氧化风机故障的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911373130.9A CN113062878A (zh) 2019-12-27 2019-12-27 一种用于诊断火电脱硫装置氧化风机故障的系统

Publications (1)

Publication Number Publication Date
CN113062878A true CN113062878A (zh) 2021-07-02

Family

ID=76557881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911373130.9A Pending CN113062878A (zh) 2019-12-27 2019-12-27 一种用于诊断火电脱硫装置氧化风机故障的系统

Country Status (1)

Country Link
CN (1) CN113062878A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115326147A (zh) * 2022-10-17 2022-11-11 江苏煵笙重工有限公司 一种船舶用脱硫塔实时监测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596712A (en) * 1991-07-08 1997-01-21 Hitachi, Ltd. Method and system for diagnosis and analysis of products troubles
US20110137711A1 (en) * 2009-12-04 2011-06-09 Gm Global Technology Operations, Inc. Detecting anomalies in field failure data
CN105134510A (zh) * 2015-09-18 2015-12-09 北京中恒博瑞数字电力科技有限公司 一种风力发电机组变桨系统的状态监测和故障诊断方法
CN106124982A (zh) * 2016-06-14 2016-11-16 都城绿色能源有限公司 一种风电机组的自动专家综合故障诊断系统及诊断方法
CN108732494A (zh) * 2017-04-21 2018-11-02 上海电气集团股份有限公司 一种风力发电机异常诊断处理系统
CN109034260A (zh) * 2018-08-07 2018-12-18 东南大学 基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统及方法
CN110188143A (zh) * 2019-04-04 2019-08-30 上海发电设备成套设计研究院有限责任公司 一种发电厂引风机振动故障诊断方法
CN110322018A (zh) * 2019-06-19 2019-10-11 上海电力学院 一种基于模糊推理的电厂风机故障预警系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596712A (en) * 1991-07-08 1997-01-21 Hitachi, Ltd. Method and system for diagnosis and analysis of products troubles
US20110137711A1 (en) * 2009-12-04 2011-06-09 Gm Global Technology Operations, Inc. Detecting anomalies in field failure data
CN105134510A (zh) * 2015-09-18 2015-12-09 北京中恒博瑞数字电力科技有限公司 一种风力发电机组变桨系统的状态监测和故障诊断方法
CN106124982A (zh) * 2016-06-14 2016-11-16 都城绿色能源有限公司 一种风电机组的自动专家综合故障诊断系统及诊断方法
CN108732494A (zh) * 2017-04-21 2018-11-02 上海电气集团股份有限公司 一种风力发电机异常诊断处理系统
CN109034260A (zh) * 2018-08-07 2018-12-18 东南大学 基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统及方法
CN110188143A (zh) * 2019-04-04 2019-08-30 上海发电设备成套设计研究院有限责任公司 一种发电厂引风机振动故障诊断方法
CN110322018A (zh) * 2019-06-19 2019-10-11 上海电力学院 一种基于模糊推理的电厂风机故障预警系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115326147A (zh) * 2022-10-17 2022-11-11 江苏煵笙重工有限公司 一种船舶用脱硫塔实时监测方法及系统
CN115326147B (zh) * 2022-10-17 2023-11-24 江苏煵笙重工有限公司 一种船舶用脱硫塔实时监测方法及系统

Similar Documents

Publication Publication Date Title
US9921577B2 (en) Method and system for diagnostic rules for heavy duty gas turbines
Durbhaka et al. Predictive maintenance for wind turbine diagnostics using vibration signal analysis based on collaborative recommendation approach
US20100030492A1 (en) Apparatus and method for identifying health indicators for rolling element bearings
US11112783B2 (en) Method and apparatus for machine monitoring with continuous improvement of a predictive maintenance database
CN111122191B (zh) 一种基于ewma控制的设备安康报警阈值设定方法
CN110188143A (zh) 一种发电厂引风机振动故障诊断方法
Bhattacharya et al. Recent trend in condition monitoring for equipment fault diagnosis
US9709980B2 (en) Method and system for diagnosing compressors
CN110398384A (zh) 旋转机械的机器健康监测
CN110907112A (zh) 一种非正弦振动台设备故障诊断方法和系统
JP2005345154A (ja) 異常予兆検出方法および装置
Dutta et al. PROAD (Process Advisor): A health monitoring framework for centrifugal pumps
KR102226971B1 (ko) 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치
CN113062878A (zh) 一种用于诊断火电脱硫装置氧化风机故障的系统
CN116976191A (zh) 一种水轮发电机组轴系稳定性劣化趋势预测方法
Lis et al. An anomaly detection method for rotating machinery monitoring based on the most representative data
Insuasty et al. Scada data-driven wind turbine main bearing fault prognosis based on one-class support vector machines
US20180204095A1 (en) Systems and methods to evaluate and reduce outages in power plants
WO2020253950A1 (en) Monitoring method, predicting method, monitoring system and computer program
Cao et al. Remaining useful life prediction of wind turbine generator bearing based on EMD with an indicator
CN115929613A (zh) 一种输油泵故障的处理方法、装置、系统及介质
CN115906437A (zh) 一种风机状态确定方法、装置、设备和存储介质
CN110874088B (zh) 基于多维向量模型的船舶关键设备系统的监测方法
Rodríguez-Rodríguez et al. Motor bearing failures detection by using vibration data
CN110738400A (zh) 系统健康评估方法、装置、电子设备和存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210702

RJ01 Rejection of invention patent application after publication