CN113565484B - 一种基于相对均方根值的压裂泵泵阀故障诊断方法 - Google Patents
一种基于相对均方根值的压裂泵泵阀故障诊断方法 Download PDFInfo
- Publication number
- CN113565484B CN113565484B CN202110839155.4A CN202110839155A CN113565484B CN 113565484 B CN113565484 B CN 113565484B CN 202110839155 A CN202110839155 A CN 202110839155A CN 113565484 B CN113565484 B CN 113565484B
- Authority
- CN
- China
- Prior art keywords
- signal
- vibration
- root mean
- pump
- mean square
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 title claims abstract description 13
- 238000012952 Resampling Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 13
- 239000007788 liquid Substances 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000010183 spectrum analysis Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- 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
-
- 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
- F04B53/00—Component parts, details or accessories not provided for in, or of interest apart from, groups F04B1/00 - F04B23/00 or F04B39/00 - F04B47/00
-
- 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
- F04B53/00—Component parts, details or accessories not provided for in, or of interest apart from, groups F04B1/00 - F04B23/00 or F04B39/00 - F04B47/00
- F04B53/10—Valves; Arrangement of valves
Landscapes
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于相对均方根值的压裂泵泵阀故障诊断方法,基于现场采集的压裂泵振动信号及泵曲轴处键相信号,构造基准函数与振动信号进行互相关获取相位信息,根据相位信息构造两个权值函数分别对振动信号进行加权处理,得到两组加权后振动信号,并计算两组加权后振动信号的均方根值(RMS)比值,得到相对均方根特征值(RRMS),最后结合相位信息与压裂泵各泵缸工作顺序定位故障缸;本发明能够有效的实现压裂泵的泵阀故障诊断,并实现故障泵阀的定位,为现场压裂作业及泵阀维修提供有效技术支持。
Description
技术领域
本发明属于压裂泵故障诊断技术领域,具体涉及一种基于相对均方根值的压裂泵泵阀故障诊断方法。
背景技术
压裂泵是油气开采行业中的重要设备,其主要用来向油井中注入大量固体颗粒液体或酸、碱性液体,以进行地质层压裂、酸化作业,是提高油气产量的关键设备。由于压裂泵工作环境特殊,经常受到诸如腐蚀、疲劳载荷的冲击,其泵阀很容易出现故障,使得压裂泵发生泄漏,一旦压裂泵出现泄漏,开采石油的工作就需要暂停,这不仅会影响到施工的进度和企业的经济效益,甚至可能威胁到操作人员的人身安全。
目前压裂泵故障排查手段仍然主要依赖于人工,通过有经验的技术人员在施工现场监测压裂泵功率变化来判断是否发生泵阀泄漏,并配合维修工人在作业间歇期间定期巡检的方式来保障压裂泵的正常作业。但是,人工识别压裂泵泵阀故障的准确度主要依赖于技术人员的经验,容易造成误判、漏判等问题,并且不能够准确定位故障阀门位置,进而导致维修需要将所有阀门拆卸检查,维修时间和成本大大增加,严重影响压裂作业的效率。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供了一种基于相对均方根值的压裂泵泵阀故障诊断方法,能够有效的实现五缸压裂泵的泵阀故障诊断,并实现故障泵阀的定位,为现场压裂作业及泵阀维修提供有效技术支持。
为了达到上述目的,本发明采取的技术方案为:
一种基于相对均方根值的压裂泵泵阀故障诊断方法,基于现场采集的压裂泵振动信号及泵曲轴处键相信号,构造基准函数与振动信号进行互相关获取相位信息,根据相位信息构造两个权值函数分别对振动信号进行加权处理,得到两组加权后振动信号,并计算两组加权后振动信号的均方根值(RMS)比值,得到相对均方根特征值(RRMS),最后结合相位信息与压裂泵各泵缸工作顺序定位故障缸。
一种基于相对均方根值的压裂泵泵阀故障诊断方法,包括以下步骤:
步骤1:采集压裂泵的振动信号及键相信号,根据键相块安装的位置及压裂泵各缸工作顺序计算压裂泵各缸开始排液时刻与开始吸入时刻相对键相位置的角度;
步骤2:对振动信号进行滤波预处理,提取振动信号主要成分;
步骤3:对滤波后信号重采样与局部最大值处理:对滤波后信号进行重采样及局部最大值处理,类似于角度域重采样,使振动信号每个周期采样点数相同;
步骤4:构造一组方波信号作为互相关的基准信号,并与步骤3中的振动信号进行互相关;
步骤5:根据步骤4中互相关结果,构造两组权值函数对步骤3中振动信号进行加权,并计算两组加权后信号均方根比值,即RRMS值;
步骤6:根据历史故障数据,设定RRMS值的故障阈值,在后续监测过程中,计算振动信号的RRMS值,判断是否超过阈值,超过阈值则说明该泵阀门发生故障;此时,结合步骤1中各缸开始排液时刻与开始吸入时刻相对键相位置的角度确定发生阀门故障的缸的位置。
所述的步骤1包括:
通过在泵阀盖处安装振动加速度传感器获取振动加速度信号作为振动信号xo,在曲轴处安装键相块和霍尔传感器获取键相信号xt;
键相块安装的位置应位于曲轴死点处,并使得键相信号被触发时,压裂泵某个缸正好开始排液行程或者开始吸入行程。
所述的步骤2通过频谱分析确定振动信号主要频率分布范围,并采用带通滤波进行滤波处理,得到滤波后信号x1。
所述的步骤3中重采样及局部最大值处理方法如下:
根据键相信号xt将滤波后信号x1的每一个周期长度均分为N段,N为非零正偶数,取每一小段信号的最大值作为重采样的一个数据点,即单周期内采样点数为N,记信号x1的周期数为Tn,Tn为正整数,最终得到重采样信号,记作重采样信号x2,其长度变为L=Tn×N,重采样频率为fs=N。
所述的步骤4包括:
构造的互相关基准方波信号,其表达式如下:
式中,xr(n)为互相关基准方波信号的离散序列,n=1,2,3,…,L;m=0,1,2,…,Tn-1,N为单周期内采样点数;
信号xr与重采样信号x2进行离散互相关,其表达式如下:
式中,X(τ)为的信号xr与信号x2互相关系数,τ=0,±1,±2,…,±L;x2(n)为振动信号离散序列,xr(n)为基准方波信号离散序列。
所述的步骤5包括:
获取步骤4中互相关最大值处的时移量τ,记作Tmax,将其转换为信号相对零点的偏移相位ψ,偏移相位ψ与时移量Tmmax换算关系如下:
式中,τmax为基准信号与振动信号互相关系数最大时的时移量,N为单周期内采样点数;
根据偏移相位ψ,首先构造两个权值函数,分别记作w1和w2,中w1和w2均为方波信号,权值函数w1和w2的表达式如下:
当0≤ψ<π时,其离散序列表达式如下:
当π<ψ≤2π时,其离散序列表达式如下:
将步骤3中得到的振动信号x2分别与权值函数w1和w2相乘,得到信号x21=x2·w1和x22=x2·w2;信号x21和信号x22相当于分别提取了信号x2的高电平部分和低电平部分,分别计算信号x21和信号x22的均方根值,并计算比值得到相对均方根特征值RRMS;
相对均方根值RRMS的计算公式如下:
式中,L为信号长度,x21(n)为经权值函数w1加权后的振动信号离散序列,x22(n)为经权值函数w2加权后的振动信号离散序列。
所述的步骤6通过历史故障数据获取当前监测泵泵阀开始出现故障时的RRMS值,将其设置为故障阈值,当后续监测的振动数据的RRMS值超过故障阈值时,则说明当前监测泵出现泵阀故障,此时,将步骤5中的偏移相位ψ与步骤1中各缸开始排液时刻与开始吸入时刻相对键相位置的角度进行比对,角度与偏移相位ψ最为接近的缸即为故障缸。
本发明的有益效果为:
本发明通过带通滤波提取振动信号主要成分,减小噪声干扰,之后基于泵曲轴处键相信号,对振动信号进行角度域重采样,并构造基准信号与之进行互相关,获取振动信号偏移相位,最后基于偏移相位构造权值函数对振动信号进行加权处理,并计算两次加权处理的信号均方根比值作为故障特征,该诊断方法得到的相对均方根故障特征能够有效的识别压裂泵阀门是否发生故障,并且可以通过偏移相位定位具体发生故障的缸的位置。
本发明能够有效的识别压裂泵阀门是否发生故障,并且在计算相对均方根值故障特征过程中得到振动信号偏移相位能够有效的实现故障缸定位,为石油矿场压裂泵泵阀故障诊断难题提供了一套有效的解决方法。
附图说明
图1为本发明实施例方法的流程图。
图2为实施例某五缸压裂泵各缸工作行程相对键相位置角度图。
图3为实施例被测的振动信号及键相信号时域图。
图4为实施例振动信号频谱图。
图5为实施例振动信号滤波处理后时域图。
图6为实施例重采样及局部最大值处理后振动信号时域图。
图7为实施例互相关基准信号时域图。
图8为实施例基准信号与振动信号的互相关曲线。
图9为实施例振动信号分别经两组权值函数加权后的时域图。
图10为实施例某次监测中压裂泵振动信号相对均方根值及偏移相位变化趋势曲线。
具体实施方式
下面结合实施例和附图对本发明进一步详细说明。
如图1所示,一种基于相对均方根值的压裂泵泵阀故障诊断方法,包括以下步骤:
步骤1:通过振动加速度传感器及霍尔传感器分别采集压裂泵的振动信号x0及键相信号xt;其中,振动加速度传感器安装在泵阀盖处,霍尔传感器安装在曲轴处,通过在曲轴处外加键相块触发信号,曲轴每转360°为一整周期信号;键相块安装的位置应位于曲轴死点处,并使得键相信号被触发时,压裂泵1号缸正好开始排液行程;根据各缸工作顺序及曲轴各曲拐之间的夹角,可以得到一个周期内各缸开始排液及开始吸入行程时相对于键相位置的角度;
本实施例采用五缸压裂泵,其各缸工作顺序为1-4-2-5-3,相邻曲拐之间的夹角为144°,计算得到的泵各缸工作行程相对于键相位置的角度如图2所示;采集的振动信号及键相信号时域图如图3所示;
步骤2:对振动信号进行滤波预处理,提取振动信号主要成分,减小噪声干扰;
绘制振动信号频谱,振动信号频谱图如图4所示,观察其频率成分主要分布范围,可知振动信号其频谱能量主要集中在1000~3500Hz范围内,因此选取1000~3500Hz带进行带通滤波,得到滤波后信号x1,滤波后信号时域图如图5所示;
步骤3:对滤波后信号进行重采样及局部最大值处理:考虑到压裂泵在工作中存在不同转速工况或者转速波动情况,为避免转速波动的影响,对滤波后信号进行类似角度域重采样处理,即每个周期内采样同样数量的点;具体的重采样过程如下:根据键相信号xt将滤波后信号x1的每一个周期长度均分为N(N为非零正偶数)段,取每一小段信号的最大值作为重采样的一个数据点,即单周期内采样点数为N,记信号x1的周期数为Tn(Tn为正整数),最终得到重采样信号,记作重采样信号x2,其长度变为L=Tn×N,重采样频率为fs=N;当N=512时,重采样信号x2的时域图如图6所示;
步骤4:构造互相关基准信号,由图6可以看出重采样信号信号具有类似方波信号的特征,为了得到其高电平信号偏移起始位置的相位,选择构造一组方波信号作为基准信号与其进行互相关,进而得到其高电平信号偏移相位;该方波信号表达式如下:
式中,xr(n)(n=1,2,3,…,L)为互相关基准方波信号的离散序列,m=0,1,2,…,Tn-1,N为单周期内采样点数,当N=512时,构造的方波信号时域图如图7所示;
将步骤3得到的重采样信号与标准矩形波信号进行互相关,其互相关公式如下:
式中,X(τ)(T=0,±1,±2,…,±L)为的信号xr与信号x2互相关系数,x2(n)为振动信号离散序列,xr(n)为基准方波信号离散序列;
步骤5:计算得到的相关曲线如图8所示,从图8中获取互相关系数最大时的时移量τmax,将其转换为角度即可得到图5信号高电平偏移零点的偏移相位ψ,其计算公式如下:
式中,Tmax为基准信号与振动信号互相关系数最大时的时移量,N为单周期内采样点数;
根据偏移相位ψ,首先构造两个权值函数,分别记作w1和w2,其中w1和W2均为方波信号,其离散序列表达式如下:
当0≤ψ<π时,其离散序列表达式如下:
当π<ψ≤2π时,其离散序列表达式如下:
计算相对均方根特征值:将步骤3中得到的振动信号x2分别与权值函数w1和w2相乘,得到信号x21=x2·W1和x22=x2·w2;图9为信号x21和信号x22的时域图,可以看出,信号x21和信号x22相当于分别提取了信号x2的高电平部分和低电平部分,分别计算信号x21和信号x22的均方根值,并计算比值得到相对均方根特征值RRMS,其表达式如下:
式中,L为信号长度,x21(n)为经权值函数w1加权后的振动信号离散序列,x22(n)为经权值函数w2加权后的振动信号离散序列;
步骤6:根据历史监测数据,设定RRMS值的故障阈值,在后续的故障监测中,计算振动信号的RRMS值,若某时刻监测的相对均方根值超过故障阈值则说明压裂泵在该时刻出现故障,之后获取该时刻由步骤5中计算得到的偏移相位ψ,与压裂泵各缸开始排液及开始吸入行程时相对于键相位置的角度进行比对,角度与偏移相位ψ最为接近的缸即为故障缸。
实施例:在某次故障监测中,压裂泵4号缸泵阀出现故障,绘制压裂泵由正常到发生故障再到维修后恢复正常这一时间段的RRMS值和偏移相位ψ的变化趋势曲线图,如图10所示,图中共200组数据,1~110组为故障前正常数据,111~182组为发生故障时数据,183~200组为维修后再次恢复正常时数据。从图中可以看出,在正常时段内,无论是发生故障前还是维修后,RRMS值一直稳定在1~2之间,而在发生故障时,RRMS值迅速攀升,最大值达到了53,并且在该时间段内,偏移相位ψ亦稳定在260°左右,通过对比图2的压裂泵各缸工作行程相对键相位置角度图可知,与之最接近的角度为压裂泵4缸开始吸入行程的角度252°,而此时发生故障的缸亦是4号缸。
可以看出,本发明中提出的RRMS值能够有效的监测压裂泵是否发生故障,并且通过偏移相位ψ与压裂泵各缸工作行程相对键相位置角度图比对亦可以定位发生故障的缸位置。
Claims (8)
1.一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于:基于现场采集的压裂泵振动信号及泵曲轴处键相信号,构造基准函数与振动信号进行互相关获取相位信息,根据相位信息构造两个权值函数分别对振动信号进行加权处理,得到两组加权后振动信号,并计算两组加权后振动信号的均方根值(RMS)比值,得到相对均方根特征值(RRMS),最后结合相位信息与压裂泵各泵缸工作顺序定位故障缸。
2.一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于,包括以下步骤:
步骤1:采集压裂泵的振动信号及键相信号,根据键相块安装的位置及压裂泵各缸工作顺序计算压裂泵各缸开始排液时刻与开始吸入时刻相对键相位置的角度;
步骤2:对振动信号进行滤波预处理,提取振动信号主要成分;
步骤3:对滤波后信号重采样与局部最大值处理:对滤波后信号进行重采样及局部最大值处理,类似于角度域重采样,使振动信号每个周期采样点数相同;
步骤4:构造一组方波信号作为互相关的基准信号,并与步骤3中的振动信号进行互相关;
步骤5:根据步骤4中互相关结果,构造两组权值函数对步骤3中振动信号进行加权,并计算两组加权后信号均方根比值,即RRMS值;
步骤6:根据历史故障数据,设定RRMS值的故障阈值,在后续监测过程中,计算振动信号的RRMS值,判断是否超过阈值,超过阈值则说明该泵阀门发生故障;此时,结合步骤1中各缸开始排液时刻与开始吸入时刻相对键相位置的角度确定发生阀门故障的缸的位置。
3.根据权利要求2所述的一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于,所述的步骤1包括:
通过在泵阀盖处安装振动加速度传感器获取振动加速度信号作为振动信号xo,在曲轴处安装键相块和霍尔传感器获取键相信号xt;
键相块安装的位置应位于曲轴死点处,并使得键相信号被触发时,压裂泵某个缸正好开始排液行程或者开始吸入行程。
4.根据权利要求2所述的一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于,所述的步骤2通过频谱分析确定振动信号主要频率分布范围,并采用带通滤波进行滤波处理,得到滤波后信号x1。
5.根据权利要求2所述的一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于,所述的步骤3中重采样及局部最大值处理方法如下:
根据键相信号xt将滤波后信号x1的每一个周期长度均分为N段,N为非零正偶数,取每一小段信号的最大值作为重采样的一个数据点,即单周期内采样点数为N,记信号x1的周期数为Tn,Tn为正整数,最终得到重采样信号,记作重采样信号x2,其长度变为L=Tn×N,重采样频率为fs=N。
7.根据权利要求6所述的一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于,所述的步骤5包括:
获取步骤4中互相关最大值处的时移量τ,记作τmax,将其转换为信号相对零点的偏移相位ψ,偏移相位ψ与时移量τmax换算关系如下:
式中,N为单周期内采样点数;
根据偏移相位ψ,首先构造两个权值函数,分别记作w1和w2,中w1和w2均为方波信号,权值函数w1和w2的表达式如下:
当0≤ψ<π时,其离散序列表达式如下:
当π<ψ≤2π时,其离散序列表达式如下:
将步骤3中得到的重采样信号x2分别与权值函数w1和w2相乘,得到信号x21=x2·w1和x22=x2·w2;信号x21和信号x22相当于分别提取了信号x2的高电平部分和低电平部分,分别计算信号x21和信号x22的均方根值,并计算比值得到相对均方根特征值RRMS;
相对均方根值RRMS的计算公式如下:
式中,L为信号长度,x21(n)为经权值函数w1加权后的振动信号离散序列,x22(n)为经权值函数w2加权后的振动信号离散序列。
8.根据权利要求7所述的一种基于相对均方根值的压裂泵泵阀故障诊断方法,其特征在于,所述的步骤6通过历史故障数据获取当前监测泵泵阀开始出现故障时的RRMS值,将其设置为故障阈值,当后续监测的振动数据的RRMS值超过故障阈值时,则说明当前监测泵出现泵阀故障,此时,将步骤5中的偏移相位ψ与步骤1中各缸开始排液时刻与开始吸入时刻相对键相位置的角度进行比对,角度与偏移相位ψ最为接近的缸即为故障缸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839155.4A CN113565484B (zh) | 2021-07-23 | 2021-07-23 | 一种基于相对均方根值的压裂泵泵阀故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839155.4A CN113565484B (zh) | 2021-07-23 | 2021-07-23 | 一种基于相对均方根值的压裂泵泵阀故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113565484A CN113565484A (zh) | 2021-10-29 |
CN113565484B true CN113565484B (zh) | 2022-06-07 |
Family
ID=78167024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110839155.4A Active CN113565484B (zh) | 2021-07-23 | 2021-07-23 | 一种基于相对均方根值的压裂泵泵阀故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113565484B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114483561B (zh) * | 2022-01-21 | 2024-03-22 | 烟台杰瑞石油服务集团股份有限公司 | 一种通过角度域显示参数信号的方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070032966A1 (en) * | 2002-06-07 | 2007-02-08 | Exxonmobil Research And Engineering Company Law Department | System and methodology for vibration analysis and conditon monitoring |
CA2582560C (en) * | 2007-03-22 | 2012-02-21 | Commtest Instruments Limited | Method and system for vibration signal processing |
CN110837046B (zh) * | 2019-10-30 | 2021-05-04 | 南京理工大学 | 基于机械振动信号的变流器开关管故障检测与诊断方法 |
CN111043023B (zh) * | 2019-12-27 | 2021-08-17 | 橙色云互联网设计有限公司 | 一种压裂泵在线监测及故障诊断系统 |
CN111502974A (zh) * | 2020-05-28 | 2020-08-07 | 美国杰瑞国际有限公司 | 一种柱塞泵状态监测与故障诊断系统 |
-
2021
- 2021-07-23 CN CN202110839155.4A patent/CN113565484B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113565484A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106761681B (zh) | 基于时序数据分析的电泵井故障实时诊断系统及方法 | |
CN111043023B (zh) | 一种压裂泵在线监测及故障诊断系统 | |
CA2999968C (en) | Pump integrity detection, monitoring and alarm generation | |
CN106949056B (zh) | 一种压风机运行状态感知及故障预测系统及方法 | |
CN106197996A (zh) | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 | |
CN102459914A (zh) | 用于预测真空泵的转子旋转时的故障的方法及相关的抽吸装置 | |
CN106682815B (zh) | 一种抽油井监控系统及监控方法 | |
CN110410336B (zh) | 一种泵汽蚀状态自动识别方法 | |
US20100300683A1 (en) | Real Time Pump Monitoring | |
CN113565484B (zh) | 一种基于相对均方根值的压裂泵泵阀故障诊断方法 | |
CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及系统 | |
CN101059130A (zh) | 往复压缩机在线远程状态监测与故障分析诊断系统 | |
CN102758613B (zh) | 基于动力学模型的钻井泵故障检测与诊断方法及其系统 | |
CN105865794B (zh) | 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法 | |
EP2792063A2 (en) | Electrical submersible pump monitoring and failure prediction | |
CN102798529A (zh) | 大型风力机组轴承故障诊断方法及系统 | |
CN105784350A (zh) | 一种基于活塞杆振动动态能量指数的故障报警方法 | |
CN110633686B (zh) | 一种基于振动信号数据驱动的设备转速识别方法 | |
CN109139443B (zh) | 一种基于位移信号的活塞杆故障诊断方法 | |
CN112943639A (zh) | 一种机泵汽蚀故障检测方法 | |
CN116465627A (zh) | 机械设备故障监测系统 | |
CN113513304A (zh) | 一种基于抽油机电功图的平衡度检测方法 | |
CN113153727A (zh) | 一种压裂泵监测系统及方法 | |
Zhang et al. | Research on the diagnosis method of reciprocating compressor valve leakage fault with vibration signal | |
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 |