CN114547803B - 陶瓷泵涡轮寿命检测系统和方法 - Google Patents
陶瓷泵涡轮寿命检测系统和方法 Download PDFInfo
- Publication number
- CN114547803B CN114547803B CN202210191942.7A CN202210191942A CN114547803B CN 114547803 B CN114547803 B CN 114547803B CN 202210191942 A CN202210191942 A CN 202210191942A CN 114547803 B CN114547803 B CN 114547803B
- Authority
- CN
- China
- Prior art keywords
- turbine
- sequence
- subsequence
- ceramic pump
- pressure
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
本发明涉及涡轮使用寿命检测技术领域,具体涉及陶瓷泵涡轮寿命检测系统和方法。系统包括:陶瓷泵工作数据采集模块,用于获取入水口流速序列、出水口流速序列、涡轮转速序列和压力序列;陶瓷泵工作数据处理模块,用于获取工作效率子序列的稳定性指标、涡轮损耗评价和陶瓷泵工作状态;涡轮寿命预测模块,同时基于生物学模型的计算机系统,建立了预测神经网络,并利用损失函数完成了网络的训练;通过预测神经网络获得了陶瓷泵涡轮的寿命。本发明提供了一种陶瓷泵涡轮的使用寿命的检测系统,实质上是一种基于生物学模型的计算机系统,能够避免由于涡轮损坏对生产造成的破坏,同时能够给维修人员对涡轮检修的时间提供参考。
Description
技术领域
本发明涉及涡轮寿命检测技术领域,具体涉及陶瓷泵涡轮寿命检测系统和方法。
背景技术
在很多行业都会使用到液体泵,而由金属部件构成的金属泵,而这种传统的金属泵在抽送强腐蚀性和强磨蚀性的液体时,内部的构件由于强腐蚀性和强磨蚀性而损坏,如涡轮;随着工业的不断发展,现在抽送强腐蚀性和强磨蚀性的液体时大多都用陶瓷泵,陶瓷泵中的构件虽然耐腐蚀和耐磨蚀能力较强,但在工业生产过程中仍需要对陶瓷泵的涡轮进行检修或更换防止涡轮损坏对生产造成破坏;在对陶瓷泵的涡轮进行检修时须知道其使用寿命,根据其使用寿命的长短定期对其进行检修;而现有技术中并没有对于陶瓷泵涡轮的使用寿命的预测方法。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种陶瓷泵涡轮寿命检测系统和方法,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种陶瓷泵涡轮寿命检测系统,系统包括:陶瓷泵工作数据采集模块,用于获取陶瓷泵实际工作时的入水口流速序列、出水口流速序列、涡轮转速序列和出水口液体对管道拐角的冲击力组成的压力序列;
陶瓷泵工作数据处理模块,用于以出水口流速序列和入水口流速序列对应元素的比值组成工作效率序列;以预设时长分别对工作效率序列、涡轮转速序列和压力序列进行划分获得工作效率子序列、涡轮转速子序列和压力子序列;基于工作效率子序列的方差和均值以及相邻工作效率子序列的均值获得子序列的稳定性指标;利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价;压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态;
涡轮寿命预测模块,用于涡轮损耗评价与陶瓷泵工作状态的乘积为涡轮的工效达标指标,所述工效达标指标组成涡轮的达标序列;将达标序列输入预测神经网络,输出预测达标序列;利用损失函数监督预测神经网络训练,其中,稳定性指标为损失函数的权重;设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命。
优选地,入水口流速序列、出水口流速序列、涡轮转速序列和压力序列中的元素以时间顺序进行排列。
优选地,在所述以预设时长对涡轮转速序列进行划分获得涡轮转速子序列之前还包括:利用中值滤波对涡轮转速序列进行处理,去除序列中的噪声元素。
优选地,工作效率子序列的稳定性指标为:
其中,kj表示第j个工作效率子序列对应的稳定性指标;STD(Vj)表示第j个工作效率子序列的方差;e表示自然常数;mean(Vj)表示第j个工作效率子序列的均值;mean(Vj-1)表示第j-1个工作效率子序列的均值。
优选地,利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价包括:对涡轮转速子序列中的元素进行标号,该标号表示元素在时间上的顺序;对标号后的元素进行直线拟合,直线的横坐标为元素的标号;获得标号对应的直线上的纵坐标值与对应的元素值的残差,利用所述差值的残差获得涡轮损耗评价;涡轮损耗评价与残差的均值为负相关关系,且每个涡轮转速子序列对应一个涡轮损耗评价。
优选地,压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态包括:以DTW算法获得第一个压力子序列与其他各预设时长对应的压力子序列的差异程度;所述差异程度和预设时长内陶瓷泵工作状态反比关系,每个压力子序列对应一个陶瓷泵工作状态。
优选地,设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命包括:预测达标序列中大于工效达标阈值的预测工效达标指标对应的预设时长之和为涡轮的寿命。
第二方面,本发明另一个实施例提供了一种陶瓷泵涡轮寿命检测方法,方法包括:获取陶瓷泵实际工作时的入水口流速序列、出水口流速序列、涡轮转速序列和出水口液体对管道拐角的冲击力组成的压力序列;
出水口流速序列和入水口流速序列对应元素的比值组成工作效率序列;以预设时长分别对工作效率序列、涡轮转速序列和压力序列进行划分获得工作效率子序列、涡轮转速子序列和压力子序列;基于工作效率子序列的方差和均值以及相邻工作效率子序列的均值获得子序列的稳定性指标;利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价;压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态;
轮损耗评价与陶瓷泵工作状态的乘积为涡轮的工效达标指标,所述工效达标指标组成涡轮的达标序列;将达标序列输入预测神经网络,输出预测达标序列;利用损失函数监督预测神经网络训练,其中,稳定性指标为损失函数的权重;设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命。
优选地,利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价包括:对涡轮转速子序列中的元素进行标号,该标号表示元素在时间上的顺序;对标号后的元素进行直线拟合,直线的横坐标为元素的标号;获得标号对应的直线上的纵坐标值与对应的元素值的残差,利用所述差值的残差获得涡轮损耗评价;涡轮损耗评价与残差的均值为负相关关系,且每个涡轮转速子序列对应一个涡轮损耗评价
优选地,压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态包括:以DTW算法获得第一个压力子序列与其他各预设时长对应的压力子序列的差异程度;所述差异程度和预设时长内陶瓷泵工作状态反比关系,每个压力子序列对应一个陶瓷泵工作状态。
本发明实施例至少具有如下有益效果:本发明提供的陶瓷涡轮寿命检测系统本质上是基于生物学模型的计算机系统,在此基础上建立预测神经网络,并利用损失函数监督预测神经网络的训练;获得陶瓷泵工作时涡轮的达标序列,网络训练完成后,输入陶瓷泵工作时涡轮的达标序列,输出预测达标序列;根据预测神经网络输出的预测达标序列确定陶瓷泵涡轮的使用寿命。本发明提供了一种陶瓷泵涡轮的使用寿命的检测系统,能够避免由于涡轮损坏对生产造成的破坏,同时能够给维修人员对涡轮检修的时间提供参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为陶瓷泵涡轮寿命检测系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种陶瓷泵涡轮寿命检测系统和方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种陶瓷泵涡轮寿命检测系统的具体方案。
实施例1
本发明的主要应用场景为:在陶瓷泵实际使用过程中,采集其工作时的数据,通过神经网络获得陶瓷泵涡轮的使用寿命。
本实施例提供了一种系统实施例,一种陶瓷泵涡轮寿命检测系统,请参阅图1,其示出了本发明一个实施例提供的陶瓷涡轮寿命检测系统框图,该系统包括以下模块:
陶瓷泵工作数据采集模块,用于获取陶瓷泵实际工作时的入水口流速序列、出水口流速序列、涡轮转速序列和出水口液体对管道拐角的冲击力组成的压力序列。
首先,设定采样频率,优选地本实施例采样频率为20HZ,分别在陶瓷泵实际工作时的出水口上方管壁和入水口上方管壁上安装流速监测仪,当陶瓷泵的涡轮未达到使用寿命正常使用时,流入入水口的液体经过陶瓷泵的泵体,涡轮会对其加速,此时出水口的液体的流速会大于入水口的流速,对液体流经出水口和入水口时的流速进行记录,获得入水口流速序列和出水口流速序列
在陶瓷泵内部的涡轮上装载转速传感器,以20HZ的采样频率记录在实际工作过程中涡轮的转速获得涡轮转速序列利用涡轮转速序列可以对涡轮的做功进行分析,其中涡轮的做功主要分为两部分一部分用于对流入陶瓷泵泵体的液体进行加速,另一部分用于对涡轮自身的加速。由于电压电流的不稳定或者涡轮可能会出现卡顿,导致涡轮对泵体内的液体做功不稳定,进而引起涡轮转速不稳定,所以需要将涡轮转速序列中的噪声点去除,利用中值滤波对涡轮转速序列进行处理,处理后的陶瓷泵涡轮转速序列为:
由于陶瓷泵是通过泵体内的涡轮对流入泵体液体加速的,加速过的液体当流出出水口时,对连接的管道的第一个拐角的冲击力也可以作为涡轮做功能力的评价标准,从而反映涡轮的损耗。同样以20HZ为采样频率,在管道的第一个拐角处的管壁上装载应力感应器,记录流出出水口的液体对管道拐角的冲击力,记为压力序列F={f1,...,fi}。
陶瓷泵工作数据处理模块,用于以出水口流速序列和入水口流速序列对应元素的比值组成工作效率序列;以预设时长分别对工作效率序列、涡轮转速序列和压力序列进行划分获得工作效率子序列、涡轮转速子序列和压力子序列;基于工作效率子序列的方差和均值以及相邻工作效率子序列的均值获得子序列的稳定性指标;利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价;压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态
由于入水口与出水口液体流速的变化是由陶瓷泵的涡轮引起的,提取液体流速的变化值:
其中,vi表示第i时刻陶瓷泵的工作效率评价,液体经过陶瓷泵泵体后,流速会发生变化,根据速度的变化能够对对陶瓷泵的工作效率进行评价;表示第i时刻陶瓷泵的出水口流速,表示第i时刻陶瓷泵入水口的流速。当vi大于1时,说明陶瓷泵对液体做正功,使得出水口的液体流速变快;当vi小于1时,说明陶瓷对液体不做功,或者做功较少。工作效率评价vi可以直接表达陶瓷泵的工作效率的优劣性,获得陶瓷泵的工作效率序列V={v1,...,vi}。
利用预设时长分别对工作效率序列V={v1,...,vi}、涡轮转速序列和压力序列F={f1,...,fi}进行划分,优选地,预设时长为10min;获得工作效率子序列Vj={v1,...,va},此时工作效率序列的形式为V={V1,...,Vj};涡轮转速子序列为涡轮转速序列的形式为压力子序列为Fj={f1,...,fa},压力序列的形式为F={F1,...,Fj}。
基于以预设时长划分后的工作效率序列,获得各工作效率子序列的稳定性指标:
其中,kj表示第j个工作效率子序列对应的稳定性指标;STD(Vj)表示第j个工作效率子序列的方差;e表示自然常数;mean(Vj)表示第j个工作效率子序列的均值;mean(Vj-1)表示第j-1个工作效率子序列的均值。式中分子部分值越大,说明工作效率子序列越稳定;分母部分值越小,说明工作效率子序列越稳定。工作效率子序列稳定时,说明在此预设时长内,采集的数据可靠,不受其他因素影响。
由于涡轮的转速可以直接说明涡轮在相同功率下的加速能力,即当液体经过时,涡轮转速受液体阻力影响,而持续维持稳定在低速运转;若陶瓷泵受到腐蚀导致叶轮发生机械损坏,即涡轮对液体的做功能力下降,开始出现高转速,受到液体的阻力较小,即涡轮的转速可以用于表示涡轮的随着使用时间的增长的损耗。所以要对涡轮的转速进行处理用于表示随着时间的增长,涡轮的损耗的变化。
对涡轮转速子序列为进行处理,对子序列的元素进行标号,标号表示元素在时间上的顺序,并便于对涡轮转速子序列中的元素进行直线拟合,利用最小二乘法对标号的涡轮转速子序列中的标号后的元素进行直线拟合,直线横坐标为子序列元素的标号,纵坐标为y={y1,…,yb};计算拟合直线纵坐标与对应的涡轮转速子序列中的元素的差值的均值:
其中,Lj表示拟合直线纵坐标与对应的第j个涡轮转速子序列中的元素的差值的均值,Lj越趋近于0,表明通过涡轮转速子序列拟合的直线拟合程度高,同时也能表示实际数据与拟合的理论直线上数据的差距;表示涡轮转速子序列中第b个元素,yb表示拟合的直线中第b个纵坐标的值;n表示涡轮转速子序列中元素的数量,也表示拟合直线上纵坐标的数量。
通过Lj获得涡轮损耗评价:
其中,Wj表示对第j个转速子序列对应的涡轮损耗评价。
在新的陶瓷泵刚工作时,第一时间流出出水口的液体对管道拐角的压力可以作为陶瓷泵工作液体对管道拐角的标准压力,因为此时的涡轮是没有损耗的,流出陶瓷泵出水口的液体对管道拐角的压力,可以用来表示陶瓷泵在各预设时长内的工作状态,各预设时长对应的工作状态为:
其中,DTW(Fj,F1)表示利用DTW算法获得第一个压力子序列与第j个预设时长对应的压力子序列的差异程度;为压力序列中第一个压力子序列与第j个预设时长对应的压力子序列的相似度;Dj表示第j个预设时长对应的工作状态,即第j个涡轮转速子序列对应的工作状态;Dj越大,表示陶瓷泵此时的工作状态越好,涡轮的损耗越小。
涡轮寿命预测模块,用于涡轮损耗评价与陶瓷泵工作状态的乘积为涡轮的工效达标指标,所述工效达标指标组成涡轮的达标序列;将达标序列输入预测神经网络,输出预测达标序列;利用损失函数监督预测神经网络训练,其中,稳定性指标为损失函数的权重;设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命。
由于要确定陶瓷泵的功效不达标是由于泵体内的涡轮损耗造成的,所以需要通过预设时长内陶瓷泵涡轮的损耗程度评价和陶瓷泵的工作状态获得预设时长内陶瓷泵工作时的涡轮的工效达标指标:
其中,预测神经网络的训练过程为:获取连续时序上的多个工效达标指标作为预测神经网络的训练数据,标签为输入涡轮工效达标指标时序后的第一个涡轮的工效达标指标;对于训练数据,与训练数据的预设时长相对应的工作效率子序列的稳定性指标为训练数据的质量分数,并将这些稳定性指标归一化到相加为1,获得C={C1,…,Cz}。
预测神经网络的损失为:
其中,Cz为归一化后的质量分数,作为损失函数中各项的权重,当没有外界因素的干扰时,如陶瓷泵工作时的电压和电流,陶瓷泵工作效率序列及工作效率子序列中的元素变化应该是稳定的,此时工作效率子序列对应的预设时长内采集的数据有可靠性较高,在对预测神经网络训练时应更关注此类可靠的数据,本实施例中以归一化后的稳定性指标作为损失函数的权重,其预设时长内数据稳定性越高,稳定性指标越大,权重越大;Loss为训练数据的损失函数,为预测数据,为训练数据;经过重复训练使损失函数收敛,预测神经网络的训练完成。
基于预测得到涡轮的达标序列设定陶瓷泵实际工作过程中涡轮工效达标阈值Y,当的值小于Y时,到达第j个预设时长时涡轮损耗程度较高,已经达到了其使用寿命,例如此时时间到达第13个预设时长时涡轮已经不能使用,其使用寿命为2小时。
实施例2
本实施例提供了一种方法实施例。一种陶瓷泵涡轮寿命检测方法,该方法包括以下步骤:
步骤一:获取陶瓷泵实际工作时的入水口流速序列、出水口流速序列、涡轮转速序列和出水口液体对管道拐角的冲击力组成的压力序列;
步骤二:出水口流速序列和入水口流速序列对应元素的比值组成工作效率序列;以预设时长分别对工作效率序列、涡轮转速序列和压力序列进行划分获得工作效率子序列、涡轮转速子序列和压力子序列;基于工作效率子序列的方差和均值以及相邻工作效率子序列的均值获得子序列的稳定性指标;利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价;压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态;
步骤三:轮损耗评价与陶瓷泵工作状态的乘积为涡轮的工效达标指标,所述工效达标指标组成涡轮的达标序列;将达标序列输入预测神经网络,输出预测达标序列;利用损失函数监督预测神经网络训练,其中,稳定性指标为损失函数的权重;设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命。
进一步地,利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价包括:对涡轮转速子序列中的元素进行标号,该标号表示元素在时间上的顺序;对标号后的元素进行直线拟合,直线的横坐标为元素的标号;获得标号对应的直线上的纵坐标值与对应的元素值的残差,利用所述差值的残差获得涡轮损耗评价;涡轮损耗评价与残差的均值为负相关关系,且每个涡轮转速子序列对应一个涡轮损耗评价
进一步地,压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态包括:以DTW算法获得第一个压力子序列与其他各预设时长对应的压力子序列的差异程度;所述差异程度和预设时长内陶瓷泵工作状态反比关系,每个压力子序列对应一个陶瓷泵工作状态。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种陶瓷泵涡轮寿命检测系统,其特征在于,该系统包括:陶瓷泵工作数据采集模块,用于获取陶瓷泵实际工作时的入水口流速序列、出水口流速序列、涡轮转速序列和出水口液体对管道拐角的冲击力组成的压力序列;
陶瓷泵工作数据处理模块,用于以出水口流速序列和入水口流速序列对应元素的比值组成工作效率序列;以预设时长分别对工作效率序列、涡轮转速序列和压力序列进行划分获得工作效率子序列、涡轮转速子序列和压力子序列;基于工作效率子序列的方差和均值以及相邻工作效率子序列的均值获得子序列的稳定性指标;利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价;压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态;
涡轮寿命预测模块,用于涡轮损耗评价与陶瓷泵工作状态的乘积为涡轮的工效达标指标,所述工效达标指标组成涡轮的达标序列;将达标序列输入预测神经网络,输出预测达标序列;利用损失函数监督预测神经网络训练,其中,稳定性指标为损失函数的权重;设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命。
2.根据权利要求1所述的一种陶瓷泵涡轮寿命检测系统,其特征在于,所述入水口流速序列、出水口流速序列、涡轮转速序列和压力序列中的元素以时间顺序进行排列。
3.根据权利要求1所述的一种陶瓷泵涡轮寿命检测系统,其特征在于,在所述以预设时长对涡轮转速序列进行划分获得涡轮转速子序列之前还包括:利用中值滤波对涡轮转速序列进行处理,去除序列中的噪声元素。
4.根据权利要求1所述的一种陶瓷泵涡轮寿命检测系统,其特征在于,所述工作效率子序列的稳定性指标为:
其中,表示第j个工作效率子序列对应的稳定性指标;表示第j个工作效率子序列的方差;e表示自然常数;表示第j个工作效率子序列的均值;表示第j-1个工作效率子序列的均值。
5.根据权利要求1所述的一种陶瓷泵涡轮寿命检测系统,其特征在于,所述利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价包括:对涡轮转速子序列中的元素进行标号,该标号表示元素在时间上的顺序;对标号后的元素进行直线拟合,直线的横坐标为元素的标号;获得标号对应的直线上的纵坐标值与对应的元素值的残差,利用所述纵坐标值与对应的元素值的残差获得涡轮损耗评价;涡轮损耗评价与残差的均值为负相关关系,且每个涡轮转速子序列对应一个涡轮损耗评价。
6.根据权利要求1所述的一种陶瓷泵涡轮寿命检测系统,其特征在于,所述压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态包括:以DTW算法获得第一个压力子序列与其他各预设时长对应的压力子序列的差异程度;所述差异程度和预设时长内陶瓷泵工作状态反比关系,每个压力子序列对应一个陶瓷泵工作状态。
7.根据权利要求1所述的一种陶瓷泵涡轮寿命检测系统,其特征在于,所述设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命包括:预测达标序列中大于工效达标阈值的预测工效达标指标对应的预设时长之和为涡轮的寿命。
8.一种陶瓷泵涡轮寿命检测方法,其特征在于,该方法包括:获取陶瓷泵实际工作时的入水口流速序列、出水口流速序列、涡轮转速序列和出水口液体对管道拐角的冲击力组成的压力序列;
出水口流速序列和入水口流速序列对应元素的比值组成工作效率序列;以预设时长分别对工作效率序列、涡轮转速序列和压力序列进行划分获得工作效率子序列、涡轮转速子序列和压力子序列;基于工作效率子序列的方差和均值以及相邻工作效率子序列的均值获得子序列的稳定性指标;利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价;压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态;
轮损耗评价与陶瓷泵工作状态的乘积为涡轮的工效达标指标,所述工效达标指标组成涡轮的达标序列;将达标序列输入预测神经网络,输出预测达标序列;利用损失函数监督预测神经网络训练,其中,稳定性指标为损失函数的权重;设定工效达标阈值,根据预测达标序列中小于工效达标阈值的预测工效达标指标判断陶瓷泵涡轮寿命。
9.根据权利要求8所述的一种陶瓷泵涡轮寿命检测方法,其特征在于,所述利用以涡轮转速子序列的元素拟合的直线和子序列中的元素的残差获得涡轮损耗评价包括:对涡轮转速子序列中的元素进行标号,该标号表示元素在时间上的顺序;对标号后的元素进行直线拟合,直线的横坐标为元素的标号;获得标号对应的直线上的纵坐标值与对应的元素值的残差,利用所述纵坐标值与对应的元素值的残差获得涡轮损耗评价;涡轮损耗评价与残差的均值为负相关关系,且每个涡轮转速子序列对应一个涡轮损耗评价。
10.根据权利要求8所述的一种陶瓷泵涡轮寿命检测方法,其特征在于,所述压力序列中其他压力子序列与第一个压力子序列的相似度为各预设时长对应的陶瓷泵工作状态包括:以DTW算法获得第一个压力子序列与其他各预设时长对应的压力子序列的差异程度;所述差异程度和预设时长内陶瓷泵工作状态反比关系,每个压力子序列对应一个陶瓷泵工作状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210191942.7A CN114547803B (zh) | 2022-02-28 | 2022-02-28 | 陶瓷泵涡轮寿命检测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210191942.7A CN114547803B (zh) | 2022-02-28 | 2022-02-28 | 陶瓷泵涡轮寿命检测系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114547803A CN114547803A (zh) | 2022-05-27 |
CN114547803B true CN114547803B (zh) | 2023-04-18 |
Family
ID=81661983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210191942.7A Active CN114547803B (zh) | 2022-02-28 | 2022-02-28 | 陶瓷泵涡轮寿命检测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114547803B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102331343A (zh) * | 2011-08-19 | 2012-01-25 | 中国兵器工业集团第七○研究所 | 增压器涡轮疲劳寿命预测及其可靠性评价方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007535643A (ja) * | 2005-08-22 | 2007-12-06 | ジュ,ナム−シク | タービンを利用した動力発生方法及び装置 |
GB2483729A (en) * | 2010-09-20 | 2012-03-21 | Gm Global Tech Operations Inc | System for diagnosing error conditions of a gas flow control system for turbocharged engines |
CN211343376U (zh) * | 2019-07-22 | 2020-08-25 | 福建科宏生物工程股份有限公司 | 一种耐腐蚀、耐高温陶瓷泵 |
CN113094888B (zh) * | 2021-03-31 | 2024-01-30 | 西安电子科技大学 | 一种高速旋转涡轮叶片热障涂层的寿命预测方法及装置 |
CN215256751U (zh) * | 2021-04-30 | 2021-12-21 | 扬州中卓泵业有限公司 | 一种带保温防结晶的陶瓷化工泵 |
CN113420473B (zh) * | 2021-06-17 | 2024-04-09 | 北京永旭腾风新能源动力科技发展有限公司 | 预测涡轮叶轮寿命的方法 |
CN113553677B (zh) * | 2021-08-30 | 2022-11-15 | 中国人民解放军91776部队 | 一种含测量误差二维振动参数的燃气轮机寿命预测方法 |
CN113722833B (zh) * | 2021-09-09 | 2023-06-06 | 湖南工业大学 | 基于双通道长短时记忆网络的涡扇发动机剩余使用寿命预测方法 |
-
2022
- 2022-02-28 CN CN202210191942.7A patent/CN114547803B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102331343A (zh) * | 2011-08-19 | 2012-01-25 | 中国兵器工业集团第七○研究所 | 增压器涡轮疲劳寿命预测及其可靠性评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114547803A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Diagnosis of sucker rod pump based on generating dynamometer cards | |
CN109724746A (zh) | 检测装置、检测方法及程序 | |
CN106404403B (zh) | 用于涡轮机的分析的方法和系统 | |
Giantomassi et al. | Hidden Markov model for health estimation and prognosis of turbofan engines | |
CN113569338B (zh) | 一种基于时间扩张卷积网络的压气机旋转失速预警方法 | |
CN111648992B (zh) | 燃气轮机压气机故障识别预警方法 | |
CN111311059A (zh) | 基于知识图谱的水车室故障诊断方法 | |
CN109523171B (zh) | 一种基于svdd的燃气轮机进气系统健康度评估方法 | |
Wang et al. | Remaining useful life prediction based on improved temporal convolutional network for nuclear power plant valves | |
Mathew et al. | Regression kernel for prognostics with support vector machines | |
CN109918690A (zh) | 监视系统、学习装置、学习方法、监视装置及监视方法 | |
WO2024077685A1 (zh) | 油气压裂泵设备寿命预测方法、装置及非易失性存储介质 | |
CN114547803B (zh) | 陶瓷泵涡轮寿命检测系统和方法 | |
CN115238573A (zh) | 考虑工况参数的水电机组性能劣化趋势预测方法和系统 | |
CN110222384A (zh) | 一种桥梁裂缝分析方法、装置及存储介质 | |
CN112418306A (zh) | 基于lstm-svm的燃气轮机压气机故障预警方法 | |
CN114235108B (zh) | 基于数据分析燃气流量计异常状态检测方法和装置 | |
Michlowicz et al. | A method for evaluating and upgrading systems with parallel structures with forced redundancy | |
CN109139443B (zh) | 一种基于位移信号的活塞杆故障诊断方法 | |
RU2395723C1 (ru) | Способ эксплуатации насосного агрегата в процессе закачки жидкости в пласт | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN110348532B (zh) | 基于机器学习与残差网络构成的有杆泵工况组合监测方法 | |
CN117178273A (zh) | 产品状态量化和剩余寿命预测方法、装置和系统 | |
JP2009281087A (ja) | 水力発電所における水車部品の摩耗診断方法及び摩耗診断システム | |
CN116658413B (zh) | 一种液压泵故障检测方法 |
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 |