CN114674363B - 一种基于工业物联网的渣浆泵流速可靠度预测系统 - Google Patents
一种基于工业物联网的渣浆泵流速可靠度预测系统 Download PDFInfo
- Publication number
- CN114674363B CN114674363B CN202210193572.0A CN202210193572A CN114674363B CN 114674363 B CN114674363 B CN 114674363B CN 202210193572 A CN202210193572 A CN 202210193572A CN 114674363 B CN114674363 B CN 114674363B
- Authority
- CN
- China
- Prior art keywords
- slurry pump
- set time
- time period
- working condition
- flow speed
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D9/00—Recording measured values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Algebra (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明涉及电数字数据处理技术领域,具体涉及一种基于工业物联网的渣浆泵流速可靠度预测系统;该系统采用互联网与云计算技术,该系统包括对数据进行采集,数据包括渣浆泵的压力、振动频率、电机功率、转页角加速度,利用工业物联网监控云平台对数据进行分析处理,获得渣浆泵在若干设定时间段的工况信息与标准工况的同步度,根据同步度,计算渣浆泵在若干设定时间段的同步度与标准工况的差异距离;根据差异度距离,判断渣浆泵在若干设定时间段的流速可靠度,本发明通过工业物联网信息感知技术,对数据信息进行整合处理,得到渣浆泵的流速可靠度,能实时获取渣浆泵的流速可靠度,并在渣浆泵的流速可靠度低的设定时间段及时采取相应的处理措施。
Description
技术领域
本发明涉电数字数据处理技术领域,具体涉及一种基于工业物联网的渣浆泵流速可靠度预测系统。
背景技术
渣浆泵作为工业技术领域中的常见机械,属于离心泵的一种,是通过借助离心力(泵的叶轮的旋转)的作用使固、液混合介质能量增加的一种机械,将电能转换成介质的动能和势能的设备,渣浆泵可广泛用于矿山、电力、冶金、环保等行业输送含有腐蚀性固体颗粒的浆体,如冶金选矿厂矿浆输送,火电厂水力除灰、疏浚河道、河流清淤等;在化工产业,也可输送一些含有结晶的腐蚀性浆体。
渣浆泵在工作过程中存在三大常见问题,即流量不稳、气蚀以及密封失效,从而使渣浆泵运行不稳定,导致浆体的流速达不到标准流速,进一步导致渣浆泵不能完成将管内的浆体送达至指定高度的工作;因此,需要对流速进行检测,判断渣浆泵是否处于正常工作状态。
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基于工业物联网的渣浆泵流速可靠度预测系统,所采用的技术方案具体如下:
本发明提供的系统包括渣浆泵预测系统,所述渣浆泵预测系统包括控制器,以及与所述控制器信号相连的压力传感器、振动传感器以及角加速度计;所述压力传感器用于获取出料口的压力,所述振动传感器用于获取渣浆泵的振动频率,所述角加速度计用来获取电机的角加速度;所述控制器为大数据资源服务中心,所述大数据为渣浆泵在若干设定时间段内各检测时刻的压力、振动频率和角加速度,控制器还对获取的大数据信息进行以下分析处理:
基于所述振动频率和压力,计算渣浆泵在若干设定时间段各检测时刻对应的异常工况系数;
基于所述异常工况系数和角加速度,计算渣浆泵在各设定时间段的工况信息与标准工况的同步度;
根据所述同步度,计算渣浆泵在各设定时间段的同步度与标准工况的差异距离;
根据所述差异距离,判断渣浆泵在各设定时间段的流速可靠度,并预测渣浆泵在下一设定时间段的流速可靠度。
进一步地,所述异常工况系数为:
进一步地,所述同步度的获取方法为:计算任意一设定时间段对应异常工况系数序列的离散程度,得到所述离散程度与标准工况离散程度的差值,计算该设定时间段的角加速度序列与标准工况的角加速度序列的关联指数,基于所述差值与所述关联指数,确定该设定时间段的工况信息与标准工况的同步度。
进一步地,所述差异距离为:计算其中一设定时间段的同步度与标准工况同步度的距离的差值,将距离的差值的倒数作为该设定时间段的差异距离。
进一步地,获取预测渣浆泵在下一设定时间段的流速可靠度通过时间卷积网络获取。
进一步地,所述大数据还包括渣浆泵中电机的功率,根据所述功率和所述角加速度,计算渣浆泵内浆料的粘稠度指标,然后根据所述粘稠度指标和所述差异距离,共同判断影响流速可靠度的因素。
进一步地,所述电机的功率通过功率分析仪获取。
本发明实施例至少具有如下有益效果:
本发明通过工业物联网监控云平台对获取的数据信息进行储存、分析和处理,数据信息为渣浆泵的压力、振动频率、电机的功率以及转页的角加速度,根据数据处理的结果反映渣浆泵的流速可靠度,数据处理的过程为:基于振动频率和压力,计算渣浆泵在若干设定时间段各检测时刻对应的异常工况系数;基于异常工况系数和角加速度,计算渣浆泵在若干设定时间段的工况信息与标准工况的同步度;根据同步度,计算渣浆泵在若干设定时间段的同步度与标准工况的差异距离;根据差异距离,判断渣浆泵在若干设定时间段的流速可靠度。即本发明对采集额数据通过一系列复杂数学运算,能够实时获取渣浆泵的流速可靠度,工作人员能够在流速可靠度低的对应的设定时间段及时采取措施,延长了渣浆泵的使用寿命。
本发明还通过计算粘稠度指标,进一步根据粘稠度指标与差异距离,判断影响渣浆泵的流速可靠度的因素。本发明能够精确判断出影响渣浆泵的流速可靠度的因素。
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为本发明的渣浆泵预测系统的原理图;
图2为本发明的一种基于工业物联网的渣浆泵流速可靠度预测方法实施例的步骤流程图。
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基于工业物联网的渣浆泵流速可靠度预测系统,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。
本发明提供的预测系统包括渣浆泵本体和渣浆泵预测系统。
渣浆泵本体可以为常规的渣浆泵设备,本实施例中,渣浆泵本体包括出料口和电机;出料口用于把浆体运送到指定位置,电机为渣浆泵提供动力;由于渣浆泵设备为常见的渣浆泵设备,对于其结构组成、工作原理以及工作过程不再赘述。
如图1所示,渣浆泵预测系统包括控制器,以及与控制器信号连接的功率分析仪、压力传感器、振动传感器和角加速度计。
功率分析仪用来检测渣浆泵中电机的功率,功率分析仪与电机相连,实时获取电机的功率。压力传感器用于检测渣浆泵出料口的压力,压力传感器放置在出料口的管壁附近;振动动传感器用于检测渣浆泵的振动频率,放置在渣浆泵的传动组件处;角加速度计用于检测渣浆泵中转页的角加速度。
上述中的控制器可以为常规的控制芯片,例如单片机。
需要说明的是,功率分析仪、压力传感器、振动传感器和角加速度计的具体放置位置可以根据渣浆泵的工作环境由实施者进行调整,不影响渣浆泵的正常工作即可。
控制器根据接收到的各个数据信息,执行如图2所示的一种基于工业物联网的渣浆泵流速可靠度预测方法,该方法具体步骤如下:
步骤1,采集渣浆泵在若干设定时间段各检测时刻对应的压力、振动频率和角加速度。
本实施例中,设定时间段的时长为10分钟,相邻两检测时刻的时间间隔为10秒钟;设定时间段的设定个数根据渣浆泵具体的工作时间进行设定;在具体实施过程中,实施者可对设定时间段的时长以及相邻两检测时刻的时间间隔进行调整。
压力为出料口管壁的压力,当管壁的压力较大时,说明,此时渣浆泵有足够的动力将浆体传送至指定位置,当管壁的压力过小时,此时渣浆泵有无法完成将浆体传送至指定位置的工作。
振动频率为渣浆泵处于工作状态时产生的振动频率,振动频率可间接反映渣浆泵的工作状态,渣浆泵处于正常工作状态时,振动频率稳定;若渣浆泵产生较大的振动,此时,初步判断渣浆泵处于异常工作状态。
角加速度为渣浆泵中电机转页的角加速度,渣浆泵处于正常工作状态时,电机转页的角加速度是稳定的,当渣浆泵出现异常情况时,例如,电机空转、转页损坏等;电机转页的角加速度会发生变化,即角加速度变大,不再处于稳定状态。
进一步地,将渣浆泵在各设定时间段的各检测时刻对应的压力、振动频率和角加速度,作为大数据储存在工业物联网监控云平台中。
步骤2,基于振动频率和压力,计算渣浆泵在各设定时间段各检测时刻对应的异常工况系数。
异常工况系数为:
上述中的异常工况系数反映的是渣浆泵处于异常工作状态的评价值,异常工况系数越大,表明此时的渣浆泵越有可能处于异常工作状态,异常工况系数小,表明此时的渣浆泵处于异常工作状态的可能性低。步骤1中已指出,压力大时,说明此时渣浆泵有足够的动力将浆体传送至指定位置,即渣浆泵处于正常工作状态,因此,压力与异常工况系数为反比关系;振动频率过大时,渣浆泵处于异常工作状态,因此,振动频率与异常工作状态为正比关系。
步骤3,基于异常工况系数和角加速度,计算渣浆泵在若干设定时间段的工况信息与标准工况的同步度。
同步度的获取方法为:计算其中一设定时间段对应异常工况系数序列的离散程度,得到离散程度与标准工况离散程度的差值的绝对值,计算该设定时间段的角加速度序列与标准工况的角加速度序列的关联指数,基于差值与关联指数,确定该设定时间段的工况信息与标准工况的同步度;即同步度为差值与关联指数的乘积。
需要说明的是,对应离散程度的差值的绝对值大,表示同步度低,角加速度序列的关联指数大,表示同步度高。
上述中离散程度的计算方法为:计算异常工况系数序列中的最大异常工况系数与最小异常工况系数的差值,计算异常工况系数序列的平均值,进而得到差值与平均值的比值。
本实施例中,关联指数由DTW算法获取,DTW算法为公知技术,在此不过多赘述。
需要说明的是,本实施例的标准工况为渣浆泵在初始设定时间段的工作状态,由于渣浆泵为损耗品,工作环境较为恶劣,随着使用时间的增加,渣浆泵中过流件的磨损会越来越严重,其中以叶轮的磨损较为常见,导致渣浆泵内部能量损耗越来越大,其工作状态也会受到影响;渣浆泵在初始设定时间段受到的磨损最小,因此本实施例将渣浆泵在初始设定时间段的工作状态作为标准工况。
由于渣浆泵在初始设定时间段的工作状态为标准工况,所以,本实施例中不存在初始设定时间段的工况信息与标准工况的同步度,需要计算初始设定时间段的工况信息与标准工况的同步度,即初始设定时间段的工况信息与标准工况的同步度为:计算渣浆泵在初始设定时间段对应异常工况系数序列的平均值,计算渣浆泵在初始设定时间段对应角加速度序列的方法,得到方差与平均值的乘积。
步骤4,根据同步度,计算渣浆泵在各设定时间段同步度与标准工况的差异距离。
具体地,根据渣浆泵的工作时间构建参照对,构建规则为:除初始设定时间段外的每一个设定时间段均与初始设定时间段构建参照对;参照对的对数由渣浆泵的工作时间确定。每一个参照对都有其对应的差异距离。
由步骤3得知,标准工况为初始设定时间段的工况信息,因此,渣浆泵在各设定时间段同步度与标准工况的差异距离为参照对对应的差异距离。
差异距离为:计算参照对中两设定时间段对应同步度的距离的差值,将距离的差值的倒数作为该参照对的差异距离。
步骤5,根据差异距离,判断渣浆泵在各设定时间段的流速可靠度,并预测渣浆泵在下一设定时间段的流速可靠度。
若渣浆泵在若干设定时间段均为正常工作状态,则差异距离为稳定状态,各差异距离在横坐标为设定时间段,纵坐标为差异距离的坐标系中的分布满足直线分布,因此对各差异距离利用最小二乘法进行拟合直线,设拟合直线的公式为:,其中,拟合直线的斜率为:,其中,,,依次代入,得到对应的,,与差异距离一一对应。最小二乘法为公知技术,具体过程不再赘述。
上述中的k为拟合直线的斜率,在本实施例中,差异距离是渣浆泵在实际工作中的得到的,差异距离会在拟合的直线附近波动,直线代表所有差异距离之间的同步是成一种稳定的状态。
优选的,计算中的元素与差异距离序列中对应元素的差值,差值为差异距离与拟合直线上对应点的距离;差值越小,表示此时的渣浆泵处于正常工作状态,渣浆泵的流速可靠度高,差值越大,表示此时的渣浆泵有可能处于异常工作状态,渣浆泵的流速可靠度低。
进一步地,本实施例还获取了渣浆泵在若干设定时间段各检测时刻的电机的功率,根据功率和角加速度,计算渣浆泵内浆料的粘稠度指标,然后根据粘稠度指标和差异距离,共同判断影响流速可靠度的因素。
上述中的粘稠度指标为:计算设定时间段内电机的功率的方差与角加速度的方差,得到功率的方差与角加速度的方差的比值,将比值作为指数函数的自变量,其中,指数函数的底数为e。
具体地,渣浆泵中电机的功率通过功率分析仪获取,功率分析仪与电机相连,放置在渣浆泵附近,不影响渣浆泵正常工作即可。利用功率分析仪获取电机的功率为公知技术,不赘述其原理及方法。
本实施例中,共同判断的方法为:将中的元素与差异距离序列中对应元素的差值大于阈值的设定时间段,则初步判断在此时间段影响流速可靠度的因素为渣浆泵出现故障,进一步地,由工作人员对渣浆泵进行检查,确定初步判断的准确性;若渣浆泵未出现故障,则判断粘稠度指标与粘稠阈值的大小,当粘稠度指标大于粘稠阈值时,判断此时间段影响流速可靠度的因素为渣浆泵内浆体的粘稠度。
进一步地,为了更准确预测渣浆泵的流速可靠度,本实施例将上述中的拟合直线上对应点与差异距离序列中对应元素的差值作为输入值,各输入值按照时间顺序依次排列并将其作为输入到时间卷积网络中,输出渣浆泵在对应设定时间段的预测值,根据预测值预测渣浆泵在未来时间的流速可靠度。时间卷积网络的损失函数为均方差损失函数。由于时间卷积网络为公知技术,在此不过多赘述。
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 (4)
1.一种基于工业物联网的渣浆泵流速可靠度预测系统,其特征在于,该系统包括渣浆泵预测系统,所述渣浆泵预测系统包括控制器,以及与所述控制器信号相连的压力传感器、振动传感器以及角加速度计;所述压力传感器用于获取出料口的压力,所述振动传感器用于获取渣浆泵的振动频率,所述角加速度计用来获取电机的角加速度;所述控制器为大数据资源服务中心,所述大数据为渣浆泵在若干设定时间段内各检测时刻的压力、振动频率和角加速度,控制器还对获取的大数据信息进行以下分析处理:
基于所述振动频率和压力,计算渣浆泵在若干设定时间段各检测时刻对应的异常工况系数;
所述异常工况系数为:
基于所述异常工况系数和角加速度,计算渣浆泵在各设定时间段的工况信息与标准工况的同步度;
所述同步度的获取方法为:计算任意一设定时间段对应异常工况系数序列的离散程度,得到所述离散程度与标准工况离散程度的差值,利用DTW算法计算该设定时间段的角加速度序列与标准工况的角加速度序列的关联指数,基于差值与所述关联指数,确定该设定时间段的工况信息与标准工况的同步度;
根据所述同步度,计算渣浆泵在各设定时间段的同步度与标准工况的差异距离;
所述差异距离为:计算其中一设定时间段的同步度与标准工况同步度的距离的差值,将距离的差值的倒数作为该设定时间段的差异距离;
根据所述差异距离,判断渣浆泵在各设定时间段的流速可靠度,并预测渣浆泵在下一设定时间段的流速可靠度;
所述流速可靠度的获取方法为:建立坐标系,所述坐标系的横坐标为设定时间段,纵坐标为差异距离,利用最小二乘法对坐标系上的各差异距离进行拟合直线,计算各设定时间段对应的拟合直线上的值与差异距离的差值,并将差值记为渣浆泵在各设定时间段内的流速可靠度。
2.根据权利要求1所述的一种基于工业物联网的渣浆泵流速可靠度预测系统,其特征在于,获取预测渣浆泵在下一设定时间段的流速可靠度通过时间卷积网络获取。
3.根据权利要求1所述的一种基于工业物联网的渣浆泵流速可靠度预测系统,其特征在于,所述大数据还包括渣浆泵中电机的功率,根据所述功率和所述角加速度,计算渣浆泵内浆料的粘稠度指标,然后根据所述粘稠度指标和所述差异距离,共同判断影响流速可靠度的因素。
4.根据权利要求3所述的一种基于工业物联网的渣浆泵流速可靠度预测系统,其特征在于,所述电机的功率通过功率分析仪获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210193572.0A CN114674363B (zh) | 2022-03-01 | 2022-03-01 | 一种基于工业物联网的渣浆泵流速可靠度预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210193572.0A CN114674363B (zh) | 2022-03-01 | 2022-03-01 | 一种基于工业物联网的渣浆泵流速可靠度预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114674363A CN114674363A (zh) | 2022-06-28 |
CN114674363B true CN114674363B (zh) | 2022-11-29 |
Family
ID=82071790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210193572.0A Active CN114674363B (zh) | 2022-03-01 | 2022-03-01 | 一种基于工业物联网的渣浆泵流速可靠度预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114674363B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117329135B (zh) * | 2023-10-13 | 2024-04-05 | 山东中探机械有限公司 | 基于数据分析的泥浆泵运行状态监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107676272A (zh) * | 2017-09-14 | 2018-02-09 | 江苏大学 | 一种离心泵运行工况的快速调节装置 |
CN108343429A (zh) * | 2018-02-01 | 2018-07-31 | 中国石油大学(华东) | 一种基于可信度分析的泥浆信号识别方法 |
CN109312760A (zh) * | 2016-05-16 | 2019-02-05 | 伟尔矿物澳大利亚私人有限公司 | 泵的监测 |
CN112699609A (zh) * | 2020-12-31 | 2021-04-23 | 中国人民解放军92942部队 | 一种基于振动数据的柴油机可靠性模型构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150122037A1 (en) * | 2013-10-30 | 2015-05-07 | Syncrude Canada Ltd. In Trust For The Owners Of The Syncrude Project | Method for diagnosing faults in slurry pump impellers |
-
2022
- 2022-03-01 CN CN202210193572.0A patent/CN114674363B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109312760A (zh) * | 2016-05-16 | 2019-02-05 | 伟尔矿物澳大利亚私人有限公司 | 泵的监测 |
CN107676272A (zh) * | 2017-09-14 | 2018-02-09 | 江苏大学 | 一种离心泵运行工况的快速调节装置 |
CN108343429A (zh) * | 2018-02-01 | 2018-07-31 | 中国石油大学(华东) | 一种基于可信度分析的泥浆信号识别方法 |
CN112699609A (zh) * | 2020-12-31 | 2021-04-23 | 中国人民解放军92942部队 | 一种基于振动数据的柴油机可靠性模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114674363A (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2504225C (en) | Hydraulic machine, system for monitoring health of hydraulic machine, and method thereof | |
JP3106249B2 (ja) | インパルス管路閉塞検出装置および方法 | |
CN114674363B (zh) | 一种基于工业物联网的渣浆泵流速可靠度预测系统 | |
CN109854953B (zh) | 一种特殊工况下的原油输送管线泄漏检测系统及方法 | |
CN102734549B (zh) | 气穴诊断装置以及诊断方法 | |
EP3371453B1 (en) | Pump protection method and system | |
US20170284386A1 (en) | Condition monitoring device and condition monitoring method for extracted-gas compression system, and extracted-gas compression system | |
CN114934898B (zh) | 基于多模态参数的液压泵故障诊断分析系统 | |
US20010037883A1 (en) | Monitoring characteristics of a well fluid flow | |
CN112483427B (zh) | 一种高效的离心泵能效管理方法及系统 | |
CN114487361A (zh) | 一种油液在线监测系统 | |
CN111855219A (zh) | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 | |
CN1261744C (zh) | 基于压力信号检测油气管道泄漏的方法 | |
KR20070088385A (ko) | 증기 터빈에 있어서 물 유입을 검출하기 위한 방법 | |
CN111637068A (zh) | 一种在线监测密封环间隙的方法 | |
AU2020309708B2 (en) | Method of determining an interface height of an interface between an upper and a lower layer comprised in a thickener | |
CN103575482A (zh) | 导压管的堵塞诊断装置及堵塞诊断方法 | |
CN109538463B (zh) | 空载排量的测量方法、机械效率和总效率的获取方法 | |
CN112525334B (zh) | 一种动设备振动多稳态检测方法 | |
CN115898848A (zh) | 一种柱塞泵的监测方法及监测系统 | |
Mao et al. | Interference signal analysis for leak detection in long-distance transmitting mineral slurry pipeline | |
CN116255377B (zh) | 一种伺服智能机床液压站故障分析系统 | |
CN118088465A (zh) | 一种渣浆泵的抗磨性能检测系统 | |
CN114578871B (zh) | 基于工业数据智能分析的顶管机的压力补偿系统 | |
CN117147194A (zh) | 一种设备运行工况异常预警方法及系统 |
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 |