CN114924543A - 一种调节阀的故障诊断与预测方法及装置 - Google Patents
一种调节阀的故障诊断与预测方法及装置 Download PDFInfo
- Publication number
- CN114924543A CN114924543A CN202210375456.0A CN202210375456A CN114924543A CN 114924543 A CN114924543 A CN 114924543A CN 202210375456 A CN202210375456 A CN 202210375456A CN 114924543 A CN114924543 A CN 114924543A
- Authority
- CN
- China
- Prior art keywords
- regulating valve
- type
- parameters
- parameter
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种调节阀的故障诊断与预测方法及装置,包括:获取采集的指定调节阀的第一类参数,根据第一类参数确定调节阀的状态信息;根据当前调节阀的状态信息,向采集模块发送与状态信息相匹配的采集指令,以使采集模块按照采集指令进行数据采集;针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果;在第一分析结果为非正常结果时,向采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据仿真数据获取第二分析结果;基于第一分析结果和第二分析结果确定调节阀的诊断结果。本申请中的方法通过减少人为经验对调节阀故障预测的干扰,实现了对调节阀故障进行全周期的诊断和预测。
Description
技术领域
本发明涉及故障识别技术领域,尤其涉及一种调节阀的故障诊断与预测方法及装置。
背景技术
调节阀是能源化工行业控制回路中最重要的设备之一,调节阀的工作稳定性直接影响了控制回路的安全性与稳定性,从而影响整个装置的运行。一旦调节阀发生故障,会对工厂生产造成较大的安全危害和经济损失,因此,若对调节阀故障进行预测,预防故障的产生,有利于工厂安全稳定地生产。
当前,调节阀的故障主要依赖于工作人员现场巡检发现,这就需要较多的人力和时间成本。同时,故障识别也依赖于工作人员的经验水平,潜在的故障容易被忽视,往往等到故障较为严重时才被发现,这就存在一定的滞后性,不利于生产的安全,也提高了维护成本。综上所述,进而对调节阀的故障识别与预测而言,目前也会通过设置调节阀开度阈值,对稳定工作时的调节阀进行监测,也就是说,当调节阀开度超过阈值范围时,认定调节阀可能出现故障。
目前存在一种调节阀故障预测方法,具体为:通过采集调节阀运行等其他数据,进行故障诊断或预测模型训练,并用测试数据进行验证。但是,该方法存在以下缺陷:1、调节阀开度阈值的设定依赖人为经验,容易产生偏差,导致故障遗漏;2、部分调节阀动作频率较低,其时长相对稳定工作时较短,可采集数据少,只依赖动作过程对故障识别可能会存在滞后性;同样,只依赖稳态工作时的数据,会遗漏动作过程才会暴露的相关故障;3、基于数据驱动诊断,需要采集大量多种数据,往往需要在回路中增加不同的数据检测采集装置,既增加成本,又可能对回路工作造成影响;虽然部分数据可从调节阀自身读取,但当读取参数较多时,会增大读取周期;此外缺少理论指导的数据模型依附参数较多,存在模型维护难度大的问题。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本申请提供一种调节阀的故障诊断与预测方法及装置。
(二)技术方案
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种调节阀的故障诊断与预测方法,包括:
S10、获取采集的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息;
S20、根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集;
S30、针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果;
S40、在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果;
S50、基于第一分析结果和第二分析结果确定所述调节阀的诊断结果。
可选的,还包括:
S60、若调节阀的诊断结果为正常状态,则基于第一类参数的历史数据进行拟合,获取预测数据,依据所述预测数据对未来时间段的调节阀故障进行诊断。
可选的,还包括:
所述第一类参数包括:阀位设定值、阀位反馈、调节速率和阀位偏差;
所述S10包括:
所述采集模块采集并传输的所有参数均携带有参数采集时的时间信息;
若阀位设定值发生改变,则确定调节阀处于动作状态;
针对处于动作状态的调节阀,当阀位反馈的变化幅度小于预设数值,则确定所述调节阀进入稳定状态。
可选的,所述S20包括:
若所述调节阀为稳定状态,则向采集模块发送第一采集指令,所述第一采集指令携带第一采集频率、待采集的参数的标识;
若调节阀为运行状态,则向采集模块发送第二采集指令,所述第二采集指令携带第二采集频率、待采集的参数的标识;
所述第一采集频率小于第二采集频率。
可选的,所述S30包括:
S301、根据预设时间段的第一类参数的历史数据,获取第一类参数中各参数的阈值;
S302、将第一类参数与对应的阈值进行比对,若存在至少一个参数超过阈值,则确定第一分析结果为非正常的结果。
可选的,所述S301包括:
针对阀位偏差参数,所述阀位偏差的阈值为Sth=ES±σS;
其中,ES为阀位偏差历史数据的均值,σS为阀位偏差对应的相对标准偏差;
针对调节速率参数,所述调节速率的阈值为Vth=EV±σV;
其中,EV为调节速率历史数据的均值,σV为调节速率对应的相对标准偏差。
可选的,所述S40包括:
所述第二类参数包括:供气压力、介质温度、阀门入口压力、阀门出口压力、控制信号和工作模式;
所述仿真数据包括:仿真过程中各时间点对应的第三类参数信息,其中,所述第三类参数为与第一类参数相同的参数;
针对所述第三类参数信息和第一类参数对应的阈值进行分析,获取第二分析结果,其中,所述第一类参数对应的阈值为更新调整后的阈值。
可选的,所述S40包括:
将第三类参数信息与第一类参数对应的阈值进行比对,若存在至少一个参数超过阈值,则确定第二分析结果为非正常的结果。
可选的,所述S50包括:
若第一分析结果为正常的结果,则确定调节阀为正常状态;
若第一分析结果为非正常的结果,且第二分析结果为正常的结果,则确定调节阀为故障状态;
若第一分析结果和第二分析结果均为非正常的结果,则调整调节阀的参数阈值,并重复S30的步骤。
第二方面,本申请提供一种调节阀的故障诊断与预测装置,包括:
所述装置包括控制装置和采集模块,所述控制装置用于接收采集模块实时采集的指定调节阀的参数;
所述控制装置包括:
状态判断模块,用于接收采集模块发送的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息;
数据采集模块,用于根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集;
数据处理模块,用于针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果;
数据仿真模块,用于在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果;
故障诊断模块,用于基于第一分析结果和第二分析结果确定所述调节阀的诊断结果;
故障预测模块,用于若调节阀的诊断结果为正常状态,则基于第一类参数的历史数据进行拟合,获取预测数据,依据所述预测数据对未来时间段的调节阀故障进行诊断。
(三)有益效果
首先、基于调节阀参数的历史数据确定参数阈值,减小了人为经验干扰,进而减少了故障漏诊或误诊;
其次、通过分频的方式对不同调节阀参数数据进行采集,降低了参数的采集压力,并实现了在动作和稳定运行两个模式下,对调节阀进行全周期的故障识别及预测。
最后、通过对调节阀进行故障校验,减少了故障的误诊,进而提高了调节阀故障诊断的准确率。
附图说明
本申请借助于以下附图进行描述:
图1为调节阀故障诊断方法的流程示意图;
图2为调节阀参数阈值计算方法的流程示意图;
图3为调节阀故障诊断与预测装置的结构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。可以理解的是,以下所描述的具体的实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合;为了便于描述,附图中仅示出了与发明相关的部分。
实施例一提供一种调节阀的故障诊断方法,如图1所示,具体方法步骤如下:
S10、获取采集的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息。
本实施例中,调节阀可以应用于石化化工以及其它常见的生产领域,对此不做限定。例如,通过将调节阀应设置于原料输入装置处,可以对原料输入量的回路进行控制。
本实施例中,第一类参数包括:阀位设定值、阀位反馈、调节速率和阀位偏差。
本实施例中,将调节阀所处状态分为稳定状态和运行状态。
S20、根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集。
S30、针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果。
S40、在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果。
本实施例中,第二类参数包括:供气压力、介质温度、阀门入口压力、阀门出口压力、控制信号和工作模式。
本实施例中,仿真数据包括:仿真过程中各时间点对应的第三类参数信息,其中,第三类参数为与第一类参数相同的参数。
S50、基于第一分析结果和第二分析结果确定所述调节阀的诊断结果。
实施例一所述的方法中,基于调节阀参数的历史数据确定参数阈值,减小了人为经验干扰,进而减少了故障漏诊或误诊;通过分频的方式对不同调节阀参数数据进行采集,降低了参数的采集压力,并实现了在动作和稳定运行两个模式下,对调节阀进行全周期的故障诊断。通过对调节阀进行故障校验,减少了故障的误诊,进而提高了调节阀故障诊断的准确率。
实施例二提供一种调节阀的故障诊断与预测方法,具体方法步骤如下:
S10、获取采集的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息。
基于步骤S10,需要说明的是:
本实施例中,在通过采集模块对指定调节阀的参数数据进行采集之后,针对采集到的所有参数数据,控制装置可以对所述参数数据打时间戳,进而致使获取的所有参数数据均携带有参数采集时的时间信息。
本实施例中,控制装置根据第一类参数中的阀位设定值、阀位反馈,确定调节阀的当前状态信息,其中,阀位设定值和阀位反馈可以通过设备上机位直接读取,无需进行提前采集,进而在一定程度上减轻了调节阀故障诊断的工作量;
为了更好地理解,可以采用如下方法来确定调节阀的状态信息:
S10-1、若阀位设定值发生改变,则确定调节阀处于动作状态。
S10-2、针对处于动作状态的调节阀,当阀位反馈的变化幅度小于预设数值,则确定所述调节阀进入稳定状态。
本实施例中,预设数值并非为固定值,可以根据具体工况对其进行设置。
S20、根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集。
基于步骤S20,需要说明的是:
本实施例中,为了更好地理解,可以采用如下方法来采集调节阀的参数数据:
S20-1、若当前调节阀处于稳定状态,则控制装置向采集模块发送第一采集指令,第一采集指令携带第一采集频率、待采集的参数的标识。
S20-2、若当前调节阀处于运行状态,则控制装置向采集模块发送第二采集指令,第二采集指令携带第二采集频率、待采集的参数的标识。
本实施例中,第一采集频率小于第二采集频率,且不对第一、第二采集频率的具体数值进行固定的限定,具体频率数值根据具体工况情况进行确定。
本实施例中,采集模块采用高频率对处于运行状态的调节阀进行参数采集,并采用低频率对处于稳定状态的调节阀进行参数采集,可以降低参数采集压力,进而针对调节阀完成全周期的故障识别和预测。
S30、针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果。
基于步骤S30,需要说明的是:
本实施例中,为了更好地理解,可以采用如下方法对第一分析结果进行获取及分析:
S30-1、控制装置根据预设时间段的调节速率和阀位偏差的历史数据,获取调节速率和阀位偏差对应的阈值;
S30-2、控制装置将采集的调节速率、阀位偏差的实时数据与对应的阈值进行比对,若存在至少一个参数超过阈值,则确定第一分析结果为非正常的结果。
本实施例中,针对阀位偏差参数,阀位偏差的阈值为:
Sth=ES±σS
其中,ES为阀位偏差历史数据的均值,σS为阀位偏差对应的相对标准偏差;
本实施例中,针对调节速率参数,调节速率的阈值为:
Vth=EV±σV
其中,EV为调节速率历史数据的均值,σV为调节速率对应的相对标准偏差。
本实施例中,将阀位偏差和调节速率的历史数据直接作为故障诊断和预测的数据支持,由于减少了人为经验的干扰,进而减少了故障的漏诊和误诊。
S40、在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果。
基于步骤S40,需要说明的是:
本实施例中,若第一分析结果为非正常结果,控制装置则将基于仿真数据获得的调节速率和阀位偏差,与调节速率、阀位偏差对应的阈值进行分析,获取第二分析结果,
本实施例中,S40中的调节速率、阀位偏差对应的阈值为:基于仿真数据重新确定的调节速率、阀位偏差对应的阈值。
本实施例中,控制装置将基于仿真数据获得的调节速率和阀位偏差,与调节速率、阀位偏差对应的阈值进行比对,若存在至少一个参数超过阈值,则确定第二分析结果为非正常的结果。
本实施例中,在完成对指定调节阀的故障诊断后,基于参数数据仿真对调节阀进行故障校验,能够减少故障误诊断,能够进一步提高诊断的准确率。
S50、基于第一分析结果和第二分析结果确定所述调节阀的诊断结果。
基于步骤S50,需要说明的是:
本实施例中,若第一分析结果为正常的结果,控制装置则确定调节阀当本实施例中,前为正常状态;
本实施例中,若第一分析结果为非正常的结果,且第二分析结果为正常的结果,控制装置则则确定调节阀为故障状态;
本实施例中,若第一分析结果和第二分析结果均为非正常的结果,控制装置则调整调节阀的参数阈值,并重复S30的步骤。
S60、若调节阀的诊断结果为正常状态,则基于第一类参数的历史数据进行拟合,获取预测数据,依据所述预测数据对未来时间段的调节阀故障进行诊断,并给出故障预测曲线。
基于步骤S60,需要说明的是:
为了更好地理解,可以采用如下方法对指定调节阀进行故障预测:
一种可选的处理方式为:若调节阀处于动作模式,控制装置则通过对预设时间段的调节速率及调节次数变化情况进行拟合,对未来经过N次动作时的调节速率进行预测;并基于调节速率的历史数据以及经过预测得到第1次至第N-1次的动作数据,确定未来第N次动作时的调节速率阈值。
另一种可选的处理方式为:若调节阀处于稳态模式,控制装置则通过对预设时间段的阀位偏差随数据点数变化情况进行拟合,对预设时间终点后第N个稳态数据的阀位偏差进行预测,并基于阀位偏差的历史数据以及经过预测得到第1个至第N-1个的数据,确定未来时间段的阀位偏差阈值。
本实施例中,基于获得的调节速率和阀位偏差预测值,以及新的阈值数据,对调节阀在未来时间段可能出现的故障进行诊断,并发布所述未来可能会出现的故障情况。
本实施例中,对诊断参数的历史数据进行拟合的方式不做具体限定,可以是最小二乘法等常用拟合算法。
实施例二所述的方法中,基于调节阀参数的历史数据确定参数阈值,减小了人为经验干扰,进而减少了故障漏诊或误诊;通过分频的方式对不同调节阀参数数据进行采集,降低了参数的采集压力,并实现了在动作和稳定运行两个模式下,对调节阀进行全周期的故障识别及预测。通过对调节阀进行故障校验,减少了故障的误诊,进而提高了调节阀故障诊断的准确率。
实施例三提供一种计算调节阀参数阈值的方法,如图2所示,具体方法如下:
1)计算调节阀参数的平均值E和标准偏差σ;
3)若δ%大于或等于5%,则设定数据窗口平移大小,并将每组数据窗口的平均数据作为单个参数的数据,然后转回上述步骤2),直至δ%小于5%;
4)若δ%小于5%,则基于调节阀参数的平均值E和标准偏差σ计算调节阀参数的阈值。
下面分别详述阀位偏差阈值及调节速率阈值的计算方法,具体为:
本实施例中,当调节阀参数为阀位偏差时,阀位偏差阈值Sth的计算方式具体为:
1)基于Si=OPi-MVi计算阀位偏差Si;
其中,OPi为阀位设定值的历史运行数据,MVi为阀位反馈的历史运行数据,具体为:
OPi={OP1,OP2,…OPN},MVi={MV1,MV2,…MVN},i={1,2,…,N};
本实施例中,基于控制装置完成上述1)中对阀位偏差Si的计算过程,进而无需另外计算,可以直接通过上机位获取阀位偏差Si;
其中,k={1,2,…,Nw},Nw=N-n+1,Nw为当前共有的数据窗口的组数,n为每个数据窗口所拥有的的数据个数;
6)基于所有调整后的阀位偏差Sw,通过上述2)至4)重新计算相对标准偏差δS%,直至δS%小于5%;若所述相对标准偏差δS%小于5%,阀位偏差阈值Sth则表示为:Sth=ES±σS。
本实施例中,当调节阀参数为调节速率时,调节速率阈值Vth的计算方式具体为:
其中,Δt为从阀位设定值变化开始计时,至数据窗口内阀位反馈相对平均偏差小于5%的时间间隔;ΔMV为Δt时间段内的阀位反馈差值;
本实施例中,基于控制装置完成上述1)中对调节速率Vi的计算过程,进而无需另外计算,可以直接通过上机位获调节速率Vi;
其中,k={1,2,…,Nw},Nw=N-n+1,Nw为当前共有的数据窗口的组数,n为每个数据窗口所拥有的的数据个数;
6)基于所有调整后的调节速率Vw,通过上述2)至4)重新计算相对标准偏差δV%,直至δV%小于5%;若所述相对标准偏差δV%小于5%,调节速率阈值Vth则表示为:Vth=EV±σV。
实施例三中,将阀位偏差及调节速率的历史数据直接作为故障诊断和预测的数据支持,由于减少人为经验的干扰,进而也减少了故障的漏诊和误诊;另外,从设备上位机直接获取阀位偏差及调节速率的历史数据,无需另外采集数据即可获取第一分析结果,从一定程度上减轻了工作量。
实施例四提供一种调节阀的故障诊断与预测装置,如图3所示,具体为:
本实施例中,故障诊断与预测装置包括控制装置和采集模块,其中,控制装置用于接收采集模块实时采集的指定调节阀的参数。
本实施例中,控制装置包括状态判断模块、数据采集模块、数据处理模块、数据仿真模块、故障诊断模块及故障预测模块。
本实施例中,状态判断模块用于接收采集模块发送的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息。
本实施例中,数据采集模块用于根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集。
本实施例中,数据处理模块用于针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果。
本实施例中,数据仿真模块用于在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果。
本实施例中,故障诊断模块用于基于第一分析结果和第二分析结果确定所述调节阀的诊断结果。
本实施例中,故障预测模块用于若调节阀的诊断结果为正常状态,则基于第一类参数的历史数据进行拟合,获取预测数据,依据所述预测数据对未来时间段的调节阀故障进行诊断。
实施例四所述故障诊断与预测装置中,基于设备管理平台中的状态判断模块、数据采集模块、数据处理模块、数据仿真模块、故障诊断模块以及故障预测模块,实现了对调节阀状态的判断、对调节阀参数数据的采集、对调节阀参数数据的处理、对调节阀运行工况的仿真、对调节阀故障的诊断及预测。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例做出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (10)
1.一种调节阀的故障诊断与预测方法,其特征在于,所述方法包括:
S10、获取采集的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息;
S20、根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集;
S30、针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果;
S40、在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果;
S50、基于第一分析结果和第二分析结果确定所述调节阀的诊断结果。
2.根据权利要求1所述的方法,其特征在于,还包括:
S60、若调节阀的诊断结果为正常状态,则基于第一类参数的历史数据进行拟合,获取预测数据,依据所述预测数据对未来时间段的调节阀故障进行诊断。
3.根据权利要求1所述的方法,其特征在于,还包括:
所述第一类参数包括:阀位设定值、阀位反馈、调节速率和阀位偏差;
所述S10包括:
所述采集模块采集并传输的所有参数均携带有参数采集时的时间信息;
若阀位设定值发生改变,则确定调节阀处于动作状态;
针对处于动作状态的调节阀,当阀位反馈的变化幅度小于预设数值,则确定所述调节阀进入稳定状态。
4.根据权利要求1所述的方法,其特征在于,所述S20包括:
若所述调节阀为稳定状态,则向采集模块发送第一采集指令,所述第一采集指令携带第一采集频率、待采集的参数的标识;
若调节阀为运行状态,则向采集模块发送第二采集指令,所述第二采集指令携带第二采集频率、待采集的参数的标识;
所述第一采集频率小于第二采集频率。
5.根据权利要求1所述的方法,其特征在于,所述S30包括:
S301、根据预设时间段的第一类参数的历史数据,获取第一类参数中各参数的阈值;
S302、将第一类参数与对应的阈值进行比对,若存在至少一个参数超过阈值,则确定第一分析结果为非正常的结果。
6.根据权利要求5所述的方法,其特征在于,所述S301包括:
针对阀位偏差参数,所述阀位偏差的阈值为Sth=ES±σS;
其中,ES为阀位偏差历史数据的均值,σS为阀位偏差对应的相对标准偏差;
针对调节速率参数,所述调节速率的阈值为Vth=EV±σV;
其中,EV为调节速率历史数据的均值,σV为调节速率对应的相对标准偏差。
7.根据权利要求1所述的方法,其特征在于,所述S40包括:
所述第二类参数包括:供气压力、介质温度、阀门入口压力、阀门出口压力、控制信号和工作模式;
所述仿真数据包括:仿真过程中各时间点对应的第三类参数信息,其中,所述第三类参数为与第一类参数相同的参数;
针对所述第三类参数信息和第一类参数对应的阈值进行分析,获取第二分析结果,其中,所述第一类参数对应的阈值为更新调整后的阈值。
8.根据权利要求7所述的方法,其特征在于,所述S40包括:
将第三类参数信息与第一类参数对应的阈值进行比对,若存在至少一个参数超过阈值,则确定第二分析结果为非正常的结果。
9.据权利要求1所述的方法,其特征在于,所述S50包括:
若第一分析结果为正常的结果,则确定调节阀为正常状态;
若第一分析结果为非正常的结果,且第二分析结果为正常的结果,则确定调节阀为故障状态;
若第一分析结果和第二分析结果均为非正常的结果,则调整调节阀的参数阈值,并重复S30的步骤。
10.一种调节阀的故障诊断与预测装置,其特征在于,
所述装置包括控制装置和采集模块,所述控制装置用于接收采集模块实时采集的指定调节阀的参数;
所述控制装置包括:
状态判断模块,用于接收采集模块发送的指定调节阀的第一类参数,根据所述第一类参数确定所述调节阀的状态信息;
数据采集模块,用于根据当前调节阀的状态信息,向采集模块发送与所述状态信息相匹配的采集指令,以使所述采集模块按照所述采集指令进行数据采集;
数据处理模块,用于针对第一类参数和第一类参数对应的阈值进行分析,获取第一分析结果;
数据仿真模块,用于在所述第一分析结果为非正常结果时,向所述采集模块发送获取第二类参数的采集指令,并基于第一类参数和第二类参数进行仿真处理,获取仿真数据,依据所述仿真数据获取第二分析结果;
故障诊断模块,用于基于第一分析结果和第二分析结果确定所述调节阀的诊断结果;
故障预测模块,用于若调节阀的诊断结果为正常状态,则基于第一类参数的历史数据进行拟合,获取预测数据,依据所述预测数据对未来时间段的调节阀故障进行诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210375456.0A CN114924543A (zh) | 2022-04-11 | 2022-04-11 | 一种调节阀的故障诊断与预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210375456.0A CN114924543A (zh) | 2022-04-11 | 2022-04-11 | 一种调节阀的故障诊断与预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114924543A true CN114924543A (zh) | 2022-08-19 |
Family
ID=82804697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210375456.0A Pending CN114924543A (zh) | 2022-04-11 | 2022-04-11 | 一种调节阀的故障诊断与预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924543A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117687394A (zh) * | 2024-01-27 | 2024-03-12 | 南京德克威尔自动化有限公司 | 电磁阀岛控制信号校验方法及系统 |
-
2022
- 2022-04-11 CN CN202210375456.0A patent/CN114924543A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117687394A (zh) * | 2024-01-27 | 2024-03-12 | 南京德克威尔自动化有限公司 | 电磁阀岛控制信号校验方法及系统 |
CN117687394B (zh) * | 2024-01-27 | 2024-04-16 | 南京德克威尔自动化有限公司 | 电磁阀岛控制信号校验方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103649858B (zh) | 用于预测组件或系统状况的方法和设备 | |
EP1543394B1 (de) | Vorrichtung und verfahren zur überwachung einer mehrere systeme umfassenden technischen anlage, insbesondere einer kraftwerksanlage | |
US20140228979A1 (en) | Process model indentification in a process control system | |
CN109857079B (zh) | 加工中心主轴系统工作状态异常的智能诊断方法及装置 | |
CN109084971B (zh) | 一种基于粒子群优化的气动调节阀故障诊断方法 | |
Zhu et al. | Two-dimensional contribution map for fault identification [focus on education] | |
CN109675935A (zh) | 一种变控制限的ipca轧制过程在线故障诊断方法 | |
CN114924543A (zh) | 一种调节阀的故障诊断与预测方法及装置 | |
Harris et al. | Plant-wide feedback control performance assessment using an expert-system framework | |
CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
Gong et al. | Hardware-in-the-loop simulation of uav for fault injection | |
CN106567964A (zh) | 一种基于dcs数据的流量控制阀监控方法 | |
CN113325824B (zh) | 一种基于阈值监测的调节阀异常识别方法及系统 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
KR102484471B1 (ko) | 실시간 로봇 상태 진단 방법 및 이러한 방법을 수행하는 장치 | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
KR20010036423A (ko) | 일반 회귀 신경망을 이용한 고장 검출 방법 및 장치 | |
CN117540330B (zh) | 基于自学习功能的配电柜系统 | |
EP3734384B1 (de) | Verfahren und vorrichtung zur überwachung des betriebszustands einer anlage | |
CN112931912B (zh) | 制丝线加料机控制执行机构诊断方法 | |
EP3923094A1 (en) | Inspection rate adaptation | |
CN117076260B (zh) | 一种参数及设备异常检测方法及装置 | |
CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 | |
Alfaro-Nango et al. | Predictive Maintenance Algorithm Based on Machine Learning for Industrial Asset | |
CN110543153B (zh) | 一种多工况工业过程的过渡工况故障检测方法 |
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 |