CN115204588A - 一种引入权重因子的水泵综合健康状态评估方法 - Google Patents
一种引入权重因子的水泵综合健康状态评估方法 Download PDFInfo
- Publication number
- CN115204588A CN115204588A CN202210643209.4A CN202210643209A CN115204588A CN 115204588 A CN115204588 A CN 115204588A CN 202210643209 A CN202210643209 A CN 202210643209A CN 115204588 A CN115204588 A CN 115204588A
- Authority
- CN
- China
- Prior art keywords
- value
- index
- water pump
- determining
- runner
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明属于泵站智能运维技术领域,尤其为一种引入权重因子的水泵综合健康状态评估方法,包括以下步骤:S1、确定开机时段内的若干个时间节点的测点运行数据,统计运行结果;所述系统运行结果是基于待评估系统的运行特征值、预设阈值、评价因素确定的;S2、基于所述开机时段内的若干个时间点的系统运行结果,确定设备健康状态。本发明通过历史健康运行数据对各个参数建立数学模型和评分规则,得到的最终系统总分数由各个分项权重占比相加所得,通过总分便可对水泵的运行状况进行分析,基于开机时段内的若干个时间点的系统运行结果,按权重因子相关算法,确定水泵的健康状态,得出的水泵健康状态结论更加准确可靠。
Description
技术领域
本发明涉及泵站智能运维技术领域,具体为一种引入权重因子的水泵综合健康状态评估方法。
背景技术
随着制造水平提高及自动化控制技术进步,泵站的健康评估越来越受重视。水泵机组设备的综合健康状态评估是指用一系列的技术手段和相关工具方法来对运行设备的当前健康状态进行评估,并对可能出现的故障情况进行预测,给设备运行管理单位提供合理建议,以进行合理的处置,减少设备故障的出现。
传统的计划检修按一定时间周期对水泵机组进行例行维护,一般采用的健康状态只是简单的触发告警,未充分考虑水泵机组当前综合状态,增加了不必要的维护费用,提高了泵站运行成本,只能在一定程度上保障机组稳定运行。因此,如何实现准确可靠的系统健康评估,实现泵站机组的预知维护,推动机组检修计划,确定机组健康状态,需要设计更为科学的机组综合状态评估指标体系。
因此我们提出了一种引入权重因子的水泵综合健康状态评估方法来解决上述问题。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种引入权重因子的水泵综合健康状态评估方法,解决了传统的计划检修未充分考虑水泵机组当前综合状态,增加了不必要的维护费用,提高了泵站运行成本,只能在一定程度上保障机组稳定运行的问题。
(二)技术方案
本发明为了实现上述目的具体采用以下技术方案:
一种引入权重因子的水泵综合健康状态评估方法,包括以下步骤:
S1、确定开机时段内的若干个时间节点的测点运行数据,统计运行结果;所述系统运行结果是基于待评估系统的运行特征值、预设阈值、评价因素确定的;
S2、建立符合工程实际的水泵机组运行状态多重指标体系,确定所述机组的指标和权重,基于所述开机时段内的若干个时间点的系统运行结果,确定设备健康状态。
进一步地,所述系统运行结果是基于如下步骤确定的:
采集所述开机时段内所有时间节点的所述待评估系统的运行特征值;
基于所述运行特征值和所述预设阈值,确定单项评分等级;
基于所述运行特征值、预设阈值和所述单项评分等级,确定所述开机时间节点的所述系统运行结果。
进一步地,所述开机时段的确定方式具体包括:
确定当前机组开机时间和结束时间;
根据系统自身监测的机组开机的转速数据,与自动化通讯开关机信号,机组振动值大小变化,综合确定开机时间和结束时间;
否则,当机组未开机时,不进行评估。
进一步地,所述建立符合工程实际的水泵机组运行状态多重指标体系,确定所述机组的指标和权重具体包括:
确定所述机组的指标和权重;
健康状态评估方法模型的流程是以模糊综合评估法流程为框架建立;模糊综合评估是使用模糊数学原理的综合评估方法,根据模糊数学的隶属度理论通过一些方法把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价;模型通过使用劣化度的概念,将各底层指标优劣程度量化,并结合隶属度函数,确定底层指标隶属度,建立模糊关系矩阵;将熵权法和层次分析法通过组合,得到可靠的权重向量;
基本步骤流程可以归纳为:
首先确定评价对象的因素论域:
设N个评价指标X=(X1,X2,…,Xn),评价指标由引水泵组和排涝泵组运行状态多重指标体系的中间指标层和底层指标层;
确定评语等级论域V={良好,可用,需停机},用来描述评价指标劣化度的严重程度;
确定底层指标隶属度:
在构造了评语等级论域之后,通过将劣化度模型和隶属度函数结合进行计算,逐个对被评事物从每个评语等级Xi(i=1,2,…,n)上进行量化计算,计算出该指标对应评语等级的隶属度R(Xi);
建立模糊关系矩阵:
得到底层指标隶属度R(Xi)后,将其组成矩阵,进而得到模糊关系矩阵:
其中,第i行第j列元素,表示某个被评指标Xi从劣化度情况来看对Wj 评语的隶属度;
确定指标之间的权向量:
采用层次分析法和熵权法确定评价指标间的相对重要性次序,并且在合成之前归一化。确定评价因素的权重向量:
T=(t1,t2,…,tn)
合成模糊综合评价结果向量:
在计算完成指标的隶属度和权重之后,利用模糊算子将权重T与隶属度矩阵R进行合成,通过矩阵乘法,得到各被评事物的模糊综合评价结果B,即
B=TR
水泵综合状态评估算法模型的数据是底层指标的模拟量值,为了将底层指标的模拟量值从数值转换为隶属度,通过将底层模拟量指标值通过带入劣化度公式变成描述指标优劣程度的劣化度值;
其中底层指标有两种类型,一种是越小越优型,越小越好,如振动、摆度、压力脉动、噪音等,另一种是中间最优型,大也不好,小也不好,中间最好,如温度等,具体如下:
对于历史状态指标中的运行时长和故障次数两种定性指标,可以认为属于越小越优型,按照最近一次大修至今的运行小时数和最近一次大修至今已发生故障数进行指标归一化计算,运行小时数报警值按泵组大修间隔时间8000小时计算,故障次数报警值按3次计算,按前面劣化度公式确定劣化度。振动、摆度、温度、压力脉动等模拟量指标完成劣化度计算后,使用隶属度函数将不同底层指标的劣化度值转换为底层指标的隶属度。采用半梯形与三角形相结合的隶属度函数进行评判,如下式所示,将劣化度值带入公式得到每个底层指标关于(“良好”,“可用”,“需停机”)的隶属度向量。
四种评语等级的隶属度函数分别为:
在完成底层指标隶属度计算之后,需要进行中层指标之间权重的确定。
以竖井贯流泵为例,转轮室振动指标、其他振动指标、摆度指标、定子温度指标、其他温度指标、压力脉动指标、噪音指标权重向量如下:
T=(0.1 0.1 0.25 0.1 0.1 0.2 0.15 0.1)。
进一步地,所述基于所述开机时段内的若干个时间点的系统运行结果,确定系统健康状态,具体包括:
根据所述系统运行的开机时段,确定所述若干个时间点的系统运行数据;根据所述评估因子,确定系统分项运行结果;
基于每一所述系系统分项运行结果及其权重,确定水泵健康状态。
进一步地,所述采集所述预开机时段内所有时间点的所述待评估系统的运行特征值,之后还包括:
对所述运行特征值进行数据分析,建立异常数据库,识别异常数据,在评估时剔除;
若所述运行特征值大于所述阈值,则发出告警信号。
进一步地,所述指标和权重相关参数,具体包括:
A转轮:转轮室振动传感器读数;取本次运行过程中各测点的最大值的平均值;
A其他:其他部位振动传感器读数;
Bpj:摆度传感器读数;取本次运行过程中的最大值
C定子:电机定子三相温度传感器读数;取本次运行过程中的最大值的平均值;
C其他:其他温度传感器读数;
D:压力脉动传感器读数;
Epj:噪音传感器读数;取本次运行过程中的最大值的平均值;
An:编号为第n#的振动传感器读数;
max[An]:编号为第n#的振动传感器在刚结束的本次运行过程中,采集到的最大的有效数值;
Apj:所有振动传感器的max[An]的算术平均值;
A0:振动报警门限指;
A1:振动事故停机门限值;
1K:不同工况下,稳定运行的范围。即比较不同工况下,转轮室的平均振动幅值A大小是否接近;
K=max{A转轮低扬程/A转轮中间扬程、A转轮低扬程/A转轮最大扬程、A转轮中间扬程/A转轮最大扬程、A转轮中间扬程/A转轮低扬程、A转轮最大扬程 /A转轮最小扬程、A转轮最大扬程/A转轮中间扬程};最大、最小、中间扬程指本次运行期间的扬程;
P:设计工况(当测量扬程=设计扬程时)下,实测流量与设计流量的比值大小。P=100-100*Q实测/Q设计,若Q实测/Q设计小于1,则P为正值。若Q 实测/Q设计大于1,则P为负值;如果本次运行没有到达设计扬程,则Q设计则取本次开机的所有机组中最大的流量;
M:最近一次大修距今的月数;
N:最近一次大修至今已发生的故障数量;
S:尚未解决的故障数量;
T:前一次大修至今的运行时长,小时数;
F:健康评价分值。
进一步地,所述设备健康状态的综合评分计算公式包括:
S1、无任何传感器数值超过报警门限值:
F=100-K-P-[(A转轮/A0)×10%+(Apj/A0)×10%+(Bpj/B0)×25%+ (C定子/C0)×10%+(Cpj/C0)×20%+(Dpj/D0)×15%+(Epj/E0)×10%] ×20-M/10-N-10×S-T/100;
S2、当传感器数据超过报警值,但未达到事故停机值:
F=80-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+ (C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%] ×20-M/10-N-10×S-T/100;
S3、当传感器数据超过事故停机值时:
F=60-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+ (C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%] ×20-M/10-N-10×S-T/100。
(三)有益效果
与现有技术相比,本发明提供了一种引入权重因子的水泵综合健康状态评估方法,具备以下有益效果:
本发明,通过历史健康运行数据对各个参数建立数学模型和评分规则,得到的最终系统总分数由各个分项权重占比相加所得,通过总分便可对水泵的运行状况进行分析,基于开机时段内的若干个时间点的系统运行结果,按权重因子相关算法,确定水泵的健康状态,得出的水泵健康状态结论更加准确可靠。
附图说明
图1为本发明提供的健康评估方法流程示意图;
图2为本发明提供的分项指标图;
图3为本发明提供的综合指标权重计算示意图;
图4为本发明提供的隶属度函数分布示意图;
图5为本发明提供的水泵机组状态评价示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1-5所示,本发明一个实施例提出的一种引入权重因子的水泵综合健康状态评估方法,包括以下步骤:
S1、确定开机时段内的若干个时间节点的测点运行数据,统计运行结果;系统运行结果是基于待评估系统的运行特征值、预设阈值、评价因素确定的;
S2、建立符合工程实际的水泵机组运行状态多重指标体系,确定机组的指标和权重,基于开机时段内的若干个时间点的系统运行结果,确定设备健康状态。
具体地,待评估水泵机组,健康评估结果是针对某一开机时间段内的机组运行情况进行评估得到的结果,健康评估结果可以是分数的形式,也可以颜色等级的形式,本发明实施例对此不作具体限定。
本发明首先确定该机组的开机时段即机组的开机运行时段,该段时间是机组运行时长;根据系统自身监测的机组的转速数据,与自动化通讯开关机信号,机组振动值大小变化,来综合确定开机时间和结束时间。
当结束时间确认之后,评价任务开始。
开始检测该机组的分项评价类型,健康状态评估方法模型的流程是以模糊综合评估法流程为框架建立。模糊综合评估是使用模糊数学原理的综合评估方法,根据模糊数学的隶属度理论通过一些方法把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。模型通过使用劣化度的概念,将各底层指标优劣程度量化,并结合隶属度函数,确定底层指标隶属度,建立模糊关系矩阵。将熵权法和层次分析法通过组合,得到可靠的权重向量;
以竖井贯流泵为例,转轮室振动指标、其他振动指标、摆度指标、定子温度指标、其他温度指标、压力脉动指标、噪音指标权重向量如下:
T=(0.1 0.1 0.25 0.1 0.1 0.2 0.15 0.1)
具体的,查找到指标和权重之后,系统开始按指标分类统计本次运行时间段的数据,有水泵转速、电机温度、振动速度值、压力脉动等。预设阈值,不同类型的数据对应不同阈值,例如电机温度对应电机温度的阈值,对比运行的特征值与阈值比较,确定测点是否正常,根据异常数据库,识别异常数据,在评估时剔除,还滤除了运行中的3%的最大值和最小值,得到的数据更加准确可靠。
系统评分有3个等级,不同的系统评分等级取决于该分项运行的特征值;
若无任何传感器数值超过报警门限值,对应的系统运行结果在80-100分之间,计算公式如下:
F=100-K-P-[(A转轮/A0)×10%+(Apj/A0)×10%+(Bpj/B0)×25%+ (C定子/C0)×10%+(Cpj/C0)×20%+(Dpj/D0)×15%+(Epj/E0)×10%] ×20-M/10-N-10×S-T/100
若传感器数据超过报警值,对应的系统运行结果在60-80分之间,当,但未达到事故停机值,计算公式如下:
F=80-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C 定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]× 20-M/10-N-10×S-T/100
若传感器数据超过事故停机值时,对应的系统运行结果在0-60分之间,当,计算公式如下:
F=60-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C 定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]× 20-M/10-N-10×S-T/100
相关参数说明:
A转轮:转轮室振动传感器读数;取本次运行过程中各测点的最大值的平均值;
A其他:其他部位振动传感器读数;
Bpj:摆度传感器读数;取本次运行过程中的最大值;
C定子:电机定子三相温度传感器读数;取本次运行过程中的最大值的平均值;
C其他:其他温度传感器读数;
D:压力脉动传感器读数;
Epj:噪音传感器读数;取本次运行过程中的最大值的平均值;
An:编号为第n#的振动传感器读数;
max[An]:编号为第n#的振动传感器在刚结束的本次运行过程中,采集到的最大的有效数值
Apj:所有振动传感器的max[An]的算术平均值;
A0:振动报警门限指
A1:振动事故停机门限值;
1K:不同工况下,稳定运行的范围。即比较不同工况下,转轮室的平均振动幅值A大小是否接近。
K=max{A转轮低扬程/A转轮中间扬程、A转轮低扬程/A转轮最大扬程、A转轮中间扬程/A转轮最大扬程、A转轮中间扬程/A转轮低扬程、A转轮最大扬程 /A转轮最小扬程、A转轮最大扬程/A转轮中间扬程};最大、最小、中间扬程指本次运行期间的扬程;
P:设计工况(当测量扬程=设计扬程时)下,实测流量与设计流量的比值大小。P=100-100*Q实测/Q设计,若Q实测/Q设计小于1,则P为正值。若Q 实测/Q设计大于1,则P为负值;如果本次运行没有到达设计扬程,则Q设计则取本次开机的所有机组中最大的流量;
M:最近一次大修距今的月数
N:最近一次大修至今已发生的故障数量;
S:尚未解决的故障数量;
T:前一次大修至今的运行时长,小时数;
F:健康评价分值;
基于上述实施例,该方法中,还包括:确定最近一次大修距今的月数,最近一次大修至今已发生的故障数量,尚未解决的故障数量,前一次大修至今的运行时长,小时数。
基于上述任一实施例,该方法中,运行特征值包括振动值的峰-峰值、摆度值的峰-峰值和压力脉动幅值的峰-峰值;
其中,振动值的峰-峰值、摆度值的峰-峰值的计算采用平均时段法,即对记录的振动、摆度时域波形图进行分区,每个分区内采样点数据的最大值和最小值之差即为该分区的峰-峰值,所有分区峰-峰值的平均值即为该时域波形图的峰-峰值;每一分区时段至少应包含1个完整的涡带周期,对于不存在涡带或涡带周期小于机组旋转4周时间的机组,分区时段时间宜为机组旋转4周的时间。此处,振动值的峰-峰值、摆度值的峰-峰值单位为μm。
压力脉动幅值的峰-峰值的计算采用置信度法,即对记录的压力脉动时域波形图采样点数据进行统计,剔除不可信区域内的数据,剩余数据的最大值和最小值之差即为该时域披形图的压力脉动峰-峰值;水利泵站系统的置信度可以预先进行设置,例如置信度可以设置为97%;压力脉动幅值的峰-峰值可采用绝对值△H(单位kPa)或相对值△H/H(单位%)表示。
水泵机组状态评价如图5表所示。
本实施例通过历史健康运行数据对各个参数建立数学模型和评分规则,得到的最终系统总分数由各个分项权重占比相加所得,通过总分便可对水泵的运行状况进行分析。给设备运行管理单位提供合理建议,实现泵站机组的预知维护,以进行合理的处置,减少设备故障的出现。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (8)
1.一种引入权重因子的水泵综合健康状态评估方法,其特征在于,包括以下步骤:
S1、确定开机时段内的若干个时间节点的测点运行数据,统计运行结果;所述系统运行结果是基于待评估系统的运行特征值、预设阈值、评价因素确定的;
S2、建立符合工程实际的水泵机组运行状态多重指标体系,确定所述机组的指标和权重,基于所述开机时段内的若干个时间点的系统运行结果,确定设备健康状态。
2.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述系统运行结果是基于如下步骤确定的:
采集所述开机时段内所有时间节点的所述待评估系统的运行特征值;
基于所述运行特征值和所述预设阈值,确定单项评分等级;
基于所述运行特征值、预设阈值和所述单项评分等级,确定所述开机时间节点的所述系统运行结果。
3.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述开机时段的确定方式具体包括:
确定当前机组开机时间和结束时间;
根据系统自身监测的机组开机的转速数据,与自动化通讯开关机信号,机组振动值大小变化,综合确定开机时间和结束时间;
否则,当机组未开机时,不进行评估。
4.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述建立符合工程实际的水泵机组运行状态多重指标体系,确定所述机组的指标和权重具体包括:
首先确定评价对象的因素论域:
设N个评价指标X=(X1,X2,…,Xn),评价指标由引水泵组和排涝泵组运行状态多重指标体系的中间指标层和底层指标层;
确定评语等级论域V={良好,可用,需停机},用来描述评价指标劣化度的严重程度;
确定底层指标隶属度:
在构造了评语等级论域之后,通过将劣化度模型和隶属度函数结合进行计算,逐个对被评事物从每个评语等级Xi(i=1,2,…,n)上进行量化计算,计算出该指标对应评语等级的隶属度R(Xi);
建立模糊关系矩阵:
得到底层指标隶属度R(Xi)后,将其组成矩阵,进而得到模糊关系矩阵:
其中,第i行第j列元素,表示某个被评指标Xi从劣化度情况来看对Wj评语的隶属度;
确定指标之间的权向量:
采用层次分析法和熵权法确定评价指标间的相对重要性次序,并且在合成之前归一化。确定评价因素的权重向量:
T=(t1,t2,…,tn)
合成模糊综合评价结果向量:
在计算完成指标的隶属度和权重之后,利用模糊算子将权重T与隶属度矩阵R进行合成,通过矩阵乘法,得到各被评事物的模糊综合评价结果B,即
B=TR
水泵综合状态评估算法模型的数据是底层指标的模拟量值,为了将底层指标的模拟量值从数值转换为隶属度,通过将底层模拟量指标值通过带入劣化度公式变成描述指标优劣程度的劣化度值;
底层指标有两种类型,一种是小则优型指标,另一种是中间最优型指标;
振动、摆度、温度、压力脉动等模拟量指标完成劣化度计算后,使用隶属度函数将不同底层指标的劣化度值转换为底层指标的隶属度;采用半梯形与三角形相结合的隶属度函数进行评判,将劣化度值带入公式得到每个底层指标关于(“良好”,“可用”,“需停机”)的隶属度向量;
在完成底层指标隶属度计算之后,需要进行中层指标之间权重的确定。
5.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述基于所述开机时段内的若干个时间点的系统运行结果,确定系统健康状态,具体包括:
根据所述系统运行的开机时段,确定所述若干个时间点的系统运行数据;根据所述评估因子,确定系统分项运行结果;
基于每一所述系系统分项运行结果及其权重,确定水泵健康状态。
6.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述采集所述预开机时段内所有时间点的所述待评估系统的运行特征值,之后还包括:
对所述运行特征值进行数据分析,建立异常数据库,识别异常数据,在评估时剔除;
若所述运行特征值大于所述阈值,则发出告警信号。
7.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述指标和权重相关参数,具体包括:
A转轮:转轮室振动传感器读数;取本次运行过程中各测点的最大值的平均值;
A其他:其他部位振动传感器读数;
Bpj:摆度传感器读数;取本次运行过程中的最大值;
C定子:电机定子三相温度传感器读数;取本次运行过程中的最大值的平均值;
C其他:其他温度传感器读数;
D:压力脉动传感器读数;
Epj:噪音传感器读数;取本次运行过程中的最大值的平均值;
An:编号为第n#的振动传感器读数;
max[An]:编号为第n#的振动传感器在刚结束的本次运行过程中,采集到的最大的有效数值;
Apj:所有振动传感器的max[An]的算术平均值;
A0:振动报警门限指;
A1:振动事故停机门限值;
1K:不同工况下,稳定运行的范围。即比较不同工况下,转轮室的平均振动幅值A大小是否接近;
K=max{A转轮低扬程/A转轮中间扬程、A转轮低扬程/A转轮最大扬程、A转轮中间扬程/A转轮最大扬程、A转轮中间扬程/A转轮低扬程、A转轮最大扬程/A转轮最小扬程、A转轮最大扬程/A转轮中间扬程};最大、最小、中间扬程指本次运行期间的扬程;
P:设计工况(当测量扬程=设计扬程时)下,实测流量与设计流量的比值大小。P=100-100*Q实测/Q设计,若Q实测/Q设计小于1,则P为正值。若Q实测/Q设计大于1,则P为负值;如果本次运行没有到达设计扬程,则Q设计则取本次开机的所有机组中最大的流量;
M:最近一次大修距今的月数;
N:最近一次大修至今已发生的故障数量;
S:尚未解决的故障数量;
T:前一次大修至今的运行时长,小时数;
F:健康评价分值。
8.根据权利要求1所述的一种引入权重因子的水泵综合健康状态评估方法,其特征在于:所述设备健康状态的综合评分计算公式包括:
S1、无任何传感器数值超过报警门限值:
F=100-K-P-[(A转轮/A0)×10%+(Apj/A0)×10%+(Bpj/B0)×25%+(C定子/C0)×10%+(Cpj/C0)×20%+(Dpj/D0)×15%+(Epj/E0)×10%]×20-M/10-N-10×S-T/100;
S2、当传感器数据超过报警值,但未达到事故停机值:
F=80-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/100;
S3、当传感器数据超过事故停机值时:
F=60-K-P-[(A转轮/A0)×10%+(Apj/A1)×10%+(Bpj/B1)×25%+(C定子/C0)×10%+(Cpj/C1)×20%+(Dpj/D1)×15%+(Epj/E1)×10%]×20-M/10-N-10×S-T/100。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643209.4A CN115204588A (zh) | 2022-06-08 | 2022-06-08 | 一种引入权重因子的水泵综合健康状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643209.4A CN115204588A (zh) | 2022-06-08 | 2022-06-08 | 一种引入权重因子的水泵综合健康状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115204588A true CN115204588A (zh) | 2022-10-18 |
Family
ID=83575530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210643209.4A Pending CN115204588A (zh) | 2022-06-08 | 2022-06-08 | 一种引入权重因子的水泵综合健康状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204588A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689397A (zh) * | 2022-12-30 | 2023-02-03 | 北京和利时系统集成有限公司 | 一种水泵健康度确定方法和装置 |
CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
CN117114248A (zh) * | 2023-10-23 | 2023-11-24 | 北京万维盈创科技发展有限公司 | 一种水质监测系统健康度评价方法、计算机设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105153A (zh) * | 2019-12-13 | 2020-05-05 | 西安交通大学 | 基于ahp-熵权法的卫星健康状态多级模糊评价方法 |
CN111314463A (zh) * | 2020-02-17 | 2020-06-19 | 苏州欣皓信息技术有限公司 | 一种基于泵站机组健康评估的方法 |
CN114118789A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 基于模糊综合评判和综合赋权的雷达发射机状态评估方法 |
-
2022
- 2022-06-08 CN CN202210643209.4A patent/CN115204588A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105153A (zh) * | 2019-12-13 | 2020-05-05 | 西安交通大学 | 基于ahp-熵权法的卫星健康状态多级模糊评价方法 |
CN111314463A (zh) * | 2020-02-17 | 2020-06-19 | 苏州欣皓信息技术有限公司 | 一种基于泵站机组健康评估的方法 |
CN114118789A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 基于模糊综合评判和综合赋权的雷达发射机状态评估方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689397A (zh) * | 2022-12-30 | 2023-02-03 | 北京和利时系统集成有限公司 | 一种水泵健康度确定方法和装置 |
CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
CN116577583B (zh) * | 2023-05-17 | 2023-11-28 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
CN117114248A (zh) * | 2023-10-23 | 2023-11-24 | 北京万维盈创科技发展有限公司 | 一种水质监测系统健康度评价方法、计算机设备及介质 |
CN117114248B (zh) * | 2023-10-23 | 2024-01-19 | 北京万维盈创科技发展有限公司 | 一种水质监测系统健康度评价方法、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115204588A (zh) | 一种引入权重因子的水泵综合健康状态评估方法 | |
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN110298455B (zh) | 一种基于多变量估计预测的机械设备故障智能预警方法 | |
CN110320892B (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
CN111508216B (zh) | 一种大坝安全监测数据智能预警方法 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN115034578A (zh) | 一种基于数字孪生的水工金属结构设备智能管理构建方法及系统 | |
CN110701137B (zh) | 一种掘进机液压系统智能在线检测诊断装置及方法 | |
CN111539553A (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
CN105571645A (zh) | 一种大坝自动化监测方法 | |
CN114925718A (zh) | 一种变压器铁芯接地电流在线预测方法、装置、存储介质及故障诊断方法 | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
CN116184948A (zh) | 一种水厂的智能监盘及预警诊断技术的应用系统及方法 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
CN110262460B (zh) | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 | |
CN110617981B (zh) | 一种调相机故障诊断方法 | |
CN115407712A (zh) | 一种钢厂液压站智慧维修保养系统及工作流程 | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
CN110532699B (zh) | 基于模糊dcd的湿法冶金浓密洗涤过程故障诊断方法 | |
CN116050613B (zh) | 水电机组顶盖排水泵剩余使用寿命预测方法 | |
CN117290795A (zh) | 一种适用于单个仪表测量结果异常值的在线识别方法 | |
CN114962239B (zh) | 一种基于智能物联网的设备故障检测方法 | |
CN114662226A (zh) | 一种基于时变卡尔曼滤波的滚动轴承剩余使用寿命预测方法 |
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 |