CN115898848A - 一种柱塞泵的监测方法及监测系统 - Google Patents

Abstract

本发明提出一种柱塞泵的监测方法及监测系统，涉及驱动系统元件状态监测技术，该监测方法包括：实时采集柱塞泵的泵体振动频率、出口流量、出口压力及泵体内部压力；根据泵体振动频率、出口流量、出口压力和泵体内部压力，计算柱塞泵内摩擦副的油膜厚度；基于柱塞泵内摩擦副的油膜厚度，判断柱塞泵的工况。本发明提出一种柱塞泵的监测方法及监测系统，能够识别危险工况进而降低隧道掘进设备因故障停工的概率。

Description

一种柱塞泵的监测方法及监测系统

技术领域

本发明涉及驱动系统元件状态监测技术，特别涉及一种柱塞泵的监测方法及监测系统。

背景技术

隧道掘进机的主驱动设备,一般采用采用大排量(≥500ml/r)轴向柱塞泵进行驱动，一旦发生故障将导致隧道施工停工，工期延长，造成大量经济损失。因此，需要主驱动泵进行监测，以降低发生故障停工的概率。

目前盾构机主驱动泵监测系统往往只针对信号数值表象进行分析。当发现异常时，故障往往已经产生，并不能对故障进行提前预警。虽然近年来，随着工程机械领域对智能监测方面的相关研究关注度加大，不少研究中将故障诊断模块植入监测系统中，以对系统中出现故障信号的元件进行诊断。但该方法无法实时对元件工况是否处于健康状态进行评估，也无法对元件的使用寿命进行评价。

有鉴于此，本发明人根据多年从事本领域和相关领域的生产设计经验，经过反复实验设计出一种柱塞泵的监测方法及监测系统，以期解决现有技术存在的问题。

发明内容

本发明提出一种柱塞泵的监测方法及监测系统，能够识别危险工况进而降低隧道掘进设备因故障停工的概率。

为达到上述目的，本发明提出一种柱塞泵的监测方法，其中，所述监测方法包括：

实时采集所述柱塞泵的泵体振动频率、出口流量、出口压力及泵体内部压力；

根据所述泵体振动频率、出口流量、出口压力和泵体内部压力，计算所述柱塞泵内摩擦副的油膜厚度；

基于所述柱塞泵内摩擦副的油膜厚度，判断所述柱塞泵的工况。

本发明还提出一种柱塞泵的监测系统，其中，所述监测系统包括：

数据采集模块，采集泵体振动频率信息、出口流量信息、出口压力信息和泵体内部压力信息；

工况识别模块，与所述数据采集模块电连接，所述工况识别模块根据所述泵体振动频率信息、所述出口流量信息、所述出口压力信息和所述泵体内部压力信息，计算所述柱塞泵内摩擦副的油膜厚度，再基于所述柱塞泵内摩擦副的油膜厚度，判断所述柱塞泵的工况。

与现有技术相比，本发明提出的柱塞泵的监测方法及监测系统具有如下特点和优点：

本发明提出的柱塞泵的监测方法及监测系统，通过对实时采集到的泵体振动频率、出口流量、出口压力和泵体内部压力进行计算和处理判断柱塞泵的工况，进而能够及时识别危险工况进而降低柱塞泵设备因故障停工的概率。

本发明提出的柱塞泵的监测方法及监测系统能够用于隧道掘进设备(盾构机)主驱动单元的柱塞泵，以及时识别盾构机主驱动单元的危险工况进而降低隧道掘进设备因故障停工的概率。

附图说明

在此描述的附图仅用于解释目的，而不意图以任何方式来限制本发明公开的范围。另外，图中的各部件的形状和比例尺寸等仅为示意性的，用于帮助对本发明的理解，并不是具体限定本发明各部件的形状和比例尺寸。本领域的技术人员在本发明的教导下，可以根据具体情况选择各种可能的形状和比例尺寸来实施本发明。

图1为本发明提出的柱塞泵的监测方法的流程图；

图2为本发明提出的柱塞泵的监测系统的示意图；

图3为本发明一实施例的具体实施过程的示意图。

附图标记说明：

100、柱塞泵的监测系统；            10、加速度传感器；

20、泵出口流量计；                 30、泵出口压力传感器；

40、泵泄油口压力传感器；           50、数据传输模块；

200、柱塞泵；                      210、油箱；

220、补油泵。

具体实施方式

结合附图和本发明具体实施方式的描述，能够更加清楚地了解本发明的细节。但是，在此描述的本发明的具体实施方式，仅用于解释本发明的目的，而不能以任何方式理解成是对本发明的限制。在本发明的教导下，技术人员可以构想基于本发明的任意可能的变形，这些都应被视为属于本发明的范围。

需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能存在居中元件。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或者可能存在居中元件。

本发明提出一种柱塞泵的监测方法，如图1所示，该监测方法包括：

实时采集所述柱塞泵的泵体振动频率、出口流量、出口压力及泵体内部压力；

根据泵体振动频率、出口流量、出口压力和泵体内部压力，计算柱塞泵内摩擦副的油膜厚度；

基于柱塞泵内摩擦副的油膜厚度，判断柱塞泵的工况。

本发明还提出一种柱塞泵的监测系统100，所述监测系统包括数据采集模块和工况识别模块，数据采集模块采集柱塞泵200的泵体振动频率信息、出口流量信息、出口压力信息和泵体内部压力信息；工况识别模块与数据采集模块电连接，工况识别模块根据泵体振动频率信息、出口流量信息、出口压力信息和泵体内部压力信息，计算柱塞泵内摩擦副的油膜厚度，再基于柱塞泵内摩擦副的油膜厚度，判断柱塞泵的工况。

本发明提出的柱塞泵的监测方法及监测系统，通过对实时采集到的泵体振动频率、出口流量、出口压力和泵体内部压力进行计算和处理判断柱塞泵的工况，进而能够及时识别危险工况进而降低柱塞泵设备因故障停工的概率。

本发明提出的柱塞泵的监测方法及监测系统能够用于隧道掘进设备(盾构机)主驱动单元的柱塞泵，以及时识别盾构机主驱动单元的危险工况进而降低隧道掘进设备因故障停工的概率。在本发明一个可选的实施方式中，数据采集模块包括加速度传感器10、泵出口流量计20、泵出口压力传感器30和泵泄油口压力传感器40，加速度传感器10布置于柱塞泵的泵壳及泵后端盖上，用以采集柱塞泵的泵体振动频率信息；泵出口流量计20布置于柱塞泵出口处，用以采集柱塞泵的出口流量信息；泵出口压力传感器30布置于柱塞泵出口处，用以采集柱塞泵的出口压力信息；泵泄油口压力传感器40布置于柱塞泵泄压口处，用以采集柱塞泵泵体内部压力信息。

在本发明一个可选的实施方式中，监测系统100还包括寿命预测模块，该寿命预测模块根据泵体振动频率信息和出口流量信息预测柱塞泵的使用寿命。

在该实施方式一个可选的例子中，工况识别模块设置于云端，寿命预测模块设置于PC端。

在一个可选的例子中，监测系统100还包括设置在PC端的上位机显示模块，以显示工控判断结果。

在本发明一个可选的实施方式中，监测系统100还包括数据传输模块50，数据传输模块50用于接收数据采集模块采集的信息并将数据传输至工况识别模块。

在本发明一个可选的例子中，柱塞泵200还包括油箱210和补油泵220。

在本发明一个可选的实施方式中，当摩擦副的油膜厚度小于阈值时，则判断柱塞泵处于危险工况。

在该实施方式一个可选的例子中，阈值在0-20微米范围内选取。

在本发明一个可选的实施方式中，建立摩擦副油膜厚度数据库，数据库包括有多个参考油膜厚度，各参考油膜厚度对饮个不同工况，调用参考油膜厚度并与计算获得的摩擦副的油膜厚度相比较，以监测柱塞泵的工况。

在本发明一个可选的实施方式中，摩擦副的油膜厚度的计算步骤包括：

将摩擦副的油膜厚度及油膜厚度变化率初始化；

以出口流量、出口压力及所述泵体内部压力作为计算边界条件，求解摩擦副油膜的表面受力；

将初始油膜厚度作为油膜厚度初值，将摩擦副的油膜进行切分成m×n个网格点，通过循环结构计算雷诺方程解出各网格点油膜压力初值；

通过摩擦副的油膜压力和表面受力、倾覆力矩平衡方程，得出摩擦副油膜各个网格点上油膜厚度，并输出上述油膜厚度的最小值为摩擦副的油膜厚度。

在该实施方式一个可选的例子中，柱塞泵内摩擦副的油膜厚度包括柱塞副油膜厚度、滑靴副油膜厚度和配流副油膜厚度。

在本发明一个可选的实施方式中，监测方法还包括基于振动频率和出口流量预测所述柱塞泵的使用寿命。

在该实施方式一个可选的例子中，建立柱塞泵寿命预测神经网络，将柱塞泵的转速、振动频率(振动信号)、出口压力和出口流量输入神经网络输入，神经网络根据振动频率和出口流量预估柱塞泵的剩余预测寿命。

在一个可选的例子中，柱塞泵寿命预测神经网络的建立包括：

采用恒定应力载荷谱对柱塞进行加速退化试验并搭建柱塞泵数据库；

提取柱塞泵数据库中振动频率的特征参数，将特征参数与柱塞泵的泵容积效率作为训练集；

通过对训练集对神经网络进行训练，完成寿命预测神经网络的建立。

现结合一实施例，详细说明本发明提出的本发明提出的柱塞泵的监测方法及监测系统的具体实施过程：

请参考图2、图3，柱塞泵监测系统100包含数据采集模块、数据传输模块、工况识别模块和寿命预测模块。其中，由于工况识别模块高算力要求，将工况识别模块设于云端，输入信号经处理后传至云端进行识别计算；寿命预测模块和上位机显示模块设置于PC端，以便于施工人员操作；数据传输模块属于数据传输层；

数据采集模块包含监测柱塞泵壳体的加速度传感器、柱塞泵高压侧出口的压力传感器和流量计(流量传感器)、柱塞泵补油口压力传感器、泵泄油口压力传感器以采集柱塞泵运行过程中振动频率信号及流量信号，采集后的信号经信号调理电路放大后通过数据数据传输模块传输传至PC端进行上位机显示及寿命预测，并通过无线传输网络传至云端进行危险工况识别模块计算，计算完成后将结果返回PC端上位机进行显示。

具体的，加速度传感器，布置于泵壳及泵后端盖之上，用以采集盾构机掘进过程中泵体振动传感信号；泵出口流量计，置于泵出口处用以采集盾构机掘进过程中泵出口流量信号；泵出口压力传感器，用以采集盾构机掘进过程中泵出口压力信号；泵泄油口压力传感器，用以采集盾构机掘进过程中泵体内部压力信号。

在本实施例中，实现柱塞泵危险工况识别的方法包括：

通过实时采集柱塞泵高压侧出口的泵出口压力传感器和泵出口流量计(传感器)、柱塞泵补油口压力传感器、泵泄油口压力传感器采集到的信号；

数据传送模块包括数字放大板和数据采集卡，将上述信号传输至数字放大板将信号强度的数量级放大到采集卡能检测的范围(0-10V)之内；再通过数据采集卡传至云端工况识别模块(危险工况识别模块)；

在工况识别模块中，第一步先计算当前工况下柱塞副油膜厚度变化规律，计算过程如下：a.将柱塞副油膜厚度及油膜厚度变化率初始化；b.以压力流量等实时信号作为边界条件，采用柱塞副动力学方程求解油膜表面受力；c.以压力流量等实时信号作为计算边界条件，将初始油膜厚度作为油膜厚度初值，将柱塞副表面油膜进行切分成m×n个网格点，通过循环结构计算雷诺方程解出各网格点油膜压力初值；d.采用牛顿迭代法或SOR迭代法，求解配流副油膜压力和表面受力、倾覆力矩平衡方程，得出柱塞副油膜各个网格点上油膜厚度，并输出柱塞油膜厚度最小值。

第二步计算滑靴副油膜厚度，计算过程如下：a.将滑靴副油膜厚度及油膜厚度变化率初始化；b.以压力流量等实时信号作为边界条件，同时输入柱塞副动力学计算得出的柱塞副摩擦力、柱塞表面压力等作为滑靴副动力学方程输入，求解滑靴副油膜表面受力；c.以压力流量等实时信号作为计算边界条件，将初始油膜厚度作为油膜厚度初值，将滑靴副表面油膜进行切分成m×n个网格点，通过循环结构计算雷诺方程解出各网格点油膜压力初值；d.采用牛顿迭代法或SOR迭代法，求解配流副油膜压力和表面受力、倾覆力矩平衡方程，得出滑靴副油膜各个网格点上油膜厚度，并输出滑靴副油膜厚度最小值。

第三步计算配流副油膜厚度，计算过程如下：a.将配流副油膜厚度及油膜厚度变化率初始化；b.以压力流量等实时信号作为边界条件，同时将柱塞副动力学计算得出的柱塞副摩擦力、柱塞表面压力等作为配流副动力学方程的输入计算配流副因柱塞运动产生的倾覆力矩等，求解油膜表面受力；c.以压力流量等实时信号作为计算边界条件，将初始油膜厚度作为油膜厚度初值，将配流副表面油膜进行切分成m×n个网格点，通过循环结构计算雷诺方程解出各网格点油膜压力初值；d.采用牛顿迭代法或SOR迭代法，求解配流副油膜压力和表面受力、倾覆力矩平衡方程，得出配流副油膜各个网格点上油膜厚度，并输出配流副油膜厚度最小值。

工况识别模块判断柱塞副最小油膜厚度、滑靴副最小油膜厚度及配流副最小油膜厚度是否小于阈值(该阈值在0-20微米范围内选取)，若出现三大摩擦副油膜任一摩擦副最小油膜厚度小于阈值，由云端向PC端发出危险报警信号，并输出该磨擦副名称为易磨损位置。

寿命预测模块的寿命预测方法的实现形式如下：

盾构机实际负载工况在相同地质条件下较为平稳，固采用恒定应力载荷谱进行加速退化试验；

通过进行多组多工况恒定应力加速退化试验，搭建主驱动柱塞泵数据库；通过信号降噪方法对采集的振动频率信号及流量信号进行降噪处理；

提取信号小波包能量、均方频率、峭度等特征参数，以容积效率下降5％作为退化阈值，将振动特征参数与泵容积效率作为训练集对神经网络进行训练，完成寿命预测神经网络的建立；

将寿命神经网络下载至PC端，将实时监测的振动信号、转速、出口压力及流量信号作为神经网络输入，通过对搭载信号周期性处理并存储，预估平均失效前时间(MTTF)，减去已运行时间，输出剩余预测寿命。

针对上述各实施方式的详细解释，其目的仅在于对本发明进行解释，以便于能够更好地理解本发明，但是，这些描述不能以任何理由解释成是对本发明的限制，特别是，在不同的实施方式中描述的各个特征也可以相互任意组合，从而组成其他实施方式，除了有明确相反的描述，这些特征应被理解为能够应用于任何一个实施方式中，而并不仅局限于所描述的实施方式。

Claims (11)

1.一种柱塞泵的监测方法，其特征在于，所述监测方法包括：

实时采集所述柱塞泵的泵体振动频率、出口流量、出口压力及泵体内部压力；

根据所述泵体振动频率、出口流量、出口压力和泵体内部压力，计算所述柱塞泵内摩擦副的油膜厚度；

基于所述柱塞泵内摩擦副的油膜厚度，判断所述柱塞泵的工况。

2.如权利要求1所述的柱塞泵的监测方法，其特征在于，当所述摩擦副的油膜厚度小于阈值时，则判断所述柱塞泵处于危险工况。

3.如权利要求1所述的柱塞泵的监测方法，其特征在于，建立摩擦副油膜厚度数据库，所述数据库包括有参考厚度，调用所述参考厚度，通过比较所述摩擦的油膜厚度与所述参考厚度，监测所述柱塞泵的工况。

4.如权利要求1所述的柱塞泵的监测方法，其特征在于，所述摩擦副的油膜厚度的计算步骤包括：

将摩擦副的油膜厚度及油膜厚度变化率初始化；

以所述出口流量、所述出口压力及所述泵体内部压力作为计算边界条件，求解所述摩擦副油膜的表面受力；

将初始油膜厚度作为油膜厚度初值，将所述摩擦副的油膜进行切分成m×n个网格点，通过循环结构计算雷诺方程解出各所述网格点油膜压力初值；

通过所述摩擦副的油膜压力和表面受力、倾覆力矩平衡方程，得出所述摩擦副油膜各个所述网格点上油膜厚度，并输出所述油膜厚度的最小值为所述摩擦副的油膜厚度。

5.如权利要求1或4所述的柱塞泵的监测方法，其特征在于，所述柱塞泵内摩擦副的油膜厚度包括柱塞副油膜厚度、滑靴副油膜厚度和配流副油膜厚度。

6.如权利要求1所述的柱塞泵的监测方法，其特征在于，所述监测方法还包括基于所述振动频率和所述出口流量预测所述柱塞泵的使用寿命。

7.如权利要求6所述的柱塞泵的监测方法，其特征在于，建立柱塞泵寿命预测神经网络，将所述柱塞泵的转速、所述振动频率、所述出口压力和所述出口流量输入所述神经网络输入，所述神经网络根据所述柱塞泵的转速、所述振动频率、所述出口压力和所述出口流量预估所述柱塞泵的剩余预测寿命。

8.如权利要求7所述的柱塞泵的监测方法，其特征在于，所述柱塞泵寿命预测神经网络的建立包括：

采用恒定应力载荷谱对所述柱塞进行加速退化试验并搭建所述柱塞泵数据库；

提取所述柱塞泵数据库中振动频率的特征参数，将所述特征参数与所述柱塞泵的泵容积效率作为训练集；

通过对所述训练集对神经网络进行训练，完成所述寿命预测神经网络的建立。

9.一种柱塞泵的监测系统，其特征在于，所述监测系统包括：

数据采集模块，采集泵体振动频率信息、出口流量信息、出口压力信息和泵体内部压力信息；

工况识别模块，与所述数据采集模块电连接，所述工况识别模块根据所述泵体振动频率信息、所述出口流量信息、所述出口压力信息和所述泵体内部压力信息，计算所述柱塞泵内摩擦副的油膜厚度，再基于所述柱塞泵内摩擦副的油膜厚度，判断所述柱塞泵的工况。

10.如权利要求9所述的柱塞泵的监测系统，其特征在于吗，所述数据采集模块包括：

加速度传感器，布置于所述柱塞泵的泵壳及泵后端盖上，所述加速度传感器用以采集所述柱塞泵的泵体振动频率信息；

泵出口流量计，布置于所述柱塞泵出口处，所述泵出口流量计用以采集所述柱塞泵的出口流量信息；

泵出口压力传感器，布置于所述柱塞泵出口处，用以采集所述柱塞泵的出口压力信息；

泵泄油口压力传感器，布置于所述柱塞泵泄压口处，用以采集所述柱塞泵泵体内部压力信息。

11.如权利要求9所述的柱塞泵的监测系统，其特征在于，所述监测系统还包括寿命预测模块，所述寿命预测模块根据所述泵体振动频率信息和所述出口流量信息预测所述柱塞泵的使用寿命。

Images