CN116050613B - 水电机组顶盖排水泵剩余使用寿命预测方法 - Google Patents

水电机组顶盖排水泵剩余使用寿命预测方法 Download PDF

Info

Publication number
CN116050613B
CN116050613B CN202310018308.8A CN202310018308A CN116050613B CN 116050613 B CN116050613 B CN 116050613B CN 202310018308 A CN202310018308 A CN 202310018308A CN 116050613 B CN116050613 B CN 116050613B
Authority
CN
China
Prior art keywords
top cover
drainage pump
reliability
cover drainage
data set
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
Application number
CN202310018308.8A
Other languages
English (en)
Other versions
CN116050613A (zh
Inventor
徐龙
张舸
任刚
张辉
丁萁琦
汪林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Yangtze Power Co Ltd
Original Assignee
China Yangtze Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Yangtze Power Co Ltd filed Critical China Yangtze Power Co Ltd
Priority to CN202310018308.8A priority Critical patent/CN116050613B/zh
Publication of CN116050613A publication Critical patent/CN116050613A/zh
Application granted granted Critical
Publication of CN116050613B publication Critical patent/CN116050613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Abstract

一种水电机组顶盖排水泵剩余使用寿命预测方法，步骤为：构建顶盖排水泵历史运行数据集、顶盖排水泵运行寿命数据集；拟合顶盖排水泵运行寿命数据集，获得顶盖排水泵运行寿命分布规律并进行图像识别判断；由顶盖排水泵运行寿命分布规律，依据失效原理，确定顶盖排水泵功能故障点；依据可靠性原理，对顶盖排水泵历史运行数据集和顶盖排水泵功能故障点分别进行可靠度计算，构建顶盖排水泵可靠度训练数据集并确定功能故障点的可靠度阈值；以极限学习机作为回归预测算法，构建可靠度预测模型；使用可靠度预测模型对当前顶盖排水泵进行可靠度预测，获得顶盖排水泵的预测可靠度，对比功能故障点的可靠度阈值，获得顶盖排水泵的剩余使用寿命。

Description

水电机组顶盖排水泵剩余使用寿命预测方法
技术领域
本发明属于设备寿命预测技术领域，特别涉及一种水电机组顶盖排水泵剩余使用寿命预测方法。
背景技术
顶盖排水系统是水力发电机组辅机系统之一，主要功能是保障水电机组运行安全，若该系统运行异常，将影响水电厂电力生产安全，问题严重时会导致水淹厂房、运行机组强制停机等后果。而顶盖排水泵是该系统的关键设备，因此，为保障顶盖排水系统安全平稳运行，顶盖排水泵动态寿命预测是工程上亟需解决的问题。
目前国内外关于机械设备剩余运行寿命预测的研究，主要有基于物理仿真模型和基于数据驱动两种设备寿命预测方法，广泛应用于汽轮机、滚动轴承、刀具、变压器等设备的运行状态评估及性能退化趋势预测，对于水电机组的研究，则多偏重于故障诊断、特征提取及参数辨识方面。当前领域对于水电机组顶盖排水泵进行运行寿命预测的方式比较匮乏和局限。
发明内容
鉴于背景技术所存在的技术问题，本发明所提供的水电机组顶盖排水泵剩余使用寿命预测方法，解决现有技术中顶盖排水泵检修重复化、维护成本高的问题。
为了解决上述技术问题，本发明采取了如下技术方案来实现：
一种水电机组顶盖排水泵剩余使用寿命预测方法，步骤为：
步骤1：采集顶盖排水泵历史运行数据，构建顶盖排水泵历史运行数据集；
步骤2：采集顶盖排水泵检修更换工单信息，构建顶盖排水泵运行寿命数据集；
步骤3：获得顶盖排水泵运行寿命分布规律并进行图像识别判断；
步骤4：确定顶盖排水泵功能故障点；
步骤5：构建顶盖排水泵可靠度训练数据集和可靠度阈值；
步骤6：以极限学习机作为回归预测算法，构建可靠度预测模型；
步骤7：使用可靠度预测模型对当前顶盖排水泵进行可靠度预测，并对比功能故障点的可靠度阈值，获得当前顶盖排水泵的剩余使用寿命。
优选地，步骤1的分解步骤为：
步骤1.1：基于顶盖排水泵设备使用说明书，选取振动速度、振动位移、抽水流量和抽水时间共四类运行特征参量进行历史运行数据采集；
步骤1.2：将与所述顶盖排水泵历史运行数据集存入数据库中，顶盖排水泵历史运行数据集与对应顶盖排水泵相关联，完成顶盖排水泵历史运行数据集的构建。
优选地，步骤2的分解步骤为：
步骤2.1：采集顶盖排水系统相关工单信息，并进行关键字筛选，得到单台顶盖排水泵更换信息；
步骤2.2：将单台顶盖排水泵更换信息按时间进行排序，进行数据处理，得到单台顶盖排水泵运行寿命数据。
优选地，步骤2.1的实施步骤如下：
步骤2.1.1：选取“机组编号”、“顶盖排水”、“泵”、“更换”作为关键词进行第1次筛选，得到含有以上关键词的工单信息第1次筛选数据集；
步骤2.1.2：选取“电源”、“继电器”、“监视”作为关键词进行第2次筛选，排除含有以上关键词的信息得到单台顶盖排水泵更换信息。
优选地，步骤3的分解步骤如下：
步骤3.1：根据所述顶盖排水泵运行寿命数据集划分其运行寿命分布区间，以N天为基础单位间隔进行划分，将寿命区间从“0—N天，N+1—2N天，2N+1—3N天，……，(m-1)N+1—mN天，mN+天”共m+1个区间；
步骤3.2：统计区间内被测设备运行寿命分布频次，根据所述顶盖排水泵运行寿命数据集统计不同区间内寿命数据分布次数；
步骤3.3：以寿命区间为X轴、分布次数为Y轴，画出柱状图，获得顶盖排水泵运行寿命分布规律；
步骤3.4：对水泵运行寿命分布规律进行图像识别判断。
优选地，步骤4的分解步骤如下：
步骤4.1：分析顶盖排水泵运行寿命分布规律，求出该分布的期望值，即对该顶盖排水泵运行寿命的期望；
步骤4.2：根据失效原理，将上述期望值定义为，该顶盖排水泵因出现故障无法完成设计功能的状态点，即功能故障点。
优选地，步骤5的分解步骤如下：
步骤5.1：对顶盖排水泵历史运行数据集进行可靠度计算；
步骤5.2：对功能故障点进行可靠度阈值计算。
优选地，步骤5.1的实施步骤如下：
步骤5.1.1：采用状态参量法，建立特征参量u与其对应可靠度的函数关系；
函数1，逆向参量，即u增加，对应可靠度下降：
式中a1和a2是设备运行特征参量的下限和上限；
可靠度R(u)∈[0,1]；
函数2，同向参量，即u下降，对应可靠度下降：
式中a3和a4是设备运行特征参量的上限和下限；
可靠度R(u)∈[0,1]；
步骤5.1.2：使用步骤5.1.1中的状态参量法，建立顶盖排水泵抽水流量、振动速度、振动位移、抽水时间与可靠度的函数关系，其中特征参量的上限和下限选取标准主要参考国际振动标准ISO2372和潜水泵国家标准GB/T 2816-2014；
步骤5.1.3：使用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对顶盖排水泵历史运行数据集进行可靠度计算，得到顶盖排水泵可靠度训练数据集；
步骤5.2的实施方式为：
步骤5.2.1：用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对功能故障点进行可靠度计算，得到可靠度阈值。
优选地，步骤6中，所述构建可靠度预测模型，是以极限学习机算法作为回归预测算法而构建，并且以顶盖排水泵可靠度训练数据集训练可靠度预测模型。
优选地，步骤7的分解步骤如下：
步骤7.1：采集目标顶盖排水泵的实时运行数据，进行步骤5所述可靠度计算；
步骤7.2：将步骤7.1中计算所得可靠度作为可靠度预测模型输入，得到目标顶盖排水泵可靠度预测曲线；
步骤7.3：对比可靠度预测曲线与功能故障点计算得到的可靠度阈值，得到目标顶盖排水泵到达功能故障点的使用时间，即为目标顶盖排水泵剩余使用寿命。
本专利可达到以下有益效果：
本发明根据设备对象实时运行数据进行设备剩余使用寿命预测，进行设备故障预警，避免关键设备突发故障导致的经济损失和安全风险；避免关键设备突发故障导致的经济损失和安全风险；辅助水电厂运行维护决策，减少不必要的重复检修工作，优化维护策略，降低维护成本。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明流程图；
图2为本发明实施例1的步骤1流程示意图；
图3为本发明实施例1的步骤2流程示意图；
图4为本发明实施例1的步骤3流程示意图；
图5为本发明实施例1的步骤4流程示意图；
图6为本发明实施例1的失效原理示意图；
图7为本发明实施例1的步骤5流程示意图；
图8为本发明实施例1的步骤7流程示意图；
图9为本发明分布类型图。
具体实施方式
实施例1：
优选的方案如图1至图9所示，一种水电机组顶盖排水泵剩余使用寿命预测方法，步骤为：
步骤1：采集顶盖排水泵历史运行数据，构建顶盖排水泵历史运行数据集，具体流程如下：
步骤1.1：基于顶盖排水泵设备使用说明书，选取振动速度、振动位移、抽水流量、抽水时间共四类运行特征参量进行历史运行数据采集，构建顶盖排水泵历史运行数据集；
步骤1.2：将与所述顶盖排水泵历史运行数据集存入数据库中，顶盖排水泵历史运行数据集与对应顶盖排水泵相关联，完成顶盖排水泵历史运行数据集的构建。
步骤2：采集顶盖排水泵检修更换工单信息，构建顶盖排水泵运行寿命数据集，具体流程如下：
步骤2.1采集顶盖排水系统相关工单信息，并进行关键字筛选，得到单台顶盖排水泵更换信息。
具体的，步骤2.1所述针对工单信息进行被测设备关键字筛选过程包括：
根据被测设备所属机组编号，被测设备名称进行筛选，主要筛选关键词为“机组编号”、“顶盖排水”、“泵”、“更换”；
过滤包含被测设备名称文字的其他设备信息，主要过滤关键词为“电源”、“继电器”、“监视”。
步骤2.2将单台顶盖排水泵更换信息按时间进行排序，可以得到单台顶盖排水泵更换和检修记录，将每次更换记录的时间相减，可以得到单台顶盖排水泵每次服役的时长，综合统计可以得到单台顶盖排水泵的运行寿命数据。
步骤3：获得顶盖排水泵运行寿命分布规律并进行图像识别判断，具体流程如下：
步骤3.1：根据所述顶盖排水泵运行寿命数据集划分其运行寿命分布区间，以N天为基础单位间隔进行划分，将寿命区间从“0—N天，N+1—2N天，2N+1—3N天，……，(m-1)N+1—mN天，mN+天”共m+1个区间；
本实施例中，m＝18时，N＝50天时，寿命区间为：0—50天，51—100天，101—150天，……，851—900天，900+天共19个区间；
步骤3.2：统计区间内被测设备运行寿命分布频次，根据所述顶盖排水泵运行寿命数据集统计不同区间内寿命数据分布次数。
步骤3.3：以寿命区间为X轴、分布次数为Y轴，画出柱状图，获得顶盖排水泵运行寿命分布规律。
步骤3.4：对水泵运行寿命分布规律进行图像识别判断，主要分布类型有：威布尔分布、正态分布、伽马分布、卡方分布等。
步骤4：确定顶盖排水泵功能故障点，具体流程如下：
步骤4.1：分析顶盖排水泵运行寿命分布规律，求出该分布的期望值，即对该顶盖排水泵运行寿命的期望；
期望值公式为：
步骤4.2：根据失效原理，如图6所示，将上述期望值定义为，该顶盖排水泵因出现故障无法完成设计功能的临界状态点，即功能故障点。
步骤5：构建顶盖排水泵可靠度训练数据集和可靠度阈值，具体流程如下：
步骤5.1：对顶盖排水泵历史运行数据集进行可靠度计算；
步骤5.2：对功能故障点进行可靠度阈值计算。
具体的，步骤5所述可靠度计算的过程包括如下步骤：
步骤5.1.1：采用状态参量法，建立特征参量u与其对应可靠度的函数关系；
函数1，逆向参量，即u增加，对应可靠度下降：
式中a1和a2是设备运行特征参量的下限和上限；
可靠度R(u)∈[0,1]；
函数2，同向参量，即u下降，对应可靠度下降：
式中a3和a4是设备运行特征参量的上限和下限；
可靠度R(u)∈[0,1]；
步骤5.1.2：使用步骤5.1.1中的状态参量法，建立顶盖排水泵抽水流量、振动速度、振动位移、抽水时间与可靠度的函数关系，其中特征参量的上限和下限选取标准主要参考国际振动标准ISO2372和潜水泵国家标准GB/T 2816-2014；
步骤5.1.3：使用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对顶盖排水泵历史运行数据集进行可靠度计算，得到顶盖排水泵可靠度训练数据集；
计算顶盖排水泵的综合可靠度计算公式如下：
Rm(x)＝R1(x)*K1+R2(x)*K2+……+Rn(x)*Kn
式中Rm(x)为综合可靠度，Ri(x)为不同特征指标对应可靠度，Ki为不同特征指标可靠度分别对应的权值。
具体的，权值的确定由现场实际生产情况确定，依据现场工作人员对顶盖排水泵状态指标关注的重要程度进行主观调整和设定。初始设定认为各指标参数重要性相同，权值设定也相同，在此处权值为0.25。
步骤5.2的实施方式为：
步骤5.2.1：用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对功能故障点进行可靠度计算，得到可靠度阈值。
具体的，权值的确定由现场实际生产情况确定，依据现场工作人员对顶盖排水泵状态指标关注的重要程度进行主观调整和设定。初始设定认为各指标参数重要性相同，权值设定也相同，在此处权值为0.25。
步骤5.1.4：对顶盖排水泵历史运行数据集进行可靠度计算，得到顶盖排水泵可靠度训练数据集；
步骤5.2.1：用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对功能故障点进行可靠度计算，得到可靠度阈值。
步骤6：构建可靠度预测模型，以极限学习机算法作为回归预测算法而构建，并且以顶盖排水泵可靠度训练数据集训练可靠度预测模型。
步骤7：获得顶盖排水泵剩余使用寿命，具体步骤如下：
步骤7.1：采集目标顶盖排水泵的实时运行数据，进行可靠度计算；
步骤7.2：将步骤7.1中计算所得综合可靠度作为可靠度预测模型输入，得到目标顶盖排水泵可靠度预测曲线；
步骤7.3：对比可靠度预测曲线与功能故障点计算得到的可靠度阈值，得到目标顶盖排水泵到达功能故障点的使用时间，即为目标顶盖排水泵剩余使用寿命。
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。

Claims (6)

1.一种水电机组顶盖排水泵剩余使用寿命预测方法，其特征在于：
步骤1：采集顶盖排水泵历史运行数据，构建顶盖排水泵历史运行数据集；
步骤2：采集顶盖排水泵检修更换工单信息，构建顶盖排水泵运行寿命数据集；
步骤3：获得顶盖排水泵运行寿命分布规律并进行图像识别判断；
步骤4：确定顶盖排水泵功能故障点；
步骤5：构建顶盖排水泵可靠度训练数据集和可靠度阈值；
步骤6：以极限学习机作为回归预测算法，构建可靠度预测模型；
步骤7：使用可靠度预测模型对当前顶盖排水泵进行可靠度预测，并对比功能故障点的可靠度阈值，获得当前顶盖排水泵的剩余使用寿命；
步骤3的分解步骤如下：
步骤3.1：根据所述顶盖排水泵运行寿命数据集划分其运行寿命分布区间，以N天为基础单位间隔进行划分，将寿命区间从“0—N天，N+1—2N天，2N+1—3N天，……，(m-1)N+1—mN天，mN+天”共m+1个区间；
步骤3.2：统计区间内被测设备运行寿命分布频次，根据所述顶盖排水泵运行寿命数据集统计不同区间内寿命数据分布次数；
步骤3.3：以寿命区间为X轴、分布次数为Y轴，画出柱状图，获得顶盖排水泵运行寿命分布规律；
步骤3.4：对水泵运行寿命分布规律进行图像识别判断；
步骤5的分解步骤如下：
步骤5.1：对顶盖排水泵历史运行数据集进行可靠度计算；
步骤5.2：对功能故障点进行可靠度阈值计算；
步骤5.1的实施步骤如下：
步骤5.1.1：采用状态参量法，建立特征参量u与其对应可靠度的函数关系；
函数1，逆向参量，即u增加，对应可靠度下降：
式中a1和a2是设备运行特征参量的下限和上限；
可靠度R(u)∈[0,1]；
函数2，同向参量，即u下降，对应可靠度下降：
式中a3和a4是设备运行特征参量的上限和下限；
可靠度R(u)∈[0,1]；
步骤5.1.2：使用步骤5.1.1中的状态参量法，建立顶盖排水泵抽水流量、振动速度、振动位移、抽水时间与可靠度的函数关系，其中特征参量的上限和下限选取标准主要参考国际振动标准ISO2372和潜水泵国家标准GB/T 2816-2014；
步骤5.1.3：使用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对顶盖排水泵历史运行数据集进行可靠度计算，得到顶盖排水泵可靠度训练数据集；
步骤5.2的实施方式为：
步骤5.2.1：用步骤5.1.2中，顶盖排水泵特征参量与可靠度的函数关系对功能故障点进行可靠度计算，得到可靠度阈值；
步骤1的分解步骤为：
步骤1.1：基于顶盖排水泵设备使用说明书，选取振动速度、振动位移、抽水流量和抽水时间共四类运行特征参量进行历史运行数据采集；
步骤1.2：将与所述顶盖排水泵历史运行数据集存入数据库中，顶盖排水泵历史运行数据集与对应顶盖排水泵相关联，完成顶盖排水泵历史运行数据集的构建。
2.根据权利要求1所述的水电机组顶盖排水泵剩余使用寿命预测方法，其特征在于：步骤2的分解步骤为：
步骤2.1：采集顶盖排水系统相关工单信息，并进行关键字筛选，得到单台顶盖排水泵更换信息；
步骤2.2：将单台顶盖排水泵更换信息按时间进行排序，进行数据处理，得到单台顶盖排水泵运行寿命数据。
3.根据权利要求2所述的水电机组顶盖排水泵剩余使用寿命预测方法，其特征在于：步骤2.1的实施步骤如下：
步骤2.1.1：选取“机组编号”、“顶盖排水”、“泵”、“更换”作为关键词进行第1次筛选，得到含有以上关键词的工单信息第1次筛选数据集；
步骤2.1.2：选取“电源”、“继电器”、“监视”作为关键词进行第2次筛选，排除含有以上关键词的信息得到单台顶盖排水泵更换信息。
4.根据权利要求1所述的水电机组顶盖排水泵剩余使用寿命预测方法，其特征在于：步骤4的分解步骤如下：
步骤4.1：分析顶盖排水泵运行寿命分布规律，求出该分布的期望值，即对该顶盖排水泵运行寿命的期望；
步骤4.2：根据失效原理，将上述期望值定义为，该顶盖排水泵因出现故障无法完成设计功能的状态点，即功能故障点。
5.根据权利要求1所述的水电机组顶盖排水泵剩余使用寿命预测方法，其特征在于：步骤6中，所述构建可靠度预测模型，是以极限学习机算法作为回归预测算法而构建，并且以顶盖排水泵可靠度训练数据集训练可靠度预测模型。
6.根据权利要求1所述的水电机组顶盖排水泵剩余使用寿命预测方法，其特征在于：步骤7的分解步骤如下：
步骤7.1：采集目标顶盖排水泵的实时运行数据，进行步骤5所述可靠度计算；
步骤7.2：将步骤7.1中计算所得可靠度作为可靠度预测模型输入，得到目标顶盖排水泵可靠度预测曲线；
步骤7.3：对比可靠度预测曲线与功能故障点计算得到的可靠度阈值，得到目标顶盖排水泵到达功能故障点的使用时间，即为目标顶盖排水泵剩余使用寿命。
CN202310018308.8A 2023-01-06 2023-01-06 水电机组顶盖排水泵剩余使用寿命预测方法 Active CN116050613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310018308.8A CN116050613B (zh) 2023-01-06 2023-01-06 水电机组顶盖排水泵剩余使用寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310018308.8A CN116050613B (zh) 2023-01-06 2023-01-06 水电机组顶盖排水泵剩余使用寿命预测方法

Publications (2)

Publication Number Publication Date
CN116050613A CN116050613A (zh) 2023-05-02
CN116050613B true CN116050613B (zh) 2024-01-02

Family

ID=86112864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310018308.8A Active CN116050613B (zh) 2023-01-06 2023-01-06 水电机组顶盖排水泵剩余使用寿命预测方法

Country Status (1)

Country Link
CN (1) CN116050613B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596166B (zh) * 2023-07-17 2023-09-22 湖南清源华建环境科技有限公司 一种用于城市洪涝的智慧排水管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038639A (zh) * 2007-04-25 2007-09-19 上海发电设备成套设计研究院 一种发电机组的机械与电气易损件的寿命预测方法及系统
WO2012157040A1 (ja) * 2011-05-13 2012-11-22 株式会社日立製作所 保守部品寿命予測システムおよび保守部品寿命予測方法
CN104657613A (zh) * 2015-02-26 2015-05-27 电子科技大学 一种复杂机电系统使用寿命评估方法
JP2019006564A (ja) * 2017-06-26 2019-01-17 株式会社日立ビルシステム 部品交換予測装置、部品交換予測システム、部品交換予測方法
AU2020103616A4 (en) * 2020-01-23 2021-02-04 Measurement Center Of Guangdong Power Grid Co., Ltd A Markov chain based method for voltage transformer life prediction
CN113553759A (zh) * 2021-06-17 2021-10-26 浙江工业大学之江学院 水泵剩余使用寿命预测方法、装置、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8712726B2 (en) * 2010-12-01 2014-04-29 Xerox Corporation System and method for predicting remaining useful life of device components
US9826338B2 (en) * 2014-11-18 2017-11-21 Prophecy Sensorlytics Llc IoT-enabled process control and predective maintenance using machine wearables
US20180080853A1 (en) * 2016-09-16 2018-03-22 Siemens Aktiengesellschaft Additive life consumption model for predicting remaining time-to-failure of machines
US20190287005A1 (en) * 2018-03-19 2019-09-19 Ge Inspection Technologies, Lp Diagnosing and predicting electrical pump operation
CN114202028B (zh) * 2021-12-13 2023-04-28 四川大学 基于mamtl的滚动轴承寿命阶段识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038639A (zh) * 2007-04-25 2007-09-19 上海发电设备成套设计研究院 一种发电机组的机械与电气易损件的寿命预测方法及系统
WO2012157040A1 (ja) * 2011-05-13 2012-11-22 株式会社日立製作所 保守部品寿命予測システムおよび保守部品寿命予測方法
CN104657613A (zh) * 2015-02-26 2015-05-27 电子科技大学 一种复杂机电系统使用寿命评估方法
JP2019006564A (ja) * 2017-06-26 2019-01-17 株式会社日立ビルシステム 部品交換予測装置、部品交換予測システム、部品交換予測方法
AU2020103616A4 (en) * 2020-01-23 2021-02-04 Measurement Center Of Guangdong Power Grid Co., Ltd A Markov chain based method for voltage transformer life prediction
CN113553759A (zh) * 2021-06-17 2021-10-26 浙江工业大学之江学院 水泵剩余使用寿命预测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN116050613A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN108446864B (zh) 基于大数据分析的轨道交通设备的故障预警系统及方法
CN104200396A (zh) 一种风力发电机部件故障预警方法
CN105550943A (zh) 一种基于模糊综合评判的风电机组状态参数异常辨识方法
CN116050613B (zh) 水电机组顶盖排水泵剩余使用寿命预测方法
CN104131950A (zh) 一种风电机组温度特征量的阈值分区确定方法
CN104976139A (zh) 一种基于高斯模型的机械设备状态诊断方法
CN110046409B (zh) 一种基于ResNet的汽轮机部件健康状态评估方法
CN112834211A (zh) 一种风电机组传动系统故障预警方法
CN112613554A (zh) 一种风力发电机变桨系统故障预测方法和系统
CN103439091A (zh) 水轮机转轮叶片裂纹故障早期预警和诊断方法及系统
CN103729804A (zh) 一种应对电能质量预警的在线决策支持方法
CN111092442A (zh) 一种基于决策树模型的水电机组多维振动区精细划分方法
CN109002026B (zh) 一种水电机组全工况综合参数退化趋势分析方法
CN114243702A (zh) 一种电网avc系统运行参数的预测方法、系统及存储介质
CN108506171A (zh) 一种大型半直驱机组齿轮箱冷却系统故障预警方法
CN115313930A (zh) 一种大型汽轮发电机励磁电流实时预测方法
CN110017161B (zh) 综采工作面智能供液方法、存储介质、电子设备和系统
CN117365677A (zh) 一种汽轮机组性能健康状态评价方法
CN114962239B (zh) 一种基于智能物联网的设备故障检测方法
CN114758483B (zh) 一种基于余弦相似性的电力设备动态智能预警方法
CN114841534A (zh) 顶盖排水系统的智能诊断与实时故障预警分析方法及系统
CN106709817A (zh) 微电网设备全生命周期管理系统及故障预警方法
CN211015603U (zh) 一种港口起重机传动部件大数据监控系统
CN114442543A (zh) 一种适用于水电站故障预警的计算机监测方法
CN114281846A (zh) 一种基于机器学习的新能源发电预测方法

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
GR01 Patent grant
GR01 Patent grant