CN116733758A - 一种基于专家系统的陶瓷渣浆泵故障诊断方法 - Google Patents
一种基于专家系统的陶瓷渣浆泵故障诊断方法 Download PDFInfo
- Publication number
- CN116733758A CN116733758A CN202310889308.5A CN202310889308A CN116733758A CN 116733758 A CN116733758 A CN 116733758A CN 202310889308 A CN202310889308 A CN 202310889308A CN 116733758 A CN116733758 A CN 116733758A
- Authority
- CN
- China
- Prior art keywords
- ceramic slurry
- slurry pump
- fault diagnosis
- expert system
- fault
- 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
- 239000002002 slurry Substances 0.000 title claims abstract description 51
- 238000003745 diagnosis Methods 0.000 title claims abstract description 49
- 239000000919 ceramic Substances 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 12
- 239000003595 mist Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000004092 self-diagnosis Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D7/00—Pumps adapted for handling specific fluids, e.g. by selection of specific materials for pumps or pump parts
- F04D7/02—Pumps adapted for handling specific fluids, e.g. by selection of specific materials for pumps or pump parts of centrifugal type
- F04D7/04—Pumps adapted for handling specific fluids, e.g. by selection of specific materials for pumps or pump parts of centrifugal type the fluids being viscous or non-homogenous
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开了一种基于专家系统的陶瓷渣浆泵故障诊断方法，包括实时采集陶瓷渣浆泵的运行数据；获取运行数据的特征向量；将特征向量输入预设的陶瓷渣浆泵故障诊断专家系统进行故障诊断，陶瓷渣浆泵故障诊断专家系统是预先根据专家对各种故障的判断规则建立的具有依据输入数据进行故障判断的系统，包括综合数据库、知识库、推理机、解释器、知识获取、人机交互界面。本方法实现了对陶瓷渣浆泵故障的自行诊断，减少了人力消耗，提高了故障诊断的准确度和精确度，具有较好的实用价值。
Description
技术领域
本发明涉及设备故障诊断技术领域，具体涉及一种基于专家系统的陶瓷渣浆泵故障诊断方法。
背景技术
陶瓷渣浆泵是煤矿、金属矿山等工业领域中常用的一种泵，主要用来输送含有固液混合的浆料。在实际使用中，陶瓷渣浆泵的故障问题时有发生，如泵体磨损、泵体渗漏、轴承故障等，这些问题会导致泵的性能下降、工作效率降低，严重时还会引起生产事故。因此，如何及时准确地诊断陶瓷渣浆泵的故障，对于确保生产安全和生产效率具有重要意义。
公开号为CN113408068A的中国专利公开了一种随机森林分类的机泵故障诊断方法及装置。该方法包括获取机泵故障状态下和正常状态下Z轴振动信号分量；对所述Z轴振动分量进行预处理后，获得频域信号；采用随机森林方法对所述频域信号进行训练，建立频域信号与故障状态之间的关系，得到故障诊断模型；将待诊断的机泵频域信号输入至所述故障诊断模型中，判断出所述机泵的故障状态。该方法计算方便，诊断速率快，但只有振动信号一个信号源，可能会存在特征信息的遗漏，且随机森林方法在解释方面难以对每个决策树的贡献进行解释且每个决策树都需要存储在内存中，内存消耗将会很大。
发明内容
本发明的目的在于提供一种基于专家系统的陶瓷渣浆泵故障诊断方法，以解决现有技术中存在的问题。
为实现上述目的，本发明的一种基于专家系统的陶瓷渣浆泵故障诊断方法，包括
(1)实时采集陶瓷渣浆泵的运行数据；
(2)获取所述运行数据的特征向量；
(3)将所述特征向量输入预设的陶瓷渣浆泵故障诊断专家系统进行故障诊断；所述陶瓷渣浆泵故障诊断专家系统是预先根据专家对各种故障的判断规则建立的具有依据输入数据进行故障判断系统，包括综合数据库、知识库、推理机、解释器、知识获取、人机交互界面，所述综合数据库用于存储推理过程中所需的原始数据、中间结果和最终结论；所述知识库是领域专家总结出的多种判断规则；所述推理机由获取的条件或已知信息根据模型定义并结合所定义的推理规则进行故障诊断，输出故障结果；所述解释器根据用户的提问，对结论、求解过程做出说明；所述人机交互界面是系统与用户进行交流时的界面，通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释。
进一步地，所述运行数据包括温度、流量、压力、振动。
进一步地，所述运行数据的特征向量的特征值包括有效值、峭度、峰值因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差。
进一步地，在获取所述运行数据的特征向量之前对所述运行数据进行预处理，包括信号分解、信号降噪、信号重构。
进一步地，所述知识库中的多种判断规则包括叶轮损坏、转子不平衡、转子不对中、轴承故障、轴系松动、泵体渗漏。
进一步地，所述模型定义，具体为
实体为陶瓷渣浆泵；
属性，包括流量、温度、压力；
关系，包括流量与温度的关系、流量与压力的关系。
进一步地，所述专家系统设置于雾计算节点内，陶瓷渣浆泵的所述运行数据传送到所述雾计算节点内，通过数据处理模块处理后，发送给专家系统。
进一步地，所述推理机由获取的条件或已知信息根据模型定义并结合所定义的推理规则进行故障诊断，输出故障结果，具体为
特征信息输入；
对知识库进行搜索，若知识库内有与特征信息匹配的判断，则输出相应的故障类型及结果，若知识库内没有与特征信息匹配的判断，则返回人机交互界面。
本发明的有益效果是：
(1)基于专家系统的诊断方法，可以充分利用专家的经验和知识，提高诊断准确性和效率；
(2)采用推理机进行诊断，可以对大量的数据进行分析和处理，从而准确地诊断出陶瓷渣浆泵的故障类型和原因；
(3)雾计算节点可以在数据生成的地方快速响应和处理数据，减少数据传输和延迟；
(4)用户接口模块提供了人机交互界面，使得用户操作更加简单方便；
(5)诊断结果和处理建议直观明了，有助于用户及时采取正确的处理措施。
附图说明
图1是本发明陶瓷渣浆泵故障诊断方法的流程图；
图2是本方法所基于的诊断系统的原理图；
图3是本发明陶瓷渣浆泵故障诊断专家系统的原理图；
图4是本发明陶瓷渣浆泵故障诊断推理机的工作流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本实施例提供了一种基于专家系统的陶瓷渣浆泵故障诊断方法，如图1所示，包括以下步骤：
S1、实时采集陶瓷渣浆泵的运行数据；运行数据包括温度数据、流量数据、压力数据以及振动数据等；
S2、获取运行数据的特征向量；特征向量包括有效值、峭度、峰值因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差等特征值；
S3、将特征向量输入预设的陶瓷渣浆泵故障诊断专家系统进行故障诊断；陶瓷渣浆泵故障诊断专家系统是预先根据专家对各种故障的判断规则建立的具有依据输入数据进行故障判断功能的模块。
如图2所示，本方法所基于的诊断系统包括数据采集单元、雾计算节点和用户接口单元，
其中，数据采集单元安装在渣浆泵上，包括温度传感器、流量传感器、压力传感器和振动传感器，用于采集渣浆泵的温度数据、流量数据、压力数据和振动数据等。通常，一个单位的数据中心需要同时连接若干台渣浆泵，每台渣浆泵会设有一个雾计算节点，将渣浆泵的实时数据，包括采集的温度、流量及其内部的数据进行处理，然后将结果回传到数据中心显示即可，这样可以防止网络拥堵以及计算复杂度增强等问题，也会使得数据传输的时延减小。雾计算节点通过边缘计算网关设备Dell Edge Gateway 5000实现，支持虚拟化技术，根据设备的硬件和操作系统安装虚拟化平台VMware，并使用该虚拟化平台创建一个新的虚拟机。创建完成后，对虚拟机进行操作系统安装，并进行网络配置，使虚拟机可以通过物理网络连接，安装并配置雾计算节点软件。根据具体的应用需求，对雾计算节点进行配置，包括输入输出数据的定义、规则和算法(算法首先包括对usb接口接收的数据进行相应处理，生成相应特征向量，继而输入专家系统)的设置、数据传输方式等。完成雾计算节点的配置后，进行测试和优化，确保其正常运行。将专家系统的代码集成到雾计算节点软件中，将专家系统的API或插件引入到雾计算节点软件的代码中，以实现数据传递和交互。专家系统的结果通过usb接口输出至计算机人机交互界面。
如图3所示，陶瓷渣浆泵故障诊断专家系统包括：综合数据库、知识库、推理机、解释器、知识获取、人机交互界面六个部分构成。
综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的存储区。
知识库是领域专家知识的集合，可以包括设备专家和知识工程师结合总结出的多种判断规则，多以IF(条件)THEN(规则)的形式出现。如IF A,THEN B或IF A AND B，THEN C等。
知识库所包含的故障规则包含但不限于：叶轮损坏、转子不平衡、转子不对中、轴承故障、轴系松动、泵体渗漏等。
推理机由获取的条件或已知信息根据模型定义并结合所定义的推理规则进行故障诊断，输出故障结果。模型定义，实体：陶瓷渣浆泵；属性包括流量、温度、压力等；关系包括流量与温度的关系、流量与压力的关系等。推理规则定义，举例如下：1.如果泵出口流量过小，且压力低于额定值，则判断为可能是泵体渗漏；2.如果泵出口流量过小，且电机温度过高，则判断为可能是叶轮或叶片磨损或堵塞而导致的负载不均匀等相应规则。如图4所示，为本发明的陶瓷渣浆泵故障诊断推理机流程示意图。推理机的工作原理具体为：采集相应信号数据；预处理及特征提取；输入特征信息；对知识库进行搜索，若知识库内有与特征信息匹配的判断，则输出相应的故障类型及结果，若知识库内没有与特征信息匹配的判断，则在人机交互界面输出无解。
解释器能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。
人机交互界面是系统与用户进行交流时的界面，通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释等。例如，输出：“叶片磨损导致泵出口流量过小，建议更换泵体零部件”。
通过陶瓷渣浆泵专家系统可以对叶轮损坏、转子不平衡、转子不对中、轴承故障、轴系松动、泵体渗漏等故障进行诊断，并将诊断结果上传至人机交互界面并给出处理建议。
综上所述，本发明的一种基于专家系统的陶瓷渣浆泵故障诊断方法，通过数据采集单元实时采集数据，发送给雾计算节点，由数据处理模块进行处理，然后发送给专家系统，如果渣浆泵存在问题，其原因和解决办法会传送到人机交互界面，人工可以查询，从而得到故障的相应信息。相较于其它诊断方法，本方法相对简单，容易操作，且其准确性相对较高。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下可以作出的各种变化，都处于本发明权利要求的保护范围之内。
Claims (8)
1.一种基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，包括
(1)实时采集陶瓷渣浆泵的运行数据；
(2)获取所述运行数据的特征向量；
(3)将所述特征向量输入预设的陶瓷渣浆泵故障诊断专家系统进行故障诊断；所述陶瓷渣浆泵故障诊断专家系统是预先根据领域专家对各种故障的判断规则建立的具有依据输入数据进行故障判断的系统，包括综合数据库、知识库、推理机、解释器、知识获取、人机交互界面，其中所述综合数据库用于存储推理过程中所需的原始数据、中间结果和最终结论；所述知识库是领域专家总结出的多种故障规则；所述推理机由获取的条件或已知信息根据模型定义并结合所定义的推理规则进行故障诊断，输出故障结果；所述解释器根据用户的提问，对结论、求解过程做出说明；所述人机交互界面是系统与用户进行交流时的界面，通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释。
2.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，所述运行数据包括温度、流量、压力和振动。
3.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，所述运行数据的特征向量的特征值包括有效值、峭度、峰值因子、裕度因子、重心频率、均方根频率、频率方差和频率标准差。
4.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，在获取所述运行数据的特征向量之前对所述运行数据进行预处理，包括信号分解、信号降噪和信号重构。
5.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，所述知识库中的多种故障规则包括叶轮损坏、转子不平衡、转子不对中、轴承故障、轴系松动、泵体渗漏。
6.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，所述模型定义，具体为实体为陶瓷渣浆泵；
属性，包括流量、温度、压力；
关系，包括流量与温度的关系、流量与压力的关系。
7.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，所述专家系统设置于雾计算节点内，陶瓷渣浆泵的所述运行数据传送到所述雾计算节点内，通过数据处理模块处理后，发送给专家系统。
8.根据权利要求1所述的基于专家系统的陶瓷渣浆泵故障诊断方法，其特征在于，所述推理机由获取的条件或已知信息根据模型定义并结合所定义的推理规则进行故障诊断并输出故障结果，具体为：
输入特征信息；
对知识库进行搜索，若知识库内有与特征信息匹配的判断，则输出相应的故障类型及结果，若知识库内没有与特征信息匹配的判断，则在人机交互界面输出无解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310889308.5A CN116733758A (zh) | 2023-07-19 | 2023-07-19 | 一种基于专家系统的陶瓷渣浆泵故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310889308.5A CN116733758A (zh) | 2023-07-19 | 2023-07-19 | 一种基于专家系统的陶瓷渣浆泵故障诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116733758A true CN116733758A (zh) | 2023-09-12 |
Family
ID=87913556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310889308.5A Pending CN116733758A (zh) | 2023-07-19 | 2023-07-19 | 一种基于专家系统的陶瓷渣浆泵故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116733758A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307500A (zh) * | 2023-11-28 | 2023-12-29 | 河北技投机械设备有限公司 | 渣浆泵远程数字化监控方法、终端、监控系统及介质 |
-
2023
- 2023-07-19 CN CN202310889308.5A patent/CN116733758A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307500A (zh) * | 2023-11-28 | 2023-12-29 | 河北技投机械设备有限公司 | 渣浆泵远程数字化监控方法、终端、监控系统及介质 |
| CN117307500B (zh) * | 2023-11-28 | 2024-03-05 | 河北技投机械设备有限公司 | 渣浆泵远程数字化监控方法、终端、监控系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111401584B (zh) | 一种设备故障自动诊断方法及系统 | |
| CN104976139B (zh) | 一种基于高斯模型的机械设备状态诊断方法 | |
| CN116733758A (zh) | 一种基于专家系统的陶瓷渣浆泵故障诊断方法 | |
| CN103939325B (zh) | 一种在低速运转下的消防水泵的故障诊断方法 | |
| CN112052871B (zh) | 一种基于支持向量机的火箭发动机健康诊断方法及系统 | |
| CN110530507B (zh) | 用于旋转设备监测的边缘计算方法、介质及系统 | |
| Barbieri et al. | Analysis of automotive gearbox faults using vibration signal | |
| CN104865075B (zh) | 船舶柴油机振动信号的分析系统及其方法 | |
| CN112686110A (zh) | 一种离心泵故障诊断方法、装置、设备及存储介质 | |
| Wu et al. | A carrier wave extraction method for cavitation characterization based on time synchronous average and time-frequency analysis | |
| CN111337237A (zh) | 一种设备故障的诊断方法及系统 | |
| CN104006961A (zh) | 基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法 | |
| CN110457979A (zh) | 基于张量Tucker分解模糊控制的柴油机故障诊断方法 | |
| CN113390631A (zh) | 一种柴油机齿轮箱故障诊断方法 | |
| CN116186578A (zh) | 风电机组故障辨识方法、装置及终端设备 | |
| CN114235405A (zh) | 振动信号的特征提取方法、设备分析方法及装置 | |
| CN112711850A (zh) | 一种基于大数据的机组在线监测方法 | |
| CN103758742A (zh) | 一种基于双类特征融合诊断的柱塞泵故障诊断系统 | |
| CN112819083B (zh) | 液压泵故障预测方法、装置、电子设备及存储介质 | |
| CN108377209A (zh) | 基于scada的设备故障检测系统和检测方法 | |
| CN104343711B (zh) | 一种用于风机非平稳状态故障预警的装置及方法 | |
| CN117744387A (zh) | 基于数字孪生的医院临床保障和机电设备智能诊断方法 | |
| CN117520887A (zh) | 水轮机故障风险部件的确定方法、装置、设备及存储介质 | |
| CN111307461A (zh) | 一种基于特征向量基线法的滚动轴承故障检测方法 | |
| CN116861165A (zh) | 基于变分模态分解的复杂网络建模的转子故障诊断方法 |
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 |