CN117473295A - 往复式设备的故障确定方法、装置及电子设备 - Google Patents
往复式设备的故障确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117473295A CN117473295A CN202311427285.2A CN202311427285A CN117473295A CN 117473295 A CN117473295 A CN 117473295A CN 202311427285 A CN202311427285 A CN 202311427285A CN 117473295 A CN117473295 A CN 117473295A
- Authority
- CN
- China
- Prior art keywords
- signal data
- reciprocating
- operation state
- characteristic value
- component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 96
- 238000001914 filtration Methods 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000013179 statistical model Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012856 packing Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241001584775 Tunga penetrans Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011527 multiparameter analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Selective Calling Equipment (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种往复式设备的故障确定方法、装置及电子设备。其中,该方法包括:获取目标信号数据,其中,目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到;依据目标信号数据的数据类型,确定目标处理方式;依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值;依据运行状态特征值,确定往复式设备预定位置处部件是否故障的故障结果。本发明解决了相关技术中难以采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的技术问题。
Description
技术领域
本发明涉及故障处理领域,具体而言,涉及一种往复式设备的故障确定方法、装置及电子设备。
背景技术
往复式设备用于油气田的固井、酸化及压裂等各种作业工况。往复式设备作为油气田生产中的核心设备,其安全、可靠、稳定直接影响油田作业效率。往复式设备发生故障会带来较大的经济与安全损失,因此需要确定往复式设备预定位置处部件是否故障的故障结果,预判故障部位及类型,预测故障机组的剩余寿命,在预测往复式设备预定位置处可能出现故障时,需要及时进行处理,避免往复式设备出现故障。但在相关技术中,存在难以采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种往复式设备的故障确定方法、装置及电子设备,以至少解决相关技术中难以采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的技术问题。
根据本发明实施例的一个方面,提供了一种往复式设备的故障确定方法,包括:获取目标信号数据,其中,所述目标信号数据由位于所述往复式设备预定位置处部件上的传感器采集得到;依据所述目标信号数据的数据类型,确定目标处理方式;依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值;依据所述运行状态特征值,确定所述往复式设备预定位置处部件是否故障的故障结果。
可选地,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值之后,还包括:降维处理所述运行状态特征值,得到反映所述往复式设备预定位置处部件的剩余使用时长的使用时长特征值;依据所述使用时长特征值,确定所述往复式设备预定位置处部件的剩余使用时长。
可选地,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值,包括:在所述目标信号数据包括键相数据,振动时域信号数据,所述目标信号数据的数据类型包括键相数据类型,振动时域信号数据类型,所述目标处理方式为预定数据类型转换处理方式的情况下,转换所述振动时域信号数据,得到数据类型为振动角域信号数据类型的振动角域信号数据;依据所述键相数据与所述振动角域信号数据,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值。
可选地,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值,包括:在所述目标处理方式为模型处理方式的情况下,将所述目标信号数据输入至状态检测模型中,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值,其中,所述状态检测模型由样本数据训练初始模型后得到,所述样本数据包括:样本信号数据,样本运行状态特征值。
可选地,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值,包括:在所述目标处理方式为基线空间处理方式的情况下,确定所述目标信号数据与预定基线空间的差值分布;依据所述差值分布,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值。
可选地,所述依据所述目标信号数据,得到反映机组运行状态的运行状态特征值,包括:在所述目标信号数据包括振动频率信号数据,所述目标处理方式为滤波处理方式的情况下,依据预定方式滤波所述振动频率信号数据,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值,其中,所述预定方式包括带通滤波方式,加窗函数滤波方式。
可选地,所述位于所述往复式设备预定位置处部件上的传感器包括以下至少之一:位于往复式设备的转动部件上的第一振动传感器,位于所述往复式设备的曲轴箱轴承座上的第二振动传感器,位于所述往复式设备的十字头载荷区的温振一体传感器,位于所述往复式设备的动力端曲轴和/或与所述动力端曲轴链接的旋转部件上的键相传感器,位于所述往复式设备的压盖上的压力传感器。
根据本发明实施例的一个方面,提供了一种往复式设备的故障确定装置,包括:获取模块,用于获取目标信号数据,其中,所述目标信号数据由位于所述往复式设备预定位置处部件上的传感器采集得到;第一确定模块,用于依据所述目标信号数据的数据类型,确定目标处理方式;第二确定模块,用于依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值;第三确定模块,用于依据所述运行状态特征值,确定所述往复式设备预定位置处部件是否故障的故障结果。
根据本发明实施例的一个方面,提供了一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现上述任一项所述的往复式设备的故障确定方法。
根据本发明实施例的一个方面,提供了一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述任一项所述的往复式设备的故障确定方法。
在本发明实施例中,通过获取目标信号数据,其中,目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到,再依据目标信号数据的数据类型,确定目标处理方式,然后依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,最后依据运行状态特征值,确定往复式设备预定位置处部件是否故障的故障结果。由于目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到,因此获取的目标信号数据可以准确地反映往复式设备预定位置处部件处的情况。依据目标信号数据的数据类型,可以确定出针对性的目标处理方式。依据针对性的目标处理方式处理目标信号数据,可以快速地得到反映往复式设备预定位置处部件的运行状态的准确的运行状态特征值。依据运行状态特征值,可以准确地确定往复式设备预定位置处部件是否故障的故障结果,从而实现了采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的技术效果,进而解决了相关技术中难以采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的往复式设备的故障确定方法的流程图;
图2是本发明可选实施方式提供的状态监测与故障诊断功能图;
图3是本发明可选实施方式提供的数据处理流程的示意图;
图4是本发明可选实施方式提供的传感器的安装位置的示意图;
图5是本发明可选实施方式提供的曲轴处安装的键相传感器的示意图;
图6是本发明可选实施方式提供的齿盘的示意图;
图7是根据本发明实施例的往复式设备的故障确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释:
往复泵:由减速箱、动力端、液力端组成。动力机通过联轴器驱动减速箱,减速箱与动力端曲轴直连,驱动曲轴旋转,曲轴通过连杆、十字头带动活塞或柱塞在液力端缸中做往复运动,在吸入阀和排出阀的交替作用下﹐实现高压泵送与循环做功的目的。
实施例1
根据本发明实施例,提供了一种往复式设备的故障确定方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的往复式设备的故障确定方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标信号数据,其中,目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到;
在本发明上述步骤S102提供的技术方案中,由于目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到,因此获取的目标信号数据可以准确地反映往复式设备预定位置处部件处的情况。其中,往复式设备可以为往复泵。
步骤S104,依据目标信号数据的数据类型,确定目标处理方式;
在本发明上述步骤S104提供的技术方案中,依据目标信号数据的数据类型,可以确定出针对性的目标处理方式。
步骤S106,依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值;
在本发明上述步骤S106提供的技术方案中,依据针对性的目标处理方式处理目标信号数据,可以快速地得到反映往复式设备预定位置处部件的运行状态的准确的运行状态特征值。
步骤S108,依据运行状态特征值,确定往复式设备预定位置处部件是否故障的故障结果。
在本发明上述步骤S108提供的技术方案中,依据运行状态特征值,可以准确地确定往复式设备预定位置处部件是否故障的故障结果。
通过上述步骤S102至上述步骤S108,通过获取目标信号数据,其中,目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到,再依据目标信号数据的数据类型,确定目标处理方式,然后依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,最后依据运行状态特征值,确定往复式设备预定位置处部件是否故障的故障结果。由于目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到,因此获取的目标信号数据可以准确地反映往复式设备预定位置处部件处的情况。依据目标信号数据的数据类型,可以确定出针对性的目标处理方式。依据针对性的目标处理方式处理目标信号数据,可以快速地得到反映往复式设备预定位置处部件的运行状态的准确的运行状态特征值。依据运行状态特征值,可以准确地确定往复式设备预定位置处部件是否故障的故障结果,从而实现了采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的技术效果,进而解决了相关技术中难以采用针对性的方式,确定往复式设备预定位置处部件是否故障的故障结果的技术问题。
作为一种可选的实施例,依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值之后,还包括:降维处理运行状态特征值,得到反映往复式设备预定位置处部件的剩余使用时长的使用时长特征值;依据使用时长特征值,确定往复式设备预定位置处部件的剩余使用时长。
在该实施例中,降维处理运行状态特征值,可以快速得到反映往复式设备预定位置处部件的剩余使用时长的使用时长特征值。依据使用时长特征值,可以准确地确定往复式设备预定位置处部件的剩余使用时长。通过剩余使用时长,可以避免往复式设备发生故障。
作为一种可选的实施例,依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,包括:在目标信号数据包括键相数据,振动时域信号数据,目标信号数据的数据类型包括键相数据类型,振动时域信号数据类型,目标处理方式为预定数据类型转换处理方式的情况下,转换振动时域信号数据,得到数据类型为振动角域信号数据类型的振动角域信号数据;依据键相数据与振动角域信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值。
在该实施例中,在目标信号数据包括键相数据,振动时域信号数据,目标信号数据的数据类型包括键相数据类型,振动时域信号数据类型,目标处理方式为预定数据类型转换处理方式的情况下,转换振动时域信号数据,可以得到数据类型为振动角域信号数据类型的准确的振动角域信号数据。依据键相数据与准确的振动角域信号数据,得到的反映往复式设备预定位置处部件的运行状态的运行状态特征值是准确的。
作为一种可选的实施例,依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,包括:在目标处理方式为模型处理方式的情况下,将目标信号数据输入至状态检测模型中,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,其中,状态检测模型由样本数据训练初始模型后得到,样本数据包括:样本信号数据,样本运行状态特征值。
在该实施例中,由于样本数据包括:样本信号数据,样本运行状态特征值,因此由样本数据训练初始模型后得到的状态检测模型,可以准确地依据样本信号数据得到样本运行状态特征值,因此在目标处理方式为模型处理方式的情况下,将目标信号数据输入至状态检测模型中,可以快速地、准确地得到反映往复式设备预定位置处部件的运行状态的合理的运行状态特征值。
作为一种可选的实施例,依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,包括:在目标处理方式为基线空间处理方式的情况下,确定目标信号数据与预定基线空间的差值分布;依据差值分布,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值。
在该实施例中,在目标处理方式为基线空间处理方式的情况下,可以确定出目标信号数据与预定基线空间的差值分布。依据差值分布,得到的运行状态特征值可以准确地反映往复式设备预定位置处部件的运行状态。
作为一种可选的实施例,依据目标信号数据,得到反映机组运行状态的运行状态特征值,包括:在目标信号数据包括振动频率信号数据,目标处理方式为滤波处理方式的情况下,依据预定方式滤波振动频率信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值,其中,预定方式包括带通滤波方式,加窗函数滤波方式。
在该实施例中,在目标信号数据包括振动频率信号数据,目标处理方式为滤波处理方式的情况下,可以依据预定方式滤波振动频率信号数据,快速地得到反映往复式设备预定位置处部件的运行状态的准确的运行状态特征值。
作为一种可选的实施例,位于往复式设备预定位置处部件上的传感器包括以下至少之一:位于往复式设备的转动部件上的第一振动传感器,位于往复式设备的曲轴箱轴承座上的第二振动传感器,位于往复式设备的十字头载荷区的温振一体传感器,位于往复式设备的动力端曲轴和/或与动力端曲轴链接的旋转部件上的键相传感器,位于往复式设备的压盖上的压力传感器。
在该实施例中,位于往复式设备预定位置处部件上的传感器可以包括以下至少之一:位于往复式设备的转动部件上的第一振动传感器,位于往复式设备的曲轴箱轴承座上的第二振动传感器,位于往复式设备的十字头载荷区的温振一体传感器,位于往复式设备的动力端曲轴和/或与动力端曲轴链接的旋转部件上的键相传感器,位于往复式设备的压盖上的压力传感器。在这些位置处设置与性能对应的传感器,可以准确地得到对应的数据。
基于上述实施例及可选实施例,提供了一种可选实施方式,下面具体说明。
在相关技术中,难以采用针对性的方式,确定往复泵预定位置处部件是否故障的故障结果。
鉴于此,本发明可选实施方式中提供了一种往复泵的故障确定方法,其能够采用针对性的方式,确定往复泵预定位置处部件是否故障的故障结果。
为了实现本申请中的往复泵的故障确定方法,本申请中的往复泵状态监测与故障诊断系统包括:传感器单元、边缘计算单元、服务器监测与诊断单元,图2是本发明可选实施方式提供的状态监测与故障诊断功能图,图3是本发明可选实施方式提供的数据处理流程的示意图,如图2、图3所示,下面对其进行介绍。
1.传感器单元
机械设备在运行中总是会产生振动、温度、噪声等,当运行部件中存在故障隐患时,常常会使振动、温度、噪声等物理参数发生某种变化。安装对应的传感器,可以实时监测、分析物理参数的变化。根据往复泵传动链的情况,传感器单元分为:旋转部件传感器模块和往复部件传感器模块。旋转部件传感器模块包括振动传感器;往复部件传感器模块包括键相传感器及齿盘、振动传动传感器、温度传感器、压力传感器。
(1)旋转部件传感器模块中的振动传感器通过螺纹或磁吸等方式安装在减速箱(也可以是其它转动部件)各轴承座的径向及轴向部位上,如图4所示,图4是本发明可选实施方式提供的传感器的安装位置的示意图。
(2)往复部件传感器模块中的键相齿盘安装在动力端曲轴或与曲轴连接的旋转部件上,随曲轴旋转运动;键相传感器通过支架安装在动力端曲轴或与曲轴连接的支撑部件上,不随曲轴旋转运动,如图5所示。图5是本发明可选实施方式提供的曲轴处安装的键相传感器的示意图,键相齿盘N个齿,其中(N-1)个均匀分布,其齿间角度为360°/N;剩余1个齿形状不同,凹陷或凸出,如图6所示,图6是本发明可选实施方式提供的齿盘的示意图,这个齿用来定义零点位置,简称零点齿。通过这种办法可以获得曲轴转速也可以获得曲轴转过的角度(其角度与活塞的行程相关联),并用获得的角度值作为横坐标来标定其它信号(振动、温度、压力等)的变化情况。
盘车使1缸处于上止点位置,零点齿与键相传感器精确对齐。由于各缸之间的角度差是固定的,所以各缸在采集传感器信号时,便有了一个零点角度基准。
(3)往复部件传感器模块中振动传感器通过螺纹或磁吸等方式安装在曲轴箱轴承座的径向及轴向部位上、十字头载荷区、盘根腔垂直方向。
(4)往复部件传感器模块中温度传感器通过螺纹或磁吸等方式安装在十字头载荷区,监测十字头部件温度,也可采用温振一体传感器。
(5)往复部件传感器模块中压力传感器通过螺纹等方式安装吸入压盖上,监测阀箱腔内实时动态压力。
2.边缘计算单元
边缘计算单元采集传感器单元的数据,然后进行计算、报警、存储、传输等功能,实现对机组运行状态的实时监测。包括:采集模块、计算模块、报警模块、存储模块、通信模块、自检模块等。
(1)采集模块:设置采集模式、采样频率、采样点数、传感器类型、传感器灵敏度等,实现对多种传感器的模拟信号采集,将模拟信号转换为数字信号,并计算信号的时域特征指标(有效值、最大值、最小值、均值、平均幅值、峰峰值、峭度值、歪度值、方根幅值、峰值因子、脉冲因子、波形因子、裕度因子等)。采集通道的模数转换精度不低于24位;支持多通道同步采集、支持间隔采集、及转速或特征指标触发采集;每个采集通道的采样频率不低于16384Hz。
例如:针对传感器单元,设置采样频率25600Hz,采样点数102400,传感器灵敏度100mv/g,60秒间隔同步采集,当曲轴转速大于10转或振动特征值大于1mm/s时触发采集。
(2)计算模块:对信号进行一系列变换、计算,得到特征值。主要有五种:
按照曲轴转角0~360°分段提取十字头、盘根振动传感器信号的时域特征指标;
例如:根据键相信号零点位置,提取1缸盘根1V测点的1个工作循环的整周期振动信号;通过插值算法,将等间隔的振动时域信号转换为等间隔的振动角域信号;按照每10°或其它角度分段计算角域有效值。
基于传动链传动比和轴承型号,按照曲轴转速,计算对应的电机转频、减速箱平行级转频、减速箱行星级转频、曲轴转频、减速箱啮合频率、轴承故障特征频率;对减速箱、曲轴箱振动传感器信号进行快速傅里叶变换得到频域信号,对频域信号按照上诉频率进行加窗函数滤波,对滤波后的信号,计算得到对应的频率特征值;
按照不同频率段,进行滤波,计算不同频率段的特征值;
例如:原始信号分析频率12800Hz,按照0~2Hz,2~1000Hz,1000~12800Hz,进行带通滤波后,计算对应频段特征值。0~2Hz,主要反应传感器是否产生滑雪坡,是否正常工作;2~1000Hz,主要反应机组的低频故障,如不平衡、不对中等;1000~12800Hz,主要反应机组的高频故障,如轴承、齿轮磨损等。
基于实验室或作业现场收集的正常机组信号,构建概率统计模型(如:深度卷积自编码器模型等)。对模型输入信号,得到模型输出。将模型输出与信号之间的差值作为特征值,以反映机组的运行状态。
基于实验室或作业现场收集的正常机组信号,构建时域或频域的概率分布空间,简称基线空间。对基线空间输入信号,得到输入信号与基线空间的差值分布,对差值分布进行计算,得到特征值,以反映机组的运行状态。
例如:收集减速箱输入1H测点正常的振动信号,构建频域基线空间。输入待测频域信号,当某频率幅值小于基线空间对应的幅值时置零,大于时,显示差值。
(3)报警模块:对采集和计算模块产生的特征值,进行阈值报警和趋势报警等,报警等级为:正常、预警、报警、高报。
阈值报警:根据ISO标准或厂家标准,或机组正常工作的特征值分布(分位数或标准差),设置不同的等级报警阈值。当特征值超出设置的阈值时,发生不同等级的报警。
例如:根据ISO10816-6振动标准,设置减速箱输入1H测点振动信号预警阈值:11.2mm/s,报警阈值:17.8mm/s,高报阈值28.2mm/s。当信号低于11.2mm/s时,振动正常。
趋势报警:分为快变趋势报警和缓变趋势报警。
快变趋势报警:判断时间周期30分钟内或其它时间周期内,特征值趋势是否上升,且上升斜率值是否超出设定阈值;
缓变趋势报警:判断时间周期3个月内或其它时间周期内,特征值趋势是否上升,且上升斜率值是否超出设定阈值;
(4)存储模块:存储采集、计算、报警模块的数据,满足至少6个月或其它周期数据容量。数据稀释策略:报警数据永久保存;正常数据按照年、月、日、小时等时间周期重要性稀释数据,保证每个时间周期内都有数据,时间越久远,稀释的数据越多。
(5)通信模块:采用标准通信协议或自定义协议,包括硬件层协议、网络层传输协议、应用层协议等。完成不同信息系统(可编程逻辑控制器PLC、设备管理云平台等)之间,以及本系统内不同单元、模块的数据传输和交换。
(6)自检模块:具备断电自恢复;传感器、电缆、采集单元自诊断;具备固件在线升级。
例如:加速度传感器偏置电压12伏特左右,当偏置电压等于0V或24V时,说明传感器或连接线缆发生故障。
(7)其它功能模块:具备与卫星时钟服务器对时功能,保证各设备时间同步。
3.服务器监测与诊断单元
服务器监测与诊断单元对边缘计算单元传输的数据,进行特征转化、故障诊断等功能,实现对机组故障判断,与故障机组剩余寿命的预测。包括:可视化分析模块、报警模块、故障诊断、寿命预测模块、通信模块、存储模块。
(1)可视化分析模块:对原始信号进行信号处理与特征变换,得到专业的图谱数据,辅助工程师对机组进行故障诊断。主要包括以下功能:
机组状态图:显示实时各个往复泵及子部件的运行状态,状态:正常、预警、报警、高报;
振动监测图:显示各振动测点的实时与历史特征值趋势、波形、频谱。
包络解调图:把故障冲击产生的高频共振响应波放大,通过包络检波方法变为具有故障特征信息的低频波形,然后采用频谱分析法找出故障的特征频率。
算法步骤:首先是利用带通滤波器的滤波特性,使目标频率成分被滤出;其次利用希尔伯特变换Hilbert变换从信号中提取调制信号,分析调制信号的变化;最后通过傅里叶变换从振动信号中分离出低频信号成分。
阶比图:结合键相数据,把等时间采样的时域波形转换成等角度采样的时域波形,然后进行傅里叶变换及其它变换;
角域监测图:显示各往复测点的整周期信号,包括角域波形图、角域包络图、角域柱状图。
算法步骤:首先截取整周期键相数据和振动数据或其它参量数据;其次对键相数据进行内插,得到每1°或其它等间隔角度对应的时间,即集合{angle,t};然后对振动数据进行内插,内插点为angle,得到angle对应的幅值,即集合{angle,amp},也就是角域波形;对角域波形进行希尔伯特变换hilbert变换得到角域包络图;对角域波形进行分段切割计算,得到角域柱状图。
多趋势图:显示转速、振动、压力、温度等状态参量的实时和历史特征值趋势;
多参数分析图:对横坐标相同的整周期振动波形、腔内压力波形、十字头温度等进行同步分析;
基线空间图:显示与基线空间的对比与差值结果。
(2)报警模块:配置报警参数,显示报警信息以及诊断结论或寿命预测等信息,对报警信息进行消除或其它处理。可以通过声光报警、短信报警、邮件报警等多种报警方式;
(3)故障诊断模块:对报警信息进行处理,得到故障类型判断及定位。通常采用基于数据驱动模型的方法、基于机理规则模型的方法等。
数据驱动模型的方法:基于正常、故障案例数据,构建概率统计模型,并运用模型进行故障预测。
算法步骤:首先对正常、故障样本进行缺失值、离群点、归一化、独热one-hot等数据预处理;其次采用概率统计模型,如支持向量机、随机森林、深度学习等算法,构建故障类型与样本的关系;然后运用概率统计模型进行故障预测。
机理规则模型的方法:基于故障发生的机理,提取对应的特征指标及征兆量,并运用逻辑或数学运算等建立故障诊断规则。
算法步骤:首先对原始变量进行处理,提取反映机组运行状态的特征指标;其次提取特征指标在一段时间内的变化模式,得到故障征兆;多个故障征兆通过加权平均或者If-then规则集等,输出故障类型的结果。例如:联轴器不对中故障。表1是权重值的示意表。
表1
(4)寿命预测模块:基于故障诊断提供的故障类型判断及定位等数据,对设备的剩余寿命进行评估。
算法步骤:首先从故障机理和统计的角度提取反映设备运行状态的特征指标集,对指标集进行降维等操作,获得较少的特征指标;其次建立特征指标随着故障程度变化的趋势曲线;然后采用概率统计模型,如回归、比例风险回归模型COX、神经网络等算法,构建设备运行状态与剩余寿命的关系;最后,输入特征指标,寿命预测模型输出剩余寿命。
(5)通信模块:采用标准通信协议或自定义协议,包括硬件层协议、网络层传输协议、应用层协议等。完成不同信息系统(可编程逻辑控制器PLC、设备管理云平台等)之间,以及本系统内不同单元、模块的数据传输和交换。
(6)存储模块:存储边缘计算单元、监测与诊断单元产生的数据;存储报警模块的阈值参数;存储故障诊断、寿命预测模块的模型参数,以及其它数据。
通过上述可选实施方式,可以达到至少以下几点有益效果:
(1)采用针对性的方式,确定往复泵预定位置处部件是否故障的故障结果;
(2)准确地掌握往复泵的运行状态,通过运行状态,准确地预判故障部位及类型,预测故障机组的剩余寿命;
(3)对往复泵各个部件的实时运行状态的监测和报警;
(4)依据往复泵各个部件的报警状态,进行故障分类;
(5)将确定出的故障数据转化为模型,采用可视化界面输出模型处理的结果,简洁、清晰地展示往复泵各个部件的故障。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
实施例2
根据本发明实施例,还提供了一种用于实施上述往复式设备的故障确定方法的装置,图7是根据本发明实施例的往复式设备的故障确定装置的结构框图,如图7所示,该装置包括:获取模块702,第一确定模块704,第二确定模块706和第三确定模块708,下面对该装置进行详细说明。
获取模块702,用于获取目标信号数据,其中,目标信号数据由位于往复式设备预定位置处部件上的传感器采集得到;第一确定模块704,连接于上述获取模块702,用于依据目标信号数据的数据类型,确定目标处理方式;第二确定模块706,连接于上述第一确定模块704,用于依据目标处理方式处理目标信号数据,得到反映往复式设备预定位置处部件的运行状态的运行状态特征值;第三确定模块708,连接于上述第二确定模块706,用于依据运行状态特征值,确定往复式设备预定位置处部件是否故障的故障结果。
此处需要说明的是,上述获取模块702,第一确定模块704,第二确定模块706和第三确定模块708对应于实施往复式设备的故障确定方法中的步骤S102至步骤S108,多个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。
实施例3
根据本发明实施例的另外一个方面,还提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器,其中,处理器被配置为执行指令,以实现上述任一项的往复式设备的故障确定方法。
实施例4
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,当计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述任一项的往复式设备的故障确定方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种往复式设备的故障确定方法,其特征在于,包括:
获取目标信号数据,其中,所述目标信号数据由位于所述往复式设备预定位置处部件上的传感器采集得到;
依据所述目标信号数据的数据类型,确定目标处理方式;
依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值;
依据所述运行状态特征值,确定所述往复式设备预定位置处部件是否故障的故障结果。
2.根据权利要求1所述的方法,其特征在于,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值之后,还包括:
降维处理所述运行状态特征值,得到反映所述往复式设备预定位置处部件的剩余使用时长的使用时长特征值;
依据所述使用时长特征值,确定所述往复式设备预定位置处部件的剩余使用时长。
3.根据权利要求1所述的方法,其特征在于,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值,包括:
在所述目标信号数据包括键相数据,振动时域信号数据,所述目标信号数据的数据类型包括键相数据类型,振动时域信号数据类型,所述目标处理方式为预定数据类型转换处理方式的情况下,转换所述振动时域信号数据,得到数据类型为振动角域信号数据类型的振动角域信号数据;
依据所述键相数据与所述振动角域信号数据,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值。
4.根据权利要求1所述的方法,其特征在于,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值,包括:
在所述目标处理方式为模型处理方式的情况下,将所述目标信号数据输入至状态检测模型中,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值,其中,所述状态检测模型由样本数据训练初始模型后得到,所述样本数据包括:样本信号数据,样本运行状态特征值。
5.根据权利要求1所述的方法,其特征在于,所述依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值,包括:
在所述目标处理方式为基线空间处理方式的情况下,确定所述目标信号数据与预定基线空间的差值分布;
依据所述差值分布,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值。
6.根据权利要求1所述的方法,其特征在于,所述依据所述目标信号数据,得到反映机组运行状态的运行状态特征值,包括:
在所述目标信号数据包括振动频率信号数据,所述目标处理方式为滤波处理方式的情况下,依据预定方式滤波所述振动频率信号数据,得到反映所述往复式设备预定位置处部件的运行状态的所述运行状态特征值,其中,所述预定方式包括带通滤波方式,加窗函数滤波方式。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述位于所述往复式设备预定位置处部件上的传感器包括以下至少之一:位于往复式设备的转动部件上的第一振动传感器,位于所述往复式设备的曲轴箱轴承座上的第二振动传感器,位于所述往复式设备的十字头载荷区的温振一体传感器,位于所述往复式设备的动力端曲轴和/或与所述动力端曲轴链接的旋转部件上的键相传感器,位于所述往复式设备的压盖上的压力传感器。
8.一种往复式设备的故障确定装置,其特征在于,包括:
获取模块,用于获取目标信号数据,其中,所述目标信号数据由位于所述往复式设备预定位置处部件上的传感器采集得到;
第一确定模块,用于依据所述目标信号数据的数据类型,确定目标处理方式;
第二确定模块,用于依据所述目标处理方式处理所述目标信号数据,得到反映所述往复式设备预定位置处部件的运行状态的运行状态特征值;
第三确定模块,用于依据所述运行状态特征值,确定所述往复式设备预定位置处部件是否故障的故障结果。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的往复式设备的故障确定方法。
10.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至7中任一项所述的往复式设备的故障确定方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023087678 | 2023-04-11 | ||
CNPCT/CN2023/087678 | 2023-04-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117473295A true CN117473295A (zh) | 2024-01-30 |
Family
ID=89088205
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311428891.6A Pending CN117435288A (zh) | 2023-04-11 | 2023-10-30 | 端口的控制方法、装置、系统及电子设备 |
CN202311427285.2A Pending CN117473295A (zh) | 2023-04-11 | 2023-10-30 | 往复式设备的故障确定方法、装置及电子设备 |
CN202311428885.0A Pending CN117231488A (zh) | 2023-04-11 | 2023-10-30 | 往复泵的故障确定方法、装置及电子设备 |
CN202311427289.0A Pending CN117591966A (zh) | 2023-04-11 | 2023-10-30 | 故障预测方法、装置、电子设备及计算机可读存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311428891.6A Pending CN117435288A (zh) | 2023-04-11 | 2023-10-30 | 端口的控制方法、装置、系统及电子设备 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311428885.0A Pending CN117231488A (zh) | 2023-04-11 | 2023-10-30 | 往复泵的故障确定方法、装置及电子设备 |
CN202311427289.0A Pending CN117591966A (zh) | 2023-04-11 | 2023-10-30 | 故障预测方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (4) | CN117435288A (zh) |
-
2023
- 2023-10-30 CN CN202311428891.6A patent/CN117435288A/zh active Pending
- 2023-10-30 CN CN202311427285.2A patent/CN117473295A/zh active Pending
- 2023-10-30 CN CN202311428885.0A patent/CN117231488A/zh active Pending
- 2023-10-30 CN CN202311427289.0A patent/CN117591966A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117231488A (zh) | 2023-12-15 |
CN117591966A (zh) | 2024-02-23 |
CN117435288A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Assaad et al. | Vibration based condition monitoring of a multistage epicyclic gearbox in lifting cranes | |
CN105181019B (zh) | 旋转类机械早期故障预警分析方法 | |
US9797808B2 (en) | Diagnosis of gear condition by comparing data from coupled gears | |
Gousseau et al. | Analysis of the Rolling Element Bearing data set of the Center for Intelligent Maintenance Systems of the University of Cincinnati | |
US7505852B2 (en) | Probabilistic stress wave analysis system and method | |
US7289919B2 (en) | Cyclic time averaging for machine monitoring | |
US20150160101A1 (en) | Method and System for Testing Operational Integrity of a Drilling Rig | |
CA2874991A1 (en) | Methods and apparatuses for defect diagnosis in a mechanical system | |
CA2908825C (en) | Reciprocating machinery monitoring system and method | |
CN106197996A (zh) | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 | |
CN109469896B (zh) | 一种基于时间序列分析工业锅炉故障的诊断方法及系统 | |
EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
Camerini et al. | Fault detection in operating helicopter drivetrain components based on support vector data description | |
CN105865794B (zh) | 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法 | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
CN103792000A (zh) | 一种基于稀疏表示的信号中瞬态成分检测方法及装置 | |
EP2345894B1 (en) | Trending of vibration data taking into account torque effect | |
JP2002090267A (ja) | 異常診断方法 | |
KR20230127337A (ko) | 기계 장치 또는 기계 부품의 이상을 식별하기 위한방법 및 장치 | |
KR100749667B1 (ko) | 크랭크축 속도 변화를 이용한 엔진 상태진단 시스템 및 그방법 | |
CN117473295A (zh) | 往复式设备的故障确定方法、装置及电子设备 | |
KR102171505B1 (ko) | 회전체 치 기반의 회전체 결함 분석 장치 및 방법 | |
CN114483561B (zh) | 一种通过角度域显示参数信号的方法及装置 | |
CN117705430A (zh) | 动设备故障监测方法、装置、电子设备及存储介质 | |
JP4511886B2 (ja) | スクリュー圧縮機の異常診断装置および異常診断システム |
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 |