EP4461964A1 - Verfahren zum erkennen eines betriebszustands einer kreiselpumpe und kreiselpumpe - Google Patents

Verfahren zum erkennen eines betriebszustands einer kreiselpumpe und kreiselpumpe Download PDF

Info

Publication number
EP4461964A1
EP4461964A1 EP24165437.5A EP24165437A EP4461964A1 EP 4461964 A1 EP4461964 A1 EP 4461964A1 EP 24165437 A EP24165437 A EP 24165437A EP 4461964 A1 EP4461964 A1 EP 4461964A1
Authority
EP
European Patent Office
Prior art keywords
centrifugal pump
acceleration
operating state
pressure
spectrogram
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
Application number
EP24165437.5A
Other languages
English (en)
French (fr)
Inventor
Klaus Räbiger
Alex Schewalje
Andreas Toews
Alfred Otto
Alvaro MERAZ
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.)
Wilo SE
Original Assignee
Wilo SE
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 Wilo SE filed Critical Wilo SE
Publication of EP4461964A1 publication Critical patent/EP4461964A1/de
Pending legal-status Critical Current

Links

Images

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

Definitions

  • the invention relates to a method for detecting an operating state of a centrifugal pump having a pump housing with a shaft arranged in the pump housing, an impeller sitting on the shaft and a motor driving the shaft, with the step of detecting a temporal acceleration, a pressure and/or a motor current signal of the centrifugal pump while the centrifugal pump is pumping liquid with a possible solid content.
  • the invention also relates to a centrifugal pump having a pump housing with a shaft arranged in the pump housing, an impeller sitting on the shaft, a motor driving the shaft and a controller, wherein the controller is set up to detect a temporal acceleration, a pressure and/or a motor current signal of the centrifugal pump while the centrifugal pump is pumping liquid with a possible solid content.
  • Centrifugal pumps are known from the state of the art and are used to pump a liquid by means of a rotating movement of an impeller.
  • the liquid to be pumped enters a pump chamber of the centrifugal pump via a suction opening, is captured by the rotating impeller and then pumped into a pressure port.
  • Solid particles contained in the liquid can settle in the area of the impeller and on the inside of a pump housing and thus have a negative impact on the hydraulic and/or mechanical efficiency of the centrifugal pump, even leading to clogging and failure of the centrifugal pump.
  • a key point of the proposed teaching is that, in particular, the machine-trained image analysis algorithm can be used to reliably and reproducibly derive the operating state of the centrifugal pump from the spectral pattern obtained in the Fourier-transformed acceleration, pressure and/or motor current signal. Due to this surprising technical effect, it is possible to determine, for example, how experimentally verified whether the centrifugal pump is clogged, whether a maintenance cycle is necessary for the centrifugal pump, how high the solids content in the liquid is, whether an abnormal operating state or a bearing fault in the centrifugal pump is present. The operating state determined in this way makes it possible, for example, to react earlier to the impending blockage, so that damage to the centrifugal pump caused by the solids content is reduced or avoided.
  • the proposed method opens up a completely new approach to detecting the operating state of the centrifugal pump, for example to signal it to a downstream control system and/or to initiate appropriate measures based on the detected operating state.
  • the frequency spectrum and/or the spectrogram can also be analyzed by or in addition to a threshold method with respect to the at least one spectral pattern for detecting the operating state.
  • a centrifugal pump is generally a fluid machine that uses a rotary motion and dynamic forces to pump liquids as a fluid.
  • the centrifugal pump is preferably designed as a wastewater pump.
  • the centrifugal pump uses centrifugal force to pump the liquid, so that such pumps are also referred to as centrifugal pumps.
  • the centrifugal pump is preferably used for a hydraulic system in a building or other applications.
  • a housing of the centrifugal pump motor can be arranged above the pump housing, in which the impeller driven by the motor via the shaft is provided for conveying the liquid, whereby the housing of the motor can be fixedly connected to the pump housing and/or designed as a single piece.
  • the centrifugal pump and the motor can each have their own shaft, wherein the shafts can be connected to one another via a coupling.
  • the shaft preferably projects from the housing of the motor into the pump housing on a drive side and/or is fixedly connected to the shaft on the drive side of the impeller. Accordingly, an inlet for the liquid to be pumped can preferably be arranged below or at the bottom of the pump housing.
  • the liquid preferably comprises water or another liquid medium such as waste water.
  • the liquid can comprise solids such as impurities or garbage of any kind, in particular faeces, sediments, dirt, sand, or even smaller pieces of wood, brushwood, textiles or rags or the like, as a possible solid content.
  • the housing of the motor and/or the pump housing is preferably made of metal, in particular cast iron or stainless steel, ceramic and/or plastic.
  • the operating state comprises in particular a normal operating state, i.e. regular operation of the centrifugal pump, or an abnormal operating state, in particular a malfunction and/or a blockage, and/or information, for example, about the amount of solid content, a required maintenance cycle or a bearing error.
  • the expression 'during the conveying of liquid' refers in particular to regular operation of the centrifugal pump, namely when the centrifugal pump conveys a fluid as a liquid, which may be mixed with the aforementioned solid content. Accordingly, by operating the motor in the first and/or second direction of rotation, the impeller can be driven forwards and/or backwards, in particular to convey the liquid, or fresh water, as described below.
  • Liquid with a possible solid content means in particular that in regular operation, on the one hand, only liquid is conveyed, but the liquid may be mixed with the generally undesirable solid content, for example partially or even largely.
  • a temporal acceleration, pressure and/or motor current signal is understood to be a signal characterising the centrifugal pump during operation, for example the electrical current consumed by the centrifugal pump and/or the electrical power consumed by the motor during the pumping of the liquid, a speed and/or a torque of the motor.
  • Fourier transforming the acceleration, pressure and/or motor current signal also abbreviated to signal in the context of the application, a translation invariance of the signal in the time direction and frequency direction is obtained.
  • Fourier transformation, or more precisely continuous Fourier transformation is generally understood to be a method from the field of Fourier analysis with which aperiodic signals are broken down into a continuous spectrum. The function that describes this spectrum is also referred to as Fourier transform or spectral function, which is obtained via an integral transformation.
  • the frequency spectrum of a signal is a signal made up of different frequencies.
  • a spectrogram is generally understood to be a graphical representation of the temporal progression of the frequency spectrum of the signal.
  • Machine learning is preferably carried out using a neural network, in particular an artificial neural network.
  • the image analysis algorithm can be carried out on a computer or using a processor and/or a controller as described below.
  • the term machine learning should preferably also be understood to include, for example, the recognition of equidistantly distributed peaks in the frequency spectrum.
  • the spectral pattern for detecting the operating state is characterized by exceeding an acceleration, pressure and/or motor current threshold value, in particular an integer and/or half order of the signal.
  • Order or order analysis is generally understood to mean an analysis of the signal in which an energy content of the signal is plotted against the order.
  • the threshold value can in principle be defined arbitrarily, for example in an abnormal operating state it is 10, 20 or 30% more than in a regular operating state, in particular as a deviation or relation to an average of all other regions in the frequency spectrum and/or spectrogram. If the Fourier-transformed signal, in particular of the integer and/or half order of the signal, exceeds the threshold value, it can be concluded that the operating state deviates from the regular operating state. and the deviation can be signaled and/or remedied by removing a blockage.
  • the spectral pattern for detecting the operating state is characterized by exceeding a predefined time period, in particular a moving average of the acceleration, pressure and/or motor current threshold value.
  • the spectral pattern can be characterized as horizontal "rungs" of a "ladder", i.e. when in particular the integer and/or half order of the signal exceeds the threshold value over the predefined time period.
  • the threshold value can be, for example, 1, 2, 5, 10, 20, 30 or 60 seconds.
  • This so-called spectral ladder in particular consisting of a plurality of rungs, shown in the spectrogram in particular as horizontal lines, corresponding to orders and half orders, and usually two bars, shown in the spectrogram in particular as vertical lines, for example corresponding to the temporal start and end of a blockage, is visually apparent in particular as a clear color difference to a local environment.
  • the color difference is particularly due to changing amplitude values according to a third axis of the spectrogram, in particular orthogonal to the image plane, which can be represented by a color chart. Depending on the choice of color chart and color representatives of the minimum and maximum amplitude values, a corresponding color difference can result.
  • the method comprises the step: Analyzing the frequency spectrum and/or spectrogram in a range between 3rd and 9th order, in particular between 3rd and 5th, 6th, 7th or 8th order of the signal.
  • the machine learning is carried out by means of a neural network, in particular a convolutional neural network, CNN.
  • a convolutional neural network is generally understood to be an artificial neural network, whereby classic convolutional neural networks can consist of one or more convolutional layers, in particular each followed by a pooling layer and one or more fully connected layers.
  • An input is often available as a one-, two-, or three-dimensional matrix, for example as pixels of a grayscale or color image.
  • the method comprises the step: Analyzing the frequency spectrum and/or spectrogram using the machine learning trained image analysis algorithm for multiple and/or different spectral patterns to detect the operating state.
  • multiple CNN color channels in particular multiple parallel CNN input channels, for additional images
  • different physical meanings can be derived from the frequency spectrum and/or the spectrogram of different time signals, for example, multiple spectral patterns can be created to identify the operating state. In this way, the operating state can be recorded in much greater detail.
  • unblocking routines known from the prior art can be used, which generally involve a time-limited and/or repeated, in particular at intervals and/or alternately operating the motor in the first and/or second direction of rotation, in particular in the forward and/or reverse direction.
  • the blockage can be cleared in a much more effective manner than in the prior art, since the clearing of the blockage, in particular an unblocking routine initiated for this purpose, is selected depending on the previously determined classification of the blockage.
  • the spectral pattern can be used to identify what type of blockage is present, as has been shown experimentally. For example, a 'clearer' or 'more distinct' pattern indicates that in one case larger or stronger contaminants have become trapped in the impeller than in a 'less distinct' pattern.
  • the spectral pattern can also be used to localize a blockage or the location of a blockage.
  • a corresponding unblocking routine can be selected, which in one case is tailored to larger or harder contaminants and in the other case to smaller and softer contaminants, or is tailored to the location of the blockage.
  • Such unblocking routines can be characterized by lower/higher speeds, lower/higher accelerations and/or fewer/more intervals.
  • the method comprises the step: Detecting the signal by means of an acceleration and/or a vibration sensor, in particular by means of a 3-axis acceleration and/or a vibration sensor, by means of a pressure sensor and/or by means of a current sensor.
  • Such sensors can basically be designed as known from the prior art, for example as a uniaxial and/or triaxial acceleration sensor.
  • the acceleration and/or vibration sensor is preferably provided in contact with and/or immediately adjacent to the pump housing, the shaft, the impeller, the motor and/or a motor housing of the motor.
  • the pressure sensor can be provided on the suction side and/or the pressure side.
  • the current sensor is preferably arranged in the current path of the motor, in particular on a connection cable of the motor.
  • the method comprises the step: Obtaining the frequency spectrum using fast Fourier transform and/or the spectrogram using short-time Fourier transform.
  • a fast Fourier transform is generally understood to be an algorithm for efficiently calculating the discrete Fourier transform (DFT), which can be used to break down the time-discrete signal into its frequency components and thus analyze it.
  • DFT discrete Fourier transform
  • STFT short-time Fourier transform
  • STFT can be used to represent the temporal change in the frequency spectrum of the signal. While the Fourier transform does not provide any information about the temporal change in the spectrum, STFT is also suitable for signals whose frequency properties change over time.
  • the method comprises the step: Training the image analysis algorithm by means of a plurality of individual images with at least partially different operating states to obtain a respective vector with probabilities of a regular operating state and an abnormal operating state, in particular a non-clogging and a clogging.
  • Such training is advantageously carried out using a plurality of individual images, in particular using several hundred individual images, for example 800, 1000 or 1500 individual images, whereby the training can be followed by a test phase with a few more, in particular hundreds of individual images, or the test phase can take place during the training.
  • the individual images preferably contain corresponding spectral patterns of the regular operating state and the abnormal operating state, for example when the centrifugal pump is not clogged and is clogged.
  • the patterns used for training may not always be perceptible to the human eye.
  • the method comprises the step: Training the image analysis algorithm when pumping clear water as a liquid and as a liquid with a defined solid content.
  • the solids content is preferably defined in such a way that a blockage is present as an abnormal operating state.
  • the solid content can be defined by one or more lobes, in particular of a predetermined size, shape, etc. and/or per unit of time.
  • the gradient and/or curvature of the temporal course of the signal can be used to estimate how the signal will change in the immediate future, for example in the next milliseconds.
  • the proposed further development provides a type of trend analysis for the signal, so that a trend towards a change in the operating state of the centrifugal pump can be recognized within a few milliseconds in order to subsequently be able to recognize the operating state in detail using the Fourier transformation.
  • the trend recognized in this way can, for example, be used to react earlier to impending blockages, so that damage to the wastewater pump caused by contamination is reduced or avoided.
  • the slope is in particular a first time derivative of the time profile of the signal, in particular of the electrical operating values characterizing the rotating motor, for example the electrical current consumed by the motor during conveying and/or the electrical power, speed or torque consumed by the motor during conveying, in particular the rate of change of the time profile of the electrical operating values characterizing the rotating motor.
  • the first derivative is generally described as d f /d t .
  • Curvature is understood to mean, in particular, a time derivative of the slope of the time profile of the signal or the double derivative of the time profile of the signal, in particular of the electrical operating values characterizing the rotating motor with respect to time.
  • Electrical operating values characterizing the rotating motor are, for example, the electrical current consumed by the motor while the liquid is being pumped and/or the electrical power consumed by the motor while the liquid is being pumped or the torque of the motor.
  • a temporal progression is understood to mean in particular a temporally ordered sequence of the signal, in particular of signal values, in particular operating values characterizing the motor, such as power, torque, speed or current, in particular a time series.
  • the temporal progression can be averaged, in particular quadratically averaged, and/or smoothed.
  • the temporal progression can comprise a continuous and/or discrete sequence of the signal.
  • the slope and/or the curvature of the temporal progression comprises an approximated derivation of discrete time signals by difference quotients of a first and/or second order of the operating values.
  • the method comprises the step: Acquire the signal with a sampling frequency of ⁇ 10 kHz and ⁇ 60 kHz.
  • the sampling frequency is preferably 20, 30, 40 or 50 kHz. Smaller lower frequency limits such as 1, 2, 5 or 8 kHz are also conceivable.
  • the control preferably has a microprocessor or the like, by means of which the signal can be detected, the signal can be Fourier-transformed and/or the frequency spectrum and/or the spectrogram can be analyzed.
  • the control can be an integral component of the centrifugal pump, be provided on the centrifugal pump, for example on a housing of the centrifugal pump, be arranged remotely from the centrifugal pump and/or be part of a "cloud" that is particularly remote from the centrifugal pump.
  • a sensor can be provided that is connected directly or indirectly to the motor, shaft, impeller and/or centrifugal pump, in particular to a housing, a motor housing and/or a pump housing of the centrifugal pump, and/or monitors the motor, shaft, impeller and/or centrifugal pump, for example an acceleration, pressure and/or current sensor.
  • Fig. 1 shows a schematic view of a centrifugal pump 1 for carrying out a method described below for determining an operating state and in particular for releasing a blockage of the centrifugal pump 1 according to a preferred embodiment of the invention.
  • the centrifugal pump 1 has a pump housing 2 in the conventional manner with a suction opening 3 arranged at the bottom of the pump housing 2 as an inlet.
  • a shaft 4 is provided in the pump housing 2, which extends vertically in the drawing.
  • the shaft 4 is driven by a motor 5, only partially shown, which is arranged opposite the suction opening 3.
  • An impeller 6 is provided facing the suction opening 3, which is driven by the motor 5 via the shaft 4.
  • the centrifugal pump 1 also has a microprocessor-based control 7, in which Fig. 1 only hinted at.
  • the centrifugal pump 1 has a sensor 8 for detecting a temporal acceleration, a pressure and/or a motor current signal of the centrifugal pump 1.
  • the sensor 8 is designed accordingly as an acceleration and/or vibration sensor, in particular as a 3-axis acceleration and/or vibration sensor, as a pressure sensor and/or as a current sensor.
  • the sensor 8 is provided in particular in a contacting, immediately adjacent and/or rigid manner, for example on a metal plate, on the motor 5, assigned to the shaft 4, on the pump housing 2, on a motor housing of the motor 5 and/or assigned to the impeller 6.
  • the sensor 8 is provided on the pressure side and/or suction side, in particular on the suction opening 3.
  • the sensor 8 measures a motor current absorbed by the motor 5.
  • the proposed method for detecting an operating state of the centrifugal pump 1 detects the temporal acceleration, pressure and/or motor current signal of the centrifugal pump 1 in a first step 100 while the centrifugal pump 1 is pumping liquid with a possible solid content.
  • the signal is compared with a Sampling frequency of ⁇ 10 kHz and ⁇ 60 kHz, in particular 30 kHz, recorded discontinuously over time.
  • the sampling frequency can also be smaller or larger than specified.
  • the acceleration, pressure and/or motor current signal recorded over time in this way is analyzed in a second step 200 by means of Fourier transformation in order to obtain a frequency spectrum and/or a spectrogram, shown in Fig. 3a , wherein frequencies of the frequency spectrum and/or the spectrogram are normalized by means of a rotational speed of the centrifugal pump 1.
  • the frequency spectrum is obtained by means of fast Fourier transformation and/or the spectrogram by means of short-time Fourier transformation.
  • the frequency spectrum and/or the spectrogram is analyzed using an image analysis algorithm trained by machine learning with regard to a spectral pattern for recognizing the operating state.
  • the spectrogram is considered in a range between the 3rd and 9th order of the signal.
  • a Fig. 3b represented spectral "ladder" with integer and half orders of the signal, marked by arrows, as horizontal "ladder rungs".
  • This spectral "ladder” as a spectral pattern represents, on the one hand, a relative exceedance of an acceleration, pressure and/or motor current threshold value of the integer and/or half order of the signal, which in Fig. 3a and Fig. 3b is shown as a color difference or is recognizable as the visibility of the Fourier-transformed signal with respect to the frequency axis.
  • a "ladder rung" is formed as a horizontal line of this signal due to the exceeding of a predefined time period and/or the acceleration, pressure and/or motor current threshold value or the visibility of the Fourier-transformed signal with respect to the time axis is recognizable.
  • the spectral pattern created in this way characterizes the operating state of the centrifugal pump 1 in this case as a blockage.
  • the preliminary work can be to convert a spectrogram displayed in any color into a black and white spectrogram, or this is actually already available as such.
  • a black and white scale is defined according to the following scheme: pure black, i.e. relative color value equal to 0, corresponding to the lowest absolute value in the spectrogram, and pure white, i.e. relative color value equal to 1, corresponding to the highest absolute value in the spectrogram.
  • a temporal analysis window is defined, which can be moved in time, for example 1 or 2 or 3 seconds, i.e. the analysis window is smaller than the time span of an individual image.
  • each min-line and max-line Individual areas or strips with a width equal to the analysis window and half-heights of, for example, +/- 0.02 orders above and below the respective line are defined around each min-line and max-line, i.e. each area has a height H of 0.04 orders in total and is centered around the respective line.
  • An average relative color value is calculated for each area, referred to below as the area value.
  • the area values for all max-lines and the two immediately adjacent min-lines are compared with each other and a query is made as to whether the area value of the max-line significantly exceeds the area values of the two adjacent min-lines.
  • a value of, for example, 0.1 is provided as the threshold value for the difference in the area values, in the measure of a relative color value.
  • a type of zigzag pattern is searched for, which serves as a criterion for a ladder structure. The above can be applied analogously to a frequency spectrum.
  • the image analysis algorithm is first trained mechanically using a large number of individual images. Shown in Fig. 5 At the top is the motor current consumed by motor 5, in the middle is the spectrogram and at the bottom is the probability of blockage as a result. For example, in the period between about 550 and 650 seconds a blockage was simulated by training using corresponding individual images, so that the spectral "ladder" was formed in the middle spectrogram and the probability of blockage as a result is 100% at the bottom.
  • the machine learning is carried out by a convolutional neural network, CNN, i.e. by means of an artificial neural network.
  • An output of the CNN is a vector with two or more entries corresponding to the probabilities for the regular operating state and the abnormal operating state, in particular non-clogging and clogging or normal bearing state and bearing damage, with a total of 1.
  • the spectral pattern can be derived from standardized sections of the spectrograms calculated in this way, in particular by adjusting and standardizing the image resolution to NxN pixels, for example 60x60 or 120x120 pixels, and calculating numerous images, or as sections of spectrograms with and without features of a blockage or the abnormal operating state for training, any intermediate tests and the subsequent final validation.
  • the image analysis algorithm of the CNN can be trained when pumping clear water as a liquid, liquid with a defined maximum solid content that still allows the centrifugal pump to operate normally, and when centrifugal pump 1 is blocked.
  • the spectral pattern can be analyzed to determine whether a clogged operating state of the centrifugal pump 1 is present.
  • the frequency spectrum and/or the spectrogram can be examined using the image analysis algorithm trained by machine learning with regard to several and/or different spectral patterns in order to recognize a specific type of operating state.
  • different physical meanings can be determined, for example the type of blockage can be detected.
  • the amount of solid matter, a required maintenance cycle or a bearing error can be recognized.
  • the spectral pattern can be analyzed in a subsequent step 500 with regard to a classification of the clogging of the centrifugal pump.
  • the clogged operating state can be resolved by operating the motor 5 depending on the classification of the clogged operating state.
  • Such a resolution is achieved, for example, by operating the motor 5 in at least one second direction of rotation opposite to a first direction of rotation for conveying the liquid.
  • the method described above can be initiated in particular when, during the conveyance of liquid with the possible solid content, a slope and/or a curvature of a temporal course of the signal of the centrifugal pump 1, i.e. the first and/or the second temporal derivative of the signal, exceeds a clogging threshold value, so that in this case the Fourier transformation of the signal takes place.
  • the motor 5 can be repeatedly operated in the forward and/or reverse direction, i.e. in a second direction of rotation opposite to the first direction of rotation and/or the first direction of rotation, while conveying clear water, and can be accelerated in the forward and/or reverse direction.
  • this operation of the motor 5 by means of a speed-time function specified by the controller 7, several discrete electrical clear water operating values characterizing the rotating motor are recorded by the sensor 8 as a function of time.
  • the controller 7 is then used to determine the gradient and/or curvature of the time course of the clear water operating values obtained in this way, i.e. the first and second time derivatives of the clear water operating values obtained in this way. Since the motor 5 was operated at different speeds, accelerations and directions of rotation, characteristic resistance curves for the operation of the centrifugal pump 1 with clear water can be determined and stored in a memory of the controller 7. These resistance curves represent the basic operating behavior of the centrifugal pump 1 with clear water that is uncontaminated.
  • the centrifugal pump 1 When pumping liquid with a solid content using the centrifugal pump 1, i.e. water with various types of impurities, the centrifugal pump 1 regularly requires more electrical energy than when pumping clear water. Accordingly, a gradient and/or curvature of the temporal progression of the electrical wastewater operating values characterizing the rotating motor recorded during the pumping of liquid with a solid content is higher than the corresponding gradient and/or curvature of the temporal progression of the clear water operating values in the current operation.
  • the wastewater operating values can in turn be recorded using the sensor 8.
  • the centrifugal pump 1 becomes clogged, for example if a contamination reduces the speed of the impeller 6 or the impeller 6 even jams and stops, the wastewater operating values change, namely the gradient and/or the curvature of the temporal progression of the wastewater operating values. If the gradient and/or the curvature of the temporal progression of the wastewater operating values exceeds a predetermined clogging threshold, the control 7 detects that the centrifugal pump 1 is clogged.
  • the blockage threshold is expediently formed from a maximum of the gradient and/or curvature of the time course of the clear water operating values increased by a factor, for example, it is 1.3 times the maximum gradient and/or curvature of the time course of the clear water operating values. If the centrifugal pump 1 consumes 1000 W when pumping clear water, for example, the regular power when pumping liquid with a solid content is 1050 W. However, as soon as the waste water pump 1 consumes 1300 W, the control 7 stops the blockage or a change in the operating state and begins the Fourier transformation of the signal.
  • FIG. 6 an excerpt from a performance/time diagram and in Fig. 7 A power/angular frequency diagram is shown when executing the proposed method.
  • Fig. 6 is illustrated how the gradient is obtained from the power-time function and/or from the power-angular frequency function as a wastewater operating value.
  • the control system 7 can detect the clogging of the centrifugal pump 1 when a clogging threshold is exceeded.
  • Fig. 7 illustrates various power/angular frequency curves.
  • the flatter, solid power/speed curve represents the acceleration behavior of centrifugal pump 1 without clogging when pumping clear water, with the respective lower and upper clogging thresholds shown in dashed lines.
  • the steeper, solid power/speed curve represents the operating behavior of centrifugal pump 1 during clogging.
  • sewage pump 1 pump housing 2 suction opening 3 Wave 4 Motor 5 wheel 6 steering 7 sensor 8 Recording a temporal acceleration, a pressure and/or a motor current signal of the centrifugal pump 100 Fourier transforming the signal to obtain a frequency spectrum and/or a spectrogram 200 Analyzing the frequency spectrum and/or the spectrogram using an image analysis algorithm trained by machine learning with respect to at least one spectral pattern for detecting the operating state 300 Analyzing the at least one spectral pattern with respect to a blockage as an operating state of the centrifugal pump 400 upon detection of the blockage, analyzing the spectral pattern for classification of the blockage of the centrifugal pump 500 Removing the blockage by operating the motor depending on the classification of the blockage 600

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)

Abstract

Gegenstand der Erfindung ist ein Verfahren zum Erkennen eines Betriebszustands einer Kreiselpumpe (1) aufweisend ein Pumpengehäuse (2) mit einer in dem Pumpengehäuse (2) angeordneten Welle (4), einem auf der Welle (4) sitzenden Laufrad (6) sowie einen die Welle (4) antreibenden Motor (5), mit den Schritten:
während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe (1), Erfassen eines zeitlichen Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signals der Kreiselpumpe (1),
Fourier-Transformieren des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals zum Erhalten eines Frequenzspektrums und/oder eines Spektrogramms, und
Analysieren des Frequenzspektrums und/oder des Spektrogramms hinsichtlich eines spektralen Musters zum Erkennen des Betriebszustands.

Description

    Technisches Gebiet
  • Die Erfindung betrifft ein Verfahren zum Erkennen eines Betriebszustands einer Kreiselpumpe aufweisend ein Pumpengehäuse mit einer in dem Pumpengehäuse angeordneten Welle, einem auf der Welle sitzenden Laufrad sowie einen die Welle antreibenden Motor, mit dem Schritt, während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe, Erfassen eines zeitlichen Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signals der Kreiselpumpe. Die Erfindung betrifft zudem eine Kreiselpumpe aufweisend ein Pumpengehäuse mit einer in dem Pumpengehäuse angeordneten Welle, einem auf der Welle sitzenden Laufrad, einen die Welle antreibenden Motor sowie einer Steuerung, wobei die Steuerung eingerichtet ist, während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe, ein zeitliches Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signal der Kreiselpumpe zu erfassen.
    • Hintergrund der Erfindung
  • Kreiselpumpen sind aus dem Stand der Technik bekannt und dienen zum Fördern einer Flüssigkeit mittels einer Drehbewegung eines Laufrades. Die zu fördernde Flüssigkeit tritt über eine Saugöffnung in einen Pumpenraum der Kreiselpumpe ein, wird von dem rotierenden Laufrad erfasst und in der Folge in einem Druckstutzen befördert.
  • In der Flüssigkeit enthaltene Feststoffanteile können sich im Bereich des Laufrades sowie an einer Innenseite eines Pumpengehäuses absetzen und derart einen hydraulischen und/oder mechanischen Wirkungsgrad der Kreiselpumpe negativ bis hin zu einem Verstopfen und Ausfall der Kreiselpumpe beeinflussen.
  • Obwohl aus dem Stand der Technik mehrere Verfahren zum Erkennen eines Betriebszustands und insbesondere zum Lösen von Verstopfungen von Kreiselpumpen bekannt sind, zeigt die derzeitige Praxis, dass die bekannten Verfahren nicht ideal sind, um eine Kreiselpumpe vor Beschädigung aufgrund einer solchen möglicherweise nicht rechtzeitig erkannten Verstopfung in sicherer und verlässlicher Weise zu schützen, und insbesondere einen entsprechenden Betriebszustand der Kreiselpumpe verlässlich zu erfassen.
    • Beschreibung der Erfindung
  • Ausgehend von dieser Situation ist es eine Aufgabe der vorliegenden Erfindung, ein Verfahren zum Erkennen eines Betriebszustands einer Kreiselpumpe sowie eine entsprechende Kreiselpumpe anzugeben, welche gegenüber den aus dem Stand der Technik bekannten Lösungen verlässlicher und schneller den Betriebszustand, und insbesondere eine Verstopfung erkennen und entsprechend schneller beispielsweise Maßnahmen zum Lösen der Verstopfung einleiten können.
  • Die Aufgabe der Erfindung wird durch die Merkmale der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen angegeben.
  • Demnach wird die Aufgabe gelöst durch ein Verfahren zum Erkennen eines Betriebszustands einer Kreiselpumpe aufweisend ein Pumpengehäuse mit einer in dem Pumpengehäuse angeordneten Welle, einem auf der Welle sitzenden Laufrad sowie einen die Welle antreibenden Motor, mit den Schritten:
    • während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe, Erfassen eines zeitlichen Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signals der Kreiselpumpe,
    • Fourier-Transformieren des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals zum Erhalten eines Frequenzspektrums und/oder eines Spektrogramms, wobei insbesondere Frequenzen des Frequenzspektrums und/oder des Spektrogramms insbesondere mittels einer Drehzahl der Kreiselpumpe normiert sind, und
    • Analysieren des Frequenzspektrums und/oder des Spektrogramms insbesondere mittels eines durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich wenigstens eines spektralen Musters zum Erkennen des Betriebszustands.
  • Ein wesentlicher Punkt der vorgeschlagenen Lehre liegt darin, dass insbesondere mittels des maschinell trainierten Bildanalysealgorithmus aus dem im Fourier-transformierten Beschleunigungs-, Druck- und/oder Motorstrom-Signal erhaltenen spektralen Muster der Betriebszustand der Kreiselpumpe in verlässlicher und reproduzierbarer Weise ableitbar ist. Aufgrund dieses überraschenden technischen Effektes lässt sich beispielsweise erkennen, wie experimentell verifiziert, ob die Kreiselpumpe verstopft ist, ob ein Wartungszyklus für die Kreiselpumpe notwendig ist, wie hoch der Feststoffanteil in der Flüssigkeit ist, ob ein abnormaler Betriebszustand oder ein Lagerfehler der Kreiselpumpe vorliegt. Durch den derart bestimmten Betriebszustand kann insofern beispielsweise früher auf die sich anbahnende Verstopfung reagiert werden, so dass Beschädigungen der Kreiselpumpe durch den Feststoffanteil reduziert oder vermieden werden. Das vorgeschlagene Verfahren eröffnet gegenüber den aus dem Stand der Technik bekannten Methoden einen völlig neuartigen Ansatz, um den Betriebszustand der Kreiselpumpe zu erkennen, beispielsweise an eine nachgelagerte Steuerung zu signalisieren und/oder aufgrund des erkannten Betriebszustands entsprechende Maßnahmen einzuleiten. Das Analysieren des Frequenzspektrums und/oder des Spektrogramms kann anstelle des durch maschinelles Lernen trainierten Bildanalysealgorithmus ebenso oder zusätzlich durch ein Schwellwertverfahren hinsichtlich des wenigstens einen spektralen Musters zum Erkennen des Betriebszustands erfolgen.
  • Als Kreiselpumpe wird im Allgemeinen eine Strömungsmaschine bezeichnet, die eine Drehbewegung und dynamische Kräfte zur Förderung überwiegend von Flüssigkeiten als Fluid nutzt. Bevorzugt ist die Kreiselpumpe als Abwasserpumpe ausgestaltet. Bei der Kreiselpumpe wird neben einer tangentialen Beschleunigung der Flüssigkeit in radialer Strömung auftretende Fliehkraft zur Förderung genutzt, so dass solche Pumpen ebenso als Zentrifugalpumpen bezeichnet werden. Bevorzugt lässt sich die Kreiselpumpe für eine hydraulische Anlage eines Gebäudes oder sonstige Anwendungen verwenden.
  • Im regulären Betrieb der Kreiselpumpe kann ein Gehäuse des Motors der Kreiselpumpe oberhalb des Pumpengehäuses angeordnet sein, in welchem das von dem Motor über die Welle angetriebenes Laufrad zum Fördern der Flüssigkeit vorgesehen ist, wobei das Gehäuse des Motors mit dem Pumpengehäuse ortsfest verbunden und/oder einteilig gestaltet sein kann. Ebenso kann die Kreiselpumpe und der Motor jeweils eine eigene Welle aufweisen, wobei die Wellen über eine Kupplung miteinander verbindbar sind. Bevorzugt ragt die Welle an einer Antriebsseite aus dem Gehäuse des Motors in das Pumpengehäuse hinein und/oder ist an der Antriebsseite des Laufrads ortsfest mit der Welle verbunden. Entsprechend kann ein Einlass für die zu fördernde Flüssigkeit bevorzugt unterhalb oder unten an dem Pumpengehäuse angeordnet.
  • Die Flüssigkeit umfasst bevorzugt Wasser oder ein sonstiges flüssiges Medium wie beispielsweise Abwasser. Die Flüssigkeit kann als möglichem Feststoffanteil Feststoffe wie beispielsweise Verunreinigungen oder Müll jeglicher Art, insbesondere Fäkalien, Sedimente, Dreck, Sand, oder auch kleinere Holz-, Gestrüpp-, Textilien- oder Lappenteile oder dergleichen umfassen. Bevorzugt ist das Gehäuse des Motors und/oder das Pumpengehäuse aus Metall, insbesondere aus Gusseisen oder Edelstahl, Keramik, und/oder Kunststoff gestaltet. Der Betriebszustand umfasst insbesondere einen normalen Betriebszustand, also einen regulären Betrieb der Kreiselpumpe, oder einen abnormalen Betriebszustand, insbesondere eine Störung und/oder eine Verstopfung, und/oder Informationen beispielsweise über die Menge des Feststoffanteils, einen erforderlichen Wartungszyklus oder einen Lagerfehler.
  • Der Ausdruck während des Förderns von Flüssigkeit' meint insbesondere einen regulären Betrieb der Kreiselpumpe, nämlich wenn die Kreiselpumpe ein Fluid als Flüssigkeit fördert, welches mit vorgenannten Feststoffanteil versetzt sein kann. Entsprechend kann durch das Betreiben des Motors in der ersten und/oder der zweiten Drehrichtung das Laufrad vorwärts und/oder rückwärts insbesondere zum Fördern der Flüssigkeit, oder von Frischwasser wie nachfolgend beschrieben, angetrieben werden. Flüssigkeit mit möglichem Feststoffanteil meint insofern insbesondere, dass im regulären Betrieb einerseits nur Flüssigkeit gefördert wird, die Flüssigkeit jedoch mit dem in der Regel ungewünschten Feststoffanteil versetzt sein kann, beispielsweise zum Teil oder auch Großteils.
  • Als zeitliches Beschleunigungs-, Druck- und/oder Motorstrom-Signal wird insbesondere ein die Kreiselpumpe im Betrieb charakterisierendes Signal verstanden, beispielsweise der von der Kreiselpumpe aufgenommene elektrische Strom und/oder die vom Motor während des Förderns der Flüssigkeit aufgenommene elektrische Leistung, eine Drehzahl und/oder ein Drehmoment des Motors. Durch Fourier-Transformieren des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals, im Rahmen der Anmeldung ebenso abgekürzt als Signal bezeichnet, wird insbesondere eine Translations-Invarianz des Signals in Zeit-Richtung und Frequenz-Richtung erhalten. Als Fourier-Transformation, genauer insbesondere kontinuierliche Fourier-Transformation, wird in der Regel eine Methode aus dem Bereich der Fourier-Analyse, mit der aperiodische Signale in ein kontinuierliches Spektrum zerlegt werden, verstanden. Die Funktion, die dieses Spektrum beschreibt, wird auch als Fourier-Transformierte oder Spektralfunktion bezeichnet, die über eine Integraltransformation erhalten wird.
  • Als Frequenzspektrum eines Signals, meist einfach Spektrum genannt, lässt sich eine Zusammensetzung des Signals aus verschiedenen Frequenzen erkennen. Als Spektrogramm wird in der Regel eine bildliche Darstellung des zeitlichen Verlaufs des Frequenzspektrums des Signals verstanden. Das maschinelle Lernen erfolgt bevorzugt mittels eines neuronalen Netzes, insbesondere eines künstlichen neuronalen Netzes. Der Bildanalysealgorithmus kann auf einem Computer bzw. mittels eines Prozessors und/oder durch eine Steuerung wie weiter unten beschrieben durchgeführt werden. Der Begriff maschinelles Lernen soll bevorzugt auch derart verstanden werden, dass beispielsweise ein Erkennen von äquidistant verteilten Peaks im Frequenzspektrum mit umfasst ist.
  • Gemäß einer bevorzugten Weiterbildung ist das spektrale Muster zum Erkennen der Betriebszustands durch Überschreiten eines Beschleunigungs-, Druck- und/oder Motorstrom-Schwellwertes insbesondere einer ganzzahligen und/oder halben Ordnung des Signals gekennzeichnet. Als Ordnung bzw. Ordnungsanalyse wird in der Regel eine Analyse des Signals verstanden, bei welcher ein Energiegehalt des Signals über der Ordnung aufgetragen wird. Der Schwellwert kann grundsätzlich beliebig definiert sein, beträgt beispielsweise bei einem abnormalen Betriebszustand 10, 20 oder 30% mehr als bei einem regulären Betriebszustand, insbesondere als Abweichung bzw. Relation zu einem Mittelwert aller anderen Regionen im Frequenzspektrum und/oder Spektrogramm. Sofern also insbesondere das Fourier-transformierte Signal insbesondere der ganzzahligen und/oder halben Ordnung des Signals den Schwellwert überschreitet, kann auf eine Abweichung des Betriebszustands von dem regulären Betriebszustand geschlossen werden, und die Abweichung beispielsweise signalisiert und/oder durch Lösen einer Verstopfung behoben werden.
  • Nach einer weiteren bevorzugten Ausgestaltung ist das spektrale Muster zum Erkennen der Betriebszustands durch Überschreiten einer vordefinierten zeitlichen Dauer insbesondere eines gleitenden Mittelwertes des Beschleunigungs-, Druck- und/oder Motorstrom-Schwellwertes gekennzeichnet. In einer bildlichen Gestaltung kann das spektrale Muster derart als waagerechte "Sprossen" einer "Leiter" gekennzeichnet sein, also wenn insbesondere die ganzzahlige und/oder halbe Ordnung des Signals über die vordefinierte zeitliche Dauer den Schwellwert überschreiten. Der Schwellwert kann beispielsweise 1, 2, 5, 10, 20, 30 oder 60 Sekunden betragen. Diese sogenannte spektrale Leiter, insbesondere bestehend aus einer Mehrzahl Sprossen, im Spektrogramm insbesondere als horizontale Linien, entsprechend von Ordnungen und Halbordnungen dargestellt, sowie meist zwei Holmen, im Spektrogramm insbesondere als vertikale Linien, beispielsweise entsprechend einem zeitlichen Beginn und Ende einer Verstopfung dargestellt, treten visuell insbesondere als deutlicher Farbunterschied zu einer lokalen Umgebung zu Tage. Der Farbunterschied ergibt sich insbesondere durch sich ändernde Amplitudenwerte entsprechend einer dritten Achse des Spektrogramms, insbesondere orthogonal zur Bildebene, die durch eine Farbkarte wiedergegeben werden kann. Je nach Wahl der Farbkarte sowie von Farbrepräsentanten der minimalen und maximalen Amplitudenwerte kann sich ein entsprechender Farbunterschied ergeben.
  • Gemäß einer anderen bevorzugten Weiterbildung umfasst das Verfahren den Schritt:
    Analysieren Frequenzspektrums und/oder des Spektrogramms in einem Beriech zwischen 3. und 9. Ordnung, insbesondere zwischen 3. und 5., 6., 7. oder 8. Ordnung des Signals.
  • Nach einer weiteren bevorzugten Ausgestaltung erfolgt das maschinelle Lernen mittels eines neuronalen Netzes, insbesondere eines Convolutional Neural Network, CNN. Als Convolutional Neural Network wird in der Regel ein künstliches neuronales Netz verstanden, wobei klassische Convolutional Neural Networks aus einem oder mehreren Convolutional Layer, insbesondere jeweils gefolgt von einem Pooling Layer und einem oder mehreren Fully Connection Layer bestehen können. Bei dem Convolutional Layer liegt eine Eingabe, Input, oftmals als ein-, zwei- oder dreidimensionale Matrix, beispielsweise als Pixel eines Graustufen- oder Farbbildes, vor.
  • Gemäß einer anderen bevorzugten Weiterbildung umfasst das Verfahren den Schritt:
    Analysieren des Frequenzspektrums und/oder des Spektrogramms mittels des durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich mehrerer und/oder verschiedener spektraler Muster zum Erkennen des Betriebszustands.
  • Insbesondere durch derartige Nutzung mehrerer CNN-Farbkanäle, insbesondere mehrerer paralleler CNN-Input-Kanäle, für weitere Bilder können aus dem Frequenzspektrums und/oder des Spektrogramms unterschiedlicher Zeit-Signale unterschiedliche physikalische Bedeutungen abgeleitet werden, beispielsweise mehrere spektrale Muster zum Erkennen des Betriebszustands erstellt werden. Derart lässt sich der Betriebszustand wesentlich detaillierter erfassen.
  • Nach einer weiteren bevorzugten Ausgestaltung weist das Verfahren die Schritte auf:
    • Analysieren des spektralen Musters hinsichtlich einer Verstopfung als Betriebszustands der Kreiselpumpe,
    • bei Erkennen der Verstopfung als Betriebszustand, Lösen der Verstopfung durch Betreiben des Motors in wenigstens einer einer ersten Drehrichtung zum Fördern der Flüssigkeit entgegengesetzten zweiten Drehrichtung.
  • Zum Lösen der Verstopfung können grundsätzlich aus dem Stand der Technik bekannte, sogenannte Entblockungsroutinen verwendet werden, die in der Regel ein zeitlich begrenztes und/oder wiederholendes, insbesondere in Intervallen wiederholendes und/oder abwechselndes Betreiben des Motors in der ersten und/oder der zweiten Drehrichtung, insbesondere in Vorwärts- und/oder Rückwärtsrichtung beinhalten.
  • Gemäß einer anderen bevorzugten Weiterbildung umfasst das Verfahren die Schritte:
    • bei Erkennen der Verstopfung als Betriebszustand, Analysieren des spektralen Musters hinsichtlich einer Klassifikation der Verstopfung der Kreiselpumpe, und
    • Lösen der Verstopfung durch Betreiben des Motors in Abhängigkeit von der Klassifikation der Verstopfung.
  • Gemäß dieser Ausgestaltung lässt sich die Verstopfung in wesentlich effektiverer Weise im Vergleich zum Stand der Technik lösen, da das Lösen der Verstopfung, insbesondere eine dazu eingeleitete Entblockungsroutine, in Abhängigkeit der zuvor festgestellten Klassifikation der Verstopfung ausgewählt wird. Denn anhand des spektralen Musters lässt sich erkennen, welche Art von Verstopfung vorliegt, wie sich experimentell gezeigt hat. Beispielsweise deutet ein ,klareres' bzw. ,deutlicheres' Muster darauf hin, dass in dem einen Fall größere oder stärkere Verunreinigungen in dem Laufrad hängen geblieben sind als bei einem ,undeutlicheren' Muster. Ebenso lässt sich anhand des spektralen Musters ein bzw. der Ort einer Verstopfung lokalisieren. Zum Lösen lässt sich eine entsprechende Entblockungsroutine auswählen, die in dem einen Fall auf größere oder härtere Verunreinigungen und in dem anderen Fall auf kleinere und weichere Verunreinigungen zugeschnitten ist, oder auf den Ort der Verstopfung zugeschnitten ist. Derartige Entblockungsroutinen können durch geringere/höhere Drehzahlen, geringere/höhere Beschleunigungen und/oder weniger/mehr Intervalle gekennzeichnet sein.
  • Nach einer weiteren bevorzugten Ausgestaltung weist das Verfahren den Schritt auf:
    Erfassen des Signals mittels eines Beschleunigungs- und/oder eines Vibrationssensors, insbesondere mittels eines 3-Achsen Beschleunigungs- und/oder eines Vibrationssensors, mittels eines Drucksensors und/oder mittels eines Stromsensors.
  • Derartige Sensoren können grundsätzlich, wie aus dem Stand der Technik bekannt, gestaltet sein, beispielsweise als uni-axial und/oder tri-axial messender Beschleunigungssensor. Der Beschleunigungs- und/oder Vibrationssensor ist bevorzugt berührend und/oder unmittelbar benachbart an bzw. zu dem Pumpengehäuse, der Welle, dem Laufrad, dem Motor und/oder einem Motorgehäuse des Motors vorgesehen. Der Drucksensor kann saugseitig und/oder druckseitig vorgesehen sein. Der Stromsensor ist bevorzugt im Strompfad des Motors insbesondere an einem Anschlusskabel des Motors, angeordnet.
  • Gemäß einer anderen bevorzugten Weiterbildung umfasst das Verfahren den Schritt:
    Erhalten des Frequenzspektrums mittels schneller Fourier-Transformation und/oder des Spektrogramms mittels Kurzzeit-Fourier-Transformation.
  • Als schnelle Fourier-Transformation, englisch fast Fourier transform, FFT, wird in der Regel ein Algorithmus zur effizienten Berechnung der diskreten Fourier-Transformation, DFT, verstanden, mit dem das zeitdiskrete Signal in seine Frequenzanteile zerlegt und dadurch analysiert werden kann. Die Kurzzeit-Fourier-Transformation, englisch shorttime Fourier transform, kurz STFT, lässt sich verwenden, um die zeitliche Änderung des Frequenzspektrums des Signals darzustellen. Während die Fourier-Transformation keine Informationen über die zeitliche Veränderung des Spektrums bereitstellt, ist STFT auch für solche Signale geeignet, deren Frequenzeigenschaften sich im Laufe der Zeit verändern.
  • Nach einer weiteren bevorzugten Ausgestaltung weist das Verfahren den Schritt auf:
    Trainieren des Bildanalysealgorithmus mittels einer Vielzahl Einzelbilder mit wenigstens zum Teil unterschiedlichen Betriebszuständen zum Erhalten eines jeweiligen Vektors mit Wahrscheinlichkeiten eines regulären Betriebszustands und eines abnormalen Betriebszustands, insbesondere einer Nicht-Verstopfung und Verstopfung.
  • In vorteiliger Weise erfolgt ein derartiges Trainieren mittels einer Mehrzahl Einzelbilder, insbesondere mittels einigen Hundert Einzelbildern, beispielsweise 800, 1000 oder 1500 Einzelbildern, wobei sich an das Trainieren eine Testphase mit einigen weiteren insbesondere Hundert Einzelbildern anschließen kann oder die Testphase während des Trainierens stattfindet. Die Einzelbilder beinhalten bevorzugt entsprechende spektrale Muster des regulären Betriebszustandes sowie des abnormalen Betriebszustandes, beispielsweise wenn die Kreiselpumpe nicht verstopft sowie verstopft ist. Die zum Training genutzten Muster können für das menschliche Auge nicht in jedem Fall wahrnehmbar sein.
  • Gemäß einer anderen bevorzugten Weiterbildung umfasst das Verfahren den Schritt:
    Trainieren des Bildanalysealgorithmus beim Fördern von Klarwasser als Flüssigkeit und mit einem definierten Feststoffanteil versehener Flüssigkeit.
  • Derart lässt sich erkennen, wie das spektrale Muster im regulären Betriebszustand der Kreiselpumpe aussieht, so dass davon abweichende spektrale Muster als abnormale Betriebszustände klassifizierbar sind. Dazu wird der Feststoffanteil vorzugsweise gerade derart definiert, dass eine Verstopfung als abnormaler Betriebszustand vorliegt. Ebenso kann der Feststoffanteil durch einen oder mehrere Lappen, insbesondere einer vorbestimmten Größe, Form etc. und/oder pro Zeiteinheit definiert sein.
  • Grundsätzlich existieren verschiedene Möglichkeiten, das vorgeschlagene Verfahren zu triggern, beispielsweise aufgrund eines zeitlichen Ereignisses und/oder eines Resultats eines weiteren Verfahrens. Nach einer besonders bevorzugten Ausgestaltung weist das Verfahren jedoch die Schritte auf:
    • während des Förderns von Flüssigkeit mit dem möglichem Feststoffanteil, Erfassen einer Steigung und/oder einer Krümmung eines zeitlichen Verlaufs des Signals der Kreiselpumpe, und
    • wenn die Steigung und/oder die Krümmung des zeitlichen Verlaufs des Signals einen Verstopfungsschwellwert übersteigt, Fourier-Transformieren des Signals.
  • Durch Nutzung einer derartigen Gradienteninformation und/oder Krümmung des zeitlichen Verlaufs des Signals lässt sich ein quasi geschätzter Blick in eine nahe Zukunft erhalten. Mit anderen Worten lässt sich durch die Steigung und/oder der Krümmung des zeitlichen Verlaufs des Signals schätzen, wie sich das Signal in unmittelbarer Zukunft, beispielsweise in den nächsten Millisekunden, ändert. Mit noch anderen Worten stellt die vorgeschlagene Weiterbildung eine Art Trendanalyse für das Signal bereit, so dass bereits ein Trend hin zu einer Änderung des Betriebszustands der Kreiselpumpe innerhalb von wenigen Millisekunden erkannt werden kann, um in der Folge den Betriebszustand mittels der Fourier-Transformation detailliert erkennen zu können. Durch den derart erkannten Trend kann früher beispielsweise auf die sich anbahnende Verstopfung reagiert werden, so dass Beschädigungen der Abwasserpumpe durch Verunreinigungen reduziert oder vermieden werden.
  • Als Steigung wird insbesondere eine erste zeitliche Ableitung des zeitlichen Verlaufs des Signals, insbesondere von den drehenden Motor charakterisierender elektrischer Betriebswerte, beispielsweise den vom Motor während des Förderns aufgenommenen elektrischen Strom und/oder die vom Motor während des Förderns aufgenommene elektrische Leistung, Drehzahl oder eines Drehmoments, insbesondere die Änderungsrate des zeitlichen Verlaufs der den drehenden Motor charakterisierenden elektrischen Betriebswerte. Gemeinhin wird die erste Ableitung als df/dt beschrieben.
  • Als Krümmung wird insbesondere eine zeitliche Ableitung der Steigung des zeitlichen Verlaufs des Signals oder die zweifache Ableitung des zeitlichen Verlaufs des Signals, insbesondere von den drehenden Motor charakterisierenden elektrischen Betriebswerten nach der Zeit verstanden. Den drehenden Motor charakterisierende elektrische Betriebswerte sind beispielsweise der vom Motor während des Förderns der Flüssigkeit aufgenommene elektrische Strom und/oder die vom Motor während des Förderns der Flüssigkeit aufgenommene elektrische Leistung oder das Drehmoment des Motors.
  • Als zeitlicher Verlauf wird im Rahmen der Erfindung insbesondere eine zeitlich geordnete Folge des Signals, insbesondere von Signalwerten, insbesondere den Motor charakterisierender Betriebswerte, wie beispielsweise Leistung, Drehmoment, Drehzahl oder Strom, verstanden, insbesondere eine Zeitreihe. Der zeitliche Verlauf kann gemittelt, insbesondere quadratisch gemittelt, und/oder geglättet sein. Der zeitliche Verlauf kann eine kontinuierliche und/oder diskrete Folge des Signals umfassen. Besonders bevorzugt umfasst die Steigung und/oder die Krümmung des zeitlichen Verlaufs eine approximierte Ableitung von diskreten Zeitsignalen durch Differenzenquotienten einer ersten und/oder zweiten Ordnung des Betriebswerte.
  • Gemäß einer anderen bevorzugten Weiterbildung weist das Verfahren den Schritt auf:
    Erfassen des Signals mit einer Abtastfrequenz von ≥ 10 kHz und ≤ 60 kHz.
  • Bevorzugt beträgt die Abtastfrequenz 20, 30, 40 oder 50 kHz. Daneben sind auch kleinere untere Frequenzgrenzen wie 1, 2, 5 oder 8 kHz denkbar.
  • Die Aufgabe der Erfindung wird weiterhin gelöst durch eine Kreiselpumpe aufweisend ein Pumpengehäuse mit einer in dem Pumpengehäuse angeordneten Welle, einem auf der Welle sitzenden Laufrad, einen die Welle antreibenden Motor sowie einer Steuerung, wobei
    • die Steuerung eingerichtet ist,
    • während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe, ein zeitliches Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signal der Kreiselpumpe zu erfassen,
    • das Signal zum Erhalten eines Frequenzspektrums und/oder eines Spektrogramms Fourier zu transformieren, wobei insbesondere Frequenzen des Frequenzspektrums und/oder des Spektrogramms insbesondere mittels einer Drehzahl der Kreiselpumpe normiert sind, und
    • das Frequenzspektrum und/oder das Spektrogramm insbesondere mittels eines durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich wenigstens eines spektralen Musters zum Erkennen eines Betriebszustands der Kreiselpumpe zu analysieren.
  • Die Steuerung weist bevorzugt einen Mikroprozessor oder dergleichen auf, durch welchen das Signal erfassbar, das Signal Fourier-transformierbar und/oder das Frequenzspektrum und/oder das Spektrogramm analysierbar ist. Die Steuerung kann integraler Bestandteil der Kreiselpumpe sein, an der Kreiselpumpe vorgesehen sein, beispielsweise an einem Gehäuse der Kreiselpumpe, entfernt von der Kreiselpumpe angeordnet sein und/oder Teil einer insbesondere von der Kreiselpumpe entfernten ,cloud' sein. Zum Erfassen des Signals kann ein, direkt oder indirekt, an den Motor, an die Welle, das Laufrad und/oder an die Kreiselpumpe, insbesondere an ein Gehäuse, ein Motorgehäuse und/oder ein Pumpengehäuse, der Kreiselpumpe, angeschlossener und/oder den Motor, die Welle, das Laufrad und/oder die Kreiselpumpe überwachender Sensor, beispielsweise ein Beschleunigungs-, eines Druck- und/oder Stromsensor, vorgesehen sein.
  • Weitere Ausgestaltungen und Vorteile der Kreiselpumpe ergeben sich für den Fachmann in Analogie zu dem oben beschriebenen Verfahren.
    • Kurze Beschreibung der Zeichnungen
  • Nachfolgend wird die Erfindung unter Bezugnahme auf die anliegenden Zeichnungen anhand bevorzugter Ausführungsbeispiele näher erläutert.
  • In den Zeichnungen zeigen
    • Fig. 1
    eine schematische Ansicht einer Kreiselpumpe zum Ausführen des vorgeschlagenen Verfahrens gemäß einem bevorzugten Ausführungsbeispiel der Erfindung,
    Fig. 2
    ein Ablaufdiagram zum Ausführen des vorgeschlagenen Verfahrens gemäß dem bevorzugten Ausführungsbeispiel der Erfindung,
    Fig. 3a
    zeigt ein Spektrogramm von mit einer Drehzahl der Kreiselpumpe der Fig. 1 normierten Frequenzen eines zeitlichen Signals gemäß dem bevorzugten Ausführungsbeispiel der Erfindung,
    Fig. 3b
    zeigt ein Ausschnitt des Spektrogramms der Fig. 3a gemäß dem bevorzugten Ausführungsbeispiel der Erfindung,
    Fig. 4
    zeigt das Spektrogramm von mit einer Drehzahl der Kreiselpumpe der Fig. 1 normierten Frequenzen des zeitlichen Signals gemäß dem bevorzugten Ausführungsbeispiel der Erfindung in einer weiteren Ansicht,
    Fig. 5
    zeigt oben einem von einem Motor der Kreiselpumpe der Fig. 1 aufgenommenen Motorstrom, in der Mitte das Spektrogramm von einem Beschleunigungs-Signal sowie unten eine Wahrscheinlichkeit einer Verstopfung der Kreiselpumpe gemäß dem bevorzugten Ausführungsbeispiel der Erfindung,
    Fig. 6
    einen Ausschnitt aus einem Leistungs-/Zeitdiagram beim Ausführen des vorgeschlagenen Verfahrens gemäß dem bevorzugten Ausführungsbeispiel der Erfindung, und
    Fig. 7
    ein Leistungs-/Kreisfrequenzdiagramm beim Ausführen des vorgeschlagenen Verfahrens gemäß dem bevorzugten Ausführungsbeispiel der Erfindung.
    Detaillierte Beschreibung der Ausführungsbespiele
  • Fig. 1 zeigt eine schematische Ansicht einer Kreiselpumpe 1 zum Ausführen eines nachfolgend beschriebenen Verfahrens zum Bestimmen eines Betriebszustands und insbesondere zum Lösen einer Verstopfung der Kreiselpumpe 1 gemäß einem bevorzugten Ausführungsbeispiel der Erfindung.
  • Die Kreiselpumpe 1 weist in herkömmlicher Weise ein Pumpengehäuse 2 mit einer, in der Figur an dem Pumpengehäuse 2 unten angeordneten Saugöffnung 3 als Einlass auf. In dem Pumpengehäuse 2 ist eine Welle 4 vorgesehen, die sich in der Zeichnung vertikal erstreckt. Die Welle 4 wird von einem Motor 5 angetrieben, nur ansatzweise dargestellt, der entgegensetzt zu der Saugöffnung 3 angeordnet ist. Der Saugöffnung 3 zugewandt ist ein Laufrad 6 vorgesehen, welches über die Welle 4 durch den Motor 5 angetrieben ist. Ferner weist die Kreiselpumpe 1 eine mikroprozessorbasierte Steuerung 7 auf, in Fig. 1 nur angedeutet.
  • Schließlich weist die Kreiselpumpe 1 einen Sensor 8 zum Erfassen eines zeitlichen Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signals der Kreiselpumpe 1 auf. Der Sensor 8 ist entsprechend als Beschleunigungs- und/oder Vibrationssensor, insbesondere als 3-Achsen Beschleunigungs- und/oder Vibrationssensor, als Drucksensor und/oder als Stromsensor ausgestaltet. Im Falle einer Ausgestaltung als Beschleunigungs- und/oder Vibrationssensor ist der Sensor 8 insbesondere berührend, unmittelbar benachbart und/oder starr, beispielsweise auf einer Metallplatte, an dem Motor 5, zugeordnet zu der Welle 4, an dem Pumpengehäuse 2, an einem Motorgehäuse des Motors 5 und/oder zugeordnet zu dem Laufrad 6 vorgesehen. Im Falle eines Drucksensors ist der Sensor 8 druckseitig und/oder saugseitig insbesondere an der Saugöffnung 3 vorgesehen. Im Falle eines Stromsensor misst der Sensor 8 einen von dem Motor 5 aufgenommenen Motorstrom.
  • Das vorgeschlagene Verfahren zum Erkennen eines Betriebszustand der Kreiselpumpe 1 erfasst in einem ersten Schritt 100 während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe 1 das zeitliche Beschleunigungs-, Druck- und/oder Motorstrom-Signal der Kreiselpumpe 1. Dazu wird das Signal mit einer Abtastfrequenz von ≥ 10 kHz und ≤ 60 kHz, insbesondere 30 kHz, diskontinuierlich über die Zeit erfasst. Die Abtastfrequenz kann ebenso kleiner oder größer vorbeschrieben sein.
  • Das derart über die Zeit erfasste Beschleunigungs-, Druck- und/oder Motorstrom-Signal wird in einem zweiten Schritt 200 mittels Fourier-Transformation analysiert, um ein Frequenzspektrum und/oder ein Spektrogramm, dargestellt in Fig. 3a, zu erhalten, wobei Frequenzen des Frequenzspektrums und/oder des Spektrogramms mittels einer Drehzahl der Kreiselpumpe 1 normiert sind. Konkret wird das Frequenzspektrum mittels schneller Fourier-Transformation und/oder des Spektrogramms mittels Kurzzeit-Fourier-Transformation erhalten.
  • In einem folgenden dritten Schritt 300 wird das Frequenzspektrum und/oder das Spektrogramm mittels eines durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich eines spektralen Musters zum Erkennen des Betriebszustands analysiert. Dazu wird, wie exemplarisch dargestellt in Fig. 3b, das Spektrogramm in einem Bereich zwischen 3. und 9. Ordnung des Signals betrachtet. Im Falle einer Verstopfung der Kreiselpumpe 1, beispielsweise weil der Feststoffanteil das Laufrad 6 verstopft, verklemmt oder einen zusätzlichen Reibanteil darstellt, ergibt sich eine in Fig. 3b dargestellte spektrale "Leiter" mit ganzzahligen und halben Ordnungen des Signals, markiert durch Pfeile, als waagerechte "Leitersprossen".
  • Diese spektrale "Leiter" als spektrales Muster stellt einerseits ein relatives Überschreiten eines Beschleunigungs-, Druck- und/oder Motorstrom-Schwellwertes der ganzzahligen und/oder halben Ordnung des Signals dar, was in Fig. 3a und Fig. 3b als farblicher Unterschied dargestellt ist bzw. als Sichtbarkeit des Fourier-transformierten Signals bezüglich der Frequenzachse erkennbar ist. Zudem ist eine "Leitersprosse" als waagerechte Linie dieses Signals aufgrund des Überschreitens einer vordefinierten zeitlichen Dauer und/oder des Beschleunigungs-, Druck- und/oder Motorstrom-Schwellwertes ausgebildet ist bzw. Sichtbarkeit des Fourier-transformierten Signals bezüglich der Zeitachse erkennbar ist. Das derart entstandene spektrale Muster charakterisiert den Betriebszustand der Kreiselpumpe 1 vorliegend als Verstopfung.
  • Mit anderen Worten kann zum Erkennen der Leiter im Frequenzspektrum als Vorarbeit zunächst ein Umwandeln eines beliebig farblich dargestellten Spektrogramms in ein schwarz-weißes Spektrogramm erfolgen bzw. liegt eigentlich bereits als solches vor. Dabei erfolgt eine Festlegung einer Schwarz-Weiß-Skala nach dem folgenden Schema: Pures Schwarz, d.h. relativer Farbwert gleich 0, entsprechend dem niedrigsten absoluten Wert im Spektrogramm sowie pures Weiß, d.h. relativer Farbwert gleich 1, entsprechend dem höchsten absoluten Wert im Spektrogramm. Zudem wird ein zeitliches Analysefenster, welcher in der Zeit verschiebbar ist, von beispielsweise 1 oder 2 oder 3 Sekunden festgelegt, d.h. das Analysefenster ist kleiner als die Zeitspanne eines Einzelbildes.
  • Um zu erkennen, ob eine Leiter im Frequenzspektrum vorliegt, wir in Fig. 4 angedeutet, werden alle ganzen und halben Ordnungen zwischen der 3. und 9. die beiden Grenzen eingeschlossen Ordnung betrachtet, d.h. die Ordnungen 3 / 3.5 / 4 / 4.5 / 5 ... 8 / 8.5 / 9, innerhalb des Analysefensters, im Folgenden Max-Linien genannt. Innerhalb des Analysefensters werden die jeweiligen Linien betrachtet, die eine Viertel-Ordnung unter und über allen Max-Linien liegen, im Folgenden Min-Linien genannt, sprich im Fall der Ordnung 3 die Linien der Ordnungen 2.75 und 3.25, im Fall der Ordnung 3.5 die Linien der Ordnungen 3.25 und 3.75 usw. bis im Fall der Ordnung 9 die Linien der Ordnungen 8.75 und 9.25.
  • Um jede Min-Linie sowie Max-Linie werden einzelne Flächen bzw. Streifen mit einer Breite gleich dem Analysefenster und den Halb-Höhen von beispielsweise +/- 0.02 Ordnungen über sowie unter der jeweiligen Linie definiert, d.h. jede Fläche hat eine Höhe H von insgesamt 0.04 Ordnungen und ist um die jeweilige Linie zentriert. Für jede Fläche wird ein durchschnittlicher relativer Farbwert berechnet, im Folgenden Flächenwert genannt. Abschließend werden für alle Max-Linien sowie die beiden jeweils unmittelbar benachbarten Min-Linien die Flächenwerte untereinander verglichen und abgefragt, ob der Flächenwert der Max-Linie die Flächenwerte der beiden benachbarten Min-Linien deutlich übersteigt. Als Schwellenwert für die Differenz der Flächenwerte, im Maß eines relativen Farbwertes, wird ein Wert von beispielsweise 0.1 vorgesehen. Mit anderen Worten wird nach einer Art Zick-Zack-Muster gesucht, welches als Kriterium für eine Leiterstruktur dient. Das Vorbeschriebene ist analog für ein Frequenzspektrum anwendbar.
  • In vorbereitenden Schritten zum Ausführen des zuvor beschriebenen Verfahrens zum Erkennen des Betriebszustands der Kreiselpumpe 1 wird der Bildanalysealgorithmus zunächst mittels einer Vielzahl Einzelbilder maschinell trainiert. Dargestellt in Fig. 5 sind oben der vom Motor 5 aufgenommene Motorstrom, in der Mitte das Spektrogramm sowie unten als Ergebnis eine Wahrscheinlichkeit der Verstopfung. Beispielsweise wurde im Zeitraum zwischen etwa 550 bis 650 Sekunde eine Verstopfung durch Training mittels entsprechender Einzelbilder simuliert, so dass sich im mittleren Spektrogramm die spektrale "Leiter" ausgebildet hat und entsprechend unten als Ergebnis die Wahrscheinlichkeit der Verstopfung bei 100% liegt.
  • Das maschinelle Lernen erfolgt durch ein Convolutional Neural Networks, CNN, also mittels eins künstlichen neuronalen Netzes. Die Einzelbilder, Matrixobjekte mit einer Auflösung NxN Pixel, beispielsweise 60x60 oder 120x120 Pixel, beinhalten als Input für das CNN unterschiedliche Betriebszustände, beispielsweise regulärer Betriebszustand und abnormaler Betriebszustand, insbesondere einer Nicht-Verstopfung und Verstopfung oder normaler Lagerzustand und Lagerschaden der Kreiselpumpe 1. Ein Output des CNN ist ein Vektor mit zwei oder mehr Einträgen entsprechend den Wahrscheinlichkeiten für den regulärer Betriebszustand und den abnormaler Betriebszustand, insbesondere Nicht-Verstopfung und Verstopfung oder normaler Lagerzustand und Lagerschaden, mit in Summe 1.
  • Das spektrale Muster lässt sich aus standardisierten Ausschnitten der derart berechneten Spektrogramme ableiten, insbesondere durch Anpassung und Vereinheitlichung der Bildauflösung auf NxN Pixeln, beispielsweise 60x60 oder 120x120 Pixel, und Berechnung von zahlreichen Bildern, oder als Ausschnitte aus Spektrogrammen mit und ohne Merkmale einer Verstopfung bzw. des abnormalen Betriebszustand für das Training, etwaige Zwischentests und die anschließende finale Validierung. Beispielsweise lässt sich der Bildanalysealgorithmus des CNN beim Fördern von Klarwasser als Flüssigkeit, mit einem definierten maximalen Feststoffanteil versehener Flüssigkeit, die noch einen regulären Betrieb der Kreiselpumpe ermöglicht, sowie bei einer Verstopfung der Kreiselpumpe 1 trainieren.
  • In Fortführung des zuvor beschriebenen Verfahrens kann in einem weiteren Schritt 400 das spektrale Muster dahingehend analysiert werden, ob ein verstopfter Betriebszustand der Kreiselpumpe 1 vorliegt. Dazu kann das Frequenzspektrum und/oder das Spektrogramm mittels des durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich mehrerer und/oder verschiedener spektraler Muster zum Erkennen einer konkreten Art des Betriebszustands untersucht werden. Durch Nutzung mehrerer CNN-Input-Kanäle könne unterschiedliche physikalische Bedeutungen eruiert werden, beispielsweise die Art der Verstopfung detektiert werden. Ebenso kann neben einem generellen Betriebszustand beispielsweise die Menge des Feststoffanteils, ein erforderlicher Wartungszyklus oder ein Lagerfehler erkannt werden.
  • Insofern kann bei Erkennen des verstopften Betriebszustands in einem folgenden Schritt 500 das spektrale Muster hinsichtlich einer Klassifikation der Verstopfung der Kreiselpumpe analysiert werden. In der Folge kann in einem wieder darauffolgenden Schritt 600 der verstopfte Betriebszustand durch Betreiben des Motors 5 in Abhängigkeit von der Klassifikation des verstopften Betriebszustands gelöst werden. Ein derartiges Lösen erfolgt beispielsweise durch Betreiben des Motors 5 in wenigstens einer einer ersten Drehrichtung zum Fördern der Flüssigkeit entgegengesetzten zweiten Drehrichtung.
  • Das vorbeschriebene Verfahren lässt sich insbesondere dann initiieren, wenn während des Förderns von Flüssigkeit mit dem möglichem Feststoffanteil eine Steigung und/oder einer Krümmung eines zeitlichen Verlaufs des Signals der Kreiselpumpe 1, also die erste und/oder die zweite zeitliche Ableitung des Signals, einen Verstopfungsschwellwert übersteigt, so dass in diesem Fall das Fourier-Transformieren des Signals erfolgt.
  • In dazu vorbereitenden Schritten zum Ausführen kann der Motor 5 während des Förderns von Klarwasser wiederholt in Vorwärts- und/oder Rückwärtsrichtung, also in ein der ersten Drehrichtung und/oder in der ersten Drehrichtung entgegengesetzten zweiten Drehrichtung, betrieben sowie in Vorwärts- und/oder Rückwärtsrichtung beschleunigt werden. Während dieses Betreibens des Motors 5 mittels einer durch die Steuerung 7 vorgegebenen Drehzahl-Zeit Funktion werden durch den Sensor 8 mehrere diskrete den drehenden Motor charakterisierende elektrische Klarwasserbetriebswerte in Abhängigkeit der Zeit erfasst.
  • Mittels der Steuerung 7 wird sodann die Steigung und/oder die Krümmung des zeitlichen Verlaufs der so gewonnenen Klarwasserbetriebswerte, also die erste und die zweite zeitliche Ableitung der so gewonnenen Klarwasserbetriebswerte, bestimmt. Da der Motor 5 mit unterschiedlichen Drehzahlen, Beschleunigungen und Drehrichtungen betrieben wurde, lassen sich derart charakteristische Widerstandskurven für den Betrieb der Kreiselpumpe 1 mit Klarwasser bestimmen und in einem Speicher der Steuerung 7 hinterlegen. Diese Widerstandskurven stellen das grundsätzliche Betriebsverhalten der Kreiselpumpe 1 mit von Verunreinigungen unbelastetem Klarwasser dar.
  • Beim Fördern von Flüssigkeit mit Feststoffanteil mit der Kreiselpumpe 1, also mit Verunreinigungen unterschiedlicher Art versetztem Wasser, benötigt die Kreiselpumpe 1 regelmäßig mehr elektrische Energie als beim Fördern von Klarwasser. Entsprechend liegen eine während des Förderns von Flüssigkeit mit Feststoffanteil erfasste Steigung und/oder Krümmung des zeitlichen Verlaufs von den drehenden Motor charakterisierenden elektrischen Abwasserbetriebswerten im aktuellen Betrieb über der entsprechenden Steigung und/oder Krümmung des zeitlichen Verlaufs der Klarwasserbetriebswerte. Die Abwasserbetriebswerte lassen sich wiederum mit dem Sensor 8 erfassen.
  • Sofern die Kreiselpumpe 1 verstopft, beispielsweise eine Verunreinigung die Drehzahl des Laufrads 6 reduziert oder das Laufrad 6 gar verklemmt und derart stoppt, ändert sich die Abwasserbetriebswerte, nämlich die Steigung und/oder die Krümmung des zeitlichen Verlaufs der Abwasserbetriebswerte. Überschreitet die Steigung und/oder die Krümmung des zeitlichen Verlaufs der Abwasserbetriebswerte einen vorgegebenen Verstopfungsschwellwert, erkennt die Steuerung 7 das Verstopfen der Kreiselpumpe 1.
  • Der Verstopfungsschwellwert ist zweckmäßigerweise aus einem Maximum der um einen Faktor erhöhten Steigung und/oder Krümmung des zeitlichen Verlaufs der Klarwasserbetriebswerte gebildet, beträgt beispielsweise das 1,3-Fache der maximalen Steigung und/oder Krümmung des zeitlichen Verlaufs der Klarwasserbetriebswerte. Nimmt die Kreiselpumpe 1 beim Fördern von Klarwasser beispielsweise 1000 W auf, liegt die reguläre Leistung beim Fördern von Flüssigkeit mit Feststoffanteil beispielsweise bei 1050 W. Sobald die Abwasserpumpe 1 jedoch 1300 W verbraucht, stellt die Steuerung 7 die Verstopfung bzw. eine Änderung des Betriebszustands fest, und beginnt mit der Fourier-Transformation des Signals.
  • Exemplarisch dazu sind in Fig. 6 ein Ausschnitt aus einem Leistungs-/Zeitdiagram und in Fig. 7 ein Leistungs-/Kreisfrequenzdiagramm beim Ausführen des vorgeschlagenen Verfahrens dargestellt. In Fig. 6 ist illustriert, wie aus der Leistungs-Zeit-Funktion und/oder aus der Leistungs-Kreisfrequenz-Funktion als Abwasserbetriebswert die Steigung gewonnen wird. Aus der Steigung kann die Steuerung 7 das Verstopfen der Kreiselpumpe 1 dann erkennen, wenn ein Verstopfungsschwellwert überschritten wird. Fig. 7 illustriert verschiedene Leistungs-/Kreisfrequenzkurven. Die flachere durchgezogene Leistungs- /Drehzahlkurve stellt ein Beschleunigungsverhalten der Kreiselpumpe 1 ohne Verstopfung beim Fördern von Klarwasser dar, mit jeweiligen unteren und oberen gestrichelt gezeichneten Verstopfungsschwellwerten. Die steilere durchgezogene Leistungs- /Drehzahlkurve stellt das Betriebsverhalten der Kreiselpumpe 1 während der Verstopfung dar.
  • Die beschriebenen Ausführungsbeispiels sind lediglich Beispiele, die im Rahmen der Ansprüche auf vielfältige Weise modifiziert und/oder ergänzt werden können. Jedes Merkmal, das für ein bestimmtes Ausführungsbeispiel beschrieben wurde, kann eigenständig oder in Kombination mit anderen Merkmalen in einem beliebigen anderen Ausführungsbeispiel genutzt werden. Jedes Merkmal, dass für ein Ausführungsbeispiel einer bestimmten Kategorie beschrieben wurde, kann auch in entsprechender Weise in einem Ausführungsbeispiel einer anderen Kategorie eingesetzt werden.
    • Bezugszeichenliste
  • Abwasserpumpe 1
    Pumpengehäuse 2
    Saugöffnung 3
    Welle 4
    Motor 5
    Laufrad 6
    Steuerung 7
    Sensor 8
    Erfassen eines zeitlichen Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signals der Kreiselpumpe 100
    Fourier-Transformieren des Signals zum Erhalten eines Frequenzspektrums und/oder eines Spektrogramms 200
    Analysieren des Frequenzspektrums und/oder des Spektrogramms mittels eines durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich wenigstens eines spektralen Musters zum Erkennen des Betriebszustands 300
    Analysieren des wenigstens einen spektralen Musters hinsichtlich einer Verstopfung als Betriebszustand der Kreiselpumpe 400
    bei Erkennen der Verstopfung, Analysieren des spektralen Musters hinsichtlich einer Klassifikation der Verstopfung der Kreiselpumpe 500
    Lösen der Verstopfung durch Betreiben des Motors in Abhängigkeit von der Klassifikation der Verstopfung 600

Claims (15)

  1. Verfahren zum Erkennen eines Betriebszustands in einer Kreiselpumpe (1) aufweisend ein Pumpengehäuse (2) mit einer in dem Pumpengehäuse (2) angeordneten Welle (4), einem auf der Welle (4) sitzenden Laufrad (6) sowie einen die Welle (4) antreibenden Motor (5), mit den Schritten:
    während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe (1), Erfassen eines zeitlichen Beschleunigungs-, eines Druck- und/oder eines Motorstrom-Signals der Kreiselpumpe (1) (100),
    Fourier-Transformieren des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals zum Erhalten eines Frequenzspektrums und/oder eines Spektrogramms (200), und
    Analysieren des Frequenzspektrums und/oder des Spektrogramms hinsichtlich wenigstens eines spektralen Musters zum Erkennen des Betriebszustands (300).
  2. Verfahren nach dem vorhergehenden Anspruch, wobei das Analysieren des Frequenzspektrums und/oder des Spektrogramms mittels eines durch maschinelles Lernen trainierten Bildanalysealgorithmus erfolgt.
  3. Verfahren nach einem der vorhergehenden Ansprüche, wobei das spektrale Muster zum Erkennen der Betriebszustands durch Überschreiten eines Beschleunigungs-, Druck- und/oder Motorstrom-Schwellwertes einer ganzzahligen und/oder halben Ordnung des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals gekennzeichnet ist.
  4. Verfahren nach einem der vorhergehenden Ansprüche, wobei das spektrale Muster zum Erkennen der Betriebszustands durch Überschreiten einer vordefinierten zeitlichen Dauer insbesondere eines gleitenden Mittelwertes des Beschleunigungs-, Druck- und/oder Motorstrom-Schwellwertes gekennzeichnet ist.
  5. Verfahren nach einem der vorhergehenden Ansprüche, mit dem Schritt:
    Analysieren Frequenzspektrums und/oder des Spektrogramms in einem Beriech zwischen 3. und 9. Ordnung des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals.
  6. Verfahren nach einem der vorhergehenden Ansprüche und nach Anspruch 2, wobei das maschinelle Lernen mittels eines neuronalen Netzes, insbesondere eines Convolutional Neural Network, CNN, erfolgt.
  7. Verfahren nach einem der vorhergehenden Ansprüche und nach Anspruch 2, mit dem Schritt:
    Analysieren des Frequenzspektrums und/oder des Spektrogramms mittels des durch maschinelles Lernen trainierten Bildanalysealgorithmus hinsichtlich mehrerer und/oder verschiedener spektraler Muster zum Erkennen des Betriebszustands.
  8. Verfahren nach einem der vorhergehenden Ansprüche, mit den Schritten:
    Analysieren des spektralen Musters hinsichtlich einer Verstopfung als Betriebszustand der Kreiselpumpe (1) (400),
    bei Erkennen der Verstopfung, Lösen der Verstopfung durch Betreiben des Motors (5) in wenigstens einer einer ersten Drehrichtung zum Fördern der Flüssigkeit entgegengesetzten zweiten Drehrichtung.
  9. Verfahren nach dem vorhergehenden Anspruch, mit den Schritten:
    bei Erkennen der Verstopfung, Analysieren des spektralen Musters hinsichtlich einer Klassifikation der Verstopfung der Kreiselpumpe (500), und
    Lösen der Verstopfung durch Betreiben des Motors (5) in Abhängigkeit von der Klassifikation der Verstopfung (600).
  10. Verfahren nach einem der vorhergehenden Ansprüche, mit dem Schritt:
    Erfassen des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals mittels eines Beschleunigungs- und/oder eines Vibrationssensors (8), insbesondere mittels eines 3-Achsen Beschleunigungs- und/oder eines Vibrationssensors, mittels eines Drucksensors (8) und/oder mittels eines Stromsensors (8).
  11. Verfahren nach einem der vorhergehenden Ansprüche, mit dem Schritt:
    Erhalten des Frequenzspektrums mittels schneller Fourier-Transformation und/oder des Spektrogramms mittels Kurzzeit-Fourier-Transformation.
  12. Verfahren nach einem der vorhergehenden Ansprüche, mit dem Schritt:
    Trainieren des Bildanalysealgorithmus mittels einer Vielzahl Einzelbilder mit wenigstens zum Teil unterschiedlichen Betriebszuständen zum Erhalten eines jeweiligen Vektors mit Wahrscheinlichkeiten eines regulären Betriebszustands und eines abnormalen Betriebszustands, insbesondere einer Nicht-Verstopfung und Verstopfung.
  13. Verfahren nach dem der vorhergehenden Anspruch, mit dem Schritt:
    Trainieren des Bildanalysealgorithmus beim Fördern von Klarwasser als Flüssigkeit und mit einem definierten Feststoffanteil versehener Flüssigkeit.
  14. Verfahren nach einem der vorhergehenden Ansprüche, mit den Schritten:
    während des Förderns von Flüssigkeit mit dem möglichem Feststoffanteil, Erfassen einer Steigung und/oder einer Krümmung eines zeitlichen Verlaufs des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals der Kreiselpumpe (1), und
    wenn die Steigung und/oder die Krümmung des zeitlichen Verlaufs des Beschleunigungs-, des Druck- und/oder des Motorstrom-Signals einen Verstopfungsschwellwert übersteigt, Fourier-Transformieren des Signals.
  15. Kreiselpumpe (1) aufweisend ein Pumpengehäuse (2) mit einer in dem Pumpengehäuse (2) angeordneten Welle (4), einem auf der Welle (4) sitzenden Laufrad (6), einen die Welle (4) antreibenden Motor (5) sowie einer Steuerung (7), wobei
    die Steuerung (7) eingerichtet ist,
    während eines Förderns von Flüssigkeit mit einem möglichem Feststoffanteil mit der Kreiselpumpe (1), ein zeitliches Beschleunigungs-, ein Druck- und/oder ein Motorstrom-Signal der Kreiselpumpe (1) zu erfassen,
    das Beschleunigungs-, das Druck- und/oder das Motorstrom-Signal zum Erhalten eines Frequenzspektrums und/oder eines Spektrogramms Fourier zu transformieren, und
    das Frequenzspektrum und/oder das Spektrogramm hinsichtlich wenigstens eines spektralen Musters zum Erkennen eines Betriebszustands der Kreiselpumpe (1) zu analysieren.
EP24165437.5A 2023-05-10 2024-03-22 Verfahren zum erkennen eines betriebszustands einer kreiselpumpe und kreiselpumpe Pending EP4461964A1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
BE20235388A BE1031599B1 (de) 2023-05-10 2023-05-10 Verfahren zum Erkennen eines Betriebszustands einer Kreiselpumpe und Kreiselpumpe

Publications (1)

Publication Number Publication Date
EP4461964A1 true EP4461964A1 (de) 2024-11-13

Family

ID=86378183

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24165437.5A Pending EP4461964A1 (de) 2023-05-10 2024-03-22 Verfahren zum erkennen eines betriebszustands einer kreiselpumpe und kreiselpumpe

Country Status (2)

Country Link
EP (1) EP4461964A1 (de)
BE (1) BE1031599B1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120273917A (zh) * 2025-06-10 2025-07-08 上海阿波罗机械股份有限公司 一种低温液货泵控制及智能诊断方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7389278B2 (en) * 1999-09-28 2008-06-17 Rockwell Automation Technologies, Inc. Detection of pump cavitation/blockage and seal failure via current signature analysis
EP3933355A1 (de) * 2020-06-30 2022-01-05 Alfa Laval Corporate AB Verfahren zur überwachung des betriebszustands einer rotierenden vorrichtung
US20220318616A1 (en) * 2021-04-06 2022-10-06 Delaware Capital Formation, Inc. Predictive maintenance using vibration analysis of vane pumps
CN115238785A (zh) * 2022-07-19 2022-10-25 上海交通大学宁波人工智能研究院 基于图像融合和集成网络的旋转机械故障诊断方法和系统
CH718585B1 (de) * 2021-03-19 2023-04-14 Univ Jiangsu Intelligentes Detektionssystem für ein Pumpwerk.

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7389278B2 (en) * 1999-09-28 2008-06-17 Rockwell Automation Technologies, Inc. Detection of pump cavitation/blockage and seal failure via current signature analysis
EP3933355A1 (de) * 2020-06-30 2022-01-05 Alfa Laval Corporate AB Verfahren zur überwachung des betriebszustands einer rotierenden vorrichtung
CH718585B1 (de) * 2021-03-19 2023-04-14 Univ Jiangsu Intelligentes Detektionssystem für ein Pumpwerk.
US20220318616A1 (en) * 2021-04-06 2022-10-06 Delaware Capital Formation, Inc. Predictive maintenance using vibration analysis of vane pumps
CN115238785A (zh) * 2022-07-19 2022-10-25 上海交通大学宁波人工智能研究院 基于图像融合和集成网络的旋转机械故障诊断方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120273917A (zh) * 2025-06-10 2025-07-08 上海阿波罗机械股份有限公司 一种低温液货泵控制及智能诊断方法和系统

Also Published As

Publication number Publication date
BE1031599B1 (de) 2024-12-11
BE1031599A1 (de) 2024-12-05

Similar Documents

Publication Publication Date Title
DE60221149T2 (de) System und verfahren zur identifikation des vorhandenseins von defekten in einer vibrierenden maschine
EP2053475A1 (de) Verfahren zur Analyse des Betriebs einer Gasturbine
EP2402731A1 (de) Verfahren zum Training eines Systems zur Klassifikation eines Wälzlagerzustands sowie Verfahren zur Klassifikation eines Wälzlagerzustands und System zur Klassifikation eines Wälzlagerzustands
DE102017124281B4 (de) Verfahren und Überwachungseinrichtung zur Überwachung eines Betriebszustands einer Vorrichtung
DE112019001115T5 (de) Diagnoseunterstützungsvorrichtung, rotierendes Maschinensystem und Diagnoseunterstützungsverfahren
EP4461964A1 (de) Verfahren zum erkennen eines betriebszustands einer kreiselpumpe und kreiselpumpe
WO2019025113A1 (de) Verfahren zur überprüfung von steckverbindungen
DE102019213019B4 (de) Verfahren und vorrichtung zum analysieren eines ablaufprozesses
DE102022203238A1 (de) Verfahren zur Betriebspunktklassifizierung durch Schallsignale
DE4406723A1 (de) Verfahren zur Überwachung des Betriebszustands einer Maschine oder Anlage
DE102010005525B4 (de) Verfahren zur Zustandsüberwachung einer Maschine und Überwachungseinrichtung hierfür
DE102022207326A1 (de) Verfahren und Vorrichtung zum Überwachen eines Hydrauliksystems auf Eintrag von Fremdfluiden
DE102015201121A1 (de) Schadenszustandsermittlung bei einer Linearbewegungsvorrichtung
DE60124167T2 (de) Verfahren zur Früherkennung von aerodynamischen Unbeständigkeiten in einem Turbokompressor
DE102022203195A1 (de) Verfahren zur Zustandsdiagnose einer Maschine
CN115186707A (zh) 一种简易齿轮箱故障检测方法
DE102012211722A1 (de) Verfahren zur Diagnose eines Bauteils, eines Systems oder einer Systemkomponente einer Brennkraftmaschine
EP2378145A2 (de) Verfahren zur Überwachung einer Linearführung
DE102015104786A1 (de) Überwachung einer Infusionspumpe
DE102024204604A1 (de) Verfahren zum automatisierten Durchführen einer Ursachenanalyse in einer Produktionsanlage
DE102023135293A1 (de) Verfahren und vorrichtung zum diagnostizieren eines fehlers
DE102018217310A1 (de) Verfahren zum Auswerten von Zeitseriensignalen
DE102019003679A1 (de) Motoranalysesystem zum Bestimmen einer Motoranomalie sowie Verfahren zum Bestimmen einer Motoranomalie
EP1792242B1 (de) Verfahren und vorrichtung zum ermitteln eines fehlerzustandes eines rotierenden verdichters
DE102019004502A1 (de) Verfahren zum Bestimmen und Angeben der Reststandzeit eines Filters

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250513

RIN1 Information on inventor provided before grant (corrected)

Inventor name: RAEBIGER, KLAUS

Inventor name: SCHEWALJE, ALEX

Inventor name: TOEWS, ANDREAS

Inventor name: OTTO, ALFRED

Inventor name: MERAZ, ALVARO

Inventor name: GOEKHAN, SEN