CN103821750A - 一种基于电流的通风机失速和喘振监测及诊断方法 - Google Patents
一种基于电流的通风机失速和喘振监测及诊断方法 Download PDFInfo
- Publication number
- CN103821750A CN103821750A CN201410079068.3A CN201410079068A CN103821750A CN 103821750 A CN103821750 A CN 103821750A CN 201410079068 A CN201410079068 A CN 201410079068A CN 103821750 A CN103821750 A CN 103821750A
- Authority
- CN
- China
- Prior art keywords
- ventilator
- surge
- current
- monitoring
- stall
- 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.)
- Granted
Links
Images
Landscapes
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
一种基于电流的通风机失速和喘振监测及诊断方法,属于通风机状态监测领域。针对通风机在能源、化工、冶金等方面的重要性和通风机的失速与喘振带来的严重危害,研发出基于电流的通风机失速和喘振监测和诊断方法。目前已有的通风机失速和喘振监测及诊断方法不能在失速和喘振发生前发现失速和喘振,不能有效避免失速和喘振的发生。本发明采用通风机的电流信号作为状态信号,既能在强干扰环境下有效监测通风机的状态,又不需要增加额外的装置。利用改进的变差函数分析和处理获取的电流信号,发现电流信号中对失速和喘振敏感的趋势成分,实现了通风机失速和喘振的准确、快速、可靠地在线诊断与识别。
Description
技术领域
本发明涉及一种基于电流的通风机失速和喘振监测及诊断方法,通过监测和分析通风机的电流信号来诊断和识别通风机的失速、喘振,特别是用于通风机失速和喘振的监测及诊断,属于通风机状态监测领域。
背景技术
通风机在能源、冶金、机械、化工、医药等行业的应用十分广泛,是安全生产的基本保证。通风机状态的恶化,特别是发生失速与喘振,将会造成严重的损失,轻者风机叶片断裂,严重者会造成通风机基座等附属设备的损坏及有毒有害气体的集聚,造成人员的伤亡。为了保证安全生产,避免发生失速和喘振,对通风机进行监测和诊断十分必要。
由于通风机的结构复杂、故障类型多、状态信号的组成成分多、背景噪声强等问题,为了准确及时可靠地监测及诊断出通风机的失速和喘振,需要选择合适的状态信号作为诊断依据和合适的监测及诊断方法。通风机发生失速或喘振时,会出现通风流量、压力、电机的电压和电流的大幅度波动,通风机剧烈振动,同时伴有强烈的噪声。通风机发生失速和喘振时,通风的流量和压力大幅波动并出现气流脉冲,由于流量和压力传感器的响应特性,测量结果误差大,可靠性低;通风机的振动加剧,但同时背景噪声更加强烈,背景噪声淹没了振动信号中的特征信息;电机的电压和电流随着失速和喘振的周期做对应的波动,不受外界环境的干扰。目前的失速和喘振的监测方法不能在失速和喘振发生前诊断出失速和喘振,失速和喘振的发生就会对设备和人员造成伤害,所以传统的失速和喘振的监测方法并不能避免失速和喘振带来的危害。失速和喘振发现的越及时,对设备和人员的伤害就越小,因此需要在失速和喘振发生前监测和诊断出通风状态的异常,以指导工作人员采取相应的措施,避免悲剧的发生。因此研发出一种准确、可靠、及时的失速和喘振的监测及诊断方法具有重要的经济价值和社会价值。
发明内容
本发明的目的在于:目前通风机失速和喘振的监测和诊断方法不能在失速和喘振发生前监测及诊断出通风状态异常的不足,研发出一种基于电流的通风机失速和喘振监测及诊断方法,该方法适用于通风机失速和喘振监测及诊断。通风机的电流信号方便获取且不受背景噪声的干扰,失速或喘振发生时,电流的波动周期与失速或喘振的周期相同。通风机机械故障、电网的波动,也会在电流上有体现,但与失速或喘振的电流波动周期和幅值均不同。在通风机电机的电源输入电缆上安装电流互感器,采集电机的电流,将采集到的电流传输到微处理器,通过对电流信号的运算分析,提取电流信号的特征。同时利用支持向量机模型对电流信号的特征进行分类和识别,诊断和识别通风机是否具有失速或喘振的趋势。一旦诊断出通风机的失速和喘振的趋势,立即报警,指导工作人员采取相应的措施,有效避免失速和喘振的发生。
一种基于电流的通风机失速和喘振监测及诊断方法,其基于的硬件平台包括电流互感器、信号采集卡、微处理器、监测及诊断结果显示装置、通风机状态报警装置;包括以下步骤:
S1:将电流互感器安装在通风机电机的任一输入电源的电缆上,通风机运行平稳后,信号采集卡开始采集电流信号,采样频率为f,其中100Hz≤f≤12kHz,信号采集卡将采集到的电流信号传输到微处理器中;
S2:对S1中采集的电流信号进行截取,得到电流信号x(k),k为电流信号的序号,1≤k≤N,信号每段长度为N,其中200≤N≤10240;
S3:设置信号间的间隔向量h,h的值为1≤h<N;
S4:求取每一个间隔向量h的改进的变差函数值γ(k,h),计算公式为其中N为S2中信号每段长度,h为S3中的间隔向量,当|x(k)-x(k+h)|≥1时,H(k)=[x(k)-x(k+h)]2,当|x(k)-x(k+h)|<1时,x(k)为S2中电流信号,并利用直角坐标系表示出这些改进的变差函数值,横坐标为间隔向量,纵坐标为改进的变差函数值γ(k,h);
S5:拟合S4中获得的γ(k,h),得到的曲线为改进的变差函数曲线;
S6:取S5中改进的变差函数曲线h趋于0时的值为块金点C;
S7:以块金点C作为支持向量机模型的特征向量,支持向量机模型的输出为yi,i为0,1,2,3,yi为0,1,2,3,分别对应通风机正常状态、失速状态、喘振状态和其他状态;
S8:分别取通风机正常状态、失速状态、喘振状态和其他状态的电机电流的块金点Ci作为训练和测试样本,i为0,1,2,3,Ci与对应的支持向量机模型的输出yi组成训练和测试集合,训练和测试集合表示形式为(Ci,yi),通过训练和测试建立支持向量机模型;
S9:支持向量机模型建立以后,通过分析和运算电流互感器和采集卡获取的电流信号,得到电流信号的块金点,并输入到支持向量机模型中,输出通风状态;
S10:如果出现通风机异常,通风状态异常报警装置发出报警,并将报警存储在数据库中;
所采集的电机的电流为定子的电流或转子的电流,将监测及诊断的结果存储在数据库中,以供查询。
采集卡采集的电流信号是电流信号的幅值。
所述的一种基于电流的通风机失速和喘振的监测及诊断方法,用于对电机进行保护,当电流波动超过设定的阈值、电流低于或高于设定值,做出报警。
本发明提出的基于电流的通风机失速和喘振监测及诊断方法,其优点是:
1)实现了在线实时智能化的通风机失速和喘振监测及诊断,实现了在通风机失速和喘振发生前监测和诊断出通风机状态的异常,避免了因通风机失速和喘振对人员和设备的伤害。
2)针对通风机工作环境恶劣,背景噪声严重,通风机状态信号难以获取,增加专用的通风机状态信号采集装置,不仅增加了成本,而且可靠性较差,通过监测电机的电流,既监测电机的状态,也监测了通风机的状态,节省了成本,提高了监测和诊断结果的可靠性。利用改进的变差函数分析和运算电流信号,准确得到通风机的状态特征。电流信号能够避免外界噪声的干扰,精确反映电机和通风机状态的变化。在通风状态的诊断上,利用支持向量机诊断通风机的状态,提高了通风机状态诊断的准确性与智能性。
附图说明
图1本***硬件示意图;
图2本***通风机失速和喘振监测及诊断流程图;
图3为通风机正常状态下改进的变差函数曲线;
图4为拟合后的改进的变差函数曲线。
具体实施方式
下面结合附图对本发明进行详细说明:
该***的硬件结构如图1所示,主要由电流互感器、信号采集卡、微处理器、通风机状态显示装置、故障报警装置组成,还具有参数输入接口、数据文件的读取和写入接口以及报警记录的存储接口;微处理器为STM32F107VCT6处理器。
如图2所示为本***故障诊断流程图,在信号采集前,需要设置采样频率f、数组长度N、间隔向量h;参数设置完成后开始采集信号;对采集到的电流信号做改进的变差函数运算;拟合变差函数值;取h趋于0时γ(k,h)的极值为块金点;将块金点输入到支持向量机模型中,首先训练支持向量机模型,然后诊断和识别后续的电流信号特征,发现通风机具有异常的趋势,立即报警,指导工作人员作业。
以轴流式通风机为失速和喘振的诊断和及别对象,将电流互感器安装在通风机电机的定子电源输入电缆上。通风机失速和喘振的诊断及识别的流程如下:
(1)设置参数
设置采样频率f为10kHz,数组长度N为2048,间隔向量h为500,电流的上限为高于额定电流5A,下限为低于额定电流40A,波动阈值为5A。
(2)信号的采集
当通风机运行平稳后,触发信号采样开关,开始采集电流信号。
(3)信号分段
对电流信号进行截取、分段,转化为长度为2048的数组x(k),k为信号序号1≤k≤2048;
(4)提取信号特征
计算振动信号的改进的变差函数值γ(k,h),公式为N为每段信号长度,h为间隔向量,当|x(k)-x(k+h)|≥1时,H(k)=[x(k)-x(k+h)]2,当|x(k)-x(k+h)|<1时,x(k)为第k点的电流信号,x(k+h)为第k+h点的电流信号,并利用直角坐标系表示出这些改进的变差函数值,横坐标为间隔向量,纵坐标为变差函数值γ(k,h),对获取的曲线进行拟合,得到改进的变差函数曲线,取h趋于0时γ(k,h)为块金点C;
(5)构造特征向量
以块金点C作为支持向量机模型的特征向量,支持向量机模型的输出为yi,i为0,1,2,3,yi为0,1,2,3,分别对应通风机正常状态、失速状态、喘振状态和其他状态;
(6)建立支持向量机模型
分别取10组通风机正常状态、失速状态、喘振状态和其他状态的电机电流的块金点Ci作为训练和测试样本,i为0,1,2,3,分别对应通风正常状态、失速状态、喘振状态和其他状态的块金点,与对应的支持向量机模型的输出yi组成10个训练和测试集合,训练和测试集合表示形式为(Ci,yi),yi为0,1,2,3,8个训练和测试集合用于训练支持向量机模型,2个训练和测试集合用于测试,通过训练和测试建立支持向量机模型;
(7)通风机状态的输出
通过显示装置显示诊断的结果,显示电流信号的时域波形、改进的变差函数值及变差函数曲线、块金点以及通风机的状态,将诊断结果以文件的形式输出保存。将后续的电流信号的块金点输入的支持向量机模型中,诊断和识别通风机状态的变化趋势,发现异常,立即报警,指导工作人员作业。
Claims (4)
1.一种基于电流的通风机失速和喘振监测及诊断方法,其基于的硬件平台包括电流互感器、信号采集卡、微处理器、监测及诊断结果显示装置、通风机状态报警装置;其特征在于:包括以下步骤:
S1:将电流互感器安装在通风机电机的任一输入电源的电缆上,通风机运行平稳后,信号采集卡开始采集电流信号,采样频率为f,其中100Hz≤f≤12kHz,信号采集卡将采集到的电流信号传输到微处理器中;
S2:对S1中采集的电流信号进行截取,得到电流信号x(k),k为电流信号的序号,1≤k≤N,信号每段长度为N,其中200≤N≤10240;
S3:设置信号间的间隔向量h,h的值为1≤h<N;
S4:求取每一个间隔向量h的改进的变差函数值γ(k,h),计算公式为 其中N为S2中信号每段长度,h为S3中的间隔向量,当|x(k)-x(k+h)|≥1时,H(k)=[x(k)-x(k+h)]2,当|x(k)-x(k+h)|<1时, x(k)为S2中电流信号,并利用直角坐标系表示出这些改进的变差函数值,横坐标为间隔向量,纵坐标为改进的变差函数值γ(k,h);
S5:拟合S4中获得的γ(k,h),得到的曲线为改进的变差函数曲线;
S6:取S5中改进的变差函数曲线h趋于0时的值为块金点C;
S7:以块金点C作为支持向量机模型的特征向量,支持向量机模型的输出为yi,i为0,1,2,3,yi为0,1,2,3,分别对应通风机正常状态、失速状态、喘振状态和其他状态;
S8:分别取通风机正常状态、失速状态、喘振状态和其他状态的电机电流的块金点Ci作为训练和测试样本,i为0,1,2,3,Ci与对应的支持向量机模型的输出yi组成训练和测试集合,训练和测试集合表示形式为(Ci,yi),通过训练和测试建立支持向量机模型;
S9:支持向量机模型建立以后,通过分析和运算电流互感器和采集卡获取的电流信号,得到电流信号的块金点,并输入到支持向量机模型中,输出通风状态;
S10:如果出现通风机异常,通风状态异常报警装置发出报警,并将报警存储在数据库中。
2.根据权利要求1所述的一种基于电流的通风机失速和喘振的监测及诊断方 法,其特征在于:所采集的电机的电流为定子的电流或转子的电流,将监测及诊断的结果存储在数据库中,以供查询。
3.根据权利要求1所述的一种基于电流的通风机失速和喘振的监测及诊断方法,其特征在于:采集卡采集的电流信号是电流信号的幅值。
4.根据权利要求1所述的一种基于电流的通风机失速和喘振的监测及诊断方法,其特征在于:其用于对电机进行保护,当电流波动超过设定的阈值、电流低于或高于设定值,做出报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079068.3A CN103821750B (zh) | 2014-03-05 | 2014-03-05 | 一种基于电流的通风机失速和喘振监测及诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079068.3A CN103821750B (zh) | 2014-03-05 | 2014-03-05 | 一种基于电流的通风机失速和喘振监测及诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103821750A true CN103821750A (zh) | 2014-05-28 |
CN103821750B CN103821750B (zh) | 2016-04-06 |
Family
ID=50756980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410079068.3A Expired - Fee Related CN103821750B (zh) | 2014-03-05 | 2014-03-05 | 一种基于电流的通风机失速和喘振监测及诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103821750B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106089786A (zh) * | 2016-06-08 | 2016-11-09 | 重庆美的通用制冷设备有限公司 | 压缩机组喘振的控制方法和控制*** |
CN107202027A (zh) * | 2017-05-24 | 2017-09-26 | 重庆大学 | 一种大型风机运行趋势分析及故障预测方法 |
CN109270884A (zh) * | 2018-09-17 | 2019-01-25 | 陕西龙门钢铁有限责任公司 | 一种风机联锁仿人工智能模糊控制方法及控制装置 |
CN111828364A (zh) * | 2020-07-23 | 2020-10-27 | 清华大学 | 离心压气机的喘振检测方法 |
CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1811367A (zh) * | 2006-03-03 | 2006-08-02 | 西安交通大学 | 机械故障的集成支持向量机混合智能诊断方法 |
JP2009273257A (ja) * | 2008-05-08 | 2009-11-19 | Denso Corp | 多相回転機の制御装置、及び多相回転機の制御システム |
CN101660969A (zh) * | 2009-09-25 | 2010-03-03 | 北京工业大学 | 一种用于齿轮箱故障智能诊断的方法 |
CN102005755A (zh) * | 2010-10-29 | 2011-04-06 | 昆明理工大学 | 基于支持向量机的特高压直流输电线路边界元件构成方法 |
CN102518598A (zh) * | 2011-12-31 | 2012-06-27 | 北京时代科仪新能源科技有限公司 | 离心式空压机及其控制方法和*** |
CN102607845A (zh) * | 2012-03-05 | 2012-07-25 | 北京工业大学 | 基于自适应拟合冗余提升小波变换的轴承故障特征提取方法 |
JP2013150498A (ja) * | 2012-01-23 | 2013-08-01 | Hitachi Ltd | 同期電動機の制御装置及び制御方法 |
CN103267652A (zh) * | 2013-05-24 | 2013-08-28 | 北京工业大学 | 一种智能早期设备故障在线诊断方法 |
-
2014
- 2014-03-05 CN CN201410079068.3A patent/CN103821750B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1811367A (zh) * | 2006-03-03 | 2006-08-02 | 西安交通大学 | 机械故障的集成支持向量机混合智能诊断方法 |
JP2009273257A (ja) * | 2008-05-08 | 2009-11-19 | Denso Corp | 多相回転機の制御装置、及び多相回転機の制御システム |
CN101660969A (zh) * | 2009-09-25 | 2010-03-03 | 北京工业大学 | 一种用于齿轮箱故障智能诊断的方法 |
CN102005755A (zh) * | 2010-10-29 | 2011-04-06 | 昆明理工大学 | 基于支持向量机的特高压直流输电线路边界元件构成方法 |
CN102518598A (zh) * | 2011-12-31 | 2012-06-27 | 北京时代科仪新能源科技有限公司 | 离心式空压机及其控制方法和*** |
JP2013150498A (ja) * | 2012-01-23 | 2013-08-01 | Hitachi Ltd | 同期電動機の制御装置及び制御方法 |
CN102607845A (zh) * | 2012-03-05 | 2012-07-25 | 北京工业大学 | 基于自适应拟合冗余提升小波变换的轴承故障特征提取方法 |
CN103267652A (zh) * | 2013-05-24 | 2013-08-28 | 北京工业大学 | 一种智能早期设备故障在线诊断方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106089786A (zh) * | 2016-06-08 | 2016-11-09 | 重庆美的通用制冷设备有限公司 | 压缩机组喘振的控制方法和控制*** |
CN107202027A (zh) * | 2017-05-24 | 2017-09-26 | 重庆大学 | 一种大型风机运行趋势分析及故障预测方法 |
CN107202027B (zh) * | 2017-05-24 | 2019-04-09 | 重庆大学 | 一种大型风机运行趋势分析及故障预测方法 |
CN109270884A (zh) * | 2018-09-17 | 2019-01-25 | 陕西龙门钢铁有限责任公司 | 一种风机联锁仿人工智能模糊控制方法及控制装置 |
CN111828364A (zh) * | 2020-07-23 | 2020-10-27 | 清华大学 | 离心压气机的喘振检测方法 |
WO2022016866A1 (zh) * | 2020-07-23 | 2022-01-27 | 清华大学 | 离心压气机的喘振检测方法 |
CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN103821750B (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103821750B (zh) | 一种基于电流的通风机失速和喘振监测及诊断方法 | |
CN102707232B (zh) | 电动机设备状态在线监测装置及其监测方法 | |
CN103671190B (zh) | 一种智能早期矿用通风机在线故障诊断*** | |
US20150346066A1 (en) | Asset Condition Monitoring | |
CN110501631B (zh) | 一种在线间歇故障检测与诊断方法 | |
CN103674234B (zh) | 一种风力发电机组振动异常的状态预警方法及*** | |
CN110231529A (zh) | 一种控制柜智能故障诊断***及故障诊断方法 | |
CN103901330A (zh) | 一种xlpe电缆局部放电在线监测方法 | |
CN205581130U (zh) | 一种电机转速监测装置 | |
CN109030849B (zh) | 压缩机旋转失速的监测方法及装置 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN104005975B (zh) | 一种轴流式通风机失速和喘振的诊断方法 | |
CN106597160B (zh) | 一种电子设备故障检测方法和装置 | |
CN103821749B (zh) | 一种轴流式通风机失速和喘振的在线诊断方法 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断***及故障诊断方法 | |
CN107478729A (zh) | 流体机械叶片多裂纹的声发射检测方法 | |
CN113030723A (zh) | 一种交流异步电机状态监测*** | |
CN116008701B (zh) | 用于智能高压开关柜的电动机构运行诊断***及方法 | |
CN109115271B (zh) | 一种数控机床远程监测*** | |
CN104569814B (zh) | 一种基于近似熵的直流牵引电机健康状态实时分析方法 | |
CN105910695A (zh) | 一种gis机械故障振动检测***及方法 | |
CN206331290U (zh) | 制氧机远程监控*** | |
CN107084837A (zh) | Gis机械故障检测*** | |
CN103344893A (zh) | 基于变频串联谐振耐压试验的分布式电缆局放测量方法 | |
CN109489719A (zh) | 一种检验检测人工智能自动检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 Termination date: 20200305 |