CN106441966A - 一种润滑油站远程问题诊断***及工作方法 - Google Patents

Abstract

本发明涉及一种润滑油站远程问题诊断***及工作方法，本润滑油站远程问题诊断***包括：安装于润滑油站以用于检测该润滑油站相应工作参数的各变送器，各变送器将检测数据分别送至用于现场设备总控制室和/或数据采集模块；其中各数据采集模块将数据上传至数据服务器；本发明的润滑油站远程问题诊断***及工作方法通过对润滑油站的工作参数进行远程采集汇总，以及由数据服务器对数据进行分析及时判断润滑油站故障，并且还能够对各部分的故障发生进行预估，便于对故障发生进行预判，保证了润滑油站长时间稳定工作。

Description

一种润滑油站远程问题诊断***及工作方法

技术领域

本发明涉及一种润滑油站远程问题诊断***及工作方法。

背景技术

润滑油站的数据信息采集涉及到整个润滑油站的正常工作，并且由于润滑油站的分布范围非常广，这就需要能够实现远程对润加油站的相应工作参数进行采集，并且设计一种能够根据工作参数对润滑油站可能出现的故障进行诊断或者预判。

发明内容

本发明的目的是提供一种润滑油站远程问题诊断***及工作方法，以实现润滑油站的工作参数进行远程数据汇总。

为了解决上述技术问题，本发明提供了一种润滑油站远程问题诊断***，包括：安装于润滑油站以用于检测该润滑油站相应工作参数的各变送器，各变送器将检测数据分别送至用于现场设备总控制室和/或数据采集模块；其中各数据采集模块将数据上传至数据服务器。

进一步，所述数据服务器适于对上传的检测数据汇总后抽取调用，以评估润滑油站的运行状态。

进一步，各工作参数包括：主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，上述数据分别送至相应变送器；以及

各工作参数还包括：油品分析仪输出值、电机泵组振动值和电机电流值，且上述数据均直接发送至数据采集模块。

进一步，在所述数据服务器上建立润滑油站的故障诊断模型；

所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值，且通过与判断阈值相比较，以判定该润滑油站的工作状态。

进一步，所述故障诊断模型，即

设定各工作参数对应的影响因子，以及与各影响因子分别对应的权重系数；

定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11，并将各工作参数值进行数值化表示；

以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11；

所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和。

进一步，所述各变送器适于按照相应采样时间点采集数据；

对于任一工作参数的采集数据集，所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线，且计算该连线的斜率，并针对各工作参数设定相应连线斜率阈值，以及设定与工作参数数值相对应的正常工作阈值区间；

所述故障诊断模型中还包括故障预判子模型，该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间。

进一步，所述故障预判子模型适于通过相应斜率判断润滑油站故障出现时间，即

当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内，且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时，则将该当前采样时间点作为起点，延长连线且与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间。

进一步，所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值；即

将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线，该延长线与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间；

在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。

又一方面，本发明还提供了一种润滑油站远程问题诊断方法，包括如下步骤：

步骤S1，建立润滑油站的故障诊断模型；以及

步骤S2，通过故障诊断模型获得润滑油站的工作状况。

进一步，所述故障诊断模型，即

设定润滑油站各工作参数对应的影响因子，以及与各影响因子分别对应的权重系数；

定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11，并将各工作参数值进行数值化表示；

以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11；

所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和；

所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值，且通过与判断阈值相比较，以判定该润滑油站的工作状态。

进一步，润滑油站所安装的各变送器按照相应采样时间点采集数据；

对于任一工作参数的采集数据集，所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线，且计算该连线的斜率，并针对各工作参数设定相应连线斜率阈值，以及设定与工作参数数值相对应的正常工作阈值区间；

所述故障诊断模型中还包括故障预判子模型，该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间；其中

当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内，且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时，则将该当前采样时间点作为起点，延长连线且与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间；以及

所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值；即

将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线，该延长线与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间；

在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。

本发明的有益效果是，本发明的润滑油站远程问题诊断***及工作方法通过对润滑油站的工作参数进行远程采集汇总，以及由数据服务器对数据进行分析及时判断润滑油站故障，并且还能够对各部分的故障发生进行预估，便于对故障发生进行预判，保证了润滑油站长时间稳定工作。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的润滑油站远程问题诊断***的原理框图；

图2是本发明的故障预判子模型用于双筒过滤器压差值数据分析图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

如图1所示，本实施例1提供了一种润滑油站远程问题诊断***，包括：安装于润滑油站以用于检测该润滑油站相应工作参数的各变送器，各变送器将检测数据分别送至用于现场设备总控制室和/或数据采集模块；其中各数据采集模块将数据上传至数据服务器。

作为数据服务器的一种可选的实施方式，所述数据服务器适于对上传的检测数据汇总后抽取调用，以评估润滑油站的运行状态。

其中，各工作参数包括但不限于：主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，上述数据分别送至相应变送器；以及各工作参数还包括：油品分析仪输出值、电机泵组振动值和电机电流值，且上述数据均直接发送至数据采集模块。各变送器均位于润滑油站接线箱中。

各变送器分别采用与上述工作参数检测相对应的检测用变送器，其内设有传感器检测模块和信号变换器，且将采集的工作参数信号分为两路进行分别传输；所述现场设备总控制室具体为PC机，以用于就地检测润滑油站的工作状态。所述数据采集模块汇总各变送器发送的数据后，以无线通讯方式，通过Internet网络将数据上传至公司的数据服务器。

优选的，在所述数据服务器上建立润滑油站的故障诊断模型；所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值，且通过与判断阈值相比较，以判定该润滑油站的工作状态。

作为故障诊断模型的一种可选的实施方式。

所述故障诊断模型，即设定各工作参数对应的影响因子，以及与各影响因子分别对应的权重系数；定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11，并将各工作参数值进行数值化表示；以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11；所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和。

其中，将各工作参数值进行数值化表示，具体的是将工作参数数值根据[0-10]各数划分级别，以便于后续计算，权重系数可以通过经验值进行设定，以及判断阈值也可以根据经验值进行设定。

也可以通过单一工作参数进行单一判断。

进一步，所述各变送器适于按照相应采样时间点采集数据；对于任一工作参数的采集数据集，所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线，且计算该连线的斜率，并针对各工作参数设定相应连线斜率阈值，以及设定与工作参数数值相对应的正常工作阈值区间；所述故障诊断模型中还包括故障预判子模型，该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间。

优选的，所述故障预判子模型适于通过相应斜率判断润滑油站故障出现时间，即当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内，且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时，则将该当前采样时间点作为起点，延长连线且与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间。

进一步，所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值；即将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线，该延长线与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间；在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。

实施例2

在实施例1基础上，本实施例2还提供了一种润滑油站远程问题诊断方法，包括如下步骤：

步骤S1，建立润滑油站的故障诊断模型；以及

步骤S2，通过故障诊断模型获得润滑油站的工作状况。

具体的，所述故障诊断模型，即设定润滑油站各工作参数对应的影响因子，以及与各影响因子分别对应的权重系数；

定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11，并将各工作参数值进行数值化表示；以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11；所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和；所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值，且通过与判断阈值相比较，以判定该润滑油站的工作状态。

进一步，润滑油站所安装的各变送器按照相应采样时间点采集数据；对于任一工作参数的采集数据集，所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线，且计算该连线的斜率，并针对各工作参数设定相应连线斜率阈值，以及设定与工作参数数值相对应的正常工作阈值区间。

优选的，所述故障诊断模型中还包括故障预判子模型，该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间；其中当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内，且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时，则将该当前采样时间点作为起点，延长连线且与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间。

进一步，所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值；即将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线，该延长线与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间；在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。

在实施例1和实施例2的基础上，通过具体的实施方式对故障诊断模型的工作过程加以说明。

如图2所示，例如双筒过滤器压差值，设定双筒过滤器压差值的正常工作阈值区间为0.035MPa-0.15MPa，若相邻两次采样时间点（t1与t2、t2与t3、……）且双筒过滤器压差值分别对应的各点为A、B、……E，以DE段为例，且计算其连线DE的斜率k=（X5D-X5E）/采样时间间隔T，若该斜率k超过连线斜率阈值时，则将该当前采样时间点E作为起点，延长连线且与正常工作阈值区间对应的限值0.15MPa相交于C点，即延长连线EF，根据该延长连线EF与时间轴的投影长度所对应的采样时间点的数量为1（即t6）获得初次预判润滑油站（过滤器）故障出现时间，即采样时间点的数量乘以采样时间间隔T。

其中，连线斜率阈值例如但不限于通过正常工作阈值区间的上限值除以使用寿命的时间值获得，也可以根据经验自行设定。

平均斜率值对应的延长连线为EG，可见根据延长连线EG与限值0.15MPa的相交点G与时间轴的投影长度所对应的采样时间点的数量3（即t6、t7和t8）；因此，再次预判润滑油站故障出现时间为3*T，该时间比初次预判润滑油站（过滤器）故障出现时间长，因此，从安全考虑，选取时间较小的数值作为故障预判值输出。

本故障预判子模型能够根据双筒过滤器压差值预判双筒过滤器的使用寿命，预测更换滤芯的时间，避免过滤器堵塞引起***压力降低而造成用户设备停车。

或对于油品分析仪，其主要测量润滑油中的含水量，如果含水量超过1%，需使用净油机对油箱中的润滑油进行处理，也可以采用上述方法设置含水量0-1%的正常工作阈值区间，对冷却器进行判断，并且还可以加入离散判断，若其含水量有跳跃性的变化，则可以判断为冷却器泄露导致水的含量变化，可以及时切换到备用冷却器，避免含水量继续增加，引起整个机组停车。

本发明所涉及的采样时间点是在上传的检测数据汇总后抽取调用的，例如但不限于采样时间点可以定位一个星期中固定一天，或者一个月固定一天的工作参数值，因此，本采样时间点与实时采样不同。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种润滑油站远程问题诊断***，其特征在于，包括：安装于润滑油站以用于检测该润滑油站相应工作参数的各变送器，各变送器将检测数据分别送至用于现场设备总控制室和/或数据采集模块；其中

各数据采集模块将数据上传至数据服务器。

2.根据权利要求1所述的润滑油站远程问题诊断***，其特征在于，

所述数据服务器适于对上传的检测数据汇总后抽取调用，以评估润滑油站的运行状态。

3.根据权利要求2所述的润滑油站远程问题诊断***，其特征在于，各工作参数包括：主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，上述数据分别送至相应变送器；以及

各工作参数还包括：油品分析仪输出值、电机泵组振动值和电机电流值，且上述数据均直接发送至数据采集模块。

4.根据权利要求3所述的润滑油站远程问题诊断***，其特征在于，

在所述数据服务器上建立润滑油站的故障诊断模型；

所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值，且通过与判断阈值相比较，以判定该润滑油站的工作状态。

5.根据权利要求4所述的润滑油站远程问题诊断***，其特征在于，

所述故障诊断模型，即

设定各工作参数对应的影响因子，以及与各影响因子分别对应的权重系数；

定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11，并将各工作参数值进行数值化表示；

以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11；

所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和；

所述各变送器适于按照相应采样时间点采集数据；

对于任一工作参数的采集数据集，所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线，且计算该连线的斜率，并针对各工作参数设定相应连线斜率阈值，以及设定与工作参数数值相对应的正常工作阈值区间；

所述故障诊断模型中还包括故障预判子模型，该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间。

6.根据权利要求5所述的润滑油站远程问题诊断***，其特征在于，

所述故障预判子模型适于通过相应斜率判断润滑油站故障出现时间，即

当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内，且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时，则将该当前采样时间点作为起点，延长连线且与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间。

7.根据权利要求6所述的润滑油站远程问题诊断***，其特征在于，所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值；即

将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线，该延长线与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间；

在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。

8.一种润滑油站远程问题诊断方法，包括如下步骤：

步骤S1，建立润滑油站的故障诊断模型；以及

步骤S2，通过故障诊断模型获得润滑油站的工作状况。

9.根据权利要求8所述的润滑油站远程问题诊断方法，其特征在于，

所述故障诊断模型，即

设定润滑油站各工作参数对应的影响因子，以及与各影响因子分别对应的权重系数；

定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值，以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11，并将各工作参数值进行数值化表示；

以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11；

所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和；

所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值，且通过与判断阈值相比较，以判定该润滑油站的工作状态。

10.根据权利要求9所述的润滑油站远程问题诊断方法，其特征在于，

润滑油站所安装的各变送器按照相应采样时间点采集数据；

对于任一工作参数的采集数据集，所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线，且计算该连线的斜率，并针对各工作参数设定相应连线斜率阈值，以及设定与工作参数数值相对应的正常工作阈值区间；

所述故障诊断模型中还包括故障预判子模型，该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间；其中

当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内，且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时，则将该当前采样时间点作为起点，延长连线且与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间；以及

所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值；即

将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线，该延长线与正常工作阈值区间对应的限值相交，根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间；

在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。