CN110837045B - 一种诊断泵***潜在故障的方法及检测*** - Google Patents
一种诊断泵***潜在故障的方法及检测*** Download PDFInfo
- Publication number
- CN110837045B CN110837045B CN201911028443.0A CN201911028443A CN110837045B CN 110837045 B CN110837045 B CN 110837045B CN 201911028443 A CN201911028443 A CN 201911028443A CN 110837045 B CN110837045 B CN 110837045B
- Authority
- CN
- China
- Prior art keywords
- motor
- pump
- current
- model
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 238000003745 diagnosis Methods 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000007257 malfunction Effects 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明提供了一种诊断泵***潜在故障的方法及检测***,包括如下步骤:通过采集电机的电压和电流,建立健康的电机‑泵模型;以任一相电流和电压作为所述健康的电机‑泵模型输入,以故障指示器FDI作为所述健康的电机‑泵模型的输出,训练所述健康的电机‑泵模型;根据单位时间内的电压和电流值,通过训练后的所述健康的电机‑泵模型得出单位时间内的模型估计量根据单位时间内的模型估计量与单位时间内实测信号中计算的故障指示器FDI得到FDIC值;根据FDIC值判断泵***是否存在故障;若泵***存在故障,通过高阶谱检测电机电流谐波分量之间的相位关系,检测电机是否故障。本发明通过分析电机电流电压信号,可以判断故障是电机还是泵的。
Description
技术领域
本发明涉及泵的故障检测领域,特别涉及一种诊断泵***潜在故障的方法及检测***。
背景技术
泵站排污***用于将低海拔的废水提升到更高的海拔高度,以便为接收废水处理设施保持连续的下坡坡度。当泵站排污***故障可能导致严重的环境破坏和财产损失。为了避免此类事件,下水道***操作员采用各种监控的方法来检测组件故障,以便在损坏发生之前采取维护措施。常用的一种方法是进行定期的人工检查。检查周期可以是每天一次或多次检查到每周检查。在任何情况下,人工检查都涉及到每个泵站排污***的行程,并且由于大多数泵站排污***都是在地面以下建造的,因此必须采取特殊的预防措施才能安全地进入。间歇性手动检查的一个常见问题是它们无法诊断检查之间可能出现的故障迹象,并且它们通常缺少能够在手动观察之前检测故障症状的传感装置。另一种方法是安装自动监控或控制***,该***旨在尽早检测和报告站组件的故障,以允许可以防止或最小化损坏的纠正措施。
现有技术公开了一种电泵井故障诊断***及方法,应用于油田井下电泵故障诊断与处理。***包括井下潜油装置、电缆、井下参数测量装置、控制柜、井口套压、油压、温度测量装置、地面数据采集与分析***、故障分析处理器、控制柜电流电压与频率数据采集***。其步骤是:建立故障类型特征参数和对应的处理措施数据库;实时获取生产特征参数;计算实时流量;分别求出4个时间段内生产特征参数和流量的平均值;计算变化幅度;计算综合评价值;确定电泵井故障类型;推荐相应的电泵井故障处理措施。该专利对于电泵井故障诊断有较大的实际意义,所涉及的***和方法能适用于大部分地上泵机组的故障诊断,但对于地下排污***具体的实施成本贵,难度较大。
现有技术公开了一种输油泵故障诊断***及方法,其***主要由四个压电式加速度传感器、五个温度传感器、一个信号调理器、一个温度测量模块、一张数据采集卡和一台工业控制计算机组成。所述方法包括:1)振动信号获取步骤;2)信号调理步骤;3)数据采集步骤;4)信号分析步骤。***对振动信号进行时域和频域分析,通过快速傅里叶变换和小波包变换生成振动频谱图,对获取的温度信号做出温度曲线图,通过观测振动频谱图和温度曲线图识别故障来源。该专利所述的输油泵故障诊断***存在加速度信号获取有缺陷,对于具体的信号采集点没有详细说明;对于具体实际故障现场该方法的操作性不强;分析方法过于单一。
高端监测***的典型实践是将来自每个远程泵***的大量数据传输到中央位置,但若将远程泵站采集到的数据直接通过特定的算法进行提前处理,再将诊断结果上传到泵***操作员,将大大缩短整个泵站的数据上传量。
发明内容
针对现有技术中存在的不足,本发明提供了一种诊断泵***潜在故障的方法及检测***,当***“健康”的任何变化都会引起电机转矩的谐波变化,而电机转矩的谐波变化反过来又会引起电机电流的谐波变化。通过采集电机电压电流,建立健康的电机-泵模型,以某一相电流电压为此模型输入,以FDI为模型的输出进行模型训练。在一段时间内将此模型估计量与从实测信号中计算的FDI进行计算得到一个FDIC值。如果这个值超过某个阈值,就会发出故障警报。否则,***就被认为是健康状态。本发明的***包括通过对泵机组电压电流的数据采集,建立健康的电机-泵***模型。根据上面的方法计算故障指示器FDI并判断泵机组的潜在故障。对电机电流通过双谱估计进行二次相位耦合的检测和表征,以此来隔离电机故障。
本发明是通过以下技术手段实现上述技术目的的。
一种诊断泵***潜在故障的方法,包括如下步骤:
通过采集电机的电压和电流,建立健康的电机-泵模型;
以任一相电流和电压作为所述健康的电机-泵模型输入,以故障指示器FDI作为所述健康的电机-泵模型的输出,训练所述健康的电机-泵模型;
根据FDIC值判断泵***是否存在故障;
若泵***存在故障,通过高阶谱检测电机电流谐波分量之间的相位关系,检测电机是否故障。
进一步,所述健康的电机-泵模型的结构为:
Γ[Ψ(I(t)),Λ(V(t)),FDI]=0
其中:Γ[]为非线性回归模型,
Λ()为电压转换函数,将预处理电压信号转换为模型的输入;
Ψ()为电流转换函数,将预处理的电流信号转换为***模型的输入;
V(t)为随时间变化的电压预处理信号;
I(t)为随时间变化的电流预处理信号;
FDI为故障指示器。
进一步,所述故障指示器FDI定义为:
其中:a、b、c为电机三相电流;
Ik为电机电流中第k次谐波分量的均方根RMS;
If为电机电流的基频分量的均方根RMS。
进一步,所述FDIC值的计算公式为;
进一步,所述根据FDIC值判断泵***是否存在故障,具体为:
若FDIC值超过阈值ζ,则泵***存在故障;
若FDIC值小于等于阈值ζ,泵***不存在故障;
所述阈值ζ计算公式如下:
a为整数常数,a为3~5。
进一步,检测电机是否故障具体为:对电机的电流通过双谱估计进行二次相位耦合的检测和表征,判断故障原因在泵还是电机。
一种诊断泵***潜在故障的方法的检测***,包括泵电动机、传感器、诊断***,主机和客户端;所述传感器用于检测泵电动机的电流电压信号;
所述诊断***根据传感器检测的电流电压信号判断泵***是否存在故障,并输出诊断数据;所述主机将存在故障诊断数据传送给客户端。
本发明的有益效果在于:
1.本发明所述的诊断泵***潜在故障的方法,通过分析电机电流电压信号,可以判断故障是电机还是泵的。
2.本发明所述的诊断泵***潜在故障的方法,区别于在泵上安装一些诸如振动传感器,压力传感器等侵入式检测元件,通过非侵入式的只需通过分析电机电流电压信号的此种方法,具有操作方便,安装灵活以及稳定性好的特点。
附图说明
图1为本发明所述的诊断泵***潜在故障的检测***框图。
图2为实施例的电机某相电流频谱图。
图3为本发明所述的健康的电机-泵模型
图4为实施例的故障诊断FDIC和电流高次谐波RMS。
图5为实施例的双谱二次相位耦合图。
图6为本发明所述的诊断泵***潜在故障的方法的流程图。
图7为网络的示意图。
图中:
101-电动机;102-电力线;103-传感器;104-诊断***;105-主机;106-客户端;107-链路。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图6所示,本发明所述的诊断泵***潜在故障的方法,包括如下步骤:
如图3所示,通过采集电机的电压和电流,建立健康的电机-泵模型;为了减少误报警的产生,保持良好的故障检测能力,必须隔离输入条件变化的影响。在本发明中,这是通过一个经验模型来实现的。所开发的模型描述了***的基线(正常状态)响应与***输入之间的关系。***的基线响应由正常状态***的故障指示器描述。模型的输入来自预处理的***信号。它们包括电压信号的能量含量和谐波失真、***负载水平等。本发明所述健康的电机-泵模型的结构为:
Γ[Ψ(I(t)),Λ(V(t)),FDI]=0
其中:
Γ[]为非线性回归模型,
Λ()为电压转换函数,将预处理电压信号转换为模型的输入;
Ψ()为电流转换函数,将预处理的电流信号转换为***模型的输入;
V(t)为随时间变化的电压预处理信号;
I(t)为随时间变化的电流预处理信号;
FDI为故障指示器。
图2是实施例的电机电流频谱图。现有的文献大多是基于提取和跟踪特定特征频率的变化。这种方法有一定的局限性。一是电机-泵的设计参数或物理模型参数需要获得特定的特征频率。其次,电机电流频谱通常会受到负载变化的污染,从而导致错误的故障存在迹象。为了克服这些局限性,提出了故障指示器,即***正常的任何变化都会引起电机转矩的谐波变化,而电机转矩的谐波变化反过来又会引起电机电流的谐波变化。在本发明中,提出的故障指示器定义为:
其中:
a、b、c为电机三相电流;
Ik为电机电流中第k次谐波分量的均方根RMS;
If为电机电流的基频分量的均方根RMS。
因此,该健康的电机-泵模型在足够大的范围内运行,以覆盖整个***的运行范围。由于基线模型的开发中没有使用电机或泵的设计参数。因此,该模型可以很容易地移植到其他电机-泵***,因为只有测量电机电压和电流用于模型的建立。所以,每个电机-泵***将有一个不同的模型,该模型可以根据测量到的电机电信号进行自适应开发。
以任一相电流和电压作为所述健康的电机-泵模型输入,以故障指示器FDI作为所述健康的电机-泵模型的输出,训练所述健康的电机-泵模型;
根据单位时间内的电压和电流值,通过训练后的所述健康的电机-泵模型得出单位时间内的模型估计量根据单位时间内的模型估计量与单位时间内实测信号中计算的故障指示器FDI得到FDIC值;具体为:在时间区间[t1,tn]范围内每次选取相同时间间隔p=(t2-t1)内的电流数据进行诊断。具体方式是将P时间间隔内某一相的电压电流输入到训练好的电机-泵模型,得出模型估计量将模型估计量与直接计算的FDI进行FDIC计算:
如果***是健康的,那么FDIC可以用白噪声来近似。如果这个偏差超过某个阈值,就会发出故障警报。否则,***就被认为是健康的。如果选择非常大的检测阈值,那么虽然虚警率降低了,但是丢失故障的概率非常高。同样,如果选择很小的检测阈值,同时具备良好的故障检测能力,则产生假警报的概率非常高。因此,在确定检测阈值时必须达到平衡。本发明以ζ作为阈值。公式如下:
若泵***存在故障,通过高阶谱检测电机电流谐波分量之间的相位关系,检测电机是否故障。在本发明中,通过高阶谱检测谐波分量之间的相位关系,可用于检测电机相关故障。双谱估计方法是检测谐波分量间相位耦合最常用的方法之一。本发明借助MATLAB的HOSA软件包对电机电流通过双谱估计进行二次相位耦合的检测和表征,以此来隔离电机故障。
如图2、图4和图5下面以具体实施例说明。对某电机-泵***通过采集大量正常工况下的电压电流数据进行电机-泵模型的训练,得到一个非线性回归模型。此模型公式如下所示:
y=φ+β1G(zI)+β2G(zV)
将电压电流做输入变量,计算得到的FDI做输出y。用梯度下降法,计算出来的和β1,β2值,就是构成最优的网络结构参数。此时健康的电机泵模型就已建立。然后换上轴承内圈发生故障的电机轴承,采集电机a相定子电流信号进行分析。采样频率为2000Hz,电机转速1450r/min,发电机驱动端轴承为深沟球轴承,型号为6324C3。滚子个数N=12,内径d=120mm,外径D=260mm,接触角β=0°。计算FDIC时,选取时间间隔P为1分钟。如图3所示,电流高次谐波的RMS值在12分钟的时候开始减小,而FDIC的值在增加,且在大概14分钟的时候超过了警报阈值3.3。此时,我们将12至14分钟内的电流数据通过MATLAB软件进行双谱估计,得到如图4所示的双谱二次相位耦合图,从图中可以清楚的看到200Hz和212Hz处发生耦合。其中,200Hz是电机电流的4次谐波,212Hz是轴承内圈故障频率。故此得出,此时泵-电机***存在潜在故障,且故障在电机,与实际一致。
如图1所示,本发明所述的诊断泵***潜在故障的方法的检测***,包括泵电动机101、传感器103、诊断***104,主机105和客户端106;所述传感器103用于检测泵电动机101的电流电压信号,优选霍尔效应电流变换器;泵电动机101通过电力线102与传感器103连接;
所述诊断***104根据传感器103检测的电流电压信号判断泵***是否存在故障,并输出诊断数据;所述主机105将存在故障诊断数据传送给客户端106。经由链路107将警报或其他消息发送和发送到客户端106。客户端106能够显示使用户能够与主机105交互的接口。诊断***104,主机105和客户端106通过链路107互连。链路107可以是内联网,互联网或两者的组合。
图6是网络的示意图。将多个泵***的检测数据通过无线数据通讯传输至主服务器。主服务器由数据库服务器、网络服务器等组成。采用LabVIEW编写监控界面,实现对泵组的主要运行参数24h连续地、不间断实时检测。同时它还通过网络将采集到的所有数据上传给监测诊断级的计算机。主服务器包括诊断数据解码器,数据库扫描器,警报发送器。数据库扫描器扫描数据库用于不良诊断事件并触发规定的警报。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (5)
1.一种诊断泵***潜在故障的方法,其特征在于,包括如下步骤:
通过采集电机的电压和电流,建立健康的电机-泵模型;
以任一相电流和电压作为所述健康的电机-泵模型输入,以故障指示器FDI作为所述健康的电机-泵模型的输出,训练所述健康的电机-泵模型;其中:所述故障指示器FDI定义为:
其中:a、b、c为电机三相电流;
Ik为电机电流中第k次谐波分量的均方根RMS;
If为电机电流的基频分量的均方根RMS;
根据单位时间内的电压和电流值,通过训练后的所述健康的电机-泵模型得出单位时间内的模型估计量根据单位时间内的模型估计量与单位时间内实测信号中计算的故障指示器FDI得到FDIC值;所述FDIC值的计算公式为;
根据FDIC值判断泵***是否存在故障;
若泵***存在故障,通过高阶谱检测电机电流谐波分量之间的相位关系,检测电机是否故障。
2.根据权利要求1所述的诊断泵***潜在故障的方法,其特征在于,所述健康的电机-泵模型的结构为:
Γ[Ψ(I(t)),Λ(V(t)),FDI]=0
其中:Γ[]为非线性回归模型,
Λ()为电压转换函数,将预处理电压信号转换为模型的输入;
Ψ()为电流转换函数,将预处理的电流信号转换为***模型的输入;
V(t)为随时间变化的电压预处理信号;
I(t)为随时间变化的电流预处理信号;
FDI为故障指示器。
4.根据权利要求1所述的诊断泵***潜在故障的方法,其特征在于,检测电机是否故障具体为:对电机的电流通过双谱估计进行二次相位耦合的检测和表征,判断故障原因在泵还是电机。
5.一种根据权利要求1所述的诊断泵***潜在故障的方法的检测***,其特征在于,包括泵电动机(101)、传感器(103)、诊断***(104),主机(105)和客户端(106);所述传感器(103)用于检测泵电动机(101)的电流电压信号;
所述诊断***(104)根据传感器(103)检测的电流电压信号判断泵***是否存在故障,并输出诊断数据;所述主机(105)将存在故障诊断数据传送给客户端(106)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028443.0A CN110837045B (zh) | 2019-10-28 | 2019-10-28 | 一种诊断泵***潜在故障的方法及检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028443.0A CN110837045B (zh) | 2019-10-28 | 2019-10-28 | 一种诊断泵***潜在故障的方法及检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110837045A CN110837045A (zh) | 2020-02-25 |
CN110837045B true CN110837045B (zh) | 2021-10-22 |
Family
ID=69575699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911028443.0A Expired - Fee Related CN110837045B (zh) | 2019-10-28 | 2019-10-28 | 一种诊断泵***潜在故障的方法及检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837045B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11365613B2 (en) * | 2018-12-07 | 2022-06-21 | Exxonmobil Upstream Research Company | Electrical submersible pump motor adjustment |
CN113048072A (zh) * | 2021-03-19 | 2021-06-29 | 江苏大学 | 一种泵站智能检测*** |
CN116717461B (zh) * | 2023-08-01 | 2023-11-28 | 德耐尔能源装备有限公司 | 一种真空泵运行状态的智能监测方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1499188A (zh) * | 2002-11-08 | 2004-05-26 | �ٹ��� | 检测离心泵故障的方法和装置 |
CN101197731A (zh) * | 2007-12-12 | 2008-06-11 | 华为技术有限公司 | 路径故障检测的方法、***及装置 |
CN101997459A (zh) * | 2010-12-01 | 2011-03-30 | 赵龙升 | 一种直流油泵电机软启动控制装置 |
JP2013185497A (ja) * | 2012-03-08 | 2013-09-19 | Hitachi Automotive Systems Ltd | 電動ポンプの故障診断装置 |
CN104121178A (zh) * | 2013-04-27 | 2014-10-29 | 青岛科技大学 | 输油泵故障诊断***及方法 |
CN106761681A (zh) * | 2017-02-16 | 2017-05-31 | 中国石油化工股份有限公司 | 基于时序数据分析的电泵井故障实时诊断***及方法 |
CN108981796A (zh) * | 2018-06-06 | 2018-12-11 | 江苏大学 | 一种五位一体水力机械故障诊断方法 |
CN109256762A (zh) * | 2017-07-13 | 2019-01-22 | 许继集团有限公司 | 配电网单相故障电流补偿控制方法、装置与*** |
-
2019
- 2019-10-28 CN CN201911028443.0A patent/CN110837045B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1499188A (zh) * | 2002-11-08 | 2004-05-26 | �ٹ��� | 检测离心泵故障的方法和装置 |
CN101197731A (zh) * | 2007-12-12 | 2008-06-11 | 华为技术有限公司 | 路径故障检测的方法、***及装置 |
CN101997459A (zh) * | 2010-12-01 | 2011-03-30 | 赵龙升 | 一种直流油泵电机软启动控制装置 |
JP2013185497A (ja) * | 2012-03-08 | 2013-09-19 | Hitachi Automotive Systems Ltd | 電動ポンプの故障診断装置 |
CN104121178A (zh) * | 2013-04-27 | 2014-10-29 | 青岛科技大学 | 输油泵故障诊断***及方法 |
CN106761681A (zh) * | 2017-02-16 | 2017-05-31 | 中国石油化工股份有限公司 | 基于时序数据分析的电泵井故障实时诊断***及方法 |
CN109256762A (zh) * | 2017-07-13 | 2019-01-22 | 许继集团有限公司 | 配电网单相故障电流补偿控制方法、装置与*** |
CN108981796A (zh) * | 2018-06-06 | 2018-12-11 | 江苏大学 | 一种五位一体水力机械故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
大中型潜水泵泄漏故障分析与对策;李继忠 等;《水泵技术》;20080831(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110837045A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837045B (zh) | 一种诊断泵***潜在故障的方法及检测*** | |
US11441940B2 (en) | Condition monitoring apparatus, condition monitoring system, and condition monitoring method | |
WO2020134890A1 (zh) | 一种用于运转设备运行数据安康监测的振动温度传感器 | |
CN107271170B (zh) | 一种机械设备故障类型的自动诊断方法及*** | |
KR101846195B1 (ko) | 모터 상태 모니터링 시스템 및 그 방법 | |
CN111247442B (zh) | 异常诊断装置、异常诊断方法及异常诊断*** | |
CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
EP2885646B1 (en) | System and method for monitoring an electrically-connected system having a periodic behavior | |
CN109932178B (zh) | 一种多级链传动机构故障诊断***及方法 | |
CN117407679B (zh) | 智能末屏传感器的数据采集方法及*** | |
KR101829134B1 (ko) | 진동을 이용한 회전체 고장 예측 시스템 및 방법 | |
JP7198089B2 (ja) | 電力変換装置、回転機システム、及び診断方法 | |
CN110008350A (zh) | 一种基于贝叶斯推理的机泵安康知识库查找方法 | |
CN109725220B (zh) | 一种变压器油冷却回路的检测方法、***及装置 | |
KR20090001432A (ko) | 인터넷 기반 온라인 상태 모니터링 시스템 | |
CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及*** | |
CN108871438A (zh) | 一种基于三轴振动的电机监测诊断方法 | |
CN110530507A (zh) | 用于旋转设备监测的边缘计算方法、介质及*** | |
KR101455268B1 (ko) | 해양구조물의 회전체 상태진단 모니터링 시스템 | |
CN109268214A (zh) | 一种风力发电机联轴器对中状态智能监测***及方法 | |
JP2011075522A (ja) | 設備機器の診断装置 | |
CN108444592A (zh) | 无线振动监测与诊断*** | |
CN113697424A (zh) | 一种基于云技术的带式输送机监测与故障诊断***及方法 | |
KR101976460B1 (ko) | 모터의 보호 및 상태진단이 가능한 모터기동장치 및 이를 이용하는 수자원 관제시스템 | |
CN112798044A (zh) | 一种风电机组传动链远程智能监测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210923 Address after: 214500 No. 98, Yongyi Road, Chengxi Avenue, Chengnan Park, Jingjiang City, Taizhou City, Jiangsu Province Applicant after: JIANGSU HAISHI PUMPS MANUFACTURING Co.,Ltd. Applicant after: JIANGSU University Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Applicant before: JIANGSU University |
|
GR01 | Patent grant | ||
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: 20211022 |