CN111043023B - 一种压裂泵在线监测及故障诊断*** - Google Patents
一种压裂泵在线监测及故障诊断*** Download PDFInfo
- Publication number
- CN111043023B CN111043023B CN201911378023.5A CN201911378023A CN111043023B CN 111043023 B CN111043023 B CN 111043023B CN 201911378023 A CN201911378023 A CN 201911378023A CN 111043023 B CN111043023 B CN 111043023B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- vibration
- signal
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000004132 cross linking Methods 0.000 claims abstract description 5
- 238000004806 packaging method and process Methods 0.000 claims abstract description 4
- 230000009467 reduction Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 239000003638 chemical reducing agent Substances 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 6
- 230000010354 integration Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
Landscapes
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种压裂泵在线监测及故障诊断***，包括信号采集模块、信号处理模块和数据模块；信号采集模块负责接收、处理和存储各传感器信号，并把数据打包发送；信号处理模块包括故障预测与并发控制模块、阈值与窗函数设定模块以及分别与其数据交联的振动信号特征提取与辨识模块、通用信号处理模块、基于规则的预测算法模块、数据共享缓冲模块；数据模块用于提供基准数据及技术支持数据；数据通过信号处理模块分析处理后得出泵的主要部件工作状态。由此，本发明的压裂泵在线监测及故障诊断***实现了压裂泵的状态监测‑诊断‑预报‑治理和管理一体化，降低了压裂泵运维成本，本发明还公开了一种压裂泵在线监测及诊断方法，基于上述***。
Description
技术领域
本发明涉及设备运维领域，尤其涉及一种压裂泵在线监测及故障诊断***。
背景技术
压裂泵是油田注水、压裂、酸化等提高油层产量和采收率的重要措施设备，在各油气田都广泛使用。在水力压裂作业中，利用压裂液传导压力的作用，将地层压开，形成数条裂缝，从而达到增产增注的目地，压裂泵是实现这一目的核心设备。针对压裂施工的工况，要求压裂泵具备压力高、排量大、耐腐蚀及耐磨性强的特点，这使得压裂泵的零部件容易磨损，需要频繁更换。
压裂泵主要包括动力输入端和液力输出端。动力输入端主要由动力输入端转轴、减速箱、曲轴、连杆、十字头、十字头滑套等组成；液力端主要由活塞、吸入阀门和排出阀门总成等部件组成。
目前存在以下问题：
压裂泵应用于油气井压裂作业，由于地域处于野外，交通不便，工作环境恶劣，一旦装备出现故障，无法正常工作，而维修保障设备和人员又不能及时到位，严重影响整井作业进度，给企业带来很大的成本损失；油气井的压裂作业是由多个压裂泵组合完成的，每个泵的工作状态都会影响到全部作业效率。目前，主要靠现场作业人员逐台进行巡检，费事费力，并且检查准确性不高，经常发生漏检，甚至重大故障，导致压裂泵报废情况；压裂泵是由旋转运动的减速箱中曲轴带到往复式活塞进行增压工作的，活塞与缸体间的轴瓦经常由于润滑或者材料质量问题，出现“烧瓦”现象，轻则增加运动阻力，重则导致“活塞卡滞”，直接损坏整体结构，导致整个压裂泵的报废。
压裂泵的液力端是由成对阀门组件控制液体流动方向的，即吸入阀门和排出阀门。阀门的工作状态监测一直是行业难题，业界通常采用进出口压力差进行监测，但是由于压力非常高，大量程高精度的压力传感器造价非常高，并且这种方法也不能定位到每个阀门的工作状态；加上压裂泵内部结构复杂，如果某个部件发生故障，在现场很难定位，一般都需要返厂维修，导致装备的使用效率降低，大大增加作业成本。
如果能够迅速定位故障部件，在现场就可以有针对性地进行维修或者更换，提高装备使用效率，可以节省大量因返厂导致的维修费用。
发明内容
本发明所要解决的技术问题是：提供一种压裂泵在线监测及故障诊断***。
为解决上述技术问题，本发明所采用的技术方案是：
一种压裂泵在线监测及故障诊断***，所述压裂泵包括动力输入端和液力输出端，其特征在于，包括信号采集模块、信号处理模块和数据模块，所述信号采集模块与所述信号处理模块通讯联接；所述信号处理模块与所述数据模块通讯联接；
所述信号采集模块包括前置采集器及与前置采集器电连接的传感器组件，所述前置采集器主要包括振动信号采集模块、通用信号采集模块、存储模块、数据传输模块，负责接收各传感器信号、对信号预处理和数据存储，并把数据打包发送；所述传感器组件包括安装于动力输入端的转速传感器、第一振动传感器、第二振动传感器、温度传感器及安装在液力输出端的第三振动传感器；
所述信号处理模块包括故障预测与并发控制模块、阈值与窗函数设定模块以及分别与其数据交联的振动信号特征提取与辨识模块、通用信号处理模块、基于规则的预测算法模块、数据共享缓冲模块；所谓数据交联，是指各模块之间能够进行双向的数据交互，包括但不限于通过有线通信线或无线通信网络，或通过芯片内部的数据总线进行传输的以一方设置、另一方读取特定地址的寄存器等形式实现的数据交互的行为。
所述数据模块包括旋转部件特征库、往复和拍击部件特征库、历史故障数据库和专家知识数据库；用于对压裂泵的数据分析提供基准数据及技术支持数据；
所述旋转部件特征库、往复和拍击部件特征库储存有压裂泵正常工作时的振动特征，主要是通过在实验台和整车运行进行基础特征数据的收集；
所述历史故障数据库根据同型号压裂泵历史故障事件中的检测数据汇总而成，包括各部位的振动情况，温度情况等特征数据；
所述专家知识数据库是针对历史故障数据及理论知识推理得出的典型故障的特征数据、排出故障方法和资源配置最优方案。
信号采集模块采集来的数据通过信号处理模块中的振动信号特征提取与辨识和通用信号处理后，再通过设定的阈值和窗函数与数据模块进行信号滤波，并与各特征数据库数据进行对比，最后利用基于规则的预测算法模块得出泵的主要部件的工作状态。
与现有技术相比，本发明具有如下技术效果：
采用多传感器信息融合、优化的预测算法和大数据支撑，实现了压裂泵的状态监测-诊断-预报-治理和管理一体化。***总体设计思路先进，使油气井用压裂泵进入了信息化和智能化时代。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步地，所述转速传感器安装于动力输入端转轴上；所述第一振动传感器安装在曲轴支撑轴承座上；所述第二振动传感器、温度传感器安装于十字头滑套外筒体上；所述第三振动传感器安装于液力输出端阀箱外部。
采用上述进一步方案的有益效果是采用多类型传感测量和综合参数分析方法，实现了往复式运动机构的状态监测，为往复式运动机构监测提供了一个解决方案。
进一步地，所述数据模块包括现场数据模块与后方数据模块，所述现场数据模块包括旋转部件特征库、往复和拍击部件特征库和简化版历史故障数据库，存储于压裂泵现场数据处理中心计算机内；所述后方数据模块包括完整版历史故障数据库和专家知识数据库，存储于远端大数据中心服务器内，所述压裂泵现场数据处理中心计算机与所述远端大数据中心服务器通过网络实现通讯联接。
采用上述进一步方案的有益效果是，利用传感技术和故障诊断技术，对压裂泵实时状态监测和远程数据传输，实现了该类装备的分布式和智能化监测。分布式监测设计使压裂泵能够非常灵活的进行组合使用，不会给用户带来额外的成本。
进一步地，还包括专家技术支持模块，所述专家技术支持模块与所述数据模块、所述信号处理模块通讯联接，用于在发生未知故障时，向专家组传输压裂泵现场运行数据，同时向现场传送专家组的指导意见。
采用上述进一步方案的有益效果是，即便是运行在偏远地区，也可以使压裂泵随时随地接受技术专家的诊断，通过网络将压裂泵的所有运行数据传输给专家组，专家组根据对各数据的分析诊断，给出对故障的判断、处理方案等，指导现场技术人员对设备进行维护或维修。
一种压裂泵在线监测及故障诊断方法，基于上述***，包括以下步骤：
S1、采集压裂泵动力输入端输入轴转速、曲轴支撑座振动值、十字头滑套筒体的振动值与温度值、液力输出端阀箱的振动值。
S2、利用对步骤S1中采集到的数据进行分析处理，与数据模块中的基准数据和技术支持数据进行比对，获得动力端曲轴连杆轴径运动位置及曲轴轴承运转状态，输入轴、减速箱内各转动轴上的轴承和齿轮的运转状态以及十字头及十字头滑套的工作状态，液力端阀箱内各阀门的工作状态。
S3、提供故障预警与并发控制信息，生成压裂泵工作状态报告。
进一步地，所述步骤S2中获得曲轴连杆轴径运动位置，具体步骤如下：
S2-1-1、确定键相传感器键槽与曲轴初始位置的关系；
S2-1-2、获得键相传感器的脉冲时序；
S2-1-2、根据减速装置的机械结构参数，计算获得曲轴连杆轴径位置与键相传感器脉冲的对应关系。
进一步地，所述步骤S2中获得输入轴、减速箱内各转动轴上的轴承和齿轮的运转状态，具体步骤如下：
S2-2-1、通过键相传感器获得输入轴转速，并依据减速箱内各传动装置的转速比例关系，得到减速箱内各转动部件的频率；
S2-2-2、对动力输入端曲轴支撑座的振动值进行信号处理，把时域信号转换为频域信号，获得不同频率下的振动分量；
S2-2-3、分别取与输入轴、减速箱内各转动轴相对应频率下的振动分量，通过阈值与窗函数设定模块进行信号滤波，与数据模块中的旋转部件特征库、历史故障数据库内数据进行比对，并利用基于规则的预测算法模块进行分析，获得各转动轴上的轴承和齿轮运转状态和预判定位故障点；
进一步地，所述步骤S2中获得十字头及十字头滑套的工作状态，具体步骤如下：
S2-3-1、获取安装于十字头滑套筒体外侧的振动数据与温度数据；
S2-3-2、通过阈值与窗函数设定模块对上述步骤的数据进行信号滤波，并与数据模块中的往复和拍击部件特征库、历史故障数据库中的数据进行比对，并利用基于规则的预测算法模块进行分析，获得十字头及十字头滑套的工作状态和故障预警。
进一步地，所述步骤S2中获得液力端阀箱内各阀门的工作状态，具体步骤如下：
S2-4-1、根据键相传感器的脉冲信号确定活塞当前的位置；
S2-4-2、根据活塞当前的位置确定当前动作的阀门；
S2-4-3、将液力输出端阀箱上的振动信号与动作的阀门进行关联；
S2-4-4、通过阈值与窗函数设定模块对上述步骤的振动数据进行信号滤波，并与数据模块中的往复和拍击部件特征库、历史故障数据库内数据进行比对，并利用基于规则的预测算法模块进行分析，确定工作阀门的工作状态和预判故障。
采用上述进一步方案的有益效果是，采用键相定位信号与振动信号配合，结合优化的传感器布局，用最少数量传感器，检测了多个阀门组件工作状态。
实现了故障定位至部件级。本发明实现了对压裂泵内部主要部件的状态监测和故障诊断，故障定位到部件级，大大提高了排除故障时效。该技术与类似产品的整机监测有本质区别，整机监测只能预测到泵可能有故障，但是具体是那部分出现问题，无法预测，需要进一步分解进行排查，耗时耗力。
附图说明
图1为本发明的压裂泵在线监测及故障诊断***的逻辑框图；
图2为本发明中信号采集模块的逻辑框图；
图3为实施例中各传感器的安装位置示意图；
图4为实施例中十字头滑套筒体外的振动和温度曲线图示例；
图5为实施例中液力端阀箱内阀门工作振动曲线示例；
1、第一振动传感器；2、前置采集器；3、第三振动传感器；4、振动温度一体传感器；5、转速传感器；10、信号采集模块；20、信号处理模块；30、数据模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
请参照图1所示，其为本发明的压裂泵在线监测及故障诊断***的逻辑框图。一种压裂泵在线监测及故障诊断***，所述压裂泵包括动力输入端和液力输出端，其特征在于，包括信号采集模块10、信号处理模块20和数据模块30，所述信号采集模块10与所述信号处理模块20通讯联接；所述信号处理模块20与所述数据模块30通讯联接；
如图2所示，所述信号采集模块包括前置采集器及与前置采集器电连接的传感器组件，所述前置采集器主要包括振动信号采集模块、通用信号采集模块、存储模块、数据传输模块，负责接收各传感器信号、对信号预处理和数据存储，并把数据打包发送；所述传感器组件包括安装于动力输入端的转速传感器、安装于动力输入端的第一振动传感器、第二振动传感器、温度传感器及安装在液力输出端的第三振动传感器；
所述信号处理模块包括故障预测与并发控制模块、阈值与窗函数设定模块以及分别与其数据交联的振动信号特征提取与辨识模块、通用信号处理模块、基于规则的预测算法模块、数据共享缓冲模块；
所述数据模块包括旋转部件特征库、往复和拍击部件特征库、历史故障数据库和专家知识数据库；用于对压裂泵的数据分析提供基准数据及技术支持数据；
信号采集模块采集来的数据通过信号处理模块中的振动信号特征提取与辨识和通用信号处理后，再通过设定的阈值和窗函数与数据模块进行滤波，并与各特征数据库数据进行对比，最后利用基于规则的预测算法模块得出泵体的主要部件的工作状态。
关于基于规则的预测算法，
比如，对动力端转动轴的预测，包括以下步骤：
(1)判断是轴承振动特征还是齿轮振动特征
把滤波后的振动信号特征分别与旋转部件特征库的“轴承特征”和“齿轮特征”信号进行对比，给出轴承特征信号或齿轮特征信号；
(2)分别把轴承特征信号和齿轮特征信号与基准数据进行对比，判断部件工作状态；
(3)如果信号数值超出基准值正常的波动区间，或者接近预警值，把信号特征与历史故障数据进行对比，给出故障预警。
对十字头滑套的预测的步骤如下：
(1)分别把振动信号与温度信号与基准数据进行对比；
(2)如果出现信号超出基准值正常的波动区间，或者上升速率超过正常上升速率的波动区间，或者接近预警值等现象，要对振动和温度信号综合对比；
(3)如果振动信号超过基准值正常的波动区间，而温度信号无变化，要把其他振动传感器信号考虑进来，排除是否为其他部件振动变化对其影响；
(4)如果振动信号超过基准值正常的波动区间，温度信号超过基准值正常的波动区间，基本判定是该十字头问题；
(5)把两种信息特征与历史数据进行对比，给出故障预警。
对液力端阀门的预测步骤如下：
(1)把键相脉冲信号与振动信号对应起来；
(2)根据振动幅值水平，确定具体阀门振动；
(3)把每个阀门的振动信号与基准数据进行对比，判断阀门工作状态；
(4)如果振动信号超过基准值正常的波动区间，把信号特征与历史故障数据进行对比，给出故障预警。
上述所谓基准值正常的波动区间，综合根据压裂泵的实验运行阶段及实际运行阶段的数据积累设定，如可设置为基准值的95％～105％之间。
进一步地，如图3所示，所述转速传感器5安装于动力输入端转轴上；所述第一振动传感器1安装在曲轴支撑轴承座上；所述第二振动传感器、温度传感器安装于十字头滑套外筒上，本实施例中采用振动温度一体传感器4；所述第三振动传感器3安装于液力输出端阀箱外部，本实施例中，由于阀箱采用锻打加工，在振动信号传输过程中，信号衰减比较小；故通过大量对比试验，给出了一个最佳振动传感器数量和布局方案，例如5对(10个)阀门的液力端，在阀箱只需安装2个振动传感器就可完成和定位全部阀门工作状况，上述各传感器的信息通过固定在机身上的前置采集器2进行汇总处理。
进一步地，所述数据模块包括现场数据模块与后方数据模块，所述现场数据模块包括旋转部件特征库、往复和拍击部件特征库和简化版历史故障数据库，存储于压裂泵现场数据处理中心计算机内；所述后方数据模块包括完整版历史故障数据库和专家知识数据库，存储于远端大数据中心服务器内，所述压裂泵现场数据处理中心计算机于所述远端大数据中心服务器通过网络实现通讯联接。
进一步地，还包括专家技术支持模块，所述专家技术支持模块与所述数据模块、所述信号处理模块通讯联接，用于在发生未知故障时，向专家组传输压裂泵现场运行数据，同时向现场传送专家组的指导意见。
一种压裂泵在线监测及故障诊断方法，基于上述***，包括以下步骤：
S1、采集压裂泵动力输入端输入轴转速、曲轴支撑座振动值、十字头滑套筒体的振动值与温度值、液力输出端阀箱的振动值。
S2、利用对步骤S1中采集到的数据进行分析处理，与数据模块中的基准数据和技术支持数据进行比对，获得动力端曲轴及曲轴轴承运转状态，输入轴、减速箱内各转动轴上的轴承和齿轮的运转状态以及十字头的运动状态，液力端阀箱内各阀芯与阀体的工作状态。
S3、提供故障预警与并发控制信息，生成压裂泵工作状态报告。
进一步地，所述步骤S2中获得曲轴连杆轴径位置，具体步骤如下：
S2-1-1、确定键相传感器键槽与曲轴初始位置的关系；
S2-1-2、获得键相传感器的脉冲时序；
S2-1-2、根据减速装置的机械结构参数，比如减速装置的减速比，计算获得曲轴连杆轴径位置与键相传感器脉冲的对应关系。
进一步地，所述步骤S2中获得输入轴、减速箱内各转动轴上的轴承和齿轮的运转状态，具体步骤如下：
S2-2-1、通过键相传感器获得输入轴转速，并依据减速箱内各传动装置的转速比例关系，得到减速箱内各转动部件的频率；
S2-2-2、对动力输入端曲轴支撑座的振动值进行信号处理，把时域信号转换为频域信号，获得不同频率下的振动分量；
S2-2-3、分别取与输入轴、减速箱内各转动轴相对应频率下的振动分量，通过阈值与窗函数设定模块进行信号滤波，与数据模块中的旋转部件特征库、历史故障数据库内数据进行比对，并利用基于规则的预测算法模块进行分析，获得各转动轴上的轴承和齿轮运转状态和预判定位故障点。
进一步地，所述步骤S2中获得十字头及十字头滑套的工作状态，具体步骤如下：
S2-3-1、获取安装于十字头滑套筒体外侧的振动数据与温度数据；
S2-3-2、通过阈值与窗函数设定模块对上述步骤的数据进行信号滤波，并与数据模块中的往复和拍击部件特征库、历史故障数据库中的数据进行比对，并利用基于规则的预测算法模块进行分析，获得十字头及十字头滑套的工作状态和故障预警。如图4所示，经过长时间的监测运行，压裂泵在正常运行过程中，十字头滑套筒体的振动振幅一般在11mm/s以下，筒体外壳的温度在100摄氏度以下，由此，通过阈值与窗函数设定模块设定第二振动传感器的报警阈值为11mm/s，温度传感器的报警阈值为105摄氏度，当检测到的振幅或温度接近阈值，则发出报警信号，预判十字头与滑套之间的润滑效果不佳，需要即时维护。不同类型的压裂泵正常振幅和温度值相差较大，此参数需要根据具体型号具体设定。
进一步地，所述步骤S2中获得阀箱内各阀门的工作状态，具体步骤如下：
S2-4-1、根据键相传感器的脉冲信号确定活塞当前的位置；
S2-4-2、根据活塞的位置确定当前动作的阀门；
S2-4-3、将液力输出端阀箱上的振动信号与动作的阀门进行关联；
S2-4-4、通过阈值与窗函数设定模块对上述步骤的振动数据进行信号滤波，并与数据模块中的往复和拍击部件特征库、历史故障数据库内数据进行比对，并利用基于规则的预测算法模块进行分析，确定工作阀门的工作状态和预判故障。
如图5所示，此图描述了一对阀门振动信号与键相编码信号对应关系；结合该阀门历史工作数据对比，可以预判故障。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种压裂泵在线监测及故障诊断***，所述压裂泵包括动力输入端和液力输出端，其特征在于，包括信号采集模块、信号处理模块和数据模块，所述信号采集模块与所述信号处理模块通讯联接；所述信号处理模块与所述数据模块通讯联接；
所述信号采集模块包括前置采集器及与前置采集器电连接的传感器组件，所述前置采集器主要包括振动信号采集模块、通用信号采集模块、存储模块、数据传输模块，负责接收各传感器信号、对信号预处理和数据存储，并把数据打包发送；所述传感器组件包括安装于动力输入端的转速传感器、第一振动传感器、第二振动传感器、温度传感器及安装在液力输出端的第三振动传感器；
所述信号处理模块包括故障预测与并发控制模块、阈值与窗函数设定模块以及分别与故障预测与并发控制模块、阈值与窗函数设定模块数据交联的振动信号特征提取与辨识模块、通用信号处理模块、基于规则的预测算法模块、数据共享缓冲模块；
所述数据模块包括旋转部件特征库、往复和拍击部件特征库、历史故障数据库和专家知识数据库；用于对压裂泵的数据分析提供基准数据及技术支持数据；
信号采集模块采集来的数据通过信号处理模块中的振动信号特征提取与辨识和通用信号处理后，再通过设定的阈值和窗函数与数据模块进行信号滤波，并与各特征数据库数据进行对比，最后利用基于规则的预测算法模块得出泵的主要部件的工作状态；
所述基于规则的预测算法模块对液力输出端阀箱内的阀门的预测步骤如下：
（1）把键相脉冲信号与振动信号对应起来；
（2）根据振动幅值水平，确定具体阀门振动；
（3）把每个阀门的振动信号与基准数据进行对比，判断阀门工作状态；
（4）如果振动信号超过基准值正常的波动区间，把信号特征与历史故障数据进行对比，给出故障预警。
2.根据权利要求1所述的压裂泵在线监测及故障诊断***，其特征在于，所述转速传感器安装于动力输入端转轴上；所述第一振动传感器安装在曲轴支撑轴承座上；所述第二振动传感器、温度传感器安装于十字头滑套外筒上；所述第三振动传感器安装于液力输出端阀箱外部。
3.根据权利要求1或2所述的压裂泵在线监测及故障诊断***，其特征在于，所述数据模块包括现场数据模块与后方数据模块，所述现场数据模块包括旋转部件特征库、往复和拍击部件特征库以及简化版历史故障数据库，存储于压裂泵现场数据处理中心计算机内；所述后方数据模块包括完整版历史故障数据库和专家知识数据库，存储于远端大数据中心服务器内，所述压裂泵现场数据处理中心计算机与所述远端大数据中心服务器通过网络实现通讯联接。
4.根据权利要求1所述的压裂泵在线监测及故障诊断***，其特征在于，所述基于规则的预测算法模块对动力输入端转动轴的预测，包括以下步骤：
（1）判断振动信号是轴承还是齿轮振动特征；
把滤波后的振动信号特征分别与旋转部件特征库的“轴承特征”和“齿轮特征”信号进行对比，判断当前振动信号是轴承特征信号或齿轮特征信号；
（2）分别把轴承特征信号和齿轮特征信号与基准数据进行对比，判断部件工作状态；
（3）如果信号数值超出基准值正常的波动区间，把信号特征与历史故障数据进行对比，给出故障预警；
所述基于规则的预测算法模块对十字头滑套的预测步骤如下：
（1）分别把振动信号与温度信号与基准数据进行对比；
（2）如果信号超出基准值正常的波动区间，或者上升速率超过正常上升速率的波动区间，对振动和温度信号综合对比；
（3）如果振动信号超过基准值正常的波动区间，而温度信号无变化，把其他振动传感器信号考虑进来，排除是否为其他部件振动变化对其影响；
（4）如果振动信号超过基准值正常的波动区间，温度信号超过基准值正常的波动区间，基本判定是该十字头滑套问题；
（5）把两种信息特征与历史数据进行对比，给出故障预警。
5.根据权利要求1所述的压裂泵在线监测及故障诊断***，其特征在于，还包括专家技术支持模块，所述专家技术支持模块与所述数据模块、所述信号处理模块通讯联接，用于在发生未知故障时，向专家组传输压裂泵现场运行数据，同时向现场传送专家组的指导意见。
6.一种压裂泵在线监测及故障诊断方法，基于权利要求1、2、4、5任一项所述的***，其特征在于，包括以下步骤：
S1、采集压裂泵动力输入端输入轴转速、曲轴支撑轴承座振动值、十字头滑套筒体的振动值与温度值、液力输出端阀箱的振动值；
S2、利用对步骤S1中采集到的数据进行分析处理，与数据模块中的基准数据和技术支持数据进行比对，获得动力输入端曲轴连杆轴径运动位置及曲轴轴承运转状态，输入轴、减速箱内各转动轴上的轴承和齿轮的运转状态，十字头及十字头滑套的工作状态，液力输出端阀箱内各阀门的工作状态；
S3、提供故障预警与并发控制信息，生成压裂泵工作状态报告。
7.根据权利要求6所述的压裂泵在线监测及故障诊断方法，其特征在于，所述步骤S2中获得曲轴连杆轴径运动位置，具体步骤如下：
S2-1-1、确定键相传感器键槽与曲轴初始位置的关系；
S2-1-2、获得键相传感器的脉冲时序；
S2-1-3、根据减速装置的机械结构参数，计算获得曲轴连杆轴径位置与键相传感器脉冲的对应关系。
8.根据权利要求6所述的压裂泵在线监测及故障诊断方法，其特征在于，所述步骤S2中获得输入轴、减速箱内各转动轴上的轴承和齿轮的运转状态，具体步骤如下：
S2-2-1、通过键相传感器获得输入轴转速，并依据减速箱内各传动装置的转速比例关系，得到减速箱内各转动部件的频率；
S2-2-2、对动力输入端曲轴支撑座的振动值进行信号处理，把时域信号转换为频域信号，获得不同频率下的振动分量；
S2-2-3、分别取与输入轴、减速箱内各转动轴相对应频率下的振动分量，通过阈值与窗函数设定模块进行信号滤波，与数据模块中的旋转部件特征库、历史故障数据库内数据进行比对，并利用基于规则的预测算法模块进行分析，获得各转动轴上的轴承和齿轮运转状态和预判定位故障点。
9.根据权利要求6所述的压裂泵在线监测及故障诊断方法，其特征在于，所述步骤S2中获得十字头及十字头滑套的工作状态，具体步骤如下：
S2-3-1、获取安装于十字头滑套筒体外侧的振动数据与温度数据；
S2-3-2、通过阈值与窗函数设定模块对上述步骤S2-3-1的数据进行信号滤波，并与数据模块中的往复和拍击部件特征库、历史故障数据库中的数据进行比对，并利用基于规则的预测算法模块进行分析，获得十字头及十字头滑套的工作状态和故障预警。
10.根据权利要求6所述的压裂泵在线监测及故障诊断方法，其特征在于，所述步骤S2中获得液力输出端阀箱内各阀门的工作状态，具体步骤如下：
S2-4-1、根据键相传感器的脉冲信号确定活塞当前的位置；
S2-4-2、根据活塞当前的位置确定当前动作的阀门；
S2-4-3、将液力输出端阀箱上的振动信号与动作的阀门进行关联；
S2-4-4、通过阈值与窗函数设定模块对上述步骤S2-4-3的振动数据进行信号滤波，并与数据模块中的往复和拍击部件特征库、历史故障数据库内数据进行比对，并利用基于规则的预测算法模块进行分析，确定工作阀门的工作状态和预判故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911378023.5A CN111043023B (zh) | 2019-12-27 | 2019-12-27 | 一种压裂泵在线监测及故障诊断*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911378023.5A CN111043023B (zh) | 2019-12-27 | 2019-12-27 | 一种压裂泵在线监测及故障诊断*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111043023A CN111043023A (zh) | 2020-04-21 |
| CN111043023B true CN111043023B (zh) | 2021-08-17 |
Family
ID=70240654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911378023.5A Active CN111043023B (zh) | 2019-12-27 | 2019-12-27 | 一种压裂泵在线监测及故障诊断*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111043023B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112983381A (zh) * | 2021-04-20 | 2021-06-18 | 烟台杰瑞石油装备技术有限公司 | 压裂设备及其控制方法、压裂*** |
| CN111502974A (zh) * | 2020-05-28 | 2020-08-07 | 美国杰瑞国际有限公司 | 一种柱塞泵状态监测与故障诊断*** |
| CN112145142A (zh) * | 2020-09-04 | 2020-12-29 | 四机赛瓦石油钻采设备有限公司 | 一种压裂井场三维部署*** |
| CN112541563A (zh) * | 2020-09-30 | 2021-03-23 | 国电龙源电力技术工程有限责任公司 | 基于边缘计算技术的旋转设备振动预测管理*** |
| CN113565484B (zh) * | 2021-07-23 | 2022-06-07 | 西安交通大学 | 一种基于相对均方根值的压裂泵泵阀故障诊断方法 |
| CN113653479A (zh) * | 2021-09-16 | 2021-11-16 | 成都鹦鹉螺大数据科技有限公司 | 压裂施工物联网*** |
| CN114396377B (zh) * | 2021-12-20 | 2024-05-24 | 烟台杰瑞石油服务集团股份有限公司 | 一种压裂泵检测方法、***、设备及存储介质 |
| CN217305027U (zh) * | 2021-12-23 | 2022-08-26 | 烟台杰瑞石油服务集团股份有限公司 | 阀箱检测*** |
| CN114483561B (zh) * | 2022-01-21 | 2024-03-22 | 烟台杰瑞石油服务集团股份有限公司 | 一种通过角度域显示参数信号的方法及装置 |
| CN116976863B (zh) * | 2023-09-20 | 2023-12-22 | 福建福清核电有限公司 | 基于互联网的比例阀门卡件数据分析*** |
| CN116976684B (zh) * | 2023-09-25 | 2024-01-02 | 尚古智造(山东)智能装备有限公司 | 用于物流输送机的风险模型预测控制方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203231813U (zh) * | 2013-04-17 | 2013-10-09 | 国家电网公司 | 振动远程监测与故障诊断*** |
| CN104632602A (zh) * | 2013-11-08 | 2015-05-20 | 中国石油天然气集团公司 | 往复式注水泵状态监测及故障诊断*** |
| CN204984825U (zh) * | 2015-09-26 | 2016-01-20 | 沧州市荣昌电气设备有限公司 | 一种油田注水泵智能诊断监控装置 |
| CN109491341A (zh) * | 2018-11-28 | 2019-03-19 | 北京迈斯康特测控技术有限公司 | 用于油田作业设备的监控与数据分析*** |
-
2019
- 2019-12-27 CN CN201911378023.5A patent/CN111043023B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203231813U (zh) * | 2013-04-17 | 2013-10-09 | 国家电网公司 | 振动远程监测与故障诊断*** |
| CN104632602A (zh) * | 2013-11-08 | 2015-05-20 | 中国石油天然气集团公司 | 往复式注水泵状态监测及故障诊断*** |
| CN204984825U (zh) * | 2015-09-26 | 2016-01-20 | 沧州市荣昌电气设备有限公司 | 一种油田注水泵智能诊断监控装置 |
| CN109491341A (zh) * | 2018-11-28 | 2019-03-19 | 北京迈斯康特测控技术有限公司 | 用于油田作业设备的监控与数据分析*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111043023A (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111043023B (zh) | 一种压裂泵在线监测及故障诊断*** | |
| US11401927B2 (en) | Status monitoring and failure diagnosis system for plunger pump | |
| CN106197996A (zh) | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 | |
| CN102707037B (zh) | 柴油机润滑油在线监测*** | |
| CN101799359B (zh) | 一种动力设备故障监测预报方法及其*** | |
| CN106949056B (zh) | 一种压风机运行状态感知及故障预测***及方法 | |
| CN104764489A (zh) | 一种风电变速器的润滑油在线监测方法 | |
| CN107238416B (zh) | 一种盾构/tbm在线状态监测*** | |
| CN101059130A (zh) | 往复压缩机在线远程状态监测与故障分析诊断*** | |
| CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及*** | |
| CN104632602A (zh) | 往复式注水泵状态监测及故障诊断*** | |
| CN110397476B (zh) | 一种核电用汽轮机油品在线监测分析***与方法 | |
| CN204984825U (zh) | 一种油田注水泵智能诊断监控装置 | |
| CN201547476U (zh) | 润滑***监测诊断装置 | |
| CN102692449A (zh) | 一种通过综合分析对高炉炉顶齿轮箱的故障诊断方法 | |
| CN113916531A (zh) | 一种核电齿轮箱振动及油液在线监测的故障诊断与预测*** | |
| CN114487361A (zh) | 一种油液在线监测*** | |
| CN114263458B (zh) | 一种油井工况全感知智能诊断自动处理的方法和*** | |
| CN208456598U (zh) | 盾构机主液压监测*** | |
| CN202673654U (zh) | 在线钻井泵故障智能诊断装置 | |
| CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
| CN111556111A (zh) | 基于物联网的管廊设备故障远程诊断*** | |
| CN201876451U (zh) | 基于多传感器融合技术的多参量油液监测分析装置 | |
| CN112487709B (zh) | 一种基于敏感性分析的船用柴油机故障溯源方法 | |
| CN203756651U (zh) | 一种在用大型工程车辆液压***在线自动监测*** |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: No.5, Jierui Road, Laishan District, Yantai City, Shandong Province Applicant after: Orange cloud Internet Design Co.,Ltd. Address before: No. 1102, unit 1, building 1, No. 9, Huanghai Road, Laishan District, Yantai City, Shandong Province Applicant before: UNI-ORANGE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |