CN114857067B - 一种大型透平压缩机全生命周期监测管理方法及*** - Google Patents
一种大型透平压缩机全生命周期监测管理方法及*** Download PDFInfo
- Publication number
- CN114857067B CN114857067B CN202210550856.0A CN202210550856A CN114857067B CN 114857067 B CN114857067 B CN 114857067B CN 202210550856 A CN202210550856 A CN 202210550856A CN 114857067 B CN114857067 B CN 114857067B
- Authority
- CN
- China
- Prior art keywords
- data
- life cycle
- stage
- turbine compressor
- target turbine
- 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
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
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明提出了一种大型透平压缩机全生命周期监测管理方法及***,涉及透平压缩机技术领域。该方法包括:根据全生命周期历史数据,划分多个生命周期阶段。根据各个生命周期阶段的阶段数据和相同阶段数据构建数据关联模型。利用目标透平压缩机ID编号确定传感器,以获取实时运行数据。利用数据关联模型分析实时运行数据,确定当前生命周期阶段。利用目标透平压缩机ID编号确定初次使用时间,通过预置数据库确定理论生命周期阶段。对比当前生命后期阶段和理论生命周期阶段,以对透平压缩机的全生命周期的监测。若当前生命后期阶段和理论生命周期阶段不一致,则利用摄像头获取当前图像数据,通过当前图像数据进一步监测目标透平压缩机的运行状态。
Description
技术领域
本发明涉及透平压缩机技术领域,具体而言,涉及一种大型透平压缩机全生命周期监测管理方法及***。
背景技术
透平压缩机是指具有高速旋转叶轮的动力式压缩机。它依靠旋转叶轮与气流间的相互作用力来提高气体压力,同时使气流产生加速度而获得动能,然后气流在扩压器中减速,将动能转化为压力能,进一步提高压力。
由于透平压缩机零部件多、结构复杂,且透平压缩机的应用场景不同,导致透平压缩机的使用痕迹和故障程度不同。而且透平压缩机一般用于石油化工、煤化工、天然气化工等流程行业中,如果无法有效对透平压缩机的生命周期进行监测,也就无法及时对透平压缩机进行维修、诊断和监测,将会造成使用者巨大的经济损失和资源损失。
发明内容
本发明的目的在于提供一种大型透平压缩机全生命周期监测管理方法及***,用以改善现有技术中无法有效对透平压缩机的生命周期进行监测,也就无法及时对透平压缩机进行维修、诊断和监测的问题。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种大型透平压缩机全生命周期监测管理方法,其包括如下步骤:
获取多个透平压缩机的全生命周期历史数据;
根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一生命周期阶段具有相应的阶段数据;
基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据;
基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型;
获取目标透平压缩机ID编号,通过目标透平压缩机ID编号确定目标透平压缩机对应的传感器,传感器用于采集目标透平压缩机的实时运行数据;
将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段;
根据目标透平压缩机ID编号,获取目标透平压缩机的初次使用时间,并将初次使用时间输入至预置数据库中,以确定目标透平压缩机的理论生命周期阶段;
若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态;
当监测到目标透平压缩机发生数据异常时,则发送图像拍摄指令至目标透平压缩机对应的摄像头,以获取目标透平压缩机的当前图像数据;
根据实时运行数据和当前图像数据,生成监测报告。
在本发明的一些实施例中,上述基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型的步骤包括:
根据任一生命周期阶段的阶段数据建立对应生命周期阶段的数据层;
根据相同阶段数据建立两个生命周期阶段的连接层;
通过连接层和数据层构建数据关联模型。
在本发明的一些实施例中,上述根据任一生命周期阶段的阶段数据建立对应生命周期阶段的数据层的步骤包括:
将任一生命周期阶段的阶段数据进行归类整理,并根据归类整理后的阶段数据建立该阶段数据的数据索引。
在本发明的一些实施例中,上述将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段的步骤包括:
将实时运行数据与数据关联模型中的全生命周期历史数据进行匹配,以确定相匹配的阶段数据;
根据相匹配的阶段数据,确定目标透平压缩机的当前生命周期阶段。
在本发明的一些实施例中,上述若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态的步骤包括:
若当前生命周期阶段与理论生命周期阶段不一致,则获取当前生命周期阶段的第一时间参数和理论生命周期阶段的第二时间参数;
若第一时间参数大于第二时间参数,则计算第一时间参数和第二时间参数之间的时间差值;
将时间差值输入至预置判断模型中,得到目标透平压缩机的运行状态初步判断结果。
在本发明的一些实施例中,上述获取目标透平压缩机ID编号的步骤之前,该方法还包括:
对所有透平压缩机进行编号,以使任一透平压缩机具有唯一ID编号。
在本发明的一些实施例中,上述根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段的步骤包括:
根据全生命周期历史数据,将透平压缩机的全生命周期至少划分为使用初期、故障频发期、运行维修期和报废处理期中的一种或多种。
第二方面,本申请实施例提供一种大型透平压缩机全生命周期监测管理***,其包括:
历史数据获取模块,用于获取多个透平压缩机的全生命周期历史数据;
生命周期阶段划分模块,用于根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一生命周期阶段具有相应的阶段数据;
相同阶段数据获取模块,用于基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据;
数据关联模型构建模块,用于基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型;
实时运行数据获取模块,用于获取目标透平压缩机ID编号,通过目标透平压缩机ID编号确定目标透平压缩机对应的传感器,传感器用于采集目标透平压缩机的实时运行数据;
当前生命周期阶段确定模块,用于将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段;
理论生命周期阶段确定模块,用于根据目标透平压缩机ID编号,获取目标透平压缩机的初次使用时间,并将初次使用时间输入至预置数据库中,以确定目标透平压缩机的理论生命周期阶段;
运行状态监测模块,用于若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态;
当前图像数据获取模块,用于当监测到目标透平压缩机发生数据异常时,则发送图像拍摄指令至目标透平压缩机对应的摄像头,以获取目标透平压缩机的当前图像数据;
监测报告生成模块,用于根据实时运行数据和当前图像数据,生成监测报告。
在本发明的一些实施例中,上述数据关联模型构建模块包括:
数据层建立单元,用于根据任一生命周期阶段的阶段数据建立对应生命周期阶段的数据层;
连接层建立单元,用于根据相同阶段数据建立两个生命周期阶段的连接层;
模型建立单元,用于通过连接层和数据层构建数据关联模型。
在本发明的一些实施例中,上述数据层建立单元包括:
数据索引建立子单元,用于将任一生命周期阶段的阶段数据进行归类整理,并根据归类整理后的阶段数据建立该阶段数据的数据索引。
在本发明的一些实施例中,上述当前生命周期阶段确定模块包括:
实时运行数据匹配单元,用于将实时运行数据与数据关联模型中的全生命周期历史数据进行匹配,以确定相匹配的阶段数据;
周期阶段确定单元,用于根据相匹配的阶段数据,确定目标透平压缩机的当前生命周期阶段。
在本发明的一些实施例中,上述运行状态监测模块包括:
时间参数获取单元,用于若当前生命周期阶段与理论生命周期阶段不一致,则获取当前生命周期阶段的第一时间参数和理论生命周期阶段的第二时间参数;
时间差值计算单元,用于若第一时间参数大于第二时间参数,则计算第一时间参数和第二时间参数之间的时间差值;
初步判断单元,用于将时间差值输入至预置判断模型中,得到目标透平压缩机的运行状态初步判断结果。
在本发明的一些实施例中,上述大型透平压缩机全生命周期监测管理***还包括:
编号模块,用于对所有透平压缩机进行编号,以使任一透平压缩机具有唯一ID编号。
在本发明的一些实施例中,上述生命周期阶段划分模块包括:
全生命周期划分单元,用于根据全生命周期历史数据,将透平压缩机的全生命周期至少划分为使用初期、故障频发期、运行维修期和报废处理期中的一种或多种。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
本发明提供一种大型透平压缩机全生命周期监测管理方法及***,其包括如下步骤:获取多个透平压缩机的全生命周期历史数据。根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一生命周期阶段具有相应的阶段数据。基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据。基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型。获取目标透平压缩机ID编号,通过目标透平压缩机ID编号确定目标透平压缩机对应的传感器,传感器用于采集目标透平压缩机的实时运行数据。将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段。根据目标透平压缩机ID编号,获取目标透平压缩机的初次使用时间,并将初次使用时间输入至预置数据库中,以确定目标透平压缩机的理论生命周期阶段。若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态。当监测到目标透平压缩机发生数据异常时,则发送图像拍摄指令至目标透平压缩机对应的摄像头,以获取目标透平压缩机的当前图像数据。根据实时运行数据和当前图像数据,生成监测报告。
该方法及***首先根据多个透平压缩机的全生命周期历史数据,将透平压缩机的全生命周期较为准确的划分出多个生命周期阶段。然后根据各个生命周期阶段的阶段数据和相同阶段数据构建数据关联模型。数据关联模型构建完成后,利用目标透平压缩机ID编号确定目标透平压缩机对应的传感器,以获取该传感器采集的目标透平压缩机的实时运行数据。然后利用数据关联模型分析实时运行数据,确定目标透平压缩机的当前生命周期阶段。同时利用目标透平压缩机ID编号定位目标透平压缩机的初次使用时间,通过预置数据库依据初次使用时间确定理论生命周期阶段。然后将当前生命后期阶段和理论生命周期阶段进行对比,实现了对透平压缩机的全生命周期的监测的目的。若当前生命后期阶段和理论生命周期阶段不一致,则利用摄像头获取当前图像数据,从而通过当前图像数据进一步监测目标透平压缩机的运行状态。进而及时提醒使用者对透平压缩机进行维修、诊断和监测,避免造成使用者巨大的经济损失和资源损失。并根据实时运行数据和当前图像数据生成监测报告,以直观反映对目标透平压缩机的全生命周期监测结果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种大型透平压缩机全生命周期监测管理方法的流程图;
图2为本发明实施例提供的一种构建数据关联模型的流程图;
图3为本发明实施例提供的一种运行状态初步判断流程图;
图4为本发明实施例提供的一种大型透平压缩机全生命周期监测管理***的结构框图;
图5为本发明实施例提供的一种电子设备的示意性结构框图。
图标:110-历史数据获取模块;120-生命周期阶段划分模块;130-相同阶段数据获取模块;140-数据关联模型构建模块;150-实时运行数据获取模块;160-当前生命周期阶段确定模块;170-理论生命周期阶段确定模块;180-运行状态监测模块;190-当前图像数据获取模块;200-监测报告生成模块;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,若出现术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,若出现由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参照图1,图1所示为本发明实施例提供的一种大型透平压缩机全生命周期监测管理方法的流程图。本申请实施例提供一种大型透平压缩机全生命周期监测管理方法,其包括如下步骤:
S110:获取多个透平压缩机的全生命周期历史数据;
S120:根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一生命周期阶段具有相应的阶段数据;
具体的,从多个透平压缩机的全生命周期历史数据出发,可以更准确的划分生命周期阶段。
其中,生命周期阶段可以包括设备使用初期、故障频发期、运行维修期和报废处理期。对于透平压缩机的全生命周期而言,每个生命周期阶段都有相应的阶段数据,且多个生命周期阶段之间联系紧密,任意两个阶段之间存在着相同阶段数据,以进行信息传递,并且各个生命周期阶段的事务处理造成阶段数据的改变不仅受与其相关联的其他生命周期阶段的影响,同时影响着其他生命周期阶段的阶段数据。
S130:基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据;
S140:基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型;
具体的,利用任一生命周期阶段的阶段数据建立数据层,利用两个生命周期阶段中的相同阶段数据建立两个数据层之间的连接层,从而构建数据关联模型。通过数据关联模型可以对各个数据层、连接层之间的数据进行处理分析,进而对各个数据层、连接层进行全方面管控,通过数据关联模型可以表征各个数据层、连接层之间的联动关系。
S150:获取目标透平压缩机ID编号,通过目标透平压缩机ID编号确定目标透平压缩机对应的传感器,传感器用于采集目标透平压缩机的实时运行数据;
具体的,每个透平压缩机在出厂时,都会为其编码唯一ID编号,进而通过ID编号对各个透平压缩机进行定位。上述每个透平压缩机都配置有传感器,以通过传感器采集对应透平压缩机的运行数据。
示例性的,上述运行数据可以包括运行温度。上述实现过程中,为每个透平压缩机配置温度传感器,通过温度传感器采集对应透平压缩机的运行温度。
S160:将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段;
具体的,将实时运行数据传输至数据关联模型中,数据关联模型通过各个数据层和连接层之间的阶段数据、联动关系确定与该目标透平压缩机的实时运行数据相匹配的当前生命周期阶段。
S170:根据目标透平压缩机ID编号,获取目标透平压缩机的初次使用时间,并将初次使用时间输入至预置数据库中,以确定目标透平压缩机的理论生命周期阶段;
其中,预置数据库中记录有透平压缩机的理论寿命时间和所有理论生命周期阶段所处的时间。
具体的,利用目标透平压缩机ID编号定位目标透平压缩机的初次使用时间。将初次使用时间输入至预置数据库中,根据初次使用时间和当前的时间确定该目标透平压缩机的理论生命周期阶段。
S180:若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态;
S190:当监测到目标透平压缩机发生数据异常时,则发送图像拍摄指令至目标透平压缩机对应的摄像头,以获取目标透平压缩机的当前图像数据;
具体的,每个透平压缩机都配置有摄像头。将当前生命后期阶段和理论生命周期阶段进行对比,当两者不一致时,则发送图像拍摄指令至该目标透平压缩机对应的摄像头,以使对应摄像头拍摄当前图像数据,当前图像数据可以进一步反映目标透平压缩机的异常运行状态。
S200:根据实时运行数据和当前图像数据,生成监测报告。
上述实现过程中,该方法首先根据多个透平压缩机的全生命周期历史数据,将透平压缩机的全生命周期较为准确的划分出多个生命周期阶段。然后根据各个生命周期阶段的阶段数据和相同阶段数据构建数据关联模型。数据关联模型构建完成后,利用目标透平压缩机ID编号确定目标透平压缩机对应的传感器,以获取该传感器采集的目标透平压缩机的实时运行数据。然后利用数据关联模型分析实时运行数据,确定目标透平压缩机的当前生命周期阶段。同时利用目标透平压缩机ID编号定位目标透平压缩机的初次使用时间,通过预置数据库依据初次使用时间确定理论生命周期阶段。然后将当前生命后期阶段和理论生命周期阶段进行对比,实现了对透平压缩机的全生命周期的监测的目的。若当前生命后期阶段和理论生命周期阶段不一致,则利用摄像头获取当前图像数据,从而通过当前图像数据进一步监测目标透平压缩机的运行状态。进而及时提醒使用者对透平压缩机进行维修、诊断和监测,避免造成使用者巨大的经济损失和资源损失。并根据实时运行数据和当前图像数据生成监测报告,以直观反映对目标透平压缩机的全生命周期监测结果。
请参照图2,图2所示为本发明实施例提供的一种构建数据关联模型的流程图。在本实施例的一些实施方式中,上述基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型的步骤包括:
S141:根据任一生命周期阶段的阶段数据建立对应生命周期阶段的数据层;
S142:根据相同阶段数据建立两个生命周期阶段的连接层;
S143:通过连接层和数据层构建数据关联模型。
具体的,利用任一生命周期阶段的阶段数据建立数据层,利用两个生命周期阶段中的相同阶段数据建立两个数据层之间的连接层,以构建数据关联模型,从而数据关联模型可以对各个数据层、连接层进行全方面管控,也就可以对各个生命周期阶段进行全方位管控。
在本实施例的一些实施方式中,上述根据任一生命周期阶段的阶段数据建立对应生命周期阶段的数据层的步骤包括:
将任一生命周期阶段的阶段数据进行归类整理,并根据归类整理后的阶段数据建立该阶段数据的数据索引。具体的,通过建立数据索引可以对归类整理后的阶段数据进行有序排布,进一步方便查询各个数据层的数据。
在本实施例的一些实施方式中,上述将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段的步骤包括:
将实时运行数据与数据关联模型中的全生命周期历史数据进行匹配,以确定相匹配的阶段数据;
根据相匹配的阶段数据,确定目标透平压缩机的当前生命周期阶段。
具体的,与实时运行数据相匹配的阶段数据所在的生命周期阶段即为目标透平压缩机的当前生命周期阶段。
请参照图3,图3所示为本发明实施例提供的一种运行状态初步判断流程图。在本实施例的一些实施方式中,上述若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态的步骤包括:
S181:若当前生命周期阶段与理论生命周期阶段不一致,则获取当前生命周期阶段的第一时间参数和理论生命周期阶段的第二时间参数;
S182:若第一时间参数大于第二时间参数,则计算第一时间参数和第二时间参数之间的时间差值;
S183:将时间差值输入至预置判断模型中,得到目标透平压缩机的运行状态初步判断结果。
具体的,若第一时间参数大于第二时间参数,则表示该目标透平压缩机的使用痕迹较明显,则将利用第一时间参数减去第二时间参数得到两者的时间差值。再将时间差值输入至预置判断模型中,以对目标透平压缩机的运行状态进行初步判断。
其中,上述预置判断模型可以是深度学习神经网络模型。
在本实施例的一些实施方式中,上述获取目标透平压缩机ID编号的步骤之前,该方法还包括:
对所有透平压缩机进行编号,以使任一透平压缩机具有唯一ID编号。进而可以通过ID编号对各个透平压缩机进行定位。
在本实施例的一些实施方式中,上述根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段的步骤包括:
根据全生命周期历史数据,将透平压缩机的全生命周期至少划分为使用初期、故障频发期、运行维修期和报废处理期中的一种或多种。
请参照图4,图4所示为本发明实施例提供的一种大型透平压缩机全生命周期监测管理***的结构框图。本申请实施例提供一种大型透平压缩机全生命周期监测管理***,其包括:
历史数据获取模块110,用于获取多个透平压缩机的全生命周期历史数据;
生命周期阶段划分模块120,用于根据全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一生命周期阶段具有相应的阶段数据;
相同阶段数据获取模块130,用于基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据;
数据关联模型构建模块140,用于基于所有生命周期阶段,根据各生命周期阶段的阶段数据和相同阶段数据,构建数据关联模型;
实时运行数据获取模块150,用于获取目标透平压缩机ID编号,通过目标透平压缩机ID编号确定目标透平压缩机对应的传感器,传感器用于采集目标透平压缩机的实时运行数据;
当前生命周期阶段确定模块160,用于将实时运行数据传输至数据关联模型中,确定目标透平压缩机的当前生命周期阶段;
理论生命周期阶段确定模块170,用于根据目标透平压缩机ID编号,获取目标透平压缩机的初次使用时间,并将初次使用时间输入至预置数据库中,以确定目标透平压缩机的理论生命周期阶段;
运行状态监测模块180,用于若当前生命周期阶段与理论生命周期阶段不一致,则根据实时运行数据监测目标透平压缩机的运行状态;
当前图像数据获取模块190,用于当监测到目标透平压缩机发生数据异常时,则发送图像拍摄指令至目标透平压缩机对应的摄像头,以获取目标透平压缩机的当前图像数据;
监测报告生成模块200,用于根据实时运行数据和当前图像数据,生成监测报告。
该***首先根据多个透平压缩机的全生命周期历史数据,将透平压缩机的全生命周期较为准确的划分出多个生命周期阶段。然后根据各个生命周期阶段的阶段数据和相同阶段数据构建数据关联模型。数据关联模型构建完成后,利用目标透平压缩机ID编号确定目标透平压缩机对应的传感器,以获取该传感器采集的目标透平压缩机的实时运行数据。然后利用数据关联模型分析实时运行数据,确定目标透平压缩机的当前生命周期阶段。同时利用目标透平压缩机ID编号定位目标透平压缩机的初次使用时间,通过预置数据库依据初次使用时间确定理论生命周期阶段。然后将当前生命后期阶段和理论生命周期阶段进行对比,实现了对透平压缩机的全生命周期的监测的目的。若当前生命后期阶段和理论生命周期阶段不一致,则利用摄像头获取当前图像数据,从而通过当前图像数据进一步监测目标透平压缩机的运行状态。进而及时提醒使用者对透平压缩机进行维修、诊断和监测,避免造成使用者巨大的经济损失和资源损失。并根据实时运行数据和当前图像数据生成监测报告,以直观反映对目标透平压缩机的全生命周期监测结果。
在本实施例的一些实施方式中,上述数据关联模型构建模块140包括:
数据层建立单元,用于根据任一生命周期阶段的阶段数据建立对应生命周期阶段的数据层;
连接层建立单元,用于根据相同阶段数据建立两个生命周期阶段的连接层;
模型建立单元,用于通过连接层和数据层构建数据关联模型。
具体的,利用任一生命周期阶段的阶段数据建立数据层,利用两个生命周期阶段中的相同阶段数据建立两个数据层之间的连接层,以构建数据关联模型,从而数据关联模型可以对各个数据层、连接层进行全方面管控,也就可以对各个生命周期阶段进行全方位管控。
在本实施例的一些实施方式中,上述数据层建立单元包括:
数据索引建立子单元,用于将任一生命周期阶段的阶段数据进行归类整理,并根据归类整理后的阶段数据建立该阶段数据的数据索引。
具体的,通过建立数据索引可以对归类整理后的阶段数据进行有序排布,进一步方便查询各个数据层的数据。
在本实施例的一些实施方式中,上述当前生命周期阶段确定模块160包括:
实时运行数据匹配单元,用于将实时运行数据与数据关联模型中的全生命周期历史数据进行匹配,以确定相匹配的阶段数据;
周期阶段确定单元,用于根据相匹配的阶段数据,确定目标透平压缩机的当前生命周期阶段。
具体的,与实时运行数据相匹配的阶段数据所在的生命周期阶段即为目标透平压缩机的当前生命周期阶段。
在本实施例的一些实施方式中,上述运行状态监测模块180包括:
时间参数获取单元,用于若当前生命周期阶段与理论生命周期阶段不一致,则获取当前生命周期阶段的第一时间参数和理论生命周期阶段的第二时间参数;
时间差值计算单元,用于若第一时间参数大于第二时间参数,则计算第一时间参数和第二时间参数之间的时间差值;
初步判断单元,用于将时间差值输入至预置判断模型中,得到目标透平压缩机的运行状态初步判断结果。
具体的,若第一时间参数大于第二时间参数,则表示该目标透平压缩机的使用痕迹较明显,则将利用第一时间参数减去第二时间参数得到两者的时间差值。再将时间差值输入至预置判断模型中,以对目标透平压缩机的运行状态进行初步判断。
在本实施例的一些实施方式中,上述大型透平压缩机全生命周期监测管理***还包括:
编号模块,用于对所有透平压缩机进行编号,以使任一透平压缩机具有唯一ID编号。进而可以通过ID编号对各个透平压缩机进行定位。
在本实施例的一些实施方式中,上述生命周期阶段划分模块120包括:
全生命周期划分单元,用于根据全生命周期历史数据,将透平压缩机的全生命周期至少划分为使用初期、故障频发期、运行维修期和报废处理期中的一种或多种。
请参照图5,图5为本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,如本申请实施例所提供的一种大型透平压缩机全生命周期监测管理***对应的程序指令/模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解,图5所示的结构仅为示意,电子设备还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种大型透平压缩机全生命周期监测管理方法,其特征在于,包括如下步骤:
获取多个透平压缩机的全生命周期历史数据;
根据所述全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一所述生命周期阶段具有相应的阶段数据;
基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据;
基于所有生命周期阶段,根据各生命周期阶段的阶段数据和所述相同阶段数据,构建数据关联模型;
获取目标透平压缩机ID编号,通过所述目标透平压缩机ID编号确定所述目标透平压缩机对应的传感器,所述传感器用于采集所述目标透平压缩机的实时运行数据;
将所述实时运行数据传输至所述数据关联模型中,确定所述目标透平压缩机的当前生命周期阶段;
根据所述目标透平压缩机ID编号,获取所述目标透平压缩机的初次使用时间,并将所述初次使用时间输入至预置数据库中,以确定所述目标透平压缩机的理论生命周期阶段;
若所述当前生命周期阶段与所述理论生命周期阶段不一致,则根据所述实时运行数据监测所述目标透平压缩机的运行状态;
当监测到所述目标透平压缩机发生数据异常时,则发送图像拍摄指令至所述目标透平压缩机对应的摄像头,以获取所述目标透平压缩机的当前图像数据;
根据所述实时运行数据和所述当前图像数据,生成监测报告。
2.根据权利要求1所述的大型透平压缩机全生命周期监测管理方法,其特征在于,所述基于所有生命周期阶段,根据各生命周期阶段的阶段数据和所述相同阶段数据,构建数据关联模型的步骤包括:
根据任一所述生命周期阶段的阶段数据建立对应生命周期阶段的数据层;
根据所述相同阶段数据建立两个生命周期阶段的连接层;
通过所述连接层和所述数据层构建数据关联模型。
3.根据权利要求2所述的大型透平压缩机全生命周期监测管理方法,其特征在于,所述根据任一所述生命周期阶段的阶段数据建立对应生命周期阶段的数据层的步骤包括:
将任一所述生命周期阶段的阶段数据进行归类整理,并根据归类整理后的阶段数据建立该阶段数据的数据索引。
4.根据权利要求1所述的大型透平压缩机全生命周期监测管理方法,其特征在于,将所述实时运行数据传输至所述数据关联模型中,确定所述目标透平压缩机的当前生命周期阶段的步骤包括:
将所述实时运行数据与所述数据关联模型中的全生命周期历史数据进行匹配,以确定相匹配的阶段数据;
根据相匹配的阶段数据,确定所述目标透平压缩机的当前生命周期阶段。
5.根据权利要求1所述的大型透平压缩机全生命周期监测管理方法,其特征在于,若所述当前生命周期阶段与所述理论生命周期阶段不一致,则根据所述实时运行数据监测所述目标透平压缩机的运行状态的步骤包括:
若所述当前生命周期阶段与所述理论生命周期阶段不一致,则获取所述当前生命周期阶段的第一时间参数和所述理论生命周期阶段的第二时间参数;
若所述第一时间参数大于所述第二时间参数,则计算所述第一时间参数和所述第二时间参数之间的时间差值;
将所述时间差值输入至预置判断模型中,得到所述目标透平压缩机的运行状态初步判断结果。
6.根据权利要求1所述的大型透平压缩机全生命周期监测管理方法,其特征在于,所述获取目标透平压缩机ID编号的步骤之前,还包括:
对所有透平压缩机进行编号,以使任一所述透平压缩机具有唯一ID编号。
7.根据权利要求1所述的大型透平压缩机全生命周期监测管理方法,其特征在于,根据所述全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段的步骤包括:
根据所述全生命周期历史数据,将透平压缩机的全生命周期至少划分为使用初期、故障频发期、运行维修期和报废处理期中的一种或多种。
8.一种大型透平压缩机全生命周期监测管理***,其特征在于,包括:
历史数据获取模块,用于获取多个透平压缩机的全生命周期历史数据;
生命周期阶段划分模块,用于根据所述全生命周期历史数据,对透平压缩机的全生命周期进行划分,以得到多个生命周期阶段,任一所述生命周期阶段具有相应的阶段数据;
相同阶段数据获取模块,用于基于所有阶段数据,获取两个生命周期阶段中的相同阶段数据;
数据关联模型构建模块,用于基于所有生命周期阶段,根据各生命周期阶段的阶段数据和所述相同阶段数据,构建数据关联模型;
实时运行数据获取模块,用于获取目标透平压缩机ID编号,通过所述目标透平压缩机ID编号确定所述目标透平压缩机对应的传感器,所述传感器用于采集所述目标透平压缩机的实时运行数据;
当前生命周期阶段确定模块,用于将所述实时运行数据传输至所述数据关联模型中,确定所述目标透平压缩机的当前生命周期阶段;
理论生命周期阶段确定模块,用于根据所述目标透平压缩机ID编号,获取所述目标透平压缩机的初次使用时间,并将所述初次使用时间输入至预置数据库中,以确定所述目标透平压缩机的理论生命周期阶段;
运行状态监测模块,用于若所述当前生命周期阶段与所述理论生命周期阶段不一致,则根据所述实时运行数据监测所述目标透平压缩机的运行状态;
当前图像数据获取模块,用于当监测到所述目标透平压缩机发生数据异常时,则发送图像拍摄指令至所述目标透平压缩机对应的摄像头,以获取所述目标透平压缩机的当前图像数据;
监测报告生成模块,用于根据所述实时运行数据和所述当前图像数据,生成监测报告。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210550856.0A CN114857067B (zh) | 2022-05-20 | 2022-05-20 | 一种大型透平压缩机全生命周期监测管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210550856.0A CN114857067B (zh) | 2022-05-20 | 2022-05-20 | 一种大型透平压缩机全生命周期监测管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114857067A CN114857067A (zh) | 2022-08-05 |
CN114857067B true CN114857067B (zh) | 2023-08-11 |
Family
ID=82638638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210550856.0A Active CN114857067B (zh) | 2022-05-20 | 2022-05-20 | 一种大型透平压缩机全生命周期监测管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114857067B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116976681A (zh) * | 2023-09-22 | 2023-10-31 | 山东通维信息工程有限公司 | 一种基于大数据的高速公路机电设施智能运维决策*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106411634A (zh) * | 2016-08-26 | 2017-02-15 | 中国联合网络通信集团有限公司 | 一种数据生命周期监控方法及装置 |
CN109933500A (zh) * | 2019-03-27 | 2019-06-25 | 新奥数能科技有限公司 | 设备故障告警方法、装置、可读介质及电子设备 |
CN110764474A (zh) * | 2019-10-16 | 2020-02-07 | 上海电气集团股份有限公司 | 监测设备运行状态的方法和*** |
CN110988559A (zh) * | 2019-12-20 | 2020-04-10 | 国网湖北省电力公司咸宁供电公司 | 基于物联网的变电站直流***全生命周期的在线监测方法 |
CN113792423A (zh) * | 2021-09-04 | 2021-12-14 | 苏州特比姆智能科技有限公司 | 一种tpm设备管理的数字孪生行为约束方法及*** |
CN113962558A (zh) * | 2021-10-22 | 2022-01-21 | 南通软云智能科技有限公司 | 一种基于生产数据管理的工业互联网平台评价方法及*** |
-
2022
- 2022-05-20 CN CN202210550856.0A patent/CN114857067B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106411634A (zh) * | 2016-08-26 | 2017-02-15 | 中国联合网络通信集团有限公司 | 一种数据生命周期监控方法及装置 |
CN109933500A (zh) * | 2019-03-27 | 2019-06-25 | 新奥数能科技有限公司 | 设备故障告警方法、装置、可读介质及电子设备 |
CN110764474A (zh) * | 2019-10-16 | 2020-02-07 | 上海电气集团股份有限公司 | 监测设备运行状态的方法和*** |
CN110988559A (zh) * | 2019-12-20 | 2020-04-10 | 国网湖北省电力公司咸宁供电公司 | 基于物联网的变电站直流***全生命周期的在线监测方法 |
CN113792423A (zh) * | 2021-09-04 | 2021-12-14 | 苏州特比姆智能科技有限公司 | 一种tpm设备管理的数字孪生行为约束方法及*** |
CN113962558A (zh) * | 2021-10-22 | 2022-01-21 | 南通软云智能科技有限公司 | 一种基于生产数据管理的工业互联网平台评价方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114857067A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220147672A1 (en) | Method and system for adaptive learning of models for manufacturing systems | |
CA2689219C (en) | Method and system for state encoding | |
US6622264B1 (en) | Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures | |
CN104756029B (zh) | 一种监控设备的部件组的*** | |
US10047757B2 (en) | Predicting a surge event in a compressor of a turbomachine | |
US20210200749A1 (en) | Data processing method and system for the preparation of a dataset | |
CN114857067B (zh) | 一种大型透平压缩机全生命周期监测管理方法及*** | |
JP6989398B2 (ja) | 故障診断装置、故障診断方法、および故障診断プログラム | |
KR102073810B1 (ko) | 머신러닝을 이용하여 함정 추진 장비의 고장을 예측하는 방법 및 시스템 | |
CN105574328B (zh) | 一种机载诊断模型的集成方法 | |
JP2021182393A (ja) | 設備診断方法 | |
CN110337640B (zh) | 用于问题警报聚合和识别次优行为的方法、***和介质 | |
Atzmueller et al. | Anomaly detection and structural analysis in industrial production environments | |
CN110009126A (zh) | 基于pls模型与pca贡献度融合的在线报警分析方法 | |
EP3540542B1 (en) | Method and apparatus for providing an instantiated industrial semantic model for an industrial infrastructure | |
CN112769615B (zh) | 一种异常分析方法及装置 | |
CN114111352A (zh) | 一种碳化炉抽真空***异常检测方法及*** | |
KR20200009081A (ko) | 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조 | |
JP2016091378A (ja) | 診断システム、診断方法および診断プログラム | |
CN114019946B (zh) | 工控终端的监控数据处理方法及装置 | |
CN108629077B (zh) | 故障诊断装置、监视装置、故障诊断方法以及记录介质 | |
Lo et al. | Model-based fault diagnosis in continuous dynamic systems | |
CN114116122A (zh) | 一种应用容器高可用负载平台 | |
Tong et al. | A novel methodology for fault identification of multi-stage manufacturing process using product quality measurement | |
Bense | Prognosis and health monitoring systems for aircraft engines |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |