液压系统数据采集与故障预测研究

机械装备液压系统的参数数据,从装备出厂到使用出现显性故障,都在随使用时间演变着。液压系统性能的好坏,可以用泄漏量这一关键的参数变化来度量。利用液压数据采集器进行采集液压系统泄漏量,结合数据分析,就可以实现液压故障的预测。以某注塑机液压系统为研究对象,在无故障和有故障状态下,分别采集了液压系统的泄漏量数据和油液的污染状态数据,通过数据分析,可以明显地发现液压系统的故障部位,验证了液压数据采集技术对液压故障预测的有效性。     

改性塑料在新能源汽车充电设施上的工程化应用进展

概述了新能源汽车及其充电设施的发展现状,梳理新能源汽车充电设施相关的系列技术标准,针对充电设施不同部件的应用需求,提供了改性塑料材料解决方案,并展望了改性塑料新型材料在充电设施上的工程化应用前景。     

工业大数据技术在石化设备预警预测中的研究与实践

设备的安全稳定运行是石化企业实现安全稳定生产的重要因素。大机组等动设备结构复杂、故障形式多样,传统的以设备或测点为对象的监测技术应用难以满足不断增长的安全保障要求。特别是单一的参数指标不能全面体现设备故障特征,导致设备故障不能提前预警预测,即便出现异常也不能快速定位,亟需研究新的预警预测诊断技术,实现大机组等动设备异常状态的预警预测,异常状态下的快速分析定位。文章结合企业遇到的问题,基于工业大数据分析技术,提出了一种用于大机组等动设备运行状态预警预测的解决方案。通过采用数据驱动的建模方法建立设备运行状态特征模型,并通过历史数据进行学习训练,实现了基于大数据分析技术的运行状态的预警预测,并结合应用案例说明了该方案的实施效果。从应用实践情况看,该技术实施周期短、实用性强,可在一定程度上解决企业大机组等动设备运行管控中存在的难题。     

基于主元分析的传感器故障检测盲区预测

传感器故障极易发生但不易察觉,其测量数据是制冷空调系统安全运行和优化节能的必要条件。分析了以Q统计量为故障检测边界的基于主元分析的传感器故障检测流程,建立了一种预测传感器故障检测能力的指标——故障检测盲区,用于预测训练数据集中各个传感器的故障检测能力,从而分析、评价和优化建模用训练数据的质量。采用工程数据、实验数据分别开展算法验证,结果表明故障检测盲区能有效预测选定数据集的相关传感器的故障检测结果。     

基于主元分析的传感器故障检测盲区预测

传感器故障极易发生但不易察觉，其测量数据是制冷空调系统安全运行和优化节能的必要条件。分析了以Q统计量为故障检测边界的基于主元分析的传感器故障检测流程，建立了一种预测传感器故障检测能力的指标--故障检测盲区，用于预测训练数据集中各个传感器的故障检测能力，从而分析、评价和优化建模用训练数据的质量。采用工程数据、实验数据分别开展算法验证，结果表明故障检测盲区能有效预测选定数据集的相关传感器的故障检测结果。     

基于传感技术的电池全周期管控系统优化与检测

为提高锂钴充电蓄电池使用的安全性,提出基于深度学习的蓄电池检测系统,并建立蓄电池异常故障检测与分类模型。试验结果表明,窗口尺寸越大,输入数据包含的故障信息越多,蓄电池故障检测效率越高,且延迟故障检测效果最好,精度及准确率等指标均达到100%,其次为蓄电池重放故障。且基于深度学习模型可以检测到电池之间发生连接故障,并可预测电池的故障发生率会进一步增加。且随着检测时间,测量值和检测值之间的误差逐渐增大,进一步说明所建立的深度学习模型,可以检测到电池退化特征,从而为电池健康状况检测提供参考。     

PVC聚合釜远程监控及故障诊断系统

介绍了PVC聚合釜远程监控及故障诊断系统的结构和功能。该系统可实现远程智能化协同“会诊”式设备故障诊断等工作,对PVC聚合釜运行的实时运行数据及故障实行远程动态监控,实时了解设备的运转状态,及早预测和排除设备故障,提高企业管理效率。     

基于SPM的多变量连续过程在线故障预测方法

研究了一类模型未知带有隐含故障的多变量连续过程故障预测问题。基于统计过程监测(SPM)方法,提出了一种上述故障预测问题的解决方案。该方案首先利用正常状态下的样本数据建立主成分分析(PCA)模型,然后根据该模型构造出预测特征量,最后对该特征量进行时间序列分析和预测,从而预测出系统的剩余有效寿命(RUL)。针对线性时不变系统构造了预测特征量,并分析了在一定的系统结构假设和故障假设下的剩余有效寿命预测误差。基于CSTR的仿真实例说明了该方法的有效性。     

配电网馈线负荷特性预测及预警实现技术

为了掌握配电网馈线在负荷状态下的运行情况，采用聚类分析方法针对配电网馈线负荷特性进行预测，利用预警技术将配电网馈线中存在的故障区段进行报警处理，并采集序电流数据，该数据自身存在的故障标识有利于故障区段技术迅速定位，并及时切除故障馈线区段，考虑配电网馈线在运转过程中易出现可靠性降低问题，提出风险评估及预警方法，为电网系统的未来发展提供有效手段。     

基于主元分析法的冷水机组传感器故障检测效率分析

冷水机组是一个高度非线性的复杂系统,其自控系统传感器故障会导致冷水机组的运行偏离正常状态和能耗浪费。采用冷水机组正常运行数据,通过多元统计方法中的主元分析法建立训练矩阵,利用平方预测误差进行故障分析工作。引入不同程度故障,分析主元分析法的检测效率。结果表明,主元分析法故障检测效果明显,但对于不同传感器的不同程度故障,故障检测的误判率存在一定的差异。     

基于优化相关向量机的化工装备故障预测方法

针对影响化工装备的主要因素—腐蚀速率,在采集少量压力容器状态数据的基础上,提出了基于自导式粒子群优化算法(SGPSO)的相关向量机(RVM)故障预测方法。首先判别影响最为显著的5个表征因素;其次,使用SGPSO算法得到RVM模型最优核函数参数;然后通过样本数据计算得到预测结果的均值与方差,同时计算得到预测结果的概率分布与置信区间。仿真结果表明,SGPSORVM方法具有更高的准确率以及可靠度,因此该方法能够更有效的预测腐蚀速率,及时对化工装备的故障进行维修。     

基于贝叶斯网高效推理的半导体生产故障预测

文章通过搜集半导体晶元数据生产集,建立贝叶斯网,运用python对海量数据进行训练。依据训练数据进行分析,生成全面的半导体生产故障概率参考数据;并依据故障率分析结果与实时数据进行比对,实现高效的生产故障预测。通过对输入的半导体晶元数据生产集进行不断更新与学习,实现了对生产故障的精准预测,并可据此采取针对性的质量改进与预防性措施,提升生产的安全性。     

基于多元时序驱动的ELM全流程故障预测及其应用

多元时序驱动建模方法是复杂系统故障预测和系统状态评估的一种有效途径, 其中人工神经网络作为一种数据驱动的处理非线性问题的有效建模工具, 近年来在处理多元时序建模这个问题上得到了较广泛的关注。从全流程的角度出发, 首先, 运用k-近邻互信息方法对多元时序变量进行降维与相关性计算, 从而选择特征变量;其次, 提出了一种改进的趋势分析方法对系统的状态进行实时监测, 并对系统运行状态进行有效细分;最后, 针对系统潜在故障阶段, 应用极限学习机(extreme learning machine, ELM)神经网络方法对其进行故障预测。通过对青霉素发酵过程(penicillin fermentation process)进行仿真实验, 结果验证了所提方法的有效性。     

球磨机传动系统的故障诊断

在对球磨机传动系统振动信号测试的基础上,应用相应的计算机分析软件,研究了其故障的振动特征,进而预测设备运行状态的异常、故障的严重程度、故障的部位及原因,为球磨机传动系统的管理和维修提供了可靠的依据。１常见故障及其振动特征根据球磨机传动系统的结构特点,...     

炼化装置故障链式效应定量安全预警方法

炼化装置故障及其故障链式效应对油气生产和人民生命安全所造成的危害严重。从故障链角度进行事故风险研究,提出炼化装置故障链式效应定量安全预警方法。首先分析炼化装置故障链式关系结构,基于目标树成功树-动态主逻辑图（GTST-DMLD）建立其故障链式效应关系模型,揭示炼化装置故障链式效应行为规律和关联本质,从而评价装置异常工况下的安全状态。进一步以马尔可夫过程为理论基础,建立故障链式效应预测模型,预测故障传播的后果和方向,并计算各后果的发生概率,为现场操作人员进行主动维修或应急处置提供依据。案例分析中通过对某化工厂常压塔装置、减压炉装置为研究对象进行应用与验证,结果表明该方法可以准确地对系统故障发生后的状态进行评价和预测,方法有效、可行,便于操作人员在处置已有故障的同时,注意预防其他异常工况的发生,降低油气生产加工过程中的整体风险。     

设备状态监测在炼化企业中的应用和发展

设备状态监测,是指通过人工或者专业仪器,按照相关的规程建立观测点对设备进行信号的监测和数据的采集,从而达到对设备的变化发展以及对设备的劣化和故障进行一个比较合理的分析和预测为目的的过程。设备状态监测对于炼化企业在运行过程中的设备管理和预知维修具有重要作用。     

浅谈安全保护系统在香港终端的应用

海洋采油平台广泛应用自动化仪表和控制系统进行生产,安全保护系统是确保自动化系统在安全条件下进行油气田自动生产和管理的重要部分。安全保护系统统由设施保护系统和火气探测系统组成。火气探测系统采用冗余控制器的热备,通过高速串行链路(HSSL)不断更新处理器I/O数据和内部逻辑状态,实现主备控制器之间的数据传递和故障时的自动无扰动切换;采用双系统的设施保护系统,其硬件配置成一个双冗余系统,PLC都有单独的I/O模块和通讯模块,采用CRI监测系统监测设施保护系统PLC的输入与输出,通过输入系统支持模块ISSM、输出系统支持模块OSSM和电流检测模块的监测来完成对系统的监测,采用周期测试、输出持续测试和输入状态改变测试等方式完成对设施保护系统的监测,通过检测两个PLC输出对比检测是否同步,提供系统报警和自我修复,提供设施保护系统更高的可靠性和安全性。     

炼化装置故障链式效应定量安全预警方法

炼化装置故障及其故障链式效应对油气生产和人民生命安全所造成的危害严重。从故障链角度进行事故风险研究,提出炼化装置故障链式效应定量安全预警方法。首先分析炼化装置故障链式关系结构,基于目标树成功树-动态主逻辑图(GTST-DMLD)建立其故障链式效应关系模型,揭示炼化装置故障链式效应行为规律和关联本质,从而评价装置异常工况下的安全状态。进一步以马尔可夫过程为理论基础,建立故障链式效应预测模型,预测故障传播的后果和方向,并计算各后果的发生概率,为现场操作人员进行主动维修或应急处置提供依据。案例分析中通过对某化工厂常压塔装置、减压炉装置为研究对象进行应用与验证,结果表明该方法可以准确地对系统故障发生后的状态进行评价和预测,方法有效、可行,便于操作人员在处置已有故障的同时,注意预防其他异常工况的发生,降低油气生产加工过程中的整体风险。     

大数据平台设备故障预警系统实现

针对电网平台设备缺乏有效故障预测方法的现象，对大数据平台设备故障诊断技术进行评价，并对电网平台设备出现故障的缘由、设备负载率、设备投运年限对电网设备的影响进分析，准确地掌握故障发生的原因。从结构设计、通信功能设计、模块化结构设计这3个方面对大数据平台设备故障在线检测及预警平台的构建进行解析，以期为相关研究人员提供参考。     

基于ARMA模型和趋势分析的铁谱定量参数分析与预测

在自行搭建的齿轮箱磨损实验平台的基础上,获取了38组代表齿轮磨损程度的铁谱直读读数,并以此为基础介绍了处理该数据的ARMA模型理论及趋势分析方法。通过对二者原理及优缺点的分析提出了将ARMA模型理论和趋势分析方法组合的数据处理方法。利用该方法对获取的数据进行分析:对前35组数据进行时序建模并获取后3组数据的预测值,并利用趋势分析法将获取的监测值与预测值进行对比比较。结果表明:该组合分析方法在对设备磨损值的预测及磨损状态的判定和预测方面具有较好的精度,可作为一种新的数据处理方式运用到实际的设备故障监测工作中。