泵的几种典型故障诊断方法与应用

本文分析总结了炼厂机泵的几种典型故障的振动特点和诊断方法,应用振动频谱分析和轴承冲击脉冲分析等方法,同时与泵的工艺参数和运行参数相结合进行综合分析,可准确地诊断机泵故障。     

泵的故障诊断研究综述

泵的应用量大面广，对其开展故障诊断研究有着重要的现实意义。本文综述了目前有关泵的故障诊断方法，述评这些方法的特点及局限性，最后指出这一领域有待进一步研究的若干问题和发展趋势。     

浅谈基于贝叶斯网络的泵故障诊断方法

针对发电厂水泵系统结构复杂,诊断过程中不确定因素众多的特点,提出了基于贝叶斯网络的水泵故障诊断方法。依据发电厂水泵故障机理,建立水泵贝叶斯网络结构;在定量参数方面,引入leaky Noisy-or模型,简化参数设置,从而克服水泵故障样本数量少导致贝叶斯网络参数设置困难的问题。最后,通过实例验证了基于贝叶斯网络的发电厂水泵故障诊断方法的有效性。     

一种乳化液泵分级故障诊断方法

针对乳化液泵故障机理复杂、故障诊断难的现状,提出一种乳化液泵分级故障诊断方法。首先,通过深度自编码网络(Deep Auto-Encoder Network,DAEN)实现乳化液泵故障的第一级诊断,以乳化液泵的14个特征参数作为输入,自适应特征学习,识别故障形式;然后,通过专家系统实现乳化液泵故障的第二级诊断,将已识别的故障形式与必要故障信息作为专家系统输入,得到明确的故障定位。实验表明,深度自编码网络平均准确率98.712%,优于深度神经网络和卷积神经网络,可靠性高,可以完成第一级诊断任务,然后通过专家系统完成第二级诊断任务,分析产生原因,操作简单。将该方法编制成后台可运行的程序,嵌入煤矿综采工作面智慧云平台。经过实际测试,该故障分级诊断方法能够快速有效定位故障位置,提高诊断精度。     

基于神经网络的泵机组故障诊断技术

利用神经网络对泵机组进行了故障诊断,探讨了故障诊断的神经网络方法和专家系统方法的联系和区别。该分析方法为转子临界速度的计算提供了比较完善的方法。     

大化肥半贫液泵的振动故障诊断

用预测维修ＰＭ系统，对大化肥生产装置中的半贫液泵的振动进行分析，作出故障诊断及时抢修，保证装置正常运行。     

基于管道状态关联分析的泵机组故障诊断方法研究

在对现场泵机组和管道过程参数进行综合监测的基础上,提出了一种基于管道状态耦合分析的泵机组设故障监测方法,该方法包括了泵机组的异常捕捉技术、相关管道的实时状态识别以及基于耦合作用的故障判别。现场应用结果证明,该方法能够快速有效的实现机组故障检测和识别,与传统的方法相比大大降低了系统的误报警率。     

离线状态监测仪在机泵故障诊断中的运用

介绍炼油厂成功运用skf掌上离线状态监测仪和数据管理软件,检测和诊断机泵故障实例,通过典型案例,充分证明了新技术的应用在机泵故障诊断中的重要性。利用先进的诊断技术发现设备早期故障,避免设备损坏事故的发生。     

实时机泵状态监测与故障诊断系统

为了工业状态监测系统低成本、高可靠性的需求,设计提出了一种针对机泵群并以小型高速转子模型为试验对象的旋转机械振动状态监测分析系统.该系统应用前端信号调理模块和工控机为硬件,使用成熟的接口技术建立一个开放式的数据采集系统,在LabVIEW 7.1上搭建虚拟仪器平台,可分别对不同信号进行每通道50 kHz/s高速同步采样和分时复用采样,具有数据实时采集、信号分析处理和数据存储等功能.试验结果表明:该系统稳定性好,结构配置灵活,易于维护和扩展,具有较强的通用性和实用性.     

基于BP神经网络的全贯流电机泵故障诊断

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,可用于数据的运算分类及预测,在故障诊断分析方面应用广泛.全贯流电机泵特点是电机的转子代替了水泵的叶轮外壳,电机泵的电机故障特点比普通电机多且复杂.目前,全贯流泵故障诊断的研究较少,但BP神经网络算法对电机故障诊断分析的研究应用成熟.运用BP神经网络算法尝试对...     

原料油进料泵管线振动的故障诊断与治理

经过管道振动信号和流体压力脉动信号的测试结果，分析了高压离心进料泵引起管线振动的原因并提出了相应的改进措施。     

基于GA优化的SVM涡轮泵故障诊断

针对液体火箭发动机涡轮泵故障诊断中出现的多故障分类问题,为提高支持向量机学习机器的分类性能,提出了一种基于遗传算法的支持向量机参数优化算法,利用遗传算法的全局搜索性能对核参数进行了优化.结果表明,遗传算法能够加速支持向量机参数的优化搜索,所建模型对含有较强的噪音背景的故障样本进行了很好的分类诊断,表现出了很好的抗噪和分类能力.     

EMD模糊神经网络的发动机泵机组故障诊断

提出了利用经验模态分解方法、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用神经网络使故障诊断具有自适应、自学习能力。     

注塑机液压系统常用故障诊断

现场注塑机注塑机液压系统故障的诊断,往往受现场条件的限制,并且在出现故障后要求尽快排除,以免影响施工进度。本文介绍几种现场注塑机注塑机液压系统故障诊断方法,供参考。     

立式主泵水膜涡动故障诊断及机理分析

针对国内某核电厂多台立式反应堆冷却剂泵(以下简称主泵)均存在的低频振动问题,采用时频分析、二维全息谱等信号处理方法对现场采集的泵轴振动数据开展分析,总结启机、正常运行阶段泵轴振动数据时域、频域特征,根据信号特征推测主泵出现低频振动问题的根本原因为水润滑轴承水膜涡动故障。进一步地,针对上述推测开展立式转子滑动轴承水膜涡动故障振动机理研究。结合流体连续性理论和牛顿流体特性,解释水膜半速涡动频率特征;根据主泵轴承供水压力略高于15.4MPa的运行工况,得到轴承内部润滑水压力分布特征,进一步分析润滑水压力合力,解释了水膜涡动导致自激振动的激励力。建立水膜涡动故障动力学数值模型,获得故障对应的振动特征。上述研究结果对立式转子水膜涡动故障诊断及其设计改进具有一定的参考价值。     

液压系统冗余部件(泵)或蓄能器在故障诊断中的应用

针对液压系统本身特点及应用的现状 ,通过对液压系统模型的建立与分析 ,指出了系统中冗余元件 (泵 )和蓄能器在其故障诊断中所起的特殊作用 ,同时也指出了计算机在液压系统故障诊断中的必要性     

基于多特征融合的MLP压裂泵单向阀故障诊断研究

在页岩气开采过程中,压裂泵单向阀因易发生破损而更换频繁,目前单向阀的检测方法存在依赖人工经验、需要专人监测、故障定位准确性不高、全检全换等问题。针对上述问题,以中石化柴驱压裂泵为例,提出了一种基于多特征融合和多层感知器相结合的方法,对其单向阀进行了故障诊断。首先,用多个加速度传感器和压力传感器,对不同单向阀故障情况下的压裂泵工作状态进行了故障采集,对获取的数据分别进行了时域和频域相关的统计特征计算;然后,使用主成分分析法对其主要特征成分进行了提取,构成了新的特征向量;最后,利用多层感知器处理非线性数据的优势,使用其进行了单向阀故障的分类识别,实现了对压裂泵单向阀故障的精确诊断。研究结果表明:基于多特征融合和多层感知器相结合的方法能够准确识别出单向阀多种故障类型,且受工况的影响程度低,平均诊断准确率达到99.6%;多传感器计算得到的特征经处理后,可使不同单向阀故障具有可分性。     

LD型浓相气力仓泵故障诊断及处理方法

简单介绍LD型气力仓泵的组成及控制方式,分析其在运行过程中发生故障的原因,结合现场实际问题,给出故障处理方法和注意事项。     

基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.