一种透平膨胀机预测性维护方法技术

本发明专利技术提出了一种透平膨胀机预测性维护方法，包括：步骤1、基于透平膨胀机的历史数据，对所述历史数据进行分类；步骤2、对所述历史数据进行特征值提取，建立透平膨胀机剩余寿命预测机器学习模型；步骤3、采集透平膨胀机的实时数据，对所述实时数据进行分类，通过DCS系统和仪表采集数据，并通过OPC通讯协议实现透平膨胀机监控系统与实时通信，将所述采集的数据传输到预测可视化系统；步骤4、基于透平膨胀机剩余寿命预测的机器学习模型，利用特征值提取算法对所述实时数据进行特征提取，对透平膨胀机工况进行在线评估，预测透平膨胀机剩余寿命并对可能发生的故障进行预警，本发明专利技术对于传统透平膨胀机的维护技术，具有更好的预测性。具有更好的预测性。具有更好的预测性。

【技术实现步骤摘要】
一种透平膨胀机预测性维护方法


[0001]本专利技术涉及系统设备维护
，具体涉及一种透平膨胀机预测性维护方法。

技术介绍

[0002]在工业中，设备维护是很重要的环节，直接影响到设备的运行时间和设备的工作效率。然而，设备剩余寿命需要被准确预测，故障需要被及时识别和处理，才能避免在生产过程中停机、造成损失。传统的预测性维护方法主要是基于物理模型，基本思想是基于物理性质的固定物理公式去拟合设备、零部件的健康状态或寿命。这种方法要求工程人员有很深的工程物理背景知识，通常采用复杂的物理公式，借助于过多的物理模型而忽略了数据本身的规律，预测准确度较低。预测性维护可对设备数据进行系统分析和处理，建立和训练预测模型，制定维护策略并及时调整，可以有效的降低维修成本、减少机器故障、减少维修停机、减少备件库存、增加备件寿命、增加产量、提高操作员的安全性、提升维修验证可靠性、提升整体利润等。应用预测性维护的设备或系统，其产生的故障是由于渐进式的功能衰退超过临界值导致的。对设备进行性能退化评估和剩余寿命预测具有很好的前景，其预测模型具有较高的准确率，是预测性维护策略决策的可靠依据。
[0003]系统中重要设备的运行工况，决定着整个系统的工作效率。例如，透平膨胀机是低温法空分装置及气体分离和液化装置的重要部件之一，其工作原理是利用气体的绝热膨胀将气体的位能转变为机械功。工质在透平膨胀机中膨胀通流部分获得动能，并由工作轮轴输出外功，从而达到降低出口工质的内能和温度的目标。它主要包括流通部分，机体部分和制动器三大部分。其中轴承、转子和叶轮是其核心部件，也是最易出故障的部件。透平膨胀机作为大型低温系统的重要设备，其工况决定系统的制冷量输出，而透平膨胀机的故障停机会导致整个低温系统制冷量降低，甚至设备损坏。通过将机器学习技术与设备维护技术相结合，利用机器学习模型预测设备剩余寿命，及时报警规避故障发生，减少生产事故。目前，剩余寿命预测模型仍然存在着一些问题，首先，现阶段设备数据分析处理过程无法处理复杂数据集，无法满足大型设备群的预测性维护需求，通常应用在单个设备或部件的预测性维护上。其次，面对多样的目标设备，其剩余寿命预测模型的构建也是多样的，剩余寿命预测模型的构建易陷入局部最优解。最后，现阶段的预测性维护技术主要是对设备的剩余寿命预测与监控报警功能，对大部分设备的故障无法进行全面诊断和专业维护。

技术实现思路

[0004]本专利技术要解决的技术问题在于大型氦低温系统中重要设备透平膨胀机的状态预测问题，从而提出一种面向透平膨胀机的预测性维护方法。通过预测性维护方法与透平膨胀机现场控制系统DCS结合，通过进行透平膨胀机的历史全寿命数据和故障进行机器学习模型训练，构造透平膨胀机的剩余寿命预测模型，可以有效预测设备运行工况。通过OPC协议将实时数据从DCS系统和专用仪表传输至预测可视化系统，将实时数据进行特征值提取算法，利用经处理的实时数据和透平膨胀机剩余寿命预测模型对透平膨胀机的故障进行预
警并执行相应策略。根据本专利技术提供一种透平膨胀机预测性维护方法，在数据服务器中通过处理透平膨胀机的历史数据，建立透平膨胀机的全寿命健康数据集和故障数据集，并在此基础上划分机器学习训练集和验证集。根据透平膨胀机种类和使用环境，选取合适的剩余寿命预测模型，并通过训练集对其进行训练，模型完成后用验证集验证预测准确率。上述预测模型的验证结果满足预设条件，预测准确率大于或等于预设的阈值，则模型可以用于透平的剩余寿命预测。对预测模型进行状态划分，规定失效区间。在预测模型中添加时间条件，构造报警规则，实时数据经处理后生成数据序列，通过分析产生序列与全寿命曲线和故障曲线各区间相似度实现数据定位，根据定位区间状态划分确定设备工况并做出报警，第一，通过OPC协议将实时数据传输至预测可视化系统，对数据集进行分析，若设备功能迅速退化，无法完成本轮生产，则进行报警，设备执行应急策略，逐步关机。第二，通过分析预测可视化系统中存储的上轮生产全数据，若设备无法完成下轮生产，则进行报警，执行维护策略，停止生产。新产生的数据整理存入数据服务器的历史数据库，被提取和分类，用于新一轮模型建立，通过不断优化模型，提升预测精度。
[0005]本专利技术的技术方案具体如下：一种透平膨胀机预测性维护方法，包括如下步骤：
[0006]步骤1、基于透平膨胀机的历史数据，对所述历史数据进行分类，其中，所述历史数据的类型包括透平膨胀机的进气口、出气口，轴承气路的各节点的全寿命数据和故障数据，包括：温度数据、压力数据、流量数据、振动数据；
[0007]步骤2、对所述历史数据进行特征值提取，建立透平膨胀机剩余寿命预测机器学习模型；
[0008]步骤3、采集透平膨胀机的实时数据，对所述实时数据进行分类，其中，所述实时数据的类型包括透平膨胀机的各节点温度数据、压力数据、流量数据、振动数据和电流数据；通过DCS系统和仪表采集数据，并通过OPC通讯协议实现透平膨胀机监控系统与实时通信，将所述采集的数据传输到预测可视化系统；
[0009]步骤4、基于透平膨胀机剩余寿命预测的机器学习模型，利用特征值提取算法对所述实时数据进行特征提取，对透平膨胀机工况进行在线评估，预测透平膨胀机剩余寿命并对可能发生的故障进行预警，具体是对预测模型进行状态划分，规定失效区间。在预测模型中添加时间条件，构造报警规则，实时数据经处理后生成数据序列，通过分析产生序列与全寿命曲线和故障曲线各区间相似度实现数据定位，根据定位区间状态划分确定设备工况并做出报警。。
[0010]进一步的，利用特征值提取算法和所述历史数据建立透平膨胀机剩余寿命预测模型，模型实现两种功能，第一，透平膨胀机剩余寿命预测，第二，故障定位。
[0011]进一步的，利用PC机作为预测可视化系统的服务器，在此服务器上安装由Python编写的透平膨胀机剩余寿命预测模型和报警系统，通过OPC协议将实时数据从DCS系统和专用仪表传输至预测可视化系统，对实时数据进行特征值提取，利用经处理的实时数据和透平膨胀机剩余寿命预测模型对透平膨胀机的故障进行预警。
[0012]进一步的，透平膨胀机剩余寿命预测模型能够识别两类故障：第一，叶轮故障，第二，轴承故障。
[0013]进一步的，透平膨胀机的剩余寿命预测模型具有两个报警规则，第一，透平膨胀机无法完成本次生产周期，报警后执行应急策略，由人工逐步关闭设备，关机后透平膨胀机返
厂维修；第二，透平膨胀机无法完成下次生产周期，报警后停止生产计划，执行维护策略。
[0014]进一步的，透平膨胀机剩余寿命预测模型建立过程在数据服务器中，经历史数据库、数据分类、特征值提取、模型建立和模型验证后完成，部署在预测可视化系统中。
[0015]进一步的，针对轴承故障，选取振动信号，利用神经网络模型，并用经过傅里叶变换的轴承部位的振动信号全寿命数据集进行训练，对其训练结果进行平滑处理，建立针对轴承工况的预测寿命机器学习模型；
[0016]针对叶轮故障，选取进气、出气口的温度、压强和流速信号，以及支持本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种透平膨胀机预测性维护方法，其特征在于，包括如下步骤：步骤1、基于透平膨胀机的历史数据，对所述历史数据进行分类，其中，所述历史数据的类型包括透平膨胀机的进气口、出气口，轴承气路的各节点的全寿命数据和故障数据，包括：温度数据、压力数据、流量数据、振动数据；步骤2、对所述历史数据进行特征值提取，建立透平膨胀机剩余寿命预测机器学习模型；步骤3、采集透平膨胀机的实时数据，对所述实时数据进行分类，其中，所述实时数据的类型包括透平膨胀机的各节点温度数据、压力数据、流量数据、振动数据和电流数据；通过DCS系统和仪表采集数据，并通过OPC通讯协议实现透平膨胀机监控系统与实时通信，将所述采集的数据传输到预测可视化系统；步骤4、基于透平膨胀机剩余寿命预测的机器学习模型，利用特征值提取算法对所述实时数据进行特征提取，对透平膨胀机工况进行在线评估，预测透平膨胀机剩余寿命并对可能发生的故障进行预警，具体是对预测模型进行状态划分，规定失效区间。在预测模型中添加时间条件，构造报警规则，实时数据经处理后生成数据序列，通过分析产生序列与全寿命曲线和故障曲线各区间相似度实现数据定位，根据定位区间状态划分确定设备工况并做出报警。2.如权利要求1所述的一种透平膨胀机预测性维护方法，其特征在于：利用特征值提取算法和所述历史数据建立透平膨胀机剩余寿命预测模型，模型实现两种功能，第一，透平膨胀机剩余寿命预测，第二，故障定位。3.如权利要求1所述的一种透平膨胀机预测性维护方法，其特征在于：利用PC机作为预测可视化系统的服务器，...

【专利技术属性】
技术研发人员：胡良兵，张启勇，李杰其，袁恺，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：