离心式压缩机润滑油液在线监测诊断方法及系统技术方案

本发明专利技术实施例提供一种离心式压缩机润滑油液在线监测诊断方法及系统，属于故障诊断技术领域，解决了现有技术中离线监测的检测效率低、检测结果存在偏差，以及在振动监测系统中无法及时发现润滑油液中的微小磨损量的问题。所述方法包括：实时获取运行中的所述离心式压缩机的振动参数与润滑油液中的油液参数；将所述振动参数与所述油液参数代入预设神经网络模型，得到所述离心式压缩机的当前运行状态。本发明专利技术实施例适用于离心式压缩机的运行状态确定过程。确定过程。确定过程。

【技术实现步骤摘要】
离心式压缩机润滑油液在线监测诊断方法及系统


[0001]本专利技术涉及故障诊断
，具体地涉及一种离心式压缩机润滑油液在线监测诊断方法及系统。

技术介绍

[0002]离心式压缩机作为石化类装置的核心机组，它的一次事故停机可能导致损失超过千万元，提高离心式压缩机运行的可靠性，已成为制造商、工程公司和企业用户的重要课题。
[0003]目前对于离心式压缩机润滑系统的油液监测方法为离线定期采样分析方法。其中，对于离线定期采样分析方法包括润滑油液的理化性能分析、基于光谱技术和铁谱技术的磨损颗粒分析。离心式压缩机通常拥有振动在线监测系统，对设备的振动情况进行监测，但往往振动较大时即发生突然停车，影响生产，因为振动监测无法通过磨损初期的早期状态发现设备的磨损情况。
[0004]本申请专利技术人在实现本专利技术的过程中，发现现有技术的上述方案具有如下缺陷：对于离线定期采样分析方法，受检测周期影响，不能实时反映设备状态；检测效率低，只能逐个或逐点采样检测；人为采样容易出现个体差异；采样点的油液与润滑过程的油液状态存在偏差；采样品受放置环境影响本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述方法包括：实时获取运行中的所述离心式压缩机的振动参数与润滑油液中的油液参数；将所述振动参数与所述油液参数代入预设神经网络模型，得到所述离心式压缩机的当前运行状态。2.根据权利要求1所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述振动参数包括振动幅值和振动频率特征值，所述油液参数包括水分参数、粘度参数和污染颗粒参数，所述运行状态包括待维修状态、高动态状态、波动状态和平稳状态，且上述状态对应于所述离心式压缩机的振动幅度逐渐递减。3.根据权利要求2所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述将所述振动参数与所述油液参数代入预设神经网络模型，得到所述离心式压缩机的当前运行状态包括：分别将所述振动参数与所述油液参数代入所述预设神经网络模型中对应的第一子网络模型和第二子网络模型，得到每个子网络模型输出的每个运行状态的概率值；将所述振动参数对应的相关系数取均值后与所述第一子网络模型输出的每个运行状态的概率值相乘，得到所述第一子网络模型对应的每个运行状态的相关概率值；将所述油液参数对应的相关系数取均值后与所述第二子网络模型输出的每个运行状态的概率值相乘，得到所述第二子网络模型对应的每个运行状态的相关概率值；提取所述第一子网络模型、第二子网络模型对应的每个运行状态的相关概率值的最大值，得到每个运行状态对应的最大相关概率值；将所述最大相关概率值中的最大值对应的运行状态，作为所述离心式压缩机的当前运行状态。4.根据权利要求3所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，在所述得到所述离心式压缩机的当前运行状态之后，所述方法还包括：当所述当前运行状态为待维修状态时，停止所述离心式压缩机的运行；当所述当前运行状态为高动态状态或波动状态时，根据所述最大相关概率值中的最大值对应的子网络模型，提示高动态状态或波动状态的类型，其中，当所述最大相关概率值中的最大值对应的子网络模型为第一子网络模型时，提示为振动高动态或振动波动；当所述最大相关概率值中的最大值对应的子网络模型为第二子网络模型时，提示为润滑高动态或润滑波动。5.根据权利要求3所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述预设神经网络模型通过下述方式建立：获取所述振动参数、油液参数以及其对应的运行状态的训练集和测试集；利用所述振动参数以及对应的运行状态的训练集训练初始第一子网络模型，直到所述振动参数以及对应的运行状态的测试集对训练后的初始第一子网络模型进行测试的测试误差小于预设误差，得到所述第一子网络模型；利用所述油液参数以及对应的运行状态的训练集训练初始第二子网络模型，直到所述油液参数以及对应的运行状态的测试集对训练后的初始第二子网络模型进行测试的测试误差小于预设误差，得到所述第二子网络模型；根据所述第一子网络模型、第二子网络模型以及所述振动参数、油液参数对应的相关系数，得到所述预设神经网络模型。
6.根据权利要求3所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，在所述得到每个运行状态对应的最大相关概率值之后，所述方法还包括：实时获取运行中的所述离心式压缩机的生产工艺参数，所述生产工艺参数包括功率损耗值、压力损耗值、温度损耗值、转速值以及油液流量值；将所述生产工艺参数代入预设工艺神经网络模型，得到每个运行状态的概率值；将所述生产工艺参数对应的相关系数取均值后与每个运行状态的概率值相乘，得到所述预设工艺神经网络模型对应的每个运行状态的相关概率值；提取每个运行状态对应的最大相关概率值与所述预设工艺神经网络模型对应的每个运行状态的相关概率值中的最大值，并将该最大值对应的运行状态作为所述离心式压缩机的当前运行状态。7.根据权利要求6所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，在所述得到所述离心式压缩机的当前运行状态之后，所述方法还包括：当所述当前运行状态为高动态状态或波动状态，且该最大值对应的网络模型为所述预设工艺神经网络模型时，提示为工艺高动态或工艺波动。8.根据权利要求6所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述振动参数、生产工艺参数、油液参数对应的相关系数通过下述方式获得：获取所述振动参数、生产工艺参数、油液参数以及其对应的运行状态的数据集，所述数据集中包括多组数据，每组数据包括振动参数、生产工艺参数、油液参数以及其对应的运行状态；根据得到第x种运行状态与第y种参数之间的相关系数r
xy
，其中，x
i
为第i组数据中的运行状态的参量，为n组数据中的运行状态的参量的均值，y
i
为第i组数据中第y种参数的数值，为n组数据中的第y种参数的均值，n为所述数据集中的数据组数，所述运行状态中的待维修状态、高动态状态、波动状态和平稳状态对应的参量分别为4、3、2、1，y＝1，2，3，
…
，10，所述y种参数包括振动幅值、振动频率特征值、功率损耗值、压力损耗值、温度损耗值、转速值、油液流量值、水分参数、粘度参数和污染颗粒参数。9.根据权利要求2所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述方法还包括：当所述离心式压缩机的新润滑油液投入使用时，获取油液中的初始水分参数、初始粘度参数、初始污染颗粒参数，以及润滑油液失效时的失效水分参数、失效粘度参数、失效污染颗粒参数；获取运行中的所述离心式压缩机的润滑油液中的当前水分参数、当前粘度参数、当前污染颗粒参数以及所述润滑油液的当前使用时间；根据确定所述离心式压缩机的润滑油液的剩余寿命N，其中，w0为所述初始水分参数，v0为所述初始粘度参数，u0为所述初始污染颗粒参数，w
s
为所述失效水分参数，v
s
为所述失效粘度参数，u
s
为所述失效污染颗粒参数，w为所述
当前水分参数，v为所述当前粘度参数，u为所述当前污染颗粒参数，t为所述润滑油液的当前使用时间。10.根据权利要求9所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，在所述确定所述离心式压缩机的润滑油液的剩余寿命之后，所述方法还包括：判断所述剩余寿命是否小于或等于更换阈值；当所述剩余寿命小于或等于所述更换阈值时，提示更换所述离心式压缩机中的润滑油液。11.根据权利要求9所述的离心式压缩机润滑油液在线监测诊断方法，其特征在于，所述污染颗粒参数通过下述方式获得：获取多种元素的磨损量；根据得到所述污染颗粒参数u，其中，u
i
为第i种元素的磨损量，g
i
为第i种元素的权重值，且其中，c
i
为第i种元素在所述离心式压缩机被使用前，所述离心式压缩机中不同元素的质量含量，m为元素的个数。12.一种离心式压缩机润滑油液在线监测诊断系统，其特征在于，所述系统包括：数据采集装置，其被配置为实时获取运行中的所述离心式压缩机的振动参数与润滑油液中的油液参数；控制器，其被配置为执行如下操作：将所述振动参数与所述油液参数代入预设神经网络模型，得到所述离心式压缩机的当前运行状态。13.根据权利要求12所述的离心式压缩机润滑油液在线监测诊断系统，其特...

【专利技术属性】
技术研发人员：邱枫，屈定荣，李明骏，许述剑，许可，潘隆，
申请(专利权)人：中国石油化工股份有限公司青岛安全工程研究院，
类型：发明
国别省市：