基于人工智能的工业离心泵运转稳定性预测系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及基于人工智能的工业离心泵运转稳定性预测系统，该系统在具体应用时，可以作为一种工业生产领域人工智能系统和人工智能优化操作系统，能够用于计算机视觉软件等应用软件开发，该系统利用电子设备进行数据识别，通过信息采集模块采集数据信息；通过转子异常程度评估模块评估转子的异常程度；通过流量异常程度评估模块根据液体质量和泵体质量的比值、出口流量的变化以及转子的异常程度获取流量异常指数；修正流量异常指数获取流量异常程度；通过稳定性预测模块预测未来流量异常程度，并判断离心泵是否运行稳定，能够应用电子设备识别离心泵的工作状态，对离心泵的稳定性进行预测，及时监测异常情况。情况。情况。

Prediction system of operation stability of industrial centrifugal pump based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的工业离心泵运转稳定性预测系统


[0001]本专利技术涉及数据处理
，具体涉及基于人工智能的工业离心泵运转稳定性预测系统。

技术介绍

[0002]离心泵是靠叶轮旋转时产生的离心力来输送液体的泵。对于工业上的离心泵而言，运转不稳定容易破坏离心泵的结构，使寿命降低或者损坏离心泵。若离心泵出现异常故障，可能会引发一系列的连锁效应，造成严重的后果，因此需要保证离心泵的运转稳定性与可靠性。
[0003]离心泵运转不稳定的原因是多样的，不同型号的离心泵工作差异也较大，目前对离心泵运转稳定性的检测依赖于通用性的标准规范，导致准确率不高，容易出现误判和漏判，带来不必要的人工成本并具有较高的应用风险。随着工业生产领域人工智能系统的发展，需要出现一种能够预测离心泵工作的可靠性的人工智能系统，保障生产的连续性和可靠性。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的工业离心泵运转稳定性预测系统，所采用的技术方案具体如下：
[0005]本专利技术一个实施例提供了一种基于人工智能的工业离心泵运转稳定性预测系统，该系统包括以下模块：
[0006]信息采集模块，用于实时采集转子的振动信息、转子的转速、离心泵出口的流速以及离心泵腔体内的液体质量，获取转子结构的支撑刚度、转子的固有频率和离心泵的泵体质量；
[0007]转子异常程度评估模块，用于根据支撑刚度、转速、转子的固有频率以及相邻时刻的振动信息差评估转子的异常程度；
[0008]流量异常程度评估模块，用于以离心泵出口的横截面积和流速的乘积作为出口流量，根据液体质量和泵体质量的比值、出口流量的变化以及转子的异常程度获取流量异常指数；获取不同转速下的标准流量异常指数，计算其对于对应转速的流量异常指数的修正系数，并利用修正系数对流量异常指数进行修正，获取流量异常程度；
[0009]稳定性预测模块，用于利用历史流量异常程度数据预测未来流量异常程度，根据未来流量异常程度判断离心泵是否运行稳定。
[0010]优选的，所述信息采集模块包括：
[0011]振动信息采集单元，用于实时采集转子水平方向的左右两个振动数据，和竖直方向的上下两个振动数据，进而获取水平方向的振动矢量和竖直方向的振动矢量，将两个振动矢量进行矢量叠加得到空间振动矢量，作为实时的振动信息。
[0012]优选的，所述信息采集模块还包括：
[0013]转速获取单元，用于通过光电传感器获取转子的转速，或者通过旋转编码器检测转子的转速。
[0014]优选的，所述转子异常程度评估模块包括：
[0015]转子异常程度计算单元，用于将转速换算为旋转频率，获取旋转频率和转子的固有频率的频率差异，以转速和频率差异的比值作为转速的指数得到共振程度；获取相邻时刻的振动信息的矢量差，计算共振程度和矢量差的比值与支撑刚度的乘积，即为所述转子异常程度。
[0016]优选的，所述转子异常程度评估模块还包括：
[0017]转子异常程度修正单元，用于获取叶轮半径作为修正系数对转子异常程度进行修正。
[0018]优选的，所述流量异常程度评估模块包括：
[0019]出口流量获取单元，用于采集当前时刻前预设时间的多个流速以及当前流速组成流速序列，对所述流速序列进行中值滤波，再获取滤波后的平均流速作为当前时刻的优化流速，以优化流速和所述横截面积的乘积作为所述出口流量。
[0020]优选的，所述流量异常程度评估模块还包括：
[0021]流量异常指数修正单元，用于对于每个转速下的标准异常指数，获取其与对应转速下平均异常指数的比值作为该转速下的修正系数，对不同转速下的修正系数进行函数拟合，利用函数拟合结果获取当前的流量异常指数对应的转速下的修正系数，以当前的流量异常指数与对应的修正系数的乘积作为当前的流量异常程度。
[0022]优选的，所述稳定性预测模块包括：
[0023]未来流量异常程度预测单元，用于将历史的流量异常程度输入预测神经网络，输出预测的未来流量异常程度。
[0024]优选的，所述稳定性预测模块还包括：
[0025]运行状态判断单元，用于获取相邻时刻的历史流量异常程度的差值，当差值大于第一阈值时，对应时刻下的离心泵运行状态不稳定；获取目标时刻的未来流量异常程度，以及目标时刻前预设时间的多个未来流量异常程度的平均异常程度，当目标时刻的未来流量异常程度大于第二阈值，且平均异常程度也大于第二阈值时，目标时刻下的离心泵运行状态不稳定。
[0026]本专利技术实施例至少具有如下有益效果：
[0027]通过流量异常程度评估模块根据液体质量和泵体质量的比值、出口流量的变化以及转子的异常程度获取流量异常指数；根据标准流量异常指数修正流量异常指数，得到流量异常程度；通过稳定性预测模块预测未来流量异常程度，并判断离心泵是否运行稳定。本专利技术实施例能够应用电子设备识别离心泵的工作状态，对离心泵的稳定性进行预测，及时监测异常情况，能够应用于人工智能优化操作系统。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0029]图1为本专利技术一个实施例提供的基于人工智能的工业离心泵运转稳定性预测系统的系统框图。
具体实施方式
[0030]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于人工智能的工业离心泵运转稳定性预测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0031]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0032]下面结合附图具体的说明本专利技术所提供的基于人工智能的工业离心泵运转稳定性预测系统的具体方案。
[0033]请参阅图1，其示出了本专利技术一个实施例提供的基于人工智能的工业离心泵运转稳定性预测系统的系统框图，该系统包括以下模块：
[0034]信息采集模块100、转子异常程度评估模块200、流量异常程度评估模块300以及稳定性预测模块400。
[0035]信息采集模块100用于实时采集转子的振动信息、转子的转速、离心泵出口的流速以及离心泵腔体内的液体质量，获取转子结构的支撑刚度、转子的固有频率和离心泵的泵体质量。
[0036]具体的，信息采集模块100包括振动信息采集单元110、转速获取单元120、流速采集单元130、质量采集单元140以及转子数据获取单元150。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的工业离心泵运转稳定性预测系统，其特征在于，该系统包括以下模块：信息采集模块，用于实时采集转子的振动信息、转子的转速、离心泵出口的流速以及离心泵腔体内的液体质量，获取转子结构的支撑刚度、转子的固有频率和离心泵的泵体质量；转子异常程度评估模块，用于根据支撑刚度、转速、转子的固有频率以及相邻时刻的振动信息差评估转子的异常程度；流量异常程度评估模块，用于以离心泵出口的横截面积和流速的乘积作为出口流量，根据液体质量和泵体质量的比值、出口流量的变化以及转子的异常程度获取流量异常指数；获取不同转速下的标准流量异常指数，计算其对于对应转速的流量异常指数的修正系数，并利用修正系数对流量异常指数进行修正，获取流量异常程度；稳定性预测模块，用于利用历史流量异常程度数据预测未来流量异常程度，根据未来流量异常程度判断离心泵是否运行稳定。2.根据权利要求1所述的基于人工智能的工业离心泵运转稳定性预测系统，其特征在于，所述信息采集模块包括：振动信息采集单元，用于实时采集转子水平方向的左右两个振动数据，和竖直方向的上下两个振动数据，进而获取水平方向的振动矢量和竖直方向的振动矢量，将两个振动矢量进行矢量叠加得到空间振动矢量，作为实时的振动信息。3.根据权利要求1所述的基于人工智能的工业离心泵运转稳定性预测系统，其特征在于，所述信息采集模块还包括：转速获取单元，用于通过光电传感器获取转子的转速，或者通过旋转编码器检测转子的转速。4.根据权利要求1所述的基于人工智能的工业离心泵运转稳定性预测系统，其特征在于，所述转子异常程度评估模块包括：转子异常程度计算单元，用于将转速换算为旋转频率，获取旋转频率和转子的固有频率的频率差异，以转速和频率差异的比值作为转速的指数得到共振程度；获取相邻时刻的振动信息的矢量差，计算共振程度和矢量差的比值与支撑刚度的乘积，即为...

【专利技术属性】
技术研发人员：张玲玲，
申请(专利权)人：江苏苏华泵业有限公司，
类型：发明
国别省市：