一种基于人工智能的轴流泵转子运行稳定性预测系统及方法技术方案

本申请公开了一种基于人工智能的轴流泵转子运行稳定性预测系统及方法，涉及水利工程技术领域，其包括确认轴流泵叶轮的模型压力检测区间；获取实际轴流泵压力检测点检测的实际压力检测数据，若实际压力检测数据未处于模型压力检测区间，则将轴流泵叶轮划分为不同的压力区域，对每个压力区间均匀设置

【技术实现步骤摘要】
一种基于人工智能的轴流泵转子运行稳定性预测系统及方法


[0001]本申请涉及水利工程
，尤其是涉及一种基于人工智能的轴流泵转子运行稳定性预测系统及方法
。

技术介绍

[0002]轴流泵在我国社会发展的多个领域发挥着重要作用，中小型轴流泵主要用于农田排灌，大型轴流泵用于防洪排涝；在水利建设
、
化学工业等方面，均被广泛采用，目前轴流泵在水力机械运行过程中，普遍存在着不同程度的流激振动现象，容易导致疲劳破坏甚至产生裂痕，影响水力机械的安全稳定运行
。
其中，轴流泵转子主要包括叶轮，叶轮的完整程度直接影响轴流泵的工作效率
。
[0003]相关技术中，在轴流泵工作中，当吸入的水反复作用在叶轮表面，导致叶轮材料表面腐蚀产生裂纹，但无法确认轴流泵叶轮裂纹的走向信息，并基于叶轮裂纹的走向信息进行维修，久而久之，腐蚀越来越严重，影响了轴流泵的稳定运行，存在待改进之处
。

技术实现思路

[0004]为了减少轴流泵叶轮因裂纹腐蚀而影响轴流泵稳定运行的情况发生，本申请提供一种基于人工智能的轴流泵转子运行稳定性预测系统及方法
。
[0005]第一方面，本申请提供一种基于人工智能的轴流泵转子运行稳定性预测方法，采用如下的技术方案：一种基于人工智能的轴流泵转子运行稳定性预测方法，包括以下步骤：确认轴流泵叶轮的基础数据信息，基于所述轴流泵基础数据信息对轴流泵的构成部件建立轴流泵物理模型，在所述轴流泵物理模型的轴流泵内壁均匀设置多个压力检测点，多个所述压力检测点位于轴流泵叶轮上侧且共面；获取轴流泵叶轮在不同转速下多个所述压力检测点的模型压力检测数据，重复多次检测，确认轴流泵叶轮正常工作状态下的模型压力检测区间；获取实际轴流泵内壁的多个压力检测点检测的实际压力检测数据，所述实际轴流泵内壁的多个压力检测点与轴流泵物理模型的压力检测点位置一致，并判断实际压力检测数据是否处于模型压力检测区间；若实际压力检测数据未处于模型压力检测区间时，则将轴流泵叶轮划分为不同的压力区域，对每个压力区间均匀设置
i
个压力待测点，获取当轴流泵叶轮处于工作状态时所述压力待测点的压力数据，通过所述压力数据与所述轴流泵物理模型监测的模型压力数据对比确认异常压力数据；基于所述异常压力数据确认异常压力监测点，基于所述异常压力监测点预测轴流泵叶轮裂纹走向信息，并基于所述轴流泵叶轮裂纹走向信息进行维修
。
[0006]通过采用上述技术方案，借助轴流泵物理模型内设置的多个压力检测点确认模型压力检测数据，通过多次检测，进而确认轴流泵叶轮正常工作状态下的模型压力检测区间，
获取实际轴流泵相同位置的实际压力检测数据，若实际压力检测数据未处于模型压力检测区间时，则获取轴流泵叶轮上各个压力待测点的压力数据，通过与轴流泵物理模型监测的模型压力数据对比确认异常压力数据，基于异常压力数据确认异常压力监测点，进而确认所述异常压力监测点的深度信息和排列信息，从而对轴流泵叶轮裂纹走向信息进行预测，进而有效的对轴流泵叶轮的裂纹进行维修，从而有效的减少了轴流泵叶轮因裂纹腐蚀而影响轴流泵稳定运行的情况发生
。
[0007]优选的，所述则将轴流泵叶轮划分为不同的压力区域，对每个压力区间均匀设置
i
个压力待测点，获取当轴流泵叶轮处于工作状态时所述压力待测点的压力数据，通过所述压力数据与所述轴流泵物理模型监测的模型压力数据对比确认异常压力数据，包括以下步骤：基于轴流泵叶轮表面受到水压力的情况不同，将轴流泵叶轮划分为第一压力区域
、
第二压力区域和第三压力区域，其中，第一压力区域设置为轴流泵叶轮边翼尖点，第二压力区域设置为轴流泵叶轮中部翼尖点，第三压力区域设置为轴流泵叶轮根部点；在所述轴流泵叶轮轴承座设有
P0压力待测点，并在所述第一压力区域
、
所述第二压力区域和所述第三压力区域内均线性设有
P1，
P2…
P
i
压力待测点，其中，第一压力区域内的压力待测点为
P
11
，
P
12
…
P
1i
，第二压力区域内的压力待测点为
P
21
，
P
22
…
P
2i
，第三压力区域内的压力待测点为
P
31
，
P
32
…
P
3i
；确认
P0压力待测点和每个压力区域内的
i
个压力待测点的压力数据，基于所述压力数据与所述轴流泵物理模型检测的模型压力数据对比，确认异常压力数据
。
[0008]优选的，所述确认
P0压力待测点和每个压力区域内的
i
个压力待测点的压力数据根据下述公式确认：
[0009]其中，
P
n
为第
n
个压力待测点实际压力值，
ρ
为液体密度，
Q
为液体流量，
π
为圆周率，
d
为压力待测点的直径，
H
为轴流泵高度，
h
n
为第
n
个压力待测点与出水口的间距
。
[0010]优选的，所述基于所述异常压力数据确认异常压力监测点，基于所述异常压力监测点预测轴流泵叶轮裂纹走向信息，并基于所述轴流泵叶轮裂纹走向信息进行维修，具体还包括：获取所述异常压力数据对应的异常压力监测点，并确认所述异常压力监测点的数量；若所述异常压力监测点有且仅有1个或所述异常压力监测点有多个且多个异常压力监测点呈随机分布时，则只需对所述异常压力监测点所处的轴流泵叶轮位置进行维修；若所述异常压力监测点有多个时，则判断所述多个异常压力监测点是否呈线性排列，且当多个异常压力监测点呈线性排列时，则基于所述线性排列确认排列轴向，并基于所述排列轴向对轴流泵叶轮裂纹走向信息进行预测
。
[0011]优选的，所述当多个异常压力监测点呈线性排列时，则基于所述线性排列确认排列轴向，并基于所述排列轴向对轴流泵叶轮裂纹走向信息进行预测，具体还包括：若所述异常压力监测点的排列轴向位于轴流泵叶轮内，则基于第一维修方式对所述轴流泵叶轮进行维修；所述第一维修方式设置为对轴流泵叶轮进行焊补；
若所述异常压力监测点的排列轴向将轴流泵叶轮沿排列轴向分割，且分割线贯穿轴流泵叶轮两端，则基于第二维修方式对所述轴流泵叶轮进行维修，所述第二维修方式设置为更换轴流泵叶轮
。
[0012]优选的，若
P0压力待测点和
P
31
压力待测点之间存在所述异常压力监测点时，则获取所述轴流泵其他叶轮
P0压力待测点和
P
31
压力待测点是否存在异常压力监测点，并基于所述轴流泵其他叶轮
P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的轴流泵转子运行稳定性预测方法，其特征在于：包括以下步骤：确认轴流泵叶轮的基础数据信息，基于所述轴流泵基础数据信息对轴流泵的构成部件建立轴流泵物理模型，在所述轴流泵物理模型的轴流泵内壁均匀设置多个压力检测点，多个所述压力检测点位于轴流泵叶轮上侧且共面；获取轴流泵叶轮在不同转速下多个所述压力检测点的模型压力检测数据，重复多次检测，确认轴流泵叶轮正常工作状态下的模型压力检测区间；获取实际轴流泵内壁的多个压力检测点检测的实际压力检测数据，所述实际轴流泵内壁的多个压力检测点与轴流泵物理模型的压力检测点位置一致，并判断实际压力检测数据是否处于模型压力检测区间；若实际压力检测数据未处于模型压力检测区间时，则将轴流泵叶轮划分为不同的压力区域，对每个压力区间均匀设置
i
个压力待测点，获取当轴流泵叶轮处于工作状态时所述压力待测点的压力数据，通过所述压力数据与所述轴流泵物理模型监测的模型压力数据对比确认异常压力数据；基于所述异常压力数据确认异常压力监测点，基于所述异常压力监测点预测轴流泵叶轮裂纹走向信息，并基于所述轴流泵叶轮裂纹走向信息进行维修
。2.
根据权利要求1所述的一种基于人工智能的轴流泵转子运行稳定性预测方法，其特征在于：所述则将轴流泵叶轮划分为不同的压力区域，对每个压力区间均匀设置
i
个压力待测点，获取当轴流泵叶轮处于工作状态时所述压力待测点的压力数据，通过所述压力数据与所述轴流泵物理模型监测的模型压力数据对比确认异常压力数据，包括以下步骤：基于轴流泵叶轮表面受到水压力的情况不同，将轴流泵叶轮划分为第一压力区域
、
第二压力区域和第三压力区域，其中，第一压力区域设置为轴流泵叶轮边翼尖点，第二压力区域设置为轴流泵叶轮中部翼尖点，第三压力区域设置为轴流泵叶轮根部点；在所述轴流泵叶轮轴承座设有
P0压力待测点，并在所述第一压力区域
、
所述第二压力区域和所述第三压力区域内均线性设有
P1，
P2…
P
i
压力待测点，其中，第一压力区域内的压力待测点为
P
11
，
P
12
…
P
1i
，第二压力区域内的压力待测点为
P
21
，
P
22
…
P
2i
，第三压力区域内的压力待测点为
P
31
，
P
32
…
P
3i
；确认
P0压力待测点和每个压力区域内的
i
个压力待测点的压力数据，基于所述压力数据与所述轴流泵物理模型检测的模型压力数据对比，确认异常压力数据
。3.
根据权利要求2所述的一种基于人工智能的轴流泵转子运行稳定性预测方法，其特征在于：所述确认
P0压力待测点和每个压力区域内的
i
个压力待测点的压力数据根据下述公式确认：，其中，
P
n
为第
n
个压力待测点实际压力值，
ρ
为液体密度，
Q
为液体流量，
π
为圆周率，
d
为压力待测点的直径，
H
为轴流泵高度，
h
n
为第
n
个压力待测点与出水口的间距
。4.
根据权利要求3所述的一种基于人工智能的轴流泵转子运行稳定性预测方法，其特征在于：所述基于所述异常压力数据确认异常压力监测点，基于所述异常压力监测点预测轴流泵叶轮裂纹走向信息，并基于所述轴流泵叶轮裂纹走向信息进行维修，具体还包括：获取所述异常压力数据对应的异常压力监测点，并确认所述异常压力监测点的数量；
若所述异常压力监测点有且仅有1个或所述异常压力监测点有多个且多个异常压力监测点呈随机分布时，则只需对所述异常压力监测点所处的轴流泵叶轮位置进行维修；若所述异常压力监测点有多个时，则判断所述多个异常压力监测点是否呈线性排列，且当多个异常压力监测点呈线性排列时，则基于所述线性排列确认排列轴向，并基于所述排列轴向对轴流泵叶轮裂纹走向信息进行预测
。5.
根据权利要求4所述的一种基于人工智能的轴流泵转子运行稳定性预测方法，其特征在于：所述当多个异常压力监测点呈线性排列时，则基于所述线性排列确认排列轴向，并基于所述排列轴向对轴流泵叶轮裂纹走向信息进行预测，具体还包括：若所述异常压力监测点的排列轴向位于轴流泵叶轮内，则基于第一维修方式对所述轴流泵叶轮进行维修；所述第一维修方式设置为对轴流...

【专利技术属性】
技术研发人员：朱栋明，
申请(专利权)人：南通银河水泵有限公司，
类型：发明
国别省市：