状态诊断论文(共12篇)
状态诊断论文 篇1
1 列车网络系统组成
列车网络控制与管理系统是建立在总线通讯网络基础上的分布式计算机系统, 简称为TCMS (the Train Control&Management System) 。大多数的TCMS系统是采用TCN标准的列车网络系统, 具有WTB (列车总线) 和MVB (车辆总线) 串行接口, 设有冗余的列车控制单元CCU (Center Control Unit) , 两个动力单元间的通讯通过WTB进行数据传输, 各动力单元的子系统之间及子系统与CCU之间同过MVB进行数据传输。
2 诊断系统概述
诊断系统的任务是在列车运行, 维护和维修期间对司乘人员有效的查找故障提供故障信息, 从而缩短故障查找时间, 为维护人员在列车回库前提供技术信息。
2.1 诊断系统组成
诊断系统为司机和列车乘务员在操作列车时提供帮助, 以便有效地排除故障, 实现安全可靠的乘客服务。诊断系统是模块化结构, 并有故障等级区分、结构之分。
按照结构诊断系统分为如下两种等级:子系统诊断;动车组中央诊断。子系统诊断监控所有子系统相关的元件和功能, 识别故障和故障原因, 自身进行存储并报告给动车组中央诊断系统, 参考相对应的列车的状态, 制止可能出现的连续故障。列组中央诊断可控制输出必要的信息, 显示给相关人员, 存储子系统报告的功能。
每个系统的诊断以监测或元件测试的形式集成在列车组中。每个功能都可进行诊断, 并报告可能的故障和各自的功能限制给列车中央诊断系统, 以便进行诊断。列车中央诊断系统可对其进行存储、分类和显示。诊断系统监视下列电气系统:制动;牵引;门;空调系统;旅客信息系统;自动列车保护系统;辅助变流器系统;列车控制系统;MMI;高压系统;车载电源;火警系统;厕所系统;控制系统;转向架;内部和外部照明系统。
如果组件和系统没有直接连接至MVB的接口 (如LSS) , 可通过集成网络信息采集模块将故障信息反馈列车控制系统。
下图1显示了动车组诊断系统的结构:
2.2 诊断的功能
故障诊断的主要功能有: (1) 建立故障日志, 含维护状态信息。故障诊断系统自动存储带有日期、时间、公里数和相关环境参数以及运行数据的故障事件/诊断结果。 (2) 查找、定位故障部件。故障诊断系统指导司机或地勤人员在机车发生故障时采取必要应对措施。 (3) 查找、存储及分析零星故障。 (4) 自动刷新程序。
诊断系统的任务包括分析列车在两种操作模式下子系统的状态: (1) 行驶之前, 使用子系统和优先列车控制系统中的监测功能检查列车必要功能 (制动、旅客紧急制动和MMI) 的操作。试验结果报告给中央动车组诊断系统进行诊断, 并连续存储试验结果。 (2) 行驶期间, 相关列车操作参数和数据一直由子系统和中央动车组诊断系统进行监控, 如果出现偏差或故障, 则进行报告。如果检测到监控数据的临界范围, 诊断系统会通过MMI向司机或乘务员报告, 并显示可能的措施。
2.3 诊断信息的读取
(1) 故障诊断信息可以通过服务接口读取。中央诊断控制单元及各子系统的控制单元设置必要的服务接口, 以方便维护人员实时观测控制单元的运行情况和下载相应的诊断数据。
(2) 通过网络传输向地面报告诊断数据。由动车组中央诊断系统自动记录诊断信息, 通过GSM系统进行远程数据传输。传输每个诊断事件的故障诊断代码、故障车车号和发生时间。
摘要:信息高速发展的时代, 列车控制及信息传输也在飞速发展进步。列车速度提升、为司乘人员提供更多操作指导、旅客界面信息优化升级等都对动车网络系统控制及信息传输提出了更高的要求, 未保证列车各方面的控制需求, 列车的网络控制系统不断提升。网络性能提升的同时网络系统自身及各子系统诊断技术也要不断优化, 以保证网络系统的可靠性, 实时性和准确性。本文基于TCN网络系统, 简要介绍了列车的网络控制技术技术状态诊断系统。
关键词:列车,网络,诊断
参考文献
[1]王华胜.动车组整车可靠性的验证方法[J].中国铁道科学, 2010.
[2]倪文波, 王雪梅.高速列车网络与控制技术[M].西南交通大学出版社, 2008.
[3]钱立新.世界高速铁路技术[M].中国铁道出版社, 2003.
[4]张曙光.CRH5型动车组[M].北京:中国铁道出版社, 2008.
状态诊断论文 篇2
心 得 体 会
2011年9月24日至25日,由设备处邀请宝钢工业技术服务有限公司诊断技术事业部刘晗博士莅临酒钢集中组织开展了设备状态管理与诊断技术的培训与交流,旨在学习宝钢设备管理成功经验及相关技术应用与动态,以致强化和提升酒钢设备管理水平和设备状态诊断检测水平。通过连续两天的紧张学习,本人对于设备管理及设备状态诊断技术有了全新和全面的认识。同时,通过学习了解到宝钢设备管理的形态,对照到厂内同等领域,深感与之还存在较大的差距。设备管理工作,正如刘晗博士所言:“工欲善其事,必先利其器;君若利其器,首当顺其治”。
作为设备基层技术管理人员,我深知设备管理是以设备及相应辅助设施为对象而进行综合、复杂、有序的过程控制管理,主要目的为保障生产高效、稳定运行,以及追求设备检修、维护、保养的技术性、长效性和经济性的有机统一,设备管理水平,也直接影响企业发展的均衡性、产品数量与质量及成本的高低等,基于此,针对目前厂内设备管理现状,我们应该选择怎样的管理方式才能适应自身设备与生产的长期和谐发展呢?应该采取何种有效的技术应用方法或改进手段才能促进设备高效经济运行、杜绝设备故障事故漫天飞舞的现状呢?这是值得我们深思的课题,这是一个系统化的实战工程,也是目前解决生产与设备之间相互依存、相互矛盾的根本问题。现今社会工业发展已在积极倡导循环经济、低碳经济等模式的普及推广,对于冶金企业更是节约成本、降能减耗的有效途径,特别对于选烧厂来说,面临设备日趋老化、大批量设备设施已至使用周期、维修经费紧缺且检修人力配置不全、技能水平不高等现实问题,已构成设备管理环节的重重瓶颈,制约着厂内设备管理的水平提升和良性发展。通过此次学习认识到设备管理与维修方式可笼统分为四种:第一种是事后维修;第二种是预防维修;第三种是状态维修;第四种为其他现代维修方式,该方法有基于可靠性的、基于风险的、基于利用率的等等,然各种方式各有优劣、不相伯仲,需由车间设备的功用及配置而论,并不是认可一种方式就否定其他方式。目前选烧厂在设备管理方面依然存在一定的不足,安于现状、墨守成规的思想仍然存在,对于哪些设备需要应用状态维修还是事后维修等没有明确的统计规划,只是简单区分哪些为主机设备、哪些为辅助设备,致使零星设备故障、事故不少发生。因此,结合厂内设备用途及重要性,我们首先应该规范划分设备等级进行统筹管理,比如Ⅰ级设备进行状态诊断维修、Ⅱ级设备进行预防维修、Ⅲ级设备进行基于风险维修等,实现在现有设备装备水平的条件下把设备管理工作抓好抓牢。其次,在设备信息化管理工作上,相对还是比较落后的,部分设备信息紊乱、疏漏、错误、缺失等,同样给设备管理工作带来不同程度的影响。所以,设备信息化尚需统一进行归纳和完善。再次就是人员的定岗配置问题,也是设备管理工作的重要环节,不容忽视,职责不明确、技能定岗不合理等现象普遍存在,于厂内也是设备管理工作的盲点,尚需一盘整顿。选烧厂在设备状态诊断技术应用方面,仅为直观的振动测量和温度测量,或者凭借经验进行维修,其基本处于一片空白,与国内国外同行业企业先进的设备故障诊断技术、状态检测技术、趋势分析技术存在相当大的差距。一方面设备仪器检测装备水平所限,另一方面为人员专业能力深度,以及设备超负荷运行和保养不善,三者互为因果关系,由此,要实现厂内设备状态诊断,首先应当利其器,根据设备状况配置相应的诊断仪器工具;其次就是人员专业能力深度的挖掘,两者并重,并着重降低设备超负荷运行的频次和加强设备维护保养工作的开展,方能提高在线设备状态诊断水平和减少故障事故的发生。
本次培训和交流的开展,本人认为是非常有意义和有价值的,一方面对于同行业先进企业的设备管理与状态诊断有了感性认识,并通过对照发现自身的不足和差距,思量如何扭转现状;另一方面,通过培训学习改变以往设备管理工作的观念,为摆正了今后工作的重心进行铺垫和描绘。
选烧厂点检维护作业区
浅议风机状态监测与故障诊断 篇3
【关键词】旋转机械;状态监测;故障诊断;风機
上个世界七十年代是计算机飞速发展的年代,随着计算机技术及其相关技术的快速发展,通过计算机来进行风机状态监测以及故障诊断技术开始得到了发展。国外发达国家在这方面的水平要比我们先进很多,像是美国Bendy Nevada公司的ADRE系统,Scientific—Atlanta公司的 M6000系统等;我国最近几年在这方面也开始引起了重视,像是和一些高校以及研究所联合开展一些科研性的项目,自己开始研发监测和诊断系统,这些技术虽然和国际先进技术有差距,但是也没有以前那么大了。本文以D350煤气排送机为例,进行风机状态监测和故障诊断系统的讲解,介绍其工作机制和一些技术方面的问题。
1、系统总体结构
此系统是集合了许多功能的系统,例如数据收集、状态监测、振动分析、故障检查等等。信号采集的时效性和准确性事确保监测和诊断系统是否精准的一个重要指标。系统的结构是多个层次构成的,分为不同的子系统,状态监测子系统和故障诊断子系统并行工作。为了提高系统可靠性,设计了仪表监测子系统和以计算机为中心的监测诊断子系统并行工作的系统。其结构如图1所示。
2、传感器的选择与测点布置
传感器负责收集和传递系统的往来信息。因此传感器是否精确,决定着系统所收集到的信息以及对这些信息利用的可靠性。相对于本系统而言,壳体振动选用压电式速度传感器。这类传感器灵敏度高,安装方便,使用寿命长。轴位移信号和键相信号采用电涡流传感器。测量壳体振动一般测量3个方向的振动,即2个径向信号和1个轴向信号。2个径向测点互相垂直安装。系统中测点的布置根据机组具体情况以能够捕捉机组故障为前提进行优化,每个机组布置了10个压电式速度传感器、1个轴位移测点和1个键相信号测点。工艺参数直接从机组原控制系统中获取。
3、仪表监测及报蕾保护子系统
本系统处于安全性和可靠性考虑,不仅采用了仪表监测,还使用了微机监测、诊断系统,两者共同进行,确保系统的安全稳定。传感器信号经放大后直接进入振动监测仪表,每路信号对应仪表中的一个模块。二次仪表由双通道速度监测模块、单通道轴位移监测模块、转速监测模块组成,可实时显示机组转数和各个测点的振动幅值。幅值超过设定的报警值,可经继电器输出危险报警信号和连锁跳车信号,通过外部电路可实现声光报警和设备的连锁保护。报警保护子系统电路图如图2所示,其中,危险报警继电器输出触点为ZD—IC,连锁跳车信号输出触点为ZWY—9C。图中,1ZJ—3ZJ为中间继电器,YJ为时间继电器,其功能是实现声光报警;ZJ—TC为断路保护继电器线圈,其内触点为二次仪表的输出触点,CA为消音按钮。当壳体振动值达到危险警示值时,ZD—TC触点闭合,黄灯亮,同时声音报警,按CA按钮可消除声音,危险解除后黄灯灭;当主轴位移达到危险值时,ZWY—TC触点闭合,红灯亮,声音报警,同时2J—TC线圈接通,发生跳车保护。
4、数据采集与状态监测子系统
机组的运行状态都是通过数据来进行反应的,因此数据采集仪的作用就是从机组采集各种数据,像是振动、轴位移和转速等等,这些信号接收到之后经过处理再传输给监测系统,系统就可以通过这些数据了解机组的运行状态,从而进行对机组的控制。
状态监测系统可以和其上下层进行通信,借助不同的传输途径和设备技术可以实现数据的传输,让监测者可以随时随地的了解系统的运行状态。机组的运行状态如果不借助各种仪器设备是很难窥其全貌的,因此通过状态实时监测系统,可以利用其工控机来进行数据的收集功能,将这些监测到的信号,经过处理后以图表的形式直接的显示出来,通过时域分析、幅值分析、频谱分析,能够获得各种数据,通过计算去掌握机组的运行状态是否良好,这样给现场工作人员直接监测机组运行起到了很大的便利,而且通过这些实时数据也能很快的发现机组的一些异常状况。
5、故障诊断子系统
机器故障的因素是很多方面造成的。因此在对机组进行故障检测的时候,我们以在线监测为主,通过系统对机组各项运行数据的收集,我们从中进行分析和研究,去寻找故障的原因,机组稳定运行和异常运行两者之间的数据是存在差异的,因此才能够通过故障检测系统来进行数据的收集,从而发现机组异常的原因。
5.1人工对话诊断
通过界面的方式来让检测人员进行特定部位或特定数据的检测,这样能够有的放矢,而且检测时候的数据是否保存都需要人工进行操作,当不进行选择的时候则可以采取默认的检测,像是最大振幅、在线数据等等,这样便于人机交互,让检测系统更加的直观和人性化。
5.2自动诊断
在系统中还需要设定自动检测的功能,当从机组获取的数据信息发生异常的时候,则可以自动的采取相应的措施,这些措施都是事先经过研究后采取的应对措施,这样提高了可靠性。
6、结束语
本文通过对D350煤气排送机来进行了风机状态监测和故障诊断系统的介绍,通过对原理和系统运行机制的讲解,我们可以了解到,此系统的作用是符合现代高速发展需要的,其安全性和可靠性也比较高,尽管我国在这方面的技术水平和国际先进水平有差距,但是不断的将其发展,向世界先进水平看齐是我们的努力方向,而且这也是保证生产安全可靠的重要技术。
参考文献
[1]夏松波.旋转机械故障诊断技术的现状与展望[J]振动与冲击,1997,16(2):1—5,
[2]何永勇.汽轮发电机组状态实时监测系统的研究[J].动态分析与测试技术,1995(4):25-30.
在线状态检测与故障诊断技术 篇4
从设备的设计、制造到安装、运行、维修等诸多环节, 如果其中的任何环节出现了偏差, 都有可能会导致设备性能的恶化或是引发故障。在设备运行过程中, 其内部往往会受到力热、摩擦等多种物理及化学作用, 使其性能出现变化, 从而引发设备故障, 带来巨大的损失, 所以对设备在线状态监测和故障诊断技术相关内容进行详细的、深入的分析研究具有十分重要的意义。
2 状态检测与故障诊断技术概述
①状态检测:在设备运行过程中, 对特定的特征信号进行检测、变换、记录与分析处理, 并显示记录情况, 这是设备故障诊断工作顺利开展的基础条件。②诊断分析:一般情况下, 诊断分析主要涉及信号分析处理与故障诊断两方面内容。其中, 信号分析处理是指对所获得的信息以一定的方式进行变换处理, 并且以不同的角度提取最直观的、最敏感、最有用的特征信息。故障诊断是在状态检测与信号分析处理基础上进行的一项工作, 主要是对故障性质、危险程度、产生的原因或者是发生的部位进行诊断, 然后以此为基础, 对设备性能与故障进一步发展情况进行相应的预测。③治理预防:治理预防主要是指对已经诊断出设备异常情况发生的原因、部位及危险程度进行相应的研究, 并且采取相关治理措施与预防的方法。
3 状态检测与故障诊断技术系统结构特点
3.1 离线检测与诊断系统
所谓离线检测与诊断, 即为对设备运行情况进行定期的检测与诊断, 一般先在实验室或者是计算机房中以计算机对数据采集器设置巡检路径组态, 之后再单独将数据采集器带至项目现场进行数据的采集与存储工作。当完成了数据的采集操作之后, 将数据采集器带回实验室与计算机联机, 然后将采集器中的数据上载至计算机中, 最后将其存入计算机数据库中进行集中的管理与相应的分析处理。离线检测与诊断系统较为简单, 一般由传感器、动态数据采集器与卫星计算机构成, 也可称其为T-C-PC机械故障巡检系统。其中, 微型计算机主要涉及检测、通讯、分析与诊断软件。此外, 对于动态数据采集器与微型计算机的连接, 主要采用RS-232C接口或其他专用接口进行, 以形成可分离的联机系统。
3.2 在线检测与诊断系统
在线检测与诊断系统即为在测点上永久性的安装传感器, 并且以处理设备与传输设备或者是Internet网络将传感器所采集到的信号直接传输至计算机或是专用分析与诊断仪器中, 能够实时显示所测设备的技术状态, 同时还能够对其进行相应的分析诊断的技术。此外, 其还能够将分析诊断结果接入设备电器控制部分, 在此过程中, 一旦发现故障或者是所测得的参数超过了报警范围, 计算机就会发出指令, 使得电器控制部分作出停机操作, 以此来对设备进行良好的保护。在线检测与诊断系统基本构成如图1所示。
4 在线设备状态检测与故障诊断技术
4.1 在线设备状态检测技术
4.1.1 在线检测技术
从目前的在线检测技术来看, GPS检测技术是一种新型的设备状态安全检测技术, 通过GPS检测技术可以对故障进行自动检测。GPS检测技术主要包括有监视控制系统和SCADA系统。GPS检测技术主要是根据电磁暂态的记录, 对故障进行合理的分析, 以此实现对的运行状态进行有效的监督控制。GPS检测技术与其他故障录波仪器相比, 在检测过程中不会出现数据沉冗问题, 因此在很大程度上提高了数据的有效性。同时, 将GPS检测技术与通信技术进行有效的融合, 可实现数据的同步传输, 进而确保检修质量和效率。在数据传输以后, 还能够自动产生检测记录, 为故障发生原因的分析提供参考依据。GPS检测技术的运用能够提高的可靠性, 保障电力系统的稳定运行。GPS检测技术同步方法是通过钳形传感器触发外同步, 获得同步信号。在软件方面, 可以通过四个特征对的放电情况进行有效的判断, 为故障判断提供了参考资料。
4.1.2 红外检测技术
热与有着十分紧密的联系, 一旦出现故障, 都会提高设备的温度, 导致设备发热, 从而容易损坏。红外检测技术是一种新型的在线检测技术之一, 具有较高的安全性, 检测效率好, 甚至可以检测出设备温度的些微变化, 以此确定故障的情况。红外检测技术是一种理想的在线检测技术, 将其运用在发热故障中的检测中, 可以充分发挥极大的作用。将红外检测技术运用于设备的状态监测, 可以检测出冷却装置控制键元件、各个部位接头的温度, 并且还能检测出变压器的潜伏性故障。
4.2 故障诊断技术
4.2.1 简易诊断法
简易诊断法是指采用便携式的简易诊断仪器, 例如测振仪、声级计、工业内窥镜、红外点温仪对设备进行人工巡回监测, 其能够依据设定的标准或人的经验进行相应的分析, 以了解设备是否处于正常状态, 如果发现异常, 可通过对监测数据分析进一步了解其发展的趋势。由此可知, 简易诊断法可解决状态监测和一般的趋势预报问题。
4.2.2 精密诊断法
精密诊断法指对已产生异常状态的原因采用精密诊断仪器和各种分析手段 (包括计算机辅助分析方法、诊断专家系统等) 进行综合分析, 以期了解故障的类型、程度、部位和产生的原因及故障发展的趋势等问题。精密诊断法主要解决的问题是分析故障部位、程度、原因和较准确地确定发展趋势。
4.2.3 振动噪声测定法
机械设备在运动状态下 (包括正常和异常状态) 都会产生振动和噪声。通过相关研究可知, 振动和噪声的强弱及其包含的主要频率成分和故障的类型、程度、部位和原因等有着密切的联系。大多数设备是定速运转设备, 各零部件的运动规律决定了它的振动频率。由于是定速运转, 其振动频率即为该零件的特征频率, 观测特征频率的振动幅值变化, 可以了解该零部件的运动状态和劣化程度。因此利用这种信息进行故障诊断是比较有效的方法, 也是目前发展比较成熟的方法。尤其是振动法, 由于不受背景噪声干扰的影响, 使信号处理比较容易, 因此应用更加普遍。
4.2.4 无损检验
无损检验是一种从材料和产品的无损检验技术中发展起来的方法, 其是在不破坏材料表面及内部结构的情况下检验机械零部件缺陷的方法。其使用的手段包括超声、红外、x射线、γ射线、声发射、掺透染色等。这一套方法目前已发展成一个独立的分支, 在检验由裂纹、砂眼、缩孔等缺陷造成的设备故障时比较有效。其局限性主要是其某些方法如超声、射线检测等不便于在动态下进行。
5 结语
综上所述, 相比于离线检测, 在线检测与诊断系统的成功相对较高, 但在设备运行过程中, 通过在线状态检测与故障诊断技术的合理应用, 能够对设备故障发生原因的分析与诊断等工作的顺利进行提供先进的技术支持, 从而及时解决设备运行过程中存在的问题, 提升企业的经济效益与社会效益。
摘要:通过在线状态检测与故障诊断技术的合理运用, 能够有效了解并掌握设备运行过程中的实际状态, 从而对设备的可靠性进行相应的评价与预测, 更好地识别设备故障原因与危险程度等情况, 预测发展趋势, 及时处理。此背景下, 本文首先分析了状态检测与故障诊断技术, 其次对状态检测与故障诊断技术系统结构特点进行了一定的研究, 最后探讨了在线设备状态检测与故障诊断技术的应用, 以供参考。
关键词:设备,在线状态检测,故障诊断技术
参考文献
[1]姚家松.高压电动机在线状态监测与故障诊断技术探讨[J].煤矿机电, 2012 (03) :52~55.
[2]邰世福.浅析在线监测及故障诊断技术在继电保护状态检修的运用[J].中国新技术新产品, 2010 (20) :17~18.
状态诊断论文 篇5
摘要:目的 探讨PVS气管插管后气管的CT征象,并分析其临床意义。方法 对120例PVS患者气管插管后的胸部CT图像进行分析,对确诊或怀疑为气管软化的患者进行全科读片,对最后确诊为气管软化的患者进一步分析其CT表现。结果 共确诊气管软化患者68例,CT上气管多呈“剑鞘”状,前后径大于左右径50%,部分管腔狭窄,局部可见气管塌陷,部分两肺内见炎性改变、肺不张。结论 CT能清晰显示PVS患者气管软化的形态、程度,为临床及早、合理的处理提供影像学依据,提高PVS患者的生存质量。
关键词:气管软化;PVS;CT
1 资料与方法
1.1一般资料 收集我院2013年6月~2015年6月临床确诊为PVS并行气管插管患者120例,所有患者均行胸部CT扫描观察气管及肺内情况,对确诊或怀疑为气管软化的患者进行全科读片。
1.2方法 给予本组患者应用CT 图像检查,检查时应用使用Aquila 16 螺旋CT 扫描仪。扫描时由患者声门至气管隆嵴下约4cm位置,扫描参数为:120KV,200mA,层厚5mm,层距为5mm,螺距15,纵隔窗(窗宽400,窗位40),肺窗(窗宽900,窗位-850)。同时应用肺和软组织算法进行重建, 并对所提取的影像资料进行归纳和分析比较。
2 结果
确诊气管软化患者68例,其中48例为脑外伤患者,9例为高血压性脑出血患者,6例为脑梗死患者,5例为肿瘤患者;年龄20~85岁;男49例,女19例。CT表现:软化的气管多位于插管以下、气管隆突以上,气管多呈“剑鞘”状,管腔大小不一,前后径大于左右径50%,部分管腔狭窄,局部可见气管塌陷,部分两肺内见炎性改变、肺不张(图1,2)。
图1,2 同一PVS患者CT 气管插管后气管呈“剑鞘”状改变。两肺上叶可见斑片状感染灶(部分陈旧性TB),两侧胸腔内见积液影。
3 讨论
持续性植物状态(PVS)气管插管后,若能早发现并给予治疗,对患者通气症状有质的改变。但若不及时治疗和处理延误治疗时机,也可能造成病情进一步恶化。随着螺旋CT及后处理技术被引进的应用于该症状的治疗,为及早发现该症状、并对症治疗提供了有力的检查方法,较大程度弥补了患者应未检出该病症状,从而延误治疗时机造成的遗憾。
植物状态(vegetative state,VS)是指由各种原因造成脑严重损害后出现的一种没有感知的特殊意识状态。1972年Jennett[1]首次用持续性植物状态(persistent vegetative state,PVS)描述一种持续觉醒而无意识的状态。这类患者由于中枢神经系统受到不同程度的损害,多伴有呼吸功能的减弱,因此多需行气管插管来辅助呼吸,虽然气管插管可改善呼吸,但往往也伴随一些肺部感染、气管软化等病变,增加了PVS患者的生存风险,本研究旨在用CT检查早期发现PVS患者气管软化的形态、程度及其临床意义。
查字典范文网【fanwen.】
随着社会的发展,颅脑外伤和变性,以及代谢性疾病、神经发育异常疾病患者有明显增多迹象,又由于医疗抢救水平的提高,一些极危重患者,被从死亡线上拉回来,从而导致植物状态患者增多。1996[2]年及2001[3]年南京PVS会议明确了我国植物人的诊断标准如下:①认知功能丧失,无意识活动,不能接受指令;②保持自主呼吸和血压;③有睡眠-觉醒周期;④不能理解和表达语言;⑤能自动睁眼或在刺激下睁眼;⑥可有无目的性眼球跟踪运动;⑦丘脑下部及脑干功能基本保存。以上状态持续一个月以上者即为PVS。本组120例患者均符合上述诊断标准,且由于原发损害于急性期均进行了气管插管。
持续性植物状态(PVS),作为临床重度意识功能被阻碍,一般由患者昏迷转化成的,患者临床表现通常是丧失了基本认知功能,但有睡眠和觉醒周期。由于临床对该病的发病机理等没有进一步认定,也使得相对治疗有滞后的现象。因此临床有部分该症状患者未能得到康复,使得一些患者及家属对该病的治疗感到茫然。同时PVS患者因病导致残疾和死亡的几率也较高,当前由于肺复苏技术的进步,也促使基层医院也创建了专科治疗该病。这给该症许多重症患者意识恢复和及时救治带来了福音。虽然在传统观念里认为该症状属于不治之症,但临床还可见该症状通过有效的护理和积极配合治疗,能够促进患者意识功能的恢复。因此对于该症状的早发现和积极提早治疗,显得尤为重要。这也使许多生命体征平稳,没有治疗禁忌症PVS患者,对早发现和早做出诊断并积极治疗建立了信心。
因PVS患者原发损害往往较重,气管插管的时间比较长,导致患者气管壁硬度降低,管径变大,导致气管软化[4](塌陷),此时拔管,可能引起气管完全塌陷而至患者呼吸困难或窒息,进一步加重患者的病情,因此拔管前应对患者的气管进行评估,可对发生气管软化的患者及时采取相应的措施进行预防和护理。
螺旋CT由于其密度分辨率高,成像快,费用相对低廉而优于MRI检查,常用于PVS患者的追踪监测,尤其是胸部检查,具有MRI不可替代的`优势,且由于PVS患者往往需要一些监护仪器,这些不可能进入MRI检查室的仪器,在CT扫描室里不受任何干扰,因此本组患者评估气管时均采用CT检查,120例PVS患者中共68例确诊为气管软化,通知临床,采取合理的治疗和护理,均取得良好效果,无一例患者因并发梗阻而死亡,另外由于气管软化,气管插管呼吸道开放,气管内痰液不易咳出,易伴发肺部感染、肺不张等病变,CT可清晰显示这些病变的范围和程度,可以指导临床及时用药,提高PVS患者生存质量。
总之,PVS患者易患气管软化,对这类患者的护理要特别细致,如发现不及时,治疗不得当,患者将有生命危险。由于螺旋CT有较高的密度辨识度,而且还具有成像快的优势,被应用于PVS患者的追踪监测,对能相应减少患者治疗所需费用,其中对于患者胸部的检查,则是其他检查如MRI不可比拟的。CT检查能早期发现和诊断气管软化,并可显示软化气管的部位和程度及相应伴发的肺部感染、肺不张等,为临床及早、合理的处理提供影像学依据,提高PVS患者的生存质量。
参考文献:
[1]Jennet B,Plum F.Persistent vegetative state after brain damage: a syndrome in search of a name[J].Lancet,1972,I(7753):734-737.
[2]《制定我国持续性植物状态(PVS)诊断标准专家讨论会》会议纪要[J].急诊医学杂志,1996,5(2):95.
[3]《关于修订我国持续性植物状态(PVS)诊断和疗效标准》专家会议纪要[J].中华急诊医学杂志,2002,11(4):241.
矿山机械设备状态监测及诊断研究 篇6
关键词:矿山;机械设备;状态监测;诊断研究
随着我国经济的发展以及矿山生产规模的扩大,矿山机械设备的应用范围日益广泛。对于机械设备的标准与要求也越来越高,为了更好的满足矿山实际生产需求,必须加强机械设备的故障分析与状态监测。矿山机械设备状态监测的方式有很多,主要是根据设备在日常运行中所出现的异常现象或征兆,比如说,温度、噪音、震动、磨损等等,以采取相对应的检测方式,对设备故障进行准确定位与分析,进而找出解决故障的途径,在此基础上进行设备的维护与保障,大大延长了设备使用寿命,提升了设备生产效率。
1.设备振动检测
振动,是有效诊断机械设备状态的一种物理信号。不同的机械设备、不同的运行状态,其产生的震动也是不一样的。在矿山设备日常运行中,将设备产生的振动信号进行及时收集与分析处理,积极提取有用信息作为设备状态监测与诊断的依据。具体来说,可以分为三步走方针:第一,测定机械设备整体的振动强度,进而判断机械设备运行状态是否正常,是否存在运行障碍。第二,通过频谱分析,具体定位异常故障发生在哪个环节上面。第三,对于齿轮、滚动轴承等制定的零部件,通过特殊技术进行针对性深入研究。通常情况下,在机械设备检测过程中,先进行整体强度测定,然后针对性的进行第二步检测、第三步定位,能够准确定位故障零部件的异常震动,并及时做出诊断。
2.设备无损探伤
随着科学技术的不断发展,无损探伤技术得到了广泛应用。这种检测技术是在不破坏设备基本构造的前提下进行的,对零部件的表现以及内部缺陷进行检测的一种技术。通常情况下,焊接件、压延件、锻铸件等表面与内部经常会出现气孔、杂物、裂纹等各种缺陷。在设备的具体应用过程中,这些裂纹或缺陷可能进一步发展与恶化,甚至出现新的故障,进而给员工的人身安全以及矿山企业的安全运营带来安全隐患。对于大部分重要的零部件设备,必须在确定其焊缝、材质不存在缺陷或危险性的前提下,才可以使用。而本文所提到的无损探伤技术,就是针对上述问题而进行的早期诊断。随着科学技术的进步与发展,渗透探伤、磁粉探伤、超声波探伤等等得到了广泛应用。而光导纤维技术以及激光全息技术也开始逐渐应用与无损探伤的检测中来。
3.设备红外测温
矿山机械设备运行正常与否,一般会通过温度的形式展现出来。而机械设备的温度参数无法进行直接测量,必须要借助与温度相关的其它物理特性进行测量。比如说,通过辐射能、热点效应、热膨胀反应等等。现阶段,开始出现了激光测温、微波测温等新型的测温技术。比如说,可以通过红外测温技术监测矿山设备轮轴箱的温度。在矿区运输干线两侧的钢轨上放置红外测温仪,红外测温仪会逐个扫描通过的轴箱,并且输出相对应的信号记录下来。若某个脉冲信号非常强,则证实这一轴箱的温度过高。然后结合具体的脉冲信号位置,准确的判断温度过高的轴箱,然后及时性、针对性的采取解决对策,预防事故发生。通过红外测温的方式,有效改善了工作人员的工作环境与劳动条件,大幅度降低了车辆停留的时间,降低了燃轴事故的发生几率。
4.分析设备的润滑油样
在矿山设备的日常运行中,伴随着润滑油的循环性流动。润滑油样携带者大量的设备状态信息。通过这些提示信息可以有效分析设备零部件的磨损程度、磨损部位以及磨损类型,进而针对性进行设备状态监控与诊断。现阶段,常用的方法有油样铁谱分析、磁塞检测、油样光谱分析等。儿油样铁谱分析法是应用最为广泛、发展最有潜力的一种检测方式。油样铁谱分析方法,指的是按照一定的操作步骤,在玻璃片或试管上稀释一定的油样,并在磁场作用下,判断不同磨粒经过的距离,进而结合磨粒的沉淀情况来判定零部件的具体磨损状况。通过显微镜观察磨粒残渣,可以判断残渣的具体成分。通过铁谱分析方法,能够判断出磨粒的成分、形态大小、粒度以及数量等信息,尤其是适合10-50um粒度的颗粒检测。磁塞检测则是一种非常有效、操作简单的方式,在润滑管路中插入带磁性的塞头,集中收集磨粒,并通过肉眼方式直接观察磨粒的形态、数量、大小等信息,进而可以得出零部件的磨损情况。在矿山机械设备的使用后期,往往会出现尺寸比较大的颗粒磨损,比较适合采用磁塞检测方式。
监测油液技术,指的是度机械设备使用的油液进行深入分析,进而确定设备具体运行状态的检测技术。现阶段,经常使用的监测设备主要由微量滴定仪、油料多元素分析等等。通过这些设备,能够具体的分析油液中的金属含量、水分、开口闪点等信息,并能够进行定量与定心分析。进而结合检测人员的经验以及数据信息,判断设备是否正常运行以及故障具体情况。比如说,齿轮油状态的检测,可以结合油品情况具体分析轴承、齿轮的磨损,进而定位故障点并进行检修。还可结合油品情况,更换齿轮油,选择适合的润滑油品。还可以通过对发动机的镇定检测以及保养周期分析,进行发动机机油检测,并进行科学合理的机油更换。
5.结语
机械设备的状态监测及诊断技术,对于掌握与了解设备使用过程中的具体状态,确定设备整体以及局部是否正常运转,进而及早发现故障并针对性提出解决意见,最大限度的保障了矿山的安全性作业,具有重要的指导性意义。
参考文献:
[1].李强,张洛平.状态监测与故障诊断技术在矿山提升设备上的应用[J]. 煤矿机械,2009,(3).
[2].李强,张洛平,王会良.状态监测与故障诊断技术在矿山提升设备上的应用[J].煤矿机械,2009(04).
[3].何中宝.论如何控制矿山机械设备液压系统泄漏故障[J].工会博览·理论研究,2011(03).
[4].伦冠德.机械设备故障检测诊断技术现状与发展[J].拖拉机与农用运输车,2007,(03).
状态诊断论文 篇7
7.1概述
第5章给出了推荐用于振动状态监测的测量量和测量类型。机械振动状态监测数据的分析和表示有许多基本格式。这些格式在获取基线数据时开始建立。它们包括, 但不限于:
——宽带幅值趋势;
——频谱分析;
——离散频率的频谱数据趋势;
——有限频带或窄带的频谱数据趋势;
——瀑布图分析;
——波德图、奈奎斯特图或极坐标图、矢量分析;
——轴心轨迹分析。
其他分析和诊断方法, 例如多变量诊断和神经网络没有包括在本部分中。
注:关于上述数据分析技术和数据表示及报告格式的建立方法在GB/T 19873第2部分中给出。
7.2基线测量
7.2.1概述
当机器设备运行在稳定、可接受状态的时候, 测量和观察得到的数据或数据组作为基线振动数据。所有随后的测量将与这些基线值相比较以检测振动的变化。基线数据精确地表示了机器在正常运行模式和流量下运行的初始稳定振动状态。对于具有多个运行状态的机器, 有必要对其每种状态建立基线。
新的和大修后的机器有一个磨合期, 在运行最初几天或几星期的期间内振动一般会有变化。因此, 在磨合期后再采集基线数据。
已经运行相当长时间但首次监测的机器, 仍能建立基线, 并以此次监测作为一个趋势参考点。
振动和运行数据应该在足够数量的时间间隔下采集, 以确认机器已达到稳定状态。这时, 应采集所有的基线数据并与应用标准 (如可用) 比较, 以确定机器的可运行性。基线特征也用于检验异常状态的征兆, 例如轴失稳。
这些数据是以后机器故障检测和诊断的基础, 应安全保存并易于取用。
基线振动数据应包括用于确定机器振动状态的所有可能的振动参数。最初规定越全面则正确检测、分析与跟踪机器劣化的可能性越大。基线振动的数据可包括下列各项的全部或一部分:
——宽带幅值 (位移、速度和/或加速度) ;
——时间信号和波形;
——旋转频率;
——每转一次的振幅;
——振动矢量 (振幅和相位) ;
——稳态时振动信号的频谱分析;
——升速/停机时的频率响应数据 (例如波德图、瀑布图、极坐标图等) ;
——轴心轨迹;
——轴心位置。
基线特征规定的完整性取决于下列各项:
——机器的重要性;
——机器以前的历史;
——可用的分析装置;
——人员的能力;
——其他因素。
没有必要也不应只限在连续监测的测点采集数据。建议基线包含全面的振动分析, 通常要包括比例行程序更多的测点、方向, 更宽的频率范围和更精细的分辨率。相对较少的测点在连续或周期监测之后已确定发生了变化, 重复使用基线分析方法对确定振动变化的原因能提供帮助。
7.2.2宽带振动
除非有确定的经验, 否则, 应采集基线宽带振动, 它应覆盖足够的动态范围和频率响应以包括机器内所有的强迫激励。一般来说, 它要求振动速度均方根值从0.1mm/s至100mm/s, 频率范围为0.2倍的最低旋转频率至所关注最高频的3.5倍。由于测量系统的限制, 对于大多数机器, 频率范围上限通常是10kHz, 下限频率一般为10Hz, 低速机器除外。
转子和固定结构宽带振动测量方法可分别参阅GB/T 6075和GB/T 11348系列标准。
应使用上述的动态范围和频率响应采集基线离散频率振动特性, 以证实包含在附录C中振动激励的可能原因。不过, 附加的分量也可能很明显, 评定这些异常很重要, 这可能有助于早期发现问题。
也可能出现某些意料不到的频率分量, 没有包括在附录C中的一些设计构型中。应存储这些基线数据, 为将来机器评定与诊断作参考。
7.3振动趋势
7.3.1概述
在设置趋势程序时, 重要的是确定测量的时间间隔。新的或刚大修过的机器稳定运行时, 实际的时间间隔由机器的关键程度、可靠性历史和仪器记录的数据存储能力来确定。例如, 对于连续的在线系统, 如果在规定的时间内振动幅值不变化, 将把认为价值不大的历史数据按预定计划“清除”。对于周期监测系统, 在振动开始增加时, 最好减小时间间隔并加强监视。下面给出了这种指南。
在监测升速或停机降速的振动趋势时, 应按机器类型规定测量的转速步长。对于大型、加速较慢的机器, 有时采用的转速增量可低至5r/min。然而, 这种采样率对于加速率或减速率高的机器可能不实用。在这些情况下, 建议在升速或停机降速期间采用连续测量。
7.3.2宽带趋势
7.3.2.1概述
确定转子或固定结构振动幅值的评定准则, 需考虑以下3个因素, 即:
a) 振动幅值;
b) 振动的任何明显变化;
c) 振动的变化率。
在新机器调试时, 振动幅值应依据预先确定并认可的允许值进行评定。一旦机器投入使用, 并且正常运行的幅值已经确定时, 不仅要根据幅值, 而且还要根据振动发生的任何明显变化来评定。
可用如后的两个系列国家标准确定旋转机器安排维修的准则。首先, GB/T 11348包括了非往复式机器在旋转轴上宽带振动的测量与评定;其次, GB/T 6075包括了非旋转部件上宽带振动的测量与评定。这两个系列标准给出了按照4个区域和振动变化的评定准则。
在大多数情况下, 振动速度足以表征在机器运行转速的宽广范围内的振动烈度。然而, 要认识到只使用单一的速度值而忽略频率, 可能漏测不可接受的大振动位移。对于低速运行机器, 当每转一次的振动分量为主时尤其如此。类似地, 高速运行机器或者机器部件发生高频振动, 恒定速度准则可能导致漏测不可接受的加速度。因此, 基于速度的验收准则采用图11的通用形式, 图中指明了上限频率fu和下限频率f1, 并表明低于某给定频率fx和高于某给定频率fy, 允许的振动速度是振动频率的函数。振动频率在fx和fy之间采用恒定速度准则。对于评定准则和具体机器类型的f1, fu, fx和fy的值在GB/T6075的相关部分给出。
新交付使用的机器的振动通常在区域A内。振动处在区域B内的机器通常可无限制地长期运行。
振动处在区域C内的机器一般不适宜作长时间连续运行。通常, 机器可在此状态下运行有限时间直至有合适的机会进行维修。振动处在区域D内, 其振动烈度足以导致机器损坏。
对于具体机器, 报警值可能上下变动相当大。选定的报警值通常相对于基线幅值来设置, 而基线幅值由具体机器或同类机器对于测点位置和方向的经验确定。
建议把报警值设置得比基线值高, 高出的值等于区域B上限值的25%。如果基线值低, 报警值可能在区域C以下。
在大多数还没有建立基线值情况下, 例如新机器, 初始的报警值应根据其他类似机器的经验或相应的已认可的验收值来设置。一段时间之后, 稳态基线值应已建立, 再相应地调整报警值的设置。
不论哪一种情况, 建议报警值通常不应该超过B区域上限值的1.25倍。
如果稳态基线值变化 (例如机器大修后) , 报警值的设置可能需要相应地修改。
停机通常与机器的机械牢固性有关, 而且取决于机器能承受异常动载荷的具体设计特性。因此, 对于类似设计的所有机器采用的停机一般是相同的, 而通常与用于设置报警值的稳态基线值无关。
然而, 不同设计的机器, 其停机值可能不相同, 不可能对绝对的停机值给出明确的指南。一般来说, 停机值将在区域C或D内, 但是建议停机值应该不超过区域C上限值的1.25倍。
GB/T 6075和GB/T 11348系列标准中推荐的区域边界值是依据全世界工业调查的统计分析得出的。
当机器运行于这些区域中之一时, 要求或推荐的措施取决于振动幅值的变化率。
应该用上述准则确定数据采集的最大时间间隔, 或确定用连续监测装置采集的数据回顾检查的最大时间间隔。监测或数据回顾检查的时间间隔将随观察到的振动幅值和/或振动幅值的变化率而变化。这些措施在下面说明并在图12和图13中描述。
7.3.2.2情况1:机器振动幅值在“正常范围”内
在这种情况下, 下面的导则适用于振动趋热曲线在图12的区域B中。
a) 由以往的数据, 如果幅值没有明显变化, 不要求采取措施。
b) 如果振动增大, 增加率是线性的, 而且预计在下次监之前, 幅值不会超过正常范围的上限值, 不要求采取措施。然而, 如果在下次监测之前, 预计幅值将超过该上限值, 由于要达到上限值, 应安排更频繁的监测。
c) 如果增加率是非线性的, 或者在预先设置的时间段内, 由以往的读数变化率增加达25%时, 应采取连续监测或安排更频繁的监测, 及考虑执行诊断程序确认该变化。
7.3.2.3情况2:当前排动幅值在报警区域内
在这种情况下, 下面的导则适用于振动趋势曲线在图13的区域C中。
a) 如果幅值不变化, 保持同样的监测问隔。
b) 如果幅值呈线性增加, 在计划维修之前或者在下次的监测之前, 预计幅值超过需采取措施的幅值, 或者增加率为非线性, 用连续的或更频繁的监测来验证此增加率及重新安排维修计划。增加监测的次数以保证在重新安排维修之前采集三个数据点。建议采用诊断程序以查明问题和确定所要求的维修。如果发现动幅值减小了, 推荐继续两星期一次的监测并建议进行诊断。
7.3.3升速/停机降速期间的振动
升速/停机降速振动是机组启动和停机运行期间获得的振动信息。这种类型的数据能提供对机器机械状态更深入了解的信息, 而在稳定运行期间不能得到这样的数据。由升速/停机降速数据能最好地检测和分析机器的状态。例如, 不平衡响应, 结构及部件共振, 以及临界转速、阻尼、电磁异常、碰摩和轴裂纹。升速/停机降速数据的频谱包含第三维:时间或转速。因此, 升速/停机降速数据的频谱比等效的稳态频谱复杂, 如果要画出对转速的关系曲线, 则要有每转一次的参考信号。这种振动数据通常用波德图、奈奎斯特图、坎贝尔图和瀑布图来显示。
升速/停机降速振动是基线振动数据的重要部分。初始测试越全面, 正确检测、诊断和跟踪机器状态劣化的可能性就越大。7.3.4瞬态振动趋势
虽然瞬态显示比相应的稳态显示复杂, 但它具有随时间而变的趋势, 以检测机器是否有变化。全面分析复杂的三维数据, 可能检测出在稳定运行下不能显现的异常。
即使机器转速保持恒定, 瞬态运行随环境条件 (温度、压力等) 、载荷、过程参数等的变化而发生。因此, 必须使与这些因素变化有关的瞬态振动趋势测量在尽可能相同的运行工况下进行。7.4离散频率振动7.4.1概述
宽带振动对识别报警的具体原因, 时常不能提供足够的信息。这对于在频谱中出现多个激励频率的复杂机器尤其如此。在这种情况下, 建议将宽带振动信号分离为离散频率分量 (幅值和/或相位) 。在大多数情况下, 各个频率能与相应运动的机器部件匹配。当这些振动分量变化时, 不正常或机器损伤通常能检测出来, 甚至在其早期阶段。机械或热导致的转子不平衡、自激振动、碰摩、对中变化、轴承或齿轮损伤和转子裂纹是用离散频率分析能检出的几个典型问题。
按正常的做法, 在新机交付使用或大修后, 要记录机器的参考谱, 并使之成为基线特征。此参考谱允许与以后的频率分析相比较, 以检出其变化。应注意:在比较由FFT分析的结果时, 要保证使用相同的带宽和窗函数。
图14给出频谱图的一个例子, 清楚地表示了各具体频下的振动幅值。重要的是, 当它们的幅值不正常时, 评定重要频率峰值的来源并及时研究, 能早期发现问题。意料外的频率分量也可能显示出不包括在附录C中给出的类型。
注:对于将宽带时域曲线转换为频谱的更详细方法在GB/T 19873第2部分给出。
7.4.2离散频率振动的趋势
在机器振动频谱中离散频率分量的趋势为确定振动限值提供了较全面的数据。图15给出了一个典型例子, 表明基频及其谐波分量作为时间函数的趋势。
7.5高频振动包络分析
在某些情况下, 机器振动状态的变化用高频振动包络分析更容易表征。有多种不同的技术可使用, 但它们超出了本部分的范围。
8数据分析和通信
状态诊断论文 篇8
1 设备状态评估
设备状态评估主要指设备状态的技术评估, 根据设备运行工况、负荷数据、各类状态检测数据、缺陷信息、故障和事故信息、检修数据等综合状态信息, 依据规程标准、运行经验、设备厂家技术指标等判据, 对设备的状态信息进行量化评分, 从而判断评估设备的真实状态。
设备状态一般可以分为4种:
(1) 正常状态:设备资料齐全, 运行及各种试验数据正常, 容许个别数据稍有偏差, 只要变化趋势稳定没有运行安全隐患的设备。
(2) 可疑状态:存在不明原因的缺陷或某些试验数据表明设备可能有异常, 但仍有某些不确定因素无法定论的设备。
(3) 可靠性下降状态:设备存在比较严重的缺陷, 或试验结果分析存在问题, 且已基本确定隐患部位及原因, 同时该隐患在短期内不会发展成事故的设备。
(4) 危险状态:设备存在严重缺陷, 或根据试验数据, 运行状况表明随时有发生事故的可能。
2 故障诊断技术
故障诊断, 就是通过设备运行或检修时表现出的异常现象, 对设备异常的程度、原因做出判断。常见的诊断方法可概括为综合法和比较法。
它包括下列内容:
(1) 与设备历年 (次) 试验结果相比较。因为保护设备在投产后都进行过校验, 与投产时数据, 年校时数据, 上次校验数据相比, 如果有显著性的差异, 则常常说明装置可能有缺陷。
(2) 与同类型同厂家设备试验结果相互比较。因为对同一类型及同一厂家的设备而言其装置结构相同, 在相同的运行和气候条件下, 其测试结果应大致相同。若悬殊很大, 则说明装置有可能有缺陷。
(3) 同一设备各相间的试验结果相互比较。因为同一设备, 各相的运行情况应当基本一样, 如果有一相试验结果与另两相比较差异明显, 说明该相可能有缺陷。
(4) 与检验规程规定的允许偏差范围相互比较。对有些试验项目, 检验规程规定了允许偏差范围, 若测量偏差范围超过允许值, 应认真分析, 查找原因, 或再结合其它试验项目来查找缺陷。
(5) 不同试验项目结果的综合。只有综合多参数判别的结果, 才能得到全面、准确的结论。
3 故障诊断技术发展方向
诊断技术结合人工智能的应用随着计算机等新技术的采用得到了迅猛的发展。它不仅可以大大减少出错的可能的同时节省人力, 还可以吸收多位专家的专业知识与经验, 形成完善的知识库, 实现知识与经验共享。
目前这个领域的研究主要沿着两个方向展开:
一是建立各种类型的专家系统。人们对基于知识的故障诊断系统进行了大量研究, 然而, 随着研究的深入后发现专家系统的应用面临许多实际困难, 存在一些鱼需解决的问题。比如缺乏有效的诊断知识表达、不确定性知识的推理以及诊断知识获取困难等就是较为严重的问题。
专家系统, 实际是一个基于知识的计算机智能程序系统。在这个系统内, 储存有某一领域人类专家大量的经验和知识, 并能像专家一样运用这些经验和知识, 通过模拟人类专家的思维决策过程对信息进行推理和判断, 最后做出结论性的解答。专家系统作为一种擅长逻辑推理和符号的处理智能计算机程序系统, 已经成为电气设备故障诊断技术的一个重要研究方向和热点。
二是建立人工神经网络 (ANN) 。近年来重新兴起的一种人工智能方法是ANN基本理论, 它为克服专家系统的缺陷开辟了一条崭新的途径。它的并行处理能力、自学习功能倍受大家的青睐, 其大规模并行处理能力可用于提高推理的速度, 因而更适合于结构复杂、故障机理不十分明显的复杂设备的诊断。
ANN在二次设备故障诊断方面主要用于两类问题的处理。一类是以处理在线信号入手, 进行信号的识别和分析, 另一类是以离线数据为依据进行分类和诊断。国内外科技工作者对ANN在故障诊断领域的应用表明:一方面, 用ANN进行故障诊断是一种很有前途的方法, 尤其在那些难以描述故障信号与故障类型之间的逻辑关系, 以及无法利用专家经验进行明确表达的场合;另一方面, ANN诊断技术还有不少有待于完善的地方, 主要体现在, 现有的网络算法均存在不同程度的不足, 从而制约着故障诊断准确度的提高。正因为如此, 我国设备故障诊断领域的学者们一直在坚持不懈地努力, 这方面的研究也还有待进一步的深入。
电气二次设备是重要的输变电设备, 实现其状态检修不仅关系到变电站的安全运行, 同时还关系到人身及设备的安全。电气二次设备的状态检修的前提条件是在线监测与故障诊断技术的应用, 只有通过各种手段准确、及时地掌握运行设备的实际状况, 才能根据设备的参数变化趋势确定维修策略, 确定最佳检修周期。
4 专家决策系统
状态检修中最关键的环节是故障诊断专家系统, 它以监测到的设备状态信息为基础, 运用专家库中存储的大量专业知识和经验, 提取反映继电保护设备运行状态的自检信息, 对用户提出的该领域范畴内的需要解决的问题, 通过推理、判断, 得出设备是否存在故障, 并进一步分析确定故障的位置、性质及原因, 得出分析结论, 指导检修计划。故障诊断过程框图如图1所示。
(1) 告警信息处理:监控主站把实时信息根据告警信息类型进行分类处理。结合历史信息以及设备运行情况, 综合评估保护的健康状态;分析实时告警信息的准确程度, 确认设备是否处于非正常状态。
(2) 信息确认:通过继电保护工程师站的远控功能向子站保护装置下发控制命令确认告警信息的准确度。
(3) 专家分析系统:根据保护装置的告警信息以及其它相关设备的信息, 利用推理方法进行推理判断;同时再由运行值班人员结合经验来推断保护装置可能的异常。这一过程很难用传统的数学方法描述, 而人工智能技术, 由于其善于模拟人类处理问题的过程, 容易计及专家的经验并且具有一定的学习能力, 表现出了其突出的优点。
(4) 继电保护设备故障定位分析:
1) 分析保护装置告警的报文。
2) 利用继电保护工程师站监测保护装置软硬件、运行参数、二次回路的变化, 寻找二次设备可能存在的故障点。
3) 根据保护装置实际运行状态以及电网的运行参数, 和其它相关保护装置的运行动作状态, 分析保护故障点的性质。
(5) 知识库:
1) 主设备配置知识库:主设备相关配置信息。
2) 保护异常处理经验库:进行故障诊断的推理的依据。以下是部分诊断规则:
(1) 同一厂站一半以上二次设备、不同类型报文在主站或厂站产生的时间<100 ms为厂站系统复位启动。
(2) 同一厂站同一开关动作、复归报文在主站或厂站产生的时间<100 ms为厂站误发报文。
(3) 同一厂站同一保护装置保护动作、重合闸动作报文在主站或厂站产生的时间<100 ms为厂站误发报文。
(4) 同一厂站两条及以上馈路保护装置控制回路断线报文动作或复归时间>100 ms为直流系统电压异常。
(5) 同一厂站同一电压等级的保护装置两个及以上装置报PT断线时间>100 ms为二次系统交流回路异常。
(6) 同一厂站同一保护装置自检报文两个以上动作或复归在主站或厂站产生的时间<100 ms为厂站误发报免
3) 保护运维知识库:
(1) 保护运行资料:保护历次动作的情况以及行为评价, 相关设备故障时保护的启动情况, 保护的历史告警报文。 (2) 保护相关静态资料:保护配置、图纸、说明书。 (3) 保护相关动态资料:运行状态、相关的跳闸逻辑、运行定值、设备缺陷。 (4) 运行经验:保护自检报警时对保护装置运行的影响以及处理意见, 记录保护工程师站对保护自检报文进行远程故障诊断校核自检报文可信度的记录。
(6) 检修决策:
根据设备故障情况, 把所需退出和加入的保护按要求填入检修计划表由WEB经Ps Ms发送到各相关科室, 等到各科室答复后即可形成检修方案进行检修。
参考文献
[1]王翠平.继电保护装置的维护及试验.黑龙江科技信息, 2007 (7)
预分解窑系统运行状态的诊断 篇9
关键词:预分解窑,工艺参数,运行状态,分析诊断
预分解窑是当今水泥行业最先进的生产工艺。投入运行的生产线, 产量、能耗却是千差万别。由于水泥熟料的烧成涉及化学反应与扩散;涉及流体、燃烧、传热、流动, 任何一个过程、单元都极其复杂。对原材料的分析检验不全面, 仅有元素分析。分析结果不及时, 不能及时应对指导热工参数的调整。现有热工分析检测手段基本只涉及温度、压力的测量。大多数工艺热工参数都不能直接获得。对预分解窑系统的运行状态不能及时、准确的评估判断。窑系统的计算机自动控制远不能令人满意。
预分解窑工艺由预热器、分解炉、回转窑、冷却机、燃烧器热工设备子系统组成。每个子系统正常工作, 才能为优质、高产、低消耗、低排放打下基础。利用现有的工艺参数, 对各子系统进行合乎实际的分析、判断显得及其重要。
1 预热器的分析与诊断
气固换热效率和气固分离效率高、系统阻力低以及系统密闭性好是一个优秀的旋风预热系统必须具有的要素。预热系统由两部分组成:旋风筒和上下级旋风筒间热量交换的管道。其中换热管道的中间部位设有上一级的旋风筒下料管和锁风阀。锁风阀保证上一级旋风筒进行分离的生料可以畅通的进入到下一级换热的换热管道, 又防止从下一级旋风筒跑出的热气流直接经过下料管窜入上一级旋风筒造成的气流“短路”, 同时避免已经发生过气固分离后的生料造成二次飞扬, 保证了上一级旋风筒的分离效率不被影响。
1.1 影响预热器性能的因素
1.1.1 旋风筒内部流动规律
根据以下两类理想的旋流运动, 可得其对应的切向速度分布的表达式。
(1) 强制涡:即涡流内各点有相同的旋转角速度, 就像旋转的刚体一样。
(2) 自由涡:即无摩擦流体的旋转运动, 其涡流运动中的切向速度, 使得流体微元在所有径向位置上的动力矩相同。
而实际流体中的切向速度分布则介于以上二者之间。
1.1.2. 旋风筒压力分布
在旋风分离器和旋风管分离器中, 如果能弄清静压和动压间的关系P和 (其中ρ是密度) , 那么就容易理解分离器内的流场和压力分布。当忽略流体摩擦时, 著名的伯努利方程在稳态流动时的表达式为:
式中, 可以看出静态压力项和动态压力项即方程左边的第后考常常称为速度头。上式为两侧除以流体密度后的形式。
这个方程表明, 流场中的静态压力和动态压力是可以相互转换的。在速度高的地方, 静态压力较低。反之亦然。这是很多流量计的工作原理。例如, 皮托管和文丘里管流量计。在处理涡流问题时, 认识静态和动态压力的相互关系, 显得尤为重要。
当讨论气体旋风分离器和旋风管分离器时, 第二项与其他两项相比, 显得无关紧要了, 这是因为流体密度较低, 且高度差不是非常大。
从图2可以看出, 锥部压力与旋风筒出口静压力相当, 且略高一些。
图3可以看出, 小颗粒的粉尘随气流从旋风筒出口排出, 而大颗粒粉尘碰到边壁, 被收集下来, 从锥部卸料口排出。
1.1.3 分离效率与漏风
分离效率η与漏风系数K的关系如图4所示。可以看出, 当K小于2%时, 分离效率变化很小, 但当K大于2%时, 分离效率开始迅速下降, 继而随K的增加而陡然下降。当K=4.5%时, 降至30%以下。对于预热器, 这是绝对不允许的。因此, 无论从系统热效率还是从分离效果来考虑, 旋风筒下料口处的漏风应尽可能控制在2%以下。
1.1.4 各级旋风预热器出口温度
生料在进入回转窑之前会先后经过各级旋风预热器, 并且生料会在旋风预热器内通过热交换发生部分分解反应, 因此, 各级旋风预热器出口温度表征了各级旋风预热器的热交换情况、生料喂料情况和通风情况。所以, 可以观察各级旋风预热器出口温度变化的情况, 判断出各级旋风预热器的下料情况。
正常情况下, 各级旋风预热器出口压力都为负压, 各级旋风预热器出口压力直接反映了各级旋风预热器内的通风情况, 因此, 可以通过对各级旋风预热器出口压力的变化判断各级下料管漏风情况、系统漏风与堵塞的情况。
实例1:XW2500t/d生产线预热器的分析与诊断。由图5及表2可以看出:
(1) C1出口温度达351℃, 说明各级预热器工作不良, 最终导致热耗偏高。特别是C1~C4旋风筒物料分散不均匀, 导致生料与气体换热效果不良。
(2) C2出口温度严重偏低, 经现场查看, C2测温点接近下料点, 且撒料板工作不良。由图5可发现C2出口温度比C1出口温度还低。
实例2:TR4000t/d生产线窑尾截图见图6, 旋风筒出口温度及负压见表3。
由图可以看出:TR窑尾旋风筒存在以下问题:1级筒下料点撒料板工作不良, 料分散不良, 2级筒出口温度长期偏低, 热交换差, 导致1级筒出口温度偏高。具体由图6及表3可看出:
(1) C1A、C1B锥部压力均比出口低;
(2) C2A锥部压力低于出口压力;
(3) C3B锥部压力低于出口压力;
(4) C4A、C5A锥部压力低于出口压力;
(5) C5B锥部压力低于出口压力:出现锥部压力低于出口压力 (一般锥部压力采样点在锥部出口上部1.5m左右) , 说明旋风筒分离效率低, 由翻板阀漏风或者整体拉风不足所致。
(6) 5级筒下料管温度长期比出口高。可能有两种原因:a、煤粉燃烧不完全, 在5级筒锥部能看到火星。b、5级筒撒料板毁坏, 导致4级筒喂入物料撒料不均匀, 导致5级出口温度偏低。
实例3:运行状况优秀的5000t/d生产线的旋风筒温度与压力情况见图7, 表4, 表5。
实例4:优秀的2500t/d生产线的旋风筒温度, 压力分布状况, 见图8及表6。
1.1.5 高温风机拉风情况
通过考察高温风机入口负压、变频转速、电机配置、运行电流, 对系统总拉风大小进行分析判断。
1.1.6 预热器出口气体成分
实例1:PE预热器、分解炉出口气体成分的具体数据见表8:
该生产线各级旋风筒CO浓度高、波动大。C5~C1漏风逐渐增大。SO2逐渐降低。分解炉NOx含量较高。该系统拉风不稳定, 煤在分解炉中燃烧不完全。
实例2:DZ预热器、分解炉出口气体成分见表9:
%
由表9可以看出, 烟室CO含量超过仪器量程, 窑内通风严重不足, 煤粉燃烧不完全。C5~C1漏风逐渐增多。NOx全部从分解炉中产生。
2 篦冷机诊断分析
2.1 离心风机的诊断分析
2.1.1 离心风机型号
风机型号为:C 4-72-1 1 No.8C右90°;C:风机用途为排尘 (一般可省略不写) , 4:风机在最高效率点时的全压系数乘10后的化整数, 72:风机在最高效率点时的比转数1:进口为单吸入, 1:设计顺序, 1表示第一次, No.8:风机机号, 即叶轮直径D2=800mm, C:风机传动方式 (共有A-F六种) , 右:旋转方向 (从原动机侧看) , 90:出风口位置与水平线夹角。
2.1.2 离心风机性能
风机的全压p是由静压pst和动压pd两部分组成。离心风机全压值上限仅为1500mm (14710Pa) , 而出口流速可达30m/s左右;且流量Q (即出口流速v2) 越大, 全压p就越小。因此, 风机出口动压不能忽略, 即全压不等于静压。例如, 当送风管路动压全部损失 (即出口损失) 的情况下, 管路只能依靠静压工作。为此, 离心风机引入了全压、静压和动压的概念。
风机的动压定义为风机出口动压, 即
风机的静压定义为风压的全压减去出口动压, 即
风机的全压等于风机的静压与动压之和, 即
以上定义的风机全压p, 静压pst和动压pd2, 不但都有明确的物理意义, 而且也是进行风机性能试验、表示风机性能参数的依据。
2.1.3 比转数
风机比转数在风机的选型中有重要作用, 特别是对于种类繁多的离心风机无量纲性能曲线的选型更为方便。风机比转数的概念同水泵比转数, 比转数在应用中的意义也相同。
风机比转数的计算公式为
式中:n——转速, rpm;
Q——流量, m2/s;
p20——标准状态下的风机全压, mm H2O。
2.1.4风机的性能曲线
从上述各风压的概念出发, 按照性能曲线的一般表示方法, 风机应具有5条性能曲线。
(1) 全压与流量关系曲线 (p-Q曲线) ;
(2) 静压与流量关系曲线 (pst-Q曲线) ;
(3) 轴功率与流量关系曲线 (N-Q曲线) ;
(4) 全压效率与流量关系曲线 (η-Q曲线) ;
(5) 静压效率与流量关系曲线 (ηst-Q曲线) 。
5条性能曲线中, pst-Q曲线与ηst-Q曲线是有别于水泵的两条性能曲线。
全压效率计算方法同水泵, 即
式中:p——全压, N/m2;
Q——流量, m3/s;
N——轴功率, W。
静压效率ηst定义为风机的静压有效功率与风机的轴功率之比, 即
离心风机性能曲线如图12所示。
2.1.5 转速与风机性能关系
流量转速成正比
压头与转速平方成正比
功率与转速立方成正比
2.2 篦冷机诊断分析
我们截取了FM厂窑头的中控画面见图14, 风机风量、压力的有关情况进行分析见图15、16。
根据图14~图16可以看出, FM厂几乎所有风机的工况全压都低于风机的铭牌全压, 但风量大大低于铭牌风量, 风机处于低效率状态。由于如篦冷机风量不够, 导致出篦冷机熟料温度高, 达到250℃。头牌余风温度达450℃, 三次风温度仅830℃。
实例2:WS4000t/d生产线篦冷机运行状态诊断, 其窑头截图见图17和风机运行参数见表11。
由图17及表11可知, 5706、5708、5710风机为粗料边、阻力小、风量大、风温度低。而细料侧风机5705、5707、5709阻力大、风量小、风机电流小, 熟料冷却不好。总体二、三次风温度低。
熟料在篦冷机内部堆积状态见图18。
实例3:DS 5000t/d生产线篦冷机风机标定结果见表12, 中控画面截图见图19。
由表12可以看出, 5706全压达到铭牌压力, 但标况风量低于铭牌风量, 叶轮磨损、风机效率降低;
5707、5709b全压超过铭牌压力, 但标况风量大大低于铭牌风量, 篦冷机料层阻力太大, 风机不能胜任, 应更换压力大的风机;
5712、5714、5715、5717全压未达到铭牌压力, 但标况风量低于铭牌风量, 叶轮磨损、风机效率降低;
5708b、5709b、5710b出口压力均比相对应的另一侧压力高, 为细料侧, 相应风量小。
状态诊断论文 篇10
2008-09-27发布2009-05-01实施
6诊断方法
6.1诊断方法的选择
诊断过程一般是通过例行监测、例行分析、随机分析或人体感觉等检测到异常而启动的。该检测是用机器当前的描述符与参考值 (一般称为基线值或基线数据) 比较来完成的, 参考值根据经验、制造厂的技术说明书、委托试验或统计数据的计算 (即长时间平均) 来选取。
诊断机器有两种主要方法:
a) 数值方法 (神经网络、模式识别、统计、组织论的佩瑞多方法或其他数值方法) 。这些方法一般是自动的, 不需要有关起始机理和故障扩展的深层知识, 但需要一个对大量观察到的故障数据的学习周期。
b) 基于知识的方法, 它依赖于故障模式、校正行为模式或案例描述的使用。
本章介绍两种可能的故障模式方法:
a) 故障/症状法, 一般仅用于诊断通常的故障。为此, 不必要求起始机理和故障扩展的深层知识。但要求懂得机器的机械原理和过程的基本知识。
b) 因果关系树法, 一般用于识别根本原因或者开展预报。为此, 要求有关起始机理和故障扩展的深层知识。
6.2故障/症状法
6.2.1一般描述
该方法是基于故障/症状关系的拓展。因为故障与症状之间的关系是关联的, 所以称之为关联的知识模型。诊断活动是由不同的任务引起的, 每个任务专用于特定的方面。主要的任务列举并解释如下。图2给出了故障/症状关联方法的阶段说明。
诊断的起点在:
——出现真实的异常、报警或反常行为;
——评价机器的状态时怀疑有异常。
6.2.2鉴定检测到的异常
6.2.2.1异常确认
异常可能是:
——由描述符导出;
——数据中没有达到报警水平的反常变化;
——人体感觉到的机器的变化 (噪声、气味、温度、湿度、泄漏等) 。
这个过程通常包括确认推导出异常的数据 (测量的似真性、与其他测量的相互关系、报警准则检验、传感器验证等) 。
6.2.2.2综合症状的评估
这一步旨在能够生成故障假设。评估一小批综合症状。这些症状称为宏症状 (症状组) , 像症状一样用规定的方法评估。
6.2.3故障假设的放射
一旦宏症状经过评估, 则宏症状/故障关联被用来制成故障假设表。
6.2.4故障假设的证实
6.2.4.1故障假设表的约简或重组
这一步是任选的, 它包括约简诊断时间。根据已找到的故障假设的详细列表, 对下述方面进行约简或重组:
——故障出现的概率, 根据同类型的机器在相同的服役和运行工况下反馈的数据;
——由关键性分析得到的故障的严酷等级。
当约简故障假设的数目时, 需要大量的专业知识, 因为约简的结果可能是对某一故障假设的最初舍弃 (特别是对稀有故障的情况更是如此, 然而, 这些故障有可能是关键性的) 。
6.2.4.2故障假设的评估
6.2.4.2.1必需症状的评估
首先检验所有必需的 (即要求的或必然出现的) 症状。如果所有必需的症状已经确认, 则故障假设就确认了。如果必需的症状之一 (或更多) 已经否认, 则应该舍弃该故障假设。
当有几种方法评估症状时, 优先选择最好的性能评估方法。
6.2.4.2.2增强症状的评估
一旦所有必需的症状已经确认, 则应评估增强症状。增强症状可以在最终诊断阶段强化对特定故障的推测。与必需的症状不同, 如果增强的症状之一 (或更多) 没有确认, 该故障假设不能舍弃。
6.2.5诊断的综合与证实
这是诊断过程的最后一步。目标是总结认识到的诊断结论。
已经评估和确认的要素宜包括在正式的诊断结论报告中, 这些要素包括:
a) 启动诊断的异常状况;
b) 已经确认的综合症状;
c) 舍弃的故障及其未确认的症状;
d) 确认的故障其及各自的概率。
报告还宜叙述在综合的最后阶段考虑的其他要素。用这些要素按照:
a) 机器的历程;
b) 遇到的类似情况;
c) 故障的概率和关键性来衡量已确认的假设。
根据上述要素可得出结论。此外, 故障按似真性倒排序给出。对每个故障可给出置信因子 (主观的, 但必须基于以前所有的客观要素) 。
应建议校正操作或维修活动, 或者如果需要维修, 但可以推迟, 就宜推迟, 并且如果必要时, 宜阐述对有关操作的建议。
附录C给出诊断结论报告的一个例子。
6.2.6置信因子的确定
该因子本质上是表示误差源对诊断结论准确性的置信度的最终确实性的累计影响。它能由算术的或加权的评价系统确定。附录D给出一个加权评价的例子。
置信因子宜根据下述要素确定:
——维修历程, 包括在类似机器上同样故障的经验;
——设计和失效模式评估;
——使用的分析技术或描述符;
——使用的严酷等级界限;
——测量间隔;
——数据库构造;
——数据采集;
——严酷等级评价过程;
——趋势评估;
——诊断过程。
6.3因果关系树法
6.3.1故障/症状法的局限性
当要求起始机理和故障传播的深层知识时, 简单的故障/症状法不再满足要求, 则宜使用因果关系树法。
6.3.2因果关系树建模
用于诊断时, 故障树分析法是依据现有的一些失效模式确定根本原因的过程。因果关系树分析流程图通常用于追溯 (诊断) , 此时该方法用于察看失效模式之间“被引起”或“受影响”的关系。该过程的数据已经存在, 而且不用估算。在预报过程中, 由于必须预报数据, 方法就不同了。
因果关系树将知识模型化为:
——在过去, 根本原因已经“启动”一种或多种失效模式;
——失效模式之间的关系能用“影响因子”或“启动准则”描述;
——失效模式症状能“启动”、“影响其他失效模式”或“没有效应”。
3示出诊断因果关系树结构的一个例子。
连接可以被表征为:
——延迟值代表原因和效应之间的时间迟滞。
——概率值代表该原因有该效应 (“启动”和仅仅“导致”) 的概率。
因果关系树模型很少是完全的, 因为:
——每一故障不是都系统地有症状;
——故障模式的根本原因并不总是已知的。
附录E给出因果关系树建模的举例。
附录A
(资料性附录)
失效模式和症状分析 (FMSA)
附录B
(资料性附录)
诊断系统的有效性
如果故障的症状 (和用于评估这些症状的描述符) 是有用的, 则每个故障都能被诊断。见图B.1。
假如故障Fi发生的概率为Pi, 严酷等级为Si, 对整个诊断过程表示成性能准则是可能的, 则诊断系统有效性 (DSE) 为:
式中F——由FMEA或FMECA分析得到的可能故障集
DF——可诊断的故障集, 是F的子集
严酷等级可由下式得到:
式中FR——失效率 (即每小时的失效数目)
CF——费用因子, 包括维修费用和无效费用, 从1到3排列 (低、中、高)
SF——安全因子, 从1到3排列 (低、中、高)
SDF——次生损伤因子, 从1到3排列 (低、中、高)
附录C
(资料性附录)
诊断结论报告举例
附录D
(资料性附录)
确定诊断结论置信度的举例
附录E
(资料性附录)
因果关系树建模的举例:轴承剥落
见图E.1
首要的失效模式是滚动轴承配合不正确, 它是由下述一个或多个根本原因引起的:
——不正确的安装方法;
——轴尺寸过大;
——轴承座尺寸不足。
承间隙减少有两个主要效应:
——增加接触面积;
——增加接触压力。
在设计的运行条件下, 表面下的滚子接触缺陷通常是冶金特性引起的。疲劳萌生通常被轴承制造商描述为L10寿命。增加接触应力直接影响这种疲劳缺陷的萌生和随后的扩展。这种疲劳损坏导致剥落。
增加接触面积直接影响滚动摩擦的程度。滚动接触摩擦的增加直接使润滑剂性能恶化。润滑剂性能恶化直接影响轴承的损坏率, 而不是有关缺陷的任何疲劳的萌生。
在这些机理中存在多种影响, 它们是:
——过热;
——降低黏性;
——油膜厚度减薄。
于故障/模式方法, 有几种监测技术可以用于诊断, 如振动、声学或油分析。
对该例子, 轴承故障诊断推理如下:
——振动级超过门槛值, 并触发报警;
——与轴承相关的频率上, 被调制的信号指示有与轴承有关的故障;
——使用油液分析 (和/或温度剖面图) 确认该故障, 并辅助识别具体的轴承或轴承组。
参考文献 (略)
状态诊断论文 篇11
关键词:变电站 设备 诊断 状态监测 设计
中图分类号:TM76 文献标识码:A 文章编号:1672-3791(2016)06(c)-0020-02
变电站是智能电网的重要构成部分,目前已在智能变电站建设领域引起了广泛的关注。对变电站设备的智能状态监测主要是指应用现代化的数据化信息系统,以网络化的通讯平台作为媒介,同时将信息共享标准作为要求,来实现信息采集、控制、监测、保护等功能的设施[1]。它能够对电网实施灵活化的控制,并提供在线决策,实现电网调度与变电站的互动。它是确保电力设备正常运作的关键,同时也是实现智能监测的基础[2]。对电力设备进行智能状态监测同样能够为电力设备故障诊断提供依据[3]。
1 智能变电站状态监测系统的主要构成
对电力设备状态的监测主要依赖网络及传感技术,通过在较短时间内获取电力设施的特征参数,并通过计算机软件实施分析与处理,迅速对设备的可靠性与安全性做出评估与诊断,预估设备的使用寿命,为及早发现设备的潜在故障提供条件,进而提高电力设备供电的安全性与可靠性[4]。开展电力设备的智能状态监测是降低设备故障率的关键。虽然变电站电力设施种类较多,且结果类型不一,但建立状态监测系统必须历经3个主要步骤。即采集电力设备的数据信号,传输数据内容,诊断与处理数据信息。
一般变电站内部电磁环境相对来说比较复杂,在采集信号传输的过程中同样可能受到外界环境的干扰,导致信号失真[5]。因此,为避免模拟信号在传输过程中的失真问题,现提倡将现场总线技术应用于智能状态监测中,实施模拟信号的转换,并对主机实施连续性监测与处理。通常智能变电站主要由3层结构组成,包括过程层、间隔层与站控层。采取模块式的设计技术与现场总线的控制技术。对变电站的通信网络进行分层设定。在变电站内部安装相应的数据处理与采集系统,并对数据进行诊断与分析,并经由网络将监测数据反馈至数据管理及诊断系统中,对变电站的电力设备的运行状态进行实时监控。应用总线式的结构,灵活性较强,在加入或撤除监测设备时,无需改变整个监控系统的结构,仅需增加对应的智能组件即可,在一定程度上减轻了主机的负荷,且系统具备较强的开放性,同时可提高监测的可信度。
2 智能变电站设备诊断、状态监测系统的设计
智能变电站电力设备状态监测系统属于大型的跨系统、跨部门的综合性信息管理体系。以某地供电公司智能变电站状态监测体系为例,其涉及到的部门不仅包含生产部、技术部、调控中心,同样包括监控中心、安全管理中心等,设计系统包括数据采集与监视控制系统(SCADA)、网元管理系统(EMS)、测试和检验系统(PMI)等[6],系统设计所需装置包括断路器监测设备、变压器综合管理平台、地理信息系统监测装置与避雷装置等。因此,在对智能变电站状态监测系统进行设计时,必须综合考虑各系统之间的联系与模块之间的集成。
一般智能变电站状态监测系统主要包括3个部分,其一,就地部分,它包括变压器测试智能组件,主要对环境温度、电流、气体、套管介质及电容量、油位等方面实施监测;地理信息监测智能组件则主要是对局部放电情况实施监测;同样还包含容性设备监测智能组件,来对避雷设施、电流互感器、电容式电压互感器与耦合电容器进行监测。其二,则为站内控制室,它主要负责设备状态信息的建模与接入,包含一体化的信息平台、站控层交换机与站端状态监测系统平台。其三,则为站外部分,主要由远程数据综合平台构成,负责对监测数据进行处理与反馈。智能变电站电力设备状态监测系统的设计,主要遵循站内共享与集成的原则,加入设备状态信息与动态操控系统等。在变电站内部发生事故时,状态监控系统将会自动触发警报,并弹出相关的提示与事故信息,同时迅速生成故障推理模型,为变电站的信息处理提供依据。
3 结语
当前我国变电设备智能状态监测技术尚且处于起步阶段,为提高状态监测的准确性,还需在电网设备中引入较为成熟的监测技术,以提高智能设备监测的准确性与有效性。同时还需将传统二次技术与智能设备的一次状态监测技术相结合,实现两者的融合沟通,保障信息的共享与沟通,保障设备运行操作的可靠性。另外,还需开发智能变电站设备的综合分析系统,开发故障诊断、系统运行状态评价、设备运行寿命评估等应用,提升设备诊断结果的准确性,进而优化其智能水平。除此之外,还需强化对智能变电站设备入网的检查与测定工作。建立完善的入网监测制度,定期开展检定工作,提高系统的专业性,以提高系统的设计水平,优化产品质量,最终达到提高设备智能化水平的目的,为智能变电站设备诊断与状态监测提供依据。
参考文献
[1]金逸,刘伟,查显光,等.智能变电站状态监测技术及应用[J].江苏电机工程,2012,31(2):12-15.
[2]王硕.关于智能变电站一次设备相应状态在线监测的分析[J].中国科技纵横,2013(13):113-114.
[3]黄新波,王列华,唐书霞,等.智能变电站开关柜综合状态监测IED设计[J].中国电力,2014,47(2):84-89.
[4]郭宁辉,秦立军.变电站一次设备智能诊断技术及高级应用[J].企业技术开发,2012(17):124-125.
[5]黄文灏,余建华.变电设备一次监测与二次监测设备状态及使用[J].企业技术开发,2013(14):92-93.
化工机械设备状态的诊断与分析 篇12
一、化工机械设备状态诊断与分析的作用
状态诊断就是利用现有的已知信息去认识那些含有不可知信息的系统的主要特性、状态, 并分析它的发展趋势, 在深入分析的基础上, 对化工机械设备状态进行诊断, 并对可能发生的故障做早期的预报, 然后对未来的发展进行预测。对要采取的行动进行决策。化工机械设备状态诊断与分析的主要作用具体可分为以下几点:
1. 从设备运行特征的信号中, 快速提取对状态诊断有用的运行信息, 从而确定检测设备的各项功能是否运行正常。
2. 根据运行设备的独有特征信号, 进行故障内容的确定, 并
确定故障部位、形成程度和未来的发展趋势, 进行深入的状态分析后作出执行操作的决策。
3. 对运行设备可能发生的机械故障, 能够做出早期的预报,
从而保障化工设备的安全和可靠的运行, 进而使化工设备发挥最大的效益。
4. 通过化工机械设备状态诊断与分析, 能够评定化工设备的动态性能和前期的设备维修质量。
5. 对化工机械设备先前发生的设备故障进行及时、准确地状
态检测, 然后确定发生的原因, 在分析基础上, 快速决定进一步维修的措施。
二、化工机械设备状态诊断与分析的中运用的主要技术
化工机械设备状态的诊断是通过对运行设备的运行状态进行检测, 并对出现异常设备的故障进行快速分析诊断, 从而给设备维修提供支持, 提高企业经济效益。具体为以下几种:
1. 电子及计算技术。
能够保障化工机械设备状态的安全可靠运行, 使化工机械设备发挥最大的效益。利用一些专用的仪器设备对新的信号进行拾取和分析, 并根据不同设备的独有特征的信号确定化工机械设备的故障内容, 进行分析后, 确定化工机械设备状态的分析结论, 并进一步得出化工机械设备的处理方法, 根据设备故障的部位, 状态程度和未来发展趋势, 作出操作的决策。
2. 油液分析技术。
机械零件失效的主要形式和原因有三种, 即腐蚀、疲劳和磨损。而磨损失效约占机械零件失效故障的50%左右, 油液分析对机械零件磨损监测有较好的灵敏性和较高的有效性, 所以, 油液分析技术在化工机械设备状态监测和诊断中越来越显示重要性。
3. 温测技术。
温度与机器运行状态有密切的关系。以温度为指标的测试技术, 非常适合进行在线测量。运用中, 红外测温技术能够进行非接触式和远距离测试, 所以现在运用越来越普遍, 检测时可以直接读出测点温度的数值, 所以, 对设备利用温度进行诊断, 可以起到快速见效的效果。
4. 声、振测试及其分析技术。
对发生故障的设备, 要能够及时和准确地确定发生的原因, 机器设备运行状态的好坏与机器的振动有着很重要的联系, 目前, 声、振测试是评定维修质量和设备的动态性能, 最好的技术, 也是状态诊断和状态监测技术中, 应用最普遍的技术, 并且, 目前已经取得了比较好的应用效果。
5. 无损检测技术。
无损监测技术是独立的一种技术, 如超声、射线, 磁粉、着色渗透的表面裂纹的探伤, 以及声发射探伤等技术。人们已越来越重视这些技术, 用其对大型固定或运动装置进行监测和诊断。
三、化工机械设备状态诊断与分析的方法
1. 化工机械设备状态诊断的简易方法。
简易诊断方法采用了便携式测振仪拾取信号, 并直接由信号的参数或统计量组成指标, 根据分析来判定设备是否正常。所以, 简易诊断用在设备状态检测中, 可作为再次精密诊断的基础。其方法简单易行、投资少, 见效快, 受到广泛的欢迎和重视。
但是由于它的功能有限, 同时受到简易诊断方法原理的一定程度的制约, 所以只能解决状态识别的初步问题, 对于复杂情况的识别就不能很好地进行了, 这种方法是具有一定的局限性的, 但是目前处在推广应用的初级阶段, 随着下一步计算机技术的快速进展, 在功能上便携式测振仪也有了很大发展。简易诊断方法逐渐具有非常普遍的现实使用价值。
2. 齿轮故障诊断方法。
虽然现代机械设备多种多样, 但齿轮传动有着结构紧凑、使用效率高、使用的寿命长的优点。并且其工作具有可靠、维修方便的特点, 所以在运动、动力传递、速度变更等方面得到了广泛的应用。但由于它特有的运行方式, 也造成了两个突出的问题:一是噪声和振动较其他的传递方式大, 二是当材质、制造工艺、装配、热处理等各个环节没达到理想的运行状态时, 就会成为重要的诱发机器故障的因素, 因此, 齿轮运行状态的诊断较为复杂。
在诊断齿轮运行状态的过程中, 我们最首先要注意的是齿轮运行过程中齿轮的特征频率。因为, 在齿轮正常运行过程中会有特有的噪声和特有的振动信号。而如果设备发生故障, 会使齿轮的振动频率与噪声发出的信号快速加剧或者发生一些变化。在实际操作过程中, 我们最常用的是利用功率谱分析法进行齿轮运行状态的诊断, 用功率谱分析法可以快速确定齿轮振动的信号频率, 并确定其频率构成, 能够快速测量齿轮振动的能量在设备的各个频率成分上的具体的分布。
功率谱有三种频结构, 分别对应原因如下:
山状谱, 主要是结构共振的频率, 如齿轮轴横向的振动产生的固有频率。
线状谱, 主要是齿轮的啮合频率及运动产生的谐波的频率。
随机谱, 主要是随机振动产生的振动信号。
运行正常的齿轮功率谱可能同时有以上三种频率结构, 幅值都相对较小, 但是随着齿轮发生故障, 它的线状谱的幅值部分会上升。功率谱分析在齿轮故障的诊断中发挥了越来越大的作用, 成为故障诊断和振动监测的信号处理技术中应用最广的技术, 对点蚀、大面积磨损等均匀故障有明显分析效果。
摘要:在现代的化工生产中, 针对化工设备的运行都建立了高效、准确、实时的状态诊断及状态分析系统。本文在分析化工机械设备状态诊断与分析的作用基础上, 阐述化工机械设备状态诊断与分析运用的主要技术和方法。
关键词:化工设备,状态诊断,设备状态,应用
参考文献
[1]盛兆顺, 尹琦岭, 设备状态监测与故障诊断技术及应用[M].化学工业出版社, 2003.