1.一种润滑油站远程问题诊断系统,其特征在于,包括:安装于润滑油站以用于检测该润滑油站相应工作参数的各变送器,各变送器将检测数据分别送至用于现场设备总控制室和/或数据采集模块;其中
各数据采集模块将数据上传至数据服务器。
2.根据权利要求1所述的润滑油站远程问题诊断系统,其特征在于,
所述数据服务器适于对上传的检测数据汇总后抽取调用,以评估润滑油站的运行状态。
3.根据权利要求2所述的润滑油站远程问题诊断系统,其特征在于,各工作参数包括:主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值,上述数据分别送至相应变送器;以及
各工作参数还包括:油品分析仪输出值、电机泵组振动值和电机电流值,且上述数据均直接发送至数据采集模块。
4.根据权利要求3所述的润滑油站远程问题诊断系统,其特征在于,
在所述数据服务器上建立润滑油站的故障诊断模型;
所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值,且通过与判断阈值相比较,以判定该润滑油站的工作状态。
5.根据权利要求4所述的润滑油站远程问题诊断系统,其特征在于,
所述故障诊断模型,即
设定各工作参数对应的影响因子,以及与各影响因子分别对应的权重系数;
定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值,以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11,并将各工作参数值进行数值化表示;
以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11;
所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和;
所述各变送器适于按照相应采样时间点采集数据;
对于任一工作参数的采集数据集,所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线,且计算该连线的斜率,并针对各工作参数设定相应连线斜率阈值,以及设定与工作参数数值相对应的正常工作阈值区间;
所述故障诊断模型中还包括故障预判子模型,该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间。
6.根据权利要求5所述的润滑油站远程问题诊断系统,其特征在于,
所述故障预判子模型适于通过相应斜率判断润滑油站故障出现时间,即
当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内,且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时,则将该当前采样时间点作为起点,延长连线且与正常工作阈值区间对应的限值相交,根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间。
7.根据权利要求6所述的润滑油站远程问题诊断系统,其特征在于,所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值;即
将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线,该延长线与正常工作阈值区间对应的限值相交,根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间;
在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。
8.一种润滑油站远程问题诊断方法,包括如下步骤:
步骤S1,建立润滑油站的故障诊断模型;以及
步骤S2,通过故障诊断模型获得润滑油站的工作状况。
9.根据权利要求8所述的润滑油站远程问题诊断方法,其特征在于,
所述故障诊断模型,即
设定润滑油站各工作参数对应的影响因子,以及与各影响因子分别对应的权重系数;
定义主油箱液位值、主油箱温度值、供油管路温度值、紧急过滤器压差值、双筒过滤器压差值、高位油箱液位值、控制油压力值和润滑油出口压力值,以及油品分析仪输出值、电机泵组振动值和电机电流值的输入变量分别为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10和X11,并将各工作参数值进行数值化表示;
以及各输入变量分别对应的权重系数分别为K1、K2、K3、K4、K5、K6、K7、K8、K9、K10和K11;
所述润滑油站的故障判断值为各输入变量与对应权重系数乘积的和;
所述故障诊断模型适于根据输入的工作参数输出润滑油站的故障判断值,且通过与判断阈值相比较,以判定该润滑油站的工作状态。
10.根据权利要求9所述的润滑油站远程问题诊断方法,其特征在于,
润滑油站所安装的各变送器按照相应采样时间点采集数据;
对于任一工作参数的采集数据集,所述故障诊断模型适于绘制两相邻采样时间点对应的工作参数值的连线,且计算该连线的斜率,并针对各工作参数设定相应连线斜率阈值,以及设定与工作参数数值相对应的正常工作阈值区间;
所述故障诊断模型中还包括故障预判子模型,该故障预判子模型适于通过相应斜率判断润滑油站故障出现时间;其中
当当前采样时间点对应的工作参数数值位于该正常工作阈值区间内,且当前采样时间点与上一时刻的采样时间点获取的工作参数数值对应的连线斜率超过连线斜率阈值时,则将该当前采样时间点作为起点,延长连线且与正常工作阈值区间对应的限值相交,根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得初次预判润滑油站故障出现时间;以及
所述故障预判子模型还计算各相邻采样时间点的连线斜率对应的平均斜率值;即
将当前采样时间点根据平均斜率值获得以该采样时间点作为起点的延长线,该延长线与正常工作阈值区间对应的限值相交,根据该延长连线与时间轴的投影长度所对应的采样时间点的数量获得再次预判润滑油站故障出现时间;
在初次和再次预判润滑油站故障出现时间中选取时间较小的数值作为故障预判值输出。