旋转机械转子结垢、腐蚀故障识别方法和装置与流程

1.本发明涉及流程工业旋转设备技术领域，具体涉及一种旋转机械转子结垢、腐蚀故障识别方法和装置。


背景技术：

2.流程工业原料介质大多数具有吸附性或腐蚀性，日积月累会破坏转子平衡状态，降低运行效率，危害设备安全平稳运行。流程工业因其生产方式的特殊性，关键设备一旦发生故障会影响整个装置的生产，每天损失数以亿计，所以如果能在线及时发现结垢或腐蚀故障尤为重要。传统方法想发现设备内部转子表面产生结垢或腐蚀需要将设备进行停机拆解，其检修周期相对较长，而且停机期间生产停止，会产生较大的经济损失。


技术实现要素：

3.为此，本发明实施例提供一种旋转机械转子结垢、腐蚀故障识别方法和装置，以解决现有技术存在的检查设备内部转子表面是否产生结垢或腐蚀需要将设备进行停机拆解，其检修周期相对较长，而且停机期间生产停止，会产生较大的经济损失的问题。
4.为了实现上述目的，本发明实施例提供如下技术方案：第一方面，一种旋转机械转子结垢、腐蚀故障识别方法，包括：获取机组实时数据；判断设备类型；若所述设备符合结垢或腐蚀设备类型，则在所述设备下取振动测点并取5个时间段内的数据甜区；根据式（1）计算出每个数据甜区中每个振动测点所对应的特征值x；
ꢀꢀꢀꢀꢀꢀ
（1）α=m/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）式中：α为截尾系数，n为数据个数，m为去掉的数据个数；判断单个测点是否满足红规则或绿规则；其中，所述红规则为：x5-x4＞2.4成立且x1-x0＞2.4、x2-x1＞2.4、x3-x2＞2.4和x4-x3＞2.4中至少2个不等式成立；所述绿规则为：x5-x4＜-2.4成立且x1-x0＜-2.4、x2-x1＜-2.4、x3-x2＜-2.4和x4-x3＜-2.4中至少2个不等式成立；若满足，则根据p=25% +（满足所述红规则的测点数-1）*10 %+ 满足所述绿规则的测点数*5%或者p=20% +（满足所述绿规则的测点数-1）*5 % 计算出概率p，并输出结论。进一步的，所述振动测点为4个。
5.进一步的，4个所述振动测点中所述红规则和所述绿规则都有满足时，根据p=25% +（满足所述红规则的测点数-1）*10 %+ 满足所述绿规则的测点数*5%，计算概率p；
4个所述振动测点中均满足所述绿规则时，根据p=20% +（满足所述绿规则的测点数-1）*5 %，计算出概率p。
6.进一步的，所述5个时间段的长度均为3天。
7.进一步的，所述设备类型包括：不易发生、易发生和非常易发生。
8.进一步的，所述红规则和所述绿规则中每增加一个不等式成立，权重值增加3%。
9.进一步的，所述特征值x每六天计算一次。
10.第二方面，一种旋转机械转子结垢、腐蚀故障识别装置，包括：获取模块，用于获取机组实时数据；第一判断模块，用于判断设备类型；计算模块，用于计算每个数据甜区中每个振动测点所对应的特征值x；第二判断模块，用于判断单个测点是否满足红规则或绿规则；概率计算模块，用于计算概率p。
11.第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现旋转机械转子结垢、腐蚀故障识别方法的步骤。
12.第四方面，一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现旋转机械转子结垢、腐蚀故障识别方法的步骤。
13.本发明至少具有以下有益效果：本发明提供了一种旋转机械转子结垢、腐蚀故障识别方法和装置，获取机组实时数据；判断设备类型；若所述设备符合结垢或腐蚀设备类型，则在所述设备下取振动测点并取5个时间段内的数据甜区；计算出每个数据甜区中每个振动测点所对应的特征值x；判断单个测点是否满足红规则或绿规则；若满足，则计算出概率p，并输出结论。本发明基于sg8000系统采集到的数据，通过对数据进行处理，查找数据甜区，计算故障特征值，实现在不影响设备运行的情况下对转子结垢（或腐蚀）故障的在线识别和诊断，在一定程度上帮助设备管理人员判断故障，避免停机拆解检查带来的生产影响和经济损失。
附图说明
14.为了更清楚地说明现有技术以及本发明，下面将对现有技术以及本发明实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引申获得其它的附图。
15.本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
16.图1为本发明实施例提供的一种旋转机械转子结垢、腐蚀故障识别方法流程图；图2为本发明实施例提供的一种旋转机械转子结垢、腐蚀故障识别方法判断流程图；图3为本发明实施例提供的数据甜区查找示意图。
具体实施方式
17.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
18.在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）旨在区别指代的对象。对于具有时序流程的方案，这种术语表述方式不必理解为描述特定的顺序或先后次序，对于装置结构的方案，这种术语表述方式也不存在对重要程度、位置关系的区分等。
19.此外，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包括了一系列步骤或单元的过程、方法、装置、产品或设备不必限于已明确列出的那些步骤或单元，而是还可包含虽然并未明确列出的但对于这些过程、方法、产品或设备固有的其它步骤或单元，或者基于本发明构思进一步的优化方案所增加的步骤或单元。
20.请参阅图1和图2，本发明的一个实施例提供一种旋转机械转子结垢、腐蚀故障识别方法，包括：s1：获取机组实时数据；具体的，基于sg8000装置采集到的数据来获取机组实时数据。
21.s2：判断设备类型；具体的，根据设备特征以及结垢或腐蚀的程度将设备分为不易发生、易发生和非常易发生等类型。
22.s3：若所述设备符合结垢或腐蚀设备类型，则在所述设备下取振动测点并取5个时间段内的数据甜区；具体的，不易发生的设备不进行权重概率的计算，其它类型的设备需要继续计算权重概率并赋予相应的概率系数，概率系数提前由人工输入。
23.查找数据甜区（“甜区”是指数据段中质量比较高的时间段）时具体为：定义5个时间段t0、t1、t2、t3、t4和t5；每个时间段长度为3天，每个时间段结束时刻分别为t0、t1、t2、t3、t4和t5，其中 t4=t5-14天，t3=t4-14天， t2=t3-14天，t1=t2-14天，t0=t1-14天。
24.查找t5的具体过程为：在t0、t1、t2、t3 、t4和t5时段内，取每个时间段的最小转速，并且记录最小转速时刻点，如果最小转速大于工作转速的95%，则该时段条件满足，记为t5；否则，根据最小转速时刻点往前找到第一个转速大于工作转速95%的时刻点，从这个时刻点继续往前获取三天数据，继续本条规则判断，直到找到满足条件的t5为止。如果不满足条件则依次向历史数据推移，最大检测范围为t4前180天。
25.请参阅图3，取t0、t1、t2、t3 、t4和t5时间段内的核心数据c0、c1、c2、c3 、c4和c5，其中c0、c1、c2、c3 、c4和c5就分别为t0、t1、t2、t3 、t4和t5时间段内的数据甜区。
26.s4：计算出每个数据甜区中每个振动测点所对应的特征值x；具体的，特征值x为机组的历史数据，根据c0、c1、c2、c3 、c4和c5分别计算出t0、t1、t2、t3 、t4和t5的特征值x0、x1、x2、x3、x4和x5。
27.计算特征值x时，具体为：第一种方法：根据式（1）（2）分别计算出每个时间段内的特征值：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）α=m/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）式中：α为截尾系数，n为数据个数，m为去掉的数据个数。
28.第二种方法：将数据按升序排列后，根据exccel中（3）式计算出每个时间段内的特征值：trimmean(array, percent)
ꢀꢀꢀꢀꢀꢀ
（3）式中，array是需要进行整理并求平均值的一组数据或数据区域；percent是在计算时所要除去的数据点的比例，本发明中percent优选取0.4。
29.s5：判断单个测点是否满足红规则或绿规则；在单个测点中，必须满足以下红规则和绿规则两种情况中的任意一个条件：红规则（以下全部简称“红”）：x5-x4＞2.4且x1-x0＞2.4、x2-x1＞2.4、x3-x2＞2.4和x4-x3＞2.4，4条中至少成立2条；绿规则（以下全部简称“绿”）：x5-x4＜-2.4并且x1-x0＜-2.4、x2-x1＜-2.4、x3-x2＜-2.4、x4-x3＜-2.4，4条中至少成立2条。
30.s6：若满足，计算概率p，输出结论；具体的，需要说明的是，每个测点中，只可能出现红或绿两种情况中的任意一种情况，两种情况不可能同时出现。
31.每个通道单独计算时，有1个测点满足红关键因子则获得基础权重25%；有1个测点满足绿关键因子则获得基础权重20%。
32.请参阅表一和表二，在记录权重值时，第一个红记为25%，第二个及以后的红均记为10%；第一个绿记为20%，第二个及以后的绿均记为5%，当同时存在满足红规则和绿规则的通道时红为首个。
33.表一：通道状态状态状态状态状态状态1红25%绿5%绿5%绿20%绿20%红25%2红10%绿5%红25%绿5%
ꢀꢀ
3红10%绿5% 绿5%
ꢀꢀ
4红10%红25%
ꢀꢀꢀꢀ
总权重55%40%30%30%20%25%表二：
备注：取最大值4是因为符合条件的设备下必须只有4个测点最后得出：第一种：当四个测点中红绿都有满足时，概率p为：25% +（红满足的测点数-1）*10 %+ 绿满足的测点数*5%；第二种：当四个测点中只有绿满足红不满足时，概率p为：20% +（绿满足的测点数-1）*5%。
34.实施例1：某设备下共有4个测点，其中有2个测点满足红关键因子，有2个测点满足绿关键因子，此时概率应该为：p=25% + (2-1)*10% + 2*5% = 45%实施例2：某设备下共有4个测点，其中有0个测点满足红关键因子，有3个测点满足绿关键因子，此时概率应该为：p=20% + (3-1)*5% = 30%最后根据数据甜区中的各个特征值、红规则或绿规则以及计算出的概率p综合分析得出设备结垢或腐蚀概率。
35.需要说明的是，人工输入概率系数时，有以下几种情况需要注意：（1）从t4~t5期间内设备有转子不平衡故障（全部通道只记一次）概率增加10%；（2）烟机、氧化氮压缩机、裂解气压缩机、三聚氰胺和载气压缩机概率增加8%；（3）汽轮机、焦炉煤气压缩机和富气压缩机概率增加5%；（4）循环气压缩机、合成气压缩机和空压机概率增加3%；（5）在满足概率p基础上每增加一个不等式成立，增加3%权重，不区红绿规则；换言之在单个测点下满足红或绿的前提下，红或者绿有2个不等式成立，权重增加0，有3个不等式成立，权重增加3%，有4个不等式成立，权重增加6%，单个测点最多只能增加6%。
36.（6）x0、x1、x2、x3、x4和x5中存在大于0.8倍高报值7%。
37.本发明的一个实施例提供一种旋转机械转子结垢、腐蚀故障识别装置，包括：获取模块，用于获取机组实时数据；第一判断模块，用于判断设备类型；计算模块，用于计算出每个数据甜区对应的特征值x；第二判断模块，用于判断单个测点是否满足红规则或绿规则；概率计算模块，用于计算概率p。
38.关于旋转机械转子结垢、腐蚀故障识别装置的具体限定可以参见上文中对于旋转机械转子结垢、腐蚀故障识别方法的限定，在此不再赘述。
39.本发明的一个实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现旋转机械转子结垢、腐蚀故障识别方法的步骤。
40.本发明的一个实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现旋转机械转子结垢、腐蚀故障识别方法的步骤。
41.以上几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
42.以上实施例的各技术特征可以进行任意的组合（只要这些技术特征的组合不存在矛盾），为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述；这些未明确写出的实施例，也都应当认为是本说明书记载的范围。
43.上文中通过一般性说明及具体实施例对本发明作了较为具体和详细的描述。应当指出的是，在不脱离本发明构思的前提下，显然还可以对这些具体实施例作出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。