用于油压装置螺杆泵内部的磨损故障预测方法及系统与流程

1.本发明涉及水电站油压装置领域，尤其涉及一种用于油压装置螺杆泵内部的磨损故障预测方法及系统。


背景技术：

2.水电站油压装置是水轮机导叶开启关闭操作的液压系统动力源，保持液压系统压力稳定是水轮发电机组安全运行的重要保障，油压装置压油泵的健康状况是影响油压系统稳定性的最为重要的因素。由于水电站油压装置要求油泵出口压力高，流量大，因此通常选用螺杆泵，螺杆泵常会出现螺旋套、泵衬套磨损等现象，尤其是螺旋套的磨损，对油泵的正常运行危害极大。
3.传统的监测手段是通过监测油泵电机工作电流、运行时长、油罐压力变化等参量，通过控制器plc程序来判断系统运行是否正常。比如当油泵出现螺旋套、泵衬套磨损迹象时，上述参量很难表征出这样的故障，当油泵因此振动加剧导致油泵损坏时，才会表现出电机工作电流变化，或者出现油泵运行效率下降，运行时长发生变化，因此传统的实时监测手段，不能提前发现油泵内部的磨损故障，等到实时参量预警时，要么油泵已经损坏，要么已出现无法弥补的故障损失。


技术实现要素：

4.本发明的目的就在于为了解决上述问题设计了一种用于油压装置螺杆泵内部的磨损故障预测方法及系统。
5.本发明通过以下技术方案来实现上述目的：
6.用于油压装置螺杆泵内部的磨损故障预测方法，包括：
7.s1、建立故障预测模型，故障预测模块包括特征提取构建模块、逻辑回归分类模块和判断模块；
8.s2、获取已发生故障螺杆泵各时段的各项数据作为训练数据；
9.s3、训练数据导入故障预测模型进行训练优化，故障预测模型的训练包括特征提取模块提取构建训练数据的特征，逻辑回归分类模块根据螺杆泵正常运行时和故障时的特征判断螺杆泵内部的磨损状态，判断模块根据磨损状态和设定阈值获得预测结果，根据预测结果和实际的磨损结果优化逻辑分类模块和判断模块；
10.s4、实时采集螺杆泵的运行数据并导入优化后的故障预测模型获得预测结果。
11.用于油压装置螺杆泵内部的磨损故障预测系统，包括：
12.存储器；存储器中存储有程序；
13.处理器；处理器执行储存器中储存的程序，程序包括用于执行油压装置螺杆泵内部的磨损故障预测方法。
14.本发明的有益效果在于：通过提取了对螺杆泵内部磨损极为敏感的电机轴功率和油压装置的油泵出口压力，利用主成分分析技术对电机轴功率、油泵出口压力进行主成分
分析，再利用非主成分特征表达泵的内部磨损，通过特征分布预测泵的磨损程度，发现泵的内部早期潜在故障，防止泵内部故障恶化损坏泵体导致更大的损失和安全事故，真正实现螺杆泵的状态检修，节省检修维护费用。
附图说明
15.图1是本发明中故障预测模型的示意图；
16.图2是主成分分析的分布示意图；
17.图3是非主成分分析的分布示意图。
具体实施方式
18.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
19.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
21.在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
22.此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
23.在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
24.下面结合附图，对本发明的具体实施方式进行详细说明。
25.用于油压装置螺杆泵内部的磨损故障预测方法，包括：
26.s1、建立故障预测模型，故障预测模块包括特征提取构建模块、逻辑回归分类模块和判断模块，逻辑回归分类模块为基于逻辑回归函数构建的逻辑回归分类器；
27.s2、获取已发生故障螺杆泵各时段的各项数据作为训练数据；
28.s3、训练数据导入故障预测模型进行训练优化，故障预测模型的训练包括特征提取模块提取电机功率和油压装置的出口压力后，采用主成分分析法对电机功率和油压装置
的出口压力进行分析获得电机输出功率与泵出口压力在非主成分方向的投影作为特征，逻辑回归分类模块根据螺杆泵正常运行时和故障时的特征判断螺杆泵内部的磨损状态，判断模块根据磨损状态和设定阈值获得预测结果，根据预测结果和实际的磨损结果优化逻辑分类模块和判断模块；
29.s4、实时采集螺杆泵的运行数据并导入优化后的故障预测模型获得预测结果。
30.通过提取了对螺杆泵内部磨损极为敏感的电机轴功率和油压装置的油泵出口压力，利用主成分分析技术对电机轴功率、油泵出口压力进行主成分分析，再利用非主成分特征表达泵的内部磨损，通过特征分布在线实时预测预测泵的磨损程度，发现泵的内部早期潜在故障，防止泵内部故障恶化损坏泵体导致更大的损失和安全事故，真正实现深井泵的状态检修，节省检修维护费用
31.本方法算法简单，响应速度快，易于工程应用，提出通过改变分类阈值来使逻辑回归分类算法适合非平衡数据，通过长周期运行数据积累，结合分类阈值调整，显著提升螺杆泵内部磨损故障预测的准确性。
32.用于油压装置螺杆泵内部的磨损故障预测系统，包括：
33.存储器；存储器中存储有程序；
34.处理器；处理器执行储存器中储存的程序，程序包括用于执行油压装置螺杆泵内部的磨损故障预测方法。
35.本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。


技术特征：
1.用于油压装置螺杆泵内部的磨损故障预测方法，其特征在于，包括：s1、建立故障预测模型，故障预测模块包括特征提取构建模块、逻辑回归分类模块和判断模块；s2、获取已发生故障螺杆泵各时段的各项数据作为训练数据；s3、训练数据导入故障预测模型进行训练优化，故障预测模型的训练包括特征提取模块提取构建训练数据的特征，逻辑回归分类模块根据螺杆泵正常运行时和故障时的特征判断螺杆泵内部的磨损状态，判断模块根据磨损状态和设定阈值获得预测结果，根据预测结果和实际的磨损结果优化逻辑分类模块和判断模块；s4、实时采集螺杆泵的运行数据并导入优化后的故障预测模型获得预测结果。2.根据权利要求1所述的用于油压装置螺杆泵内部的磨损故障预测方法，其特征在于，在s3中，特征提取模块提取分析电机功率和油压装置的出口压力构建形成特征。3.根据权利要求2所述的用于油压装置螺杆泵内部的磨损故障预测方法，其特征在于，在s3中，特征提取模块提取电机功率和油压装置的油泵出口压力后，采用主成分分析法对电机功率和油压装置的出口压力进行分析获得电机输出功率与泵出口压力在非主成分方向的投影作为特征。4.根据权利要求1所述的用于油压装置螺杆泵内部的磨损故障预测方法，其特征在于，逻辑回归分类模块为基于逻辑回归函数构建的逻辑回归分类器。5.用于油压装置螺杆泵内部的磨损故障预测系统，其特征在于，包括：存储器；存储器中存储有程序；处理器；处理器执行储存器中储存的程序，程序包括用于执行如权利要求1-4任一项所述的方法。

技术总结
本发明公开了用于油压装置螺杆泵内部的磨损故障预测方法，涉及水电站油压装置领域，包括S1建立故障预测模型，S2获取已发生故障螺杆泵各时段的各项数据作为训练数据；S3训练数据导入故障预测模型进行训练优化，S4实时采集螺杆泵的运行数据并导入优化后的故障预测模型获得预测结果；通过提取对螺杆泵内部磨损极为敏感的电机轴功率和油压装置的油泵出口压力，利用主成分分析技术对电机轴功率、油泵出口压力进行主成分分析，再利用非主成分特征表达泵的内部磨损，通过特征分布预测泵的磨损程度，发现泵的内部早期潜在故障，防止泵内部故障恶化损坏泵体导致更大的损失和安全事故，真正实现螺杆泵的状态检修，节省检修维护费用。节省检修维护费用。节省检修维护费用。


技术研发人员：张鹏程 宁美江 董曦 袁庆
受保护的技术使用者：四川华能东西关水电股份有限公司
技术研发日：2021.10.20
技术公布日：2022/1/18