一种风机设备状态在线监测模型的建立方法与流程

1.本发明涉及电气设计风机状态实时监测技术领域，具体涉及一种风机设备状态在线监测模型的建立方法。


背景技术：

2.风机在工业领域发挥至关重要的作用，风机状态的实时监控能预知风机存在的潜在隐患，提前安排预知性维修可消除风机设备缺陷，从而避免更大设备事故的发生，还能够有效的延长风机设备的使用寿命，节约设备成本。但是，现有的风机状态监测均是涉及在通过视频监控对风机状态的采集，监控风机的运行状态，这种视频监控的方式，等发现风机问题时，风机已经出现较大的损坏情况，不能做到预知性判断，并且只能监测风机的运行状态参数，不能监测风机的本体状态参数、环境参数和时间参数相融合的监测，监测方式单一，不能有效的预知风机的缺陷。因此，迫切需要设计一种风机设备状态在线监测模型的建立方法，以解决现有风机的运行状态监测方式单一、存在较大运行安全隐患的问题。


技术实现要素：

3.针对现有技术中存在的问题，本发明的目的在于提供一种风机设备状态在线监测模型的建立方法。
4.本发明解决其技术问题所采用的技术方案是：一种风机设备状态在线监测模型的建立方法，包括以下步骤：
5.1)风机的监测参数分为四类，通过不同维度特征值来全面反映风机的运行状态，建立监测模型；
6.2)监测模型通过监测参数的变量构成风机运行实时状态变量函数：
7.f(x)＝f(x1)
·
f(x2)
·
f(x3)
·
f(x4)
·
f(x5)
·
f(x6)
·
f(x7)
·
f(x8)
·
f(x9)
·
f(xn)
·
t；
8.3)根据监测参数的变量设定阈值，判断风机运行是否正常；
9.4)风机运行实时状态变量函数建立具体的监测模型算法，根据风机监测模型算法的状态变量的异常数量设定报警等级；
10.5)根据报警等级制定对应的风机检修方法。
11.具体的是，所述步骤1)中的风机的监测参数分为四类：一是风机本体状态参数；二是风机运行参数；三是运行环境参数；四是时间参数。
12.具体的是，所述步骤2)中的f(x)：风机运行实时状态变量函数；f(x1)：风机外观变量；f(x2)：风机振动变量；f(x3)：风机温度变量；f(x4)：风机流量变量；f(x5)：风机压力变量；f(x6)：风机轴功率变量；f(x7)：风机转速变量；f(x8)：风机气体密度；f(x9)：外界大气压力；f(xn)：其他可参考变量；t：监测时间阈量常数；
13.其中f(x1)、f(x2)、f(x3)为风机的本体状态参数变量，反映风机本体状态；f(x4)、f(x5)、f(x6)、f(x7)为风机运行参数变量，反映风机运行状态；f(x8)、f(x9)为风机运行环境参
数变量，反映风机环境状态；t为时间阈量，分为本体状态时间阈量t1和运行参数时间阈量t2。
14.具体的是，所述步骤3)中的风机运行正常时：
15.①
f(x1)变量应显示正常，f(x2)、f(x3)变量应在设定的阈值范围内；
16.②
f(x4)、f(x5)、f(x6)、f(x7)变量应在运行设定值的允许偏差内，防止出现设定值与实际运行值不一致情况，并且这些变量应符合相互线性关系：
17.f(x4)流量正比于f(x7)转速的一次方，f(x5)压力正比于f(x7)转速的二次方，f(x6)轴功率正比于f(x7)转速的三次方；
18.f(x4)＝k1f(x7)
19.f(x5)＝k2f(x7)220.f(x6)＝k3f(x7)321.其中k1、k2、k3为比例常数；
22.③
f(x8)气体密度随温度变量f(x3)的改变而改变，温度升高气体密度降低；
23.f(x4)流量不随f(x8)气体密度的改变而改变，f(x8)气体密度正比于f(x5)压力的一次方，f(x8)气体密度正比于f(x6)轴功率的一次方；
24.f(x8)＝k4f(x5)＝k4k2f(x7)225.f(x8)＝k5f(x6)＝k5k3f(x7)326.其中k4、k5为比例常数；
27.④
f(x9)在风机运行环境确定后，不发生外界变化的情况下应设置为常数。
28.具体的是，所述步骤3)中的风机运行异常时：
29.①
当风机的本体状态参数变量f(x1)、f(x2)、f(x3)实时监测值超过设定阈值，并且延续时间超过本体状态时间阈量t1，则表示风机本体状态发生异常；
30.②
当风机运行参数变量f(x4)、f(x5)、f(x6)、f(x7)实时监测值超过实际设定值的允许偏差范围，并且延续时间超过运行参数时间阈量t2，则表示风机运行发生异常；
31.③
当风机运行参数变量f(x4)、f(x5)、f(x6)、f(x7)实时监测值长时间不符合相互线性关系，发生了实质性的偏离，则表示风机运行发生异常。
32.具体的是，所述步骤4)中的风机运行实时状态变量函数变为：
33.f(x)＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+f(x4)+f(x5)+f(x6)}*f(x8)*f(x9)
34.＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+k1f(x7)+k2f(x7)2+k3f(x7)3}*k4k2f(x7)2*a
35.＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+k1f(x7)+k2f(x7)2+k3f(x7)3}*k5k3f(x7)2*a
36.其中k1、k2、k3、k4、k5为比例常数，a为外界大气压力常数。
37.具体的是，所述风机运行实时状态变量函数根据7个状态变量异常个数设置报警等级：
38.①
无状态变量异常时，可设置反馈绿色正常运行；
39.②
状态变量的个数＞40％异常时，设置反馈黄色三级报警；
40.③
状态变量的个数＞60％异常时，设置反馈橙色二级报警；
41.④
状态变量的个数＞80％异常时，设置反馈红色一级报警。
42.具体的是，所述步骤5)中的报警等级制定对应的风机检修方法为：
43.①
三级报警：根据现场实际情况跟踪运行，加大设备点检频次；
44.②
二级报警：根据现场工况提前安排检修时间停机检查；
45.③
一级报警：根据现场工况提前安排更换风机。
46.本发明具有以下有益效果：
47.本发明设计的风机设备状态在线监测模型主要基于现场设备多维数据的周期性采样，将风机的整体运行状态模块化分解成诸多变量因子，通过对变量因子的数据边缘计算，合成风机整体的运行状态，从而达到风机运行状态的多维度监控，并且状态监测中加入时间变量因子，最大可能的排除风机变量因子的偶发误报情况。
具体实施方式
48.以下对本发明实施例中的技术方案进行清楚、完整地进一步详细的说明。基于本发明中的实施例，本领域普通技术人员在没有做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。
49.一种风机设备状态在线监测模型的建立方法，包括以下步骤：
50.1、风机的监测参数分为四类，通过不同维度特征值来全面反映风机的运行状态，建立监测模型；风机的监测参数分为四类：一是风机本体状态参数；二是风机运行参数；三是运行环境参数；四是时间参数。
51.2、监测模型通过监测参数的变量构成风机运行实时状态变量函数：
52.f(x)＝f(x1)
·
f(x2)
·
f(x3)
·
f(x4)
·
f(x5)
·
f(x6)
·
f(x7)
·
f(x8)
·
f(x9)
·
f(xn)
·
t；
53.f(x)：风机运行实时状态变量函数；
54.f(x1)：风机外观变量；
55.f(x2)：风机振动变量；
56.f(x3)：风机温度变量；
57.f(x4)：风机流量变量；
58.f(x5)：风机压力变量；
59.f(x6)：风机轴功率变量；
60.f(x7)：风机转速变量；
61.f(x8)：风机气体密度；
62.f(x9)：外界大气压力；
63.f(xn)：其他可参考变量；
64.t：监测时间阈量常数；
65.其中f(x1)、f(x2)、f(x3)为风机的本体状态参数变量，反映风机本体状态；f(x4)、f(x5)、f(x6)、f(x7)为风机运行参数变量，反映风机运行状态；f(x8)、f(x9)为风机运行环境参数变量，反映风机环境状态；t为时间阈量，分为本体状态时间阈量t1和运行参数时间阈量t2。
66.3、根据监测参数的变量设定阈值，判断风机运行是否正常；
67.3.1风机运行正常时：
68.①
f(x1)变量应显示正常，f(x2)、f(x3)变量应在设定的阈值范围内；
69.②
f(x4)、f(x5)、f(x6)、f(x7)变量应在运行设定值的允许偏差内，防止出现设定值与实际运行值不一致情况，并且这些变量应符合相互线性关系：
70.f(x4)流量正比于f(x7)转速的一次方，f(x5)压力正比于f(x7)转速的二次方，f(x6)轴功率正比于f(x7)转速的三次方；
71.f(x4)＝k1f(x7)
72.f(x5)＝k2f(x7)273.f(x6)＝k3f(x7)374.其中k1、k2、k3为比例常数；
75.③
f(x8)气体密度随温度变量f(x3)的改变而改变，温度升高气体密度降低；
76.f(x4)流量不随f(x8)气体密度的改变而改变，f(x8)气体密度正比于f(x5)压力的一次方，f(x8)气体密度正比于f(x6)轴功率的一次方；
77.f(x8)＝k4f(x5)＝k4k2f(x7)278.f(x8)＝k5f(x6)＝k5k3f(x7)379.其中k4、k5为比例常数；
80.④
f(x9)在风机运行环境确定后，不发生外界变化的情况下应设置为常数。
81.由此风机的运行实时状态可分解为：7个变量参数(其他变量f(xn)可依运行实际情况增加)，其中f(x1)、f(x2)、f(x3)为风机的本体状态参数变量，f(x4)、f(x5)、f(x6)、f(x7)为风机运行参数变量；2个环境参数，其中f(x8)、f(x9)为风机介质密度和环境变量；1个时间参数，t为时间阈量。
82.以上7个变量参数的数据来源由现场传感器的周期性采样获得，数据采样收集后进行数据边缘化分析计算，可实时的在采样周期内反映出风机设备的运行状态。采样周期应根据现场实际情况设定，在模型分析内应尽可能保证样本的数量及质量，符合样本分析规律，过长或过短的采样周期都将有可能导致分析失真。
83.3.2风机运行异常时：
84.①
当风机的本体状态参数变量f(x1)、f(x2)、f(x3)实时监测值超过设定阈值，并且延续时间超过本体状态时间阈量t1，则表示风机本体状态发生异常；
85.②
当风机运行参数变量f(x4)、f(x5)、f(x6)、f(x7)实时监测值超过实际设定值的允许偏差范围，并且延续时间超过运行参数时间阈量t2，则表示风机运行发生异常；
86.③
当风机运行参数变量f(x4)、f(x5)、f(x6)、f(x7)实时监测值长时间不符合相互线性关系，发生了实质性的偏离，则表示风机运行发生异常。
87.当出现以上情况时，则表明风机实时运行状态存在异常情况，需择机停机检查；当出现以上情况但持续时间未超过设定的阈量时间t，则默认表明风机正常，存在偶发误报性状态异常。
88.4、风机运行实时状态变量函数建立具体的监测模型算法，根据风机监测模型算法的状态变量的异常数量设定报警等级；
89.风机运行实时状态变量函数变为：
90.f(x)＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+f(x4)+f(x5)+f
(x6)}*f(x8)*f(x9)
91.＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+k1f(x7)+k2f(x7)2+k3f(x7)3}*k4k2f(x7)2*a
92.＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+k1f(x7)+k2f(x7)2+k3f(x7)3}*k5k3f(x7)2*a
93.其中k1、k2、k3、k4、k5为比例常数，a为外界大气压力常数。
94.针对
①②
两种异常情况，风机运行实时状态变量函数根据7个状态变量异常个数设置报警等级：
95.①
无状态变量(个数)异常时，可设置反馈绿色正常运行；
96.②
状态变量(个数)＞40％(个数)异常时，可设置反馈黄色三级报警；
97.③
状态变量(个数)＞60％(个数)异常时，可设置反馈橙色二级报警；
98.④
状态变量(个数)＞80％(个数)异常时，可设置反馈红色一级报警。
99.5、根据报警等级制定对应的风机检修方法，根据风机报警等级可关联现场检修工单，提前规划预防性维修工作，及时消除设备隐患：
100.①
三级报警：根据现场实际情况跟踪运行，加大设备点检频次；
101.②
二级报警：根据现场工况提前安排检修时间停机检查；
102.③
一级报警：根据现场工况提前安排更换风机。
103.针对
③
异常情况，f(x)风机状态应及时查看7个状态变量的实时监测情况，是否发生参数超过设定值的情况，及时根据现场生产查看设备的运行情况，择机停机检查。
104.本发明不局限于上述实施方式，任何人应得知在本发明的启示下作出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。
105.本发明未详细描述的技术、形状、构造部分均为公知技术。

技术特征：
1.一种风机设备状态在线监测模型的建立方法，其特征在于，包括以下步骤：1)风机的监测参数分为四类，通过不同维度特征值来全面反映风机的运行状态，建立监测模型；2)监测模型通过监测参数的变量构成风机运行实时状态变量函数：f(x)＝f(x1)
·
f(x2)
·
f(x3)
·
f(x4)
·
f(x5)
·
f(x6)
·
f(x7)
·
f(x8)
·
f(x9)
·
f(x
n
)
·
t；3)根据监测参数的变量设定阈值，判断风机运行是否正常；4)风机运行实时状态变量函数建立具体的监测模型算法，根据风机监测模型算法的状态变量的异常数量设定报警等级；5)根据报警等级制定对应的风机检修方法。2.根据权利要求1所述的风机设备状态在线监测模型的建立方法，其特征在于，所述步骤1)中的风机的监测参数分为四类：一是风机本体状态参数；二是风机运行参数；三是运行环境参数；四是时间参数。3.根据权利要求1所述的风机设备状态在线监测模型的建立方法，其特征在于，所述步骤2)中的f(x)：风机运行实时状态变量函数；f(x1)：风机外观变量；f(x2)：风机振动变量；f(x3)：风机温度变量；f(x4)：风机流量变量；f(x5)：风机压力变量；f(x6)：风机轴功率变量；f(x7)：风机转速变量；f(x8)：风机气体密度；f(x9)：外界大气压力；f(x
n
)：其他可参考变量；t：监测时间阈量常数；其中f(x1)、f(x2)、f(x3)为风机的本体状态参数变量，反映风机本体状态；f(x4)、f(x5)、f(x6)、f(x7)为风机运行参数变量，反映风机运行状态；f(x8)、f(x9)为风机运行环境参数变量，反映风机环境状态；t为时间阈量，分为本体状态时间阈量t1和运行参数时间阈量t2。4.根据权利要求1所述的风机设备状态在线监测模型的建立方法，其特征在于，所述步骤3)中的风机运行正常时：
①
f(x1)变量应显示正常，f(x2)、f(x3)变量应在设定的阈值范围内；
②
f(x4)、f(x5)、f(x6)、f(x7)变量应在运行设定值的允许偏差内，防止出现设定值与实际运行值不一致情况，并且这些变量应符合相互线性关系：f(x4)流量正比于f(x7)转速的一次方，f(x5)压力正比于f(x7)转速的二次方，f(x6)轴功率正比于f(x7)转速的三次方；f(x4)＝k1f(x7)f(x5)＝k2f(x7)2f(x6)＝k3f(x7)3其中k1、k2、k3为比例常数；
③
f(x8)气体密度随温度变量f(x3)的改变而改变，温度升高气体密度降低；f(x4)流量不随f(x8)气体密度的改变而改变，f(x8)气体密度正比于f(x5)压力的一次方，f(x8)气体密度正比于f(x6)轴功率的一次方；f(x8)＝k4f(x5)＝k4k2f(x7)2f(x8)＝k5f(x6)＝k5k3f(x7)3其中k4、k5为比例常数；
④
f(x9)在风机运行环境确定后，不发生外界变化的情况下应设置为常数。
5.根据权利要求1所述的风机设备状态在线监测模型的建立方法，其特征在于，所述步骤3)中的风机运行异常时：
①
当风机的本体状态参数变量f(x1)、f(x2)、f(x3)实时监测值超过设定阈值，并且延续时间超过本体状态时间阈量t1，则表示风机本体状态发生异常；
②
当风机运行参数变量f(x4)、f(x5)、f(x6)、f(x7)实时监测值超过实际设定值的允许偏差范围，并且延续时间超过运行参数时间阈量t2，则表示风机运行发生异常；
③
当风机运行参数变量f(x4)、f(x5)、f(x6)、f(x7)实时监测值长时间不符合相互线性关系，发生了实质性的偏离，则表示风机运行发生异常。6.根据权利要求1所述的风机设备状态在线监测模型的建立方法，其特征在于，所述步骤4)中的风机运行实时状态变量函数变为：f(x)＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+f(x4)+f(x5)+f(x6)}*f(x8)*f(x9)＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+k1f(x7)+k2f(x7)2+k3f(x7)3}*k4k2f(x7)2*a＝{f(x1)*f(x2)*f(x3)*t1+f(x4)*f(x5)*f(x6)*f(x7)*t2+k1f(x7)+k2f(x7)2+k3f(x7)3}*k5k3f(x7)2*a其中k1、k2、k3、k4、k5为比例常数，a为外界大气压力常数。7.根据权利要求6所述的风机设备状态在线监测模型的建立方法，其特征在于，所述风机运行实时状态变量函数根据7个状态变量异常个数设置报警等级：
①
无状态变量异常时，可设置反馈绿色正常运行；
②
状态变量的个数＞40％异常时，设置反馈黄色三级报警；
③
状态变量的个数＞60％异常时，设置反馈橙色二级报警；
④
状态变量的个数＞80％异常时，设置反馈红色一级报警。8.根据权利要求1所述的风机设备状态在线监测模型的建立方法，其特征在于，所述步骤5)中的报警等级制定对应的风机检修方法为：
①
三级报警：根据现场实际情况跟踪运行，加大设备点检频次；
②
二级报警：根据现场工况提前安排检修时间停机检查；
③
一级报警：根据现场工况提前安排更换风机。

技术总结
本发明涉及电气设计风机状态实时监测技术领域，具体公开了一种风机设备状态在线监测模型的建立方法，1)风机的监测参数分为四类，建立监测模型；2)监测模型通过监测参数的变量构成风机运行实时状态变量函数；3)根据监测参数的变量设定阈值，判断风机运行是否正常；4)风机运行实时状态变量函数建立具体的监测模型算法，根据风机监测模型算法的状态变量的异常数量设定报警等级；5)根据报警等级制定对应的风机检修方法；本发明将风机的整体运行状态模块化分解成诸多变量因子，通过对变量因子的数据边缘计算，合成风机整体的运行状态，从而达到风机运行状态的多维度监控，加入时间变量因子，最大可能的排除风机变量因子的偶发误报情况。情况。


技术研发人员：孙维龙 耿加深 康为伟 郭亚南 韩冰 张育鸣 石胜利 邓冬梅 史光辉
受保护的技术使用者：山东钢铁集团日照有限公司
技术研发日：2023.06.15
技术公布日：2023/8/16