在线客服
 联系方式
客  服   热  线:13601992389
售前技术支持:13601992389
邮  箱  地  址:744194238@qq.com
上海客服中心:021-67150328
北京客服中心:010-58490718
图文展示

四、项目具体实施(第一阶段)

4.1动态数据获取终端的集成

4.11传感器调研

目前,国内外在线油液监测技术的发展主要集中于在线油液传感

器的开发,且大多数为针对单项参数的传感器技术。其中,相对较为成熟的传感器技术大体上可分为2大类,一类是针对油液品质的传感 器技术,一类是针对油液中磨粒的传感器技术。其中,油液品质传感器又可以分为2小类,一类是针对油液理化特征,一类是针对油中的污染物。

1)理化特性传感器

润滑油理化特性传感器中,最为典型的,是粘度传感器。粘度作

为润滑油最为重要的一项物理特性,对润滑油的润滑性能起着决定性的作用,同时粘度也是润滑油氧化衰变的表征之一。在线粘度传感器的测量原理,总结下来基本都是从能量损失的角度出发的,然而又可以细分为2类,一类是基于位移,一类是基于振动。

⚫   基于位移原理的粘度传感器


基于位移原理的在线粘度传感器有转子旋转式传感器,例如 Brookfield 公司的 TT-100、TT-200系列传感器,其通过测量转子 在油中旋转时的扭力变化来表征粘度;例如美国Cambridge Viscosity公司生产的线圈活塞式传感器,其通过测量活塞来回移动的时间来表征粘度。

⚫   基于振动原理的粘度传感器

   基于振动原理的粘度传感器种类较多且应用较为广泛,其中具有

代表性的有基于石英晶体谐振特性的石英晶体传感器,例如美国精量电子(MEAS)公司推出的FPS28X0传感器;有基于音叉机械谐振的传感器,例如国内深圳先波公司的FWS系列粘度传感器,这两类 均为通过测量机械谐振器在油中的频率偏移量来表征其粘度。

除此以外,还有基于声表面波的粘度传感器、基于扭转振动的传 感器等等,基于电磁层析成像的粘度传感器等等。

2)油液污染传感器

针对油液污染物的传感器,最为典型的,是水分传感器。常见的 润滑油中水分含量的在线监测原理一般分为2类,一类是基于电参 量,一类是基于水活度。

⚫   基于介电常数原理的水分传感器

   目前水分传感器的测量原理,应用最多的是基于介电常数测量的

原理。由于水的介电常数(约80)远远大于润滑油介电常数(约2),水的加入会对润滑油的介电常数产生明显的影响,所以通过测量油液的介电常数的增加量来表征油中水分含量具有一定的可行性。例如


Kittiwake 公司开发的 FG-K163XX系列传感器,美国迪沃森公司开 发的EASZ-1型传感器,国内深圳先波公司开发的FWD-1水分传感 器等等。

⚫   基于水活度的水分传感器

国际上,用水活度Aw来直接衡量油的潮湿程度,它与单个油品 的水分饱和度成比例关系。该类传感器的代表为美国精良电子公司开发的HTM2500微水分传感器,该传感器能探测到润滑油中0-0.1%含 量的水分,主要用于油中溶解水的监测,还有兰维萨拉(Vaisala) 公司和奥地利E+E公司的系列产品等等。

3)磨粒传感器

由于润滑油中的磨粒特征包含了机器磨损的最原始的信息,能直接反应机器磨损的程度,所以对油中磨粒的监测显得尤为重要,而相对于油品传感器来说,磨粒传感器起步更早,技术更为成熟,测量原理也更丰富多样。从测量原理的角度出发,目前在线磨粒传感器主要可分为以下几类:

⚫   基于光电原理的磨粒传感器

   该类传感器利用激光或红外光作为光源,当光在油中传播遇到磨

粒时会发生散射现象,从而导致光电接收器探测到的光强度、密度下降,根据光强该变量的大小即可计算出油中磨粒的含量。基于该原理的具有代表性的传感器有美国ICM公司、HIAC/ROYCO公司生产的在线颗粒计数器和德国ARGO公司生产OPCom在线污染度传感器以及国内天津罗根科技有限公司开发的 KZ系列在线颗粒计数器等。


⚫   基于电磁感应原理的磨粒传感器

   该类传感器是技术最为成熟且应用最为广泛的传感器。其利用

LC振荡电路在缠缚于流道四周的线圈中产生交流电磁场,当油中金属磨粒流经该电磁场时,在磨粒中产生的电涡流效应将对线圈的磁通量大小(磁场强度)产生影响,因此通过测量磁场强度(线圈电感)的变化量及变化频率即可获得磨粒的大小及浓度。由于铁磁性磨粒与非铁磁性磨粒对磁场强度的影响效果相反,铁磁性磨粒对磁场强度的影响表现为增强,而非铁磁性则表现为削弱,因此基于该原理的磨粒传感器还可以区分铁磁性磨粒与非铁磁性磨粒。

4.2监测指标选择

 润滑

粘度

粘度精度   -5%~5%

J1939CAN2.0

B标准,   RS232或者 CAN2.0A数

字输出

密度

密度范围 0.65~1.5g/mL

介电常数

测量范围1.0~6.0

酸值

测量范围≤0.03mgkoh/L

水分

测量范围0.03~0.1mg/kg

电导率

测量范围 100~800000pS/m

温度

温度精度+/- 0.1℃

   

   


 污染

4um颗粒数目

4um<颗粒粒径<6um

颗粒数目

RS232       或

RS485

6um颗粒数目

6um颗粒粒径<14um的

颗粒数目

14um颗粒数目

14um颗粒粒径<21um

的颗粒数目

21um颗粒数目

21um>颗粒粒径

污染等级

Iso4406   NSA1638

>40<1000微米的铁颗

可测颗粒数目0~2000ppm

>135<1000微米的非铁

金属颗粒

可测颗粒数目0~2000ppm

 磨损

磨粒成像

反射、透射两种光源发射方


磨粒尺寸

磨粒图片获取后相关尺寸

统计

4.3汽轮机动态数据获取终端组成

控制流程部分由上位机、嵌入式RAM、执行部分组成,其中上位机起数据处理交互作用,嵌入式RAM执行上位机指令对电源模块、动力模块、采集模块等执行部件按照相应逻辑进行控制调整。


4.4终端智能采样实施

    拟用灰度预测识别检测过程中的数据变化进行调整,设备的运行 状态三种情况:稳定运行状态、异常运行状态、失效异常状态。 比如:在装备备刚开始运行时,首先会进入磨合阶段,磨合阶段的一个主要特征是:随着过程的进行,由磨损产生的颗粒会逐渐减少,逐渐进入润滑良好的稳定磨损状态。由异常磨损状态转化为稳定润滑状态。不同的润滑状态下,项目开发目标提取信息有很大差别,因此可以用来制定相应的智能化采样策略,步骤及计算如下:

文本框:Coil _ T ' = Coil _ T * b
Period _ T ' = Period _ T * b


图中:α、β是智能采样的配置系数,且α>1,β<1α、β具体的设置由不同设备的运行环境及磨损程度决定。Coli_TPeriod_T为当前设备采样参数,Coli_T¢Period_T¢是下一个采样周 期的采集参数。

通过上步骤可以看出智能化采样就是根据相应获取到的数据首先进行初次判断识别之后进行的自我工作模式调整功能,简单也可以来说是一个任务多种工作方式,另外智能采样不单单从传感器的工作


模式着手另外还必须具备相匹配的智能动作和执行策略,本项目从以下几点进行相关的实施:

动作因素

动作内容

所属部分

目的及意义

流速

◆    传感器自适应

◆    泄露自检配合

◆    定期沉积处理

摩擦采集

保障监测结果

保障系统安全

监测精度保障

压力

◆    传感器适应调整

◆    冲刷调整

◆    泄露自检配合

保障监测结果

监测精度保障

保障系统安全

流程

◆    按监测逻辑自我调整

◆    特征样获取

根据动态信息执行采集

自动取样

其它

◆    事故状态识别及输出

◆    系统自检结果输出

保障系统安全

保障系统安全

工作/停止

◆    按照逻辑传感器工作 休眠

◆    异常情况停止工作

系统

根据动态信息执行采集

传感器保护

输出

◆    系统异常输出

◆    指标异常输出

◆    传感器异常输出

◆    监测环境异常输出

应用对象保护

应用对象保护

保障系统可靠性

应用对象保护



获得特征样并留样




结果及建议输出



4.5系统的运行

下位机采集模块与上位机之间采用LAN接口,使用网线建立连接。通讯模式为上位机启动→根据IP地址连接下位机→建立通讯→ 下位机开始采集工作→根据通讯协议发出收回数据指令→下位机将采集数据打包上传→上位机收到数据后存入数据库→上位机将处理后数据回传给下位机,下位机执行现场显示。

4.系统软件

1)主要界面为监测参数实时界面,每个界面设置15个小视窗,由于参数较多,具备翻页功能,如果需要进行趋势绘图,选中参数视窗后生成趋势图。界面分布示意图如下:


2)单一参数界面图如下:具备单一参数趋势、上下限值、数据状态、选定切换等功能。

3)数据的存储分为两部分进行分区存储,一部分为原始数据,也就是说传感器发送过来的数据,另外一部分为PC机处理完毕的数据。4)常用数据查询、导出、打印等功能。

5)数据库通过本地通讯和上位机进行数据交换,数据库设定相关权限,以保证数据库的安全性。 6)软件输出包含理化指标、阈值范围。

五、多数据分析处理(第二阶段)

5.1基于SIS系统的动态数据交互

随着大数据理念的深入发展,越来越多的企业开始搭建属于自己的数据交换平台,做为电力生产企业近年来大量开始运用信息处理系统,如:SIS 系统( supervisory informationsystem),该系统是各种分散控制系统与企业管理应用系统(如ERP、EAM等)之间数据桥梁,为管理提供多层次的实时数据支持。为了降低本项目实施的经济性和成本因素,数据交互拟借助SIS系统实施,具体实施如下:

数据的机密性:数据无论在存储还是在传输过程中,只有基于企业内部SIS信息交互的拥有者和授权用户才能够访问数据链,其它任何用户都无法进行访问和数据获取,从理论上杜绝一切泄露数据的可能性。

数据的完整性:数据包含动态数据获取终端获取的数据、因素数据在内的原始数据和经过处理后的特征数据,系统在运行时数据进行备份存储,数据使用时进行权限控制,避免人为的篡改和损坏。

数据的可用性:数据交互网络的组建基于企业系统内部,所针对的应用对象相对来说集中,数据的处理时引用因素数据进行融合,其他端口进行分析结果及特征的引用首先进行因素数据比对,然后执行后续步骤,从而保障了数据的可用性。

5.2基于润滑介质蕴含信息的特征提取

针对汽轮机运行过程中的摩擦副,采用理论分析和机理性基础试验及台架试验研究其润滑介质蕴含信息与磨损之间的关系,方案见图3。为了提取汽轮机关键摩擦副的磨损表征方法,进行特征因素台试














 验,采用离线油液检测+在线监测方法,包括分析铁谱、颗粒计数器、以及图像可视在线铁谱传感器同时监测在线磨粒的浓度和形态学特征。最终获取基于润滑介质蕴含信息的量化磨损表面特征、多信息组成的设备故障失效影响组合权重以及基于生产时间的动态数列。













5.3 润滑介质全息耦合模型及运行健康指数评判

首先,结合汽轮机运行工况及摩擦学理论,分析润滑油性能衰变 模型、承载模型以及磨损状态模型之间的耦合关系,分别建立理化、污染、磨损三维信息的特征物理分量,根据物理原理提取针对每组特征物理分量的可测特征量,建立油液全息的可测变量表征体系见下图所示:


其次,将理化和污染的可测特征量与已有的磨损可测量相结合, 建立基于动态智能体的健康评估体系。

按照上述过程数据,分析提取摩擦学系统状态特征,并采用模糊聚类方法建立全寿命周期的状态输出特征(包括健康,亚健康,故障及失效),通过润滑油状态的在线数据与因素参数(运行环境数据、实施输出功率等)特征匹配方法,建立在线油液状态与机器健康状态间的模糊映射关系;

最后,针对火电汽轮机组在实际应用中的多工况特点,建立基于润滑油状态向量输入的基于遗传算法的神经网络模型,在台架实验与现场监测的基础上,采用神经网络算法对汽轮机组非线性健康状态模型的多变量信息进行动态的健康指数输出。


六、成功案例展示

火电安装实例

火电厂数据终端界面



工程车辆润滑油在线监测


风力发电齿轮箱润滑油在线监测

船舶发动机润滑油在线监测