[发明专利]一种泵机组状态监测分析方法及系统

权利要求书

1.一种泵机组状态监测分析方法，其特征在于，包括如下步骤：

获取泵机组的实时运行数据；

从预设的信息数据库中调取预先存储的所述泵机组的正常运行数据范围；

结合所述实时运行数据和所述正常运行数据范围判断所述泵机组是否出现故障；

若所述泵机组出现故障，则根据所述实时运行数据识别所述泵机组的故障部位组件；

对所述故障部位组件进行故障趋势分析，得到趋势分析结果；

将所述故障部位组件的实时运行数据和所述趋势分析结果反馈至所述泵机组对应的负责人；其中，所述结合所述实时运行数据和所述正常运行数据范围判断所述泵机组是否出现故障包括：

判断所述实时运行数据是否超出所述正常运行数据范围；

若所述实时运行数据超出所述正常运行数据范围，则统计所述实时运行数据超出所述正常运行数据范围的持续时间；

判断所述持续时间是否超出预设的时间阈值；

若所述持续时间未超出所述时间阈值，则得到判断结果为所述泵机组未出现故障；

若所述持续时间超出所述时间阈值，则重置网络状态并临时获取所述泵机组的临时运行数据；

判断所述临时运行数据是否超出所述正常运行数据范围；

若所述临时运行数据超出所述正常运行数据范围，则得到判断结果为所述泵机组出现故障；若所述临时运行数据未超出所述正常运行数据范围，则得到判断结果为所述泵机组未出现故障。

2.根据权利要求1所述的一种泵机组状态监测分析方法，其特征在于，所述实时运行数据包括振动频率，所述若所述泵机组出现故障，则根据所述实时运行数据识别所述泵机组的故障部位组件包括如下步骤：

基于所述振动频率生成频谱图；

根据预设的所述泵机组各个部位组件的正常特征频率范围，将所述频谱图划分为多个部位组件频谱图，多个所述部位组件频谱图与所述泵机组各个部位组件一一对应；

逐个判断所述部位组件频谱图所示振动频率是否超出对应部位组件的正常特征频率范围；

若所述部位组件频谱图所示振动频率超出对应目标部位组件的正常特征频率范围，则将所述目标部位组件标记为故障部位组件。

3.根据权利要求1所述的一种泵机组状态监测分析方法，其特征在于，所述实时运行数据包括所述泵机组各部位组件的运行噪声，所述若所述泵机组出现故障，则根据所述实时运行数据识别所述泵机组的故障部位组件还包括如下步骤：

获取所有所述运行噪声的噪声振幅与噪声频率；

分别判断所述泵机组各部位组件的所述噪声频率是否超出预设的频率阈值；

若所述噪声频率超出所述频率阈值，则将对应的部位组件标记为故障部位组件。

4.根据权利要求3所述的一种泵机组状态监测分析方法，其特征在于，所述方法还包括如下步骤：

若所述噪声频率未超出所述频率阈值，则将对应的部位组件标记为目标部位组件；

计算所述目标部位组件的噪声振幅在所述预设的测试时间段内的平均振幅；

判断所述平均振幅是否超出预设的振幅阈值；

若所述平均振幅超出所述振幅阈值，则将所述目标部位组件标记为故障部位组件。

5.根据权利要求2或4中任意所述的一种泵机组状态监测分析方法，其特征在于，在所述将所述目标部位组件标记为故障部位组件之后还包括如下步骤：

构建神经网络模型；

存储所述故障部位组件出现故障时的故障运行数据；

结合所述正常运行数据范围和所述故障运行数据优化所述神经网络模型，得到故障识别神经网络模型。

6.根据权利要求1所述的一种泵机组状态监测分析方法，其特征在于，所述对所述故障部位组件进行故障趋势分析，得到趋势分析结果包括如下步骤：

获取所述故障部位组件的历史故障数据；

构建故障趋势预测模型；

基于所述历史故障数据优化所述故障趋势预测模型；

通过优化后的故障趋势预测模型对所述故障部位组件的实时运行数据进行故障趋势分析，得到趋势分析结果。

7.一种泵机组状态监测分析系统，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如权利要求1至6中任一项所述的一种泵机组状态监测分析方法。