基于大数据平台的火电厂泵类设备故障诊断技术分析
摘 要：泵类产品在工业生产中有着广泛的应用，其工作运行中的稳定性对生产活动有着重要影响。故障诊断技术对维持泵的正常运行有着重要意义，随着大数据技术的发展，故障诊断结合大数据技术将为泵类设备提供更好保障。本文综合分析了泵类故障诊断技术与大数据技术的发展趋势和关键技术，指出智能化故障诊断面临的挑战与发展趋势。
关键词：故障诊断;大数据;智能化;工业泵
1 引言
在工业生产中，泵作为一种通用机械其地位无可取代，其中石化用泵、电力用泵又占极大部分。由于我国目前发电情况是以火电为主力，而泵在火电厂所发挥的作用非常重要。泵类设备作为生产系统重要的环节，一旦发生故障容易导致整个生产系统瘫痪，其造成的直接和间接损失无法估量，因而保证泵的正常运行十分重要。
通过对泵类设备进行状态监测和故障诊断，可实时监测设备的生产状态，若有异常状态发生，以报警方式对相关人员进行及时通知，从而减少因故障带来的人力和物力的成本损失，以及提高设备和系统的可靠性。
2 国内外状态监测、故障诊断技术的研究进展
现代信息技术发展已经取得了快速的进步，如计算机技术、人工智能技术和传感器技术，利用这些技术同状态监测和故障诊断理论进行结合，使得状态监测和故障诊断技术得以应用于实际生产环境中。
美国于1967年成立了机械故障预防小组，英国几乎同时期成立'英国机器保健中心“，他们在故障分析及诊断技术开发等诸多方面取得了很大成就。欧洲的部分国家凭借着对诊断技术的深度研究，已经在该领域取得了较为不错的成绩。丹麦和日本也都针对机械设备推出了适合不同工业领域应用的状态监测和故障诊断系统，例如核电站和商业热电站。
此外，国内对于状态监测和故障诊断技术也有一定的研究，许多企业和高校对此做了相关的理论研究和系统开发，并已有较好的成果展现。例如，南京航空航天大学、华南理工大学和浙江大学针对远程故障诊断的研究取得了不错的成绩。华中理工大学构建了设备故障远程诊断中心，目的是为客户提供远程诊断服务，也取得了相应的成果。
状态监测和故障诊断技术主要经历了人的现场观察、测量仪器和计算机管理三个发展阶段。最初的人的现场观察阶段主要由人根据以往经验，通过对设备的振动，温度等机械状态进行观察和判断，分析过程中往往需要进行专家讨论，来确定设备的故障原因和运行状态，这种原始阶段的方法显然耗时费力，对人的经验要求...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
