一种LNG接收站低温潜液泵故障监测方法、系统及设备

技术领域

本发明涉及故障监测技术领域，特别是涉及一种LNG接收站低温潜液泵故障监测方法、系统及设备。

背景技术

液化天然气(LNG)接收站是接收、储存和外输液化天然气的大型装置。LNG接收站包括LNG接卸工段、LNG存储工段、BOG处理工段、LNG加压气化工段、天然气计量及外输工段和LNG装车段。低温潜液泵是LNG接收站的重要设备，包括高压外输泵和罐内低压泵，其中高压外输泵其主要作用是将LNG增压之后再进行汽化外输，罐内低压泵主要作用是将LNG升压后输送到低压LNG总管。目前主要使用人工点检振动信号对低温潜液泵的运行状态进行监测，这种监测方式缺乏自动化、智能化和科学化，不能够及时发现低温潜液泵运行异常状态，且需要耗费大量的人力资源，导致监测的总体效果不理想，不能够快速制定出维修方案，导致对低温潜液泵的维护效率降低。

发明内容

本发明的目的是提供一种LNG接收站低温潜液泵故障监测方法、系统及设备，能够实时完成LNG接收站低温潜液泵的故障监测，同时提高故障监测精度。

为实现上述目的，本发明提供了如下方案：

一种LNG接收站低温潜液泵故障监测方法，包括：

获取LNG接收站低温潜液泵的实时振动信号；

提取实时振动信号的多个实时特征值；

将多个所述实时特征值均输入所述故障识别模型，得到LNG接收站低温潜液泵的故障状态；所述故障状态包括是否故障，以及故障类型和故障位置；所述故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的；所述深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。

可选的，在所述获取LNG接收站低温潜液泵的实时振动信号之前，还包括：

构建深度残差收缩网络；

获取LNG接收站低温潜液泵的多个历史振动信号；

分别对每个历史振动信号的故障状态进行标注；

分别对每个历史振动信号进行特征提取，得到每个历史振动信号对应的历史特征值组；

以所述历史振动信号对应的历史特征值组为输入，以历史振动信号的故障状态为输出，对所述深度残差收缩网络进行训练，得到故障识别模型。

可选的，所述实时特征值包括实时振动信号的振动有效值、振动时域特征值和振动频域特征值。

一种LNG接收站低温潜液泵故障监测系统，包括：

实时振动信号获取门口，用于获取LNG接收站低温潜液泵的实时振动信号；

实时特征值提取模块，用于提取实时振动信号的多个实时特征值；

故障状态识别模块，用于将多个所述实时特征值均输入所述故障识别模型，得到LNG接收站低温潜液泵的故障状态；所述故障状态包括是否故障，以及故障类型和故障位置；所述故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的；所述深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。

可选的，所述系统还包括：

深度残差收缩网络构建煤矿，用于构建深度残差收缩网络；

历史振动信号获取模块，用于获取LNG接收站低温潜液泵的多个历史振动信号；

标注模块，用于分别对每个历史振动信号的故障状态进行标注；

历史特征值组提取模块，用于分别对每个历史振动信号进行特征提取，得到每个历史振动信号对应的历史特征值组；

训练模块，用于以所述历史振动信号对应的历史特征值组为输入，以历史振动信号的故障状态为输出，对所述深度残差收缩网络进行训练，得到故障识别模型。

可选的，所述实时特征值包括实时振动信号的振动有效值、振动时域特征值和振动频域特征值。

一种LNG接收站低温潜液泵故障监测设备，可选的，所述设备应用所述的一种LNG接收站低温潜液泵故障监测方法，所述设备包括：

振动加速度传感器、安全栅、本特利监测系统、接线端子、采集卡和工控机；

所述振动加速度传感器设置于LNG接收站低温潜液泵的预设范围内；所述振动加速度传感器通过屏蔽线缆与安全栅连接；所述振动加速度传感器用于获取LNG接收站低温潜液泵的实时振动信号；

所述安全栅通过屏蔽线缆与所述本特利监测系统连接；所述安全栅用于将所述实时振动信号传输至所述本特利监测系统；

所述本特利监测系统通过BNC连接线与所述接线端子连接；所述接线端子通过屏蔽线缆与所述采集卡连接；所述采集卡插接在所述工控机上与所述工控机连接；所述本特利监测系统用于将所述实时振动信号通过所述接线端子传输至所述工控机；

所述工控机嵌设有故障识别模型，所述工控机用于提取实时振动信号的多个实时特征值，将多个所述实时特征值均输入所述故障识别模型，得到LNG接收站低温潜液泵的故障状态；所述故障状态包括是否故障，以及故障类型和故障位置；所述故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的；所述深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。

可选的，所述实时特征值包括实时振动信号的振动有效值、振动时域特征值和振动频域特征值。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供的一种LNG接收站低温潜液泵故障监测方法、系统及设备，包括：获取LNG接收站低温潜液泵的实时振动信号；提取实时振动信号的多个实时特征值；将多个实时特征值均输入故障识别模型，得到LNG接收站低温潜液泵的故障状态；故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的。深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。本发明通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到深度残差收缩网络并训练，能够实时完成LNG接收站低温潜液泵的故障监测，同时提高故障监测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1中LNG接收站低温潜液泵故障监测方法流程图；

图2为本发明实施例3中LNG接收站低温潜液泵故障监测设备结构示意图；

图3为本发明实施例3中LNG接收站低温潜液泵故障监测设备数据传输图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。

本发明的目的是提供一种LNG接收站低温潜液泵故障监测方法、系统及设备，能够实时完成LNG接收站低温潜液泵的故障监测，同时提高故障监测精度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1所示，本实施例提供了一种LNG接收站低温潜液泵故障监测方法，包括：

步骤101：获取LNG接收站低温潜液泵的实时振动信号。

步骤102：提取实时振动信号的多个实时特征值。实时特征值包括实时振动信号的振动有效值、振动时域特征值和振动频域特征值。

步骤103：将多个实时特征值均输入故障识别模型，得到LNG接收站低温潜液泵的故障状态。故障状态包括是否故障，以及故障类型和故障位置。故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的。深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。

在步骤101之前，还包括：

步骤104：构建深度残差收缩网络。

步骤105：获取LNG接收站低温潜液泵的多个历史振动信号。

步骤106：分别对每个历史振动信号的故障状态进行标注。

步骤107：分别对每个历史振动信号进行特征提取，得到每个历史振动信号对应的历史特征值组。

步骤108：以历史振动信号对应的历史特征值组为输入，以历史振动信号的故障状态为输出，对深度残差收缩网络进行训练，得到故障识别模型。

实施例2

为了执行上述实施例1对应的方法，以实现相应的功能和技术效果，下面提供了一种LNG接收站低温潜液泵故障监测系统，包括：

实时振动信号获取门口，用于获取LNG接收站低温潜液泵的实时振动信号。

实时特征值提取模块，用于提取实时振动信号的多个实时特征值。实时特征值包括实时振动信号的振动有效值、振动时域特征值和振动频域特征值。

故障状态识别模块，用于将多个实时特征值均输入故障识别模型，得到LNG接收站低温潜液泵的故障状态。故障状态包括是否故障，以及故障类型和故障位置。故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的。深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。

深度残差收缩网络构建煤矿，用于构建深度残差收缩网络。

历史振动信号获取模块，用于获取LNG接收站低温潜液泵的多个历史振动信号。

标注模块，用于分别对每个历史振动信号的故障状态进行标注。

历史特征值组提取模块，用于分别对每个历史振动信号进行特征提取，得到每个历史振动信号对应的历史特征值组。

训练模块，用于以历史振动信号对应的历史特征值组为输入，以历史振动信号的故障状态为输出，对深度残差收缩网络进行训练，得到故障识别模型。

实施例3

本实施例提供了一种LNG接收站低温潜液泵故障监测设备，设备应用如实施例1所述的一种LNG接收站低温潜液泵故障监测方法，设备包括：振动加速度传感器、安全栅、本特利监测系统、接线端子、采集卡和工控机。

振动加速度传感器设置于LNG接收站低温潜液泵的预设范围内。振动加速度传感器通过屏蔽线缆与安全栅连接。振动加速度传感器用于获取LNG接收站低温潜液泵的实时振动信号。安全栅通过屏蔽线缆与本特利监测系统连接。安全栅用于将实时振动信号传输至本特利监测系统。本特利监测系统通过BNC连接线与接线端子连接。接线端子通过屏蔽线缆与采集卡连接。采集卡插接在工控机上与工控机连接。本特利监测系统用于将实时振动信号通过接线端子传输至工控机。工控机嵌设有故障识别模型，工控机用于提取实时振动信号的多个实时特征值，将多个实时特征值均输入故障识别模型，得到LNG接收站低温潜液泵的故障状态。故障状态包括是否故障，以及故障类型和故障位置。故障识别模型是利用LNG接收站低温潜液泵标注后的历史振动信号，对深度残差收缩网络进行训练得到的。深度残差收缩网络是通过向卷积网络中每两个卷积层的输入和输出之间添加一条跳跃连接后得到的。实时特征值包括实时振动信号的振动有效值、振动时域特征值和振动频域特征值。

如图2-图3所示，具体的，本发明提供的LNG接收站低温潜液泵故障监测设备包括采集系统及服务系统，采集系统包括振动加速度传感器、安全栅、屏蔽线缆、本特利监测系统、接线端子、BNC连接线、采集卡和工控机；采集卡插在工控机IO口内；工控机安装有Windows振动信号采集服务；服务系统部署有故障诊断系统软件Web服务；振动加速度传感器安装于LNG接收站低温潜液泵电机轴承端，安全栅、本特利监测系统安装在LNG接收站机柜中，接线端子、BNC连接线、采集卡安装在采集系统机柜中，振动加速度传感器使用屏蔽线与安全栅连接，并由其进行供电，同时将采集到的信号经安全栅输出，通过屏蔽线缆将数据接入本特利监测系统，本特利监测系统与接线端子通过BNC连接线连接，振动信号通过接线端子通过屏蔽线缆进入采集卡，最后通过PCI总线进入工控机；工控机与服务器组成局域网进行通信连接。

采集系统的工作原理如下：LNG接收站低温潜液泵为旋转设备，其常见故障原因包括：转子不平衡、转子不对中、转轴弯曲、连接松动、碰磨、转子过盈件过盈不足、部件松动、叶轮磨损断裂、滚动轴承故障等情况，通过振动信号可以很好地反映故障，故采用采集系统对LNG接收站低温潜液泵的运行状态进行实时振动数据监测。工控机上开发的Windows服务将采集卡电信号转换为加速度信号作为原始时域信号，提取一系列时域特征参数，通过傅里叶变换将时域信号转换为频域信号，将时域信号、时域特征参数、频域信号存储至工控机硬盘中，并传递给服务器部署的故障诊断软件Web服务。服务器部署的故障诊断软件Web服务有故障预警、故障诊断两大功能。若LNG接收站低温潜液泵发生故障，软件自动进行故障预警并记录，方便用户查看；且用户可以根据软件的故障诊断功能进行故障的精确定位。

工控机中LNG接收站低温潜液泵故障检测流程如下：

(1)在LNG接收站低温潜液泵的电机轴承端布置振动加速度传感器。

(2)振动加速度传感器将实时振动数据通过屏蔽线缆传入安全栅再通过屏蔽线缆传入本特利监测系统。

(3)本特利监测系统通过与安装在机柜间的采集系统硬件连接将实时振动数据传入工控机。

(4)工控机安装的振动数据采集Windows服务将数据由电压信号转换为加速度信号作为原始信号，并将原始信号通过数字信号处理手段处理得到处理信号，将两种信号直接内存存储在工控机硬盘中，并向服务系统传输。

其中，具体的Windows服务处理方法如下：

(4-a)基于实际生成运行环境，设置一分钟采集一次振动数据的程序条件；

(4-b)Windows服务振动数据采集由创建新任务，开启虚拟通道，配置时序参数，验证任务，从通道获取数据几步构成；

(4-c)最后将从通道获取的数据存储到工控机硬盘中，并且向指定服务器发生数据。

(5)服务系统部署的故障诊断系统软件Web服务后端接受工控机传输来的数据，前端通过Axios请求原始数据和处理出局并展示在浏览器中。

(6)故障诊断系统软件Web服务进行分析计算，做到故障预警以及故障诊断。

(7)其中具体的分析方法如下：

(7-a)充分了解LNG接收站低温潜液泵结构、组件，包括基础、轴承、密封件、叶轮等，通过软件建立低温潜液泵的物理模型，详细描述LNG接收站低温潜液泵的几何形状和物理特性，设置各组件的参数，包括刚度、阻尼等，通过转子动力学模块模拟低温潜液泵的运行。

(7-b)通过改变LNG接收站低温潜液泵物理模型，包括LNG接收站低温潜液泵常见故障带来的结构及运动改变，如转子不平衡、转子不对中等，接着通过对改变以后的物理模型进行特征频率研究，得到LNG接收站低温潜液泵在这些故障工况下的振动频谱、特征频率等数据，并通过大量仿真实验及数学分析手段确定这些故障工况下的特征值，共20个，包括振动有效值、振动时域特征值、振动频域特征值等；

(7-c)将上述仿真实验结果作为标准阈值嵌入到故障诊断系统软件Web服务中，其中将仿真得到的理想状况下的LNG接收站低温潜液泵振动有效值作为预警阈值，软件会通过实时振动数据实时计算有效值，并且与预警阈值做对比，超过则表示低温潜液泵发生故障。

(7-d)软件嵌入了一种深度残差收缩网络模型，首先对LNG接收站低温潜液泵进行长达数月的数据采集工作，组成低温潜液泵原始数据集，对原始数据集进行降噪处理并去除信号中由于采集设备故障或传输故障所产生的异常数据，然后通过特征提取振动信号的特征，与通过大量仿真实验得到的20个特征值进行对比，并将这些特征融合成高维特征数据集，然后进行归一化处理，再将数据集按照一定的比例拆分为训练集和测试集，将训练集输入到神经网络中进行训练，之后通过调节Epoch的大小，得到最优化故障诊断模型，最后利用测试集对得到的模型进行测试，实现低温潜液泵的故障分类。

(7-e)由于需要对低温潜液泵进行长期的监测，且采集过程中会出现许多外部干扰的情况，因此采集到的数据有高噪声、高冗余的的特征，因此本发明嵌入一种深度残差收缩网络模型，这个网络进行相关训练时，其损耗是通过卷积层的方式来达到逆向传播的。该网络中包括了10层卷积层，每隔两个隐层就会插入一个残差项进行跳跃链接，在每个残差项输出的位置进行软阈值化，主要目的就是提取低温潜液泵的深层特征以及降噪处理。

(7-f)本发明嵌入的神经网络中的残差学习模块，与传统卷积网络多不同的是，残差模块的特点就是在两个卷积层的输入和输出之间增加了一条跳跃连接，构成层级回退机制。输入x经过卷积层和激活层，获得特征转换后的输出F(x)，然后在输入x的相应位置上加上F(x)的元素，接着由非线性激活函数ReLU获得输出的结果。当残差块的输入为x

(7-g)本发明嵌入的神经网络中的残差收缩学习模块，就是通过用残差项的恒等映射，实现该网络的逆向传递，最后通过运用软阈值法来减少振动信号中的噪声影响，进而使得网络模型得到进一步优化，该网络可以根据样本本身的状态通过注意力机制自主调节阈值，在经过隐层1后通过ReLU函数作用得到的a

(7-h)最后收集到四种不同故障类型的数据，分别为转子不平衡、转子不对中、滚动轴承故障和叶轮故障，并综合正常运行状态，将其划分为五类标签。

(7-i)通过在生产现场的数据采集，以及LNG接收站历史运行记录的故障数据，通过将输入层尺寸为20×20的样本进行池化操作，进而得到尺寸为10×10的特征尺寸，然后将其依次输入到后面四层隐层中，在经过四个具有相同参数的隐层后进行一次池化操作，这一步骤可以将特征尺寸进行压缩，得到5×5的特征尺寸，在经过第十层隐层后进行最后一次的池化处理，将压缩后的特征图输入到全连接层。最后，将数据流所提取到的特征通过Softmax分类器来进行故障分类。包含上述五中类型的数据，对上述数据集进行400次训练，得到模型的输出结果：训练得到的模型正确率在训练到200次时趋于平缓，正确率在90％～93％之间浮动，且模型在训练集上识别正常状态表现良好，正确率等于100％，识别不平衡故障正确率为81.6％，识别不对中故障的正确率为99.5％，识别滚动轴承故障的正确率为97.8％，识别叶轮故障的正确率为97.2％。因此该发明嵌入的一种深度残差收缩网络模型能对低温潜液泵常见故障进行有效的分类。

(7-j)由于神经网络具有较强的拟合能力，因此软件会将报警后的异常数据进行随机打散，然后将此数据集作为一种深度残差收缩网络模型的输入层进行训练，最后输出分类结果，并展示在软件平台上，完成故障诊断。

(8)用户通过连接到互联网的计算机上登录用户地址的IP实现Web服务的访问，实时振动数据查看，故障诊断结果查看及故障诊断。

通过本发明的采集系统对运行工况下的LNG接收站低温潜液泵进行实时监控，并将监控的振动数据反馈至工控机，由于工控机安装由Windows服务，通过Windows服务将实时振动数据、处理数据直接内存存储并传递给服务器，于部署在服务器上的Web服务展示出来；本发明通过振动加速度传感器实时监控LNG接收站低温潜液泵，且部署在低温潜液泵的电机轴承端处，可以通过振动信号传递低温潜液泵整体运行状态的信息，通过安装于工控机的Windows服务存储实时监测数据并存储于工控机硬盘中，保证对监测数据进行管理，防止数据丢失；此外，本发明中服务器部署有故障振动系统软件Web服务，软件能经过一系列振动数据处理手段，在LNG接收站低温潜液泵发生异常时，自动做出故障预警，且用户可以通过Web服务将异常数据进行故障诊断分析，快速确定故障原因、部位，帮助用户高效制定维修维护方案，相对比现有技术，建立了实时的在线监测系统，既能保障低温潜液泵安全可靠运行，又能提高LNG接收站生产运行管理效率。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本

发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。