Bloggen

Kan Sound mijnbouwpompstoringen vroegtijdig diagnosticeren?

Jul 01, 2026 Laat een bericht achter

Upgrade de traditionele handmatige luisterervaring naar een intelligent monitoringsysteem voor centrifugaalpompen. Akoestische signalen maken vroegtijdige -foutwaarschuwing mogelijk en verminderen ongeplande stilstandverliezen voor mijnpompen, mijndrainagepompen en producten van de fabrikant van meertrapspompen.

1. Twee soorten akoestische signalen

De akoestische signalen van de centrifugaalpomp omvatten hoorbaar geluid en akoestische emissie (AE), elk voor specifieke scenario's.

Hoorbaar geluid: Geïdentificeerd op-site door onderhoudspersoneel met lage kosten en eenvoudige bediening. Cavitatie genereert grind-achtige of knallende geluiden; lagerstoringen veroorzaken voortdurende metaalwrijving en hoog-gepiep, wat dient als een snel voorlopig oordeel ter plaatse-.

Akoestische emissie (AE): Hoog-elastische golven met een hoge signaal-tot-ruisverhouding voor het opvangen van beginnende fouten. AE-signalen treden op bij slijtage van het lagerrooster, de voortplanting van waaierscheuren en het instorten van cavitatiebellen. Sensoren ondersteunen nauwkeurige online monitoring voor voorspellend onderhoud.

 

info-800-781

 

2. Akoestische vingerafdrukken van vier typische fouten

Cavitatie: Veel voorkomende hydraulische storing gekenmerkt door aanhoudend knetterend geluid door implosie van de bel. AE-parameters zoals ring-downcount en RMS-spanning kwantificeren de ernst van de cavitatie met een goede pasvorm van meer dan 0,96. Bewezen in maritieme en overzeese gevallen, detecteert AE vroegtijdige cavitatie voordat het hoofd naar beneden valt en helpt bij het lokaliseren van het Best Efficiency Point (BEP).

Lager defect: Belangrijke oorzaak van het kapot gaan van de rotor, gekenmerkt door aanhoudend geritsel of scherp zoemend geluid. VMD-decompositie en omhullende spectrum-extractiefoutkenmerken; tijd-frequentiediagrammen geven de posities van lagerslijtage aan om trapsgewijze schade door wrijving van de rotor-stator te voorkomen.

Draag-ringwrijven: Wrijving tussen waaier en slijtring creëert duidelijke kurtosis-pieken in het frequentiespectrum. Akoestische-signaal-gebaseerde modellering zorgt voor waarschuwing vooraf en voorkomt ernstige slijtage en scherpe stroomvermindering.

Defecten aan rotorcomponenten: Het loszitten van de waaier en het buigen van de as veroorzaken periodiek impactgeluid. Het aantal AE-gebeurtenissen weerspiegelt rechtstreeks de voortgang van de rotorschade.

3. Volledige workflow voor intelligente akoestische diagnose

Signaalacquisitie:Microfoons verzamelen hoorbaar geluid; speciale AE-sensoren registreren hoogfrequente akoestische emissie. LabVIEW bouwt geïntegreerde online monitoringsystemen.

Voor-verwerking en ruisonderdrukking:Offset-superpositie versterkt foutkenmerken, terwijl afstandsevaluatie irrelevante industriële achtergrondgeluiden filtert.

Functie-extractie:Multi--dimensionale breukmarkeringen worden verkregen via tijd-domeinstatistieken, Fourier-spectrum, VMD en wavelet-tijd-frequentie-ontleding.

Intelligente identificatie:Machine{0}}learning-modellen, waaronder SVM en probabilistische neurale netwerken, classificeren fouten automatisch voor onbeheerde vroegtijdige waarschuwing.

4. Industrietoepassingen en bestaande uitdagingen

Toepassingen

Akoestische monitoring wordt ingezet in de olie- en gas-, maritieme, energie- en watersector. Het bewaakt de lagercondities van olie-veldapparatuur, identificeert cavitatie via het IVMD-algoritme voor scheepspompen, combineert handmatige stethoscopie en spectruminspectie voor watervoorzieningsstations, en elimineert assemblage-gerelateerd abnormaal geluid voor oliepompen- van krachtcentrales.

Uitdagingen

Sterke achtergrondruis op-site maskeert zwakke foutsignalen; gemengde akoestische kenmerken verschijnen onder gekoppelde fouten zoals cavitatie plus lagerschade; signaalmodellen missen universaliteit voor verschillende pomptypen en bedrijfsomstandigheden; conventionele feature-extractie is sterk afhankelijk van menselijke ervaring, en automatische mining-algoritmen worden nog steeds geoptimaliseerd.

5. Conclusie

Abnormaal geluid fungeert als een van de meest gevoelige vroege waarschuwingsindicatoren voor centrifugaalpompen. De combinatie van traditioneel handmatig luisteren met akoestische emissie en AI-algoritmen vormt een kosteneffectieve diagnoseoplossing. Met de bredere acceptatie van Industrial IoT en edge computing zal online akoestische monitoring aan populariteit winnen. Het helpt ernstige storingen te voorkomen, waaronder putjes in de rotor en vastlopen van lagers, en verbetert het volledige-levensvoorspellende-onderhoudsframework voor mijnpompen, mijndrainagepompen en producten van de fabrikant van meertrapspompen.

Aanvraag sturen