CN118243200B - 一种气体涡轮流量计故障诊断方法及系统 - Google Patents

Abstract

本发明公开了一种气体涡轮流量计故障诊断方法及系统，具体涉及气体涡轮流量计诊断技术领域；首先，判断实时检测到的流量计系统中气体流经区域的温度是否出现异常；然后，当检测到的实时温度为异常状态时，评估传感器输出值的准确性；对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；接着，将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能，对气体涡轮流量计的整体性能进行划分，最后，对一段时间内气体涡轮流量计的整体性能变化情况进行分析，对流量计存在的潜在问题进行及时预测预警，确保气体涡轮流量计在复杂工作环境中的可靠性。

Description

一种气体涡轮流量计故障诊断方法及系统

技术领域

本发明涉及气体涡轮流量计诊断技术领域，具体涉及一种气体涡轮流量计故障诊断方法及系统。

背景技术

气体涡轮流量计故障诊断是指对气体涡轮流量计可能出现的问题进行分析和排查，以确定其正常工作状态的过程。这种诊断工作通常包括检查传感器的输出是否准确，确认电路连接是否良好，检查机械部件是否受损或堵塞等。通过细致的故障诊断，可以及时发现并解决气体涡轮流量计可能存在的问题，确保其正常运行，提高生产效率和系统可靠性。

现有技术存在以下不足之处：

现有技术中，气体涡轮流量计的性能可能易受到温度影响，如果在极端温度条件下使用，比如过高或过低的温度，可能导致部件故障，从而会对流量计的整体性能造成干扰。同时，若涡轮流量计的性能出现异常，可能导致测量精度下降，无法准确测量气体流量。可能导致生产过程中的控制失效，影响产品质量和生产效率。

气体涡轮流量计在极端温度条件下使用出现故障是指：如果环境温度过高，流量计的各个部件可能会因为热膨胀而发生形变，导致尺寸变化。这可能导致机械部件的卡死、密封件的失效或者传感器的扭曲，进而影响到流量计的正常工作。此外，过高的温度也可能导致部件材料的热老化，使其性能逐渐下降，甚至失效。

当环境温度过低时，流量计内的液体或气体介质可能会冷却到冰点以下，导致冻结。这会导致管道、传感器等部件结冰，造成流动阻力增加，甚至堵塞管道。此外，低温环境可能导致流量计内部部件的机械刚性降低，增加了摩擦和磨损，从而影响到流量计的准确性和稳定性。

发明内容

本发明的目的是提供一种气体涡轮流量计故障诊断方法及系统，以解决背景技术中不足。

为了实现上述目的，本发明提供如下技术方案：一种气体涡轮流量计故障诊断方法，包括以下步骤：

S1：对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；

S2：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；

S3：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；

S4：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；

S5：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；

S6：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。

在一个优选地实施方式中，S1中，使用模糊逻辑算法将实时检测到的温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常，具体包括：

将实时检测到的温度和设计温度范围划分为模糊集合，包括低温、正常温度，高温三个类别；

将实时检测到的温度值通过隶属函数进行模糊化，得到各个模糊集合的隶属度；

基于设计温度范围和实时检测到的温度的模糊集合，定义模糊规则；

根据实时检测到的温度的模糊集合和定义的模糊规则，进行模糊推理；

通过去模糊化操作，将模糊推理得到的模糊结果转换为具体的数值。

在一个优选地实施方式中，通过模糊中心法将模糊推理得到的模糊结果转换为具体的数值，具体为：

对于每个输出模糊集合，计算其隶属函数的中心位置，对于三角形隶属函数，中心即为峰值点；对于梯形隶属函数，中心则通过加权平均来计算；

将每个输出模糊集合的中心与其隶属度进行加权平均，得到最终的温度输出值，加权平均的权重即为每个输出模糊集合的隶属度；

将获取到的温度输出值与预先设置的温度标准范围进行比较，预先设置的温度标准范围为：~；若温度输出值小于，将实时温度标记为低温，若温度输出值大于等于且小于等于，将实时温度标记为正常温度，若温度输出值大于，将实时温度标记为高温，将高温和低温状态下的实时温度标记为异常温度。

在一个优选地实施方式中，S2中，将当前的传感器输出值与历史数据进行比较，根据比较结果获取传感器输出值偏差指数，评估传感器输出值的准确性，则传感器输出值偏差指数的获取方法为：

通过监控界面实时获取当前传感器输出值，并将获取到的当前传感器输出值构建时间序列Q=；并获取对应的历史数据时间序列C=；将当前传感器输出值的时间序列和历史数据时间序列进行对比分析，构建一个n×m的矩阵D，其中D(i,j)表示Q中第i个点和C中第j个点之间的距离，计算当前传感器输出值与历史数据之间的相似度，具体的计算表达式为：D(i,j)=；式中，D(i,j)为当前传感器输出值与历史数据之间的相似度；

构建一个n×m的累积矩阵M，其中M(i,j)表示从(1,1)到(i,j)的最小累积距离，具体的计算表达式为：；其中，边界条件为：；；i∈[2,n]；；j∈[2,m]；

从M(n,m)开始回溯找到最优路径W，该路径表示最小累积距离的对齐方式，回溯路径的步骤为：从(n,m)开始，向前寻找最小值：从M(i,j)到；重复该步骤直到到达 (1,1)；

根据时间序列Q和C之间的总距离，即最小累积距离M(n,m)，计算最小累积距离与路径长度之比，即计算传感器输出值偏差指数，具体的计算表达式为：；式中，为传感器输出值偏差指数，为最优路径W的长度，即M(i,j)到之间的最小值；

将获取到的传感器输出值偏差指数与传感器输出值偏差指数参考阈值进行比较，若传感器输出值偏差指数大于等于传感器输出值偏差指数参考阈值，此时生成流量计异常信号；若传感器输出值偏差指数小于传感器输出值偏差指数参考阈值，此时生成流量计正常信号。

在一个优选地实施方式中，S3中，根据不同压力条件下涡轮叶片转速的响应情况获取转速冲击振动异常指数，评估涡轮在不同流速下的响应稳定性，则转速冲击振动异常指数的获取方法为：

对转速数据进行小波变换，获取信号的时频图谱，具体的计算表达式为：；式中，x(t)是预处理后的转速信号，是小波基函数，和分别是尺度和平移参数；

根据时频图谱的特征，识别转速变化的时域和频域结构，根据振动成分的幅值，提取出转速振动信号，获取在频带x内的振动强度；即时频图谱的局部极大值，其中，频带内的振动强度的具体计算表达式为：；其中，在频带x内；

根据振动信号的时频特性以及频带内的振动强度，计算转速冲击振动异常指数，具体的计算表达式为：；式中，为转速冲击振动异常指数，N为选择的频带数量，w为频带x的权重；

将获取到的转速冲击振动异常指数与转速冲击振动异常指数参考阈值进行比较，若转速冲击振动异常指数大于等于转速冲击振动异常指数参考阈值，此时生成涡轮响应异常信号；若转速冲击振动异常指数小于转速冲击振动异常指数参考阈值，此时生成涡轮响应正常信号。

在一个优选地实施方式中，S4中，将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，具体为：

将传感器输出值偏差指数以及转速冲击振动异常指数进行归一化处理，通过归一化处理后的传感器输出值偏差指数以及转速冲击振动异常指数计算气体涡轮流量计整体性能的异常评估系数。

在一个优选地实施方式中，S5中，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别，具体为：

将获取到的气体涡轮流量计整体性能的异常评估系数与梯度标准阈值进行比较，梯度标准阈值包括第一标准阈值和第二标准阈值，且第一标准阈值小于第二标准阈值，将获取到的气体涡轮流量计整体性能的异常评估系数分别与第一标准阈值和第二标准阈值进行对比；

若气体涡轮流量计整体性能的异常评估系数大于第二标准阈值，将其划分为性能异常；若气体涡轮流量计整体性能的异常评估系数大于等于第一标准阈值且小于等于第二标准阈值，将其划分为性能可能正常；若气体涡轮流量计整体性能的异常评估系数小于第一标准阈值，将其划分为性能正常。

在一个优选地实施方式中，S6中，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，具体为：

当气体涡轮流量计的整体性能为性能可能正常时，即在一段时间内气体涡轮流量计整体性能的异常评估系数大于等于第一标准阈值且小于等于第二标准阈值，将后续一段时间内气体涡轮流量计整体性能的异常评估系数进行持续采集，并将采集到的异常评估系数建立数据集合，将数据集合内的异常评估系数与异常评估系数参考阈值进行对比分析，计算流量计的风险系数；

将数据集合内的异常评估系数与异常评估系数参考阈值进行比较，对流量计出现故障的风险趋势进行分析，计算流量计的风险趋势指数，具体的计算表达式为：；式中，为风险趋势指数，为异常评估系数参考阈值，h为集合内异常评估系数的总数，k为异常评估系数的标号，且，为大于0的正整数，为气体涡轮流量计整体性能的异常评估系数；

分别计算集合内所有异常评估系数的均值和标准差，使用z-score来检测异常，即计算流量计的风险系数，具体的计算表达式为：；式中，为流量计的风险系数。

在一个优选地实施方式中，将获取到的流量计的风险系数与风险系数参考阈值进行比较，若风险系数大于等于风险系数参考阈值，此时生成预警信号；若风险系数小于风险系数参考阈值，此时不生成预警信号。

本发明还提供了一种气体涡轮流量计故障诊断系统，包括温度监测模块、传感器数据分析模块、响应评估模块，综合分析模块，性能划分模块以及预测预警模块；

温度监测模块：对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；

传感器数据分析模块：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；

响应评估模块：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；

综合分析模块：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；

性能划分模块：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；

预测预警模块：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。

在上述技术方案中，本发明提供的技术效果和优点：

1、本发明通过对气体涡轮流量计的实时温度监测、传感器输出值分析以及涡轮响应稳定性的评估，提供了一个全面的故障诊断和性能评估方法。首先，通过实时检测气体流经区域的温度，并将其与设计温度范围进行比较，可以及时发现并处理温度异常问题，避免因极端温度导致的部件故障和测量精度下降。此外，通过持续采集和分析传感器输出值，结合历史数据，能够准确判断传感器的准确性，并通过分析不同压力条件下涡轮叶片的响应稳定性，全面评估流量计的整体性能。这种多维度的评估方法确保了流量计在复杂工作环境中的可靠性和精度。

2、本发明通过实时监测和数据分析，持续采集异常评估系数，并计算风险系数，进一步提高了系统的预测性维护能力。将风险系数与其参考阈值进行比较，可以及时生成预警信号，安排详细检查以防范潜在问题。这种方法不仅能防止设备因故障导致的停机，还能优化维护计划，减少紧急维修的高昂费用，从而确保生产过程的连续性和稳定性，提高生产效率和产品质量。通过及时发现和处理潜在问题，大幅提升了气体涡轮流量计的可靠性和使用寿命。

附图说明

为了更清楚地说明本申请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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明的方法流程图。

图2为本发明的系统模块图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

实施例1

请参阅图1所示，本实施例所述一种气体涡轮流量计故障诊断方法，包括以下步骤：

S1：对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；

S2：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；

S3：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；

S4：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；

S5：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；

S6：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。

其中，在S1中，对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常，具体为：

在流量计系统中安装温度传感器或使用其他温度检测设备，实时监测气体流经区域的温度。这个温度值可以在流量计系统的监控界面上或其他显示设备上实时显示。

使用模糊逻辑算法将实时检测到的温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常，具体包括：

将实时检测到的温度和设计温度范围划分为模糊集合，包括低温、正常温度，高温三个类别。每个模糊集合可以使用三角形或梯形隶属函数进行描述。

将实时检测到的温度值通过隶属函数进行模糊化，得到各个模糊集合的隶属度。

基于设计温度范围和实时检测到的温度的模糊集合，定义一系列模糊规则。例如：如果实时温度为低温，则存在异常；如果实时温度为正常温度，则为正常；如果实时温度为高温，则存在异常。

根据实时检测到的温度的模糊集合和定义的模糊规则，进行模糊推理。使用模糊逻辑运算，如模糊与、模糊或等，根据规则的置信度计算出每个输出的模糊集合。

最后，通过去模糊化操作，将模糊推理得到的模糊结果转换为具体的数值。

其中，可以通过模糊中心法将模糊推理得到的模糊结果转换为具体的数值，具体为：

对于每个输出模糊集合，计算其隶属函数的中心位置，对于三角形隶属函数，中心即为峰值点；对于梯形隶属函数，中心则通过加权平均来计算；

将每个输出模糊集合的中心与其隶属度进行加权平均，得到最终的温度输出值，加权平均的权重即为每个输出模糊集合的隶属度。

将获取到的温度输出值与预先设置的温度标准范围进行比较，预先设置的温度标准范围为：~；若温度输出值小于，将实时温度标记为低温，若温度输出值大于等于且小于等于，将实时温度标记为正常温度，若温度输出值大于，将实时温度标记为高温，将高温和低温状态下的实时温度标记为异常温度。

S2：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性。

实时采集流量计传感器的输出数据。通常这会通过系统的监控界面或者数据记录设备来实现。持续采集可以帮助捕捉实时的传感器表现。将实时采集的数据存储在数据库中，以便后续分析。同时，应保存一定时间段内的历史数据，确保有足够的参考信息进行比较。对采集到的实时数据和历史数据进行预处理，包括数据清洗、去噪声和缺失值处理，确保数据的准确性和完整性。

将当前的传感器输出值与历史数据进行比较，根据比较结果获取传感器输出值偏差指数，评估传感器输出值的准确性，则传感器输出值偏差指数的获取方法为：

通过监控界面实时获取当前传感器输出值，并将获取到的当前传感器输出值构建时间序列Q=；并获取对应的历史数据时间序列C=；将当前传感器输出值的时间序列和历史数据时间序列进行对比分析，构建一个n×m的矩阵D，其中D(i,j)表示Q中第i个点和C中第j个点之间的距离，计算当前传感器输出值与历史数据之间的相似度，具体的计算表达式为：D(i,j)=；式中，D(i,j)为当前传感器输出值与历史数据之间的相似度；

构建一个n×m的累积矩阵M，其中M(i,j)表示从(1,1)到(i,j)的最小累积距离，具体的计算表达式为：；其中，边界条件为：；；i∈[2,n]；；j∈[2,m]；

从M(n,m)开始回溯找到最优路径W，该路径表示最小累积距离的对齐方式，回溯路径的步骤为：从(n,m)开始，向前寻找最小值：从M(i,j)到；重复该步骤直到到达 (1,1)；

根据时间序列Q和C之间的总距离，即最小累积距离M(n,m)，计算最小累积距离与路径长度之比，即计算传感器输出值偏差指数，具体的计算表达式为：；式中，为传感器输出值偏差指数，为最优路径W的长度，即M(i,j)到之间的最小值。

将获取到的传感器输出值偏差指数与传感器输出值偏差指数参考阈值进行比较，若传感器输出值偏差指数大于等于传感器输出值偏差指数参考阈值，则说明传感器输出值的准确性越低，此时生成流量计异常信号；若传感器输出值偏差指数小于传感器输出值偏差指数参考阈值，则说明传感器输出值的准确性越高，此时生成流量计正常信号。

传感器输出值偏差指数越大，说明传感器输出值的准确性越低。也就是说，偏差指数越大，传感器输出值与预期的历史数据之间的差异越大，传感器的表现就越不准确。这表明传感器在测量过程中可能存在误差或故障，输出的测量值不再可靠。

S3：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性。

当气体流过涡轮流量计时，气流会冲击涡轮的叶片，带动涡轮旋转，从而测量流量。不同的压力条件下，气流冲击叶片的力量会有所不同，高压力条件下，气流以较高压力冲击叶片，可能导致叶片变形或损坏，影响测量精度。低压力条件下，气流压力较低，叶片可能旋转不稳定，导致读数波动或不准确。

根据不同压力条件下涡轮叶片转速的响应情况获取转速冲击振动异常指数，评估涡轮在不同流速下的响应稳定性，则转速冲击振动异常指数的获取方法为：

对转速数据进行小波变换，获取信号的时频图谱，具体的计算表达式为：；式中，x(t)是预处理后的转速信号，是小波基函数，和分别是尺度和平移参数；

根据时频图谱的特征，识别转速变化的时域和频域结构，根据振动成分的幅值，提取出转速振动信号，获取在频带x内的振动强度；即时频图谱的局部极大值，其中，频带内的振动强度的具体计算表达式为：；其中，在频带x内；

根据振动信号的时频特性以及频带内的振动强度，计算转速冲击振动异常指数，具体的计算表达式为：；式中，为转速冲击振动异常指数，N为选择的频带数量，影响了频带的分辨率和计算结果的精度，w为频带x的权重，取值范围为0到1之间，用于对不同频带的振动强度进行加权，根据振动频率的重要性进行设定。

将获取到的转速冲击振动异常指数与转速冲击振动异常指数参考阈值进行比较，若转速冲击振动异常指数大于等于转速冲击振动异常指数参考阈值，说明涡轮在不同流速下的响应稳定性较低，此时生成涡轮响应异常信号；若转速冲击振动异常指数小于转速冲击振动异常指数参考阈值，说明涡轮在不同流速下的响应稳定性较高，此时生成涡轮响应正常信号。

转速冲击振动异常指数越大，通常意味着涡轮在不同流速下的响应稳定性越差。这是因为转速冲击振动异常指数是通过分析转速振动的时频特性来计算的，其值反映了涡轮叶片转速在不同压力条件下的异常波动程度。

当涡轮叶片转速在不同流速下响应不稳定时，会导致振动异常指数增大，表明存在较大的转速波动或振动。这可能是由于涡轮结构或工作条件的异常引起的，例如叶片损伤、轴承磨损、润滑不良或气体流动不稳定等。

因此，较高的转速冲击振动异常指数表明涡轮在不同流速下的响应不够稳定，可能存在潜在的故障或性能问题。为确保涡轮的正常运行和准确测量，需要及时调查并解决引起振动异常的根本原因，并采取相应的维护或修复措施。

S4：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能。

将传感器输出值偏差指数以及转速冲击振动异常指数进行归一化处理，通过归一化处理后的传感器输出值偏差指数以及转速冲击振动异常指数计算气体涡轮流量计整体性能的异常评估系数。

例如，本发明可以采用如下公式进行气体涡轮流量计整体性能的异常评估系数的计算，计算表达式为：，式中，为异常评估系数，为传感器输出值偏差指数，为转速冲击振动异常指数，分别为传感器输出值偏差指数以及转速冲击振动异常指数的比例系数，且。

S5：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别。

将获取到的气体涡轮流量计整体性能的异常评估系数与梯度标准阈值进行比较，本申请中的梯度标准阈值包括第一标准阈值和第二标准阈值，且第一标准阈值小于第二标准阈值，将获取到的气体涡轮流量计整体性能的异常评估系数分别与第一标准阈值和第二标准阈值进行对比；

若气体涡轮流量计整体性能的异常评估系数大于第二标准阈值，将其划分为性能异常；则意味着其性能存在明显异常，在这种情况下，建议立即停止使用该涡轮流量计，并进行详细的故障诊断和维修。可能需要更换涡轮流量计或进行深入的维护措施。

若气体涡轮流量计整体性能的异常评估系数大于等于第一标准阈值且小于等于第二标准阈值，将其划分为性能可能正常；在这种情况下，需要进行进一步的监测和评估，以确认是否存在潜在问题。

若气体涡轮流量计整体性能的异常评估系数小于第一标准阈值，将其划分为性能正常。则表明其性能在正常范围内，没有明显的异常。在这种情况下，可以继续使用该涡轮流量计，并进行正常的监测和维护工作，以确保其持续稳定的性能。

在本实施例中，通过对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；可以及时发现和解决流量计可能存在的问题，确保生产过程的稳定性和可靠性，从而提高生产效率和产品质量。

实施例2

S6：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。

通过持续监测和数据分析，识别出设备运行中的细微变化或异常。这些变化虽然在短期内可能不明显，但长期来看可能会发展成严重的问题。例如，传感器的精度逐渐下降或叶片的磨损增加，通过早期检测可以在问题严重化之前进行处理。通过预测性维护，可以安排在适当的时间进行维修，而不是等到设备完全故障后再进行抢修。这不仅减少了因设备故障带来的停机时间，也避免了因紧急维修而产生的高昂费用。

当气体涡轮流量计的整体性能为性能可能正常时，即在一段时间内气体涡轮流量计整体性能的异常评估系数大于等于第一标准阈值且小于等于第二标准阈值，将后续一段时间内气体涡轮流量计整体性能的异常评估系数进行持续采集，并将采集到的异常评估系数建立数据集合，将数据集合内的异常评估系数与异常评估系数参考阈值进行对比分析，计算流量计的风险系数。

将数据集合内的异常评估系数与异常评估系数参考阈值进行比较，对流量计出现故障的风险趋势进行分析，计算流量计的风险趋势指数，具体的计算表达式为：；式中，为风险趋势指数，为异常评估系数参考阈值，h为集合内异常评估系数的总数，k为异常评估系数的标号，且，为大于0的正整数，为气体涡轮流量计整体性能的异常评估系数；

分别计算集合内所有异常评估系数的均值和标准差，使用z-score来检测异常，即计算流量计的风险系数，具体的计算表达式为：；式中，为流量计的风险系数。

将获取到的流量计的风险系数与风险系数参考阈值进行比较，若风险系数大于等于风险系数参考阈值，则说明流量计在一段时间内出现异常的可能性较大，此时生成预警信号，对气体涡轮流量计进行详细检查，确定潜在问题的具体原因；若风险系数小于风险系数参考阈值，则说明流量计在一段时间内出现异常的可能性较小，此时不生成预警信号。仍需加强对流量计的监控，确保持续收集性能数据并定期分析，防止潜在问题发展。

在本实施例中，当气体涡轮流量计的整体性能评估为性能可能正常时，通过实时监测和数据分析，采集流量计的异常评估系数，并计算均值和标准差，使用z-score公式计算风险系数。将风险系数与其参考阈值进行比较，若风险系数大于等于其参考阈值，则生成预警信号，安排详细检查以确定潜在问题；若风险系数小于其参考阈值，则不生成预警信号，但继续加强监控和数据分析，确保及时发现和处理潜在问题，防止设备故障导致的停机。

实施例3

请参阅图2所示，本实施例所述一种气体涡轮流量计故障诊断系统，包括温度监测模块、传感器数据分析模块、响应评估模块，综合分析模块，性能划分模块以及预测预警模块；

温度监测模块：对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；

传感器数据分析模块：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；

响应评估模块：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；

综合分析模块：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；

性能划分模块：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；

预测预警模块：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (9)

1.一种气体涡轮流量计故障诊断方法，其特征在于：包括以下步骤：

S1：对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；

S2：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；

S3：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性；

步骤S3具体包括：根据不同压力条件下涡轮叶片转速的响应情况获取转速冲击振动异常指数，评估涡轮在不同流速下的响应稳定性，则转速冲击振动异常指数的获取方法为：

对转速数据进行小波变换，获取信号的时频图谱，具体的计算表达式为：式中，x(t)是预处理后的转速信号，是小波基函数，a和b分别是尺度和平移参数；

根据时频图谱的特征，识别转速变化的时域和频域结构，根据振动成分的幅值，提取出转速振动信号，获取在频带x内的振动强度；即时频图谱的局部极大值，其中，频带内的振动强度的具体计算表达式为：；其中，在频带x内；

根据振动信号的时频特性以及频带内的振动强度，计算转速冲击振动异常指数，具体的计算表达式为：；式中，为转速冲击振动异常指数，N为选择的频带数量，w为频带x的权重；

将获取到的转速冲击振动异常指数与转速冲击振动异常指数参考阈值进行比较，若转速冲击振动异常指数大于等于转速冲击振动异常指数参考阈值，此时生成涡轮响应异常信号；若转速冲击振动异常指数小于转速冲击振动异常指数参考阈值，此时生成涡轮响应正常信号；

S4：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；

S5：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；

S6：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。

2.根据权利要求1所述的一种气体涡轮流量计故障诊断方法，其特征在于：S1中，使用模糊逻辑算法将实时检测到的温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常，具体包括：

将实时检测到的温度和设计温度范围划分为模糊集合，包括低温、正常温度，高温三个类别；

将实时检测到的温度值通过隶属函数进行模糊化，得到各个模糊集合的隶属度；

基于设计温度范围和实时检测到的温度的模糊集合，定义模糊规则；

根据实时检测到的温度的模糊集合和定义的模糊规则，进行模糊推理；

通过去模糊化操作，将模糊推理得到的模糊结果转换为具体的数值。

3.根据权利要求2所述的一种气体涡轮流量计故障诊断方法，其特征在于：通过模糊中心法将模糊推理得到的模糊结果转换为具体的数值，具体为：

对于每个输出模糊集合，计算其隶属函数的中心位置，对于三角形隶属函数，中心即为峰值点；对于梯形隶属函数，中心则通过加权平均来计算；

将每个输出模糊集合的中心与其隶属度进行加权平均，得到最终的温度输出值，加权平均的权重即为每个输出模糊集合的隶属度；

将获取到的温度输出值与预先设置的温度标准范围进行比较，预先设置的温度标准范围为：~；若温度输出值小于，将实时温度标记为低温，若温度输出值大于等于且小于等于，将实时温度标记为正常温度，若温度输出值大于，将实时温度标记为高温，将高温和低温状态下的实时温度标记为异常温度。

4.根据权利要求1所述的一种气体涡轮流量计故障诊断方法，其特征在于：S2中，将当前的传感器输出值与历史数据进行比较，根据比较结果获取传感器输出值偏差指数，评估传感器输出值的准确性，则传感器输出值偏差指数的获取方法为：

通过监控界面实时获取当前传感器输出值，并将获取到的当前传感器输出值构建时间序列；并获取对应的历史数据时间序列；将当前传感器输出值的时间序列和历史数据时间序列进行对比分析，构建一个的矩阵D，其中D(i,j)表示Q中第i个点和C中第j个点之间的距离，具体的计算表达式为：；

构建一个n×m的累积矩阵M，其中M(i,j)表示从(1,1)到(i,j)的最小累积距离，具体的计算表达式为：；其中，边界条件为：；；；；；

从M(n,m)开始回溯找到最优路径W，该路径表示最小累积距离的对齐方式，回溯路径的步骤为：从(n,m)开始，向前寻找最小值：从M(i,j)到；重复该步骤直到到达(1,1)；

根据时间序列Q和C之间的总距离，即最小累积距离M(n,m)，计算最小累积距离与路径长度之比，即计算传感器输出值偏差指数，具体的计算表达式为：；式中，为传感器输出值偏差指数，为最优路径W的长度，即之间的最小值；

将获取到的传感器输出值偏差指数与传感器输出值偏差指数参考阈值进行比较，若传感器输出值偏差指数大于等于传感器输出值偏差指数参考阈值，此时生成流量计异常信号；若传感器输出值偏差指数小于传感器输出值偏差指数参考阈值，此时生成流量计正常信号。

5.根据权利要求4所述的一种气体涡轮流量计故障诊断方法，其特征在于：S4中，将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，具体为：

将传感器输出值偏差指数以及转速冲击振动异常指数进行归一化处理，通过归一化处理后的传感器输出值偏差指数以及转速冲击振动异常指数计算气体涡轮流量计整体性能的异常评估系数。

6.根据权利要求5所述的一种气体涡轮流量计故障诊断方法，其特征在于：S5中，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别，具体为：

将获取到的气体涡轮流量计整体性能的异常评估系数与梯度标准阈值进行比较，梯度标准阈值包括第一标准阈值和第二标准阈值，且第一标准阈值小于第二标准阈值，将获取到的气体涡轮流量计整体性能的异常评估系数分别与第一标准阈值和第二标准阈值进行对比；

若气体涡轮流量计整体性能的异常评估系数大于第二标准阈值，将其划分为性能异常；若气体涡轮流量计整体性能的异常评估系数大于等于第一标准阈值且小于等于第二标准阈值，将其划分为性能可能正常；若气体涡轮流量计整体性能的异常评估系数小于第一标准阈值，将其划分为性能正常。

7.根据权利要求6所述的一种气体涡轮流量计故障诊断方法，其特征在于：S6中，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，具体为：

当气体涡轮流量计的整体性能为性能可能正常时，即在一段时间内气体涡轮流量计整体性能的异常评估系数大于等于第一标准阈值且小于等于第二标准阈值，将后续一段时间内气体涡轮流量计整体性能的异常评估系数进行持续采集，并将采集到的异常评估系数建立数据集合，将数据集合内的异常评估系数与异常评估系数参考阈值进行对比分析，计算流量计的风险系数；

将数据集合内的异常评估系数与异常评估系数参考阈值进行比较，对流量计出现故障的风险趋势进行分析，计算流量计的风险趋势指数，具体的计算表达式为：；式中，为风险趋势指数，为异常评估系数参考阈值，h为集合内异常评估系数的总数，k为异常评估系数的标号，且，为大于0的正整数，为气体涡轮流量计整体性能的异常评估系数；

分别计算集合内所有异常评估系数的均值和标准差，使用z-score来检测异常，即计算流量计的风险系数，具体的计算表达式为：；式中，为流量计的风险系数。

8.根据权利要求7所述的一种气体涡轮流量计故障诊断方法，其特征在于：将获取到的流量计的风险系数与风险系数参考阈值进行比较，若风险系数大于等于风险系数参考阈值，此时生成预警信号；若风险系数小于风险系数参考阈值，此时不生成预警信号。

9.一种气体涡轮流量计故障诊断系统，用于实现权利要求1-8任一项所述的一种气体涡轮流量计故障诊断方法，其特征在于：包括温度监测模块、传感器数据分析模块、响应评估模块，综合分析模块，性能划分模块以及预测预警模块；

温度监测模块：对流量计系统中气体流经区域的温度进行实时检测，并将检测到的实时温度与流量计系统的设计温度范围进行比较，判断实时温度是否出现异常；

传感器数据分析模块：当检测到的流量计系统中气体流经区域的实时温度为异常状态时，对流量计的传感器输出值进行持续采集分析，将当前的传感器输出值与历史数据进行比较，判断传感器输出值的偏差程度，评估传感器输出值的准确性；

响应评估模块：根据实际工作环境和流量计的使用条件，对不同压力条件下气流冲击涡轮叶片的异常程度进行分析，评估涡轮在不同流速下的响应稳定性，具体包括：根据不同压力条件下涡轮叶片转速的响应情况获取转速冲击振动异常指数，评估涡轮在不同流速下的响应稳定性，则转速冲击振动异常指数的获取方法为：

对转速数据进行小波变换，获取信号的时频图谱，具体的计算表达式为：式中，x(t)是预处理后的转速信号， 是小波基函数，和分别是尺度和平移参数；

根据时频图谱的特征，识别转速变化的时域和频域结构，根据振动成分的幅值，提取出转速振动信号，获取在频带x内的振动强度；即时频图谱的局部极大值，其中，频带内的振动强度的具体计算表达式为：；其中，在频带x内；

根据振动信号的时频特性以及频带内的振动强度，计算转速冲击振动异常指数，具体的计算表达式为：；式中，为转速冲击振动异常指数，N为选择的频带数量，w为频带x的权重；

将获取到的转速冲击振动异常指数与转速冲击振动异常指数参考阈值进行比较，若转速冲击振动异常指数大于等于转速冲击振动异常指数参考阈值，此时生成涡轮响应异常信号；若转速冲击振动异常指数小于转速冲击振动异常指数参考阈值，此时生成涡轮响应正常信号；

综合分析模块：将传感器输出值的准确性和涡轮在不同流速下的响应稳定性进行综合分析，评估气体涡轮流量计的整体性能；

性能划分模块：根据评估结果，对气体涡轮流量计的整体性能进行划分，将其划分为性能正常、性能可能正常，性能异常三个类别；

预测预警模块：当气体涡轮流量计的整体性能为性能可能正常时，对一段时间内气体涡轮流量计的整体性能变化情况进行进一步的分析，对流量计存在的潜在问题进行及时预测预警。