1.一种压风机运行状态感知及故障预测系统,其特征在于,包括:第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器、振动传感器、多信号采集模块、多信号融合预测分析模块和故障诊断数据库;
所述第一压力传感器的输出端、第二压力传感器的输出端、第一流量传感器的输出端、第二流量传感器的输出端、温度传感器的输出端和振动传感器的输出端分别与多信号采集模块输入端连接,所述多信号采集模块输出端连接多信号融合预测分析模块输入端,所述多信号融合预测分析模块与故障诊断数据库连接。
2.根据权利要求1所述的压风机运行状态感知及故障预测系统,其特征在于:所述第一压力传感器设置于压风机啮合转子密封腔出口,用于采集压风机啮合转子密封腔输出高压气体压力,并发送给多信号采集模块;
所述第二压力传感器设置于压风机出气管路,用于采集压风机出风口气体压力,并发送给多信号采集模块;
所述第一流量传感器设置于压风机啮合转子密封腔出口,用于采集压风机啮合转子密封腔输出高压气体流量,并发送给多信号采集模块;
所述第二流量传感器设置于压风机出气管路,用于采集压风机出风口气体流量,并发送给多信号采集模块;
所述温度传感器设置于润滑油内部,用于采集压风机运行温度,并发送给多信号采集模块;
所述振动传感器设置于压风机的电动机上,用于采集压风机的振动频率及振幅,并发送给多信号采集模块;
所述多信号采集模块,用于接收第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器发送的采集数据,并转发给多信号融合预测分析模块;
所述多信号融合预测分析模块用于接收多信号采集模块发送的传感器采集数据,计算压风机运行参数,并根据故障诊断数据库对压风机故障进行预测。
3.一种压风机运行状态感知及故障预测方法,利用权利要求1所述压风机运行状态感知及故障预测系统实现,其特征在于,包括以下步骤:步骤1:第一压力传感器、第二压力传感器、第一流量传感器、第二流量传感器、温度传感器和振动传感器分别实时采集压风机啮合转子密封腔输出高压气体压力、压风机出风口气体压力、压风机啮合转子密封腔输出高压气体流量、压风机出风口气体流量、压风机运行温度和压风机的振动频率及振幅,并将采集到的数据分别发送给多信号采集模块;
步骤2:多信号采集模块接收各传感器采集数据,并转发给多信号融合预测分析模块;
步骤3:多信号融合预测分析模块对传感器采集数据进行数据融合,计算压风机运行参数,将运行参数与故障诊断数据库进行比对,对压风机故障进行预测。
4.根据权利要求3所述的压风机运行状态感知及故障预测方法,其特征在于,所述步骤
3具体包括:
步骤3-1:多信号融合预测分析模块分别计算压风机啮合压力效率ηp和压风机啮合流量效率ηQ:其中,P1'为未磨损啮合转子密封腔输出高压气体压力;
P1为第一压力传感器采集的磨损后的啮合转子密封腔输出高压气体压力;
其中,Q1'为未磨损啮合转子密封腔输出高压气体流量;
Q1为第一流量传感器采集的磨损后的啮合转子密封腔输出高压气体流量;
步骤3-2:多信号融合预测分析模块将压风机啮合压力效率和压风机啮合流量效率与故障诊断数据库进行比对,对压风机故障进行预测;
步骤3-3:多信号融合预测分析模块将第二压力传感器采集的压风机出风口的压力数据与故障诊断数据库进行比对,对压风机故障进行预测;
步骤3-4:多信号融合预测分析模块将第二流量传感器采集的压风机出风口流量数据与故障诊断数据库进行比对,对压风机故障进行预测;
步骤3-5:多信号融合预测分析模块将温度传感器采集的温度与压力及流量数据的融合处理,与故障诊断数据库进行比对,对压风机故障进行预测;
步骤3-6:多信号融合预测分析模块通过振动传感器得到电动机振动频率及振幅数据,生成电机振动频谱与故障诊断数据库中数据进行比对,对压风机故障进行预测。