智能仪表预测性维护关键技术

智能仪表是大型工业过程和复杂装备系统传感与控制的“神经”,其健康状态直接影响系统的安全可靠运行。传统的智能仪表通常作为测量工具监测工艺过程和重点装备的运行状态,本体故障的忽视极易导致采集数据不准确、不可靠,影响工业过程管控效率,也易导致操作人员误判,从而引发安全事故。文中通过对智能仪表预测性维护的技术架构进行解析,建立了机理分析、数据采集、特征分析、故障自检、异常检测、故障诊断和寿命预测的技术路线,同时,从复杂工业过程视角将智能仪表分解为“传输”、“传感”和“传递”,总结了仪表本体级和系统级预测性维护的关键技术,分析了智能运维、安全仪表风险管控、信息安全风险管控3种典型应用场景,推演了诊断自组态和云边协同架构的技术发展趋势。研究可为智能仪表及系统运维由离线向在线、由预防性维护向预测性维护的转变奠定基础。

基于流固耦合的闸板防喷器建模及有限元分析

为了更加准确地分析流体对闸板剪切力的影响规律,需要对闸板防喷器剪切钻杆进行流固耦合分析。以钻杆窜动和扭转2种动态工况为例,利用SolidWorks建立闸板防喷器三维模型,并对防喷器内部流体域进行有限元建模,输出到ANSYS Fluent进行有限元分析。结果表明:在闸板剪切钻杆过程中,流体达到稳态后,在钻杆窜动工况下,流体力随钻杆受载荷力增大而减小;在钻杆扭转工况下,流体力随钻杆扭转角度而变化,在扭转90°时流体力最大。研究结果可为防喷器剪切闸板的剪切能力分析及结构设计提供参考。