一种用于汽轮机橡胶密封环的在线多模态智能泄漏监测报警装置的制作方法
本发明属于汽轮机密封,特别涉及一种用于汽轮机橡胶密封环的在线多模态智能泄漏监测报警装置。
背景技术:
1、汽轮机橡胶密封环作为汽轮机通流侧与大气侧的重要密封元件,其工作环境通常涉及高温、微负压、强腐蚀性蒸汽及高频振动等极端工况。长期运行过程中,密封环材料易发生橡胶老化、硬化、龟裂及局部磨损,导致密封腔内外压力差变化、蒸汽泄漏和真空度下降,极端情况可导致非正常停机。传统人工巡检和如单通道压差、温度或超声探头的单传感器监测方法存在如下不足:
2、1. 响应时效差:人工巡检周期长,无法实现实时监测,而单传感器在线监测存在传感信号单一,无法准确区分泄漏和材料劣化等不同故障模式。
3、2. 灵敏度与可靠性不足:单一压差或超声监测对10µm级微裂口灵敏度有限,信号易受噪声及温度漂移干扰,导致误报、漏报频发。
4、3. 标定与维护困难:高温高压环境下传感器零点漂移和灵敏度衰减较快,传统周期性人工标定成本高、风险大。
5、4. 数据安全与可追溯性缺失:监测数据易被人为篡改或丢失,难以满足电厂对安全审计和故障溯源的要求。
6、鉴于上述问题,亟需一种综合利用压差、超声和电化学传感等多模态信息,并结合边缘智能计算与安全存证技术,实现高灵敏度、低延迟、多级别、可自标定、可溯源的在线智能泄漏监测报警装置。
技术实现思路
1、针对现有技术存在的不足,本发明提供了一种用于汽轮机橡胶密封环的在线多模态智能泄漏监测报警装置,通过八通道微差压传感器、环向6个超声换能器、聚苯胺修饰碳纳米管电化学传感阵列三类传感器的联合布置,全面捕捉密封环泄漏的多源特征信息,实现对泄漏和材料老化的区分性检测,从而减少误报漏报。
2、为实现本发明的目的,采用的技术方案是:
3、一种用于汽轮机橡胶密封环的在线多模态智能泄漏监测报警装置,包括:八通道微差压传感器、环向6个超声换能器、聚苯胺修饰碳纳米管电化学传感阵列、边缘计算单元、区块链安全存证模块、本地报警执行单元、多模式通信接口、自标定模块、能量采集模块。
4、八通道微差压传感器沿密封环内外腔等间距布置,实时采集密封环内外腔压差信号、温度和湿度信号;压差信号包括平均压差、压差波动幅值特征;八通道微差压传感器优选p2x700,量程为0kpa~100kpa,精度0.1%fs,耐温-40℃~120℃。
5、环向6个超声换能器沿环向均匀安装,采集泄漏产生的超声信号;环向6个超声换能器按时分复用方式发射1 µs脉冲并接收驻波包络变化,通过提取驻波峰值振幅变化量δa及相位差谱特征实现采集泄漏产生的超声信号;超声信号包括驻波峰值振幅、相位差谱特征;当密封区域发生微裂纹、磨损或蒸汽泄漏时,超声传播路径及声阻抗发生变化,导致驻波峰值振幅衰减及相位偏移,驻波峰值振幅δa>3%时,结合相位差谱分析,实现10µm级微裂口检测,算法响应延迟≤20 ms;环向6个超声换能器优选中心频率1mhz,带宽±100 khz。
6、聚苯胺修饰碳纳米管电化学传感阵列设置在蒸汽采样支路中,在线检测电化学信号;电化学信号包括h2o2和fe²+浓度变化率特征;聚苯胺修饰碳纳米管电化学传感阵列的电极面积1cm²。
7、边缘计算单元基于stm32h743微处理器与npu协处理器,内置多模态融合神经网络和自适应阈值算法,对压差信号、超声信号及电化学信号进行特征提取与融合分析,当泄漏概率超过设定阈值时,系统生成对应故障等级,并通过强化学习动态优化融合权重与阈值;边缘计算单元通过将压差信号特征、超声信号特征及电化学信号特征提取输入多模态融合神经网络进行分类识别,输出微泡泄漏、裂口泄漏或材料老化三种故障类型;多模态融合神经网络由三层卷积及两层全连接构成,softmax输出泄漏类型,推理延迟≤50 ms;所述三层卷积为3×3卷积核,通道数32/64/128;所述两层全连接的节点数为256和64;边缘计算单元内的强化学习采用deep q-learning,依据历史监测与维护记录动态调整卷积神经网络学习率、融合权重及报警阈值,以持续提升检测准确率及提前预警率。
8、区块链安全存证模块在检测结果生成后,将事件id、时间戳、故障等级及关键特征参数进行哈希处理,并通过区块链安全存证模块上传至链上存储,实现监测数据不可篡改和可追溯管理;区块链安全存证模块配置智能合约,当连续三次检测到同一类型泄漏时自动触发维护工单,并将工单id与原始监测数据同时上链。
9、本地报警执行单元包括蜂鸣器、指示灯及oled屏,根据泄漏级别输出分级报警;其中,oled屏支持触控操作,显示多模态原始波形、融合特征图及预测剩余寿命曲线,并支持通过usb导出csv或图像数据。
10、多模式通信接口包括rs-485、以太网、lorawan或5g通信模块,用于向scada系统、云平台和移动终端推送json格式预警与诊断报告。
11、自标定模块利用周期性注入已知微量气体标准源和参考液相,实现传感器零点与灵敏度在线自动校准;其中,自标定模块每24h自动注入标准气源,并对八通道微差压传感器、环向6个超声换能器、聚苯胺修饰碳纳米管电化学传感阵列进行联合校准,零点漂移补偿精度≤0.05%fs;标准气源为n2+50 ppm he。
12、能量采集模块包括压电振动能量采集器、热电发电片和储能模块;压电振动能量采集器和热电发电片产生的电能存储于储能模块中,并通过储能模块向八通道微差压传感器、环向6个超声换能器、聚苯胺修饰碳纳米管电化学传感阵列和边缘计算单元提供辅助电源;能量采集模块中的压电振动能量采集器优选一个压电陶瓷片,优选尺寸10mm×10mm×1mm,可从环体振动中采集功率≥5 mw;能量采集模块中的热电发电片优选一个bi2te3基的热电发电片,在环体温差5k~30 k时输出功率≥2 mw;储能模块由固态电容组成,用于存储能量采集模块产生的电能,并在能量采集功率波动或短时中断时为传感器及边缘计算单元提供备用供电,持续供电时间不少于20s。
13、采用上述技术方案,具有如下有益效果:
14、1、多模态融合监测,提高检测精度:
15、通过压差、超声和电化学三类传感器的联合布置,能够全面捕捉密封环泄漏的多源特征信息,与单一传感方式相比,本发明可实现对泄漏和材料老化的区分性检测,有效减少误报和漏报。
16、2、高灵敏度与低延迟响应:
17、超声模块结合驻波峰值与相位差谱分析,可实现10µm级微裂口检测,响应延迟≤20 ms;多模态融合卷积神经网络与边缘计算结合,使系统推理延迟≤50 ms,大幅提升了检测灵敏度和实时性。
18、3、自供能与低维护成本:
19、装置集成了压电振动能量采集器和bi2te3热电发电片,能够从运行环境中收集能量并储存在固态电容中,为传感器和边缘计算单元提供辅助电源,减少了外部电源依赖和维护成本,提升系统连续运行能力。
20、4、在线自标定,保证长期稳定性:
21、设置标准气源与参考液相,每24小时自动注入并联合校准压差、超声及电化学传感器,零点漂移补偿精度≤0.05%fs,避免了频繁人工标定,确保长期监测的可靠性和准确性。
22、5、边缘智能与自适应优化:
23、边缘计算单元内置深度强化学习算法(deep q-learning),能够依据历史监测与维护记录动态调整神经网络学习率、融合权重与阈值,使检测模型不断优化,实现长期在线自学习和提前预警能力提升。
24、6、区块链安全存证,确保数据可信:
25、将事件id、时间戳、故障等级及关键特征哈希上链存证,采用pbft共识机制,确保监测日志不可篡改,当连续三次出现同类泄漏时,自动触发维护工单并链上存储,为故障溯源和运维决策提供安全、可信的依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com