【作者】

Jaganmohan Rao Gorle

【摘要】

版权归CIMAC所有 摘要：无处不在的预测维护模型的开发和物联网的应用一直在推动各种工程领域的智能解决方案。然而,机械过滤系统作为润滑或燃烧单元的组成部分,由于多个上游和下游部件的敏感特性,表现出不确定的性能。流量/流体变量、环境温度、进给系统和其他仪器的操作和校准对过滤器性能有一定的影响,但难以量化。另一方面，不可预测的污染特征包括颗粒大小和形状、固体的比重和浓度、杂质的化学组成，以及不同的分子间和粘合力对过滤的影响很大。液压和燃料过滤器的预防性维护的传统做法纯粹是基于时间的，如果过滤器元件仍然处于良好状态，则会导致额外的维护成本，并且如果元件在其规定的寿命之前被堵塞或损坏，则会导致意外的操作停机。此外,对燃料燃烧排放的严格规定和船舶工业中现实认证流程要求更高效的过滤做法。因此，基于流量和过滤器的实际情况，非常需要过滤单元的预测性维护。这种智能过滤通过动态维护计划提供了中断操作的解决方案,并通过早期故障检测、风险评估为操作安全提供了解决方案,最终带来较低的成本。在开发支持物联网的过滤解决方案的第一阶段，进行了实验室调查，以检查油流速，温度和污染负荷对过滤介质压降的影响。5μm额定商用滤清器采用玻璃纤维制造元件,有效表面积为0.154 m2用于过滤VG32液压油。向滤液中提供ISO介质测试粉尘的污染物，其中4种重量水平为2、5、8和10mg/L的油。对于不同的油粘度，测试在40和120L/min的流速下进行，对应30、40、50和60℃的温度。然后，使用从不同操作条件获得的压降趋势来建立油条件参数和流量变量之间的相关性。在项目的下一阶段，将开发一个自适应学习模块来预测压降趋势，从而估算过滤元件的寿命。

【会议名称】

第29届CIMAC会议

【会议地点】

加拿大 温哥华

【下载次数】

2

返回