大连西太平洋石油化工有限公司基于多源信息融合的炼化机泵早期故障智能诊断技术项目-临时

计划编号:

****

计划类别:

临时

计划时间:

2026-9

项目类别:

服务类

项目分类:

三类

项目名称:

****基于多源信息融合的炼化机泵早期故障智能诊断技术项目

项目单位:

********工程部

投资计划批复文号:

--

项目概况:

****是国内大型石化企业，随着设备管理向信息化、智能化不断升级，对设备安全与可靠性提出了更**求。机泵作为关键转动设备，其运行状态直接关系到生产安全与稳定。若未及时察觉前期故障隐患，可能引发泄漏、振动异常等问题，轻则影响效率，重则导致系统停机，造成重大经济损失。因此，发展针对机泵的智能监测与预警技术，实现故障早期诊断与预防，已成为生产安全管理的迫切需求。公司对关键离心机泵已逐步建立在线监测系统（有线、无线监测系统）和离线监测系统，但目前机泵监测系统发挥作用尚存在监测系统多参数融合不足、早期故障机理研究不完善、数据挖掘不充分、诊断依赖人工，自动化程度低、运维决策缺乏智能支撑等不足之处。因此，在现有机泵在线监测系统的基础上开展机泵自动诊断研究成为迫切需求。本项目拟从振动故障机理、特征提取和大数据驱动及自学习等方面，开展基于多源参数融合的机泵振动故障智能诊断技术研发，实现多参数综合监测，解决单一参数故障无法识别，人为分析故障准确率低、无自动诊断等问题，为提升石油石化企业机泵设备风险防控能力提供技术支撑。

招标组织形式:

委托招标

招标方式:

公开招标

招标组织模式:

一单一招

标包数量:

1

招标公告预计发布时间1:

2026-09-30 00:00

项目类别分类:

招标范围:

围绕“基于多源信息融合的炼化机泵早期故障智能诊断技术及运维决策建议智能体”这一主题，本项目主要开展以下四个方面的研究： （1）多源数据库构建及数据同步预处理分析 梳理多源数据来源，包括机泵在线监测系统（振动、温度）、噪声采集设备、工艺控制系统（压力、流量、液位）、离线检测数据及历史运维记录（故障案例、维修记录、备件信息）；制定数据标准化规范，存储结构、标签体系（设备编号、故障类型、工况参数等）；构建分布式多源数据库，实现多源数据的统一存储、分类管理与权限控制；设计数据同步机制，通过时间戳对齐、协议适配（OPC UA、MQTT 等）实现实时数据与历史数据的同步更新；开发数据预处理模块，完成数据清洗（异常值剔除、缺失值填补）、数据转换（归一化、标准化）、数据降维等操作，为后续特征提取与模型训练提供高质量数据支撑。 （2）炼化机泵多源监测数据融合与特征提取方法研究 开展****机泵群运行状态调研，梳理机泵类型、数量、运行工况、现有监测系统（振动、噪声、温度、工艺量监测）配置情况。搭建多源参数融合的机泵故障模拟试验台（泵体、数据采集系统等），模拟不同故障程度的工况，获取多源故障样本数据。研究振动、噪声、温度及工艺参数（流量、压力、电流等）的多源数据同步采集与融合方法。针对早期故障信号微弱、特征微弱的特点，研究基于冗余字典稀疏重构（SRRD）、深度卷积网络（Deep CNN）等先进信号处理技术，实现跨模态特征的自动、协同提取，为智能诊断提供高价值、多维度的输入特征。 （3）基于机理和大模型联合驱动的机泵早期故障智能诊断模型研究 基于机理和大模型联合驱动的方法，研究面向机泵早期故障的智能诊断模型。重点研究基于机理知识约束神经网络（PINN）和Transformer结构大模型的多模态数据融合诊断算法，以有效捕捉不同物理量之间的深层关联。利用故障模拟试验台获取的典型故障数据（滚动轴承故障、不平衡、不对中、松动、流体激振故障等）及现场历史案例数据，对诊断模型进行训练与验证，实现早期故障的高精度、自动化辨识。 （4）机泵诊断运维决策建议智能体技术研究 整合设备档案、故障模式库、维修规程、备件信息、安全规程等，形成结构化的运维知识图谱。基于强化学习、案例推理或专家系统技术，研究如何将诊断结果（故障类型、严重等级）自动映射为最优的运维决策建议（如“持续观察”、“计划检修”、“立即停机”等）。开发决策建议生成模块，能够输出具体、可操作的维修策略、运行参数调整方案，并通过人机交互界面（如移动端、中控室大屏）主动推送给运维人员。 （5）机泵智能运维系统软件集成 集成上述研究成果，研发集成“多源信息融合诊断”和“运维决策建议智能体软件”的机泵智能运维系统软件。该系统需具备多源数据接入、设备实时状态监测、早期故障智能诊断、健康状态评估、运维决策建议生成与推送等功能，在****选取关键炼化机泵开展试点应用，验证系统的稳定性、准确性与实用性，根据应用反馈优化系统功能，形成可推广的技术成果。 该机泵智能运维系统软件需整合到现有监测平台。

主要投标人资格要求:

--

其他事项说明:

--