Sensorlose Kavitationsdetektion
Erkennung von Kavitation mit CANplus™-Motorsteuergeräten
Kavitation kann Pumpenanlagen und Maschinen schwer beschädigen.
Unter Kavitation versteht man die Bildung von Blasen in einer Flüssigkeit aufgrund eines erheblichen Druckabfalls. Verschiedene Flüssigkeiten sind je nach Gaskonzentration und Fremdpartikeln unterschiedlich widerstandsfähig gegen Kavitation. Wenn diese Blasen in einen Bereich mit höherem Druck eindringen, implodieren sie, was zu hohen Stoßkräften auf Metalloberflächen führt, was wiederum Ermüdung und Kavitationsgruben in der Pumpe zur Folge hat.
Kavitation kann akustisch, mit akustischen Instrumenten, durch Maschinenvibrationssensoren oder durch eine Abnahme oder Veränderung der Leistung festgestellt werden. Kavitation kann die Leistung und Lebensdauer von Maschinen, in denen Flüssigkeit vorhanden ist, drastisch beeinträchtigen. Daher ist es wichtig zu verstehen, was dieses Phänomen bedeutet und wie es am besten bekämpft werden kann.
Maschinelles Lernen erkennt Kavitation auf CANplus-Motorbedienfeldern.
Die CANplus™-Motorsteuerungspanels von Cattron verfügen über integriertes maschinelles Lernen, sodass das Panel Kavitation ohne zusätzliche Sensoren erkennen kann. Das maschinelle Lernen bietet den Motorsteuerungen CP1000 und CP750-E eine unvergleichliche Leistung und Zuverlässigkeit.
Das in die CANplus-Bedienfelder integrierte maschinelle Lernen ist eine leistungsstarke Funktion, mit der das System die einzigartigen normalen Betriebsmuster für Ihre Anwendung, Ihren Motor oder Ihre Pumpe lernen kann. Im Gegensatz zu herkömmlichen Werkseinstellungen passt sich dieses fortschrittliche Edge Computing an die spezifische Anwendung Ihrer Anlage an.
Das CANplus-Panel nutzt die Motordaten seines maschinellen Lernalgorithmus, um Kavitationszustände zu erkennen und die Bediener zu benachrichtigen, bevor sie Schäden verursachen. Dieser proaktive Ansatz schützt vor unerwarteten Ausfallzeiten und Wartungskosten und stellt sicher, dass Ihre Motoren und Pumpen mit optimaler Kapazität und Effizienz arbeiten.
Unsere CANplus CP1000- und CP750-E-Motorsteuerungen bieten nicht nur Kavitationserkennung und maschinelles Lernen, sondern können auch nahtlos mit unserer cloudbasierten RemoteIQ™-Überwachungs- und Steuerungslösung integriert werden, um eine zusätzliche Überwachungs- und Verwaltungsebene zu schaffen, die Ihnen ein sicheres Gefühl gibt.
Beispiele für Kavitation und Erkennung
In einem Szenario, in dem Teichwasser durch eine Pumpe bewegt wird, kann die Ansammlung von Schmutz im Einlasssieb den Durchfluss behindern, was zu einer Verengung des Pumpeneinlasses führt. Diese Verengung führt zu einem Druckabfall auf der Saugseite, der sich dem Vakuum nähert. Schließlich fällt der Druck so weit ab, dass die Dampfsperre des Wassers durchbrochen wird und sich in der Zentrifugalpumpe Blasen bilden, die in der Regel in der Mitte der Pumpe entstehen. Wenn diese Wasserblasen in Richtung höherer Druckzonen wandern, implodieren sie. Das maschinelle Lernen von CANplus, das darauf trainiert ist, das normale Verhalten des Systems zu erkennen, kann Kavitationsfälle allein auf der Grundlage der vom Motor gesammelten Daten selbstständig identifizieren. Dies macht zusätzliche Saug- und Drucksensoren überflüssig. Durch die Integration von Drucksensoren in das System wird die Fähigkeit des Panels, Abweichungen von der optimalen Systemleistung zu erkennen, weiter verbessert.
Obwohl Kavitation bei Pumpen mit geschlossenem Kopf seltener vorkommt, kann sie unter bestimmten Bedingungen dennoch auftreten. Bei einer Pumpe mit Totraum sinkt der Druck am Einlass, während sie versucht, Flüssigkeit anzusaugen, obwohl das geschlossene Ventil oder System den Durchfluss behindert. Ähnlich wie bei einem verstopften Schmutzfänger wird die Dampfsperre schließlich durchbrochen, was zur Bildung und Implosion von Blasen in der Pumpe führt. Das maschinelle Lernen von CANplus kann auch diese Art von Kavitation anhand von Motordaten identifizieren und bietet damit eine umfassende Lösung zur Erkennung von Kavitation in verschiedenen Szenarien.