劉起超，周云龍，梁 超，楊 美，黃 娜

?

離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置研制與應(yīng)用

劉起超，周云龍，梁 超，楊 美，黃 娜

（東北電力大學(xué)能源與動(dòng)力工程學(xué)院，吉林 吉林 132012）

為了準(zhǔn)確監(jiān)測(cè)離心泵的運(yùn)行狀態(tài)，建立了狀態(tài)在線監(jiān)測(cè)和故障診斷數(shù)學(xué)模型，研制了一種離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置。該裝置運(yùn)行狀態(tài)在線監(jiān)測(cè)功能可以對(duì)離心泵的體積流量、入口壓力、出口壓力、揚(yáng)程、功率、效率、軸向位移和徑向位移進(jìn)行在線監(jiān)測(cè)并能夠以曲線圖、柱狀圖和數(shù)據(jù)表的形式顯示。故障診斷功能包括初步診斷和精確診斷，初步診斷采用閾值對(duì)比法對(duì)汽蝕、基礎(chǔ)松動(dòng)、轉(zhuǎn)子不對(duì)中和轉(zhuǎn)子不平衡4種故障進(jìn)行識(shí)別；精確診斷根據(jù)經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）能量熵將故障的嚴(yán)重程度劃分為輕度、中度和重度。實(shí)際應(yīng)用結(jié)果表明，該裝置能夠準(zhǔn)確地對(duì)離心泵的運(yùn)行狀態(tài)進(jìn)行在線監(jiān)測(cè)和故障診斷。

離心泵；運(yùn)行狀態(tài)；在線監(jiān)測(cè)；閾值對(duì)比；EMD能量熵；故障診斷

離心泵作為工業(yè)中經(jīng)常使用的一種機(jī)械設(shè)備，在火力發(fā)電廠等工業(yè)企業(yè)中占有重要的地位。離心泵的使用環(huán)境通常比較惡劣，并且一般需長(zhǎng)時(shí)間連續(xù)運(yùn)行，這對(duì)其穩(wěn)定運(yùn)行提出了較高的要求[1-2]。目前在工業(yè)生產(chǎn)中主要依靠定期檢測(cè)來評(píng)估離心泵的運(yùn)行狀態(tài)，但這無法及時(shí)發(fā)現(xiàn)離心泵的故障并及時(shí)進(jìn)行處理。因此，亟需對(duì)離心泵進(jìn)行運(yùn)行狀態(tài)的在線監(jiān)測(cè)和故障診斷[3]。目前，學(xué)者們主要借助支持向量機(jī)（SVM）[4]、后向傳播[5]、小波包樣本熵和SVM[6]等算法對(duì)離心泵進(jìn)行故障診斷，但這些研究停留在理論層面，且較少涉及離心泵運(yùn)行狀態(tài)在線故障診斷。對(duì)此，本文研制了一種大型離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置，能夠有效地對(duì)離心泵的運(yùn)行狀態(tài)進(jìn)行在線監(jiān)測(cè)，并且能夠準(zhǔn)確地對(duì)離心泵出現(xiàn)的故障進(jìn)行診斷和報(bào)警，對(duì)于離心泵的安全穩(wěn)定運(yùn)行有重要的作用。

1 裝置結(jié)構(gòu)

離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置結(jié)構(gòu)如圖1所示。該裝置主要分為數(shù)據(jù)測(cè)量模塊、數(shù)據(jù)采集模塊、在線監(jiān)測(cè)模塊和故障診斷模塊。數(shù)據(jù)測(cè)量模塊測(cè)量裝置所需要的物理信號(hào)。數(shù)據(jù)采集模塊采集測(cè)量信號(hào)，作為運(yùn)行狀態(tài)和故障診斷的原始數(shù)據(jù)。在線監(jiān)測(cè)模塊一方面直接將原始數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫中以供故障診斷模塊使用，另一方面將原始信號(hào)進(jìn)行數(shù)據(jù)處理，將電壓信號(hào)轉(zhuǎn)換成對(duì)應(yīng)的體積流量、入口壓力、出口壓力、轉(zhuǎn)速等運(yùn)行參數(shù)，并且能夠以曲線圖、柱狀圖和數(shù)據(jù)表的形式顯示。故障診斷模塊對(duì)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行進(jìn)一步處理，求出故障診斷所需要的特征參數(shù)，然后通過診斷 推理，判斷離心泵發(fā)生的故障類型以及嚴(yán)重程度。故障診斷模塊主要對(duì)離心泵經(jīng)常出現(xiàn)的汽蝕、基礎(chǔ)松動(dòng)、轉(zhuǎn)子不對(duì)中和轉(zhuǎn)子不平衡4種故障做出 診斷。

圖1 離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置結(jié)構(gòu)

2 裝置研發(fā)

2.1 測(cè)點(diǎn)布置

該裝置包含壓力變送器、溫度變送器、流量傳感器、位移傳感器、轉(zhuǎn)速傳感器、電流表、電壓表以及數(shù)據(jù)采集卡等硬件?？紤]到離心泵參數(shù)計(jì)算的要求，傳感器的測(cè)點(diǎn)布置如圖2所示。

1—體積流量測(cè)點(diǎn)；2—入口壓力測(cè)點(diǎn)；3—出口壓力測(cè)點(diǎn)；4—溫度測(cè)點(diǎn)；5—轉(zhuǎn)速測(cè)點(diǎn)；6—電流測(cè)點(diǎn)；7—電壓測(cè)點(diǎn)；8—軸向位移測(cè)點(diǎn)；9—徑向位移測(cè)點(diǎn)。

2.2 模型建立

2.2.1 狀態(tài)在線監(jiān)測(cè)數(shù)學(xué)模型

在線監(jiān)測(cè)模塊需要監(jiān)測(cè)離心泵的體積流量、揚(yáng)程、溫度、轉(zhuǎn)速、有效功率、軸功率、效率和有效汽蝕余量。其中，體積流量、溫度、轉(zhuǎn)速可以直接采用傳感器測(cè)量，其他參數(shù)則需要通過計(jì)算求得。

1）揚(yáng)程 離心泵的揚(yáng)程和進(jìn)出口的壓力以及流速有關(guān)[7]，如式(1)所示：

式中：out和in為出口和進(jìn)口壓力，Pa；out和in為出口和進(jìn)口流速，m/s；為工質(zhì)密度，kg/m3；為重力加速度，取9.8 m/s2。

out和in可以直接用壓力傳感器測(cè)得，out和in用式(2)和式(3)求得：

式中：為體積流量，m3/h；out和in為離心泵出口和進(jìn)口直徑，m。

2）有效功率 離心泵的有效功率e即離心泵對(duì)工質(zhì)水做的功，用式(4)表示：

3）軸功率 離心泵的軸功率與電機(jī)的功率以及離心泵傳動(dòng)系數(shù)等有關(guān)，用式(5)表示：

式中：cos為電機(jī)功率因數(shù)；為電機(jī)效率；tm為傳動(dòng)效率，根據(jù)離心泵和電機(jī)類型指定；為電機(jī)單相電壓，V；為電機(jī)單相電流，A。

4）效率 離心泵的效率可以用有效功率和軸功率計(jì)算，如式(6)所示：

5）有效汽蝕余量 有效汽蝕余量NPSHa計(jì)算式為

式中v為飽和蒸汽壓力，Pa。

2.2.2 故障診斷數(shù)學(xué)模型

1）初步故障診斷

研究表明，小波分析[8-9]、對(duì)稱點(diǎn)模式和圖像匹配分析[10]、小波包和復(fù)雜度分析[11]、相空間重構(gòu)和支持向量機(jī)分析[12-13]、神經(jīng)網(wǎng)絡(luò)[14]等多種現(xiàn)代數(shù)學(xué)分析方法都能夠有效地對(duì)故障進(jìn)行診斷。但是這些現(xiàn)代數(shù)學(xué)方法編程復(fù)雜，不利于工程實(shí)際應(yīng)用。

不同故障類型對(duì)應(yīng)不同特征值和閾值。本文針對(duì)不同故障選擇適用的閾值類型，在初步診斷模塊中將4種故障對(duì)應(yīng)的特征值、閾值進(jìn)行對(duì)比，建立初步故障診斷模型（表1），以此判斷是否出現(xiàn)故障，計(jì)算速度快，編程簡(jiǎn)單，能夠?qū)崿F(xiàn)在線診斷。

表1 初步故障診斷模型

Tab.1 The model of preliminary fault diagnosis

2）精確故障診斷

經(jīng)過初步故障診斷得出離心泵發(fā)生的故障類型，然后根據(jù)所處的故障類型采用不同方法進(jìn)行精確故障診斷，得出離心泵發(fā)生故障的嚴(yán)重程度。

① 汽蝕故障 根據(jù)離心泵汽蝕的嚴(yán)重程度將離心泵所處的汽蝕狀態(tài)分為輕度汽蝕、中度汽蝕和重度汽蝕3個(gè)階段。采用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）能量熵分析的方法對(duì)離心泵入口壓力信號(hào)進(jìn)行分析，得出入口壓力信號(hào)對(duì)應(yīng)的EMD能量熵E。隨著離心泵汽蝕程度的加重，E逐漸減小。離心泵發(fā)生輕度、中度、重度汽蝕的EMD能量熵臨界值分別為E1、E2、E3。據(jù)此建立的判斷離心泵汽蝕嚴(yán)重程度診斷模型見表2。

表2 離心泵汽蝕故障精確診斷模型

Tab.2 The accurate diagnosis model of cavitation failure for centrifugal pumps

② 振動(dòng)類故障 根據(jù)離心泵轉(zhuǎn)軸的振動(dòng)嚴(yán)重程度將振動(dòng)類故障分為輕度、中度和重度3類。采用幅域分析法對(duì)離心泵的振動(dòng)類故障進(jìn)行精確故障診斷。在幅域分析法的參數(shù)指標(biāo)中，峭度指標(biāo)v對(duì)沖擊脈沖類故障比較敏感，特別當(dāng)故障早期發(fā)生時(shí)，v明顯增加；均方根值rms穩(wěn)定性較好，但對(duì)早期故障不太敏感。本裝置將振動(dòng)類故障的特征值對(duì)應(yīng)的峭度指標(biāo)v和均方根值rms相結(jié)合，建立診斷模型（表3），對(duì)離心泵發(fā)生的振動(dòng)類故障進(jìn)行精確診斷。

2.3 軟件研發(fā)

裝置軟件部分基于C語言和SQL數(shù)據(jù)庫編寫。

2.3.1 軟件結(jié)構(gòu)和功能

圖3為該裝置的軟件流程框圖。軟件部分主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、運(yùn)行狀態(tài)在線顯示、數(shù)據(jù)庫和故障診斷五大模塊。各模塊及功能如下。

1）數(shù)據(jù)采集 該模塊對(duì)現(xiàn)場(chǎng)的流量、入口壓力、出口壓力、溫度、轉(zhuǎn)速、電流、電壓、離心泵軸向位移和徑向位移等信號(hào)進(jìn)行采集，通過數(shù)據(jù)采集軟件傳輸?shù)接?jì)算機(jī)中進(jìn)行處理。

2）數(shù)據(jù)處理 數(shù)據(jù)處理模塊將數(shù)據(jù)采集模塊采集的標(biāo)準(zhǔn)模擬電信號(hào)轉(zhuǎn)換成原始的物理信號(hào)。

3）運(yùn)行狀態(tài)在線顯示 該模塊將數(shù)據(jù)處理模塊中得到的結(jié)果以列表、曲線圖和柱狀體的形式在界面中顯示，供運(yùn)行人員實(shí)時(shí)查看。

4）數(shù)據(jù)庫 處理后的原始數(shù)據(jù)存入數(shù)據(jù)庫中，供故障診斷模塊調(diào)用。

5）故障診斷 包含初步故障診斷和精確故障診斷。初步故障診斷對(duì)汽蝕、基礎(chǔ)松動(dòng)、轉(zhuǎn)子不對(duì)中和轉(zhuǎn)子不平衡4種故障進(jìn)行識(shí)別和報(bào)警。精確故障診斷對(duì)離心泵所處的故障的嚴(yán)重程度進(jìn)行計(jì)算，并將嚴(yán)重程度劃分為輕度、中度和重度。

表3 離心泵振動(dòng)故障精確診斷模型

Tab.3 The accurate diagnosis model of vibration fault for centrifugal pumps

圖3 軟件流程框圖

2.3.2 軟件界面

裝置軟件界面主要包括主界面和實(shí)時(shí)顯示界面、歷史數(shù)據(jù)界面、故障診斷界面、參數(shù)設(shè)置界面和設(shè)置界面等子界面。

1）主界面 進(jìn)入軟件后直接進(jìn)入主界面，主界面可以進(jìn)入各個(gè)子界面，完成系統(tǒng)的所有操作。

2）實(shí)時(shí)顯示界面 主要包括主界面、柱狀圖、曲線圖和數(shù)據(jù)表4個(gè)界面，用戶可以根據(jù)需要選擇顯示方式。曲線圖和柱狀圖顯示界面如圖4所示。

3）歷史數(shù)據(jù)界面 包含通道數(shù)據(jù)和故障歷史 2個(gè)界面。用戶可以從通道數(shù)據(jù)中查看各個(gè)通道的歷史數(shù)據(jù)，從故障歷史界面中查看出現(xiàn)的故障歷史，以便于報(bào)表的制作等。

4）故障診斷界面 當(dāng)用戶發(fā)現(xiàn)裝置故障報(bào)警后，可在此界面查看壓力、位移信號(hào)的波形圖、頻譜圖和軸心軌跡圖，據(jù)此對(duì)故障進(jìn)行精確診斷。

5）參數(shù)設(shè)置界面 主要包括采集參數(shù)設(shè)置、通道參數(shù)設(shè)置、電機(jī)參數(shù)設(shè)置和故障參數(shù)設(shè)置。

6）設(shè)置界面 主要功能是對(duì)電流電壓進(jìn)行切換。由于部分使用場(chǎng)所需要在離心泵上加裝變頻器，而變頻器將會(huì)改變電流電壓的波形，使得離心泵的電流電壓不可測(cè)。為了保證該系統(tǒng)的通用性，在此界面添加切換電流電壓選項(xiàng)，用戶可以在此選擇是否測(cè)量電流電壓。

圖4 參數(shù)顯示界面

3 實(shí)際應(yīng)用

采用該裝置對(duì)LS50-32-125-ZHT型離心泵進(jìn)行運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷。圖5為正常狀態(tài)和基礎(chǔ)松動(dòng)狀態(tài)下離心泵轉(zhuǎn)軸的位移波動(dòng)曲線。由圖5可見，正常狀態(tài)下轉(zhuǎn)軸的位移均值較小，而當(dāng)出現(xiàn)基礎(chǔ)松動(dòng)故障時(shí)，轉(zhuǎn)軸的位移均值明顯增大。

圖5 轉(zhuǎn)軸位移波動(dòng)

此時(shí)轉(zhuǎn)軸的軸心軌跡如圖6所示。從圖6可以看出轉(zhuǎn)軸的軸心軌跡呈現(xiàn)不規(guī)則的形狀，由此判斷出此時(shí)離心泵發(fā)生了基礎(chǔ)松動(dòng)故障。同時(shí)，裝置本身也在運(yùn)行狀態(tài)欄中進(jìn)行了基礎(chǔ)松動(dòng)故障的報(bào)警。經(jīng)過對(duì)該離心泵進(jìn)行檢查，發(fā)現(xiàn)其確實(shí)存在基礎(chǔ)松動(dòng)故障。此外，該裝置的準(zhǔn)確性已經(jīng)通過了中國(guó)計(jì)量認(rèn)證檢測(cè)機(jī)構(gòu)認(rèn)證。

圖6 基礎(chǔ)松動(dòng)軸心軌跡

以上結(jié)果表明，該裝置可以準(zhǔn)確地對(duì)離心泵的運(yùn)行故障做出診斷，并且能夠用于實(shí)際應(yīng)用。

4 結(jié) 語

本文研制的離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置界面友好，簡(jiǎn)潔美觀，功能齊全，可以用多種方式顯示離心泵的運(yùn)行狀態(tài)，并且能夠?qū)收线M(jìn)行初步和精確診斷，能準(zhǔn)確實(shí)現(xiàn)離心泵的運(yùn)行狀態(tài)在線監(jiān)測(cè)和故障診斷，可以實(shí)際應(yīng)用于帶有離心泵的工業(yè)生產(chǎn)中以保證離心泵的安全穩(wěn)定運(yùn)行。

［1］ 史軍杰, 王美霞. 基于模型的離心泵故障診斷設(shè)計(jì)[J]. 自動(dòng)化與儀器儀表, 2014(12): 68-70.

SHI Junjie, WANG Meixia. Troubleshooting centrifugal model-based design[J]. Automation & Instrumentation, 2014(12): 68-70.

［2］ 喬鳳杰, 白晶. 電廠水泵故障分析及整治方法研究[J]. 東北電力大學(xué)學(xué)報(bào), 2015, 35(5): 51-55.

QIAO Fengjie, BAI Jing. The failure analysis of thermal power generator set and research on improvement[J]. Journal of Northeast Electric Power University, 2015, 35(5): 51-55.

［3］ 王迪, 姜偉, 朱紅波, 等. 故障診斷技術(shù)在離心泵中的應(yīng)用分析[J]. 化工機(jī)械, 2014, 41(2): 262-264.

WANG Di, JIANG Wei, ZHU Hongbo, et al. Application analysis of fault diagnosis technology in centrifugal pump[J]. Chemical Engineering & Machinery, 2014, 41(2): 262-264.

［4］ 臧薇. 基于支持向量機(jī)的煤礦井下水泵故障診斷研究[J]. 煤炭技術(shù), 2017, 36(5): 258-260.

ZANG Wei. Research on fault diagnosis of coal mine water pump based on support vector machine[J]. Coal Technology, 2017, 36(5): 258-260.

［5］ 李洪濤. 基于改進(jìn)BP算法的水泵機(jī)組故障診斷的網(wǎng)絡(luò)模型[J]. 機(jī)械工程與自動(dòng)化, 2017(1): 161-163.

LI Hongtao. Pump unit fault diagnosis network model based on improved BP algorithm[J]. Mechanical Engi- neering & Automation, 2017(1): 161-163.

［6］ 陳英強(qiáng), 陳煜敏, 蔣勁, 等. 基于小波包樣本熵和SVM的水泵機(jī)組振動(dòng)故障診斷[J]. 中國(guó)農(nóng)村水利水電, 2017(3): 165-168.

CHEN Yingqiang, CHEN Yumin, JIANG Jin, et al. Vibration analysis and fault diagnosis of water pump unit based on wavelet packet sample entropy and SVM[J]. China Rural Water and Hydropower, 2017(3): 165-168.

［7］ 楊詩成, 王喜魁. 泵與風(fēng)機(jī)[M]. 北京: 中國(guó)電力出版社, 2007: 23-24.

YANG Shicheng, WANG Xikui. Pump and fan[M]. Beijing: China Electric Power Press, 2007: 23-24.

［8］ 黃忠富. 小波分析在離心泵汽蝕故障診斷中的應(yīng)用研究[D]. 南京: 江蘇大學(xué), 2005: 26-42.

HUANG Zhongfu. Research on the applications of wavelet analysis in cavitation fault diagnosis for centrifu- gal pumps[D]. Nanjing: Jiangsu University, 2005: 26-42.

［9］ WANG D, ZHAO Y, YI C, et al. Sparsity guided empirical wavelet transform for fault diagnosis of rolling element bearings[J]. Mechanical Systems and Signal Processing, 2018, 101: 292-308.

［10］ 許小剛, 王松嶺, 劉海嘯. 基于SDP與圖像匹配的離心風(fēng)機(jī)失速實(shí)時(shí)檢測(cè)[J]. 動(dòng)力工程學(xué)報(bào), 2015, 35(11): 906-911.

XU Xiaogang, WANG Songling, LIU Haixiao. Real-time stall detection of centrifugal fans based on SDP analysis and image matching[J]. Journal of Chinese Society of Power Engineering, 2015, 35(11): 906-911.

［11］ 周云龍, 趙鵬, 孫斌. 基于提升小波包的離心泵故障診斷方法[J]. 熱能動(dòng)力工程, 2011, 26(6): 738-742.

ZHOU Yunlong, ZHAO Peng, SUN Bin. Method for diagnosing the fault of a centrifugal pump based on a lifting wavelet package[J]. Journal of Engineering for Thermal Energy and Power, 2011, 26(6): 738-742.

［12］ 陶新民, 徐晶, 杜寶祥, 等. 基于相空間RVM的軸承故障檢測(cè)方法[J]. 振動(dòng)與沖擊, 2008, 27(10): 6-9.

TAO Xinmin, XU Jing, DU Baoxiang, et al. Bearing fault detection based on RVM using phase space[J]. Journal of Vibration and Shock, 2008, 27(10): 6-9.

［13］ 田松峰, 胥佳瑞, 王美俊, 等. 基于EEMD云模型和SVM的汽輪機(jī)轉(zhuǎn)子故障診斷方法[J]. 熱力發(fā)電, 2017, 46(4): 111-114.

TIAN Songfeng, XU Jiarui, WANG Meijun, et al. A rotor fault diagnosis method based on EEMD cloud model and SVM[J]. Thermal Power Generation, 2017, 46(4): 111-114.

［14］ 周云龍, 洪君, 張學(xué)清, 等. HHT與Elman神經(jīng)網(wǎng)絡(luò)在離心泵故障振動(dòng)信號(hào)處理中的應(yīng)用[J]. 流體機(jī)械, 2007, 35(5): 21-24.

ZHOU Yunlong, HONG Jun, ZHANG Xueqing, et al. Application of Hibert-huang transform and Elman neural network in vibration signals processing for centrifugal pump failure[J]. Fluid Machinery, 2007, 35(5): 21-24.

Development and application of on-line monitoring and fault diagnosis device for operation state of centrifugal pumps

LIU Qichao, ZHOU Yunlong, LIANG Chao, YANG Mei, HUANG Na

(College of Energy and Power Engineering, Northeast Electric Power University, Jilin 132012, China)

In order to accurately monitor the operation state of centrifugal pumps, mathematic model for online monitoring and fault diagnosis of the operation state was established, and an online monitoring and fault diagnosis device for centrifugal pumps was also developed. With the functions of running state monitoring and fault diagnosis on line, this device can monitor the volume flow, inlet pressure, outlet pressure, pump head, power, efficiency, axial displacement and radial displacement of the centrifugal pump online. Moreover, the running state can be displayed in forms of graph, histogram and table. The fault diagnosis function includes initial diagnosis and accurate diagnosis. The initial diagnosis adopts threshold contrast method to identify the four faults of cavitation, foundation looseness, rotor misalignment and rotor imbalance. The accurate diagnosis classifies the faults as mild, moderate and severe according to the empirical mode decomposition (EMD) energy entropy. The results show that this device can monitor and diagnose the operation state of the centrifugal pump accurately.

centrifugal pump, running status, online monitoring, threshold contrast, EMD energy entropy, fault diagnosis

Project of Jilin Provincial Science and Technology Development Project Fund (20130206008GX)

劉起超(1991—)，男，碩士，助教，主要研究方向?yàn)樾盘?hào)模式識(shí)別及故障診斷，lqcliuqichao@126.com。

TK288

A

10.19666/j.rlfd.201809122

劉起超, 周云龍, 梁超, 等. 離心泵運(yùn)行狀態(tài)在線監(jiān)測(cè)與故障診斷裝置研制與應(yīng)用[J]. 熱力發(fā)電, 2019, 48(1): 30-35. LIU Qichao, ZHOU Yunlong, LIANG Chao, et al. Development and application of on-line monitoring and fault diagnosis device for operation state of centrifugal pumps[J]. Thermal Power Generation, 2019, 48(1): 30-35.

2018-09-30

吉林省科技發(fā)展計(jì)劃資助項(xiàng)目(20130206008GX)

周云龍(1960—)，男，博士，教授，主要研究方向?yàn)閮上嗔骷盎痣姀S設(shè)備故障診斷，neduzyl@163.com。

（責(zé)任編輯 劉永強(qiáng)）