CN100442063C - 分布式智能电机监测系统 - Google Patents

Abstract

本发明涉及一种分布式智能电机监测系统。该系统包括现场底层智能监测子站，高层智能监测总站，以及用于进行数据采集与信息处理实现电机监测功能的模块化系统应用软件。其中，监测子站与对应位置的电机相连，由包含监测仪器、仪表、数据采集器的智能监测模块组成，智能监测总站是由实现电机信息集中处理和智能监测的计算机构成，子站与总站之间采用数据通信网络互连。通过该系统可实现单台或多台电机各项参数的实时采集和本地/远程监测，电机运行状态识别及故障诊断功能。不仅可作为电机生产厂家出厂试验和型式试验专用设备，而且还可广泛用于冶金、化工、石油、制药等工业部门电机实时监控或在线故障监测。

Description

分布式智能电机监测系统

技术领域

本发明属于电机测控技术领域，涉及一种分布式智能电机监测系统。

背景技术

目前国内大多数电机生产厂家和电机使用厂家往往采用电流表、电压表、转速表等较为原始的仪表进行电机试验(出厂试验和型式试验)和电机检修，存在着劳动强度高、测试误差大、效率低等缺点；国内现有的一些电机实验系统，是在DOS系统下实现的，其功能简单，存在着兼容性、扩展性和实时性差，难以实现多台电机同步监测(检测)等问题，不能完全满足电机生产厂家型式实验的测试要求。在冶金、化工、石油、制药等工业部门，电机的在线实时监测和故障诊断是安全生产、优质高产的保证。现有的电机故障诊断技术很多都是离线运行的，没有结合实时采集的数据进行分析处理，一些基于小波分析、神经网络的故障诊断技术还停留在理论研究阶段，难以实现电机运行状况的实时识别、故障诊断和预测，给人员设备安全和工业生产带来了巨大的隐患。《分布式在线监测与故障诊断网络系统的研究与开发》(2002年《计算机应用》第2期21-24页)公开一种集中数据采集系统，但是从本质而言仍然是一种基于DOS的系统的采用数据采集卡的集中数据采集方案，没有解决分布式数据采集，强扩展性、强兼容性等上述问题。

发明内容

本发明的目的是提供一种能够实现单台或多台电机的同步监测，达到电机监测的实时性、易操作性、强扩展性、网络化、高精度和安全可靠要求的分布式智能电机监测系统。

实现本发明的目的所采取的技术方案是：该系统包括现场底层智能监测子站，高层智能监测总站，以及用于进行数据采集与信息处理实现电机监测功能的模块化系统应用软件；其中，所述现场底层智能监测子站与对应位置的电机相连，由包含监测仪器、仪表、数据采集器和智能接口模块的智能监测模块组成，电机的每个参数分别采用独立的数据采集器或者智能仪表采集获得，由智能网络接口模块实现网络协议的转换和网络连接；所述高层智能监测总站是由实现电机信息集中处理和智能监测的计算机构成，子站与总站之间采用数据通信网络互连；所述电机监测系统的模块化系统应用软件主要包括数据通信与预处理模块、实时监视模块、电机运行状态识别模块、电机实验模块、电机故障诊断模块、数据库管理模块、打印与系统安全及帮助模块。

所述智能监测模块包括智能网络接口模块、电源模块、电源线、通信线、电机温度监测部分、转速转矩监测部分、振动监测部分、电量监测部分、绝缘电阻和直流电阻测试部分及扩展模块部分；其中，所述电机温度监测部分是由热电偶或热电阻、温度显示仪表或数据采集器组成；所述转速转矩监测部分是由转速传感器、扭矩传感器和转速转矩仪表或数据采集器组成；所述振动监测部分是由振动传感器和数据采集器组成；所述电量监测部分是由互感器、变压器、电量显示仪表或数据采集器组成；所述绝缘电阻和直流电阻测试部分是由直流电阻测试仪、绝缘电阻测试仪组成；各部分通过电源线、通信线分别与电源模块和智能网络接口模块连接。

在数据通信与预处理模块中，采用限幅滤波和中值滤波进行电机运行数据的预处理；所述实时监视模块包括实时参数列表、运行曲线监视及电机运行监视图三个部分；所述电机运行状态识别模块包括模糊专家识别、知识库管理、电机参数库管理三个部分；所述电机故障诊断模块包括智能故障诊断、样本库规则库管理和人机交互三个部分。

所述电机运行状态识别模块中的模糊专家识别采用模糊控制器和专家系统根据电机各项运行数据、技术参数数据进行电机运行状态在线实时识别。

所述电机故障诊断模块中的智能故障诊断采用神经网络进行电机故障模式的提取，并采用产生式专家系统的双向推理进行电机故障诊断，所述产生式专家系统是由推理机、工作内存和知识库三部分构成。

采用BP误差反向传播神经网络进行电机故障智能预测，BP网络是由输入层、隐含层和输出层互相连接构成，采用BP神经网络建立三种故障模式模型，通过建立BP误差反向传播神经网络电机故障模式提取模型，根据电机运行状况，进行过载故障、轴承故障、绝缘故障等模式的提取。

底层监测子站按照对应电机的型号和位置确定对应的独立站点号或IP地址，电机的电量参数、转速、转矩、温度、噪声、绝缘、振动等多项指标由对应的底层监测模块采集和显示，并通过串行通信网络、工业以太网络或现场总线网络与智能监测总站进行数据传输；电机监测系统的模块化程序控制软件主要包括数据通信与预处理模块、实时监视模块、电机运行状态识别模块、电机实验模块、电机故障诊断模块、数据库管理模块、打印、系统安全及帮助模块。通过上述系统的构成及系统软件功能，可以实现单台或多台电机的信息集中智能化处理以及远程监测的网络化管理。

按照上述方案制成的分布式智能电机监测系统，为电机测控技术领域提供了一种具有信息监测分布式、信息处理集中性和智能化、信息管理网络化的电机监控系统，从而实现了单台或多台电机电量参数、转速、转矩、温度、噪声、绝缘、振动等多项指标的实时监测，并通过智能化技术进行电机运行状态实时识别和故障诊断。

该监测系统与现有技术相比具有以下优点：

(1)采用分布式系统结构，底层智能监测子站实现电机各项参数的实时采集和监测，高层智能监测总站进行电机参数的在线监测、信息管理、电机运行状态识别和故障智能诊断功能。

(2)采用网络化的数据采集方案，将串行通信网络、工业以太网络和现场总线网络集成，有效地实现了单台或多台电机的本地/远程同步监测。多方位的全息信息存储在上位计算机的数据库中，可以方便地建立基于工业以太网的企业MIS(管理信息系统)系统，实现信息的网络管理。

(3)采用模糊控制、专家系统、神经网络等智能化技术进行数据的处理，实现电机运行状态的识别，故障模式提取和故障智能诊断。从而保证生产的安全可靠运行，为设备和人员安全提供了保障。

(4)由于采用了高精度、高性能的检测设备和智能仪表，同时采用多种数据校验技术、ARQ技术、数字滤波技术等，从而保证数据采集的快速性、高精度以及数据传输的快速性、准确性。

(5)本发明中，由于采用网络化通信结构、模块化程序设计，系统可方便的进行系统功能的扩充和软件升级，并可方便地接入PLC或者DCS控制系统，将分布式智能电机监测系统扩充为分布式智能式电机监控系统。同时采用网络数据库技术、B/S技术可以方便地建立企业MIS系统，实现企业内部电机的网络化监测。系统还具有良好的人机界面，可以采用钳形互感器、笔记本电脑等设备，进行系统最小化便携式配置，实现恶劣环境中电机的在线故障诊断。

附图说明

下面利用附图进一步描述本发明的实施例。

图1是本发明的监测系统框图；

图2是图1中智能监测控制模块的框图；

图3是本发明监测系统模块化程序结构框图；

图4是电机故障智能诊断原理框图。

具体实施方式

参看图1，本发明的分布式智能电机监测系统，包括底层智能监测子站和高层智能监测总站(计算机)，其中监测子站与对应位置的电机相连，由包含监测仪器、仪表、数据采集器的智能监测模块组成，智能监测总站是由实现电机信息集中处理和智能监测的计算机构成；底层监测子站按照对应电机的型号和位置确定对应的独立站点号或IP地址，电机的电量参数、转速、转矩、温度、噪声、绝缘、振动等多项指标由对应的底层监测模块采集和显示；底层智能监测子站与高层计算机之间可以采用串行通信网络、工业以太网或者现场总线网络进行数据通信。

参看图2，是分布式智能电机监测系统中的智能监测模块，智能监测模块主要采用多种类型传感器、互感器、热电偶等，将电机的各项性能参数，包括电量参数(电压、电流、功率等)、转速、转矩、温度、噪声、振动等信号转换为电压或电流信号，然后通过底层的仪器、仪表或数据采集器进行处理和显示，并且转化为数字信号，通过智能网络接口实现与通信网络的连接。

智能监测模块主要包括智能网络接口模块、电源模块、电源线、通信线、电机温度监测部分、转速转矩监测部分、振动监测部分、电量监测部分、绝缘电阻和直流电阻测试部分及扩展模块部分等；其中，电机温度监测部分是由热电偶或热电阻、温度显示仪表或数据采集器组成；转速转矩监测部分是由转速传感器、扭矩传感器和转速转矩仪表或数据采集器组成；振动监测部分是由振动传感器和数据采集器组成；电量监测部分是由互感器、变压器、电量显示仪表和数据采集器组成；绝缘电阻和直流电阻测试部分是由直流电阻测试仪、绝缘电阻测试仪组成；扩展模块是由用于建立其它监测功能的模块组成；各部分通过电源线、通信线分别与电源模块和智能网络接口模块连接；各部分的功能作用如下：

电机温度监测：电机各监测点的温度信号通过热电偶或热电阻获得，可以采用温度显示仪表进行数据处理和温度显示，或者由数据采集器直接进行信号转换与传输。

转速转矩监测：电机的转速转矩信号通过转速传感器和扭矩传感器获得，并由转速转矩仪表进行数据处理和显示，或者由数据信号采集器直接进行信号转换与传输。

振动监测：电机的振动信号通过振动传感器获得，由数据采集器进行信号转换与传输。

电量监测：对交流电机根据需要通过互感器、变压器，采用电量显示仪表进行三相电压、三相电流、三相功率、频率、零序电流、功率因数等电机电量的采集和显示。直流电机主要监测电压、电流和功率三相指标。

绝缘电阻测试、直流电阻测试：采用专用的测试仪器仪表对电机的绝缘电阻、直流电阻进行测试。

扩展模块：根据电机监测的实际需要，添加传感器、仪表进行噪声监测、耐压监测、接地电阻测试等。

电源模块：提供给各显示仪表、测试仪、数据采集器、传感器所需要不同的交直流电源，同时对各装置进行电源的开/关控制以及信号灯显示。

智能网络接口模块：国内外不同厂家的显示仪表、测试仪、数据采集器采用不同的网络通信协议，而智能监测模块与总站计算机之间根据工业生产的实际需要、环境情况、监测距离也可能采用不同的网络，因此需要采用智能网络接口进行网络通讯协议之间的转换，实现不同网络之间的互连。如：转速转矩显示仪表提供RS232接口，智能监测模块与计算机之间采用RS485网络，则需要采用RS232/RS485转换器将转速转矩仪表接入RS485网络。

参看图3，是本发明监测系统模块化程序结构框图，电机监测系统模块化程序结构主要包括数据通信与预处理模块、实时监视模块、电机运行状态识别模块、电机试验模块、电机故障诊断模块、数据库管理模块、打印、系统安全及帮助模块。在本发明中，对于用于电机试验系统而言，应用软件只用包括数据通信与预处理模块、实时监视模块、电机实验模块、数据库管理模块和打印与系统安全及帮助模块。对于用于电机在线监测系统而言，应用软件包括数据通信与预处理模块、实时监视模块、电机运行状态识别模块、数据库管理模块、打印与系统安全及帮助模块。

数据通信与预处理模块：根据图1的通信网络采用数据通信技术实现总站计算机与分站智能监测模块之间的数据传输，为了保证数据传输的实时性，准确性，采用了多线程技术、ARQ技术、校验技术以及智能监测模块中的仪器、仪表、数据采集器、智能网络接口模块等专用的通信协议。

由于工业现场往往存在着强大电磁干扰，系统误差、随机误差或人为因素导致数据中不可避免的存在失真信号，因此对电机的运行参数数据还要进行过滤噪音的处理，本系统中采用限幅滤波和中值滤波进行电机运行数据的预处理。

电机试验模块：包括电机出厂试验和型式试验。根据数据通信与预处理获得的试验数据、电机参数库数据进行单台或多台电机的过载试验、温升试验、堵转试验等，电机实验数据及特性曲线可以通过实时监视模块进行监视，同时由数据库管理模块进行储存、查询、通过打印模块打印对应的试验结果报表及曲线。

实时监视模块：包括实时参数列表、运行曲线监视及电机运行监视图三个部分。实时参数列表对电机所有需要监测的运行数据进行列表实时显示，包括电机的电流、电压、功率等电量参数、转速、转矩、各检测点温度、噪声、振动等数据，同时还采用曲线形式实时监视电机运行参数。主要的运行曲线包括电量变化曲线、转速转矩曲线、效率曲线和功率曲线。在电机运行监视图中，采用电机运行模拟画面使操作人员对电机的启停和正反转状态、电量、转速、转矩等参数进行直观全面的监测。在进行多台电机监测时，可以通过点击模拟画面中电机图察看对应电机运行参数的详细信息，包括实时运行参数、对应型号电机的性能参数和规格参数。

电机运行状态识别模块：主要包括模糊专家识别、知识库管理、电机参数库管理三个部分。知识库主要存储用于电机运行状态识别的模糊专家规则，知识库可以由操作人员或专家进行查询、修改、更新，知识库的管理使得运行状态识别具有在线学习功能，并提供方便的人机接口，可以使操作人员及时掌握电机运行状态信息，以及状态识别对应的规则。电机参数库根据需要存储不同型号电机的技术参数，如：额定电流、额定电压、额定功率等，从而为状态识别、故障诊断和预测奠定基础。在电机运行状态识别模块中采用模糊专家智能化技术，是由模糊控制器和专家系统组成，根据电机各项运行数据、技术参数数据进行电机运行状态在线实时识别。

根据采集的各项电机运行数据、电机技术参数数据进行电机运行状态的识别(“好”(GO)、“注意”(STOP)、“差”(BACK))。

电机故障诊断模块：主要包括智能故障诊断、样本库规则库管理和人机交互三个部分，样本库规则库中存储用于故障诊断的专家规则以及用于预测的学习样本，通过人机交互界面实现样本库规则库的查询、修改、更新，同时给出电机出现故障的原因。智能故障诊断主要采用神经网络技术和专家推理技术，对电机进行故障诊断、给出故障报警指示，同时提出电机维修、更换专家的建议。

数据库管理模块：主要包括数据储存、历史数据查询、历史曲线查询三个部分。对电机运行数据或测试数据进行存储，同时根据日期时间和电机编号对历史数据进行查询，结果通过表格形式或曲线形式进行显示。数据库可以采用Access数据库、Foxpro数据库、SQL数据库或者Oracle数据库形式，采用DAO、ADO、RDO或者ODBC技术进行数据库的存储、查询。数据库中的数据表主要包括：电机电量运行参数表、电机其它运行参数表、故障纪录表。

打印与系统安全及帮助模块：根据需要进行电机监测数据的表格、曲线、画面打印。为了保证系统的安全、可靠运行，设置了系统管理员口令，采用加密算法以确保只有操作人员材可以进行系统口令、电机参数库、规则库、样本库的查询和修改，同时提供了直观详细的帮助文件。

对应图3中的电机运行状态识别模块，本发明提出了电机运行状态智能识别技术：模糊控制是智能控制较早的一种形式，从广义上讲，模糊逻辑控制指的是应用模糊集合理论统筹考虑系统的一种控制方式，是解决不确定性系统控制的一条有效途径。专家系统是人工智能一个重要研究方面，已越来越多地应用于解释、咨询、诊断、预测、控制、监视、教学、推理和决策等。专家系统使用某个领域专家的经验知识，模仿人类解决专门问题的方法来解决该领域的问题。当一个专家设计成模仿专家在实施控制作用的经验和技巧时，它就是一个专家控制系统(Expert Control System)。在本发明中，采用模糊控制器和专家控制系统对电机的各项运行数据、电机技术参数数据进行电机运行状态的识别。

可以把电机的运行参数分为：电量类别、转速转矩类别、温度类别、噪声振动类别、电阻类别，其中电量类别包括电流、电压、功率、(频率、效率)；转速转矩类别主要是电机转速和转矩；温度类别包括各检测点的温度；噪声振动类别包括电机运行噪声和振动指数；电阻类别包括绝缘电阻、直流电阻、接地电阻等。

人类评价一个事物，往往分为“好”“中”“差”三个级别。类似地，将这些参数也分为三个等级：“GO”(好)“STOP”(注意)“BACK”(差)，这三个等级是模糊语言逻辑描述的模糊集合，三个等级对应的得分(GS数)分别为2，1，0。根据操作经验确定各个类别参数对应的模糊子集和隶属度函数。

将各个参数分类计算类别的得分GS数，方法如下：

类别集合W＝{W₁，W₂，W₃，W₄，W₅}分别对应{电量类别、转速转矩类别、温度类别、噪声振动类别、电阻类别}，它们的GS数用 $P_{W_j}(j=\mathrm{1,2,3,4,5})$ 表示。类别中各个参数的GS用P_ij(第j个类别的第i个参数的评判得分)表示，而单个参数评判结果的隶属度用u_i表示。

根据各参数在类别评价中的重要程度，对各参数赋以不同的权值w_ij(表示第i个参数对第j个类别评判的影响权重)，满足：

$\underset{i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}=1---\left(1\right)$

则类别GS数的计算公式为：

$P_{W_j}=\underset{i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}\left|P_{\mathrm{ij}}\right|---\left(2\right)$

类别评判的确定度CF_j用如公式(3)计算：

${\mathrm{CF}}_j=\underset{i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}{u}_i---\left(3\right)$

对每个类别也象单个参数一样，根据操作经验值设定模糊子集和隶属函数，判断“好”(GO)、“注意”(STOP)、“差”(BACK)。

在类别评判的基础上，对5个类别GS数进行加权累加，作为总的电机运行状态水平判断GS数：

$\mathrm{PGS}=\underset{j=1}{\overset{5}{\mathrm{\Σ}}}{w}_j{P}_{W_j}---\left(4\right)$

其中的权值w_j根据各个类别在运行状态水平中所占的比重确定。P_GS的值越大，则表明电机运行状况越好；越接近于0，危险性越大。

参看图4，对应图3中的电机故障诊断模块本发明提出了电机故障智能诊断技术：电机故障诊断就是在在线监测的基础上，从监测数据的分析结果中提取故障的特征值，从而得到机组的运行情况，并判断机组是否会发生故障以及故障出现的原因和部位。电机故障诊断的关键技术在于如何准确提取每一种故障的特征值，并在此基础上建立一个实用有效的规则库，需要深入研究每一种故障的机理及其特征，并结合领域的专家知识和现场工程师的经验。在本发明中，电机故障诊断模块中的智能故障诊断采用神经网络进行电机故障模式的提取，并采用产生式专家系统的双向推理进行电机故障诊断，产生式专家系统是由推理机、工作内存和知识库三部分构成，利用前向推理和逆向推理相结合的双向推理进行电机故障诊断。

实时监测系统获得的数据，经过处理后送到产生式专家系统和BP神经网络中。BP神经网络利用故障样本库中的样本进行学习，同时利用实时数据进行故障模式识别，识别的结果和实时数据一起送入产生式专家系统进行故障诊断。

(1)神经网络故障模式提取

神经网络系统是一个高度复杂的非线性动力学系统，具有分布处理、自学习、记忆、并行处理和自适应等特点，广泛应用在模式识别、语音识别、智能控制、信号处理、生物工程、非线性优化等领域。在此采用BP误差反向传播神经网络进行电机故障智能预测，根据电机运行状况，进行过载故障、轴承故障、绝缘故障等模式的提取，在此采用3层(输入层、单隐层、输出层)的BP神经网络建立三种故障模式模型，采用主元分析法、相关性分析等技术对电机的运行参数进行分析，获得不同故障模式的特征变量作为模型的输入变量。BP神经网络隐层节点数＝两倍的BP神经网络输入层节点数+1，BP神经网络学习率＝2/(BP神经网络隐层节点数+1)，输出变量为各种故障模式可能出现的概率。在实际过程中可以根据神经网络学习和预测的误差对神经网络的结构进行调整。

通过建立神经网络电机故障模式提取模型，就可以根据电机运行数据进行电机故障的模式提取，从而获得各种故障出现的概率，结果送入到专家系统进行综合推理。

(2)专家故障诊断

产生式专家系统由推理机、工作内存和知识库三部分构成，根据电机运行数据和神经网络故障模式提取的结果进行双向推理，从而实现电机的故障智能诊断。

前向推理采用“扫描规则库→冲突解决→更新工作内存”3个步骤进行。在前向推理中，当规则的条件部分与工作内存的状态相匹配时，这条规则的动作部分得到执行，根据所得的结果增加、修改、或更正工作内存的状态，这样周期地进行。这种由规则的条件部分向动作部分的方向进行的推理，对应着由观测的数据导出结论或生成假设的过程。

在逆向推理中，首先是规定应该达到的目标，然后根据动作满足这一目标的规则，再把这条规则的条件部分作为下一个目标，继续根据动作部分满足这一目标的规则，这样按相同的方法周期地进行。这种推理方法对应着检验假设的过程。

Claims (6)

1、一种分布式智能电机监测系统，其特征在于：该系统包括现场底层智能监测子站，高层智能监测总站，以及用于进行数据采集与信息处理实现电机监测功能的模块化系统应用软件；其中，所述现场底层智能监测子站与对应位置的电机相连，由包含监测仪器、仪表、数据采集器和智能接口模块的智能监测模块组成，电机的每个参数分别采用独立的数据采集器或者智能仪表采集获得，由智能网络接口模块实现网络协议的转换和网络连接；所述高层智能监测总站是由实现电机信息集中处理和智能监测的计算机构成，子站与总站之间采用数据通信网络互连；所述电机监测系统的模块化系统应用软件主要包括数据通信与预处理模块、实时监视模块、电机运行状态识别模块、电机实验模块、电机故障诊断模块、数据库管理模块、打印与系统安全及帮助模块。

2、根据权利要求1所述的分布式智能电机监测系统，其特征在于：所述智能监测模块包括智能网络接口模块、电源模块、电源线、通信线、电机温度监测部分、转速转矩监测部分、振动监测部分、电量监测部分、绝缘电阻和直流电阻测试部分及扩展模块部分；其中，所述电机温度监测部分是由热电偶或热电阻、温度显示仪表或数据采集器组成；所述转速转矩监测部分是由转速传感器、扭矩传感器和转速转矩仪表或数据采集器组成；所述振动监测部分是由振动传感器和数据采集器组成；所述电量监测部分是由互感器、变压器、电量显示仪表或数据采集器组成；所述绝缘电阻和直流电阻测试部分是由直流电阻测试仪、绝缘电阻测试仪组成；各部分通过电源线、通信线分别与电源模块和智能网络接口模块连接。

3、根据权利要求1所述的分布式智能电机监测系统，其特征在于：在数据通信与预处理模块中，采用限幅滤波和中值滤波进行电机运行数据的预处理；所述实时监视模块包括实时参数列表、运行曲线监视及电机运行监视图三个部分；所述电机运行状态识别模块包括模糊专家识别、知识库管理、电机参数库管理三个部分；所述电机故障诊断模块包括智能故障诊断、样本库规则库管理和人机交互三个部分。

4、根据权利要求3所述的分布式智能电机监测系统，其特征在于：所述电机运行状态识别模块中的模糊专家识别采用模糊控制器和专家系统根据电机各项运行数据、技术参数数据进行电机运行状态在线实时识别。

5、根据权利要求3所述的分布式智能电机监测系统，其特征在于：所述电机故障诊断模块中的智能故障诊断采用神经网络进行电机故障模式的提取，并采用产生式专家系统的双向推理进行电机故障诊断，所述产生式专家系统是由推理机、工作内存和知识库三部分构成。

6、根据权利要求5所述的分布式智能电机监测系统，其特征在于：采用BP误差反向传播神经网络进行电机故障智能预测，BP网络是由输入层、隐含层和输出层互相连接构成，采用BP神经网络建立三种故障模式模型，通过建立BP误差反向传播神经网络电机故障模式提取模型，根据电机运行状况，进行过载故障、轴承故障、绝缘故障等模式的提取。

Images