CN102023100A

CN102023100A - 设备故障预警系统及方法

Info

Publication number: CN102023100A
Application number: CN2010102575819A
Authority: CN
Inventors: 刘文革; 田驰; 刘盛鹏
Original assignee: DONGGUAN LUOER ELECTROMECHANICAL TECHNOLOGY Co Ltd
Current assignee: DONGGUAN LUOER ELECTROMECHANICAL TECHNOLOGY Co Ltd
Priority date: 2010-04-19
Filing date: 2010-08-20
Publication date: 2011-04-20

Abstract

本发明提供一种运行可靠、性价比高、界面直观、可提前发出设备故障准确预警信号、具备故障类型自学习功能的设备故障预警系统及方法。通过在设备合适的部位安装适当类型的传感器采集设备诸如轴承温度、压力、机体振动波形、电流变化波形等参数，采用低速、高速两种数据采集模块将传感器采集的信号数字化，开发专门的计算机软件对采集的各类数据进行处理、存储和分析，软件运用傅里叶变换、Wigner—Ville分布、希尔伯特黄变换、小波分析等数学方法，实现振动、电流等波形的适时时域频域变换和分析，运用建立档案的得分法对检测的各类参数进行评价，发现并诊断设备早期异常，进而实现对设备故障的预警。本发明的设备故障预警系统采用模块化架构，由传感器模块、数据采集模块、数据处理模块、自学习智能预警平台四大模块组成，各模块间由数据传输网络连接起来。检测方式可采用在线监测和便携式点检二种方式。

Description

设备故障预警系统及方法

技术领域

本发明属于在机械设备运转发生事故前，提前对设备故障发出预警，防止突发事故发生，减员增效保证安全生产之领域。

背景技术

众所周知，机械设备在运转过程中都会表现出三类基本特征，一类是功能特征，比如水泵或风机在运转过程中被输送介质的压力、流量、速度等；第二类是设备运转过程中表现出的表象特征，如轴承温升、机体振动、产生的噪声等；第三类是设备的电气特征，如电动机的电流、电压变化等。运用不同的传感器可以对设备的各种特征参数进行测量。

任何事件的发生都有一个从量变到质变的过程，机械设备故障的发生也不例外。设备故障点的故障有一个由轻微到严重的过程，开始时一个轻微的故障点如不及时处理也可能产生多个故障点，故障程度逐步加重，直至设备损坏。设备在发生损坏前相当长一段时间，由于故障点的存在，其功能特征参数、表象特征参数和电气参数都可能产生异常，如电流增大、噪声和振动增大或频谱发生变化、出口压力变小等，本发明的设备故障预警系统及方法通过对设备三类特征参数的在线全方位监测，运用传感技术、数据采集技术、数据传输技术、数据分析技术、智能自学习专家库技术，实现设备故障预警。

本发明的设备故障预警系统及方法可达到以下目的：

1、提前预知设备故障，杜绝突发事故发生；

2、为设备无人值守提供技术保障，减少操作人员，降低工人劳动强度；

3、革新设备检修体制，提高设备使用效率；

4、为建立备品备件与设备状况联动机制创造条件，降低备品备件库存量。

发明内容

本发明所要解决的技术问题是提供一种运行可靠、性价比高、界面直观、可提前发出设备故障准确预警信号、具备故障类型自学习功能的设备故障预警系统及方法。

本发明的设备故障预警方法是：针对设备的故障机理，在合适的部位安装适当类型的传感器采集设备诸如轴承温度、压力、机体振动波形、电流变化波形等参数，采用低速、高速两种数据采集模块将传感器采集的信号数字化，对于轴承温度、压力等变化缓慢的参数采用低速数据采集模块，对于机体振动波形、电流变化波形等快速变化的参数采用高速数据采集模块，以降低系统造价。模数转换后的数据根据现场情况和传输速率支持总线、无线、工业以太网传输。开发专门的计算机软件对采集的各类数据进行处理、存储和分析，软件运用傅里叶变换、Wigner—Ville分布、希尔伯特黄变换、小波分析等数学方法，实现振动、电流等波形的适时时域频域变换和分析，运用建立档案的得分法对检测的各类参数进行评价，发现并诊断设备早期异常，进而实现对设备故障的预警。

本发明的设备故障预警系统采用模块化架构，由传感器模块、数据采集模块、数据处理模块、自学习智能预警平台四大模块组成，各模块间由数据传输网络连接起来。系统架构示意图见图1。检测方式可采用在线监测和便携式点检二种方式。

1、传感器模块

针对不同的设备类型，本发明选配工业级电流、温度、压力、流量、速度、加速度、位移等传感器，采集设备三类特征参数，采集的数据由数据采集模块读取。

2、数据采集模块

数据采集模块的功能是将传感器模块采集到的设备各种特征参数进行数模转换，将模拟量信号转换成数字量信号，通过数据传输网络将数据传送到数据处理模块。其另一个功能是实现设备特殊特征参数的同步采集。

3、数据处理模块

传感器采集到的特征参数是以时间为横坐标的变量。对于诸如轴承温度、压力、流量等变化缓慢的变量，数据处理模块每间隔一段时间对变量进行采样，得出时域变量值，当温升、压力、流量等数值与基准值超出设定的偏差范围时，可自动增加采样频率，数据处理模块对这类变化缓慢变量的处理结果见图2。对于诸如设备振动速度或加速度、电流等随时间快速变化的变量，当设备某个部位发生早期异常时，其时域波形并没有明显变化，但其频域波形在某些特定的频率范围会产生明显的变化，例如当滑动轴承发生油膜震荡时，其0.43倍至0.48倍基频频率范围的振幅会明显增大，当旋转部件发生摩擦时，除了1倍频外，还会产生2倍频、3倍频高次谐波以及1/2倍频、1/3倍频低次谐波，在频域波形上表现为削头波形。由此可发现设备的早期异常并判断异常部位、类型及异常原因。数据处理模块内含多种数学分析函数，可实现诸如数字滤波、傅里叶变换、Wigner—Ville分布、希尔伯特黄变换、小波分析、短时傅里叶变换、时频联合分析、矢谱分析等多种数据处理功能。如某激振器时域频域变换见图3。原始数据及处理过的数据都存储在数据库里，方便调用和查询。

4、自学习智能预警平台

自学习智能预警平台是一套功能强大的人与系统的交互平台，运用人工神经网络、模糊理论等最新技术，对数据进行分析，实现设备故障预警。预警平台主界面有二种显示方式，一种是工艺流程主界面显示，见图4；另一种是设备参数列表主界面显示，见图5。自学习智能预警平台可实现以下主要功能：

（1）可通过声光报警、窗口弹出、短信等方式发出设备故障预警信号，见图6；

（2）适时诊断设备故障类型，给出维修建议，见图7；

（3）支持B/S架构，用户随时随地通过互联网都可了解设备状况；

（4）预警阀值自学习功能，依据设备维修记录智能调整，使系统对故障类型的诊断和故障预警越来越精准；

（5）完善的设备数据库管理功能，可方便地管理诸如设备运行参数、使用时间、维修记录、配件规格及更换记录等各种历史数据，设备维修记录管理见图8；

（6）可与企业ERP/EAM系统联网实现资源共享，可通过OPC等方式与设备的DCS/ PLC控制系统适时交换数据，主动杜绝突发生产事故。

5、数据传输网络

传感器模块与数据采集模块通过模拟电路传输，数据采集模块、数据处理模块、自学习智能预警平台间的数据传输支持总线、无线、工业以太网等多种网络架构，可根据工业现场设备及数据量不同灵活选择。

6、便携式设备故障预警点检仪

便携式设备故障预警点检仪集成了传感器模块、数据采集模块、数据传输网络、数据处理模块和自学习智能预警平台，配备标准接口的可拆卸式各类传感器，可在工业现场对设备进行巡检，对设备状态做出判断，发出故障预警信号，诊断设备故障类型。其存储的设备状态信息具有数据交换功能。

附图说明

图1是本发明的设备故障预警系统架构示意图。

图2是轴承温度变化曲线图。像温度这类设备特征参数变化缓慢，这里所说的变化缓慢是指在每秒时间内变化不大。

图3是激振器时域频域变换图。采集的是激振器的振动速度信号，这类快速变化的参数，一般主频在几十赫兹，对于高速旋转的设备如发电厂的汽轮机主频可达几百赫兹，通过时域频域变换，可清楚地找出不同故障类型的特征频率，为振动设备故障类型提供依据。

图4是是工艺流程主界面图。自学习智能预警平台主界面按工艺流程将所有设备状况直观地显示出来。

图5是设备参数列表主界面图。自学习智能预警平台主界面按列表方式将所有设备各种参数直观地显示出来，在这种方式下，还可按设备类别或设备名称查询显示某类或某种设备参数。

图6是设备故障预警信号图。当设备出现早期或轻微异常时，自学习智能预警平台自动弹出预警提示信息，并用声光、短信等方式通知用户。

图7是设备故障类型诊断报告图。该报告列出了故障类型、诊断依据、故障产生的可能原因及故障处理建议。

图8是设备维修记录管理图。该记录详尽记录了设备的维修信息，是系统自学习的重要依据。对于设备运行参数、使用时间、配件规格及更换记录等系统也会按图8样式自动生成。

具体实施方式

按照图1所示的设备故障预警系统架构，将不同类型的传感器如电流、电压、温度、位移、速度、加速度、压力等安装在被监测设备的适当部位，这些传感器输出的都是4mA~20mA或0V~5V模拟信号，用屏蔽电缆将传感器输出端与信号采集模块的对应输入端连接起来，实现被检测设备参数的在线采集。

数据采集模块对采集到的模拟信号进行模数转换，根据被采集参数的变化特点选择恰当的采集速率和AD精度，根据传输数据量及传输距离、现场布局选择总线、无线、以太网等多种网络架构将数据传输到数据处理模块。

数据处理模块和自学习智能预警平台都是应用软件，前者面向数据，后者面向用户，二者协同运行，通过数据库和网络进行数据交换，从而实现设备故障预警。

Claims

1. 一种设备故障预警系统及方法，包括传感器模块、数据采集模块、数据处理模块和自学习智能预警平台，各模块间用数据传输网络连接起来。

2. 通过对机械设备运转过程中表现出的三类基本特征的检测，并对检测的数据进行必要的处理和分析，实现设备故障预警。一类是功能特征，比如水泵或风机在运转过程中被输送介质的压力、流量、速度等；第二类是设备运转过程中表现出的表象特征，如轴承温升、机体振动、产生的噪声等；第三类是设备的电气特征，如电动机的电流、电压变化等。

3. 对于机体振动波形、电流变化波形等快速变化的参数，件运用傅里叶变换、Wigner—Ville分布、希尔伯特黄变换、小波分析等数学方法，实现振动、电流等波形的适时时域频域变换和分析，找出设备各类故障的特征频谱，作为实现设备故障预警的重要标准和方法。

4.运用建立档案的得分法对检测的各类参数进行评价，发现并诊断设备早期异常，实现对设备故障的预警。

5. 自学习智能预警平台运用人工神经网络、模糊理论等技术，根据反馈到系统的最终故障结果，逐步提升系统的预警精度。

6. 便携式设备故障预警点检仪集成了传感器模块、数据采集模块、数据传输网络、数据处理模块和自学习智能预警平台，配备标准接口的可拆卸式各类传感器，可在工业现场对设备进行巡检，对设备状态做出判断，发出故障预警信号，诊断设备故障类型，其存储的设备状态信息具有数据交换功能。