CN102521604B - 一种基于巡检系统的设备性能退化评估装置及方法 - Google Patents
一种基于巡检系统的设备性能退化评估装置及方法 Download PDFInfo
- Publication number
- CN102521604B CN102521604B CN201110371092.0A CN201110371092A CN102521604B CN 102521604 B CN102521604 B CN 102521604B CN 201110371092 A CN201110371092 A CN 201110371092A CN 102521604 B CN102521604 B CN 102521604B
- Authority
- CN
- China
- Prior art keywords
- module
- performance degradation
- equipment
- performance
- degradation assessment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种基于巡检系统的设备性能退化评估装置及方法,包括振动分析仪和PC机两部分,采用安装在上述两部分中的数据采集及信号处理模块、性能退化评估诊断模块、信息交互模块和模型训练模块来实现;数据采集及信号处理模块完成振动信号数据采集,提取特征向量;性能退化评估诊断模块对特征向量进行信息融合,结合模型参数评估设备性能指标,输出评估结果;信息交互模块完成特征向量与模型参数交互;模型训练模块建立设备性能退化评估模型,输出模型参数。本发明实现振动分析仪能够在工业现场准确及时地监测评估设备当前性能退化状态,并可用于设备性能趋势预测,为设备管理和维护提供很好的参考和依据,增强设备运行可靠性,降低设备维护成本。
Description
技术领域
本发明涉及设备状态监测和故障诊断系统,更具体的说,涉及一种基于巡检系统的设备状态监测及性能退化评估装置和方法。
背景技术
设备状态监测和故障诊断技术最早起源于美国,1967年,在美国国家宇航局(NASA)的创导下,由美国海军研究室(ONR)主持成立了美国“机械故障预防小组(MFPG)”。现有的状态监测与故障诊断系统的主要为三种典型形式:定期监测与诊断系统、单机在线故障监测与诊断系统和分布式监测与诊断系统,这些系统的不足分析如下:
1)定期监测与诊断系统:定期监测与诊断系统通过振动分析仪等设备采集设备运行信息,由计算机进行数据分析和故障诊断。该模式具有灵活方便、适用范围广的优点,适用于测点布置分散、检测量大而又不需要连续监测,或现场布线施工困难等的环境,是目前振动测量分析领域的主力。其缺点在于系统的工作效率低,占用大量的人力和物力,而且由于振动分析仪的软硬件限制,现场诊断能力差。
2)单机在线故障监测与诊断系统:对每一台设备安装一套故障监测诊断系统。这种方式实时性好,可靠性高。该模式适合于早期的小规模工厂。它是一个封闭的系统,信息只在系统内部流动和处理,各监测诊断系统之间信息难以共享,随着工厂规模的扩大,设备数量的增加,该类系统越来越显示出其局限性。
3)分布式监测与诊断系统:随着大规模企业和大型机电设备的出现,单机在线故障监测与诊断系统已不能满足生产需要,人们根据设备的功能分布和地域分布的特点,实现了基于网络技术的分布式监测与诊断系统。该类系统将各个监测点的计算机组成局域网,实现资源共享、分散监控和集中诊断,提高了系统的效率,是一个相对开放的系统。不足之处是各个企业均建立相对独立的监测与诊断局域网,仅能做到企业内部各监测诊断系统的信息共享,而企业之间毫无联系。
同时,机械设备在其使用过程中可分为四个状态:正常状态、性能退化状态、维护状态和故障(失效)状态。随着设备的不断运行,其性能会逐渐恶化。从设备性能开始退化到设备完全失效通常要经过一系列不同的性能退化状态。因此,如果能够在设备性能退化的过程中检测或测量到设备性能退化的程度,那么就可以有针对性地组织生产和设备维修,防止设备异常失效的发生。然而传统的故障诊断方法都是针对故障的有无作出判断,无法给出故障从无到有的过程,因此对于设备的维护只能采取事后维修、定期维修、视情况维修等方法,不仅可靠性差,还容易增大设备的维修成本,降低企业的经济效益和社会效益。
发明内容
针对上述现有技术中存在的缺点和不足,本发明提供一种基于巡检系统的设备性能退化评估装置及方法,采用模型训练和评估诊断相分离的思路,实现振动分析仪能够在工业现场准确及时地监测评估设备当前性能退化状态,并可用于设备性能趋势预测,为设备管理和维护提供很好的参考和依据,增强设备运行可靠性,降低设备维护成本。
为达到上述目的,本发明采用的技术方案如下:
一种基于巡检系统的设备性能退化评估装置,包括振动分析仪和PC机两部分,所述振动分析仪包括数据采集及信号处理模块、性能退化评估诊断模块、信息交互模块,所述PC机包括信息交互模块和模型训练模块;数据采集及信号处理模块提取反映设备性能退化的特征向量,包括训练数据的特征向量和诊断数据的特征向量,其中诊断数据的特征向量输出到性能退化评估诊断模块,训练数据的特征向量通过信息交互模块输出到模型训练模块,模型训练模块建立设备性能退化评估模型,输出模型参数,并通过信息交互模块输出到性能退化评估诊断模块,由性能退化评估诊断模块评估并输出设备性能指标。
一种基于巡检系统的设备性能退化评估方法,采用所述的装置,具体步骤如下:
1)数据采集及信号处理模块对现场设备的振动信号进行高性能的数据采集,提取反映设备性能退化的特征向量,构成特征向量矩阵,通过特征向量矩阵保存数据信息,当判定为训练数据时,将特征向量通过信息交互模块与PC机实现信息交互,作为PC机模型训练模块的输入,而作为诊断用途的特征向量则作为性能退化评估诊断模块的输入;
2)模型训练模块读取特征向量数据库,建立设备行为与设备性能之间的映射关系,建立设备性能退化评估模型,将模型参数存储到模型参数数据库,并将模型参数通过信息交互模块输出到性能退化评估诊断模块;
3)性能退化评估诊断模块对特征向量进行信息融合,结合模型参数评估设备性能指标,输出评估结果,绘制性能退化曲线。
所述数据采集及信号处理模块对现场设备的振动信号进行高性能的数据采集,并利用A/D转换器、数字抗混叠滤波器、倍频器对采集的信号进行预处理,通过时域和频域分析等特征提取算法,提取反映设备性能退化的特征向量,如有效值、峭度、幅值谱熵,构成特征向量矩阵。通过特征向量矩阵保存数据信息,当判定为训练数据时,将特征向量通过信息交互模块与PC机实现信息交互,作为PC机模型训练模块的输入,而作为诊断用途的特征向量则作为性能退化评估诊断模块的输入。
所述性能退化评估诊断模块读取模型参数数据库,获取测点的模型参数,通过连续隐马尔可夫模型(CHMM)算法对特征向量进行信息融合,评估设备性能指标,诊断设备性能退化状态,在输出评估结果的同时将评估结果保存到数据库。也可以读取评估结果数据库中数据,绘制性能退化曲线,用于设备性能趋势预测。
所述信息交互模块主要实现巡检系统中的PC机与振动分析仪之间的数据通信,利用数据库技术存储设备模型参数和信号特征向量矩阵,通过USB通信组件、因特网通信组件实现物理通信,实现数据库信息交换,完成用于训练的特征向量从振动分析仪到PC机的上传及模型参数从PC机到振动分析仪的下载。
所述模型训练模块读取特征向量数据库,通过CHMM模型训练算法学习设备正常状态下的信号特征,建立设备行为与设备性能之间的映射关系,建立设备性能退化评估模型,并将模型参数存储到模型参数数据库。
本发明技术方案的有益效果在于:
1)本发明开发的巡检系统属于定期监测与诊断系统的一种,适用于测点布置分散、检测量大而又不需要连续监测,或现场布线施工困难等的环境,具有灵活方便,适用范围广的优点。
2)本发明提供的设备性能退化评估方法采用模型训练和评估诊断相分离的思路,综合利用PC机强大的数据处理能力和便携式振动分析仪灵活方便的优势,实现便携式振动分析仪能够在工业现场准确及时地监测评估设备当前性能退化状态,并可用于设备性能趋势预测,克服了传统巡检系统中的振动分析仪只能实现数据采集及常规故障诊断的不足。
3)本发明提供的以性能退化评估为基础的维修方法可给出设备状态量化描述,根据设备的性能退化曲线可评判其当前是处于安全运行还是易发故障运行状态,为设备管理人员提供维修计划的参考,从设备的被动维护转向主动维护,可以大大减少因设备故障时效需要重新设计采购带来的巨大经济损失,提供企业的综合竞争力。
4)本发明提供的模型训练模块具有灵活方便,易于集中的特点,可以融入企业ERP(Enterprise Resource Planning,企业资源计划)系统或现有设备管理及故障诊断系统。
附图说明
图1为本发明装置的结构框图以及方法流程图。
具体实施方式
如图1所示,本发明所提供的基于巡检系统的设备性能退化评估装置,包括便携式振动分析仪1和PC机2,两者组成本发明中的巡检系统。便携式振动分析仪1包括数据采集及信号处理模块11、性能退化评估诊断模块12、信息交互模块13,PC机2包括信息交互模块13和模型训练模块21。数据采集及信号处理模块11提取反映设备性能退化的特征向量,包括训练数据的特征向量和诊断数据的特征向量,其中诊断数据的特征向量输出到性能退化评估诊断模块12上,训练数据的特征向量通过信息交互模块13输出到模型训练模块21上,模型训练模块21建立设备性能退化评估模型,输出模型参数,并通过信息交互模块13输出到性能退化评估诊断模块12上,由性能退化评估诊断模块12评估并输出设备性能指标。
本发明所提供的基于巡检系统的设备性能退化评估方法,其工作流程如图1所示,数据采集及信号处理模块11对现场设备3的振动信号进行高性能的数据采集,提取反映设备性能退化的特征向量,构成特征向量矩阵,通过特征向量矩阵保存数据信息,当判定为训练数据时,将特征向量通过信息交互模块13与PC机2实现信息交互,作为PC机2上的模型训练模块21的输入,而作为诊断用途的特征向量则作为性能退化评估诊断模块12的输入;模型训练模块21读取特征向量数据库,建立设备行为与设备性能之间的映射关系,建立设备性能退化评估模型,将模型参数存储到模型参数数据库,并将模型参数通过信息交互模块13输出到性能退化评估诊断模块12上;性能退化评估诊断模块12对特征向量进行信息融合,结合模型参数评估设备性能指标,输出评估结果,绘制性能退化曲线。
Claims (5)
1.一种基于巡检系统的设备性能退化评估方法,其特征在于,包括步骤如下:
1)数据采集及信号处理模块对现场设备的振动信号进行高性能的数据采集,提取反映设备性能退化的特征向量,构成特征向量矩阵,通过特征向量矩阵保存数据信息,当判定为训练数据时,将特征向量通过信息交互模块与PC机实现信息交互,作为PC机模型训练模块的输入,而作为诊断用途的特征向量则作为性能退化评估诊断模块的输入;
2)模型训练模块读取特征向量数据库,建立设备行为与设备性能之间的映射关系,建立设备性能退化评估模型,并将模型参数存储到模型参数数据库,并将模型参数通过信息交互模块输出到性能退化评估诊断模块;
3)性能退化评估诊断模块对特征向量进行信息融合,结合模型参数评估设备性能指标,输出评估结果,绘制性能退化曲线;
上述的基于巡检系统的设备性能退化评估方法,其采用的基于巡检系统的设备性能退化评估装置,具体包括振动分析仪和PC机两部分,所述振动分析仪包括数据采集及信号处理模块、性能退化评估诊断模块、信息交互模块,所述PC机包括信息交互模块和模型训练模块;数据采集及信号处理模块提取反映设备性能退化的特征向量,包括训练数据的特征向量和诊断数据的特征向量,其中诊断数据的特征向量输出到性能退化评估诊断模块,训练数据的特征向量通过信息交互模块输出到模型训练模块,模型训练模块建立设备性能退化评估模型,输出模型参数,并通过信息交互模块输出到性能退化评估诊断模块,由性能退化评估诊断模块评估并输出设备性能指标。
2.根据权利要求1所述的基于巡检系统的设备性能退化评估方法,其特征在于,所述数据采集及信号处理模块对现场设备的振动信号进行高性能的数据采集,利用A/D转换器、数字抗混叠滤波器、倍频器对采集的信号进行预处理,通过时域和频域分析特征提取算法,提取反映设备性能退化的特征向量,包括有效值、峭度、幅值谱熵。
3.根据权利要求1所述的基于巡检系统的设备性能退化评估方法,其特征是:所述的性能退化评估诊断模块通过连续隐马尔可夫模型(CHMM)算法对特征向量进行信息融合,结合模型参数数据库和评估结果数据库,绘制性能退化曲线。
4.根据权利要求1所述的基于巡检系统的设备性能退化评估方法,其特征在于,所述信息交互模块通过USB通信组件、因特网通信组件实现物理通信,实现巡检系统中的PC机与振动分析仪之间的数据通信,完成用于训练的特征向量从便携式振动分析仪到PC机的上传及模型参数从PC机到便携式振动分析仪的下载。
5.根据权利要求1所述的基于巡检系统的设备性能退化评估方法,其特征在于,所述模型训练模块读取特征向量数据库,通过CHMM模型训练算法学习设备正常状态下的信号特征,建立设备行为与设备性能之间的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110371092.0A CN102521604B (zh) | 2011-11-21 | 2011-11-21 | 一种基于巡检系统的设备性能退化评估装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110371092.0A CN102521604B (zh) | 2011-11-21 | 2011-11-21 | 一种基于巡检系统的设备性能退化评估装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102521604A CN102521604A (zh) | 2012-06-27 |
CN102521604B true CN102521604B (zh) | 2014-11-19 |
Family
ID=46292515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110371092.0A Expired - Fee Related CN102521604B (zh) | 2011-11-21 | 2011-11-21 | 一种基于巡检系统的设备性能退化评估装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521604B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9146169B2 (en) * | 2012-11-26 | 2015-09-29 | General Electric Company | Method and system for use in condition monitoring of pressure vessels |
CN103678939B (zh) * | 2013-12-27 | 2017-01-11 | 北京航空航天大学 | 一种面向空间距离与形状和数据分布的退化模型一致性检验方法 |
DE102015113981A1 (de) * | 2015-08-24 | 2017-03-02 | Endress+Hauser Gmbh+Co. Kg | Verfahren und System zur Instandhaltung von zumindest einem einer Vielzahl von Feldgeräten in einer Anlage der Automatisierungstechnik |
CN109917772B (zh) * | 2017-12-13 | 2020-09-08 | 北京航空航天大学 | 一种远程在线评估设备状态的phm快速原型系统 |
CN111008347A (zh) * | 2019-11-25 | 2020-04-14 | 杭州安恒信息技术股份有限公司 | 一种网站识别方法、装置、系统及计算机可读存储介质 |
CN112988529A (zh) * | 2019-12-16 | 2021-06-18 | 天翼智慧家庭科技有限公司 | 一种基于机器学习进行数据库系统性能预测的方法及系统 |
CN111309572B (zh) * | 2020-02-13 | 2021-05-04 | 上海复深蓝软件股份有限公司 | 测试分析方法、装置、计算机设备及存储介质 |
CN112200479A (zh) * | 2020-10-20 | 2021-01-08 | 厦门航空有限公司 | 民机空调系统散热器性能量化评估方法 |
TWI792086B (zh) * | 2020-10-30 | 2023-02-11 | 友達光電股份有限公司 | 行動式設備診斷裝置及設備診斷資訊顯示方法 |
CN114700988B (zh) * | 2022-05-09 | 2023-10-24 | 西安交通大学 | 一种面向工业机器人机械传动部件健康监测的关节动作划分方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472671A (zh) * | 2003-06-19 | 2004-02-04 | 上海交通大学 | 基于网络的设备状态监控与性能退化预测方法 |
CN102096770A (zh) * | 2011-01-25 | 2011-06-15 | 上海交通大学 | 基于网络实现的旋转机械性能退化评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040199573A1 (en) * | 2002-10-31 | 2004-10-07 | Predictive Systems Engineering, Ltd. | System and method for remote diagnosis of distributed objects |
-
2011
- 2011-11-21 CN CN201110371092.0A patent/CN102521604B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472671A (zh) * | 2003-06-19 | 2004-02-04 | 上海交通大学 | 基于网络的设备状态监控与性能退化预测方法 |
CN102096770A (zh) * | 2011-01-25 | 2011-06-15 | 上海交通大学 | 基于网络实现的旋转机械性能退化评估方法 |
Non-Patent Citations (4)
Title |
---|
基于CHMM的设备性能退化评估方法研究;朱义;《中国优秀硕士论文电子期刊网》;20100415;全文 * |
小波包变换和隐马尔可夫模型在轴承性能退化评估中的应用;肖文斌 等;《振动与冲击》;20110825;第30卷(第8期);全文 * |
朱义.基于CHMM的设备性能退化评估方法研究.《中国优秀硕士论文电子期刊网》.2010, * |
肖文斌 等.小波包变换和隐马尔可夫模型在轴承性能退化评估中的应用.《振动与冲击》.2011,第30卷(第8期), * |
Also Published As
Publication number | Publication date |
---|---|
CN102521604A (zh) | 2012-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521604B (zh) | 一种基于巡检系统的设备性能退化评估装置及方法 | |
Garcia Marquez et al. | A comprehensive review of artificial intelligence and wind energy | |
CN104503399B (zh) | 一种集团级风电机组状态监测及故障诊断平台 | |
CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
CN101799674B (zh) | 一种数控装备服役状态分析方法 | |
Jamil et al. | Condition-based maintenance decision making support system (DSS) of hydropower plant | |
CN102141808A (zh) | 汽轮发电机组嵌入式故障预诊断系统及方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
Zhang et al. | Open ecosystem for future industrial Internet of things (IIoT): architecture and application | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
Marugán et al. | Multivariable analysis for advanced analytics of wind turbine management | |
CN103234746A (zh) | 一种风电机组齿轮箱在线故障诊断装置及方法 | |
Yan et al. | Integration of a novel knowledge-guided loss function with an architecturally explainable network for machine degradation modeling | |
CN201891593U (zh) | 一种基于故障诊断的维修决策系统 | |
CN102096770A (zh) | 基于网络实现的旋转机械性能退化评估方法 | |
CN202091172U (zh) | 气体压缩机状态监测和可靠性分析装置 | |
Dabetwar et al. | Mass imbalance diagnostics in wind turbines using deep learning with data augmentation | |
Wang et al. | Power equipment fault information acquisition system based on Internet of things | |
CN208431106U (zh) | 风电机组偏航系统在线监测机构 | |
Ning et al. | A cloud based framework of prognostics and health management for manufacturing industry | |
Li et al. | An overview of digital twin concept for key components of renewable energy systems | |
Huang et al. | WSNs-based mechanical equipment state monitoring and fault diagnosis in China | |
Zheng | Fuzzy algorithm-based fault analysis for automated production lines | |
Singh et al. | Developing RCM strategy for wind turbines utilizing e-condition monitoring | |
Yang et al. | Wear Prediction of Petrochemical Granulator Gearbox Using Multiscale Temporal Convolutional Network via Online Oil Monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141119 Termination date: 20171121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |