CN103246265B - 机电设备检测维护方法 - Google Patents

Abstract

本发明公开了一种机电设备检测维护系统，包括数据采集终端、监控中心服务器、客户端设备，数据采集终端与监控中心服务器相连，监控中心服务器与客户端设备相连。本发明还公开了一种机电设备检测维护方法。本发明的机电设备检测维护系统及检测维护方法，能够对工业现场的机电设备进行检测和维护，检测维护过程误差小、效率高、成本低，能够及时了解工业现场机电设备和维修人员的状态，本发明具有很好的市场前景和应用价值。

Description

机电设备检测维护方法

技术领域

本发明涉及一种检测维护系统，具体涉及一种机电设备检测维护系统，本发明还涉及机电设备检测维护方法，本发明属于机电设备检测维护领域。

背景技术

在机电设备的异常检测和维护方面，目前主要依靠人工观测、分析、排除，或者部分实现对设备异常的自动检测。但随着工业的快速发展，生产规模不断扩大，越来越多的机电设备被运用，且基本为同一类型的设备安装在某一区域使用，这时依靠人工观测会出现误差大、效率低下和成本高昂等缺点。如果采用传统的单机自动检测模式，在机电设备上安装机电设备控制器。此时，机电设备控制器能够监测到机电设备内部是否有故障发生，并通过状态信号灯等形式对故障状态进行反映，这虽然部分解决了误差大的问题，但是维护成本还是很高，维护厂家也无法及时了解故障的类型，只能派维护人员去现场查看，这样效率还是很低，机电设备维护成本很高，也不利于对机电设备异常情况的及时发现和处理。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种机电设备检测维护系统及检测维护方法。

为了实现上述目标，本发明采用如下的技术方案：

机电设备检测维护系统，其特征在于，包括数据采集终端、监控中心服务器、客户端设备，数据采集终端与监控中心服务器相连，监控中心服务器与客户端设备相连；所述数据采集终端包括传感器模块、身份识别模块、控制器模块、网络传输模块，控制器模块分别与传感器模块、身份识别模块、网络传输模块相连；所述控制器模块连接机电设备控制器；所述监控中心服务器包括服务器主机、服务器通信模块，服务器主机连接服务器通信模块，服务器主机连接数据库，服务器通信模块与网络传输模块相连，客户端设备与服务器通信模块相连，客户端设备与服务器通信模块之间可以是有线连接，也可以是无线连接。

前述机电设备检测维护系统的机电设备检测维护方法，其特征在于，包括：

步骤a：数据采集终端获得来自工业现场的检测数据；

步骤b：数据采集终端获得来自机电设备控制器的故障状态信息；

步骤c：数据采集终端向监控中心服务器发送检测数据和故障状态信息；

步骤d：监控中心服务器对检测数据进行分析，得到分析结果；

步骤e：监控中心服务器对检测数据、故障状态信息和分析结果进行存储；

步骤f：监控中心服务器向客户端设备传输所述检测数据、故障状态信息和分析结果。

前述的机电设备检测维护方法，其特征在于，所述分析结果包括对机电设备是否发生故障的判断以及机电设备发生故障时对故障类型的识别。

前述的机电设备检测维护方法，其特征在于，所述步骤a包括：数据采集终端对获得的检测数据进行A/D转换和数字滤波。

前述的机电设备检测维护方法，其特征在于，所述步骤c包括：数据采集终端根据故障状态信息判断机电设备是否发生故障；如果机电设备没有发生故障，数据采集终端定时向监控中心服务器发送检测数据和故障状态信息；如果机电设备发生故障，数据采集终端实时向监控中心服务器检测数据和故障状态信息。

前述的机电设备检测维护方法，其特征在于，所述检测数据包括设备检测数据和维护人员数据，设备检测数据由传感器模块采集，维护人员数据由身份识别模块采集。

前述的机电设备检测维护方法，其特征在于，所述维护人员数据包括维护人员的身份识别卡卡号、操作时间、维护完成标志。

前述的机电设备检测维护方法，其特征在于，所述步骤d包括：

步骤d1：监控中心服务器对设备检测数据进行减少冗余的操作，得到建模数据样本；

步骤d2：监控中心服务器利用建模数据样本构建核主元故障检测模型；

步骤d3：监控中心服务器利用核主元故障检测模型，对设备检测数据进行故障检测分析，通过对设备检测数据的故障检测分析来判断机电设备是否发生故障；

步骤d4：在步骤d3中，如果监控中心服务器判断机电设备发生故障，监控中心服务器对故障类型进行识别；

步骤d5：在步骤d4中，如果监控中心服务器对故障类型进行了成功的识别，监控中心服务器对建模数据样本进行更新。

本发明的有益之处在于：本发明的机电设备检测维护系统及检测维护方法，能够对工业现场的机电设备进行检测和维护，检测维护过程误差小、效率高、成本低，能够及时了解工业现场机电设备和维修人员的状态，本发明具有很好的市场前景和应用价值。

附图说明

图1是本发明机电设备检测维护系统的一个优选实施结构示意图；

图2是本发明机电设备检测维护方法的一个优选流程示意图；

图3是本发明机电设备检测维护方法的另一个优选流程示意图。

图中附图标记的含义：

1、数据采集终端，2、监控中心服务器，3、客户端设备，4、控制器模块，5、传感器 模块，6、身份识别模块，7、网络传输模块，8、机电设备控制器，9、服务器主机，10、数据库，11、服务器通信模块，12、客户端PC机，13、客户端手机。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

参照图1所示，本发明机电设备检测维护系统，包括数据采集终端1、监控中心服务器2、客户端设备3，数据采集终端1与监控中心服务器2相连，监控中心服务器2与客户端设备3相连；数据采集终端1包括传感器模块5、身份识别模块6、控制器模块4、网络传输模块7，控制器模块4分别与传感器模块5、身份识别模块6、网络传输模块7相连；控制器模块4连接机电设备控制器8；监控中心服务器2包括服务器主机9、服务器通信模块11，服务器主机9连接服务器通信模块11，服务器主机9连接数据库10，服务器通信模块11与网络传输模块7相连，客户端设备3与服务器通信模块11相连。客户端设备3可以是客户端PC机12，也可以是客户端手机13。

本发明中的数据采集终端1用于获取来自工业现场的检测数据。数据采集终端1将检测数据传输给监控中心服务器2，然后监控中心服务器2将数据发布给客户端设备3。这里，传感器模块5可以包括对机电设备核心运转部件以及工厂环境进行温度采集的温度传感器、对机电设备控制器8的状态信号灯进行采集的摄像头传感器、对机电设备震动进行监测的震动传感器、对机电设备电流电压进行采集的电流电压互感器。实际运行时，网络传输模块7优选为3G网络传输模块7，控制器模块4优选为单片机，传感器模块5可以包括多种类型的传感器。

本发明中的身份识别模块6用于识别现场维护人员的身份，控制器模块4对传感器模块5、身份识别模块6、机电设备控制器8传输的数据进行处理，然后将处理的数据经过网络传输模块7进行发送。服务器通信模块11接受网络传输模块7发送的数据，将数据传送给服务器主机9进行处理分析，客户端设备3通过服务器通信模块11与监控中心服务器2进行数据通讯。本发明中的数据采集终端1负责监测工业现场的数据，并将数据传送给监控中心服务器2，监控中心服务器2对接收到的数据进行分析，并将分析结果发布给客户端设备3。

图2至图3所示为本发明基于机电设备检测维护系统的机电设备检测维护方法，包括：步骤a：数据采集终端1获得来自工业现场的检测数据；步骤b：数据采集终端1获得来自机电设备控制器8的故障状态信息；步骤c：数据采集终端1向监控中心服务器2发送检测数据和故障状态信息；步骤d：监控中心服务器2对检测数据进行分析，得到分析结果；步骤e：监控中心服务器2对检测数据、故障状态信息和分析结果进行存储；步骤f：监控中心服务器2向客户端设备3传输检测数据、故障状态信息和分析结果。

作为进一步优选，检测数据包括设备检测数据和维护人员数据，设备检测数据由传感器模块5采集，维护人员数据由身份识别模块6采集。这里的设备检测数据包括设备温度、机电设备控制器8的状态信号灯的图像、机电设备震动、机电设备电流电压等。

本发明中，现场的机电设备控制器8监测到机电设备内部是否有故障发生，机电设备控制器8根据485通讯协议将故障状态信息发送到数据采集终端1，数据采集终端1根据故障状态信息判断机电设备是否发生故障。这里的故障状态信息就是用来表明机电设备的故障状态，即机电设备是否发生故障。如果机电设备没有发生故障，数据采集终端1定时向监控中心服务器2发送检测数据和故障状态信息；这里的定时是指数据采集终端1以一定的时间间隔向监控中心服务器2发送检测数据和故障状态信息。这里的时间间隔是可以进行人为设定的。定时发送的模式的好处在于能够减少发送的数据量，防止网络拥堵。如果机电设备发生故障，数据采集终端1实时向监控中心服务器2检测数据和故障状态信息，这里的实时是指数据采集终端1并不是以一定的时间间隔向监控中心服务器2发送检测数据和故障状态信息，而是不停不间断地向监控中心服务器2发送检测数据和故障状态信息，这样的实时发送确保机电设备的故障信息及时到达监控中心服务器2，降低因故障造成的损失程度。此种模式只有在监控中心服务器2对所发送的数据进行智能分析，并判断故障已经消除后才会解除。

由于传感器模块5检测来的信号为模拟信号，因此数据采集终端1需要对获得的检测数据进行A/D转换和数字滤波。实际中，传感器模块5可以包括多种传感器，这些传感器将采的温度信号、震动信号、机电设备控制器8运行状态的图像信号、机电设备运行的电压电流信号等传送至采集终端的控制器模块4，比如单片机，控制器模块4将各种信号转换成数字信号，并进行数字滤波，剔除噪声和一些错误数据。接着，控制器模块4将上一步预处理所得到的数据，通过设置通信协议，将不同的数据信息进行编码，通过485总线传送给网络传输模块7发送至监控中心服务器2。

作为进一步优选，本发明的维护人员数据包括维护人员的身份识别卡卡号、操作时间、维护完成标志。本发明维护人员在进行维护之前，需经过数据采集终端1进行身份确认，数据采集终端1读取维护人员数据，并将相关信息包括维护人员的身份识别卡卡号、操作时间发送至监控中心服务器2，通过验证后，给予维护人员相应操作权限，并记录维护的时间和状态。本发明中的维护人员数据是通过身份识别模块6读取的，本发明不限制身份识别模块6的具体类型、结构。维护人员维护完成后，进行设备故障状态复位操作。这里的设备故障状态复位操作实际上是指维护人员通过身份识别模块6将修理完成的信号传送给数据采集终端1的控制器模块4，告诉数据采集终端1其已经完成修理维护任务。实际中，如果控制器模块4是单片机，此时身份识别模块6可以包括一个状态按钮，当维护人员完成修理维护任 务时，可以按动状态按钮，通过状态按钮向数据采集终端1发送维护完成标志。数据采集终端1在收到维护完成标志后，向监控中心服务器2发送维护完成标志，并由监控中心服务器2发布信息。

步骤d是本发明的一个重大创新，作为一种实施优选，分析结果可以包括对机电设备是否发生故障的判断以及机电设备发生故障时对故障类型的识别。

图3给出了步骤d的一种优选实施方案。本发明的步骤d是利用核主元分析和支持向量机方法，对数据进行智能分析、判断和识别。包括两个主要任务，第一个是当有故障发生时，快速而准确的检测出异常；第二个是当检测到故障时，快速而准确的识别出是什么类型的故障以及需要怎样的解决方案。步骤如下：

步骤d1：监控中心服务器2对设备检测数据进行减少冗余的操作，得到建模数据样本。为了能够剔除建模数据样本中的冗余部分，计算数据间的相似度：

$R_{ij}=\exp (-\frac{1}{\mathrm{\δ}}||x_i-x_j|{|}^2)$

其中，x_i,x_j为接收到的设备检测数据，R_ij表示第i个数据和第j个数据之间的相似度，这里的i，j均为正整数。||*||表示是矩阵的2_-范数，δ是归一化的参数。如果两个数据之间的相似度R_ij大于50％，则剔除其中的一个冗余数据。当设备检测数据中的冗余数据被剔除后，就得到了建模数据样本。

步骤d2：监控中心服务器2利用建模数据样本构建核主元故障检测模型。本实施中，为了描述方便，设x_k∈R^m(k＝1,2,...q)为一个建模数据样本，这里的m,k,q均为正整数。利用公式K_ij＝φ(x_i)·φ(x_j)，其中i,j＝1,2,…n，计算建模数据样本的核矩阵K，并在特征空间内利用计算公式对数据进行中心化处理，其中L_n为n×n的矩阵；求解特征方程得到核矩阵的特征值λ₁,λ₂,…,λ_n，其中λ₁≥λ₂≥…≥λ_n和其对应的特征向量为再利用公式得到标准化特征向量利用所取的主元个数p得到主元特征值λ₁≥λ₂≥…≥λ_p和对应的特征向量利用建模数据样本对核主元分析模型进行测试，得到x_i数据的主元分量利用建模数据样本的SPE统计量值来计算SPE_η的值，SPE_η表示利用x_k∈R^m(k＝1,2,...q)建模数据样本进行SPE统计量的值；

步骤d3：监控中心服务器2利用核主元故障检测模型，对设备检测数据进行故障检测分析，通过对设备检测数据的故障检测来判断机电设备是否发生故障。首先，设有一个准备用来故障检测分析的设备检测数据x_new，利用已建立的核主元分析模型计算其非线性主元分量t_new，并由此来计算SPE_new值，SPE_new值表示利用非线性主元分量t_new进行SPE统计量的值，比较SPE_new值和SPE_η值大小关系，判定结果如果满足SPE_new＞SPE_η，说明测量数据x_new包含故障信息z_new。否则则判定无故障。

步骤d4：在步骤d3中，如果监控中心服务器2判断机电设备发生故障，监控中心服务器2对故障类型进行识别。首先利用步骤d2中得到的主元分量建立支持向量机模型；然后将上述步骤d3中检测得到的故障信息z_new输入至支持向量机模型中进行故障识别，并输出识别结果。

本实施中，为了描述方便，设y_i∈{-1,1},i＝1,2,…,l，其中d为训练样本维数，l为训练样本数。

通过求解公式

$\max W({\mathrm{\μ}}_i,{\mathrm{\μ}}_i*)=\frac{1}{2}\underset{i=1}{\overset{l}{\Σ}}\underset{j=1}{\overset{l}{\Σ}}({\mathrm{\μ}}_i-{\mathrm{\μ}}_i*)({\mathrm{\μ}}_j-{\mathrm{\μ}}_j*)k(z_i,z_j)-\underset{i=1}{\overset{l}{\Σ}}{\mathrm{\ξ}}_i({\mathrm{\μ}}_i-{\mathrm{\μ}}_i*)+\underset{i=1}{\overset{l}{\Σ}}{y}_i({\mathrm{\μ}}_i-{\mathrm{\μ}}_i*)$

和公式

可得公式

其中μ_i,μ_i*为拉格朗日乘子，且满足：μ_i×μ_i*＝0,μ_i＞0,μ_i*＞0；k(z_i,z_j)定义为支持向量机核函数，取为向量z_i,z_j在特征空间Φ(z_i),Φ(z_j)中的内积，即k(z_i,z_j)＝<Φ(z_i),Φ(z_j)>。任何满足Mercer条件的函数均可作为核函数，常用的核函数有多项式核函数、径向基核函数、指数核函数。然后利用公式计算τ的值。最终可得分类决策函数分类决策函数即支持向量机模型。当新的故障信息z_new得到时，可以利用该模型进行故障分类。

步骤d5：在步骤d4中，如果监控中心服务器2对故障类型进行了识别，监控中心服务器2对建模数据样本进行更新。数据采集终端1发送的一个数据集，通过上述步骤d3和d4进行成功识别，则将该数据集添加到建模数据样本x_k∈R^m(k＝1,2,...q)中，这样核主元故障检测模型就会不断得到更新。

进一步，本发明步骤f中监控中心服务器2向客户端设备3传输检测数据、故障状态信息和分析结果。客户端设备3能实时接收监控中心服务器2发布的信息，也可以主动对监控中心服务器2的有关数据进行查询，查询内容包括数字图像、设备状态、维护人员等。客户端设备3对于监控中心服务器2发布的历史数据可以进行主动的查询，查询的方式为首先通过身份验证，获得访问权限，即可访问监控中心服务器2的数据，数据设不同的访问权限，不同权限等级的用户可以访问不同的内容，工程师级的用户可以访问到最底层数据，而高级管理员级用户则可以进行人员信息的查询和管理。一般用户可以访问的内容有故障数据、故障类型、现场图像信息等。客户端设备3可以是各种手持终端、智能手机或者是PC机等。

本发明提出的一种机电设备检测维护系统及检测维护方法自适应性强，识别效率高，避免了人工识别带来的误差，降低了机电设备安全隐患，并且大大降低了劳动强度，节省了人力物力，降低了生产成本。此外，本发明利用物联网技术将分布在不同现场的机电设备的状态都汇总到监控中心，然后通过智能的方法进行异常检测和识别，可以降低机电设备状态检测维护的成本，大大提高工作效率。本发明利用物联网技术将现场机电设备的故障状态及时发布到用户客户端，不同权限的用户可以及时了解相关信息，然后采取相应的措施。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (1)

1.机电设备检测维护方法，其特征在于，包括：

步骤a：数据采集终端获得来自工业现场的检测数据；

步骤b：数据采集终端获得来自机电设备控制器的故障状态信息；

步骤c：数据采集终端向监控中心服务器发送检测数据和故障状态信息；

步骤d：监控中心服务器对检测数据进行分析，得到分析结果；

步骤e：监控中心服务器对检测数据、故障状态信息和分析结果进行存储；

步骤f：监控中心服务器向客户端设备传输所述检测数据、故障状态信息和分析结果；

所述步骤d包括：

步骤d1：监控中心服务器对设备检测数据进行减少冗余的操作，得到建模数据样本；计算数据间的相似度：

$R_{ij}=\exp (-\frac{1}{\mathrm{\&delta;}}||x_i-x_j|{|}^2)$

其中，x_i,x_j为接收到的设备检测数据，R_ij表示第i个数据和第j个数据之间的相似度，这里的i，j均为正整数；||*||表示是矩阵的2-范数，δ是归一化的参数；如果两个数据之间的相似度R_ij大于50％，则剔除其中的一个冗余数据；当设备检测数据中的冗余数据被剔除后，就得到了建模数据样本；

步骤d2：监控中心服务器利用建模数据样本构建核主元故障检测模型，设x_k∈R^m(k＝1,2,...q)为一个建模数据样本，这里的m,k,q均为正整数；利用公式K_ij＝φ(x_i)·φ(x_j)，其中i,j＝1,2,...n，计算建模数据样本的核矩阵K，并在特征空间内利用计算公式对数据进行中心化处理，其中L_n为n×n的矩阵；求解特征方程得到核矩阵的特征值λ₁,λ₂,...,λ_n，其中λ₁≥λ₂≥...≥λ_n和其对应的特征向量为再利用公式 ${\stackrel{\&OverBar;}{\mathrm{\&alpha;}}}_i=\sqrt{1/{\mathrm{\&lambda;}}_i}\left(\mathrm{\&phi;}\right(x_1),\mathrm{\&phi;}(x_2),...,\mathrm{\&phi;}(x_n\left)\right){\mathrm{\&alpha;}}_i$ 得到标准化特征向量利用所取的主元个数p得到主元特征值λ₁≥λ₂≥...≥λ_p和对应的特征向量利用建模数据样本对核主元分析模型进行测试，得到x_i数据的主元分量利用建模数据样本的SPE统计量值来计算SPE_η的值，SPE_η表示利用x_k∈R^m(k＝1,2,...q)建模数据样本进行SPE统计量的值；

步骤d3：监控中心服务器利用核主元故障检测模型，对设备检测数据进行故障检测分析，通过对设备检测数据的故障检测来判断机电设备是否发生故障；首先，设有一个准备用来故障检测分析的设备检测数据x_new，利用已建立的核主元分析模型计算其非线性主元分量t_new，并由此来计算SPE_new值，SPE_new值表示利用非线性主元分量t_new进行SPE统计量的值，比较SPE_new值和SPE_η值大小关系，判定结果如果满足SPE_new＞SPE_η，说明测量数据x_new包含故障信息z_new，否则则判定无故障；

步骤d4：在步骤d3中，如果监控中心服务器判断机电设备发生故障，监控中心服务器对故障类型进行识别；首先利用步骤d2中得到的主元分量建立支持向量机模型；然后将上述步骤d3中检测得到的故障信息z_new输入至支持向量机模型中进行故障识别，并输出识别结果；

设y_i∈{-1,1},i＝1,2,...,l，其中d为训练样本维数，l为训练样本数；

通过求解公式

$W\left({\mathrm{\&mu;}}_i,{\mathrm{\&mu;}}_i*\right)=\frac{1}{2}\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{l}{\mathrm{\&Sigma;}}}\left({\mathrm{\&mu;}}_i,{\mathrm{\&mu;}}_i*\right)\left({\mathrm{\&mu;}}_j,{\mathrm{\&mu;}}_j*\right)k\left(z_i,z_j\right)-\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}{\mathrm{\&xi;}}_i\left({\mathrm{\&mu;}}_i,{\mathrm{\&mu;}}_i*\right)+\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}{y}_i\left({\mathrm{\&mu;}}_i,{\mathrm{\&mu;}}_i*\right)$

max和公式

$s.t.\left\{\begin{array}{c}\underset{i=1}{\overset{l}{\&Sigma;}}({\mathrm{\&mu;}}_i-{\mathrm{\&mu;}}_i*)=0\\ {\mathrm{\&mu;}}_i,{\mathrm{\&mu;}}_i*\&Element;\&lsqb;0,E\&rsqb;\end{array}\right.,$ 可得公式 $w=\underset{i=1}{\overset{l}{\&Sigma;}}({\mathrm{\&mu;}}_i-{\mathrm{\&mu;}}_i*)z_i,$

其中μ_i,μ_i*为拉格朗日乘子，且满足：μ_i×μ_i*＝0,μ_i＞0,μ_i*＞0；k(z_i,z_j)定义为支持向量机核函数，取为向量z_i,z_j在特征空间Φ(z_i),Φ(z_j)中的内积，即k(z_i,z_j)＝〈Φ(z_i),Φ(z_j)〉，任何满足Mercer条件的函数均可作为核函数，常用的核函数有多项式核函数、径向基核函数、指数核函数；然后利用公式 $\left\{\begin{array}{c}\mathrm{\&tau;}=y_i-<w,z_i>-{\mathrm{\&xi;}}_i,{\mathrm{\&mu;}}_i\&Element;(0,E)\\ \mathrm{\&tau;}=y_i-<w,z_i>+{\mathrm{\&xi;}}_i,{\mathrm{\&mu;}}_i*\&Element;(0,E)\end{array}\right.$ 计算τ的值；最终可得分类决策函数 $f\left(z\right)=sign\left(\underset{i=1}{\overset{l}{\&Sigma;}}\right({\mathrm{\&mu;}}_i-{\mathrm{\&mu;}}_i*\left)k\right(z,z_i)+\mathrm{\&tau;}),$ 分类决策函数即支持向量机模型；当新的故障信息z_new得到时，可以利用该模型进行故障分类；

步骤d5：在步骤d4中，如果监控中心服务器对故障类型进行了识别，监控中心服务器对建模数据样本进行更新；数据采集终端发送的一个数据集，通过上述步骤d3和d4进行成功识别，则将该数据集添加到建模数据样本x_k∈R^m(k＝1,2,...q)中，这样核主元故障检测模型就会不断得到更新。