CN103250107A - 用于设备故障检测的智能检测系统及检测方法 - Google Patents
用于设备故障检测的智能检测系统及检测方法 Download PDFInfo
- Publication number
- CN103250107A CN103250107A CN2010800706166A CN201080070616A CN103250107A CN 103250107 A CN103250107 A CN 103250107A CN 2010800706166 A CN2010800706166 A CN 2010800706166A CN 201080070616 A CN201080070616 A CN 201080070616A CN 103250107 A CN103250107 A CN 103250107A
- Authority
- CN
- China
- Prior art keywords
- data
- checking system
- intelligent checking
- sensor
- frequency characteristic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 230000001360 synchronised effect Effects 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000010355 oscillation Effects 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 6
- 230000007935 neutral effect Effects 0.000 description 11
- 239000013598 vector Substances 0.000 description 11
- 210000002569 neuron Anatomy 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010338 mechanical breakdown Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000012152 algorithmic method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37226—Monitor condition of spindle, tool holder, transmit to nc controller
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37337—Noise, acoustic emission, sound
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37431—Temperature
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37434—Measuring vibration of machine or workpiece or tool
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种用于设备故障检测的智能检测系统及检测方法。该智能检测系统包括中央处理板(2)，数据采集板(3)，用于使中央处理板(2)和数据采集板(3)之间的数据通信保持同步的同步通信板(4)以及多个连接插件(1)。中央处理板(2)、数据采集板(3)以及同步通信板(4)通过多个连接插件(1)连接以实现数据传输。该智能检测系统连接多个传感器。该多个传感器用于采集反映待检测设备运行状态的数据。该智能检测系统及检测方法通过对设备的温度、振动以及噪音等进行检测，实现对设备的机械故障实时、精确地检测和诊断，从而提高了设备故障检测的效率和精度。
Description
用于设备故障检测的智能检测系统及检测方法 技术领域
本发明涉及一种用于检测设备运行故障的智能检测系统， 结合采用了 智能传感技术和基于嵌入式的计算机科学技术。 具体的， 涉及一种用于设 备故障检测的智能检测系统及检测方法。 背景技术
各种大型设备， 如数控机床、 专用设备等， 在使用过程中， 需要随时 检测设备的运行状况， 以便及时进行维护， 保障设备的安全运行。 在目前 的设备运行状况监测中， 对于设备的电子部分故障和运行状态的监测技术 已经比较完善， 并且能够使用电子设备本身自检的方式排除一些软件和硬 件故障。 但是， 设备机械部分的运行情况和参数的监测一直是故障检测和 诊断领域的难题。 例如对数控机床主轴、 驱动电机、 床身以及刀具库的运 行情况检测， 是早期发现故障隐患， 保证机床安全运行的必要手段， 也是 机床维修、 维护的基本依据。 通常， 旋转部件的温度、 紧固部件的振动和 加工过程中的声学信号变化能够准确的反映机械设备的运行情况。
但是， 现有技术中缺乏有效的技术手段以实时、 准确的对这些状态参 数进行监测， 多数情况下是依赖维修人员的眼睛和耳朵分辨设备运行中的 声音和振动，是否能够准确有效地判断故障点全凭检修人员的经验。因此， 缺乏有效的设备和检测方法以保证设备故障检测的效率和精度。 发明内容
为了解决现有设备机械部分运行情况和参数的检测问题， 本发明的目 的是提供一种用于设备故障检测的智能检测系统及检测方法， 其基于嵌入 式技术实现对大型设备的机械故障进行实时、 智能的检测和诊断。
根据本发明的一个方面， 提供了一种用于设备故障检测的智能检测系 统， 所述智能检测系统外接有用于采集反映待检测设备运行状态的数据的
多个传感器， 该智能检测系统包括： 中央处理板 2， 其具有中央处理单元 以及与该中央处理单元连接的多个数据接口； 数据采集板 3， 其连接到所 述多个传感器的一个或多个， 用于对所述传感器采集的数据进行处理； 同 步通信板 4， 用于使所述中央处理板 2与所述数据采集板 3之间的通信保 持同步； 多个连接插件 1， 通过所述多个连接插件 1连接所述中央处理板 2、 数据采集板 3和同步通信板 4以实现数据传输； 其中， 所述中央处理 单元用于对所述多个传感器采集的数据进行分析， 当采集的数据超过设定 限度时， 表示待检测设备状态异常， 发出报警信息； 当采集的数据未超过 设定限度时， 表示待检测设备状态正常。
优选的，所述多个传感器包括振动传感器、声学传感器和温度传感器。 可选的， 所述中央处理单元对所述温度传感器采集的温度数据进行分 析， 当该温度数据超过预设的上下限时， 发出报警信息。
可选的， 所述中央处理单元对所述振动传感器采集的振动信号进行分 析以获取振动幅度和振动频率特性； 并且预先设定振动幅度的上下限， 当 采集得到的振动幅度超过所设定的上下限时进行报警； 预先设定振动信号 在正常状况下的频率特性， 将采集得到的振动频率特性与该频率特性进行 比较， 当出现异常时发出报警信息。
可选的， 所述中央处理单元对所述声学传感器采集的声学信号进行分 析以获取声压级数值和声音频率特性； 并且预先设定最大声压级数值， 当 采集得到的声压级数值超过该最大声压级数值时发出报警信息； 预先设定 声学信号在正常状况下的频率特性， 将采集得到的声学频率特性与该频率 特性进行比较， 当出现异常时发出报警信息。
可选的， 所述多个连接插件 1采用 PC104总线结构。
可选的，所述多个数据接口包括串口、 485总线接口、 CAN总线接口、 网络接口和光电转换接口。
优选的， 所述温度传感器连接到所述 485总线接口上， 所述振动传感 器和声学传感器连接到所述数据采集板 3上。
优选的， 所述数据采集板 3是多通道高速数据采集板。
可选的， 所述智能检测系统还包括自身工作状态监测模块， 用于监测 该智能检测系统是否存在故障， 当出现故障时出报警信息。
优选的， 所述被监测的智能检测系统自身的工作状态包括： 所述多个 传感器没有釆集到数据， 所述数据采集板 3工作异常， 所述多个数据接口 连接中断。
根据本发明的另一个方面， 提供了一种用于智能检测系统的智能检测 方法， 所述智能检测系统连接有用于采集待检测设备的运行状态数据的多 个传感器， 该智能检测系统包括中央处理板 2、 数据采集板 3、 同步通信 板 4和多个连接插件 1， 通过所述多个连接插件 1连接所述中央处理板 2、 数据采集板 3和同步通信板 4以实现数据传输， 所述智能检测方法包括如 下步骤： 系统初始化步骤， 初始化所述智能检测系统的各个设备和接口， 使其进入就绪状态； 工作方式设定步骤， 将所述智能检测系统的工作方式 设定为主控制器或从控制器； 工作时序设定步骤， 设定所述智能检测系统 的各个设备和接口的工作时序和任务优先级； 数据采集步骤， 所述智能检 测系统按照设定好的工作时序和任务优先级开始执行数据采集任务； 数据 分析步骤， 所述智能检测系统对采集到的数据进行分析， 并根据数据分析 结果判断所述待检测设备是否处于正常状态。
其中， 所述工作时序设定步骤包括设定所述多个传感器的数据采集、 数据处理以及数据传输的工作时序和任务优先级。
优选的， 网络接口的数据传输任务优先级最高， 温度传感器的数据采 集任务优先级次高， 振动传感器和声学传感器的数据采集任务优先级最 其中， 所述数据分析步骤还包括如下步骤： 当采集的数据超过设定限 度时， 表示待检测设备状态异常， 发出报警信息； 当采集的数据未超过设 定限度时， 表示待检测设备状态正常， 返回到前述的工作方式设定步骤， 继续进行下一轮的检测。
其中， 预先设定温度上下限， 当温度传感器采集的温度数据超过设定 的上下限时， 发出报警信息。
其中， 所述数据分析步骤对振动传感器釆集得到的振动信号进行分析 以获取振动幅度和振动频率特性； 并且预先设定振动幅度的上下限， 当采 集得到的振动幅度超过所设定的上下限时进行报警； 预先设定振动信号在 正常状况下的频率特性， 将采集得到的振动频率特性与该频率特性进行比
较， 当出现异常时发出报警信息。
其中， 所述数据分析步骤对声学传感器采集得到的声学信号进行分析 以获取声压级数值和声音频率特性； 并且预先设定最大声压级数值， 当采 集得到的声压级数值超过该最大声压级数值时进行报警； 预先设定声学信 号在正常状况下的频率特性， 将采集得到的声学频率特性与该频率特性进 行比较， 当出现异常时发出报警信息。
可选的， 所述智能检测系统还包括自身工作状态监测步骤， 用于监测 该智能检测系统自身是否存在故障， 当出现故障时出报警信息。 并且， 所 述被监测的智能检测系统自身的工作状态包括： 所述多个传感器没有采集 到数据， 所述数据采集板 3工作异常， 与所述中央处理板 2连接的多个数 据接口连接中断。
如上所述， 根据本发明的智能检测系统， 将温度传感器、 振动传感器 和声学传感器安装在设备的检测部位， 在设备运行中实时检测旋转部件的 温度、 紧固部件的振动和加工过程中的声学信号变化， 从而能够及时发现 故障隐患或故障点， 及时报警维修， 避免了设备损坏。 因此， 大大提高了 设备故障检测的效率和精度， 为设备安全运行提供了有效的保障。 附图说明
图 1是根据本发明实施方式的智能检测系统的结构示意图； 图 2是图 1中所示中央处理板的结构示意图；
图 3显示了本发明的智能检测系统的外壳；
图 4显示了根据本发明的智能检测系统的智能检测方法的流程图； 图 5显示了本发明实施例的 BP神经网络的拓扑结构图；
图 6显示了待检测设备在正常状态下的振动频率特性；
图 7显示了待检测设备在故障状态下的振动频率特性。 具体实施方式
为使本发明的目的、 技术方案和优点更加清楚明了， 下面结合具体实 施方式并参照附图， 对本发明进一步详细说明。 应指出的是， 所描述的实 施例旨在便于对本发明的理解， 而对其不起任何限定作用。
图 1是根据本发明实施方式的智能检测系统的结构示意图。
如图 1所示， 根据本发明的智能检测系统包括中央处理板 2， 数据采 集板 3和同步通信板 4。
中央处理板 2的数据总线采用了兼容 PC104总线的结构，该数据总线 通常采用排状的接插件实现， 接插件的一端是插孔， 另一端是带插针的连 接插件 1。 本发明的中央处理板 2， 数据采集板 3和同步通信板 4均带有 这样的连接插件 1， 从而使得各电路板能够连接在一起以便于传输数据。 在本发明的实施例中， 中央处理板 2优选的采用嵌入式中央处理板， 其上 搭载有中央处理单元， 用于对整个智能检测系统的运行进行控制。
同步通信板 4连接在中央处理板 2与数据采集板 3之间， 其上设置有 时序调整电路， 该同步通信板 4通过对所述中央处理板 2与所述数据采集 板 3之间的通信进行时序调整， 使得二者之间的通信保持同步。 同步通信 板 4上设置有连接插件 1， 并通过连接插件 1与中央处理板 2和数据采集 板 3实现电气连接。
数据采集板 3包括多个数据采集通道和寄存器， 寄存器用于存储当前 时刻采集通道的数据， 中央处理单元通过 PC104 总线读取寄存器中的数 据。 本发明中的数据采集板 3优选的采用多通道高速数据采集板， 例如是 DM6430HR- l o
图 2是图 1中所示中央处理板的结构示意图。
如图 2所示，根据本发明实施例的中央处理板主要包括中央处理单元， 该中央处理单元优选的采用 ARM9型号的微处理器芯片。本发明的中央处 理单元可以扩展存储器， 用于存储程序运行文件和临时数据。 本发明中， 存储器优选的为 FLASH存储器 （即闪存）， 以保证较高的数据读取速率， 可选的， 该存储器为 32M容量。
本发明的智能检测系统采用 PC104总线结构，中央处理单元能够通过 PC104总线与数据采集板 3、 同步通信板 4等外部设备连接， 并控制这些 外部设备工作。
如图 2所示， 中央处理板上还集成有多个数据接口， 这些数据接口连 接在外部设备和中央处理单元之间， 用作数据传输和指令的通讯接口。 这 些数据接口分别对应于不同的数据接口标准， 例如串口、 485总线接口、
CAN总线接口（CAN总线是一种总线标准）、网络接口、光电转换接口等。 这里， 所述串口优选的是标准的 232串口。
本发明中通过多个传感器来采集反映待检测设备实时运行状态的状 态数据， 例如振动传感器、 声学传感器、 温度传感器、 压力传感器、 加速 度传感器等。 不同的传感器输出数据类型不同， 因而需要用不同的数据传 输接口把这些数据分别传输到中央处理板 2上的中央处理单元。在本发明 中， 根据传感器输出数据的不同类型， 不同的传感器连接到不同标准的接 口， S卩 232接口、 485接口、 CAN接口， 网络接口和光电转换接口等。 在本发明的实施例中， 温度传感器连接到 485接口上， 而振动传感器和声 学传感器直接连接到数据采集板 3上， 用于采集反映待检测设备实时运行 状态的状态参数， 如振动、 噪音等。 例如， 作为优选实施方式之一， 使用 485接口连接了 16个温度传感器， 而使用高速数据采集板 HR6430-1连接 了 Ί个振动传感器和 4个声学传感器。
另外， 本发明的智能检测系统配备有电源以及对应的供电电路， 用于 为中央处理单元、数据采集板和外部连接的传感器提供恒定电压，例如 3V， 5V, 12V的恒定电压。
图 3显示了本发明的智能检测系统的外壳。
如图 3所示， 本发明的智能检测系统封装在外壳 3-1 中， 该外壳 3-1 用于容纳并保护设置在其内部的智能检测系统的组成部件。
如图 3所示， 外壳 3-1的两个侧面分别设置有开口， 并安装有插座， 供电源、 传感器引线和外部通讯接口使用。
外壳 3-1的正面设置有 2个开口， 分别安装有 2个 D型插座（一种通 用插座， 外形如英文字母 D)， 一个是电源插座 3-2, 可以连接 220v电源， 另一个是传感器引线插头 3-3。
外壳 3-1的一个侧面设置有 4个开口， 分别连接 RS232接口 3-4、 485 接口 3-5、 CAN总线接口 3-6和网络接口 3-7， 这些接口用于连接外部线 路， 实现数据信息的传输。
图 4显示了根据本发明的智能检测系统的智能检测方法的流程图。 如图 4所示， 本发明的智能检测方法包括如下步骤：
系统初始化步骤。 即初始化智能检测系统的各个设备和接口， 使系统
进入就绪状态。 具体来说， 对中央处理板 2、 数据采集板 3、 同步通信板 4 进行检测， 并确定通过外部接口连接的设备和设备状况是否正常。
工作方式设定步骤。 根据待检测设备的设定， 将智能检测系统的工作 方式设定为主控制器或者从控制器。 例如， 如果待检测设备设定为希望本 发明的智能检测系统独立工作， 则将该智能检测系统的工作方式设定为主 控制器。 此时， 由智能检测系统产生各种控制命令， 指挥其他外部设备工 作。 另一方面， 如果待检测设备设定为希望控制本发明的智能检测系统， 则将该智能检测系统的工作方式设定为从控制器。 此时， 智能检测系统作 为外部主控制器的外接设备， 响应外部主控制器发送的各种控制命令。 在 本实例中， 以设定智能检测系统作为主控制器为例给出工作流程。 此外， 工作方式的设定可以按照预先设定自动进行， 也可以在智能检测系统的运 行过程中， 通过操作员人工设定。
工作时序设定步骤。 根据待检测设备的类型， 设定智能检测系统的各 个设备和接口的工作时序和任务优先级，使其保持正常的工作状态。例如， 如果待检测设备对温度参数敏感， 则设定温度传感器的数据采集优先级 高； 如果对振动或噪声敏感， 则设定振动传感器或声学传感器的数据采集 优先级高。所述工作时序设定步骤例如包括设定所述多个传感器的数据采 集、 数据处理以及数据传输的工作时序和任务优先级等。
作为在本发明的一个优选实施方式， 例如可以设定如下： 网络接口的 数据传输任务优先级最高， 通过 485总线连接的温度传感器采样任务优先 级次高， 通过数据采集板连接的振动传感器和声学传感器的数据采集任务 优先级最低。
数据采集步骤。 智能检测系统按照设定好的工作时序和任务优先级， 开始执行数据采集任务。 即通过设置在待检测设备的各个检测位置上的传 感器采集反映待检测设备运行状态的数据。
数据分析步骤。 智能检测系统对采集到的数据进行分析， 并根据数据 分析结果判断待检测设备是否处于正常状态。 具体来说， 当采集的数据超 过设定限度时， 表述待检测设备状态异常， 发出报警信息； 当采集的数据 未超过设定限度时， 表述待检测设备状态正常， 返回到前面的工作方式设 定步骤， 继续进行下一轮的检测。
本发明中， 具体的是温度传感器、 振动传感器和声学传感器， 针对各 传感器采集数据的分析方法如下。
温度数据： 设定温度上下限， 当温度传感器采集的温度数值超过设定 的上下限时， 发出报警信息。
振动数据： 振动传感器采集对象设备的振动信号， 当该振动信号异常 时， 发出报警信息。 对振动信号的分析包括振动幅度和 /或振动频率。
对于振动幅度， 可以预先设定振动幅度的上下限。 分析时， 通过对振 动信号进行时域处理以获得振幅， 当振幅超过所设定的振幅上下限时进行 报警。
对于振动频率， 可以预先设定振动信号在正常状况下的频率特性。 分 析时， 采用傅里叶变换算法或小波分析算法， 将振动信号转换为周期性的 频域值， 与事先设定好的正常状况下振动信号的频率特性进行比较， 当出 现异常时发出报警信息。
声学数据： 声学信号的处理与振动信号类似， 设定最大声压级数值和 正常状况下声学信号的频率特性， 通过对声学信号进行时域处理获得声压 级数值， 当声压级数值超过设定的最大声压级数值时进行报警。 另外， 通 过傅里叶变换算法或小波分析算法得到声学信号的频率特性， 与预先设定 好的正常状况下声学信号的频率特性进行比较， 当出现异常时发出报警信 息。
下面， 将以数控机床主轴的机械故障为例， 介绍本发明的智能检测系 统的一个具体实施例。
为检测数控机床主轴的故障情况， 可以按如下方式设置传感器。 温度传感器： 2个温度传感器安装在主轴的轴套上， 温度传感器的上 限设定为 80摄氏度， 下限设定为 10摄氏度。
检测时， 如果温度传感器采集的温度值在 10-80摄氏度之间， 则表示 设备状态正常； 否则， 如果超出该数值范围的上下限， 则发出报警信息。
振动传感器： 2个振动传感器分别安装在主轴的轴向和径向上， 用来 检测主轴在轴向和径向的振动， 主轴径向和轴向的振动振幅的上下限分别 设定为 ±0.5mm。
检测时， 如果振动传感器采集的振动振幅数值在 ± 0.5mm之间， 则表
示设备状态正常； 否则， 如果超出该数值范围的上下限， 则发出报警信息。 声学传感器： 4个声学传感器分别安装在主轴的周围， 探头对着主轴 方向， 用来收集主轴发出的声音， 主轴的声压级上限设定为 94DB， 下限 设定为 50DB。
检测时， 如果声学传感器采集的声压级数值在 50DB至 94DB之间， 则表示设备状态正常； 否则， 如果超出该数值范围的上下限， 则发出报警 信息。
下面以振动信号为例， 详细介绍振动信号的频率特性的采集和处理过 程。
首先介绍振动信号在正常状况下的频率特性的获取。
首先， 振动传感器采集主轴正常运行时的振动信号 （表现为振动波形 的形式）， 采样频率为 10kHz， 采样输出为 ± 5v。 其次， 对每一次采样获 得的振动波形， 利用 Daubenchies小波系列的 4 阶小波进行 3层小波包分 解， 得到 8个分量的频带。 再次， 对该 8个频带的信号分别求取总能量， 以能量为元素构造特征向量， 特征向量经过归一化处理， 得到归一化后的 特征向量。单次采样所获得的振动信号的归一化特征向量如下面的表 1所 示：
1
按照同样的采样和处理方式， 对上述过程重复 14次， 得到 14组主轴 正常运行时的振动信号， 经上述处理后进而得到 14组归一化特征向量， 如上面的表 2所示。
随后， 以前述步骤得到的 14组特征向量作为输入， 0为输出， 对系统 预先设置的一神经网络进行训练。
图 5显示了本发明实施例的 B P神经网络的拓扑结构图。
如图 5 所示， 本发明的智能检测系统中预先建立一个 BP ( back propagation)神经网络（误差反向传递神经网络），该神经网络包括输入层、 中间层和输出层。 其中， 输入层用于输入实时采集信号经过小波变化得到 的归一化后特征向量， 包括 8个神经元节点， 每个神经元节点对应输入每 组特征向量的 8个分量中的一个； 中间层包括 4个神经元节点， 用于对于 输入层输入的数据进行处理， 以提高神经网络的计算精度； 输出层包括 2 个神经元节点， 输出层的输出值为 0或 1 , 分别表示状态正常或状态异常 (即存在故障）。
本实施例中， 中间层、 输出层的节点数量与输入层的节点数量之间没 有必然联系， 可以根据实际情况确定节点数量。 另外， 中间层神经元选择 tansig ( S型正切函数)为激活函数， 输出层神经元选择 logsig (S 型对数函 数） 为激活函数。 但是， 本领域技术人员应该知道， 神经网络的结构、 神 经元的数量、 神经元的激活函数根据实际情况可以改变。
本发明的神经网络的设计要求是： 神经网络训练最多迭代 20000次， 输出误差小于 0.002。
对该神经网络训练好之后， 即可得到机床主轴在正常状态下的振动频 率特性， 如图 6所示。
图 6显示了待检测设备在正常状态下的振动频率特性。
如图 6所示， 显示了正常状态下每组振动信号的 8个分量的波形， 在 通过图 6右边所示的神经网络训练之后， 输出故障分类的分类号为 0， 即 表示状态正常。
在实时的故障检测过程中， 振动传感器实时采集机床主轴的振动信 号， 并按照上述步骤对该信号进行处理。 当不正常的振动信号经过小波变
换得到的归一化特征向量输入上述神经网络后， 神经网络的输出为 1， 即 表示存在故障， 系统发出报警信息。
图 7显示了待检测设备在故障状态下的振动频率特性。
如图 7所示， 显示了故障状态下每组振动信号的 8个分量的波形。 通 过与图 6的对比发现， 故障状态下每组振动信号的 8个分量的波形与正常 状态下对应分量的波形存在明显差异。 进一步， 在通过图右边的神经网络 运算后， 输出故障分类的分类号为 1， 即表示存在故障， 系统会发出报警 信息。
本领域技术人员应该知道， 本实施例中的重复次数 14不是固定的， 而是根据实际情况可多可少。 本实例中， 重复 14次即可达到设计要求： 神经网络训练最多迭代 20000次， 输出误差小于 0.002。
声学信号的处理过程与上述对振动信号的处理过程相同。 声学信号同 样经过小波变换， 得到归一化特征向量， 使用正常状态下的特征向量训练 神经网络， 得到声学信号在正常状态下的频率特性。 当异常的声音信号 输入网络时， 网络输出为 1， 即表示发现故障， 系统发出报警信息。
另外， 在智能检测系统设置为从控制器的情况下， 工作流程与上述主 控制器的设定步骤类似， 区别仅在于工作时序设定由外部主控制器执行。
可选的， 除了上述流程以外， 本发明的智能检测系统还设置有自身工 作状态监测模块 （未显示）， 用于监测智能检测系统自身的工作状态是否 正常。 并且， 该自身工作状态监测模块的工作流程与上述检测待检测设备 工作状态的流程相互独立的运行。本发明的智能检测系统的故障状态或非 正常状态例如包括如下情况： 通过各数据接口 （如 RS232接口、 485总线 接口）接入智能检测系统的传感器没有数据，通过 PC104总线连接到中央 处理单元的数据采集板工作异常， 网络通讯连接中断等。 当出现上述故障 状态时， 智能检测系统及时发出报警信息。 这样， 可以保证智能检测系统 可靠的运行和及时的维护。
本发明的上述智能检测系统的检测方法例如由固化在智能检测系统 的中央处理单元或存储器中的软件模块实现， 可选的， 也可以实现为实体 的硬件芯片， 固化在中央处理单元中的主程序控制着智能检测系统的工作 方式、 工作时序， 以及外接的硬件芯片的运行， 并监测智能检测系统自身
的工作状态。此外，各传感器采集到的信息存储在中央处理板的存储器中， 并且能够通过 RS232串口， 485总线接口、 网络接口、 CAN总线接口、 光 电转换接口将信息传输到其他设备中。
本发明旨在保护一种嵌入式智能检测系统及检测方法， 该智能检测系 统采用嵌入式系统结构和软件编程方法， 实现了温度、 振动以及声学传感 器的在线数据采集。 本发明能够有效替代现有的人工检测手段， 在设备运 行中实现在线监测和报警， 提高了设备运行的安全性。
如上所述， 现有技术的加工设备 （如数控机床等） 的机械部分的故障 检测基本上处在人工检测阶段， 并集中在远程故障诊断上。 而本发明通过 将智能处理算法和诊断方法移植到嵌入式系统中， 实现了设备机械故障的 智能检测。
应当理解的是， 本发明的上述具体实施方式仅仅用于示例性说明或解 释本发明的原理， 而不构成对本发明的限制。 因此， 在不偏离本发明的精 神和范围的情况下所做的任何修改、 等同替换、 改进等， 均应包含在本发 明的保护范围之内。 此外， 本发明所附权利要求旨在涵盖落入所附权利要 求范围和边界、 或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (25)
- 权利 要求 书1、 一种用于设备故障检测的智能检测系统， 所述智能检测系统外接 有用于采集反映待检测设备运行状态的数据的多个传感器， 该智能检测系 统包括：中央处理板（2)， 其具有中央处理单元以及与该中央处理单元连接的 多个数据接口；数据采集板（3 )， 其连接到所述多个传感器的一个或多个， 用于对所 述传感器采集的数据进行处理；同步通信板（4)， 用于使所述中央处理板（2)与所述数据采集板（3 ) 之间的通信保持同步；多个连接插件 （1 )， 通过所述多个连接插件 （1 ) 连接所述中央处理 板 （2)、 数据釆集板 （3 ) 和同步通信板 （4) 以实现数据传输；其特征在于- 所述中央处理单元用于对所述多个传感器采集的数据进行分析， 当采 集的数据超过设定限度时， 表示待检测设备状态异常， 发出报警信息； 当采集的数据未超过设定限度时， 表示待检测设备状态正常。
- 2、 根据权利要求 1 所述的智能检测系统， 其中， 所述多个传感器包 括振动传感器、 声学传感器和温度传感器。
- 3、 根据权利要求 2所述的智能检测系统， 其中， 所述中央处理单元 对所述温度传感器采集的温度数据进行分析， 当该温度数据超过预设的上 下限时， 发出报警信息。
- 4、 根据权利要求 2所述的智能检测系统， 其中， 所述中央处理单元 对所述振动传感器采集的振动信号进行分析以获取振动幅度和振动频率 特性； 并且预先设定振动幅度的上下限， 当采集得到的振动幅度超过所设定的上 下限时进行报警；预先设定振动信号在正常状况下的频率特性， 将采集得到的振动频率 特性与该频率特性进行比较， 当出现异常时发出报警信息。
- 5、 根据权利要求 2所述的智能检测系统， 其中， 所述中央处理单元 对所述声学传感器釆集的声学信号进行分析以获取声压级数值和声音频 率特性； 并且预先设定最大声压级数值， 当采集得到的声压级数值超过该最大声压 级数值时发出报警信息；预先设定声学信号在正常状况下的频率特性， 将采集得到的声学频率 特性与该频率特性进行比较， 当出现异常时发出报警信息。
- 6、 根据权利要求 1 所述的智能检测系统， 其中， 所述多个连接插件 ( 1 ) 采用 PC104总线结构。
- 7、根据权利要求 1所述的智能检测系统， 其中， 所述中央处理板（2) 还包括存储器， 用于存储程序运行文件和临时数据； 并且所述中央处理单元是基于嵌入式的微处理芯片；多个数据接口用于与外部设备连接以传输数据和指令。
- 8、 根据权利要求 1 所述的智能检测系统， 其中， 所述多个数据接口 包括串口、 485总线接口、 CAN总线接口、 网络接口和 /或光电转换接口。
- 9、 根据权利要求 8所述的智能检测系统， 其中， 每个所述多个传感 器根据其输出数据的不同类型分别连接到相应接口标准的数据接口。
- 10、 根据权利要求 9所述的智能检测系统， 其中， 所述温度传感器连 接到所述 485总线接口上， 所述振动传感器和声学传感器连接到所述数据 采集板 （3 ) 上。
- 11、根据权利要求 1-10中任一项所述的智能检测系统， 其中， 所述数 据采集板 （3 ) 是多通道高速数据采集板。
- 12、根据权利要求 1-10中任一项所述的智能检测系统， 其中， 所述智 能检测系统还包括电源以及对应的供电电路，用于为所述中央处理板（2)、 数据采集板 （3 ) 和外接的所述多个传感器提供恒定电压。
- 13、根据权利要求 1-10中任一项所述的智能检测系统， 其中， 所述智 能检测系统还具有一外壳 （3-1 )， 其用于容纳并保护所述智能检测系统的 组成部件。
- 14、 根据权利要求 13所述的智能检测系统， 其中， 所述外壳 （3-1 ) 的两个侧面分别设置有开口， 用于安装供电源、 传感器引线和外部通讯接 口使用的插座。 15、根据权利要求 1-10中任一项所述的智能检测系统， 其中， 所述智 能检测系统还包括自身工作状态监测模块， 用于监测该智能检测系统是否 存在故障， 当出现故障时出报警信息。
- 16、 根据权利要求 15所述的智能检测系统， 其中， 所述被监测的智 能检测系统自身的工作状态包括： 所述多个传感器没有采集到数据， 所述 数据采集板 （3 ) 工作异常， 所述多个数据接口连接中断。
- 17、 一种用于智能检测系统的智能检测方法， 所述智能检测系统连接 有用于采集待检测设备的运行状态数据的多个传感器， 该智能检测系统包 括中央处理板 （2)、 数据采集板 （3 )、 同步通信板 （4 ) 和多个连接插件( 1 )， 通过所述多个连接插件 （1 ) 连接所述中央处理板 （2)、 数据采集 板 （3 ) 和同步通信板 （4) 以实现数据传输， 所述智能检测方法包括如下 步骤：系统初始化步骤， 初始化所述智能检测系统的各个设备和接口， 使其 进入就绪状态；工作方式设定步骤， 将所述智能检测系统的工作方式设定为主控制器 或从控制器；工作时序设定步骤， 设定所述智能检测系统的各个设备和接口的工作 时序和任务优先级； 数据采集步骤， 所述智能检测系统按照设定好的工作时序和任务优先 级开始执行数据采集任务；数据分析步骤， 所述智能检测系统对采集到的数据进行分析， 并根据 数据分析结果判断所述待检测设备是否处于正常状态。
- 18、 根据权利要求 17所述的方法， 其中， 所述系统初始化步骤包括 对所述中央处理板 （2)、 数据采集板 （3 )、 同步通信板 （4) 进行检测， 并确定通过外部接口连接的设备和设备状况是否正常。
- 19、 根据权利要求 17所述的方法， 其中， 所述工作方式设定步骤还 包括如下步骤：当所述智能检测系统设定为主控制器时， 由该智能检测系统产生各种 控制命令以指挥其他外部设备工作；当所述智能检测系统设定为从控制器时， 由该智能检测系统作为外部 主控制器的外接设备， 响应外部主控制器发送的各种控制命令。
- 20、 根据权利要求 17所述的方法， 其中， 所述工作时序设定步骤包 括设定所述多个传感器的数据采集、数据处理以及数据传输的工作时序和 任务优先级。
- 21、 根据权利要求 17-20中任一项所述的方法， 其中， 所述数据分析 步骤还包括如下步骤：当采集的数据超过设定限度时， 表示待检测设备状态异常， 发出报警 信息；当采集的数据未超过设定限度时， 表示待检测设备状态正常， 返回到 前述的工作方式设定步骤， 继续进行下一轮的检测。
- 22、 根据权利要求 21 所述的方法， 其中， 预先设定温度上下限， 当 温度传感器采集的温度数据超过设定的上下限时， 发出报警信息。
- 23、 根据权利要求 21 所述的方法， 其中， 所述数据分析步骤对振动 传感器采集的振动信号进行分析以获取振动幅度和振动频率特性； 并且 预先设定振动幅度的上下限， 当采集得到的振动幅度超过所设定的上 下限时进行报警；预先设定振动信号在正常状况下的频率特性， 将采集得到的振动频率 特性与该频率特性进行比较， 当出现异常时发出报警信息。
- 24、 根据权利要求 21 所述的方法， 其中， 所述数据分析步骤对声学 传感器采集的声学信号进行分析以获取声压级数值和声音频率特性； 并且 预先设定最大声压级数值， 当采集得到的声压级数值超过该最大声压 级数值时发出报警信息；预先设定声学信号在正常状况下的频率特性， 将采集得到的声学频率 特性与该频率特性进行比较， 当出现异常时发出报警信息。
- 25、 根据权利要求 17-20中任一项所述的方法， 其中， 所述智能检测 系统还包括自身工作状态监测步骤， 用于监测该智能检测系统自身是否存 在故障， 当出现故障时出报警信息。
- 26、 根据权利要求 25所述的方法， 其中， 所述被监测的智能检测系 统自身的工作状态包括： 所述多个传感器没有采集到数据， 所述数据釆集 板（3 )工作异常， 与所述中央处理板（2)连接的多个数据接口连接中断。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2010/080579 WO2012088707A1 (zh) | 2010-12-31 | 2010-12-31 | 用于设备故障检测的智能检测系统及检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103250107A true CN103250107A (zh) | 2013-08-14 |
Family
ID=46382224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010800706166A Pending CN103250107A (zh) | 2010-12-31 | 2010-12-31 | 用于设备故障检测的智能检测系统及检测方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20140298099A1 (zh) |
| CN (1) | CN103250107A (zh) |
| WO (1) | WO2012088707A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886499A (zh) * | 2015-12-15 | 2017-06-23 | 西安富成防务科技有限公司 | 主被动传感器多模信息探测与信息融合技术仿真平台 |
| CN110718231A (zh) * | 2019-09-12 | 2020-01-21 | 深圳市铭华航电工艺技术有限公司 | 基于声学网络的监测方法、装置、终端及存储介质 |
| CN110996289A (zh) * | 2019-12-11 | 2020-04-10 | 湃方科技(天津)有限责任公司 | 一种用于机器状态监测诊断仪的智能网关、方法及系统 |
| CN111930081A (zh) * | 2020-07-15 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 用于监控agv状态的方法、装置、边缘设备和存储介质 |
| CN112230603A (zh) * | 2020-10-14 | 2021-01-15 | 深圳吉兰丁智能科技有限公司 | 一种基于数控机床的多传感器数据采集方法及系统 |
| WO2022141623A1 (zh) * | 2021-01-04 | 2022-07-07 | 中南大学 | 列车车室振动监测方法、振动信号特征库建立及应用方法 |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2500388B (en) * | 2012-03-19 | 2019-07-31 | Ge Aviat Systems Ltd | System monitoring |
| US10156844B1 (en) | 2012-11-30 | 2018-12-18 | Discovery Sound Technology, Llc | System and method for new equipment configuration and sound monitoring |
| US10145761B1 (en) | 2012-11-30 | 2018-12-04 | Discovery Sound Technology, Llc | Internal arrangement and mount of sound collecting sensors in equipment sound monitoring system |
| US9971667B1 (en) | 2012-11-30 | 2018-05-15 | Discovery Sound Technology, Llc | Equipment sound monitoring system and method |
| US9223299B2 (en) * | 2012-11-30 | 2015-12-29 | Discovery Sound Technology, Llc | Equipment sound monitoring system and method |
| JP6151664B2 (ja) * | 2014-05-26 | 2017-06-21 | ファナック株式会社 | 数値制御装置 |
| US9558053B1 (en) * | 2015-06-26 | 2017-01-31 | Amazon Technologies, Inc. | Computer systems monitoring using beat frequency analysis |
| DE102016008987B4 (de) * | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
| WO2017167656A1 (de) * | 2016-03-29 | 2017-10-05 | Voith Patent Gmbh | Verfahren zur fernüberwachung einer industriellen anlage |
| US20200173887A1 (en) * | 2017-05-25 | 2020-06-04 | Nec Corporation | Processing apparatus, processing method, and non-transitory storage medium |
| EP3425460A1 (de) * | 2017-07-04 | 2019-01-09 | Siemens Aktiengesellschaft | Vorrichtung und verfahren zur bestimmung des zustands einer spindel einer werkzeugmaschine |
| US11188292B1 (en) | 2019-04-03 | 2021-11-30 | Discovery Sound Technology, Llc | System and method for customized heterodyning of collected sounds from electromechanical equipment |
| CN110994795A (zh) * | 2019-12-06 | 2020-04-10 | 国网江苏省电力有限公司南通供电分公司 | 一种远程信号采集系统及其采集方法 |
| CN112147647A (zh) * | 2020-08-11 | 2020-12-29 | 徐州徐工挖掘机械有限公司 | 一种监控预测gps终端故障的方法及系统 |
| CN111948966A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于物联网的防过卷无线收发模块 |
| CN111982200A (zh) * | 2020-08-26 | 2020-11-24 | 台州职业技术学院 | 一种机电设备故障在线预警检测设备及其检测方法 |
| CN113284327A (zh) * | 2021-06-21 | 2021-08-20 | 中国特种设备检测研究院 | 一种适用于过山车振动监测的方法与系统 |
| CN115079639B (zh) * | 2022-07-13 | 2022-11-18 | 深圳市协和传动器材有限公司 | 凸轮分割器的加工机床运行异常报警方法 |
| CN116021425B (zh) * | 2023-03-28 | 2023-06-09 | 江苏中科云控智能工业装备有限公司 | 一种基于物联网的去毛刺设备性能测试系统及方法 |
| CN117268535B (zh) * | 2023-11-22 | 2024-01-26 | 四川中测仪器科技有限公司 | 一种基于振动数据的电机转轴状态监测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020050937A (ko) * | 2000-12-22 | 2002-06-28 | 김형벽ㅂ | 전동차 고장상태 감시 장치 |
| CN1593849A (zh) * | 2004-07-15 | 2005-03-16 | 无锡开源机床集团有限公司 | 基于网络的磨床数据采集与故障诊断装置 |
| CN101118437A (zh) * | 2007-09-03 | 2008-02-06 | 石毅 | 一种新型的数控机床远程状态监测与故障诊断系统实现方法 |
| CN101324657A (zh) * | 2008-07-15 | 2008-12-17 | 武汉华瑞测控科技有限公司 | 变电站高压计量用互感器在线监测方法 |
| CN101556476A (zh) * | 2009-05-19 | 2009-10-14 | 厦门大学 | 一种用于规模化机械加工的无线网络检测系统 |
| CN101923336A (zh) * | 2009-06-09 | 2010-12-22 | 鸿富锦精密工业（深圳）有限公司 | 机台运动控制系统及方法 |
| US20120101622A1 (en) * | 2009-06-30 | 2012-04-26 | Gunsu Yun | Automatic fault detection and classification in a plasma processing system and methods thereof |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7020802B2 (en) * | 2002-10-17 | 2006-03-28 | Sun Microsystems, Inc. | Method and apparatus for monitoring and recording computer system performance parameters |
| US8046637B2 (en) * | 2009-03-06 | 2011-10-25 | Oracle America, Inc. | Telemetry data filtering through sequential analysis |
-
2010
- 2010-12-31 US US13/976,882 patent/US20140298099A1/en not_active Abandoned
- 2010-12-31 WO PCT/CN2010/080579 patent/WO2012088707A1/zh active Application Filing
- 2010-12-31 CN CN2010800706166A patent/CN103250107A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020050937A (ko) * | 2000-12-22 | 2002-06-28 | 김형벽ㅂ | 전동차 고장상태 감시 장치 |
| CN1593849A (zh) * | 2004-07-15 | 2005-03-16 | 无锡开源机床集团有限公司 | 基于网络的磨床数据采集与故障诊断装置 |
| CN101118437A (zh) * | 2007-09-03 | 2008-02-06 | 石毅 | 一种新型的数控机床远程状态监测与故障诊断系统实现方法 |
| CN101324657A (zh) * | 2008-07-15 | 2008-12-17 | 武汉华瑞测控科技有限公司 | 变电站高压计量用互感器在线监测方法 |
| CN101556476A (zh) * | 2009-05-19 | 2009-10-14 | 厦门大学 | 一种用于规模化机械加工的无线网络检测系统 |
| CN101923336A (zh) * | 2009-06-09 | 2010-12-22 | 鸿富锦精密工业（深圳）有限公司 | 机台运动控制系统及方法 |
| US20120101622A1 (en) * | 2009-06-30 | 2012-04-26 | Gunsu Yun | Automatic fault detection and classification in a plasma processing system and methods thereof |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886499A (zh) * | 2015-12-15 | 2017-06-23 | 西安富成防务科技有限公司 | 主被动传感器多模信息探测与信息融合技术仿真平台 |
| CN110718231A (zh) * | 2019-09-12 | 2020-01-21 | 深圳市铭华航电工艺技术有限公司 | 基于声学网络的监测方法、装置、终端及存储介质 |
| CN110996289A (zh) * | 2019-12-11 | 2020-04-10 | 湃方科技(天津)有限责任公司 | 一种用于机器状态监测诊断仪的智能网关、方法及系统 |
| CN111930081A (zh) * | 2020-07-15 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 用于监控agv状态的方法、装置、边缘设备和存储介质 |
| CN112230603A (zh) * | 2020-10-14 | 2021-01-15 | 深圳吉兰丁智能科技有限公司 | 一种基于数控机床的多传感器数据采集方法及系统 |
| WO2022141623A1 (zh) * | 2021-01-04 | 2022-07-07 | 中南大学 | 列车车室振动监测方法、振动信号特征库建立及应用方法 |
| US11988547B2 (en) | 2021-01-04 | 2024-05-21 | Central South University | Train compartment vibration monitoring method and vibration signal feature library establishment and application methods |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2012088707A1 (zh) | 2012-07-05 |
| US20140298099A1 (en) | 2014-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103250107A (zh) | 用于设备故障检测的智能检测系统及检测方法 | |
| CN104350435B (zh) | 嵌置在可编程逻辑控制器的软件平台中的预报分析方法 | |
| CN103412562B (zh) | 车辆通用诊断测试装置 | |
| CN101436046B (zh) | 一体化多通道同步振动数据采集及监视与分析诊断装置 | |
| CN109724791A (zh) | 一种智能化振动分析及故障诊断装置及其工作方法 | |
| CN202562760U (zh) | 一种振动筛在线诊断装置 | |
| CN100562825C (zh) | 机械设备故障在线诊断装置及方法 | |
| CN104760887B (zh) | 港口起重机械运行安全机载预警系统 | |
| JP2012038302A5 (zh) | ||
| JP2010101883A (ja) | センサレベルの機械モニタリングシステム及び方法 | |
| CN111399413A (zh) | 用于旋转设备运行状态监控的一体机装置及方法 | |
| EP1490741B1 (en) | Condition monitoring system for machines equipped with a machine control system and including rotating machine elements | |
| CN202880694U (zh) | 一种起重机故障诊断装置 | |
| CN106248200A (zh) | 一种工程结构基频测试的无线数据采集系统 | |
| CN110932887A (zh) | 一种bmc调试方法、系统及装置 | |
| CN209296300U (zh) | 一种智能化振动分析及故障诊断装置 | |
| CN201247150Y (zh) | 一种便携式水轮机调速器测试装置 | |
| KR20100116429A (ko) | 선박 대형 엔진 시운전용 데이터 계측 시스템 | |
| GB2349020A (en) | Monitoring condition of a machine | |
| CN112859725B (zh) | 一种厂房设备状态特征信号监测系统 | |
| CN110542475B (zh) | 一种数字式振动信号智能变送器 | |
| CN204241647U (zh) | 电机故障诊断测试仪 | |
| CN208520574U (zh) | 通用型动力机组智能诊断系统 | |
| KR200267127Y1 (ko) | 원자력발전소용 텐덤형 디젤발전기 성능감시장치 | |
| CN208383296U (zh) | 一种基于噪声监测农机故障系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130814 |