CN105099804B - 机组故障的检测方法、服务器及终端 - Google Patents
机组故障的检测方法、服务器及终端 Download PDFInfo
- Publication number
- CN105099804B CN105099804B CN201410205532.9A CN201410205532A CN105099804B CN 105099804 B CN105099804 B CN 105099804B CN 201410205532 A CN201410205532 A CN 201410205532A CN 105099804 B CN105099804 B CN 105099804B
- Authority
- CN
- China
- Prior art keywords
- unit
- characteristic
- accident analysis
- analysis data
- detected
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 144
- 238000004458 analytical method Methods 0.000 claims abstract description 168
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims description 131
- 238000006073 displacement reaction Methods 0.000 claims description 20
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013501 data transformation Methods 0.000 claims description 5
- 230000001537 neural effect Effects 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims 4
- 238000013528 artificial neural network Methods 0.000 claims 1
- 238000010977 unit operation Methods 0.000 claims 1
- 238000007906 compression Methods 0.000 description 8
- 230000006835 compression Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006837 decompression Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种机组故障的检测方法、服务器及终端,属于互联网技术领域。方法包括:获取终端发送的特征图谱;根据特征图谱确定待检测机组运行时的特征数据;获取待检测机组的基本参数;根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在故障分析数据范围内查找与特征数据匹配的故障分析数据;将与特征数据匹配的故障分析数据作为故障检测结果返回给终端。本发明通过根据特征图谱及云端数据库确定匹配的故障检测结果,由终端显示故障检测结果,并由相关工作人员确定机组故障。由于不需要每次根据特征图谱进行分析、计算就能确定故障检测结果,因此,机组故障的检测效率较高。
Description
技术领域
本发明涉及互联网技术领域,特别涉及一种机组故障的检测方法、服务器及终端。
背景技术
随着近年来国内炼化生产设备朝着自动化、大型化方向发展,在大多数的炼油化工企业中,用于对相关原料进行炼化生产的大型机组已经成为了进行炼油、化工生产的核心设备。其中,在进行炼化生产的过程中,倘若大型机组出现故障不仅会影响企业正常生产,更加严重的情况下还会造成人员的伤亡和环境的污染,这将给企业、社会乃至国家带来巨大的经济损失和恶劣的影响。因此,如何对机组故障进行检测是保证大型机组的性能的关键。
相关技术中提供了一种机组故障的检测方法,在该方法中,当机组出现故障时,接收机组的故障数据,并对接收到的故障数据进行存储、分析、计算,从而发现并定位机组的故障,进而采用相应的方法对故障进行处理。
在实现本发明的过程中,发明人发现上述相关技术至少存在以下问题:
由于每次进行故障检测都需要对数据进行分析、计算,而有些故障可能已经出现过,导致检测出现过的故障时还要再一次地进行分析、计算,耗费的时间较长,因此,机组故障的检测效率不高。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种机组故障的检测方法、服务器及终端。所述技术方案如下:
第一方面,提供了一种机组故障的检测方法,所述方法包括:
获取终端发送的特征图谱,所述特征图谱根据待检测机组的运行信号转换得到,且所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
根据所述特征图谱确定所述待检测机组运行时的特征数据;
获取所述待检测机组的基本参数;
根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据;
将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端。
结合第一方面,在第一方面的第一种可能的实现方式中,所述基本参数至少包括所述待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数。
结合第一方面,在第一方面的第二种可能的实现方式中,所述将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端之后,还包括:
获取所述终端发送的故障确认结果对应的故障分析数据及特征图谱;
将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
第二方面,提供了一种机组故障的检测方法,所述方法包括:
获取采集到的待检测机组的运行信号,并将所述待检测机组的运行信号转换为特征图谱,所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
将所述特征图谱发送至云端服务器,由所述云端服务器根据所述特征图谱确定所述待检测机组运行时的特征数据,获取所述待检测机组的基本参数,根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据后,将与所述特征数据匹配的故障分析数据作为故障检测结果返回;
接收所述云端服务器返回的故障检测结果。
结合第二方面,在第二方面的第一种可能的实现方式中,所述接收所述云端服务器返回的故障检测结果之后,还包括:
显示所述故障检测结果,并根据所述故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
将所述故障确认结果对应的故障分析数据及特征图谱发送至所述云端服务器,由所述云端服务器将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
第三方面,提供了一种服务器,所述服务器包括:
第一获取模块,用于获取终端发送的特征图谱,所述特征图谱根据待检测机组的运行信号转换得到,且所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
确定模块,用于根据所述特征图谱确定所述待检测机组运行时的特征数据;
第二获取模块,用于获取所述待检测机组的基本参数;
查找模块,用于根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据;
返回模块,用于将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端。
结合第三方面,在第三方面的第一种可能的实现方式中,所述第二获取模块获取到的基本参数至少包括所述待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数。
结合第三方面,在第三方面的第二种可能的实现方式中,所述服务器,还包括:
第三获取模块,用于获取所述终端发送的故障确认结果对应的故障分析数据及特征图谱;
存储模块,用于将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
第四方面,提供了一种终端,所述终端包括:
第一获取模块,用于获取采集到的待检测机组的运行信号;
转换模块,用于将所述待检测机组的运行信号转换为特征图谱,所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
第一发送模块,用于将所述特征图谱发送至云端服务器,由所述云端服务器根据所述特征图谱确定所述待检测机组运行时的特征数据,获取所述待检测机组的基本参数,根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据后,将与所述特征数据匹配的故障分析数据作为故障检测结果返回;
接收模块,用于接收所述云端服务器返回的故障检测结果。
结合第四方面,在第四方面的第一种可能的实现方式中,所述终端,还包括:
显示模块,用于显示所述故障检测结果;
第二获取模块,用于根据所述故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
第二发送模块,用于将所述故障确认结果对应的故障分析数据及特征图谱发送至所述云端服务器,由所述云端服务器将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
本发明实施例提供的技术方案带来的有益效果是:
通过云端服务器获取终端发送的待检测机组对应的特征图谱,并根据特征图谱及云端数据库确定匹配的故障分析数据后,将故障分析数据作为故障检测结果发送至终端,由终端显示故障检测结果,从而可以实现由相关工作人员进行选择,以确定机组故障。由于无需每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种机组故障的检测方法流程图;
图2是本发明另一实施例提供的一种机组故障的检测方法流程图;
图3是本发明另一实施例提供的一种机组故障的检测方法流程图;
图4是本发明另一实施例提供的一种服务器的结构示意图;
图5是本发明另一实施例提供的另一种服务器的结构示意图;
图6是本发明另一实施例提供的一种终端的结构示意图;
图7是本发明另一实施例提供的另一种终端的结构示意图;
图8是本发明另一实施例提供的一种机组故障的检测系统的结构示意图;
图9是本发明另一实施例提供的一种设备之间的连接示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
由于相关技术中在检测机组故障时,每次都需要对数据进行分析、计算,而有些故障可能已经出现过,导致检测出现过的故障时还要再一次地进行分析、计算,耗费的时间较长,因此,机组故障的检测效率不高。
为了预防上述情况,提高机组故障的检测效率,本发明实施例提供了一种机组故障的检测方法,该方法应用于服务器,该方法还涉及到机组,本实施例及后续实施例中的机组包括但不限于炼油、化工产业的大型机组,本实施例及后续实施例均不对机组的类型作具体限定,参见图1,本实施例提供的方法流程包括:
101:获取终端发送的特征图谱,特征图谱根据待检测机组的运行信号转换得到,且特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
102:根据特征图谱确定待检测机组运行时的特征数据;
103:获取待检测机组的基本参数;
104:根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在故障分析数据范围内查找与特征数据匹配的故障分析数据;
105:将与特征数据匹配的故障分析数据作为故障检测结果返回给终端。
作为一种可选实施例,基本参数至少包括待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数。
作为一种可选实施例,将与特征数据匹配的故障分析数据作为故障检测结果返回给终端之后,还包括:
获取终端发送的故障确认结果对应的故障分析数据及特征图谱;
将故障确认结果对应的故障分析数据与特征图谱存储至云端数据库中。
本实施例提供的方法,通过获取终端发送的待检测机组对应的特征图谱,并根据特征图谱确定匹配的故障检测结果,将故障检测结果发送至终端,由终端显示故障检测结果,并由相关工作人员进行选择,以确定机组故障。由于根据待检测机组对应的特征图谱便可确定匹配的故障检测结果,而不需要每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
本发明实施例提供了一种机组故障的检测方法,该方法应用于终端,该终端包括但不限于计算机,PDA(Personal Digital Assistant,个人数字助理),本实施例对此不作具体限定,结合上述实施例的内容,对本实施例提供的方法进行举例说明。参见图2,本实施例提供的方法流程包括:
201:获取采集到的待检测机组的运行信号,并将待检测机组的运行信号转换为特征图谱,特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
202:将特征图谱发送至云端服务器,由云端服务器根据特征图谱确定待检测机组运行时的特征数据,获取待检测机组的基本参数,根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在故障分析数据范围内查找与特征数据匹配的故障分析数据后,将与特征数据匹配的故障分析数据作为故障检测结果返回;
203:接收云端服务器返回的故障检测结果。
作为一种可选实施例,接收云端服务器返回的故障检测结果之后,还包括:
显示故障检测结果,并根据故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
将故障确认结果对应的故障分析数据及特征图谱发送至云端服务器,由云端服务器将故障确认结果对应的故障分析数据与特征图谱存储至云端数据库中。
本实施例提供的方法,通过云端服务器获取终端发送的待检测机组对应的特征图谱,并根据特征图谱及云端数据库确定匹配的故障分析数据后,将故障分析数据作为故障检测结果发送至终端,由终端显示故障检测结果,从而可以实现由相关工作人员进行选择,以确定机组故障。由于无需每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
本发明实施例提供了一种机组故障的检测方法,该方法涉及到终端及云端服务器,结合上述实施例的内容,对本实施例提供的方法进行举例说明。参见图3,方法流程包括:
301:终端获取采集到的待检测机组的运行信号,并将待检测机组的运行信号转换为特征图谱,特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
本实施例不对采集待检测机组的运行信号的方法作具体限定,包括但不限于:在待检测机组上安装至少一个位移与振动传感器,通过位移与振动传感器对待检测机组进行检测,将检测到的信息转化为电信号;位移与振动传感器产生电信号后,通过信号采集与转换电路采集位移与振动传感器产生的电信号,并作为待检测机组的运行信号。
其中,信号采集与转换电路可以位于终端之上,也可以独立于终端,位于待检测机组之上,或者位于待检测机组与终端之间,本实施例不对信号采集与转换电路所处位置作具体限定。
终端获取采集到的待检测机组的运行信号后,可将待检测机组的运行信号转换为特征图谱。其中,特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱,本实施例不对特征图谱的内容作具体限定。另外,当信号采集与转换电路位于终端上时,可由信号采集与转换电路将待检测机组的运行信号转换为特征图谱,本实施例对此也不作具体限定。
302:终端将特征图谱发送至云端服务器;
本实施例不对终端将特征图谱发送至云端服务器的方式作具体限定,包括但不限于:当终端通过网络与云端服务器相连后,由于特征图谱数据量较大,为了减少数据发送流量,终端将特征图谱压缩成数据包,并通过网络将压缩的数据包发送至云端服务器,从而通过采用压缩的方式保证在网络传输时节省网络带宽。
其中,压缩成数据包的方式可以根据使用的网络协议来确定,本实施例对此不作具体限定。例如,若采用的是TCP/IP(Transmission Control Protocol/InternetProtocol,传输控制协议/因特网互联协议)族协议,此时,则将特征图谱压缩成IP数据包。
303:云端服务器获取终端发送的特征图谱;
本实施例不对云端服务器获取终端发送的特征图谱的方式作具体限定,包括但不限于:当终端将特征图谱压缩成数据包发送给云端服务器后,云端服务器接收终端发送的压缩的数据包;对压缩的数据包进行解压,获取解压缩后的数据包中的特征图谱。
其中,解压数据包可根据压缩数据包的方式来确定,本实施例对此不作具体限定。例如,若压缩数据包为IP数据包,则按照IP协议的方式对压缩的数据包进行解压。
304:云端服务器根据获取到的特征图谱确定待检测机组运行时的特征数据;
本实施例不对云端服务器根据获取到的特征图谱确定待检测机组运行时的特征数据的方式作具体限定,由于特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱,而每种图谱均可以表示机组运行时的一种特征,因而通过对特征图谱中的数据进行解析,即可确定待检测机组运行时的特征数据。
例如,通过解析待检测机组的时域图谱得到待检测机组的时域特征数据,通过解析待检测机组的频域图谱得到待检测机组的频域特征数据,通过解析待检测机组的轴心轨迹图谱得到待检测机组的轴心轨迹特征数据,通过解析待检测机组的轴位移图谱得到待检测机组的轴位移特征数据等等。
其中,上述过程中确定特征数据中有些特征数据为故障特征数据,即特征数据中至少包含故障特征数据,本实施例不对特征数据的内容作具体限定。后续步骤中可根据故障特征数据确定对应的故障,故障特征数据可以包括但不限于频域特征数据中的特征倍频图形、轴心轨迹特征数据中的轴心轨迹图形等,本实施例也不对故障特征数据的内容作具体限定。
305:云端服务器获取待检测机组的基本参数;
本实施例不对云端服务器获取待检测机组的基本参数的方式作具体限定,包括但不限于:待检测机组上的存储介质中可预先存储该机组的基本参数,当云端服务器需要获取待检测机组的基本参数时,待检测机组上的相关系统可以通过网络将基本参数发送至云端服务器,云端服务器接收待检测机组的基本参数,并作为获取到的基本参数。
其中,待检测机组的基本参数至少包括待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数,本实施例不对待检测机组的基本参数的内容作具体限定。
306:云端服务器根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在故障分析数据范围内查找与特征数据匹配的故障分析数据;
由于每种机组都可能为不同的型号,对应地,每种机组都有自身的工艺参数。因此,云端服务器在查找与特征数据匹配的故障分析数据之前,可以先根据基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围。
例如,云端数据库可能预先存储了三种机组的故障分析数据,而这三种机组分别对应不同的基本参数。当获取到特征数据中的待检测机组的基本参数后,可与预先存储的三种基本参数进行比对,确定待检测机组属于三种机组中哪一种机组,从而将待检测机组所属机组类型的故障分析数据定位为该待检测机组的故障分析数据范围。
通过上述缩小故障分析数据范围的方式,能够减少匹配时的计算量,从而能够快速查找与特征数据匹配的故障分析数据。
根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围后,可在故障分析数据范围内查找与特征数据匹配的故障分析数据。其中,故障分析数据可以为故障的类型、故障的处理措施等,本实施例不对故障分析数据的内容作具体限定。由于云端数据库中每种机组下的故障分析数据与故障特征数据是对应存储的,因此,根据特征数据中的故障特征数据可以确定匹配的故障分析数据。
另外,由于待检测机组的特征数据中的故障特征数据可能与云端数据库中存储的故障特征数据不完全相同,即有部分相同的情况,如特征数据中的故障特征数据可能与云端数据库中存储的一种故障特征数据有部分数据相同、部分数据不相同,与云端数据库中存储的一种故障特征数据也有部分数据相同、部分数据不相同。因此,为了得到与特征数据匹配的故障分析数据,可以通过模糊查询或神经网络计算,确定部分与特征数据匹配的故障分析数据,并计算部分与特征数据匹配的故障分析数据的匹配度指标。其中,匹配度指标可以为故障分析数据可能性的百分比等,本实施例对此不作具体限定。
例如,云端数据库中存储有三个部分与特征数据匹配的故障分析数据,此时,在确定该三个部分与特征数据匹配的故障分析数据后,可计算三个故障分析数据可能性的百分比。如第一故障分析数据可能性的百分比为30%,则表示待检测机组的特征数据对应的故障为第一种故障分析数据中的故障类型的可能性为30%;第二故障分析数据可能性的百分比为20%,则表示待检测机组的特征数据对应的故障为第二种故障分析数据中的故障类型的可能性为20%;第三故障分析数据可能性的百分比为50%,则表示待检测机组的特征数据对应的故障为第三种故障分析数据中的故障类型的可能性为50%。
需要说明的是,在上述过程中,当待检测机组的特征数据中的故障特征数据与云端数据库中存储的故障特征数据有部分相同的情况时,对应地,匹配的故障分析数据可能会有多个,本实施例对此不作具体限定。
307:云端服务器将与特征数据匹配的故障分析数据作为故障检测结果返回给终端;
本实施例不对云端服务器将与特征数据匹配的故障分析数据作为故障检测结果返回给终端的方式作具体限定,包括但不限于:将故障分析数据压缩成数据包,并通过网络将压缩的数据包返回至终端。
其中,压缩数据包的方式可以参考上述步骤302中的压缩方式,此处不再赘述。当然,还可以采用其它压缩方式,本实施例对此不作具体限定。通过压缩的方式传输数据,能够节省带宽,在一定时间内传输更多的数据,从而提高了数据传输的效率。
需要说明的是,当上述步骤306中的故障分析数据存在多个时,每个故障分析数据会对应一个匹配度指标,此时可将每个故障分析数据及对应的匹配度指标确定为一个故障检测结果,并将确定的每个故障分析数据对应的故障检测结果返回给终端,本实施例对此不作具体限定。
另外,由于每个故障分析数据在云端数据库中会对应一个故障特征数据,为了便于后续过程中与实时的故障特征数据进行比对,以定位故障,每个故障检测结果中还可以包括在云端数据库中对应的故障特征数据,本实施例对此也不作具体限定。
308:终端接收云端服务器返回的故障检测结果;
终端接收到云端服务器返回的数据包后,可以解压得到故障分析数据,并将故障分析数据作为接收到的故障检测结果。其中,解压数据包的方式可以参考上述步骤303中的解压方式,此处不再赘述。当然,还可以采用其它解压方式,本实施例对此不作具体限定。
309:终端显示故障检测结果,并根据故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
本实施例不对终端显示故障检测结果的显示方式作具体限定,包括但不限于:将每个故障检测结果按照每个故障检测结果中的匹配度指标进行排列;根据排列结果显示每个故障检测结果。其中,为了区别不同的故障检测结果,在显示每个故障检测结果时,可以按照不同的样式显示不同的故障检测结果,本实施例对此不作具体限定。
例如,当匹配度指标为百分比时,可按照每个故障检测结果中百分比数值的大小从大到小、或者从小到大对每个故障检测结果进行排列。排列完成后,可按照排列结果显示每个故障检测结果。在显示每个故障检测结果时,可将每个故障检测结果中的图形或文字以不同的颜色进行显示,以便于相关工作人员区分不同的故障检测结果。
另外,当故障检测结果中包含有对应的故障特征数据时,此时,终端可获取实时的特征图谱,并根据实时的特征图谱确定实时的故障特征数据,将实时的故障特征数据与每个故障检测结果中包含的故障特征数据以不同的样式在同一显示页面中进行显示,以方便相关工作人员确定机组的故障,本实施例对此不作具体限定。其中,终端获取实时的特征图谱的方式可参考上述步骤301中的内容,此处不再赘述。
终端显示故障检测结果后,相关工作人员可根据显示的故障检测结果进行分析,选择其中一个故障检测结果作为故障确认结果,以确定机组的故障。例如,显示的故障检测结果可能会有多个,每种故障检测结果都对应一种故障类型及相应的处理措施。工作人员可以根据显示的故障检测结果对实时的故障特征数据进行分析,选择其中一种故障检测结果作为故障确定结果,从而确定机组此时的故障。
为了使云端数据库中存储的数据更为全面,从而进一步提高后续的机组故障检测效率及准确性,本实施例提供的方法还包括在后续步骤中将此次故障确认结果对应的故障分析数据及特征图谱发送至云端服务器的步骤。为此,终端还可根据故障检测结果获取故障确认结果对应的故障分析数据及特征图谱。其中,故障分析数据及特征图谱均可从故障确认结果中获得,特征图谱可以为获取的实时的特征图谱,本实施例对此不作具体限定。
310:终端将故障确认结果对应的故障分析数据及特征图谱发送至云端服务器;
本实施例不对终端将故障确认结果对应的故障分析数据及特征图谱发送至云端服务器的方式作具体限定,具体执行时可以将故障确认结果对应的故障分析数据及特征图谱压缩成数据包的方式发送至云端服务器,具体压缩过程参考上述步骤302中压缩数据包的方式,此处不再赘述。
311:云端服务器获取终端发送的故障确认结果对应的故障分析数据及特征图谱;
本实施例不对云端服务器获取终端发送的故障确认结果对应的故障分析数据及特征图谱的方式作具体限定,具体执行时可参考上述步骤303中解压数据包的方式,此处不再赘述。
312:云端服务器将故障确认结果对应的故障分析数据与特征图谱存储至云端数据库中。
由于每次确定的故障对于下次确定故障时都有一定的参考价值,因此,终端在获取到相关工作人员选择的故障确认结果后,可将该故障确认结果对应的故障分析数据与特征图谱发送至云端服务器,由云端服务器将终端发送的故障分析数据与特征图谱存储至云端数据库中,即云端数据库相当于广泛的故障知识库。每次确定或解决故障的经验通过以数据方式存储在云端数据库中作为下次确定或解决故障的借鉴,且随着不断的积累,云端数据库中数据的准确度会越来越精确,诊断和使用效果会越来越趋近于实际故障,从而能够逐步提高检测机组故障的效率。另外,每次检测机组故障时,由于云端数据库中存储了许多故障相关的参数,因而能够在检测不同地域机组的故障时,都能够通过网络访问云端数据库以检测本地机组的故障,从而解决了本地故障相关的参数较少的缺陷。
另外,云端服务器在将故障确认结果对应的故障分析数据与特征图谱存储至云端数据库时,可根据特征图谱确定对应的故障特征数据,将确定的故障特征数据及故障分析数据以配对的方式在云端数据库中进行存储,本实施例对此不作具体限定。
上述云端服务器与终端间的交互过程可如图9所示,其中,图中的客户端即为终端,故障库即为存储有云端数据库的服务器,执行故障识别与匹配工作的服务器、执行图谱特征提取和云端特征匹配工作的服务器均为云端服务器。上述设备均由互联网进行连接,通过设备之间的数据传递来对机组故障进行检测。
本实施例提供的方法,通过云端服务器获取终端发送的待检测机组对应的特征图谱,并根据特征图谱及云端数据库确定匹配的故障分析数据后,将故障分析数据作为故障检测结果发送至终端,由终端显示故障检测结果,从而可以实现由相关工作人员进行选择,以确定机组故障。由于无需每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
本发明实施例提供了一种服务器,该服务器可以用于执行上述实施例中提供的机组故障的检测方法。参见图4,该服务器包括:
第一获取模块401,用于获取终端发送的特征图谱,特征图谱根据待检测机组的运行信号转换得到,且特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
确定模块402,用于根据特征图谱确定待检测机组运行时的特征数据;
第二获取模块403,用于获取待检测机组的基本参数;
查找模块404,用于根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在故障分析数据范围内查找与特征数据匹配的故障分析数据;
返回模块405,用于将与特征数据匹配的故障分析数据作为故障检测结果返回给终端。
作为一种可选实施例,第二获取模块403获取到的基本参数至少包括待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数;
作为一种可选实施例,参见图5,该服务器还包括:
第三获取模块406,用于获取终端发送的故障确认结果对应的故障分析数据及特征图谱;
存储模块407,用于将故障确认结果对应的故障分析数据与特征图谱存储至云端数据库中。
本实施例提供的服务器,通过获取终端发送的待检测机组对应的特征图谱,并根据特征图谱及云端数据库确定匹配的故障分析数据后,将故障分析数据作为故障检测结果发送至终端,由终端显示故障检测结果,从而可以实现由相关工作人员进行选择,以确定机组故障。由于无需每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
本发明实施例提供了一种终端,该终端可以用于执行上述实施例中提供的机组故障的检测方法。参见图6,该终端包括:
第一获取模块501,用于获取采集到的待检测机组的运行信号;
转换模块502,用于将待检测机组的运行信号转换为特征图谱,特征图谱至少包括待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
第一发送模块503,用于将特征图谱发送至云端服务器,由云端服务器根据特征图谱确定待检测机组运行时的特征数据,获取待检测机组的基本参数,根据待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在故障分析数据范围内查找与特征数据匹配的故障分析数据后,将与特征数据匹配的故障分析数据作为故障检测结果返回;
接收模块504,用于接收云端服务器返回的故障检测结果。
作为一种可选实施例,参见图7,该终端还包括:
显示模块505,用于显示故障检测结果;
第二获取模块506,用于根据故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
第二发送模块507,用于将故障确认结果对应的故障分析数据及特征图谱发送至云端服务器,由云端服务器将故障确认结果对应的故障分析数据与特征图谱存储至云端数据库中。
本实施例提供的终端,通过将特征图谱发送至云端服务器,由云端服务器根据特征图谱及云端数据库确定匹配的故障分析数据后,将故障分析数据作为故障检测结果发送至终端,由终端显示故障检测结果,从而可以实现由相关工作人员进行选择,以确定机组故障。由于无需每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
本发明实施例提供了一种机组故障的检测系统,该系统可以用于执行上述实施例中提供的机组故障的检测方法。参见图8,该系统包括:
云端服务器601及终端602;
其中,云端服务器601如上述实施例提供的服务器,终端602如上述实施例提供的终端。
本实施例提供的系统,通过云端服务器获取终端发送的待检测机组对应的特征图谱,并根据特征图谱及云端数据库确定匹配的故障分析数据后,将故障分析数据作为故障检测结果发送至终端,由终端显示故障检测结果,从而可以实现由相关工作人员进行选择,以确定机组故障。由于无需每次根据特征图谱进行分析、计算以确定故障检测结果,因此,机组故障的检测效率较高。
需要说明的是:上述实施例提供的云端服务器及终端在检测机组故障时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将云端服务器或终端的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的云端服务器、终端与机组故障的检测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种机组故障的检测方法,其特征在于,所述方法包括:
获取终端发送的特征图谱,所述特征图谱根据待检测机组的运行信号转换得到,且所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
根据所述特征图谱确定所述待检测机组运行时的特征数据;
获取所述待检测机组的基本参数;
根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据;
将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端;
其中,云端数据库中每种机组下的故障分析数据与故障特征数据是对应存储的;
根据特征数据中的故障数据确定匹配的故障分析数据;
当所述待检测机组的特征数据与所述云端数据库中存储的故障特征数据不完全相同时,
所述将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端,包括:
通过模糊查询或神经网络计算,确定部分与所述特征数据匹配的故障分析数据,并计算所述故障分析数据的匹配度指标,以使终端将每个故障检测结果按照所述每个故障检测结果中的匹配度指标进行排列,根据排列结果显示所述每个故障检测结果。
2.根据权利要求1所述的方法,其特征在于,所述基本参数至少包括所述待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数。
3.根据权利要求1所述的方法,其特征在于,所述将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端之后,还包括:
获取所述终端发送的故障确认结果对应的故障分析数据及特征图谱;
将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
4.一种机组故障的检测方法,其特征在于,所述方法包括:
获取采集到的待检测机组的运行信号,并将所述待检测机组的运行信号转换为特征图谱,所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
将所述特征图谱发送至云端服务器,由所述云端服务器根据所述特征图谱确定所述待检测机组运行时的特征数据,获取所述待检测机组的基本参数,根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据后,将与所述特征数据匹配的故障分析数据作为故障检测结果返回;
接收所述云端服务器返回的故障检测结果;
其中,云端数据库中每种机组下的故障分析数据与故障特征数据是对应存储的;
根据特征数据中的故障数据确定匹配的故障分析数据;
当所述待检测机组的特征数据与所述云端数据库中存储的故障特征数据不完全相同时,
所述接收所述云端服务器返回的故障检测结果之后,还包括:
将每个故障检测结果按照所述每个故障检测结果中的匹配度指标进行排列,根据排列结果显示所述每个故障检测结果,其中,所述匹配度指标是所述云端服务器通过模糊查询或神经网络计算,确定所述故障分析数据,并计算所述故障分析数据得出的。
5.根据权利要求4所述的方法,其特征在于,所述接收所述云端服务器返回的故障检测结果之后,还包括:
显示所述故障检测结果,并根据所述故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
将所述故障确认结果对应的故障分析数据及特征图谱发送至所述云端服务器,由所述云端服务器将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
6.一种服务器,其特征在于,所述服务器包括:
第一获取模块,用于获取终端发送的特征图谱,所述特征图谱根据待检测机组的运行信号转换得到,且所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
确定模块,用于根据所述特征图谱确定所述待检测机组运行时的特征数据;
第二获取模块,用于获取所述待检测机组的基本参数;
查找模块,用于根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据;
返回模块,用于将与所述特征数据匹配的故障分析数据作为故障检测结果返回给所述终端;
其中,云端数据库中每种机组下的故障分析数据与故障特征数据是对应存储的;
根据特征数据中的故障数据确定匹配的故障分析数据;
当所述待检测机组的特征数据与所述云端数据库中存储的故障特征数据不完全相同时,
所述查找与所述特征数据匹配的故障分析数据具体为:通过模糊查询或神经网络计算,确定部分与所述特征数据匹配的故障分析数据,并计算所述故障分析数据的匹配度指标,以使终端将每个故障检测结果按照所述每个故障检测结果中的匹配度指标进行排列,根据排列结果显示所述每个故障检测结果。
7.根据权利要求6所述的服务器,其特征在于,所述第二获取模块获取到的基本参数至少包括所述待检测机组的类型、型号、制造厂家、额定功率、额定转速、历史功率、历史转速、运行介质、压力以及温度中的至少一种工艺参数。
8.根据权利要求6所述的服务器,其特征在于,所述服务器,还包括:
第三获取模块,用于获取所述终端发送的故障确认结果对应的故障分析数据及特征图谱;
存储模块,用于将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
9.一种终端,其特征在于,所述终端包括:
第一获取模块,用于获取采集到的待检测机组的运行信号;
转换模块,用于将所述待检测机组的运行信号转换为特征图谱,所述特征图谱至少包括所述待检测机组的时域、频域、轴心轨迹和轴位移中的至少一种图谱;
第一发送模块,用于将所述特征图谱发送至云端服务器,由所述云端服务器根据所述特征图谱确定所述待检测机组运行时的特征数据,获取所述待检测机组的基本参数,根据所述待检测机组的基本参数在预先存储了各种机组的故障分析数据的云端数据库中定位故障分析数据范围,并在所述故障分析数据范围内查找与所述特征数据匹配的故障分析数据后,将与所述特征数据匹配的故障分析数据作为故障检测结果返回;
接收模块,用于接收所述云端服务器返回的故障检测结果;
其中,云端数据库中每种机组下的故障分析数据与故障特征数据是对应存储的;
根据特征数据中的故障数据确定匹配的故障分析数据;
当所述待检测机组的特征数据与所述云端数据库中存储的故障特征数据不完全相同时,
所述接收模块,还用于将每个故障检测结果按照所述每个故障检测结果中的匹配度指标进行排列,根据排列结果显示所述每个故障检测结果,其中,所述匹配度指标是所述云端服务器通过模糊查询或神经网络计算,确定所述故障分析数据,并计算所述故障分析数据得出的。
10.根据权利要求9所述的终端,其特征在于,所述终端,还包括:
显示模块,用于显示所述故障检测结果;
第二获取模块,用于根据所述故障检测结果获取故障确认结果对应的故障分析数据及特征图谱;
第二发送模块,用于将所述故障确认结果对应的故障分析数据及特征图谱发送至所述云端服务器,由所述云端服务器将所述故障确认结果对应的故障分析数据与特征图谱存储至所述云端数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410205532.9A CN105099804B (zh) | 2014-05-15 | 2014-05-15 | 机组故障的检测方法、服务器及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410205532.9A CN105099804B (zh) | 2014-05-15 | 2014-05-15 | 机组故障的检测方法、服务器及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105099804A CN105099804A (zh) | 2015-11-25 |
CN105099804B true CN105099804B (zh) | 2019-01-18 |
Family
ID=54579418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410205532.9A Active CN105099804B (zh) | 2014-05-15 | 2014-05-15 | 机组故障的检测方法、服务器及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105099804B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918360B (zh) * | 2015-12-24 | 2021-01-12 | 研祥智能科技股份有限公司 | 自动检测方法、服务器、待检测设备及终端 |
CN108121642A (zh) * | 2017-12-20 | 2018-06-05 | 维沃移动通信有限公司 | 一种故障解决方法、服务器和移动终端 |
CN108427388B (zh) * | 2018-04-11 | 2020-10-23 | 广东工业大学 | 一种r2r制造系统故障范围确定方法及装置 |
CN110297479B (zh) * | 2019-05-13 | 2020-12-29 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种基于卷积神经网络信息融合的水电机组故障诊断方法 |
CN111637514A (zh) * | 2020-06-09 | 2020-09-08 | 内蒙古星空能源发展有限公司 | 一种北方严寒地区冬季地热多能互补热泵供暖系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070244841A1 (en) * | 2004-08-13 | 2007-10-18 | National University Corporation Kagawa University | Method and Apparatus for Data Processing, and Method and Apparatus for Diagnosis |
CN103604622A (zh) * | 2013-11-29 | 2014-02-26 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
CN103728145A (zh) * | 2013-11-18 | 2014-04-16 | 徐州重型机械有限公司 | 一种登高平台消防车调平板的检测系统和方法 |
-
2014
- 2014-05-15 CN CN201410205532.9A patent/CN105099804B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070244841A1 (en) * | 2004-08-13 | 2007-10-18 | National University Corporation Kagawa University | Method and Apparatus for Data Processing, and Method and Apparatus for Diagnosis |
CN103728145A (zh) * | 2013-11-18 | 2014-04-16 | 徐州重型机械有限公司 | 一种登高平台消防车调平板的检测系统和方法 |
CN103604622A (zh) * | 2013-11-29 | 2014-02-26 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105099804A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105099804B (zh) | 机组故障的检测方法、服务器及终端 | |
CN103471841B (zh) | 一种旋转机械振动故障诊断方法 | |
US9164878B2 (en) | Evaluating coverage of a software test | |
CN116450399B (zh) | 微服务系统故障诊断及根因定位方法 | |
CN108092854B (zh) | 基于iec61375协议的列车级以太网设备的测试方法及装置 | |
CN107861981A (zh) | 一种数据处理方法及装置 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
KR20190060547A (ko) | 데이터 불균형 환경에서 머신러닝 모델을 통해 공정 불량 원인을 도출하고 시각화하는 방법 | |
CN111896254A (zh) | 一种变速变载大型滚动轴承故障预测系统及方法 | |
CN112257263A (zh) | 基于自注意力机制的设备剩余寿命预测系统 | |
CN106646169A (zh) | 一种电气设备局部放电检测数据收集云策略 | |
Reddy et al. | A comprehensive literature review on data analytics in IIoT (Industrial Internet of Things) | |
Ma et al. | Fractal‐based autonomous partial discharge pattern recognition method for MV motors | |
Wang et al. | Fast Spectral Correlation Based on Sparse Representation Self‐Learning Dictionary and Its Application in Fault Diagnosis of Rotating Machinery | |
CN105677534A (zh) | 一种基于服务总线的变电站站控层设备状态评估方法 | |
CN105353306B (zh) | 电机故障诊断方法和装置及电器 | |
CN110413500A (zh) | 基于大数据融合的故障分析方法及装置 | |
CN115750341A (zh) | 一种罗茨式压缩机故障诊断方法及系统 | |
CN117201045A (zh) | 一种网络流量异常的检测方法及装置 | |
CN114118208A (zh) | 基于多元信息的变压器故障判断方法、装置及电子设备 | |
CN113064791A (zh) | 基于海量日志数据实时监控的分散标签特征提取方法 | |
CN116882966B (zh) | 一种运维设备巡检结果的故障判断方法和装置 | |
Su et al. | Lifetime evaluation and extension of wind turbines based on big data | |
Wang et al. | Conductor galloping prediction on imbalanced datasets: Svm with smart sampling | |
Zhang et al. | Bearing health indicator construction scheme based on a hybrid deep learning structure methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |