CN105675045A - 一种设备数据的分层采集方法和装置 - Google Patents
一种设备数据的分层采集方法和装置 Download PDFInfo
- Publication number
- CN105675045A CN105675045A CN201610065763.3A CN201610065763A CN105675045A CN 105675045 A CN105675045 A CN 105675045A CN 201610065763 A CN201610065763 A CN 201610065763A CN 105675045 A CN105675045 A CN 105675045A
- Authority
- CN
- China
- Prior art keywords
- group
- interval
- dbms
- index
- data
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种设备数据的分层采集方法,该方法包括:将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据;每间隔第一时间间隔采集一组第一层级数据,并获取该组数据的一组第一指标;每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储;每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标;存储每组第二指标;每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标;存储每组第三层级数据和该组数据的一组第三指标。本发明还提供了一种设备数据的分层采集装置。
Description
技术领域
本发明涉及设备在线监测领域,尤其涉及一种设备数据的分层采集方法和装置。
背景技术
近些年来,像电力、石油化工、冶金等行业的大型、高速旋转机械设备种类日趋繁多,结构也愈加复杂,其故障的频发不仅给企业的生产带来巨大损失,而且还可能造成重大事故。这些设备的维修难度较大,也会占用大量人力和物力。随着计算机技术及数字信号处理技术的迅速发展,机械设备状态监测技术正在被企业所应用。
状态监测技术通过不断获取设备在运行中或相对于静态条件下的状态信息,通过对这些信息的分析和处理,并结合设备的历史状态,来定量地掌握设备的技术状态,预测设备寿命,为设备运行和基于状态维修提供技术基础。状态监测系统包括了数据采集、数据保存、数据分析、报警系统等几个组成部分。数据采集作为状态监测系统的输入端,必须确保及时采集真实可靠、数量足够的数据,同时尽可能的避免过多冗余数据造成额外的存储压力。
现有的采集技术一般分为两类:定时采集和连续采集。定时采集为按照既定的时间间隔,每次采集一组波形。由于设备某些部件劣化的速度非常迅速,比如轴承保持架断裂,为了能够实时监控高危设备的瞬时状态避免事故,必须设置非常短的采集间隔时间。最极端的情况就是采取连续采集策略,连续地观察设备每分每秒的状态,保证不出现漏报的情况。高密度的采集保证了及时的监控,但是占据了大量存储资源,低密度的采集确保了数据的存储,但是无法保证一定能捕捉到系统异常,有漏报的可能性。
为了兼顾实时监控和合理利用存储空间,单一的采集技术无法满足要求,因此需要一种系统性层次化的采集方案。
发明内容
鉴于此,本发明提供了一种新的设备数据的分层采集方案,以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面,提供了一种设备数据的分层采集方法,该方法包括:将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据;每间隔第一时间间隔采集一组第一层级数据,并获取该组数据的一组第一指标;每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储,以便根据第一指标在状态监控中捕捉设备异常;每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标;存储每组第二指标,以便根据第二指标在状态监控中定位设备故障;每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标;存储每组第三层级数据和该组数据的一组第三指标,以便在设备异常时根据第三层级数据及其第三指标诊断设备故障。
可选地,在根据本发明的分层采集方法中,其中将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据的步骤还包括:将设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据;以及本发明的方法还包括步骤:每间隔第四时间间隔采集一组第四层级数据并存储,以便在设备异常时根据第四层级数据精确诊断设备故障。
可选地,在根据本发明的分层采集方法中,其中分别采集的第一层级数据、第二层级数据、第三层级数据和第四层级数据均为时域波形,第一时间间隔、第二时间间隔、第三时间间隔和第四时间间隔依次增大,各层级数据的波形时长和采样点数均依次增大。
可选地,在根据本发明的分层采集方法中,其中第一层级数据的第一时间间隔为0,波形时长为30毫秒~30秒,采样点数为1024~16384;第二层级数据的第二时间间隔为1分钟~60分钟,波形时长为300毫秒~1分钟,采样点数为1024~65536;第三层级数据的第三时间间隔为1小时~24小时,波形时长为1秒~1分钟,采样点数为1024~131072;第四层级数据的第四时间间隔为1天~14天,波形时长为10秒~60分钟,采样点数为65536~4194304。
可选地,在根据本发明的分层采集方法中,其中一组第一指标包括有效值、峭度指标和频段能量指标。
可选地,在根据本发明的分层采集方法中,其中预定时间区间为30秒,每间隔预定时间区间在该预定时间区间内获取的多组第一指标值中选择一组进行存储的步骤包括:每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择有效值最大的一组第一指标进行存储。
可选地,在根据本发明的分层采集方法中,还包括步骤:在获取第一层级数据的第一指标之后,判断该第一指标中有效值是否超过有效值阈值,若是,则加密采集第三层级数据和第四层级数据。
可选地,在根据本发明的分层采集方法中,加密采集第三层级数据和第四层级数据的步骤还包括:在加密采集第四层级数据之前,检测第四层级数据的加密采集次数;以及判断该加密采集次数是否超过第四层级数据加密采集阈值,若是,则不加密采集第四层级数据。
可选地,在根据本发明的分层采集方法中,加密采集第三层级数据和第四层级数据的步骤包括:在当前的第三时间间隔内额外采集一组第三层级数据;以及在当前的第四时间间隔内额外采集一组第四层级数据。
可选地,在根据本发明的分层采集方法中,其中一组第二指标值包括包络谱频段能量指标。
可选地,在根据本发明的分层采集方法中,其中一组第三指标包括有效值、峭度指标、频段能量指标、包络谱频段能量指标和至少一种零件指标,该零件指标的种类包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标。
根据本发明的另一个方面,提供了一种设备数据的分层采集装置,包括:设置模块,适于将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据;第一采集模块,适于每间隔第一时间间隔采集一组第一层级数据,并获取该组数据的一组第一指标;还适于每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储;第二采集模块,适于每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标;第三采集模块,适于每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标;以及存储模块,适于存储第一采集模块选择存储的第一指标,以便根据第一指标在状态监控中捕捉设备异常;还适于存储第二采集模块获取的每组第二指标,以便根据第二指标在状态监控中定位设备故障;还适于存储第三采集模块采集的每组第三层级数据和该组数据的一组第三指标,以便在设备异常时根据第三层级数据及其第三指标诊断设备故障。
可选地,在根据本发明的分层采集装置中,还包括第四采集模块,设置模块适于将所述设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据,第四采集模块适于每间隔第四时间间隔采集一组第四层级数据并存储,以及存储模块还适于存储第四采集模块采集的第四层级数据,以便在设备异常时根据第四层级数据精确诊断设备故障。
可选地,在根据本发明的分层采集装置中,其中分别采集的第一层级数据、第二层级数据、第三层级数据和第四层级数据均为时域波形,第一时间间隔、第二时间间隔、第三时间间隔和第四时间间隔依次增大,各层级数据的波形时长和采样点数均依次增大。
可选地,在根据本发明的分层采集装置中,其中第一层级数据的第一时间间隔为0,波形时长为30毫秒~30秒,采样点数为1024~16384;第二层级数据的第二时间间隔为1分钟~60分钟,波形时长为300毫秒~1分钟,采样点数为1024~65536;第三层级数据的第三时间间隔为1小时~24小时,波形时长为1秒~1分钟,采样点数为1024~131072;第四层级数据的第四时间间隔为1天~14天,波形时长为10秒~60分钟,采样点数为65536~4194304。
可选地,在根据本发明的分层采集装置中,其中一组第一指标包括有效值、峭度指标和频段能量指标。
可选地,在根据本发明的分层采集装置中,其中预定时间区间为30秒,第一采集模块还适于每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择有效值最大的一组第一指标进行存储。
可选地,在根据本发明的分层采集装置中,还包括加密采集模块,适于在所述第一采集模块获取第一层级数据的第一指标之后,判断该第一指标中有效值是否超过有效值阈值,若是,则加密采集第三层级数据和第四层级数据。
可选地,在根据本发明的分层采集装置中,加密采集模块还适于在加密采集第四层级数据之前,检测第四层级数据的加密采集次数;以及判断加密采集次数是否超过第四层级数据加密采集阈值,若是,则不加密采集第四层级数据。
可选地,在根据本发明的分层采集装置中,加密采集模块还适于在当前的第三时间间隔内额外采集一组第三层级数据;以及在当前的第四时间间隔内额外采集一组第四层级数据。
可选地,在根据本发明的分层采集装置中,其中一组第二指标值包括包络谱频段能量指标。
可选地,在根据本发明的分层采集装置中,其中一组第三指标包括有效值、峭度指标、频段能量指标、包络谱频段能量指标和至少一种零件指标,该零件指标的种类包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标。
根据本发明的设备数据分层采集方案,通过将数据划分为不同层级,设置不同的采集方式进行采集,并对采集的各层级数据获取相应的指标值后选择性存储,这样在尽可能减少冗余数据的同时存储了更多有效数据,并根据存储的有效数据可以更全面更精确地获知设备状态,充分满足设备状态监测和故障诊断中的分析要求。进一步地,本发明还布置了加密采集方案,确保在设备被识别出异常时,能够提供更多的关于设备异常状况的有效数据。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个示例性实施例的设备数据的分层采集方法100的流程图;
图2示出了根据本发明另一个示例性实施例的设备数据的分层采集方法200的流程图。
图3示出了根据本发明一个实施例的采集到的一组第一层级数据中的一个波形示意图;
图4示出了根据本发明一个实施例的采集到的一条第二层级数据中的一个波形图;
图5示出了根据本发明一个实施例的采集到的一条第三层级数据中的一个波形图;
图6示出了根据本发明一个实施例的采集到的一条第四层级数据中的一个波形图;以及
图7示出了根据本发明一个示例性实施例的设备数据的分层采集装置300的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在例如电力、石油化工、冶金等行业中的大型、高速旋转机械设备一旦产生异常或故障通常会给企业的生产带来巨大损失,还可能造成重大事故。而状态监测技术可以通过不断获取设备在运行中或相对于静态条件下的状态信息,通过对这些信息的分析和处理,并结合设备的历史状态,来定量地掌握设备的技术状态,预测设备寿命,为设备运行和基于状态维修提供技术基础。状态监测系统一般包括数据采集、数据保存、数据分析、报警系统等几个组成部分。数据采集作为状态监测系统的输入端,必须确保及时采集真实可靠、数量足够的数据,同时尽可能的避免过多冗余数据造成额外的存储压力。
图1示出了根据本发明一个示例性实施例的设备数据的分层采集方法100的流程图。方法100始于步骤S110,在步骤S110中,将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据。具体地,可以根据不同的设备状态监控需求对设备数据进行划分,例如第一层级数据为用于捕捉设备异常的数据,第二层级数据为用于定位设备故障的数据以及第三层级数据为用于诊断设备故障的数据。可以为不同层级的数据分别设置不同的波形时长和采集方式,采集方式至少可以包括采样时间间隔、采样频率和采样点数。通常采集的数据均为时域波形,每层级数据均可以包括加速度波形数据和/或速度波形数据和/或位移波形数据。其中一般地,设置各层级数据中采集加速度波形数据的采样频率相同,采集速度波形数据的采样频率相同,采集位移波形数据的频率相同,均可以为51.2Hz~51200Hz之间。
可以理解地,基于不同设备状态监控需求,每一层级数据的波形时长和采集方式均不同。第一层级数据通常用于在状态监控中捕捉设备异常,因此为了避免设备高速变化导致的异常漏报问题,可以设置第一层级数据采样时间间隔最短、波形时长最短。例如第一层级数据的采样时间间隔为第一时间间隔,通常设置为0,即连续采集第一层级数据,采样点数可以为1024~16384,采集的数据波形时长可以为300毫秒~30秒,这样在保证对设备异常的实时监控的同时,提高了识别设备异常的准确率。
在步骤S120中,每间隔上述第一时间间隔采集一组第一层级数据,并获取该组数据的一组第一指标。图3示出了根据本发明一个实施例的采集到的一组第一层级数据中的一个波形示意图。
对采集的每一组第一层级数据获取该组数据的一组第一指标,例如可以根据图2所示的波形参数计算出该组第一层级数据的一组第一指标,根据本发明的一个实施方式,一组第一指标可以包括有效值、峭度指标和频段能量指标。
其中,峭度指标的计算原理如下式,
有效值的计算原理如下式,
以上式中X代表采集的波形原始信号,μ为信号平均值,σ为标准差,n为原始信号的点数。
频段能量指标的计算原理为:对采集的第一层级数据的波形进行FFT变换后,在频谱中将频段划分为N段。假设N=3、最大分析频率为20kHz时,可以划为0~2000Hz,2000HZ~8000Hz,8000Hz~20000Hz三个频段,对每一个频段中的所有频率的幅值求和作为该频段的能量评价指标。频段的划分段数、划分的频段大小可以根据实际应用而定。
而后在步骤S130中,每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储,以便根据第一指标在状态监控中捕捉设备异常。其中预定时间区间可以为30秒,通常可以在预定时间区间内获取多个第一指标值中选择有效值最大的一组存储。存储的第一指标可以用于描述设备趋势,观察设备是否有劣化倾向。例如下表1所示,在30秒区间内一共采集了6组第一层级数据,分别获取6组第一指标,其中第3组的有效值(RMS)最大,对该组指标进行存储。
第1组 | 第2组 | 第3组 | 第4组 | 第5组 | 第6组 | |
RMS | 3.2 | 3.4 | 3.6 | 3.1 | 3.5 | 1.3 |
峭度 | 3.5 | 4 | 3.2 | 3.2 | 3.7 | 3.3 |
0~2000hz频段能量 | 230 | 241 | 120 | 271 | 221 | 213 |
2000~8000hz频段能量 | 50 | 53 | 78 | 110 | 54 | 24 |
8000~20000hz频段能量 | 90 | 99 | 240 | 39 | 129 | 83 |
表1
第二层级数据通常用于在状态监控中快速定位设备故障,该层级数据的波形时长和采集方式可以根据行业和设备类型的不同需求相应设置。通常地,为了减少存储压力以及快速识别设备故障,可以设置第二层级数据的采样时间间隔大于第一层级数据的采样时间间隔,例如第二层级数据的采样时间间隔为第二时间间隔,通常设置为1分钟~60分钟,采样点数可以为1024~65536,采集的数据波形时长可以为300毫秒~1分钟。
在步骤S140中,每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标。图3示出了根据本发明一个实施例的采集到的一组第二层级数据中的一个波形示意图,其中第二时间间隔为5分钟,波形时长为2.56秒,采样频率为51200Hz,采样点数为65536。
对采集的每一组第二层级数据获取该组数据的一组第二指标,例如可以根据图4所示的波形参数计算出该组第二层级数据的一组第二指标,根据本发明的一个实施方式,一组第二指标至少可以包括包络谱频段能量指标。
包络谱频段能量指标的计算原理为:利用包络检波和对包络谱的分析、根据包络谱峰来识别故障的方法,即包络分析法或是包络解调。首先对采集的第二层级数据进行希尔伯特变换得到包络信号,再进行傅里叶变换得到包络频谱,参照第一层级数据中频带能量评价指标的原理,对包络频谱同样划分频带,计算不同频带的能量作为包络谱频段能量指标。其中利用包络解调把与故障有关的信号从高频调制信号中解调出来,从而避免与其它低频干扰的混淆,因此有很高的诊断可靠性和灵敏度,进一步提高了故障识别的准确度。
而后在步骤S150中,存储上述每组第二指标,以便根据第二指标在状态监控中定位设备故障。这样对第二层级数据的短时间间隔采集并计算第二指标,只存储该第二指标而不保留波形,进一步减少了存储压力。该第二指标可以用于描述设备的整体健康状态,同时对于设定的故障类型可以准确识别,保证了对设备整体状况的监控、常规故障的识别和其劣化趋势的掌控。
第三层级数据通常用于在设备异常时具体分析故障类型和严重程度,故障类型例如可以是轴承、齿轮或者是叶片等故障,具体地,还可以精确的定位到发生故障的轴承部件,发生损伤的齿轮(高速轴齿轮或低速轴齿轮),还可以判断故障属于早期损伤、中期损伤或是晚期故障。
该层级数据的波形时长和采集方式同样可以根据行业和设备类型的不同需求相应设置。通常地,为了在建立设备状态的完备的历史数据库的同时减少存储压力,可以设置第三层级数据的采样时间间隔大于第二层级数据的采样时间间隔,例如第三层级数据的采样时间间隔为第三时间间隔,通常设置为1小时~24小时,采样点数可以为1024~65536,采集的数据波形时长可以为1秒~1分钟。
在步骤S160中,每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标。图5示出了根据本发明一个实施例的采集到的一组第三层级数据中的一个波形示意图,其中第三时间间隔为4小时,波形时长为2.56秒,采样频率为20000Hz,采样点数为64000。
其中一组第三指标可以包括有效值、峭度指标、频段能量指标、包络谱频段能量指标和至少一种零件指标,该零件指标的种类可以包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标,还可以包括歪度、波形指数、峰峰值等指标。
而后在步骤S170中,存储每组第三层级数据和该组数据的一组第三指标,以便在设备异常时根据第三层级数据及其第三指标诊断设备故障。由于波形为原始信息,包含了最多的信息量,因此可以对每一条第三层级数据均进行存储,从而建立了设备状态的完备的历史数据库。这样可以在第一层级数据和第二层级数据的基础上,进一步的根据第三层级数据和其第三指标分析设备,定位故障类型(如轴承类故障或者齿轮故障),判断故障严重程度(早期、中期或者晚期),以及故障根源的界定。此外,第三层级数据的采集时间间隔较长,确保了数据不会因过于密集而占据太多存储空间。
根据本发明的一个实施方式,还可以将设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据,例如图2所示的设备数据的分层采集方法200的流程图。其中第四层级数据通常用于在设备异常时更为精确地进行故障诊断,显然地,监测状态的设备通常为超大型设备,其结构复杂,部件繁多。而这些部件的特征频率往往非常接近,在较低分辨率的频谱下易产生混叠,从而难以确定故障位置。因此,可以设置第四层级数据的波形时长和采集方式来提供更详尽的故障分析数据。具体地,第四层级数据的采样时间间隔最长,采样点数最多,波形时长最长,例如第四层级数据的采样时间间隔为第四时间间隔,通常设置为1天~14小时,采样点数可以为65536~4194304,采集的数据波形时长可以为10秒~60分钟。
方法200始于步骤S210,在步骤S210中,将设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据。其中步骤S220~S270分别与方法100中步骤S120~S170相同,此处不再赘述。最后在步骤S280中,每间隔第四时间间隔采集一组第四层级数据并存储,以便在设备异常时根据第四层级数据精确诊断设备故障。这样通过存储采样点数更多、波形时间更长的数据来进行精确故障诊断,提高了诊断的准确度,并且较长的采集时间间隔也减少了因单条数据体积过大带来的存储压力。图6示出了根据本发明一个实施例的采集到的一组第四层级数据中的一个波形示意图,其中第四时间间隔为3天,波形时长为81.9秒,采样频率为512000Hz,采样点数为4194304。
本发明通过对采集数据的分层,对低精度小容量数据的密集采集满足了对设备异常的实时监控和粗略分析的要求,对用于精细分析的大容量数据的稀疏采集满足了减小存储压力和保证数据质量优化的要求。同时也优化了故障分析和诊断的工作流,实现了逐层递进的状态监控和故障分析,例如利用第一层级数据和第二层级数据即可实现对简单异常的常规分析,进一步利用第三层级数据可以实现当故障较为严重时的故障诊断,最后利用第四层级数据可以解决因其他层级数据分辨率不够而无法区分特征频率的问题,精确地进行故障诊断。指标量数据的读取显然比短时域波形数据和长波形数据要快,而分层采集、分层读取进一步加快了数据的读取速度,节省了分析时间,提高了分析效率。
此外,根据本发明的还有一个实施方式,在获取第一层级数据的第一指标之后,方法200还可以包括判断该第一指标中有效值是否超过预设的有效值阈值的步骤,若是,则加密采集第三层级数据和第四层级数据,同时还可以发出警报。具体地,可以在当前的第三时间间隔内额外采集一组第三层级数据;以及在当前的第四时间间隔内额外采集一组第四层级数据。这样通过加密采集,第一层级数据和第二层级数据在原基础上,可以提供足够多而密集的异常时刻的数据用于时刻监测设备劣化趋势和预测设备剩余可运转时长,并且通过分析加密采集的数据能够确保当设备出现异常时该异常为真实异常而非偶发性的工况波动产生的误报警。此外,加密采集也保障了在各层级的采集时间间隔较长的情况下仍能够减小存储压力和提高数据质量。
其中,在加密采集第四层级数据之前,还可以检测第四层级数据的加密采集次数;以及判断加密采集次数是否超过第四层级数据加密采集阈值,若是,则不加密采集第四层级数据。第四层级数据加密采集阈值通常为1次。
图7示出了根据本发明一个示例性实施例的设备数据的分层采集装置300的结构框图。如图6所示,设备数据的分层采集装置200可以包括设置模块310、第一采集模块320、第二采集模块330、第三采集模块340和存储模块360。
设置模块310适于将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据。根据本发明的一个实施方式,装置300还可以包括第四采集模块350,设置模块310还适于将设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据。
具体地,设置模块310可以设置各层级数据的波形时长和采集方式,第一层级数据、第二层级数据、第三层级数据和第四层级数据均为时域波形,其采集时间间隔分别为第一时间间隔、第二时间间隔、第三时间间隔和第四时间间隔,并依次增大。各层级数据的波形时长和采样点数均依次增大。
其中第一层级数据的第一时间间隔通常可以为0,波形时长可以为30毫秒~30秒,采样点数可以为1024~16384;第二层级数据的第二时间间隔可以为1分钟~60分钟,波形时长可以为300毫秒~1分钟,采样点数可以为1024~65536;第三层级数据的第三时间间隔可以为1小时~24小时,波形时长可以为1秒~1分钟,采样点数可以为1024~131072;第四层级数据的第四时间间隔可以为1天~14天,波形时长可以为10秒~60分钟,采样点数可以为65536~4194304。
第一采集模块320、第二采集模块330、第三采集模块340和第四采集模块350均与设置模块310和存储模块360连接。第一采集模块320适于每间隔第一时间间隔采集一组第一层级数据,并获取该组数据的一组第一指标;还适于每间隔预定时间区间在该预定时间区间内获取的多组第一指标值中选择一组进行存储。
根据本发明的一个实施方式,其中第一指标可以包括有效值、峭度指标和频段能量指标。
根据本发明的一个实施方式,其中预定时间区间通常为30秒,第一采集模块320还适于每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择有效值最大的一组第一指标进行存储。第二采集模块330适于每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标,一组第二指标可以包括包络谱频段能量指标。
第三采集模块340适于每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标。一组第三指标可以包括有效值、峭度指标、频段能量指标、包络谱频段能量指标和至少一种零件指标,所述零件指标的种类包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标。
第四采集模块350适于每间隔第四时间间隔采集一组第四层级数据并存储。
存储模块360则适于存储上述第一采集模块320选择存储的第一指标,以便根据第一指标在状态监控中捕捉设备异常;还适于存储上述第二采集模块330获取的每组第二指标,以便根据第二指标在状态监控中定位设备故障;还适于存储上述第三采集模块340采集的每组第三层级数据和该组数据的一组第三指标,以便在设备异常时根据第三层级数据及其第三指标诊断设备故障;还适于存储上述第四采集模块350采集的第四层级数据,以便在设备异常时根据第四层级数据精确诊断设备故障。
根据本发明的一个实施方式,装置300还可以包括加密采集模块,适于在第一采集模块320获取第一层级数据的第一指标之后,判断该第一指标中有效值是否超过有效值阈值,若是,则加密采集第三层级数据和第四层级数据。具体地,加密采集模块适于在当前的第三时间间隔内额外采集一组第三层级数据;以及在当前的第四时间间隔内额外采集一组第四层级数据,实现加密采集。
根据本发明的还有一个实施方式,加密采集模块还适于在加密采集第四层级数据之前,检测第四层级数据的加密采集次数;以及判断加密采集次数是否超过第四层级数据加密采集阈值,若是,则不加密采集第四层级数据。
以上在结合图1~图6描述设备数据的分层采集方法100和方法200的具体描述中已经对装置各模块中的相应处理进行了详细说明,这里不再对重复内容进行赘述。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明还包括:A6、如A5所述的方法,其中所述预定时间区间为30秒,所述每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储的步骤包括:每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择有效值最大的一组第一指标进行存储。A7、如A4所述的方法,还包括步骤:在获取第一层级数据的一组第一指标之后,判断该组第一指标中有效值是否超过有效值阈值,若是,则加密采集第三层级数据和第四层级数据。A8、如A7所述的方法,所述加密采集第三层级数据和第四层级数据的步骤还包括:在加密采集第四层级数据之前,检测第四层级数据的加密采集次数;以及判断所述加密采集次数是否超过第四层级数据加密采集阈值,若是,则不加密采集第四层级数据。A9、如A7所述的方法,所述加密采集第三层级数据和第四层级数据的步骤包括:在当前的第三时间间隔内额外采集一组第三层级数据;以及在当前的第四时间间隔内额外采集一组第四层级数据。A10、如A1-9中任一项所述的方法,其中所述一组第二指标包括包络谱频段能量指标。A11、如A1-9中任一项所述的方法,其中所述一组第三指标包括有效值、峭度指标、频段能量指标、包络谱频段能量指标和至少一种零件指标,所述零件指标的种类包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标。
B17、如B16所述的装置,其中所述预定时间区间为30秒,所述第一采集模块还适于每间隔所述预定时间区间在该预定时间区间内获取的多组第一指标中选择有效值最大的一组第一指标进行存储。B18、如B12-17中任一项所述的装置,还包括加密采集模块,适于在所述第一采集模块获取第一层级数据的第一指标之后,判断该第一指标中有效值是否超过有效值阈值,若是,则加密采集第三层级数据和第四层级数据。B19、如B17所述的装置,所述加密采集模块还适于在加密采集第四层级数据之前,检测第四层级数据的加密采集次数;以及判断所述加密采集次数是否超过第四层级数据加密采集阈值,若是,则不加密采集第四层级数据。B20、如B18所述的装置,所述加密采集模块还适于在当前的第三时间间隔内额外采集一组第三层级数据;以及在当前的第四时间间隔内额外采集一组第四层级数据。B21、如B12-20中任一项所述的装置,其中所述一组第二指标包括包络谱频段能量指标。B22、如B12-21中任一项所述的装置,其中所述一组第三指标包括有效值、峭度指标、频段能量指标、包络谱频段能量指标和至少一种零件指标,所述零件指标的种类包括转轴指标、轴承指标、齿轮指标、叶片指标和塔筒指标。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种设备数据的分层采集方法,该方法包括:
将所述设备数据至少划分为第一层级数据、第二层级数据和第三层级数据;
每间隔第一时间间隔采集一组第一层级数据,并计算该组数据的一组第一指标;
每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储,以便根据第一指标在状态监控中捕捉设备异常;
每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标;
存储每组第二指标,以便根据第二指标在状态监控中定位设备故障;
每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标;
存储每组第三层级数据和该组数据的一组第三指标,以便在设备异常时根据第三层级数据及其第三指标诊断设备故障。
2.如权利要求1所述的方法,其中所述将设备数据至少划分为第一层级数据、第二层级数据和第三层级数据的步骤还包括:
将所述设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据;以及所述方法还包括步骤:
每间隔第四时间间隔采集一组第四层级数据并存储,以便在设备异常时根据第四层级数据精确诊断设备故障。
3.如权利要求2所述的方法,其中分别采集的所述第一层级数据、第二层级数据、第三层级数据和第四层级数据均为时域波形,所述第一时间间隔、第二时间间隔、第三时间间隔和第四时间间隔依次增大,各层级数据的波形时长和采样点数均依次增多。
4.如权利要求3所述的方法,其中所述第一层级数据的第一时间间隔为0,波形时长为30毫秒~30秒,采样点数为1024~16384;
所述第二层级数据的第二时间间隔为1分钟~60分钟,波形时长为300毫秒~1分钟,采样点数为1024~65536;
所述第三层级数据的第三时间间隔为1小时~24小时,波形时长为1秒~1分钟,采样点数为1024~131072;
所述第四层级数据的第四时间间隔为1天~14天,波形时长为10秒~60分钟,采样点数为65536~4194304。
5.如权利要求1-4中任一项所述的方法,其中所述一组第一指标包括有效值、峭度指标和频段能量指标。
6.一种设备数据的分层采集装置,包括:
设置模块,适于将所述设备数据至少划分为第一层级数据、第二层级数据和第三层级数据;
第一采集模块,适于每间隔第一时间间隔采集一组第一层级数据,并获取该组数据的一组第一指标;还适于每间隔预定时间区间在该预定时间区间内获取的多组第一指标中选择一组进行存储;
第二采集模块,适于每间隔第二时间间隔采集一组第二层级数据,并获取该组数据的一组第二指标;
第三采集模块,适于每间隔第三时间间隔采集一组第三层级数据,并获取该组数据的一组第三指标;以及
存储模块,适于存储所述第一采集模块选择存储的第一指标,以便根据第一指标在状态监控中捕捉设备异常;还适于存储所述第二采集模块获取的每组第二指标,以便根据第二指标在状态监控中定位设备故障;还适于存储第三采集模块采集的每组第三层级数据和该组数据的一组第三指标,以便在设备异常时根据第三层级数据及其第三指标诊断设备故障。
7.如权利要求6所述的装置,还包括第四采集模块,所述设置模块适于将所述设备数据至少划分为第一层级数据、第二层级数据、第三层级数据和第四层级数据,所述第四采集模块适于每间隔第四时间间隔采集一组第四层级数据,以及存储模块还适于存储所述第四采集模块采集的每组第四层级数据,以便在设备异常时根据第四层级数据精确诊断设备故障。
8.如权利要求7所述的装置,其中分别采集的所述第一层级数据、第二层级数据、第三层级数据和第四层级数据均为时域波形,所述第一时间间隔、第二时间间隔、第三时间间隔和第四时间间隔依次增大,各层级数据的波形时长和采样点数均依次增多。
9.如权利要求8所述的装置,其中所述第一层级数据的第一时间间隔为0,波形时长为30毫秒~30秒,采样点数为1024~16384;
所述第二层级数据的第二时间间隔为1分钟~60分钟,波形时长为300毫秒~1分钟,采样点数为1024~65536;
所述第三层级数据的第三时间间隔为1小时~24小时,波形时长为1秒~1分钟,采样点数为1024~131072;
所述第四层级数据的第四时间间隔为1天~14天,波形时长为10秒~60分钟,采样点数为65536~4194304。
10.如权利要求6-9中任一项所述的装置,其中所述一组第一指标包括有效值、峭度指标和频段能量指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610065763.3A CN105675045B (zh) | 2016-01-27 | 2016-01-27 | 一种设备数据的分层采集方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610065763.3A CN105675045B (zh) | 2016-01-27 | 2016-01-27 | 一种设备数据的分层采集方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105675045A true CN105675045A (zh) | 2016-06-15 |
CN105675045B CN105675045B (zh) | 2018-03-02 |
Family
ID=56303855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610065763.3A Active CN105675045B (zh) | 2016-01-27 | 2016-01-27 | 一种设备数据的分层采集方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105675045B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818205A (zh) * | 2017-10-23 | 2018-03-20 | 中国船舶工业集团公司第七0八研究所 | 一种舰船重要设备的供电故障模型和影响分析方法 |
CN108132867A (zh) * | 2018-01-11 | 2018-06-08 | 安徽容知日新科技股份有限公司 | 一种设备故障报警方法及计算设备 |
CN108632103A (zh) * | 2017-03-17 | 2018-10-09 | 中兴通讯股份有限公司 | 系统异常诊断的方法和装置 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN111812263A (zh) * | 2020-08-28 | 2020-10-23 | 武汉生之源生物科技股份有限公司 | 检测设备的配置优化方法 |
CN112710918A (zh) * | 2021-01-04 | 2021-04-27 | 安徽容知日新科技股份有限公司 | 基于边缘计算的无线数据采集方法及系统 |
CN112815994A (zh) * | 2021-01-04 | 2021-05-18 | 安徽容知日新科技股份有限公司 | 基于边缘计算的有线数据采集方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030200010A1 (en) * | 2002-04-22 | 2003-10-23 | Hsiao-Dong Chiang | Method and system for on-line dynamical screening of electric power system |
CN1477554A (zh) * | 2003-07-25 | 2004-02-25 | 中国科学院计算技术研究所 | 一种自适应网络数据采集方法 |
CN1481062A (zh) * | 2003-07-25 | 2004-03-10 | 清华大学 | 链式静止同步补偿器的分层分布式监测系统 |
US20040128115A1 (en) * | 2002-12-31 | 2004-07-01 | International Business Machines Corporation | Hierarchical power supply noise monitoring device and system for very large scale integrated circuits |
CN1828320A (zh) * | 2006-02-20 | 2006-09-06 | 武汉华电国电高压科技发展有限公司 | 变电站高压电气设备在线监测方法及系统 |
CN101668006A (zh) * | 2009-10-12 | 2010-03-10 | 哈尔滨工程大学 | 一种用于异常检测的自适应网络流量采样方法 |
CN101937475A (zh) * | 2010-08-27 | 2011-01-05 | 中国电子科技集团公司第四十一研究所 | 一种多速率多通道数据采集方法 |
CN104866633A (zh) * | 2015-05-27 | 2015-08-26 | 安徽容知日新信息技术有限公司 | 一种设备振动数据处理方法、装置及系统 |
-
2016
- 2016-01-27 CN CN201610065763.3A patent/CN105675045B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030200010A1 (en) * | 2002-04-22 | 2003-10-23 | Hsiao-Dong Chiang | Method and system for on-line dynamical screening of electric power system |
US20040128115A1 (en) * | 2002-12-31 | 2004-07-01 | International Business Machines Corporation | Hierarchical power supply noise monitoring device and system for very large scale integrated circuits |
CN1477554A (zh) * | 2003-07-25 | 2004-02-25 | 中国科学院计算技术研究所 | 一种自适应网络数据采集方法 |
CN1481062A (zh) * | 2003-07-25 | 2004-03-10 | 清华大学 | 链式静止同步补偿器的分层分布式监测系统 |
CN1828320A (zh) * | 2006-02-20 | 2006-09-06 | 武汉华电国电高压科技发展有限公司 | 变电站高压电气设备在线监测方法及系统 |
CN101668006A (zh) * | 2009-10-12 | 2010-03-10 | 哈尔滨工程大学 | 一种用于异常检测的自适应网络流量采样方法 |
CN101937475A (zh) * | 2010-08-27 | 2011-01-05 | 中国电子科技集团公司第四十一研究所 | 一种多速率多通道数据采集方法 |
CN104866633A (zh) * | 2015-05-27 | 2015-08-26 | 安徽容知日新信息技术有限公司 | 一种设备振动数据处理方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
郑拯国 等: "一种有效的采样率转换算法的研究与设计", 《中国仪器仪表学会第九届青年学术会议论文集》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108632103A (zh) * | 2017-03-17 | 2018-10-09 | 中兴通讯股份有限公司 | 系统异常诊断的方法和装置 |
CN108632103B (zh) * | 2017-03-17 | 2021-04-06 | 中兴通讯股份有限公司 | 系统异常诊断的方法和装置 |
CN107818205A (zh) * | 2017-10-23 | 2018-03-20 | 中国船舶工业集团公司第七0八研究所 | 一种舰船重要设备的供电故障模型和影响分析方法 |
CN108132867A (zh) * | 2018-01-11 | 2018-06-08 | 安徽容知日新科技股份有限公司 | 一种设备故障报警方法及计算设备 |
CN108132867B (zh) * | 2018-01-11 | 2021-05-25 | 合肥科博软件技术有限公司 | 一种设备故障报警方法及计算设备 |
CN109506921A (zh) * | 2018-12-24 | 2019-03-22 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN109506921B (zh) * | 2018-12-24 | 2020-09-01 | 西安科技大学 | 一种旋转机械故障诊断与预警方法 |
CN111812263A (zh) * | 2020-08-28 | 2020-10-23 | 武汉生之源生物科技股份有限公司 | 检测设备的配置优化方法 |
CN111812263B (zh) * | 2020-08-28 | 2020-12-11 | 武汉生之源生物科技股份有限公司 | 检测设备的配置优化方法 |
CN112710918A (zh) * | 2021-01-04 | 2021-04-27 | 安徽容知日新科技股份有限公司 | 基于边缘计算的无线数据采集方法及系统 |
CN112815994A (zh) * | 2021-01-04 | 2021-05-18 | 安徽容知日新科技股份有限公司 | 基于边缘计算的有线数据采集方法及系统 |
CN112815994B (zh) * | 2021-01-04 | 2023-08-15 | 安徽容知日新科技股份有限公司 | 基于边缘计算的有线数据采集方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105675045B (zh) | 2018-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105675045A (zh) | 一种设备数据的分层采集方法和装置 | |
US8380447B2 (en) | Quantification of condition indicators in the presence of synchronous noise | |
EP3049788B1 (en) | Gear fault detection | |
US7606673B2 (en) | Rotating bearing analysis and monitoring system | |
US20180011065A1 (en) | Machine Fault Prediction Based on Analysis of Periodic Information in a Signal | |
EP3029449A1 (en) | Bearing-device vibration analysis method, bearing-device vibration analysis device, and rolling-bearing status-monitoring device | |
Cheng et al. | Envelope deformation in computed order tracking and error in order analysis | |
CN108195584B (zh) | 一种基于准确度谱图的滚动轴承故障诊断方法 | |
CN102736562B (zh) | 面向数控机床故障诊断与故障预报的知识库构建方法 | |
CN108896299A (zh) | 一种齿轮箱故障检测方法 | |
Elforjani | Diagnosis and prognosis of real world wind turbine gears | |
EP2345894B1 (en) | Trending of vibration data taking into account torque effect | |
EP3173762B1 (en) | Systems and methods for fatigue monitoring | |
CN104111154A (zh) | 风力发电机组的振动趋势分析方法和振动趋势分析系统 | |
KR20140072331A (ko) | 이상진단 사전감시 방법 | |
CN114323642A (zh) | 风电机组振动数据处理系统以及数据稀释方法 | |
Teng et al. | Experimental study on gearbox prognosis using total life vibration analysis | |
US8930166B1 (en) | Method and apparatus for efficient extraction of information from signals | |
Rajapaksha et al. | Acoustic analysis based condition monitoring of induction motors: A review | |
Wang et al. | A hybrid approach to bearing defect diagnosis in rotary machines | |
Mauricio et al. | Condition monitoring of gears under medium rotational speed | |
Salah et al. | Automated valve fault detection based on acoustic emission parameters and artificial neural network | |
Derbel et al. | Integrated sensor based smart diagnostic and online monitoring of Industrial Systems | |
He et al. | Prognostics and health management of life-supporting medical instruments | |
US11650897B2 (en) | Event visualization for asset condition 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 | ||
CB02 | Change of applicant information |
Address after: 230088, Hefei City, Anhui high tech Zone Wangjiang West Road, No. 800 animation base B1-8 floor Applicant after: Anhui new Polytron Technologies Inc Address before: 230088, Hefei City, Anhui high tech Zone Wangjiang West Road, No. 800 animation base B1-8 floor Applicant before: ANHUI RONGZHI RIXIN INFORMATION TECHNOLOGY CO., LTD. |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |