CN106354123A - 基于物联网的大型机械设备故障自动检测系统 - Google Patents

Abstract

本发明公开了一种基于物联网的大型机械设备故障自动检测系统，包括感知层、网络层、应用层；感知层包括安装机械设备上用于实时收集设备运行数据的多个传感器；网络层获取感知层的数据并传输到应用层；应用层根据设备类型及其运行参数采用对应的神经网络模型进行分布式并行处理数据，将运算结果与正常期望值对比，判断设备运行数据是否存在异常，并预测设备出现故障的时间。本发明将传感器检测技术和物联网技术应用到设备运行数据采集中，实时监测多台设备运转状况，并预测设备出现故障的时间，以确保提前进行维护，保证港口的生产效率。

Description

基于物联网的大型机械设备故障自动检测系统

技术领域

本发明属于大型机械设备检测领域，更具体地说，涉及一种基于物联网的大型机械设备故障自动检测系统。

背景技术

随着社会现代化进程的加快，人们对于大型机械设备的依赖程度越来越高，其设备的维修管理自然成了现代企业管理的一个重要组成部分。加强科学的设备维护是确保设备正常运行，提高设备质量，提高经济效益的重要保证。设备维护是企业稳定生产的保证，若因设备维护不够及时而导致的设备重大故障，导致停机停产将使企业效益大大下降；设备维护是企业安全生产的保障，不正确、不及时的维护往往是设备事故的诱因。

目前关于大型机械设备的保养与维修，仍然停留在单个设备的运行情况监测，检测到设备故障后进行维修。建立一套新的港口检测维修系统，缩短设备的维修周期，减少额外经济开销，显得十分必要。

发明内容

为克服现有技术存在的缺陷，本发明提供一种基于物联网的大型机械设备故障自动检测系统。

本发明解决其技术问题所采用的技术方案是：

设计一种基于物联网的大型机械设备故障自动检测系统，包括感知层、网络层、应用层；所述感知层包括安装机械设备上用于实时收集设备运行数据的多个传感器；所述网络层获取感知层的数据并传输到应用层；所述应用层根据设备类型及其运行参数采用对应的神经网络模型进行分布式并行处理数据，将运算结果与正常期望值对比，判断设备运行数据是否存在异常，采用故障诊断模块预测设备出现故障的时间。

在上述技术方案中，所述传感器包括温度传感器、振动传感器和声音传感器。

在上述技术方案中，所述网络层包括私有网络、互联网、有线通讯网和无线通讯网。

在上述技术方案中，所述神经网络模型包括正态分布模型、一次函数模型。

实施本发明基于物联网的大型机械设备故障自动检测系统，具有以下有益效果：

本发明通过在港口机械设备上安装各种类型传感器，如温度传感器、振动传感器、声音传感器等，来收集设备的运行状态信息，通过无线传感技术来实现对数据的传输，利用神经网络模型进行分布式并行处理数据，达到对机械运转时的数据进行采集、存储、诊断、预警的目的。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明基于物联网的大型机械设备故障自动检测系统的流程示意图；

图2是本发明选择和安装传感器的调试流程示意图；

图3是本发明中应用层程序开发的流程示意图；

图4是本发明采用神经网络模型处理设备运行数据和识别蠕变故障的示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

本发明基于物联网的大型机械设备故障自动检测系统，包括感知层、网络层、应用层。

感知层包括多个传感器，其中传感器包括温度传感器、振动传感器和声音传感器。温度传感器、振动传感器和声音传感器安装机械设备上，用于实时收集设备运行数据，如温度、滑油度、电压、电流、应力、应变、振动等设备参数，收集数据一般是在设备发生故障之前，这样可以知道可能将要发生故障的设备，从而合理地调整保养及维修的时间，适当地集中与改变维修周期，提高维修人员的工作效率，减少人工成本。本发明适用于港口机械设备，包括岸吊、起重机、龙门吊、抓斗、输送带、传送管、卷扬机、牵引机。

网络层获取感知层的数据并传输到应用层进行故障分析诊断，其中网络层包括私有网络、互联网、有线通讯网和无线通讯网。

为便于管理数据，传感器每隔5秒采集一次数据。如果5分钟内采集的数据不出现异常(在正常的范围内)，则把这5分钟内的数据进行求平均值，把平均值作为这5分钟的数据进行收集。如果出现异常，则把出现异常的详细数据记录下来，额外写入另一张异常数据表中，方便查阅。为保证数据完整。先把数据放在本地，每个1个小时进行整体上传操作，如遇到网络不好的情况上传失败则对停止上传并进行滚回操作，等待上传条件达成了继续进行上传。

应用层根据设备类型及其运行参数采用对应的神经网络模型进行分布式并行处理数据，将运算结果与正常期望值对比，判断设备运行数据是否存在异常，并预测设备出现故障的时间。

对于不同的设备，本发明基于物联网的大型机械设备故障自动检测系统将结合设备本身的运行参数，设定不同的概率参数及函数方程，适当的神经网络模型来进行数据的处理，如针对振动类参数，主要采用正态分布模型，而针对均匀变化的参数，则采用一次函数型模型。总体来看，整个先期预测及维护机制的确定将帮助我们的总体设计将数据与行为对接起来，有效提高设备维修的速度。

机械故障诊断是一种了解和掌握机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。油液监测、振动监测、噪声监测、性能趋势分析和无损探伤等为其主要的诊断技术方式。由于港口流动机械在港口运行时常受到水蒸气中含盐量造成的材料腐蚀、机器容易发生过载，操作不当状况频发，港口的噪声环境复杂，基于港口环境的复杂性，因此本发明将采用机器性能参数测定法对设备进行故障分析。

图1是本发明基于物联网的大型机械设备故障自动检测系统的流程示意图。本发明在港口机械设备上安装适当的温度传感器、振动传感器、声音传感器、压力传感器等。各个传感器可在正常情况下实时收集数据，通过网络层将感知层获取的信息，安全可靠地传输到应用层，然后根据不同的应用需求进行数据的分类汇总。应用层通过对幅值、频域、特征分析来预知、确定故障。

图2是本发明选择和安装传感器的调试流程示意图，图3是本发明中应用层程序开发的流程示意图。根据港口机械设备的需要选择合适的传感器融合无线传感技术对所采集的信息进行传输通过应用层对故障进行诊断。

图4是本发明采用神经网络模型处理设备运行数据和识别蠕变故障的示意图。本发明通过传感器获取设备运行情况的数据(温度、滑油度、电压、电流、应力、应变、振动)，结合设备本身的运行参数，设定不同的概率参数及函数方程，采用适当的神经网络模型来处理的数据，可以实现早期识别蠕变故障，通过设定临界值，系统在绝对限制到达之前很早时候就可以指示出可能的故障。这样能够有效地提高设备维修速度和维修效率，推进港口机械管理的现代化进程，在很大程度上能减轻检修人员的工作负担，并且能大大缩减设备维修的周期，节省维修资金。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (4)

1.一种基于物联网的大型机械设备故障自动检测系统，包括感知层、网络层、应用层，其特征在于，所述感知层包括安装机械设备上用于实时收集设备运行数据的多个传感器；所述网络层获取感知层的数据并传输到应用层；所述应用层根据设备类型及其运行参数采用对应的神经网络模型进行分布式并行处理数据，将运算结果与正常期望值对比，判断设备运行数据是否存在异常，并预测设备出现故障的时间。

2.根据权利要求1所述的基于物联网的大型机械设备故障自动检测系统，其特征在于，所述传感器包括温度传感器、振动传感器和声音传感器。

3.根据权利要求1所述的基于物联网的大型机械设备故障自动检测系统，其特征在于，所述网络层包括私有网络、互联网、有线通讯网和无线通讯网。

4.根据权利要求1所述的基于物联网的大型机械设备故障自动检测系统，其特征在于，所述神经网络模型包括正态分布模型、一次函数模型。