CN107168294B - 一种火电水系统设备无人巡检监控方法 - Google Patents
一种火电水系统设备无人巡检监控方法 Download PDFInfo
- Publication number
- CN107168294B CN107168294B CN201710495968.XA CN201710495968A CN107168294B CN 107168294 B CN107168294 B CN 107168294B CN 201710495968 A CN201710495968 A CN 201710495968A CN 107168294 B CN107168294 B CN 107168294B
- Authority
- CN
- China
- Prior art keywords
- equipment
- information
- module
- data
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000007689 inspection Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 128
- 238000003745 diagnosis Methods 0.000 claims abstract description 109
- 238000004458 analytical method Methods 0.000 claims abstract description 72
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 27
- 238000004806 packaging method and process Methods 0.000 claims description 24
- 230000010365 information processing Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供的一种火电水系统设备无人巡检监控方法,包括以下步骤:第一步,通过数据采集模块采集现场设备运行状况信息,并将采集到的数据信息进行转化、封装后通过以太网传输到数据处理分析模块;第二步,数据处理分析模块将接收到的数据信息进行解析,同时对解析后的数据信息进行处理和分析,获得诊断信息并将该诊断信息发送至故障诊断模块;第三步,故障诊断模块将接收到的诊断信息进行诊断处理和分析,判断现场设备是否出现故障,最后根据故障情况将控制信号和报警信息通过外挂PLC传输到机组DCS系统,由机组DCS系统进行相应的控制动作和报警显示。
Description
技术领域
本发明属于无人设备巡检技术领域,涉及一种火电水系统中设备的无人巡检监控方法。
背景技术
随着火力发电的蓬勃发展,火电技术的发展也日新月异。但火电行业快速发展的同时也慢慢体现出了一些不小的弊端,例如火电方面的高技术人才的成长速度和数量远远的落后火电的发展。水系统作为火电厂一个比较特殊的部分,工艺流程和技术已经完全成熟,但在设备巡检方面还是要通过原始的人工进行检测,不但要耗费很多人力,效率也不高。
1)人工巡检
当前火力发电厂随着DCS系统功能和现场总线智能设备的发展,操作人员已经能够在控制系统逻辑引入各种设备运行参数(如温度、压力、流量等)来进行设备运行状态的监控,并能通过策略设计达到无需人实时查看操作的程度,这使得人工工作量大大减少,但现场设备“跑、冒、滴、漏”问题还是需要人工到现场进行查看检测。
目前火电厂的设备巡检主要通过人工的“眼看、手摸、耳听”来进行,而水系统相对与主机系统来,在设备安全性、设备检测上要求都比较“低”。因此在设备巡检工作中对设备的检测要求也不是非常的细致:
a)主要关注和检测设备的“跑、冒、滴、漏”等情况。即水系统巡检最主要的是关注和检查设备是否有“跑、冒、滴、漏”的情况和设备外表面是否完整等情况(是否有裂缝、污损等)。
b)对设备的振动性要求“不高”。水系统中设备主要是泵、调门、渗透过滤装置和检测仪器仪表等之类的设备。这些设备在振动性上(相比于主机汽轮机等设备)要求不高,振动故障主要出现在各个“大型”水泵上。因为水泵的作为水传输的动力设备,转速一般很高,在运行过程中电机轴承等可能会出现耗损、故障,会导致设备振动异常,产生异常声响等。
2)工业电视监控系统
工业电视监控系统是一种计算机控制的图像系统,利用系统控制台操作人员可以选取各摄像机,将远程现场的图像实时显示在监控显示器上。通过操作员在操作台前的监控,取代了巡检人员到现场巡查。
目前,工业电视监控系统已经广泛的应用于火电厂辅控输煤系统中。该系统通过远程摄像机的实时采集数据,将图像实时传输到控制台,操作人员通过切换不同的摄像机,可以查看不同的现场的设备运行情况,一旦发现异常,可以通知相关人员到现场进行查看维修。
总结以上两种设备巡检方式可以看出,目前设备巡检工作都有一下几个缺陷:
1.需要人工参与。以上两中设备巡检方式都是需要人员实时进行参与,这样就需要大量的人工工作参与,随着人力成本的增加,设备巡检的成本也会不断提高。
2.巡检效率差。人工的检测和监控都要和人的工作经验与工作状态紧密相关,一旦巡检人员工作经验不足或者不细心,则有可能会出现判断错误的情况,而监控操作员,可能会由于长时间的查看监控视频而出现视觉疲惫的情况,导致错判、漏判的情况。
发明内容
本发明的目的在于提供一种火电水系统设备无人巡检监控方法,解决了现有巡检方式存在的需要人工参与、巡检效率差的缺陷;同时,本发明是一种具有广泛通用性的能够实时获取现场设备运行状况信息,对其进行深度分析、监控显示并给出故障控制和报警对的实时监控方法。
本发明提供的一种火电水系统设备无人巡检监控方法,包括以下步骤:
第一步,通过数据采集模块采集现场设备运行状况信息,并将采集到的数据信息进行转化、封装后通过以太网传输到数据处理分析模块;
第二步,数据处理分析模块将接收到的数据信息进行解析,同时对解析后的数据信息进行处理和分析,获得诊断信息并将该诊断信息发送至故障诊断模块;
第三步,故障诊断模块将接收到的诊断信息进行诊断处理和分析,判断现场设备是否出现故障,最后根据故障情况将控制信号和报警信息通过外挂PLC传输到机组DCS系统,由机组DCS系统进行相应的控制动作和报警显示。
优选地,第一步中,数据采集模块包括图像采集模块,图像采集模块包括携带摄像装置的无人机平台、图像数据打包模块和图像数据发送模块,其中,图像采集的具体方法为:
无人机平台沿安装在厂房房顶上的导轨移动,导轨上设置有若干个无人机平台进行信息采集的定位位置,无人机平台在导轨上的各个定位位置驻留,图像采集设备进行图像采集,并将采集到的图像信息进行处理生成高清图像;之后将处理后的高清图像传输到图像数据打包模块,通过图像数据打包模块对高清图像添加标签信息;之后进行封装打包,最后通过图像数据发送模块将打包后的图像数据报实时传输到数据处理分析模块;
第二步中,数据处理分析模块包括图像处理分析模块,图像处理分析模块利用图像识别技术对采集到的图像信息进行处理、对比和分析,将分析结果发送到故障诊断处理模块;其中,图像处理分析模块进行图像信息处理的具体方法:
将接收到的图像数据包进行解压,解压后获得高清图像文件和图像标签信息,高清图像文件作为待检测图像图片;然后通过图像标签信息在图像匹配库中查找对比用的目标图像;接着,利用图像识别算法计算出待测图像与目标图像的匹配度,同时,通过图像标签信息在设备属性点清单列表中查询对应设备的图像匹配度信息点,最后,将计算所得的匹配度赋值给对应设备的图像匹配度信息点,同时将该数据信息发送至故障诊断模块。
优选地,第一步中,数据采集模块包括振动信息采集模块,振动信息采集模块包括安装在动力设备上的振动传感器和设置在厂房内的通信柜,通信柜内设置有通信板卡,通信板卡包括信息处理模块、数据打包模块和网络通信模块;其中,振动传感器将采集到的动力设备的振动信息实时传输到信息处理模块,信息处理模块将接收到的模拟信号转化为数字信号并将数字信号传递到数据打包模块,数据打包模块对转化后的数字信号添加对应设备的标签信息后封装打包,最后通过网络通信模块将振动信息数据包传输到数据处理分析模块;
第二步中,数据处理分析模块包括振动处理分析模块,振动处理分析模块进行振动信息数据包处理的具体方法:
S1,将接收到的振动信息数据包进行解析,解析后获得振动信息数据和对应设备的标签信息;
S2,将振动信息数据展现为波形图,并进行分析,通过式(2)进行处理计算,获得振动波形的最大振幅、设定时间段内的平均振动频率和平均振幅,公式如下:
其中,A为振幅,At为t时刻的振动振幅,f为振动频率,为初始相位,Amax为振动最大振幅,/>为振动平均振幅;/>为平均振动频率,T为某一时间段时间,NT为时间段T内振动的周期数;
S3,根据解析所得的对应设备的标签信息在设备属性点清单列表中查询对应设备的振动信息点,同时将S2中所得的最大振幅、平均振动频率、平均振幅和振动方向赋值给对应设备的振动信息点,同时将数据信息送给故障诊断处理模块。
优选地,第一步中,数据采集模块包括声音信息采集模块,声音信息采集模块包括设置在无人机平台上的声音传感器、声音信息处理模块和声音发送模块,其中,声音传感器将采集到的声音声响信息通过声音信息处理模块转化为数字信号,最后通过声音发送模块将转化后的声音数据信息通过以太网传输到数据处理分析模块;
第二步中,数理处理分析模块包括声音处理分析模块,声音处理分析模块进行声音信息处理的具体步骤如下:
S1,解析接收到的声音信息数据包,解析后获得声音信息数据和声音标签信息;
S2,通过式(3)将声音信息数据进行计算,获得声音信息的最高分贝值和平均分贝值,公式如下:
其中,xi为第i次采样值,n为采样数,为平均分贝值,xmax为最高分贝值;
S3,根据解析所得的声音标签信息在设备属性点清单列表中查询对应设备的声音信息点,将S2中所获得的最分贝值和平均分贝值赋值给对应设备的声音信息点,之后将将数据信息发送给故障诊断处理模块。
优选地,第三步中,故障诊断处理模块包括逻辑运算模块、设备组态模块、警报模块和设备维修管理模块,其中,逻辑运算模块接收数据处理分析模块发送的数据信息,根据接收到的数据信息对设备进行故障诊断,同时将故障诊断信息传输到设备组态模块;通过设备组态模块对故障诊断信息进行处理,并将处理结果发送至警报模块,警报模块根据接收到的处理结果向火电机组DCS系统发出控制命令和报警信息,同时将处理结果传输到设备维修管理模块,通过设备维修管理模块生成设备故障工作联系单。
优选地,逻辑运算模块对设备进行故障诊断的具体方法:将接收所得的诊断数据信息与预先设定的设备运算中间参数标准值进行对比运算,当诊断数据信息中有一项数据信息超出预先设定的设备运算中间参数标准值,则认定设备故障,否则认定设备正常;最后将诊断故障结果和对应设备KKS码组合包装发送至设备组态模块。
优选地,设备组态模块对诊断故障结果进行处理的具体方法:将接收到的诊断故障结果进行解析,解析后得到设备故障信息和对应设备的KKS码,若设备正常,则不做任何处理;
若设备被认定故障,则检测设备状态,若设备状态为“故障处理”,则不做任何处理;
若设备状态为“正常”时,则首先将设备状态修为“故障处理”,之后查看该设备类型,当该设备类型为动力设备时,则将解析后得到的对应设备的KKS码赋值给该故障设备信息点;
当该设备类型不是动力设备时,则依次查看该设备的前位设备的设备类型,直到找到动力设备;然后将找到的动力设备设定为目标设备,同时将目标设备的状态修改为“故障处理”;接着将目标设备的KKS码赋值给目标设备信息点,最后,将赋值的故障设备信息点和目标设备信息点发送至警报模块。
优选地,警报模块的具体处理方法:将接收到的故障设备信息点和目标设备信息点进行解析,得到故障设备信息点和目标设备信息点;
若为故障设备信息点时,将故障设备信息点中的设备KKS码在设备属性点清单列表中查询对应设备的警报信息点,同时,将故障设备信息点赋值给查询得到的警报信息点,最后将赋值的警报信息点发送至火电机组DCS系统和设备维修管理模块;
若为目标设备信息点时,将目标设备信息点中的设备KKS码在设备属性点清单列表中查询对应设备的操作信息点,同时,将目标设备信息点赋值给查询得到的操作信息点,最后将赋值的操作信息点发送至火电机组DCS系统。
优选地,设备维修管理模块的具体处理方法:将接收到的故障设备报警信息点进行解析,根据解析得到的对应设备的KKS码查询对应设备的属性信息,自动生成设备维修工作联系单。
与现有技术相比,本发明的有益效果是:
本发明提供的一种火电水系统设备无人巡检监控方法,包括以下步骤:第一步,通过数据采集模块采集现场设备运行状况信息,并将采集到的数据信息进行转化、封装后通过以太网传输到数据处理分析模块;第二步,数据处理分析模块将接收到的数据信息进行解析,同时对解析后的数据信息进行处理和分析,获得诊断信息并将该诊断信息发送至故障诊断模块;第三步,故障诊断模块将接收到的诊断信息进行诊断处理和分析,判断现场设备是否出现故障,最后根据故障情况将控制信号和报警信息通过外挂PLC传输到机组DCS系统,由机组DCS系统进行相应的控制动作和报警显示。
进一步的,本发明利用各种摄像装置或振动传感器或声音传感器等采集装备,从DCS系统中脱离出来采集数据,在不改动现有的水系统设备线路结构,所以适用于所有的水系统,并且最终通过外挂PLC与DCS进行数据通信,保证这DCS系统的安全性。
进一步的,本发明中系统后期运行和设备巡检工作都不需要人工的参与,从减少了人工工作量,降低了人力成本。
进一步的,设备巡检效率提高,不会出现“人”的那种不确定状态波动而出现对故障漏判、错判的情况。
进一步的,不会对原有的系统进行太大的改造,只需要在控制系统逻辑和画面中分别添加相对应的控制信息输入和DCS画面设备故障光子牌。
附图说明
图1是巡检监控装置模块图;
图2是巡检监控装置流程图;
图3是故障诊断处理模块流程图。
具体实施方式
下面结合附图,对本发明进一步详细说明。
如图1、图2所示,本发明提供的一种火电水系统设备无人巡检监控装置,包括数据采集模块、数据处理分析模块、故障诊断处理模块和DCS系统,其中,数据采集模块用于采集现场设备的运行状况信息,并将采集到的数据信息经过转化、封装后通过以太网传输到数据处理分析模块;数据处理分析模块将接收到的数据信息进行解析,对解析所得的信息和数据进行处理和分析,获得诊断信息并通过以太网传输到故障诊断处理模块;故障诊断处理模块根据获取的诊断信息判断设备是否出现故障,最后将判断结果通过外挂PLC传输到机组DCS系统,由机组DCS系统进行报警显示,从而完成设备的无人机巡检监控。
具体地,数据采集模块包括图像信息采集模块、振动信息采集模块和声音信息采集模块。
其中,图像采集模块包括携带摄像装置的无人机平台、图像数据打包模块和图像数据发送模块,无人机平台能够沿安装在厂房房顶上的导轨移动,导轨上设置有若干个无人机平台进行信息采集的定位位置,无人机平台能够定期巡检在导轨上各个信息采集的定位位置驻留,图像采集设备进行图像采集,并将采集到的图像信息进行处理生成高清图像(bmp)格式;之后将处理后的高清图像传输到图像数据打包模块,通过图像数据打包模块对高清图像添加标签信息后进行封装打包,最后通过图像数据发送模块将打包后的图像数据利用TCP/IP、UDP协议通过以太网实时传输到数据处理分析模块。
添加图像信息标签包括设备所在的厂房编号、采集点在导轨上的位置编号、图像采集的高度、图像摄像装置转动的角度、图像采集的时间和图像采集的摄像机编号。
振动信息采集模块包括安装在动力设备上的振动传感器、通信电缆和设置在厂房内的通信柜,其中,通信柜内设置有通信板卡,通信板卡包括信息处理模块、数据打包模块和网络通信模块。
在进行振动信息采集时,根据动力设备的振动方向,采集需求可分为纵向、横向和轴向三种采集方向,且每种采集方向需设置一个振动传感器。
接着将采集到的振动信息通过通信电缆实时传输到通信柜的通信板卡上,通过通信板卡上的信息处理模块将振动传感器采集的模拟信号转为数字信号,数据打包模块对转化后的数字信号添加对应设备的标签信息后进行封装打包,最后网络通信模块利用UDP协议,通过以太网将振动信息数据包传输到数据处理分析模块。
添加的标签信息包括设备编号和振动方向。
声音信息采集模块包括设置在无人机平台上的声音传感器、声音信息处理模块和声音发送模块,其中,无人机平台沿导轨移动时,在导轨的定点位置进行声音声响(分贝值)信息的采集,采集时,在每个定点位置每隔1s需要采集1次声音声响信息,共采集5次。
然后将采集到的声音声响信息通过声音信息处理模块转化为数字信号,最后通过声音发送模块将转化后的声音数据信息利用TCP/IP、UDP协议通过以太网传输到数据处理分析模块。
数据处理分析模块包括图像处理分析模块、振动处理分析模块、声音处理分析模块和数据信息数据库模块,其中,图像处理分析模块利用图像识别技术对采集到的图像信息进行处理、对比和分析,将分析结果发送到故障诊断处理模块;振动处理分析模块根据振动分析方法对采集到的振动信息进行处理分析,将分析结果发送到故障诊断处理模块;声音处理分析模块根据声音分析方法对采集到的声音信息进行处理分析,将分析结果发送到故障诊断处理模块;数据信息数据库模块实时接收存储各个数据处理模块的数据信息。
其中,图像处理分析模块进行图像信息处理时,包括以下步骤:
S1,接收以太网发送的图像数据包,通过“解压”数据包获得待检测图像图片和图像标签信息,并以图像标签信息为照片名命名检测图像图片,同时传输到数据信息数据库模块进行保存;
S2,通过图像标签信息在图像匹配库中查找对比用的目标图像:
解析图像图片标签信息文件,确定图像采集的厂房编号、图像采集的轨道位置编号、图像采集的高度和摄像装置的角度;
根据解析信息,依次通过厂房编号、轨道位置编号、高度和角度信息组成索引号;
通过索引号在图像匹配库中找到目标图像。
图像匹配库中保存着所有采集点的目标图像,目标图像的获取步骤如下:
(1)当设备每一次经过安装调试或维修后,将要正常使用时,通过摄像装置在特定轨道位置、特定高度和特定角度进行图像采集;
(2)采集的图像经过处理后生成高清图像文件(bmp格式),并把图像采集所在的厂房编号、轨道位置编号、高度编号和摄像装置转动的角度编号组合成高清图像文件的索引编号,生成目标图像文件;
(3)将更新图像匹配库的索引表单,将新目标图像文件保存如图像匹配库中。
S3,利用图像识别算法(本发明使用Sift算法)计算出待测图像与目标图像的匹配度,将该匹配度赋值给通过图像标签信息所找到对应设备的图像匹配度信息点,时将该数据信息发送至故障诊断模块,具体地:
分别对待检测图像和目标图像两幅图像进行构建尺度空间,检测尺度空间极值点,精确定位极值点,为每个关键点指定方向参数,生成关键点描述子,最终根据式(1)对待检测图像和目标图像的描述子进行匹配,获得匹配度:
其中,(x,y)图中元素表示坐标,σ正态分布标准差,σ值越大,表示画面越模糊(平滑),G(x,y,σ)为高斯函数,I(x,y)表示原图像,L(x,y,σ)表示高斯函数和原图像的卷积,表示卷积,m(x,y)表示梯度幅值,θ(x,y)表示梯度角度。
其中,通过图像标签信息查询待测图像对应设备的图像匹配信息点的方法如下:
(1)根据图像标签信息与设备KKS码表单文件(ImageKKS.lst)查找设备KKS码;
(2)根据设备KKS码与设备属性点清单表文件(KKSList.xsl)查询待测图像对应设备图像匹配度信息点。
通过解压所得的图像图片标签信息查询设备的原理如下:
(1)采用人工方式,根据目标图像中的设备,填写图像图片标签信息与设备KKS码表单文件(ImageKKS.lst文件);
(2)由于多个目标图像文件可能只是采集到同一设备和装置系统的一部分图像信息,所以会出现多个图像标签信息对应一个设备的情况;
(3)运行时,通过导入功能将图像标签信息与设备KKS码对应表单加载入图像处理分析模块;
(4)解析待测图像标签信息,通过图像标签信息与设备KKS码表单文件查询对应设备的KKS码。
设备属性点清单列表是指设备KKS码与设备属性信息点之间的对应关系,一个设备只有唯一识别的KKS码,设备属性点包括图像匹配度信息点、声音最高分贝信息点、平均声音分贝信息点、最大振幅信息点、平均振动频率信息点以及平均振幅信息点等,可以通过该表单利用设备KKS码查询到该设备的对于属性信息点;通过导入与导出功能,可以实时更新修改设备属性点清单。
振动处理分析模块进行振动信息数据包处理的具体步骤如下:
S1,将接收到的振动信息数据包进行解析,解析后获得振动信息数据和对应设备的标签信息(设备编号),并将振动信息数据传输给数据信息数据库模块;
S2,将振动信息数据展现为波形图,并进行分析,通过式(2)进行处理计算,获得振动波形的最大振幅、一定时间段内(一般设定为10分钟)平均振动频率和平均振幅,公式如下:
其中,A为振幅,At为t时刻的振动振幅,f为振动频率,为初始相位,Amax为振动最大振幅,/>为振动平均振幅;/>为平均振动频率,T为某一时间段时间,NT为时间段T内振动的周期数;
S3,根据解析所得的对应设备的标签信息在设备属性点清单列表中查询对应设备的振动信息点,同时将S2中所得的最大振幅、平均振动频率、平均振幅和振动方向赋值给对应设备的振动信息点,同时将数据信息送给故障诊断处理模块。
声音处理分析模块进行声音信息处理的具体步骤如下:
S1,解析接收到的声音信息数据包,解析后获得声音信息数据和声音标签信息;
S2,通过式(3)将声音信息数据进行计算,获得声音信息的最高分贝值和平均分贝值,公式如下:
其中,xi为第i次采样值,n为采样数,为平均分贝值,xmax为最高分贝值;
S3,根据解析所得的声音标签信息在设备属性点清单列表中查询对应设备的声音信息点,将S2中所获得的最分贝值和平均分贝值赋值给对应设备的声音信息点,之后将将数据信息发送给故障诊断处理模块。
数据信息数据库模块:是将实时接收的图像信息以图片的形式保存在特定的文件夹中;将接收到的振动信息数据每3秒写入到内存缓冲区中,每1分钟将前1分钟之内的数据写入文件;将接收到的声音信息数据写入到文件。
如图3所示,故障诊断处理模块包括逻辑运算模块、设备组态模块、警报模块和设备维修管理模块;其中,逻辑运算模块接收数据处理分析模块发送的数据信息,根据接收到的数据信息对设备进行故障诊断,同时将故障诊断信息传输到设备组态模块;通过设备组态模块对故障诊断信息进行处理,并将处理结果发送至警报模块,警报模块根据接收到的处理结果向火电机组DCS系统发出控制命令和报警信息,同时将处理结果传输到设备维修管理模块,通过设备维修管理模块生成设备故障工作联系单。
逻辑运算模块包括逻辑运算文件,逻辑运算文件包括算法逻辑功能文件。
具体地,逻辑运算模块对设备进行故障诊断的具体方法:加载所有的逻辑运算文件(.eol文件),接收数据处理分析模块发送来的诊断信息,解析诊断信息,根据解析后的数据信息分别输入对应的算法逻辑功能文件中进行运算,算法逻辑功能文件中根据输入的诊断数据信息和预先设定好诊断值范围进行对比运算,一旦超出设定范围,便认定该项故障,最终综合所有诊断项,若有一项以上认定故障,则认定设备故障,否则设备无故障,将诊断故障结果信息和设备KKS码组合包装后发送给设备组态模块。
算法逻辑功能文件的生成过程如下:
(1)根据设备类型,预留该设备所测的诊断信息参数点接口和定义该设备运算中间参数标准设定值;
(2)根据该设备的诊断信息参数点和运算中间参数标准设定值写出各个诊断信息参数点的诊断计算方法和计算步骤;
(3)根据每个诊断信息参数点的诊断计算结果,写出该设备综合诊断的计算方法和计算步骤,并获得最后诊断输出结果;
(4)将该设备的综合诊断计算方法和计算步骤保存为该设备的算法逻辑功能文件(.em文件)。
该设备的算法逻辑功能文件是用于反映现场设备的诊断方法和计算步骤,逻辑运算模块通过引用该算法逻辑功能文件,并填写设备相关的诊断信息参数点和设备运算中间参数标准设定值,获得现场设备的逻辑运算文件;
这样通过逻辑运算,将设备的诊断信息点和算法逻辑功能文件(.em文件)关联起来,即将设备的诊断信息点作为输入参数传递给算法逻辑功能块,按照设定的算法和步骤获得设备的故障诊断信息。
所述的逻辑运算文件生成过程如下:
(1)按照现场设备的布局(根据厂房、工艺流程等划分设备区域,一般几个相关联的设备放在一个文件中),添加各种设备算法逻辑功能文件;
(2)为每个算法逻辑功能文件设置输入参数点名、设备KKS码和设备运算中间参数标准设定值;
(3)给每个设备算法逻辑功能文件填写输出点;
(4)将上述步骤保存,即生成逻辑运算文件(.eol文件)。
设备组态模块用于反映现场设备之间位置布局和工艺逻辑流程关系的运行组态图,根据现场设备的安装布局和逻辑流程关系将设备以图元方式添加设备组态图中的相应位置上,并同时将其基本信息、诊断结果信息、状态信息、设备类型信息、前位设备信息等与设备图元进行关联;
根据设备组态,将设备类型、设备逻辑位置以及诊断与状态等信息进行相结合,即为设备组态添加设备,为设备设置类型、基本信息,并根据设备间逻辑位置关系添加前位设备信息等,使得组态图元关联到设备中。
所述的组态如下:
(1)按照现场设备安装布局和工艺流程,为组态图添加位置、厂房、工艺过程名称以及简单的标签描述等信息。
(2)按照设备的“顺序”选择设备图元添加设备,其中设备的“顺序”是指设备安装和工艺流程中的“前后”关系,表示了在运行生产中“产品”从前一个设备到后一个设备的“前后”关系,设备图元是指根据设备外形和功能定制的特定的图形来表示某类特定的设备,所有设备图元都罗列在图元列表中以供选用;
(3)为设备图元添加设备KKS码、名称描述、设备类型、状态信息点、故障诊断信息点、设备故障报警点和前位设备KKS码等信息,并根据设备类型在可控设备的属性添加目标操作设备信息点;
(4)重复(2)和(3)过程,直至将设备添加完毕,组态结束后将组态工程保存至文件(.grp文件)。
设备组态模块对诊断故障结果进行处理的具体方法:将接收到的诊断故障结果进行解析,解析后得到设备故障信息和对应设备的KKS码,若设备正常,则不做任何处理;
若设备被认定故障,则检测设备状态,若设备状态为“故障处理”,则不做任何处理;
若设备状态为“正常”时,则首先将设备状态修为“故障处理”,之后查看该设备类型,当该设备类型为动力设备时,则将解析后得到的对应设备的KKS码赋值给该故障设备信息点;
当该设备类型不是动力设备时,则依次查看该设备的前位设备的设备类型,直到找到动力设备;然后将找到的动力设备设定为目标设备,同时将目标设备的状态修改为“故障处理”;接着将目标设备的KKS码赋值给目标设备信息点,最后,将赋值的故障设备信息点和目标设备信息点发送至警报模块。
警报模块用于接收故障设备信息点和目标操作设备信息点,通过查找故障报警光子牌信息点列表和目标操作设备操作信息表,通过给对应故障光子牌信息点赋值和给对应设备发送操作命令;
故障报警光子牌信息列表(AlarmList.lst)是指对应设备组态图中的设备故障报警点与DCS画面中报警光子牌信息点一一对应的表单,目标操作设备是指通过前位设备属性找到故障设备所在流程中的第一个操作设备(操作设备指泵、电机等可操作设备),目标操作设备操作信息表(EquipmentList.lst)是指操作设备组态模块中设备的目标设备信息点与DCS系统中该实际设备操作信息点对应关系的列表;
警报系统将数据信息通过OPC服务器,传输给OPC客户端,再通过OPC客户端传输到外挂PLC通信柜,数据信息经通信柜上的MODBUS卡件利用MODBUS通信协议传输到DCS系统的MODBUS通信卡件上,最终进入到DCS系统。
警报模块的具体处理方法:将接收到的故障设备信息点和目标设备信息点进行解析,得到故障设备信息点和目标设备信息点;
若为故障设备信息点时,将故障设备信息点中的设备KKS码在设备属性点清单列表中查询对应设备的警报信息点,同时,将故障设备信息点赋值给查询得到的警报信息点,最后将赋值的警报信息点发送至火电机组DCS系统和设备维修管理模块;
若为目标设备信息点时,将目标设备信息点中的设备KKS码在设备属性点清单列表中查询对应设备的操作信息点,同时,将目标设备信息点赋值给查询得到的操作信息点,最后将赋值的操作信息点发送至火电机组DCS系统。
如果有设备出现了新的故障或者需要维护,设备维修管理模块则自动生成工作联系单,此时故障被记录,并且如果故障消除也不能恢复到正常状态,只有当现场故障被处理,并且确认了工作联系单后,才能彻底消除此设备的故障状态。
一种火电水系统设备无人巡检监控方法,包括以下步骤:
第一步,数据采集模块采集现场设备相关信息数据:
(1)通过图像采集模块、振动信息采集模块和声音信息采集模块将采集的原始数据;
(2)各种数据经过处理转化后,通过以太网传输到数据处理分析模块;
第二步,数据分析处理模块接收采集模块发送的数据,通过各分析处理模块的处理分析方法进行处理分析,获得设备相关诊断信息,并将分析结果发送给故障诊断模块,具体方式如下:
(1)启动图像处理分析模块,分别读取图像标签信息与设备KKS码表单文件(ImageKKS.lst)和设备属性点清单表文件(KKSList.xsl),接收数据采集模块传输来的图像数据,经过解析和处理后,获待测图像和图像标签信息,利用标签信息查找目标图像,使用图像识别算法计算待测图像和目标图像的匹配度,并通过设备KKS码表单文件(ImageKKS.lst)和设备属性点清单表文件(KKSList.xsl)获得图像匹配度信息点,将计算的匹配度赋值给图像匹配度信息点后发送至故障诊断模块;
(2)启动振动处理分析模块,读取设备属性点清单表文件(KKSList.xsl),接收数据采集模块传输来的振动数据,通过解析和振动波形化,对振动波形进行分析,计算一定时间段内(一般设定为10分钟)的振动波形的最大振幅、平均振动频率和平均振幅,利用设备属性点清单表文件(KKSList.xsl)和振动信息的KKS码查找设备对应的振动属性信息点,将计算结果分别赋值给对应振动属性信息点发送至故障诊断模块;
(3)启动声音处理分析模块,读取设备属性点清单表文件(KKSList.xsl),接收数据采集模块传输来的声音数据,根据数据计算采集数据中声响分贝最大值和平均分贝值,利用设备属性点清单表文件(KKSList.xsl)和声音标签信息查找设备对应的声音属性信息点,将计算结果分别赋值给对应声音属性信息点发送至故障诊断模块。
第三步,故障诊断处理模块,获取数据处理分析模块发送的诊断数据,根据相应的算法,诊断设备故障,并进行相应的处理,具体方法如下:
(1)启动逻辑运算模块,加载所有的逻辑运算文件(.eol文件),接收数据处理分析模块发送来的诊断信息,解析诊断信息,根据数据信息分别输入对应的运算逻辑功能块中进行运算,算法逻辑功能块中根据输入的诊断数据信息和预先设定好诊断值范围进行对比运算,一旦超出设定范围,便认定该项故障,最终综合所有诊断项,若有一项以上认定故障,则认定设备故障,否则设备无故障,将诊断故障结果信息和设备KKS码组合包装后发送给设备组态模块;
(2)启动设备组态模块,加载所有的组态文件(.grp文件),实时接收逻辑运算模块传输来的故障诊断结果,解析结果,获得故障信息和设备KKS码,若设备无故障,则不做任何处理;若设备被认定故障,检测该设备状态,如果设备状态为“故障处理”,不做任何处理,否则进行“措施溯源”,即从该设备开始进行设备类型判断,若设备类型为可操作设备(如泵、电机等)则“溯源”结束,若不是,便依次查看该设备的前位设备类型,直到找到可操作设备,“溯源”结束,找到的可操作设备被设定为目标设备,故障的设备设定为故障设备,如果此时目标设备状态为“正常”,则将设备状态设置为“故障处理”,将目标设备KKS码赋值给目标设备信息点,将故障设备状态设置为“故障处理”,将故障设备KKS码赋值给故障设备信息点,并将这两个点发送给警报模块;如果“溯源”结束,找到的目标设备状态为“故障处理”,则将故障设备KKS码赋值给故障设备信息点,并发送给报警模块;若有故障维修管理模块发送设备维修确认消息,则把该设备的状态设置为“正常”并通过“措施溯源”,找到目标设备将其状态设置为“正常”;
(3)启动警报模块,加载故障报警光子牌信息列表(AlarmList.lst)和目标操作设备操作信息表(OEquipmentList.lst),接收设备组态模块发送的信息,经过解析后,若是故障设备信息点,根据信息中KKS码通过查询故障报警光子牌信息列表(AlarmList.lst)获得对应警报信息点,进行赋值后将信息发送至火电机组DCS系统,并将故障设备KKS码发至设备故障维修管理模块;若接收的是目标信息点,则根据信息中的KKS码通过查询目标操作设备操作信息表(OEquipmentList.lst)获得对应操作信息点,进行赋值后将信息发送至火电机组DCS系统;
(4)启动设备维修管理模块,加载设备信息列表(EquipmentList.lst,即设备KKS码与设备位置相关信息的表单),接收警报模块传输来的故障报警信息,解析信息,根据KKS码查找设备相关信息,自动填写、生成和打印设备维修工作联系单;设备维修结束后,人工进行维修确认,对设备维修工作联系单进行最终归档,并根据工作联系单的KKS码向设备组态模块发送该设备维修确认消息。
Claims (8)
1.一种火电水系统设备无人巡检监控方法,其特征在于,包括以下步骤:
第一步,通过数据采集模块采集现场设备运行状况信息,并将采集到的数据信息进行转化、封装后通过以太网传输到数据处理分析模块;
第二步,数据处理分析模块将接收到的数据信息进行解析,同时对解析后的数据信息进行处理和分析,获得诊断信息并将该诊断信息发送至故障诊断模块;
第三步,故障诊断模块将接收到的诊断信息进行诊断处理和分析,判断现场设备是否出现故障,最后根据故障情况将控制信号和报警信息通过外挂PLC传输到机组DCS系统,由机组DCS系统进行相应的控制动作和报警显示;
第二步中,数据处理分析模块包括图像处理分析模块,图像处理分析模块利用图像识别技术对采集到的图像信息进行处理、对比和分析,将分析结果发送到故障诊断处理模块;其中,图像处理分析模块进行图像信息处理的具体方法:
将接收到的图像数据包进行解压,解压后获得高清图像文件和图像标签信息,高清图像文件作为待检测图像图片;然后通过图像标签信息在图像匹配库中查找对比用的目标图像;接着,利用图像识别算法计算出待测图像与目标图像的匹配度,同时,通过图像标签信息在设备属性点清单列表中查询对应设备的图像匹配度信息点,最后,将计算所得的匹配度赋值给对应设备的图像匹配度信息点,同时将该数据信息发送至故障诊断模块;
第二步中,数据处理分析模块包括振动处理分析模块,振动处理分析模块进行振动信息数据包处理的具体方法:
S1,将接收到的振动信息数据包进行解析,解析后获得振动信息数据和对应设备的标签信息;
S2,将振动信息数据展现为波形图,并进行分析,通过式(2)进行处理计算,获得振动波形的最大振幅、设定时间段内的平均振动频率和平均振幅,公式如下:
其中,A为振幅,At为t时刻的振动振幅,f为振动频率,为初始相位,Amax为振动最大振幅,/>为振动平均振幅;/>为平均振动频率,T为某一时间段时间,NT为时间段T内振动的周期数;
S3,根据解析所得的对应设备的标签信息在设备属性点清单列表中查询对应设备的振动信息点,同时将S2中所得的最大振幅、平均振动频率、平均振幅和振动方向赋值给对应设备的振动信息点,同时将数据信息送给故障诊断处理模块;
第二步中,数理处理分析模块包括声音处理分析模块,声音处理分析模块进行声音信息处理的具体步骤如下:
S1,解析接收到的声音信息数据包,解析后获得声音信息数据和声音标签信息;
S2,通过式(3)将声音信息数据进行计算,获得声音信息的最高分贝值和平均分贝值,公式如下:
其中,xi为第i次采样值,n为采样数,为平均分贝值,Xmax为最高分贝值;
S3,根据解析所得的声音标签信息在设备属性点清单列表中查询对应设备的声音信息点,将S2中所获得的最分贝值和平均分贝值赋值给对应设备的声音信息点,之后将将数据信息发送给故障诊断处理模块;
第三步中,故障诊断处理模块包括逻辑运算模块、设备组态模块、警报模块和设备维修管理模块,其中,逻辑运算模块接收数据处理分析模块发送的数据信息,根据接收到的数据信息对设备进行故障诊断,同时将故障诊断信息传输到设备组态模块;通过设备组态模块对故障诊断信息进行处理,并将处理结果发送至警报模块,警报模块根据接收到的处理结果向火电机组DCS系统发出控制命令和报警信息,同时将处理结果传输到设备维修管理模块,通过设备维修管理模块生成设备故障工作联系单。
2.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:
第一步中,数据采集模块包括图像采集模块,图像采集模块包括携带摄像装置的无人机平台、图像数据打包模块和图像数据发送模块,其中,图像采集的具体方法为:
无人机平台沿安装在厂房房顶上的导轨移动,导轨上设置有若干个无人机平台进行信息采集的定位位置,无人机平台在导轨上的各个定位位置驻留,图像采集设备进行图像采集,并将采集到的图像信息进行处理生成高清图像;之后将处理后的高清图像传输到图像数据打包模块,通过图像数据打包模块对高清图像添加标签信息;之后进行封装打包,最后通过图像数据发送模块将打包后的图像数据报实时传输到数据处理分析模块。
3.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:
第一步中,数据采集模块包括振动信息采集模块,振动信息采集模块包括安装在动力设备上的振动传感器和设置在厂房内的通信柜,通信柜内设置有通信板卡,通信板卡包括信息处理模块、数据打包模块和网络通信模块;其中,振动传感器将采集到的动力设备的振动信息实时传输到信息处理模块,信息处理模块将接收到的模拟信号转化为数字信号并将数字信号传递到数据打包模块,数据打包模块对转化后的数字信号添加对应设备的标签信息后封装打包,最后通过网络通信模块将振动信息数据包传输到数据处理分析模块。
4.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:
第一步中,数据采集模块包括声音信息采集模块,声音信息采集模块包括设置在无人机平台上的声音传感器、声音信息处理模块和声音发送模块,其中,声音传感器将采集到的声音声响信息通过声音信息处理模块转化为数字信号,最后通过声音发送模块将转化后的声音数据信息通过以太网传输到数据处理分析模块。
5.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:逻辑运算模块对设备进行故障诊断的具体方法:将接收所得的诊断数据信息与预先设定的设备运算中间参数标准值进行对比运算,当诊断数据信息中有一项数据信息超出预先设定的设备运算中间参数标准值,则认定设备故障,否则认定设备正常;最后将诊断故障结果和对应设备KKS码组合包装发送至设备组态模块。
6.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:设备组态模块对诊断故障结果进行处理的具体方法:将接收到的诊断故障结果进行解析,解析后得到设备故障信息和对应设备的KKS码,若设备正常,则不做任何处理;
若设备被认定故障,则检测设备状态,若设备状态为“故障处理”,则不做任何处理;
若设备状态为“正常”时,则首先将设备状态修为“故障处理”,之后查看设备类型,当该设备类型为动力设备时,则将解析后得到的对应设备的KKS码赋值给故障设备信息点;
当该设备类型不是动力设备时,则依次查看该设备的前位设备的设备类型,直到找到动力设备;然后将找到的动力设备设定为目标设备,同时将目标设备的状态修改为“故障处理”;接着将目标设备的KKS码赋值给目标设备信息点,最后,将赋值的故障设备信息点和目标设备信息点发送至警报模块。
7.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:警报模块的具体处理方法:将接收到的故障设备信息点和目标设备信息点进行解析,得到故障设备信息点和目标设备信息点;
若为故障设备信息点时,将故障设备信息点中的设备KKS码在设备属性点清单列表中查询对应设备的警报信息点,同时,将故障设备信息点赋值给查询得到的警报信息点,最后将赋值的警报信息点发送至火电机组DCS系统和设备维修管理模块;
若为目标设备信息点时,将目标设备信息点中的设备KKS码在设备属性点清单列表中查询对应设备的操作信息点,同时,将目标设备信息点赋值给查询得到的操作信息点,最后将赋值的操作信息点发送至火电机组DCS系统。
8.根据权利要求1所述的一种火电水系统设备无人巡检监控方法,其特征在于:设备维修管理模块的具体处理方法:将接收到的故障设备报警信息点进行解析,根据解析得到的对应设备的KKS码查询对应设备的属性信息,自动生成设备维修工作联系单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710495968.XA CN107168294B (zh) | 2017-06-26 | 2017-06-26 | 一种火电水系统设备无人巡检监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710495968.XA CN107168294B (zh) | 2017-06-26 | 2017-06-26 | 一种火电水系统设备无人巡检监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107168294A CN107168294A (zh) | 2017-09-15 |
CN107168294B true CN107168294B (zh) | 2024-01-19 |
Family
ID=59827954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710495968.XA Active CN107168294B (zh) | 2017-06-26 | 2017-06-26 | 一种火电水系统设备无人巡检监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107168294B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133316B (zh) * | 2017-12-19 | 2021-08-06 | 国网冀北电力有限公司张家口供电公司 | 一种供电厂电力设备家族性缺陷的检测方法 |
CN109407064B (zh) * | 2018-12-12 | 2023-01-06 | 北京遥感设备研究所 | 一种雷达设备图像传输故障诊断方法 |
CN109765861A (zh) * | 2018-12-25 | 2019-05-17 | 北京国信杰云科技有限公司 | 一种dcs数据采集系统及方法 |
CN111198525B (zh) * | 2020-01-03 | 2023-09-22 | 扬州海铭石油工程技术有限公司 | 一种基于油田现场设备运转音频监控系统及故障检测方法 |
CN111175651B (zh) * | 2020-01-10 | 2021-12-31 | 河北大学 | 一种基于大数据的风电机组故障预警诊断系统 |
CN112543307A (zh) * | 2020-11-06 | 2021-03-23 | 上海发电设备成套设计研究院有限责任公司 | 监控控制方法、分散控制系统和视频监控系统 |
CN112731293A (zh) * | 2020-12-28 | 2021-04-30 | 杭州电子科技大学 | 一种非接触式的声音与振动联合检测系统及检测方法 |
CN112816060A (zh) * | 2020-12-29 | 2021-05-18 | 杭州电子科技大学 | 一种声音振动联合监测系统及其分析方法 |
CN112924471B (zh) * | 2021-01-26 | 2022-12-09 | 四川华能宝兴河水电有限责任公司 | 一种设备故障诊断系统及其诊断方法 |
CN113256633B (zh) * | 2021-07-09 | 2021-10-26 | 武汉华信数据系统有限公司 | 自动巡检设备管理方法及装置 |
CN113338909B (zh) * | 2021-08-09 | 2021-10-26 | 天津市正方科技发展有限公司 | 一种基于音频的抽油机故障巡检系统及声音采集方法 |
CN114462634A (zh) * | 2021-12-24 | 2022-05-10 | 华能汕头海门发电有限责任公司 | 一种火力发电厂运行故障自动诊断方法 |
CN114584585A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 一种基于物联网的工业设备自诊断系统及方法 |
CN115060665B (zh) * | 2022-08-16 | 2023-01-24 | 君华高科集团有限公司 | 一种食品安全自动巡检系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201714570U (zh) * | 2010-04-26 | 2011-01-19 | 华电电力科学研究院 | 多功能风电机组安全监测及故障诊断装置 |
CN102494894A (zh) * | 2011-11-17 | 2012-06-13 | 高丙团 | 风力发电机组音频监测和故障诊断系统及其方法 |
CN102882724A (zh) * | 2012-09-29 | 2013-01-16 | 西安热工研究院有限公司 | 一种现场总线设备监控管理方法 |
CN102880146A (zh) * | 2012-09-29 | 2013-01-16 | 西安热工研究院有限公司 | 一种现场总线设备监控管理系统 |
CN202956182U (zh) * | 2012-09-24 | 2013-05-29 | 上海宝钢工业技术服务有限公司 | 设备振动状态诊断远程支持系统 |
CN103198595A (zh) * | 2013-03-11 | 2013-07-10 | 成都百威讯科技有限责任公司 | 智能门窗防入侵系统 |
CN103234585A (zh) * | 2013-04-16 | 2013-08-07 | 内蒙古航天亿久科技发展有限责任公司 | 一种大型风电机组在线监测及故障诊断系统 |
CN103913193A (zh) * | 2012-12-28 | 2014-07-09 | 中国科学院沈阳自动化研究所 | 一种基于工业无线技术的设备故障预维护方法 |
CN104935698A (zh) * | 2015-06-23 | 2015-09-23 | 上海卓易科技股份有限公司 | 一种智能终端的拍摄方法、拍摄装置及智能手机 |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
CN205879560U (zh) * | 2016-07-01 | 2017-01-11 | 中国石油大学(北京) | 振动故障诊断装置 |
CN106777622A (zh) * | 2016-12-06 | 2017-05-31 | 山东瀚岳智能科技股份有限公司 | 基于人工智能的机电设备在线故障诊断的方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10533920B2 (en) * | 2014-08-05 | 2020-01-14 | Acoem France | Automatic rotating-machine fault diagnosis with confidence level indication |
JP2017091258A (ja) * | 2015-11-11 | 2017-05-25 | 横河電機株式会社 | フィールド機器、フィールド機器システム、および診断方法 |
-
2017
- 2017-06-26 CN CN201710495968.XA patent/CN107168294B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201714570U (zh) * | 2010-04-26 | 2011-01-19 | 华电电力科学研究院 | 多功能风电机组安全监测及故障诊断装置 |
CN102494894A (zh) * | 2011-11-17 | 2012-06-13 | 高丙团 | 风力发电机组音频监测和故障诊断系统及其方法 |
CN202956182U (zh) * | 2012-09-24 | 2013-05-29 | 上海宝钢工业技术服务有限公司 | 设备振动状态诊断远程支持系统 |
CN102882724A (zh) * | 2012-09-29 | 2013-01-16 | 西安热工研究院有限公司 | 一种现场总线设备监控管理方法 |
CN102880146A (zh) * | 2012-09-29 | 2013-01-16 | 西安热工研究院有限公司 | 一种现场总线设备监控管理系统 |
CN103913193A (zh) * | 2012-12-28 | 2014-07-09 | 中国科学院沈阳自动化研究所 | 一种基于工业无线技术的设备故障预维护方法 |
CN103198595A (zh) * | 2013-03-11 | 2013-07-10 | 成都百威讯科技有限责任公司 | 智能门窗防入侵系统 |
CN103234585A (zh) * | 2013-04-16 | 2013-08-07 | 内蒙古航天亿久科技发展有限责任公司 | 一种大型风电机组在线监测及故障诊断系统 |
CN104935698A (zh) * | 2015-06-23 | 2015-09-23 | 上海卓易科技股份有限公司 | 一种智能终端的拍摄方法、拍摄装置及智能手机 |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
CN205879560U (zh) * | 2016-07-01 | 2017-01-11 | 中国石油大学(北京) | 振动故障诊断装置 |
CN106777622A (zh) * | 2016-12-06 | 2017-05-31 | 山东瀚岳智能科技股份有限公司 | 基于人工智能的机电设备在线故障诊断的方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于加权非局部平均算法的滚动轴承故障诊断;张龙;胡俊锋;熊国良;;振动与冲击(19);全文 * |
导弹武器装备远程监控与故障诊断系统研究;张世英;李仁兵;;战术导弹技术(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107168294A (zh) | 2017-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107168294B (zh) | 一种火电水系统设备无人巡检监控方法 | |
CN111080775A (zh) | 一种基于人工智能的服务器巡检方法及系统 | |
CN109507924B (zh) | 用于油田作业设备的远程监控系统 | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
CN108100794B (zh) | 一种基于ar和智能推送技术的电梯维修管理系统 | |
CN111797725A (zh) | 一种设备状态检测方法、装置及系统 | |
US20220292666A1 (en) | Systems and methods for detecting wind turbine operation anomaly using deep learning | |
CN114169692A (zh) | 一种设备隐患处理系统、方法、电子设备及介质 | |
CN112734207A (zh) | 一种资产运维管理方法及系统 | |
CN111678557A (zh) | 一种电气化铁道牵引变压器智能监测系统及方法 | |
CN114143220A (zh) | 实时数据可视化平台 | |
CN117419814A (zh) | 一种基于电气设备红外热像的图像处理系统 | |
CN116168019B (zh) | 基于机器视觉技术的电网故障检测方法及系统 | |
KR102148903B1 (ko) | 비행체를 이용한 플랜트 ar 능동제어 시스템 | |
CN112541569A (zh) | 一种基于机器学习的传感器在线训练系统和方法 | |
CN116560326A (zh) | 一种智慧工厂管理平台 | |
CN117234156A (zh) | 选矿厂巡检系统及巡检方法 | |
CN116030223A (zh) | 车辆图像生成方法、装置、计算机设备及存储介质 | |
CN114218430A (zh) | 远程协作设备运维系统、方法及装置 | |
CN110991387A (zh) | 一种机器人集群图像识别的分布式处理方法及系统 | |
CN113591251B (zh) | 设备故障温度分析诊断方法 | |
TWI769400B (zh) | 虛擬影像的視覺化監控裝置及其方法 | |
Zheng et al. | Real-time remote data acquisition and process monitoring system for automatic filling line | |
KR102660626B1 (ko) | 현장 검증이 가능한 ai 기반 비전 검사 시스템 및 방법 | |
CN114415575B (zh) | 实时数据驱动的焊接车间三维虚拟监控与智能预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |