CN107473036A - 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 - Google Patents
电梯曳引机远程在线检测与诊断系统及其检测诊断方法 Download PDFInfo
- Publication number
- CN107473036A CN107473036A CN201710638153.2A CN201710638153A CN107473036A CN 107473036 A CN107473036 A CN 107473036A CN 201710638153 A CN201710638153 A CN 201710638153A CN 107473036 A CN107473036 A CN 107473036A
- Authority
- CN
- China
- Prior art keywords
- server
- data
- detection
- traction machine
- elevator traction
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B11/00—Main component parts of lifts in, or associated with, buildings or other structures
- B66B11/04—Driving gear ; Details thereof, e.g. seals
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Civil Engineering (AREA)
- Mechanical Engineering (AREA)
- Structural Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种电梯曳引机远程在线检测与诊断系统及其检测诊断方法,系统包括检测系统服务器和与检测系统服务器连接的无线终端、有线终端;所述电梯曳引机远程在线检测与诊断系统还包括与检测系统服务器连接的在线检测终端,所述在线检测终端包括油液服务器、工艺量服务器和若干个待测电梯曳引机检测终端,所述油液服务器与离线油液颗粒采集仪相连接,所述待测电梯曳引机检测终端包括网络服务器、转换器、路由器和多个物理检测组,所述路由器与多个物理检测组分别连接,所述路由器与转换器、网络服务器依次连接。本发明并提供了上述系统在线检测与诊断的检测诊断方法。本系统功能全面,运行可靠,试验的准确度高。
Description
技术领域
本发明涉及电梯曳引机制造技术领域,具体地说涉及一种电梯曳引机远程在线检测与诊断系统及其检测诊断方法。
背景技术
在电梯完全普及的当下,严格把控电梯运行过程中的安全性、稳定性至关重要,一旦电梯设备发生故障,轻则影响生活生产,重则危害人的安全,而作为电梯重要组成的曳引机部分一直都是各个电梯厂家严格监控的重点。随着电梯产品多样化的发展,结构越复杂、自动化程度越高,设备维护和监测诊断的难度就越大。单靠现场人员自身的力量来解决设备运行中出现的所有问题是十分困难的,借助机械行业内的专家系统进行故障诊断就显得非常必要。
故障诊断技术发展经历了仪表监测、集中式监测和分布式监测系统三个阶段。随着信息技术的发展,远程故障诊断已广泛应用于分布式监测系统中。远程诊断技术是将设备诊断技术与计算机网络技术、数据库技术相结合,用若干台中心计算机作为诊断服务器,在关键设备上建立状态检测点,连续实时地采集设备状态数据;而在技术力量较强的科研院所、大学建立远程分析诊断中心,为企业提供远程技术支持和保障。当检测设备运行出现异常时,通过状态监测服务器可以向异地的诊断分析服务器提供诊断数据,为远程专家分析现场数据提供可靠的数据信息。采用这种诊断方式可以在很短时间内调动互联网的所有诊断资源,实现对设备故障的早期诊断和及时维修。
发明内容
本发明的目的在于针对上述现有技术的缺陷,提供一种电梯曳引机远程在线检测与诊断系统及其检测诊断方法。
为了实现上述目的,本发明的技术方案是:
一种电梯曳引机远程在线检测与诊断系统,包括检测系统服务器和与检测系统服务器连接的无线终端、有线终端;所述电梯曳引机远程在线检测与诊断系统还包括与检测系统服务器连接的在线检测终端,所述在线检测终端包括油液服务器、工艺量服务器和若干个待测电梯曳引机检测终端,所述油液服务器与离线油液颗粒采集仪相连接,所述待测电梯曳引机检测终端包括网络服务器、转换器、路由器和多个物理检测组,所述路由器与多个物理检测组分别连接,所述路由器与转换器、网络服务器依次连接。
作为对上述技术方案的改进,每一个所述物理检测组包括对一个待测电梯曳引机进行物理检测的转速测点、Y轴方向振动及温度测点、Z轴方向振动及温度测点、X轴方向振动及温度测点。
作为对上述技术方案的改进,所述无线终端包括依次连接的短消息服务器、短消息发送服务器、移动通讯设备;所述短消息服务器、短消息发送服务器、移动通讯设备通过基于无线应用协议无线连接。
作为对上述技术方案的改进,所述有线终端包括日志服务器、Web服务器、SMTP邮箱服务器和多个用户人机界面,所述检测系统服务器分别与日志服务器、Web服务器、SMTP邮箱服务器连接,所述日志服务器、Web服务器、SMTP邮箱服务器分别与多个用户人机界面相连接。
作为对上述技术方案的改进,所述用户人机界面可以是台式电脑、笔记本式电脑、IPDA或智能手机。
作为对上述技术方案的改进,所述检测系统服务器内置有SQL Server数据库;所述工艺量服务器内置有PLC数据库、二级数据库、三级数据库。
本发明并提供了一种上述系统在线检测与诊断的检测诊断方法,该检测诊断方法的步骤为:
S1、物理检测组检测温度参数、振动数据参数
S11、物理检测组采用间隔采样的方式采集温度数据;
S12、物理检测组多通道同步采集振动数据,采取定时触发、异常触发、用户触发三种策略获取振动数据,使用最小的数据量最大限度的把有用数据记录下来;
S2、油液数据检测,采用瓶取样测量或压力系统在线测量获取油液数据
S21、将取样油液加入油液颗粒计数仪的进油口后,通过整合键盘输入样品类别、计数器配置和数据输出要求,以便快速进入无错测试和数据保存;
S22、借助内置的内吸式柱塞泵,通过接口将接入离线油液颗粒采集仪进油口的油管与润滑管路的油压检测口连接,通过整合键盘输入样品监别、计数器配置和数据输出要求,进入无错测试和数据保存;
S23、将上述检测原始数据处理后得到的油品的清洁度分析数据(颗粒计数、代码和等级)存储到油液服务器中;
S3、工艺量服务器获取企业PLC数据库、二级数据库、三级数据库中的相应设备的工艺参数;
S4、所述检测系统服务器内置有SQL Server数据库和故障诊断软件,将采集的数据经过故障诊断软件进行诊断分析,实现对设备状态变化的准确预测,并将这种诊断分析结果上传无线终端、有线终端;
S41、采用形态小波的轴承故障诊断分析方法,对信号进行多尺度的形态分解,有效地提取出轴承的故障特征;
S42、采用基于时间序列分析的齿轮故障诊断分析方法,在非线性状态下对齿轮故障模式进行识别;
S43、采用多特征值的趋势分析方法,利用多元线性回归方法拟合出设备振动的变化趋势,通过对设备未来状态的预测,为预知维修提供数据参考;
S44、采用参数的趋势分析方法,利用非线性时间序列分析方法将多元信息拓展到高维空间中,通过研究高维空间中吸引子的演化规律,实现对设备状态变化的准确预测;
S5、无线终端、有线终端显示检测诊断结果。
与现有技术相比,本发明具有的优点和积极效果是:
本发明的电梯曳引机远程在线检测与诊断系统,功能全面,运行可靠,可以远程在线监测曳引机等产品运行时的振动、温度、转速、油样等物理量,且同时检测多个对象,符合流水线上在线自动化测试的需求,极大地减少了人为因素的影响,提高了试验的准确度,具有实用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的系统结构拓扑图;
图2为本发明的数据流程系统示意图;
图3为本发明的故障趋势分析图;
图4为本发明的测点检测软件。
具体实施方式
现在将参照附图来详细描述本发明专利的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明专利的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明专利及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术和设备可能不作详细讨论,但在适当情况下,所述技术和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
如图1、2、3、4所示,本发明的电梯曳引机远程在线检测与诊断系统,包括检测系统服务器16和与检测系统服务器16连接的无线终端、有线终端;所述电梯曳引机远程在线检测与诊断系统还包括与检测系统服务器16连接的在线检测终端,所述在线检测终端包括油液服务器11、工艺量服务器12和若干个待测电梯曳引机检测终端,所述油液服务器11与离线油液颗粒采集仪10相连接,所述待测电梯曳引机检测终端包括网络服务器9、转换器8、路由器7和多个物理检测组6,所述路由器7与多个物理检测组6分别连接,所述路由器7与转换器8、网络服务器9依次连接。
作为对上述技术方案的改进,每一个所述物理检测组6包括对一个待测电梯曳引机1进行物理检测的转速测点2、Y轴方向振动及温度测点3、Z轴方向振动及温度测点4、X轴方向振动及温度测点5。
作为对上述技术方案的改进,所述无线终端包括依次连接的短消息服务器15、短消息发送服务器14、移动通讯设备13;所述短消息服务器15、短消息发送服务器14、移动通讯设备12通过基于无线应用协议无线连接。
作为对上述技术方案的改进,所述有线终端包括日志服务器19、Web服务器18、SMTP邮箱服务器17和多个用户人机界面20,所述检测系统服务器分别与日志服务器19、Web服务器18、SMTP邮箱服务器17连接,所述日志服务器19、Web服务器18、SMTP邮箱服务器17分别与多个用户人机界面20相连接。
作为对上述技术方案的改进,所述用户人机界面20可以是台式电脑、笔记本式电脑、IPDA或智能手机。
作为对上述技术方案的改进,所述检测系统服务器16内置有SQL Server数据库;所述工艺量服务器内置有PLC数据库、二级数据库、三级数据库。
本发明并提供了一种上述系统在线检测与诊断的检测诊断方法,该检测诊断方法的步骤为:
S1、物理检测组检测温度参数、振动数据参数
S11、物理检测组采用间隔采样的方式采集温度数据;
S12、物理检测组多通道同步采集振动数据,采取定时触发、异常触发、用户触发三种策略获取振动数据,使用最小的数据量最大限度的把有用数据记录下来;
S2、油液数据检测,采用瓶取样测量或压力系统在线测量获取油液数据
S21、将取样油液加入油液颗粒计数仪的进油口后,通过整合键盘输入样品类别、计数器配置和数据输出要求,以便快速进入无错测试和数据保存;
S22、借助内置的内吸式柱塞泵,通过接口将接入离线油液颗粒采集仪进油口的油管与润滑管路的油压检测口连接,通过整合键盘输入样品监别、计数器配置和数据输出要求,进入无错测试和数据保存;
S23、将上述检测原始数据处理后得到的油品的清洁度分析数据(颗粒计数、代码和等级)存储到油液服务器中;
S3、工艺量服务器获取企业PLC数据库、二级数据库、三级数据库中的相应设备的工艺参数;
S4、所述检测系统服务器内置有SQL Server数据库和故障诊断软件,将采集的数据经过故障诊断软件进行诊断分析,实现对设备状态变化的准确预测,并将这种诊断分析结果上传无线终端、有线终端;
S41、采用形态小波的轴承故障诊断分析方法,对信号进行多尺度的形态分解,有效地提取出轴承的故障特征;
S42、采用基于时间序列分析的齿轮故障诊断分析方法,在非线性状态下对齿轮故障模式进行识别;
S43、采用多特征值的趋势分析方法,利用多元线性回归方法拟合出设备振动的变化趋势,通过对设备未来状态的预测,为预知维修提供数据参考;
S44、采用参数的趋势分析方法,利用非线性时间序列分析方法将多元信息拓展到高维空间中,通过研究高维空间中吸引子的演化规律,实现对设备状态变化的准确预测;
S5、无线终端、有线终端显示检测诊断结果。
本发明的电梯曳引机远程在线检测与诊断系统多物理测点布置、多数据实时传输、层次的设备状态监测模式、多维数据图形分析功能、多形式监测信息访问方式、多维报警功能、多种格式报告功能、多频率自动识别功能、辅助分析功能,可实现常规在线监测、定期数据保存、历史数据追溯、趋势分析、监测报表自动生成、以及由用户自定采样参数进行实时数据采集和故障诊断功能。
所述的多物理测点布置包括每个电梯曳引机系统分别布置多个三个振动加速度温度一体化传感器测点、一个转速测点以及一个润滑油含水量测点,可同时检测若干个曳引机形成拓扑网络结构。
所述多数据实时传输包括系统利用TCP/IP网络协议,构成基于浏览器/服务器的数据传输模式,并采用可跨平台的网络编程语言编写实时在线监测程序。程序每隔1000ms去读取SQL Server数据库服务器上的当前值表中的数据,再把数据以波形图、柱状图和虚拟仪表的统计值等形式显示在网页中,从而实现时实在线监测功能。客户端使用WWW浏览器浏览相应的监测页面。
所述的多层次的设备状态监测模式包括系统所提供的线监测、机组监测、测点监测的逐层监测模式,用户可以方便地了解所有待检测电梯曳引机的总体状态信息、机组的局部状态信息和测点的详细状态信息。
所述的多维数据图形分析功能包括系统通过三维设备简图直观地描述了设备及测点的分布情况,在设备状态的监测画面中,用户可以通过趋势图、频谱图、时域波形图、瀑布图、频率趋势图等多种图形,使得网络中任何被授权人员都可随时监测、分析和诊断机组的状态。
所述的多形式检测信息访问方式包括三种方式访问系统的功能模块:基于客户端/服务器(Client/Server)模式的远程访问、基于浏览器/服务器(Browser/Server)模式的远程访问、基于无线应用协议(Wireless Application Protocol)的手机远程访问。
所述的多维报警功能包括基于工艺量的自适应报警、基于时域特征值的多维报警、基于频率成分的综合报警、多种报警信息即时通知功能。
所述科学地提取相关工艺参数包括通过相关接口的开发,获取企业PLC数据库、二级数据库、三级数据库中的相应设备的工艺参数,为用户做出正确的故障诊断提供了便利。
所述故障诊断软件包括以带钢热连轧机组中的齿轮、轴承为监测对象,利用常规分析方法以及新的信号处理方法对齿轮的磨损、疲劳点蚀、裂纹等故障,轴承的内圈、外圈、保持架、滚动体等故障进行综合分析与处理。
本检测系统主要基于多个关键诊断分析方法:
1、形态小波的轴承故障诊断分析方法:由于电梯曳引机系统的工况复杂,所采集到的信号往往含有大量的噪声,使得轴承信号的故障频率及其倍频、边频等成分被噪声所淹没,造成故障模式难以识别。形态小波方法通过对信号进行多尺度的形态分解后,能更有效地提取出轴承的故障特征,为提高故障诊断的准确性提供了新的分析手段。
2、基于时间序列分析的齿轮故障诊断分析方法:设备在运行过程中,尤其是在出现故障时,其动力学行为常常具有非线性特征。由于非线性动力学系统的内在随机性以及测量误差,所获取的信号往往是一组带有噪声的非线性时间序列。在传统时间序列分析方法的基础上,研究了奇异谱、局部投影、主流形识别等新方法,主要解决在非线性状态下的齿轮故障模式识别问题。
3、多特征值的趋势分析方法:如振动中的有效值、峰峰值、峭度指标、波形因子等信息,利用多元线性回归方法拟合出设备振动的变化趋势。通过对设备未来状态的预测,为预知维修提供数据参考。
4、参数的趋势分析方法:如振动、温度、油液等数据,利用非线性时间序列分析方法将多元信息拓展到高维空间中,通过研究高维空间中吸引子的演化规律,实现对设备状态变化的准确预测。
本系统采用基于规则推理与基于案例推理相结合的思想,前者是构建专家系统最常用的方法,后者依据相似问题有相似的解,非常适于已经积累丰富案例的领域,将过去已有的大量诊断案例和可能发生的故障及其征兆作为知识来源,并把有关诊断对象的结构和基本原理的知识装入知识库中,建立了一个有效、实用的智能故障诊断专家系统。
本系统可以实现齿面磨损、齿轮偏心、齿轮疲劳剥落、齿轮裂纹、轴承内圈故障、轴承外圈故障、滚动体故障等各种常见故障的诊断。进行故障诊断时可分为两种模式进行:自动诊断与对话诊断。自动诊断可以在完全没有人工参与的情况下,自动获得故障征兆,完成推理过程,给出诊断结果。用户还可通过对话诊断与系统进行交互,对系统自动选择的征兆进行修改、删除、添加等操作,提高了诊断结果的准确度。知识库是专家系统进行推理的重要依据,知识库的管理与维护功能实现了知识的查询、编辑、增加、删除等及知识的一致性、冗余性和完整性检查,以人机对话方式进行,操作简便实用。此外,系统还提供了诊断报告自动存储、报表打印、事故追忆等功能。
系统的主要特点有:征兆信息类型多样,包括了振动数据、温度数据、油品分析数据和设备运行参数等;自动获取征兆,时域特征值、故障特征频率、温度等故障征兆无需用户向专家系统输入;知识库完备,除了包含领域专家的经验知识即浅知识外,还包括诊断对象的结构模型、功能模型和因果网络模型等所谓的深知识;诊断知识库可编辑,用户可以添加自己的诊断经验,也可以修改已有的诊断规则和诊断案例;采用浅层规则推理和深层模型推理相结合的混合推理策略,保障推理结果的合理性;基于分层诊断策略,基于案例的高层诊断模块原则上主要用于诊断过程的剪枝,缩小低层诊断模块的搜索范围,大大提高了系统的求解效率。
数据采用数据库存储与数据文件存储相结合的方式,利于用户快速检索所需数据。在嵌入式采集系统和服务器同时提供数据缓存,最大限度的保证了数据安全可靠的传输,同时大容量的数据存储容量满足用户大数据量的存储需求,人性化的数据存储策略,使系统可以用最小的存储空间把有用数据尽可能多的保留下来。
系统采用SQL Server 2005大型数据库作为数据管理的平台,并提供了智能查询、动态建表等数据深层服务,可以对各种静态、动态数据进行高效有序的管理。数据分别包括:
1、温度数据:由于温度是缓变量,温度数据采用间隔采样的方式,即每个节点每分钟采集一个温度数据,采样周期可由用户自由设定。系统还为报警测点提供了“绿色通道”,当测点发现报警事件后,能够加快采样频率,获得更多的报警信息,并能够完整的保存报警事件发生时的信息,为后期的故障诊断提供了丰富的资源。
2、振动数据:信号采集站可以多通道同步采集,每通道可达到50k同步采样频率,从而可以获取准确丰富的设备振动状态信息。为了使监测系统能够准确获得设备状态信息,又避免造成信息过多带来的信息处理及存储难度增大等诸多问题,监测系统采取定时触发、异常触发、用户触发三种策略,优化系统数据的获取,使用最小的数据量最大限度的把有用数据记录下来。1)定时触发策略。监测系统会定时将采集的一分钟数据通过运算其特征值,取得一分钟内最能反映设备工作状态的一组数据,并传输到服务器存储,可以方便用户日后精密分析系统的变化趋势。2)异常触发策略。当监测数据的特征值显示设备工作异常时,信号采集站会将原始数据传输到服务器,报警提醒用户采取相应的处理措施。有利于被监测对象出现故障时,用户能够精密分析故障的原因,而监测对象正常工作时又节约了存储空间。3)用户触发策略。当用户察觉监测对象有异常存在时,可以通过点击相应的设置项将信号采集站的原始数据传输到服务器,用于精密分析设备工作状态。
3、油液数据:1)瓶取样测量:取样需要使用超净玻璃容器,其操作按照ISO3722《液压传动–取样容器清洗方法的鉴定》标准进行。将取样油液加入油液颗粒计数仪的进油口后,通过整合键盘输入样品类别、计数器配置和数据输出要求,以便快速进入无错测试和数据保存。2)压力系统在线测量:取样借助内置的内吸式柱塞泵,其采样不受压力和流量影响。通过特制接口将接入油液颗粒计数仪进油口的油管与润滑管路的油压检测口连接,通过整合键盘输入样品监别、计数器配置和数据输出要求,以便快速进入无错测试和数据保存,废弃油品需要使用容器收集。
无论通过瓶取样测量,还是压力系统的在线测量,当原始数据采集完成后,通过连接电缆将油液颗粒计数仪与离线油液颗粒计数服务器连接,在数据程序的提示和帮助下,经过简单操作将经过处理的油品的清洁度分析数据(颗粒计数、代码和等级)存储到后台服务器中。
本系统软件完全自主开发,具有自主知识产权。系统可接受精密点检系统的数据,并具备OPC数据服务器,同时能为企业ERP系统的数据通讯提供接口。系统能够为离线油液分析系统、离线振动数据分析系统提供接口,使得离线分析实验室的设备能够无缝接入系统,方便企业进行数据管理和分析诊断。系统配置灵活,可根据用户的需求进行软硬件的配置。
与现有技术相比,本发明具有的优点和积极效果是:
本发明的电梯曳引机远程在线检测与诊断系统,功能全面,运行可靠,可以远程在线监测曳引机等产品运行时的振动、温度、转速、油样等物理量,且同时检测多个对象,符合流水线上在线自动化测试的需求,极大地减少了人为因素的影响,提高了试验的准确度,具有实用价值。
上述各实施例主要重点描述与其他实施例的不同之处,但本领域技术人员应当清楚的是,上述各实施例可以根据需要单独使用或者相互结合使用。
虽然已经通过示例对本发明专利的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明专利的范围。本领域的技术人员应该理解,可在不脱离本发明专利的范围和精神的情况下,对以上实施例进行修改。本发明专利的范围由所附权利要求来限定。
Claims (7)
1.一种电梯曳引机远程在线检测与诊断系统,其特征在于:包括检测系统服务器和与检测系统服务器连接的无线终端、有线终端;所述电梯曳引机远程在线检测与诊断系统还包括与检测系统服务器连接的在线检测终端,所述在线检测终端包括油液服务器、工艺量服务器和若干个待测电梯曳引机检测终端,所述油液服务器与离线油液颗粒采集仪相连接,所述待测电梯曳引机检测终端包括网络服务器、转换器、路由器和多个物理检测组,所述路由器与多个物理检测组分别连接,所述路由器与转换器、网络服务器依次连接。
2.根据权利要求1所述的电梯曳引机远程在线检测与诊断系统,其特征在于:每一个所述物理检测组包括对一个待测电梯曳引机进行物理检测的转速测点、Y轴方向振动及温度测点、Z轴方向振动及温度测点、X轴方向振动及温度测点。
3.根据权利要求1所述的电梯曳引机远程在线检测与诊断系统,其特征在于:所述无线终端包括依次连接的短消息服务器、短消息发送服务器、移动通讯设备;所述短消息服务器、短消息发送服务器、移动通讯设备通过基于无线应用协议无线连接。
4.根据权利要求1所述的电梯曳引机远程在线检测与诊断系统,其特征在于:所述有线终端包括日志服务器、Web服务器、SMTP邮箱服务器和多个用户人机界面,所述检测系统服务器分别与日志服务器、Web服务器、SMTP邮箱服务器连接,所述日志服务器、Web服务器、SMTP邮箱服务器分别与多个用户人机界面相连接。
5.根据权利要求1所述的电梯曳引机远程在线检测与诊断系统,其特征在于:所述用户人机界面可以是台式电脑、笔记本式电脑、IPDA或智能手机。
6.根据权利要求1所述的电梯曳引机远程在线检测与诊断系统,其特征在于:所述检测系统服务器内置有SQL Server数据库;所述工艺量服务器内置有PLC数据库、二级数据库、三级数据库。
7.一种如权利要求1-6中任一种所述电梯曳引机远程在线检测与诊断系统的检测诊断方法,该检测诊断方法的步骤为:
S1、物理检测组检测温度参数、振动数据参数
S11、物理检测组采用间隔采样的方式采集温度数据;
S12、物理检测组多通道同步采集振动数据,采取定时触发、异常触发、用户触发三种策略获取振动数据,使用最小的数据量最大限度的把有用数据记录下来;
S2、油液数据检测,采用瓶取样测量或压力系统在线测量获取油液数据
S21、将取样油液加入油液颗粒计数仪的进油口后,通过整合键盘输入样品类别、计数器配置和数据输出要求,以便快速进入无错测试和数据保存;
S22、借助内置的内吸式柱塞泵,通过接口将接入离线油液颗粒采集仪进油口的油管与润滑管路的油压检测口连接,通过整合键盘输入样品监别、计数器配置和数据输出要求,进入无错测试和数据保存;
S23、将上述检测原始数据处理后得到的油品的清洁度分析数据(颗粒计数、代码和等级)存储到油液服务器中;
S3、工艺量服务器获取企业PLC数据库、二级数据库、三级数据库中的相应设备的工艺参数;
S4、所述检测系统服务器内置有SQL Server数据库和故障诊断软件,将采集的数据经过故障诊断软件进行诊断分析,实现对设备状态变化的准确预测,并将这种诊断分析结果上传无线终端、有线终端;
S41、采用形态小波的轴承故障诊断分析方法,对信号进行多尺度的形态分解,有效地提取出轴承的故障特征;
S42、采用基于时间序列分析的齿轮故障诊断分析方法,在非线性状态下对齿轮故障模式进行识别;
S43、采用多特征值的趋势分析方法,利用多元线性回归方法拟合出设备振动的变化趋势,通过对设备未来状态的预测,为预知维修提供数据参考;
S44、采用参数的趋势分析方法,利用非线性时间序列分析方法将多元信息拓展到高维空间中,通过研究高维空间中吸引子的演化规律,实现对设备状态变化的准确预测;
S5、无线终端、有线终端显示检测诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710638153.2A CN107473036A (zh) | 2017-07-31 | 2017-07-31 | 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710638153.2A CN107473036A (zh) | 2017-07-31 | 2017-07-31 | 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107473036A true CN107473036A (zh) | 2017-12-15 |
Family
ID=60597298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710638153.2A Pending CN107473036A (zh) | 2017-07-31 | 2017-07-31 | 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107473036A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991870A (zh) * | 2017-12-05 | 2018-05-04 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
CN108529380A (zh) * | 2018-03-27 | 2018-09-14 | 深圳市永达电子信息股份有限公司 | 电梯安全预测方法及系统 |
CN109655106A (zh) * | 2018-07-30 | 2019-04-19 | 杭州哲达科技股份有限公司 | 一种用于运转设备安康实时监测系统 |
CN110422725A (zh) * | 2019-08-18 | 2019-11-08 | 浙江梅轮电梯股份有限公司 | 基于非线性形态共振模型的电梯防坠独立式安全监测方法 |
EP3643668A1 (en) * | 2018-10-22 | 2020-04-29 | Otis Elevator Company | System for tracking elevator ride quality |
CN111960208A (zh) * | 2020-07-29 | 2020-11-20 | 康力电梯股份有限公司 | 一种电梯远程数据采集方法和系统 |
CN114927205A (zh) * | 2022-05-06 | 2022-08-19 | 透彻影像(北京)科技有限公司 | 一种基于人工智能病理辅助诊断系统的部署监控系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007182282A (ja) * | 2006-01-05 | 2007-07-19 | Hitachi Building Systems Co Ltd | 油圧エレベータ異常振動診断装置及び油圧エレベータ異常振動診断方法 |
CN101941623A (zh) * | 2010-09-30 | 2011-01-12 | 深圳技师学院 | 一种曳引机检测或诊断系统 |
CN102491140A (zh) * | 2011-12-27 | 2012-06-13 | 阳西县电梯配件有限公司 | 基于特征信号的电梯安全检测装置及电梯安全检测方法 |
CN103626003A (zh) * | 2012-08-27 | 2014-03-12 | 深圳市一兆科技发展有限公司 | 一种电梯故障检测方法和系统 |
CN104925613A (zh) * | 2015-06-03 | 2015-09-23 | 安徽中科智能高技术有限责任公司 | 一种电梯在线安全检测预警装置及其检测预警方法 |
CN105717903A (zh) * | 2016-04-29 | 2016-06-29 | 北京欧洛普过滤技术开发公司 | 一种基于互联网的在线油液检测系统 |
CN205719894U (zh) * | 2016-04-29 | 2016-11-23 | 北京欧洛普过滤技术开发公司 | 一种油液污染度检测仪 |
-
2017
- 2017-07-31 CN CN201710638153.2A patent/CN107473036A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007182282A (ja) * | 2006-01-05 | 2007-07-19 | Hitachi Building Systems Co Ltd | 油圧エレベータ異常振動診断装置及び油圧エレベータ異常振動診断方法 |
CN101941623A (zh) * | 2010-09-30 | 2011-01-12 | 深圳技师学院 | 一种曳引机检测或诊断系统 |
CN102491140A (zh) * | 2011-12-27 | 2012-06-13 | 阳西县电梯配件有限公司 | 基于特征信号的电梯安全检测装置及电梯安全检测方法 |
CN103626003A (zh) * | 2012-08-27 | 2014-03-12 | 深圳市一兆科技发展有限公司 | 一种电梯故障检测方法和系统 |
CN104925613A (zh) * | 2015-06-03 | 2015-09-23 | 安徽中科智能高技术有限责任公司 | 一种电梯在线安全检测预警装置及其检测预警方法 |
CN105717903A (zh) * | 2016-04-29 | 2016-06-29 | 北京欧洛普过滤技术开发公司 | 一种基于互联网的在线油液检测系统 |
CN205719894U (zh) * | 2016-04-29 | 2016-11-23 | 北京欧洛普过滤技术开发公司 | 一种油液污染度检测仪 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991870A (zh) * | 2017-12-05 | 2018-05-04 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
CN107991870B (zh) * | 2017-12-05 | 2020-10-27 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
CN108529380A (zh) * | 2018-03-27 | 2018-09-14 | 深圳市永达电子信息股份有限公司 | 电梯安全预测方法及系统 |
CN108529380B (zh) * | 2018-03-27 | 2021-01-19 | 深圳市永达电子信息股份有限公司 | 电梯安全预测方法及系统 |
CN109655106A (zh) * | 2018-07-30 | 2019-04-19 | 杭州哲达科技股份有限公司 | 一种用于运转设备安康实时监测系统 |
EP3643668A1 (en) * | 2018-10-22 | 2020-04-29 | Otis Elevator Company | System for tracking elevator ride quality |
CN110422725A (zh) * | 2019-08-18 | 2019-11-08 | 浙江梅轮电梯股份有限公司 | 基于非线性形态共振模型的电梯防坠独立式安全监测方法 |
CN110422725B (zh) * | 2019-08-18 | 2021-04-02 | 浙江梅轮电梯股份有限公司 | 基于非线性形态共振模型的电梯防坠独立式安全监测方法 |
CN111960208A (zh) * | 2020-07-29 | 2020-11-20 | 康力电梯股份有限公司 | 一种电梯远程数据采集方法和系统 |
CN114927205A (zh) * | 2022-05-06 | 2022-08-19 | 透彻影像(北京)科技有限公司 | 一种基于人工智能病理辅助诊断系统的部署监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107473036A (zh) | 电梯曳引机远程在线检测与诊断系统及其检测诊断方法 | |
Chen et al. | Health indicator construction of machinery based on end-to-end trainable convolution recurrent neural networks | |
US11092466B2 (en) | Internet of things based conveyance having predictive maintenance | |
CN110347116B (zh) | 一种基于运行数据流的机床状态监测系统与监测方法 | |
Wang et al. | An IoT application for fault diagnosis and prediction | |
Galar et al. | Context awareness for maintenance decision making: A diagnosis and prognosis approach | |
CN100465842C (zh) | 数据分析系统和方法 | |
CN113469060A (zh) | 多传感器融合卷积神经网络航空发动机轴承故障诊断方法 | |
Tran et al. | Machine learning and IoT-based approach for tool condition monitoring: A review and future prospects | |
CN111651530B (zh) | 一种智能化港口监测系统 | |
CN116070154B (zh) | 一种大型轴承保持器的故障检测方法、设备及介质 | |
Qin et al. | Remaining useful life prediction for rotating machinery based on optimal degradation indicator | |
CN110455397A (zh) | 一种基于lstm的工厂设备故障光纤传感方法和系统 | |
KR102540257B1 (ko) | Esg 경영을 위한 인공지능 기반 환경설비 및 산업플랜트 관리 서비스 시스템 | |
CN113849774A (zh) | 基于寿命分析和健康监测的设备智能维护平台 | |
Jarwar et al. | NEAT: A resilient deep representational learning for fault detection using acoustic signals in IIoT environment | |
Zhou et al. | Discrete entropy-based health indicator and LSTM for the forecasting of bearing health | |
Marquez et al. | Digital twins in condition-based maintenance apps: A case study for train axle bearings | |
CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
Tolas et al. | Periodicity detection algorithm and applications on IoT data | |
Luan et al. | Bearing fault damage degree identification method based on SSA-VMD and Shannon entropy–exponential entropy decision | |
Galar | Context-driven Maintenance: an eMaintenance approach | |
Duan et al. | A Spatio-temporal Fusion Autoencoder-based Health Indicator Automatic Construction Method for Rotating Machinery Considering Vibration Signal Expression | |
Lorenti et al. | Cuad-mo: Continuos unsupervised anomaly detection on machining operations | |
Wang et al. | Wavelet Packet Transform‐Assisted Least Squares Support Vector Machine for Gear Wear Degree Diagnosis |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171215 |