CN108928744B - 一种基于大数据的集装箱起重机在线诊断及维护系统 - Google Patents

一种基于大数据的集装箱起重机在线诊断及维护系统 Download PDF

Info

Publication number
CN108928744B
CN108928744B CN201810873592.6A CN201810873592A CN108928744B CN 108928744 B CN108928744 B CN 108928744B CN 201810873592 A CN201810873592 A CN 201810873592A CN 108928744 B CN108928744 B CN 108928744B
Authority
CN
China
Prior art keywords
crane
layer
data
fault
sensor
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
Application number
CN201810873592.6A
Other languages
English (en)
Other versions
CN108928744A (zh
Inventor
钟建明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LIXIN YURUO INFORMATION TECHNOLOGY Co.,Ltd.
Original Assignee
Lixin Yuruo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lixin Yuruo Information Technology Co ltd filed Critical Lixin Yuruo Information Technology Co ltd
Priority to CN201810873592.6A priority Critical patent/CN108928744B/zh
Publication of CN108928744A publication Critical patent/CN108928744A/zh
Application granted granted Critical
Publication of CN108928744B publication Critical patent/CN108928744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B66HOISTING; LIFTING; HAULING
    • B66CCRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C15/00Safety gear
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B66HOISTING; LIFTING; HAULING
    • B66CCRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00Other constructional features or details
    • B66C13/16Applications of indicating, registering, or weighing devices

Abstract

本发明提供一种基于大数据的集装箱起重机在线诊断及维护系统,包括:起重机设备层,传感器层,网络层,数据分析层,数据应用层和商业系统层;起重机设备层接收起重机的运行参数;传感器层接收起重机重要部位的传感器信号;网络层将运行参数和传感器信号传输至数据分析层;数据分析层中预设起重机正常运行模型和故障模型,将运行参数和传感器信号与模型相比较,从而判断起重机的运行状态;数据应用层根据运行参数和传感器信号预测起重机在未来一段时间的运行状态,并以此生成故障预警;商业系统层设定外部数据接口,并将数据分析层、数据应用层的数据向外输出。本发明实现对多码头多起重机的实时监测,有效地对码头起重机进行管理。

Description

一种基于大数据的集装箱起重机在线诊断及维护系统
技术领域
本发明涉及起重机维护系统,特别是一种基于大数据的集装箱起重机在线诊断及维护系统。
背景技术
集装箱起重机是集装箱码头的主要工作设备,其良好状态和高效工作决定了码头的生产效率和经济收益。同时该类起重机是集机、电、液和计算机控制技术于一体的结构庞大、技术复杂的搬运装卸设备,单机采购成本很高,维护费用也是企业日常运营的主要成本。因此对于集装箱码头的运维部门来说,做好起重机的日常保养和维护工作、保证起重机随时可以运行并尽可能降低成本是基本的工作要求。
通常起重机的维保工作由二部分组成:一是司机开机前的巡检和试车运行。巡检包括有无异物检查、主要部件外观观察等;然后司机在正式作业前慢速驱动各主要机构,通过视觉、听觉和触觉等手段观察起重机运动状况,判断起重机是否可以正常运行。二是码头维保部门日常的点检和定期的检查和维护等工作。这些维保工作主要集中在钢丝绳检查、减速器、制动器等易损器件上。
但是上述常规的维保工作,一般都存在以下问题:没有定期保养的策略,一般都是在起重机发生故障或明显异常时才进行维修或保养;由于码头上起重机的数量众多,采用人工监测的方式对起重机进行巡检或故障检测效率低下,耗费的人工成本过高。
发明内容
针对上述问题,本发明旨在提供一种基于大数据的集装箱起重机在线诊断及维护系统。
本发明的目的采用以下技术方案来实现:
一种基于大数据的集装箱起重机在线诊断及维护系统,包括:起重机设备层,传感器层,网络层,数据分析层,数据应用层和商业系统层;
起重机设备层接收起重机的运行参数;
传感器层接收起重机重要部位的传感器信号;
网络层将运行参数和传感器信号传输至数据分析层;
数据分析层中预设起重机正常运行模型和故障模型,将运行参数和传感器信号与模型相比较,从而判断起重机的运行状态;
数据应用层根据运行参数和传感器信号预测起重机在未来一段时间的运行状态,并以此生成故障预警;
商业系统层设定外部数据接口,并将数据分析层、数据应用层的数据向外输出。
优选地,所述起重机的运行参数包括:起重机实时运行数据;故障数据;起重机基本信息参数。
优选地,所述起重机实时运行数据包括电机、起重机结构、制动器、小车、减速器、变速箱的运行参数。
优选地,所述重要部位的传感器包括光栅应变传感器、位移传感器、温度传感器、振动传感器、监控摄像头、电流电压传感器。
优选地,当所述数据分析层中判断为故障时,数据分析层将正常模型的参数传输至起重机。
优选地,数据应用层中预设起重机的运行参数阈值和重要部位阈值,数据应用层根据一段时间内的运行参数和传感器信号,预测下一段时间内的运行参数和传感器信号,并将预测的运行参数和传感器信号与运行参数阈值和重要部位阈值相比较,从而生成故障预警。
优选地,传感器层中,传感器采集的数据,通过信号调理采集器、智能网关、3G\4G网络、工业总线等汇总到设置在码头的服务器上。
优选地,网络层中,将汇总到单个码头的服务器上的数据通过专用网路传输到云平台数据库中。
优选地,所述数据分析层、数据应用层和商业系统层均设置在云平台中。
优选地,数据分析层根据运行参数和传感器信号进行载荷谱分析,应力谱分析,故障模型,寿命预测,预防性维护分析、零部件备件分析等。
优选地,所述商业系统层将本发明系统中获取的数据和分析结果传输到不同码头上的运维系统中。
本发明通过起重机设备层和传感器层实现了对起重机结构和机构的全面检测,实时检测起重机的运行状态,并上传到云端进行统一管理,实现对多码头多起重机的实时监测,有效地对码头起重机进行管理;通过对采集的运行参数和传感器信号进行分析,对起重机进行在线故障诊断和预防性维护分析,判断起重机存在或可能存在的故障隐患,供码头管理者及时作出相应的措施,能够增强起重机的可靠性,大大降低了设备的停机时间,提高了起重机的效益;通过商业系统层实现与不同码头的应用系统进行数据传输,能够同时对多个码头进行线上管理,适应性强。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图。
附图标记:
起重机设备层1、传感器层2、网络层3、数据分析层4、数据应用层5、商业系统层6
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1,其示出一种基于大数据的集装箱起重机在线诊断及维护系统,包括:起重机设备层1,传感器层2,网络层3,数据分析层4,数据应用层5和商业系统层6;
起重机设备层1接收起重机的运行参数;
传感器层2接收起重机重要部位的传感器信号;
网络层3将运行参数和传感器信号传输至数据分析层4;
数据分析层4中预设起重机正常运行模型和故障模型,将运行参数和传感器信号与模型相比较,从而判断起重机的运行状态;
数据应用层5根据运行参数和传感器信号预测起重机在未来一段时间的运行状态,并以此生成故障预警;
商业系统层6设定外部数据接口,并将数据分析层4、数据应用层5的数据向外输出。
优选地,所述起重机的运行参数包括:起重机实时运行数据;故障数据;起重机基本信息参数等。
优选地,所述起重机实时运行数据包括电机、起重机结构、制动器、小车、减速器、变速箱等的运行参数。
优选地,所述重要部位的传感器包括光栅应变传感器、位移传感器、温度传感器、振动传感器、监控摄像头、电流电压传感器等。
优选地,当所述数据分析层4中判断为故障时,数据分析层4将正常模型的参数传输至起重机。
优选地,数据应用层5中预设起重机的运行参数阈值和重要部位阈值,数据应用层5根据一段时间内的运行参数和传感器信号,预测下一段时间内的运行参数和传感器信号,并将预测的运行参数和传感器信号与运行参数阈值和重要部位阈值相比较,从而生成故障预警。
优选地,传感器层2中,传感器采集的数据,通过信号调理采集器、智能网关、3G\4G网络、工业总线等汇总到设置在码头的服务器上。
优选地,网络层3中,将汇总到单个码头的服务器上的数据通过专用网路传输到云平台数据库中。
优选地,所述数据分析层4、数据应用层5和商业系统层6均设置在云平台中。
优选地,数据分析层4根据运行参数和传感器信号进行载荷谱分析,应力谱分析,故障模型,寿命预测,预防性维护分析、零部件备件分析等。
优选地,所述商业系统层6将本发明系统中获取的数据和分析结果传输到不同码头上的运维系统中。
本发明通过起重机设备层1和传感器层2实现了对起重机结构和机构的全面检测,实时检测起重机的运行状态,并上传到云端进行统一管理,实现对多码头多起重机的实时监测,有效地对码头起重机进行管理;通过对采集的运行参数和传感器信号进行分析,对起重机进行在线故障诊断和预防性维护分析,判断起重机存在或可能存在的故障隐患,供码头管理者及时作出相应的措施,能够增强起重机的可靠性,大大降低了设备的停机时间,提高了起重机的效益;通过商业系统层6实现与不同码头的应用系统进行数据传输,能够同时对多个码头进行线上管理,适应性强。
优选地,所述数据分析层4进行零部件备件分析,进一步包括:
1)分析获取起重机重要零部件如起重机结构的部件、变速器、制动器、发动机、钢丝绳等的更换周期;
2)根据零部件的更换周期决定备件的购买量;
优选地,所述分析获取起重机重要零部件的更换周期,其中采用的更换周期函数为:
Figure BDA0001752736320000041
式中,BGy表示起重机零部件y的最佳更换周期,X表示使用零部件y的起重机的总数,
Figure BDA0001752736320000042
表示显著水平为
Figure BDA0001752736320000043
自由度为R-1的t分布值,Ry和Uy分别表示零部件y的故障强度参数,a表示设定的可接受零部件故障概率;
其中所述故障强度参数根据故障强度模型K(t)=RtU获取,式中K(t)表示零部件在运行t时刻后的总故障率,R和U分别表示故障强度参数,具体获取方式为:对零部件y进行故障测试,采集零部件y随时间变化t的总故障率K(t),将相应的时间t′和总故障率K(t′)代入上述故障强度模型获取最优故障强度参数Ry和Uy,Rx,y表示起重机x中零部件y的故障强度参数。
本发明数据分析层4通过上述方式判断起重机零部件的更换周期将获取的更换周期发送到码头运维系统中指导运维人员对起重机的零部件进行更换,能够根据该零部件的故障强度模型同时最优化更换成本和保证低故障率,有效地降低因零部件在长时间工作下导致老化而造成起重机故障的概率,并同时降低了零部件的更换成本;同时,根据零部件的更换周期,能够以此为依据获取该部件的备件量,避免了备件的浪费,节约了对起重机运维的成本。
优选地,所述数据分析层4进行预防性维护分析,进一步包括:通过在起重机上安装专用的信号采集设备,包括起重机金属结构应力、震动等信号传感器,机构的震动、温度等信号传感器,专用的信号采集监视设备等。对采集的信号进行分析和预测,判断不同类型信号的变化趋势,将获取的预测信号和设定的关键指标阈值进行比较,从而决定反应的对策,如通知码头运维系统等。
优选地,所述数据分析层4进行预防性维护分析,还进一步包括:
分析获取起重机的预防性保养周期,根据获取的预防性保养周期制定起重机的预防性保养时间表,供运维人员根据该时间表对起重机进行预防性保养。
优选地,所述分析获取起重机的预防性保养周期,其中保养周期QG满足下列函数:
Figure BDA0001752736320000051
式中,QG表示最佳预防性保养周期,P(t)表示起重机运行t时刻后综合故障率,
Figure BDA0001752736320000052
表示进行预防性保养所需的时间,
Figure BDA0001752736320000053
表示起重机发生故障时故障维修所需的时间,
Figure BDA0001752736320000054
表示周期时间为QG内故障发生概率,P(QG)表示起重机在时间周期QG内的平均故障率;FYa表示进行预防性保养所需的费用;FYb表示在保养周期内,发生故障而进行故障维修所需的费用,其中FYb包括了故障维修费用及因故障维修停机所带来的停产损失费用,ZTI、ZFY和ZP分别表示设定的权重因子。
本发明数据分析层4通过上述方式获取起重机的预防性保养周期,综合考虑了预防性保养所需的时间和费用成本,有效地确定最佳的预防性保养周期,并指导码头运维系统根据此预防性保养周期对起重机进行预防性保养,提高起重机运行的可靠性,有效地减少起重机停机的时间,降低了停机损失的成本,节约了运维成本。
当同一码头有多个起重机需要在同一时间段内进行预防性保养,系统对所述需要预防性保养的多个起重机进行数据采集,分析其预防性保养优先级,并根据获取的预防性保养优先级获取所述起重机的预防性保养次序,并将获取的次序发送到该码头的运维系统中。
优选地,所述数据分析层4还进一步包括:获取统一时间段内需要保养的起重机的预防性保养优先级,其中采用的预防性保养优先级函数为:
Figure BDA0001752736320000061
式中,
Figure BDA0001752736320000062
表示起重机n在第f优先级的分级系数,
Figure BDA0001752736320000063
为分类函数,表示起重机n在指标m下获取的评分Fn,m的所属分级系数,M表示评价指标的数量,Km表示设定的指标m权重因子,其中
Figure BDA0001752736320000064
F表示预防性保养优先级分级总数,其中BZf表示第f优先级的评分范围中心值;其中,所述评分Fn,m的获取函数为:
Figure BDA0001752736320000065
{GRm}表示起重机在指标m下的评分集合,{GRm}={GR1m,GR2m,…,GRNm},GRn,m表示起重机n在指标m下采集到的量,包括所述起重机实时运行数据以及由设置在起重机上的不同类型的传感器获得的信号,Km1和Km2分别表示设定的权重因子;其中所述不同类型的传感器包括以下传感器中的一项或多项:光栅应变传感器、位移传感器、温度传感器、振动传感器、监控摄像头、电流电压传感器等;
选取分级系数
Figure BDA0001752736320000066
最大值所属的第f*优先级作为起重机n的预防性保养优先级,根据所述预防性保养优先级f从大到小优先安排预防性保养次序。
一种实施方式中,选取的预防性保养优先级分级总数F=4,评分范围中心值BZ0=100,BZ1=80,BZ2=60,BZ3=40,BZ4=20,BZ5=0。
本发明数据分析层4通过在获取了起重机的预防性保养周期时,根据该保养周期安排码头运维系统对起重机进行预防性保养,当安排的预防性保养时间表中同一时间段需要对多个起重机进行保养时,数据分析层4进一步对该需要维护的起重机进行保养优先级分析,根据不同维度下的指标获取起重机的预防性保养优先级,能够将优先级较高,即状态较差的起重机进行优先保养,有效地预防了因起重机在等待保养时增大故障发生可能性的问题,进一步提高了系统对起重机可靠性的保证。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种基于大数据的集装箱起重机在线诊断及维护系统,其特征在于,包括:起重机设备层,传感器层,网络层,数据分析层,数据应用层和商业系统层;
起重机设备层接收起重机的运行参数;
传感器层接收起重机重要部位的传感器信号;
网络层将运行参数和传感器信号传输至数据分析层;
数据分析层中预设起重机正常运行模型和故障模型,将运行参数和传感器信号与模型相比较,从而判断起重机的运行状态;
数据应用层根据运行参数和传感器信号预测起重机在未来一段时间的运行状态,并以此生成故障预警;
商业系统层设定外部数据接口,并将数据分析层、数据应用层的数据向外输出;
其中,数据分析层根据运行参数和传感器信号进行载荷谱分析,应力谱分析,故障模型、寿命预测、预防性维护分析,零部件备件分析;
其中,所述数据分析层进行零部件备件分析,进一步包括:
1)分析获取起重机重要零部件如起重机结构的部件、变速器、制动器、发动机等的更换周期;
2)根据零部件的更换周期决定备件的购买量;
其中,所述分析获取起重机重要零部件的更换周期,其中采用的更换周期函数为:
Figure FDA0002281320720000011
式中,BGy表示起重机零部件y的最佳更换周期,X表示使用零部件y的起重机的总数,
Figure FDA0002281320720000012
表示显著水平为
Figure FDA0002281320720000013
自由度为R-1的t分布值,Ry和Uy分别表示零部件y的故障强度参数,a表示设定的可接受零部件故障概率;
其中所述故障强度参数根据故障强度模型K(t)=RtU获取,式中K(t)表示零部件在运行t时刻后的总故障率,R和U分别表示故障强度参数,具体获取方式为:对零部件y进行故障测试,采集零部件y随时间变化t的总故障率K(t),将相应的时间t′和总故障率K(t′)代入上述故障强度模型获取最优故障强度参数Ry和Uy,Rx,y表示起重机x中零部件y的故障强度参数。
2.根据权利要求1所述的一种基于大数据的集装箱起重机在线诊断及维护系统,其特征在于,所述起重机的运行参数包括:起重机实时运行数据、故障数据、起重机基本信息参数。
3.根据权利要求1所述的一种基于大数据的集装箱起重机在线诊断及维护系统,其特征在于,所述重要部位的传感器包括光栅应变传感器、位移传感器、温度传感器、振动传感器、监控摄像头、电流电压传感器。
4.根据权利要求1所述的一种基于大数据的集装箱起重机在线诊断及维护系统,其特征在于,数据应用层中预设起重机的运行参数阈值和重要部位阈值,数据应用层根据一段时间内的运行参数和传感器信号,预测下一段时间内的运行参数和传感器信号,并将预测的运行参数和传感器信号与运行参数阈值和重要部位阈值相比较,从而生成故障预警。
5.根据权利要求1所述的一种基于大数据的集装箱起重机在线诊断及维护系统,其特征在于,所述数据分析层、数据应用层和商业系统层均设置在云平台中。
6.根据权利要求1所述的一种基于大数据的集装箱起重机在线诊断及维护系统,其特征在于,所述商业系统层将系统中获取的数据和分析结果传输到不同码头上的运维系统中。
CN201810873592.6A 2018-08-02 2018-08-02 一种基于大数据的集装箱起重机在线诊断及维护系统 Active CN108928744B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810873592.6A CN108928744B (zh) 2018-08-02 2018-08-02 一种基于大数据的集装箱起重机在线诊断及维护系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810873592.6A CN108928744B (zh) 2018-08-02 2018-08-02 一种基于大数据的集装箱起重机在线诊断及维护系统

Publications (2)

Publication Number Publication Date
CN108928744A CN108928744A (zh) 2018-12-04
CN108928744B true CN108928744B (zh) 2020-04-10

Family

ID=64445414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810873592.6A Active CN108928744B (zh) 2018-08-02 2018-08-02 一种基于大数据的集装箱起重机在线诊断及维护系统

Country Status (1)

Country Link
CN (1) CN108928744B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110032112B (zh) * 2019-04-23 2021-01-22 上海振华重工(集团)股份有限公司 港口作业状态显示系统
CN111368971B (zh) * 2020-02-19 2021-01-08 中国人民解放军军事科学院国防科技创新研究院 一种无人机集群协同降落排序方法及系统
CN111532988B (zh) * 2020-04-26 2021-07-30 成都见田科技有限公司 应用于升降机的远程智能监控方法及监控计算机
CN111977514A (zh) * 2020-09-10 2020-11-24 河南省矿山起重机有限公司 一种基于物联网的起重机预防性维修系统
CN116040487B (zh) * 2023-03-06 2023-06-16 中国电建集团山东电力建设第一工程有限公司 一种基于大数据的起重设备运行安全监管系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105467949A (zh) * 2015-05-19 2016-04-06 上海谷德软件工程有限公司 基于物联网和dsp的起重机远程监控与智能维护系统
CN106698197B (zh) * 2016-12-01 2018-01-16 上海振华重工电气有限公司 基于大数据的集装箱起重机在线诊断和预防性维护系统

Also Published As

Publication number Publication date
CN108928744A (zh) 2018-12-04

Similar Documents

Publication Publication Date Title
CN108928744B (zh) 一种基于大数据的集装箱起重机在线诊断及维护系统
CN106698197B (zh) 基于大数据的集装箱起重机在线诊断和预防性维护系统
CN104992270B (zh) 输变电设备状态检修辅助决策系统及方法
CN111401583A (zh) 基于预测性维护的自动扶梯全生命周期健康管理系统
CN102510125B (zh) 电力一次设备运行工况监测方法及装置
CN105809255A (zh) 一种基于物联网的火电厂旋转机械健康管理方法及系统
US20120092180A1 (en) Predictive analysis for remote machine monitoring
CN101224854A (zh) 起重机综合监测系统及方法
NL2030740B1 (en) Passenger ropeway detection monitoring and health diagnosis system and method, medium and equipment
CN104925613A (zh) 一种电梯在线安全检测预警装置及其检测预警方法
CN113063611B (zh) 一种设备的监控管理方法及其系统
CN112390127B (zh) 基于健康度模型的自动扶梯预防性维修策略生成方法
CN116228186A (zh) 基于人因工程的船舶机舱智能运维系统
KR102527888B1 (ko) 스마트 배전반 관리 시스템
CN113177650A (zh) 一种铁路货车车厢的预测性维护方法及装置
CN112253404A (zh) 基于多级健康评估的风机传动链智能运维系统
CN111652393A (zh) 基于大数据技术的电力设备异常预警方法
CN115238925B (zh) 一种电机设备监管方法及系统
CN116022673A (zh) 一种基于云边协同技术的塔式起重机辅助驾驶系统
CN109978192A (zh) 一种巨型水电厂状态维护模型构建方法及系统
CN105809257B (zh) 一种基于电力通信网络的触发式状态检修方法
CN214652926U (zh) 一种自动扶梯维修策略生成系统
CN107253670A (zh) 一种通过mhcims分析起重机健康状况的方法
CN117489575A (zh) 一种数字能源空压站的故障监测系统及其方法
CN115018091A (zh) 一种适用于行车设备的在线监测诊断集中管理方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200313

Address after: 236705 No. 12 Liu Xiaozhai, Chundian Community, Chengguan Town, Lixin County, Bozhou City, Anhui Province

Applicant after: LIXIN YURUO INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 518000 Room 202, block B, 11 District, Hongfa District, Guangming New District, Shenzhen, Guangdong

Applicant before: SHENZHEN HUITONG INTELLIGENT TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant