CN109120455A - 电机故障智能诊断系统 - Google Patents

电机故障智能诊断系统 Download PDF

Info

Publication number
CN109120455A
CN109120455A CN201811027834.6A CN201811027834A CN109120455A CN 109120455 A CN109120455 A CN 109120455A CN 201811027834 A CN201811027834 A CN 201811027834A CN 109120455 A CN109120455 A CN 109120455A
Authority
CN
China
Prior art keywords
wireless sensor
sensor node
node
cluster
characteristic parameter
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.)
Withdrawn
Application number
CN201811027834.6A
Other languages
English (en)
Inventor
甘坚梅
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.)
Foshan Bean Technology Co Ltd
Original Assignee
Foshan Bean 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 Foshan Bean Technology Co Ltd filed Critical Foshan Bean Technology Co Ltd
Priority to CN201811027834.6A priority Critical patent/CN109120455A/zh
Publication of CN109120455A publication Critical patent/CN109120455A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/0636—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis based on a decision tree analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了电机故障智能诊断系统，包括感测装置和故障诊断装置，所述感测装置包括无线传感器节点、协调器节点；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的特征参数汇聚于协调器节点，所述协调器节点与故障诊断装置连接，所述故障诊断装置集中处理各个电机设备的特征参数并且监测设备状态。

Description

电机故障智能诊断系统
技术领域
本发明涉及电机设备故障监测领域，具体涉及电机故障智能诊断系统。
背景技术
在现代化标准厂房的生产现场中，广泛部署有各类大型机组，机组具有“三大”(体积大、功率大、流量大)、“三高”(转速高、压力高、运行检修及时性要求高)的特点，其工作环境兼具高温、高压(超高压)、磨蚀等特点，这些因素极易导致设备突发故障的发生，对工业设备安全、连续、可靠的运行造成威胁。
决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是只管运用概率分析的一种图解方法。贝叶斯网络是一个有向无环图，通过一个条件概率分布直观地表达各个变量之间的依赖关系。因此将决策树-贝叶斯网络应用到电机故障诊断中，可以有效的处理不确定信息，从而得到正确的结果。
发明内容
针对上述问题，本发明提供电机故障智能诊断系统。
本发明的目的采用以下技术方案来实现：
提供了电机故障智能诊断系统，包括感测装置和故障诊断装置，所述感测装置包括无线传感器节点、协调器节点；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的特征参数汇聚于协调器节点，所述协调器节点与故障诊断装置连接，所述故障诊断装置集中处理各个电机设备的特征参数并且监测设备状态。
优选地，所述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；
所述传感器模块用于监测的电机对象的特征参数的采集和数据转换；所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。
其中，所述故障诊断装置集中处理各个电机设备的特征参数并且监测设备状态，包括：
(1)整理电机故障状态信息，构建专家知识库；
(2)根据电机的工作手册和专家知识库以及所述各个电机设备的特征参数，整理出电机发生故障时的特征信息，建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(3)将决策树模型转换为决策树-贝叶斯网络模型；
(4)实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(5)遍历建立的决策树-贝叶斯网络模型；
(6)检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(7)根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
本发明的有益效果为：通过无线传感器网络技术实现了电机设备的特征参数的实时采集；通过建立决策树-贝叶斯网络模型可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。
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是本发明一个实施例的电机故障智能诊断系统的结构示意框图；
图2是本发明一个实施例的无线传感器节点的框图示意图。
附图标记：
感测装置1、故障诊断装置2、传感器模块10、供电模块20、射频模块30、处理模块40。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例提供的电机故障智能诊断系统，包括感测装置1和故障诊断装置2，所述感测装置1包括无线传感器节点、协调器节点；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的特征参数汇聚于协调器节点，所述协调器节点与故障诊断装置2连接，所述故障诊断装置2集中处理各个电机设备的特征参数并且监测设备状态。
其中，所述故障诊断装置2集中处理各个电机设备的特征参数并且监测设备状态，包括：
(1)整理电机故障状态信息，构建专家知识库；
(2)根据电机的工作手册和专家知识库以及所述各个电机设备的特征参数，整理出电机发生故障时的特征信息，建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(3)将决策树模型转换为决策树-贝叶斯网络模型；
(4)实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(5)遍历建立的决策树-贝叶斯网络模型；
(6)检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(7)根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
在一种优选实施的方式中，如图2所示，所述无线传感器节点包括传感器模块10、供电模块20、射频模块30、处理模块40；
所述传感器模块10用于监测的电机对象的特征参数的采集和数据转换；所述处理模块40为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块30用于与其他传感器节点以及协调器节点通信；所述供电模块20负责给整个无线传感器节点各个模块提供电源。
本发明的有益效果为：通过无线传感器网络技术实现了电机设备的特征参数的实时采集；通过建立决策树-贝叶斯网络模型可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。
在一种能够实现的方式中，各无线传感器节点在网络拓扑构建阶段被分为多个簇，每个簇设有一个簇头节点，簇内的无线传感器节点将采集的电机设备的特征参数传送至对应的簇头节点，簇头节点将接收的电机设备的特征参数通过多跳路由的方式传输至协调器节点。在一种实施方式中，多个无线传感器节点基于LEACH路由协议进行分簇。本发明对无线传感器节点的分簇方式不作限定。
在一种能够实现的方式中，无线传感器节点的感知半径在[Q0,Q1]范围中调整，部署无线传感器节点时，设置各无线传感器节点的感知半径相同且初始感知半径为Q0。
在分簇后，簇头将自身的感知半径调节为Q1，簇头收集簇内各无线传感器节点的位置信息，并根据位置信息按照下列公式计算簇内各无线传感器节点的被感知程度：
式中，Rij为簇头i对应簇内无线传感器节点j的被感知程度，ni为簇头i对应簇内的无线传感器节点数量，Qv为簇头i对应簇内的第v个无线传感器节点的当前感知半径，Zvj为簇头i对应簇内的第v个无线传感器节点与所述无线传感器节点j之间的距离，v≠j；e为自然常数，)为预设的信号衰减指数，s为预设的环境干扰影响因子；P(Zvj,Qv)为判断取值函数，当Zvj>Qv时，P(Zvj,Qv)＝0，当Zvj≤Qv时，P(Zvj,Qv)＝1。
若簇内无线传感器节点的被感知程度小于预设被感知程度阈值，则该无线传感器节点成为覆盖盲点；当存在覆盖盲点时，簇头对距离所述覆盖盲点最近的无线传感器节点的感知半径进行调整。
无线传感器节点感知过程中物理信号的能量与其感知目标的距离呈相反趋势变化，主要由于信号在传输过程中的路径衰减等因素导致而成。本实施例根据该规律，设计了无线传感器节点被感知程度的计算公式。无线传感器节点的被感知程度越小，表明其被感知覆盖的概率越小。
本实施例将被感知程度小于预设被感知程度阈值的无线传感器节点作为覆盖盲点，由簇头通过发送指令的方式对距离所述覆盖盲点最近的无线传感器节点的感知半径进行增大调整，以达到消除覆盖盲点的目的，从而保障一定的网络覆盖率，使得获取的电机设备的特征参数能够更加详细精确。
在一种能够实现的方式中，所述簇头对距离所述覆盖盲点最近的无线传感器节点的感知半径进行调整，包括：
(1)簇头向当存在覆盖盲点时，簇头向距离所述覆盖盲点最近的无线传感器节点发送感知半径调整指令；无线传感器节点接收到所述感知半径调整指令时，将自身的感知半径调整为(1+a)Qv，a为预设的调整比例，a的取值范围为[5％,10％]；
(2)簇头重新计算所述覆盖盲点的被感知程度，若该被感知程度仍小于预设被感知程度阈值，重复(1)，直至簇内不存在覆盖盲点。
在一种能够实现的方式中，簇头按照下列公式计算簇内各无线传感器节点的优势值，将优势值最大的无线传感器节点作为辅助节点，并相应地广播消息至簇内各无线传感器节点；簇内各无线传感器节点在簇头和辅助节点中选择距离最近的作为目的节点，并将自身采集的电机设备的特征参数发送至目的节点；辅助节点接收到的电机设备的特征参数量达到设定的数据量阈值时，将接收到的电机设备的特征参数发送至对应的簇头；其中，设定优势值的计算公式为：
式中，Fij为簇头i对应簇内无线传感器节点j的优势值，Rij为所述无线传感器节点j的被感知程度，Uij为所述无线传感器节点j的缓存大小，Ui为簇头i的缓存大小，g1、g2为设定的权重系数。
本实施例设置辅助节点进行电机设备的特征参数的辅助收集，有利于降低簇头的负载，避免所有工作节点将电机设备的特征参数都直接发送至簇头而产生过多能耗。
本实施例创新性地设计了优势值的计算公式，并依据优势值确定辅助节点，有益于提高辅助节点进行电机设备的特征参数收集和传输的任务的可靠性。
网络中存活的无线传感器节点随着时间的推移，由于信号干扰等多方面的因素将造成通信能耗不均衡的问题，使得无线传感器节点剩余能量发生差异。若较低剩余能量的无线传感器节点仍然与其他无线传感器节点一样担任同样程度的工作任务，则很可能会快速失效，进而影响整个无线传感器网络的传输性能以及可靠性。
基于该问题，在一种能够实现的方式中，在数据传输阶段，簇头定期将自身的当前剩余能量信息广播至各无线传感器节点，无线传感器节点在接收到所述当前剩余能量信息后，根据所述当前剩余能量信息和自身的剩余能量调节自己的感知半径，设定调节公式为：
式中，Qij 1为调节后的簇头i对应簇内无线传感器节点j的感知半径，Qij 0为调节前的簇头i对应簇内无线传感器节点j的感知半径，Zij为簇头i与其簇内无线传感器节点j的距离，Yij为该簇内无线传感器节点j的当前剩余能量，Yi为簇头i的当前剩余能量。
本实施例中，设置无线传感器节点定期根据自身的剩余能量调节自己的感知半径，并创新性地设定了无线传感器节点的感知半径调节公式。
由该公式可知，随着无线传感器节点的能量减少，其感知半径也将调小。通过本实施例的调节公式进行无线传感器节点感知半径的定期调节，能够有效减缓无线传感器节点的失效速率，在保障一定的覆盖率的前提下尽可能地平衡簇内无线传感器节点的能耗，进而有益于促进整个网络能耗均衡，延长无线传感器网络的寿命，从而提高电机设备的特征参数采集和传输的周期。
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理解，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.电机故障智能诊断系统，其特征是，包括感测装置和故障诊断装置，所述感测装置包括无线传感器节点、协调器节点；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的特征参数汇聚于协调器节点，所述协调器节点与故障诊断装置连接，所述故障诊断装置集中处理各个电机设备的特征参数并且监测设备状态。
2.根据权利要求1所述的电机故障智能诊断系统，其特征是，所述无线传感器节点包括传感器模块、供电模块、射频模块、处理模块；
所述传感器模块用于监测的电机对象的特征参数的采集和数据转换；所述处理模块为无线传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个无线传感器节点各个模块的工作；所述射频模块用于与其他传感器节点以及协调器节点通信；所述供电模块负责给整个无线传感器节点各个模块提供电源。
3.根据权利要求1所述的电机故障智能诊断系统，其特征是，所述故障诊断装置集中处理各个电机设备的特征参数并且监测设备状态，包括：
(1)整理电机故障状态信息，构建专家知识库；
(2)根据电机的工作手册和专家知识库以及所述各个电机设备的特征参数，整理出电机发生故障时的特征信息，建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(3)将决策树模型转换为决策树-贝叶斯网络模型；
(4)实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(5)遍历建立的决策树-贝叶斯网络模型；
(6)检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(7)根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
4.根据权利要求1所述的电机故障智能诊断系统，其特征是，各无线传感器节点在网络拓扑构建阶段被分为多个簇，每个簇设有一个簇头节点，簇内的无线传感器节点将采集的电机设备的特征参数传送至对应的簇头节点，簇头节点将接收的电机设备的特征参数通过多跳路由的方式传输至协调器节点。
5.根据权利要求4所述的电机故障智能诊断系统，其特征是，无线传感器节点的感知半径在[Q0,Q1]范围中调整，部署无线传感器节点时，设置各无线传感器节点的感知半径相同且初始感知半径为Q0。
6.根据权利要求5所述的电机故障智能诊断系统，其特征是，在分簇后，簇头将自身的感知半径调节为Q1，簇头收集簇内各无线传感器节点的位置信息，并根据位置信息按照下列公式计算簇内各无线传感器节点的被感知程度：
式中，Rij为簇头i对应簇内无线传感器节点j的被感知程度，ni为簇头i对应簇内的无线传感器节点数量，Qv为簇头i对应簇内的第v个无线传感器节点的当前感知半径，Zvj为簇头i对应簇内的第v个无线传感器节点与所述无线传感器节点j之间的距离，v≠j；e为自然常数，L为预设的信号衰减指数，s为预设的环境干扰影响因子；P(Zvj,Qv)为判断取值函数，当Zvj>Qv时，P(Zvj,Qv)＝0，当Zvj≤Qv时，P(Zvj,Qv)＝1。
若簇内无线传感器节点的被感知程度小于预设被感知程度阈值，则该无线传感器节点成为覆盖盲点；当存在覆盖盲点时，簇头对距离所述覆盖盲点最近的无线传感器节点的感知半径进行调整。
CN201811027834.6A 2018-09-04 2018-09-04 电机故障智能诊断系统 Withdrawn CN109120455A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811027834.6A CN109120455A (zh) 2018-09-04 2018-09-04 电机故障智能诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811027834.6A CN109120455A (zh) 2018-09-04 2018-09-04 电机故障智能诊断系统

Publications (1)

Publication Number Publication Date
CN109120455A true CN109120455A (zh) 2019-01-01

Family

ID=64861929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811027834.6A Withdrawn CN109120455A (zh) 2018-09-04 2018-09-04 电机故障智能诊断系统

Country Status (1)

Country Link
CN (1) CN109120455A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110621003A (zh) * 2019-09-23 2019-12-27 上海大学 一种电气设备故障诊断装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110621003A (zh) * 2019-09-23 2019-12-27 上海大学 一种电气设备故障诊断装置

Similar Documents

Publication Publication Date Title
CN109005519A (zh) 电机设备故障智能监测系统
CN109547966A (zh) 输电线路无线传感器网络的路由规划及故障诊断备份方法
CN103444131B (zh) M2m装置操作的协调
CN104632280B (zh) 一种基于无线传感器网络的井下设备监测系统及方法
CN101449525A (zh) 控制传感器网络节点能量消耗的方法及装置
CN107510914A (zh) 一种面向园区的智慧消防远程监控系统及其方法
CN109003431A (zh) 高精度低成本的农田土壤质量智能监测系统
CN108233538A (zh) 输电线路导线状态实时监测系统
CN109142684A (zh) 农田土壤环境智能可靠监测系统
CN108377261A (zh) 一种基于工业无线传感网络的电机故障诊断系统及方法
CN114241353A (zh) 一种基于无线感知与图像识别的漏水监测系统
Sarao Machine learning and deep learning techniques on wireless networks
CN108171956A (zh) 一种基于大数据和wsn技术的电力变压器环境监测系统
CN109120455A (zh) 电机故障智能诊断系统
CN107465559A (zh) 一种网络安全监管平台
CN109151757A (zh) 一种农田土壤质量实时管控系统
CN109219009A (zh) 电机设备健康管理系统
CN109040996A (zh) 加油站智能安全监管系统
Rao Wireless sensor network routing for life time maximization using ANFIS based decision with low power consumption
CN105704038B (zh) 一种用于临时保电电网的通信保障方法
CN101000708A (zh) 一种基于自组织网络的无线报警系统及方法
CN106452609B (zh) 一种水面无线自组网路由方法
CN109038831A (zh) 光伏电源智能监控系统
CN111148140B (zh) 一种基于无线通信技术的配电网局放检测数据采集方法
CN108092694A (zh) 一种架空送电线路监测系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20190101

WW01 Invention patent application withdrawn after publication