CN109359421A - 一种实时监测系统及基于实时监测系统的起重设备 - Google Patents
一种实时监测系统及基于实时监测系统的起重设备 Download PDFInfo
- Publication number
- CN109359421A CN109359421A CN201811351592.6A CN201811351592A CN109359421A CN 109359421 A CN109359421 A CN 109359421A CN 201811351592 A CN201811351592 A CN 201811351592A CN 109359421 A CN109359421 A CN 109359421A
- Authority
- CN
- China
- Prior art keywords
- module
- real
- unit
- time monitoring
- monitoring system
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C13/00—Other constructional features or details
- B66C13/16—Applications of indicating, registering, or weighing devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种实时监测系统及基于实时监测系统的起重设备,失效检测单元,包括传感模块和测量模块,所述传感模块通过所述测量模块获得所述监测点处的静态和动态应力应变数据,所述静态和动态应力应变数据传输至中转数据处理单元;中转数据处理单元,包括储存模块、第一终端模块和处理模块,所述中转数据处理单元通过所述储存模块接收和储存来自所述失效检测单元的静态和动态应力应变数据,所述第一终端模块能够从所述储存模块获取所述静态和动态应力应变数据,以得到寿命预测模型,并将所述寿命预测模型发送至所述处理模块。本发明能够进行起重设备的实时监测,并实现云端数据的共享,完成更加精确的寿命预测评估。
Description
技术领域
本发明涉及一种监测系统,特别是一种实时监测系统及基于实时监测系统的起重设备。
背景技术
起重设备设备失效导致的人员伤亡和经济损失危害严重,以往的起重设备监测单元多使用数字视频监控系统与语音对讲系统人为地对设备进行监控,缺乏及时性与准确性;随着设备状态维护及设备的寿命评估理论的深入研究与应用,设备状态综合评估及寿命预测技术得到了广泛关注,而寿命预测技术在起重设备还少有应用,且目前的起重设备监测技术不能实时传输至云端,也无法实时地从云端调用数据,导致寿命预测结果准确性有所欠缺。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有的起重设备监测技术中存在的问题,提出了本发明。
因此,本发明其中的一个目的是提供一种实时监测系统,其能够对起重设备进行寿命预测,同时能够将监测数据上传至云端,形成数据共享。
为解决上述技术问题,本发明提供如下技术方案:一种实时监测系统,其包括失效检测单元,包括传感模块和测量模块,所述传感模块设置于监测点,并通过所述测量模块获得所述监测点处的静态和动态应力应变数据,所述静态和动态应力应变数据传输至中转数据处理单元;中转数据处理单元,包括储存模块、第一终端模块和处理模块,所述中转数据处理单元通过所述储存模块接收和储存来自所述失效检测单元的静态和动态应力应变数据,所述第一终端模块能够从所述储存模块获取所述静态和动态应力应变数据,以得到寿命预测模型,并将所述寿命预测模型发送至所述处理模块,所述处理模块将所述寿命预测模型与基准数据比较获得评估结果;所述评估结果发送至监测单元;以及,监测单元,包括第二终端模块和警示模块,两者互相连接,所述第二终端模块接收来自所述处理模块的评估结果并根据不同的评估结果指令所述警示模块产生不同的反应。
作为本发明所述实时监测系统的一种优选方案,其中:所述监测点通过风险划分准则及等值线风险方法求得。
作为本发明所述实时监测系统的一种优选方案,其中:所述测量模块包括智能信号采集处理分析仪、静态电阻应变仪和动态应变仪。
作为本发明所述实时监测系统的一种优选方案,其中:所述失效检测单元获得所述监测点处的静态和动态应力应变数据之后,通过信号处理单元处理后传输至所述中转数据处理单元。
作为本发明所述实时监测系统的一种优选方案,其中:所述信号处理单元包括滤波器、放大器和转换器;所述静态和动态应力应变数据经过所述滤波器进行滤波处理、放大器增加信号的幅度之后,所述转换器将其转换为数字信号,并传输至所述中转数据处理单元。
作为本发明所述实时监测系统的一种优选方案,其中:所述中转数据处理单元还包括转化模块,所述转化模块接收来自所述转换器的数字信号之后,并其将以射频信号为载体传输至云端服务器进行保存。
作为本发明所述实时监测系统的一种优选方案,其中:所述寿命预测模型能够采用遗传聚类算法与免疫否定选择算法得出;所述评估结果为起重设备的所述监测点的状态评估结果。
本发明的另一个目的是提供一种基于实时监测系统的起重设备,其能够进行自我零部件的寿命预测,以实时监控、规避风险。
为解决上述技术问题,本发明提供如下技术方案:一种基于实时监测系统的起重设备,其包括所述的实时监测系统以及起重设备;所述起重设备包括,第一支撑单元,设置于所述起重设备的底部;第二支撑单元,其下端通过第一驱动单元与所述第一支撑单元的上端进行连接;第一驱动单元,固定于所述第二支撑单元下端的外侧位置,且能够使得所述第二支撑单元整体相对于所述第一支撑单元进行水平旋转运动;导向单元,水平固定于所述第二支撑单元上,并形成水平悬挑结构,所述导向单元上具有沿其纵向的轨道;以及,第二驱动单元,包括第一动力组件和第二动力组件,两者均固定于安装板上;所述第一动力组件的驱动端连接有行走组件,所述行走组件嵌入所述轨道内,并使得所述第二驱动单元整体能够沿着所述轨道的方向进行直线运动;所述第二动力组件的驱动端连接有卷筒,所述卷筒上缠绕有牵引件。
作为本发明所述基于实时监测系统的起重设备的一种优选方案,其中:所述第一支撑单元的上端具有连接环,所述连接环的外侧壁具有一圈凸齿;所述第二支撑单元的下端穿过所述连接环的中心孔,且所述第二支撑单元的外侧壁具有配合于所述连接环的配合环,所述配合环架设于所述连接环的顶面;所述第一驱动单元的驱动端连接有齿轮,所述齿轮与所述凸齿进行配合连接。
作为本发明所述基于实时监测系统的起重设备的一种优选方案,其中:所述第二动力组件的驱动端与所述卷筒之间设置有减速组件,所述卷筒的内端通过所述减速组件与所述第二动力组件的驱动端连接。
本发明的有益效果:本发明通过失效检测单元获取起重设备关键零部件的实时应力应变数据,将所获得的数据以射频信号上传至中转数据处理单元,经过在客户端建立寿命预测模型与调用云端基准数据对比,将对比结果发送至监测装置,实现对起重设备关键零部件的实时监测与云端数据共享,在风险过大时报警提醒工人的目的。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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它的附图。其中:
图1为本发明第一个实施例所述的实时监测系统各模块连接关系示意图。
图2为本发明第一个实施例所述的实时监测系统信号传输示意图。
图3为本发明第一个实施例所述的实时监测系统的失效评估流程图。
图4为本发明第一个实施例所述的机械设备的状态评估流程图。
图5为本发明第一个实施例所述的基于遗传聚类算法的设备状态评估模型示意图。
图6为本发明第一个实施例所述的设备状态综合评估的否定选择模型图;图6(a)为生成检测器示意图;图6(b)为新数据的检测示意图。
图7为本发明第一个实施例所述的齿轮状态评估的组样本数据示意图。
图8为本发明第一个实施例所述的齿轮的聚类结果图。
图9为本发明第一个实施例所述的齿轮的适应度值图。
图10为本发明第一个实施例所述的Iris数据的数据集的聚类(评估)结果图。
图11为本发明第一个实施例所述的Wine数据的数据集的聚类(评估)结果图。
图12为本发明第一个实施例所述的齿轮运行状态评估图。
图13为本发明第二个实施例所述的起重设备整体结构图。
图14为本发明第二个实施例所述的第一驱动单元俯视图及其剖面图。
图15为本发明第二个实施例所述的第一驱动单元剖面图及其局部详图。
图16为本发明第二个实施例所述的第一驱动单元下部结构示意图。
图17为本发明第二个实施例所述的导向单元整体结构图。
图18为本发明第二个实施例所述的第二驱动单元整体结构图。
图19为本发明第二个实施例所述的第二动力组件安装位置的正视图。
图20为本发明第二个实施例所述的减速机构内部结构图。
图21为本发明第二个实施例所述的第一大齿轮或第二大齿轮的剖面图及其正面的部分省略结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
参照图1~12,为本发明第一个实施例,该实施例提供了一种实时监测系统。由图1可知,所述实时监测系统包括失效检测单元100、中转数据处理单元200和监测单元300。
失效检测单元100用于确定监测点,并获得原始的应力应变数据(即图2、3中的传感数据)。失效检测单元100包括传感模块101和测量模块102,其中的传感模块101可以采用电阻应变片。当需要对起重设备的某一关键零部件的安全性(是否会引发事故)进行实时监测时,可以先根据风险划分准则及等值线风险方法等风险评估方法求得监测点的位置,然后将传感模块101贴在该起重设备的对应位置上。此处的“监测点”即为传感模块101的固定位置(即起重设备关键零部件处的待监测位置),而传感模块101用于直接采集数据,当然其采集过程需要通过测量模块102实现。
测量模块102包括智能信号采集处理分析仪、静态电阻应变仪和动态应变仪。当传感模块101被设置于监测点之后,通过测量模块102收集获得所述监测点处的静态和动态应力应变数据,所述静态和动态应力应变数据传输至中转数据处理单元200。
进一步的,由失效检测单元100所获得的静态和动态应力应变数据需要经过信号处理单元400的处理之后发送给中转数据处理单元200。此处的“信号处理单元400”为用于进一步处理和优化来自失效检测单元100的静态和动态应力应变数据的信号处理电路。
具体的,信号处理单元400包括滤波器401、放大器402和转换器403。来自失效检测单元100的静态和动态应力应变数据,经过信号处理单元400的滤波器401进行滤波处理后,能够减少无用信号的干扰;再次经过放大器402处理之后能够增加信号的幅度(强度);最后,经过上述滤波、放大之后的模拟信号被转换器403转换为数字信号,并将该数字信号形式的静态和动态应力应变数据传输至中转数据处理单元200中。
进一步的,经过信号处理单元400处理之后的数字信号需要以射频信号的形式发送至中转数据处理单元200。因此,相对应的,中转数据处理单元200包括转化模块204,转化模块204接收来自转换器403的数字信号之后,并其将以射频信号为载体传输至云端服务器进行保存。转化模块204为射频收发控制电路,该射频收发控制电路包括CPU、存储器和射频收发器,通过存储器存储数据,再通过CPU控制射频收发器向中转数据处理单元200发送射频信号。
中转数据处理单元200用于储存并分析处理静态和动态应力应变数据的功能单元,其包括储存模块201、第一终端模块202和处理模块203。其中的储存模块201为云端服务器;第一终端模块202为客户端,如计算机;处理模块203为数据库服务器。
射频收发控制电路的CPU和存储器接收、储存和处理从信号处理单元400传输来的数字信号数据,并通过射频收发器将以射频信号为载体的静态和动态应力应变数据传输至储存模块201进行保存。本发明中的储存模块201用来接收和储存来自失效检测单元100收集的静态和动态应力应变数据数据,且通过第一终端模块202能够访问和下载储存模块201中的数据。
第一终端模块202将储存模块201中的数据下载到本地之后,能够应用遗传聚类算法与免疫否定选择算法得出该起重设备关键零部件的寿命预测模型,并将该寿命预测模型发送至处理模块203。处理模块203能够保存来自第一终端模块202的所有数据与模型,并调用数据库中的基准数据与之进行比较和评估,以获得评估结果。
本发明中所述的寿命预测模型即为起重设备关键零部件的工作状态评估,而状态评估就是对设备的运行状态等其他信息进行记录与评估,为设备的维修提供解决方案。常用的机械设备状态评估的评估方法有专家系统、模糊集理论、粗糖集理论、贝叶斯理论等方法。机械设备的状态评估流程图如图4所示。
起重设备的状态评估主要需要进行的工作如下:
(1)了解起重设备的运行特点、工作环境,确定状态评估的目的和具体的评估目标;
(2)了解影响起重设备运行状态的因素和性能参数并对相关数据进行记录,然后再对数据结果进行分析;
(3)在上述步骤的基础上,选取起重设备的相关评估指标,建立评估指标体系;
(4)选择适当的评估方法来对起重设备的状态进行识别;
(5)进行仿真验证和实例验证;
(6)根据起重设备运行状态的评估结果并结合相关工作环境,为起重设备的维修提供解决方案。
基于遗传聚类算法和免疫否定选择算法的起重设备状态评估技术如下所述:在设备故障样本和标准样本存在的情况下,建立基于遗传聚类算法的设备状态评估模型,评估设备状态的有效性;在对故障样本缺乏的设备进行状态评估时,运用基于免疫否定选择算法的状态评估模型,评估起重设备运行状态。最后通过运用UCI(University ofCalifornia Irvine加州大学欧文分校)提出的机器学习数据库中的Iris和Wine两个数据集仿真以及实例证明对这两种评估方法进行验证;在设备运行状态评估的基础上,根据设备寿命的分布特点,提出一种预测设备寿命损耗的Weibull模型,由Weibull分布的特点及参数估计方法进行参数估计,计算出设备寿命损耗Weibull模型的形状参数,得出设备的寿命损耗程度,进而确定设备最佳检修和更换时机。
下文分别针对基于遗传聚类算法和免疫否定选择算法的设备状态评估的方式进行详细说明:
一、基于遗传聚类算法的设备状态评估模型
聚类算法具有较强的局部搜索能力,但依赖于初始聚类中心的选择,得到的往往不是全局最优解,而遗传算法属于全局最优化搜索方法,其是借鉴生物界自然选择和和进化机制演化而来的具有自适性的随机化搜索方法。所以,遗传算法与聚类算法相结合能有效避免常用算法收敛到局部最优的问题,是一种模式识别算法,可将不同状态时的评估指标以不同类别的形式清晰地展现出来,一目了然;因此,在设备故障样本和标准样本存在的情况下,建立基于遗传聚类算法的设备状态评估模型能有效的评估设备状态。
基于遗传聚类算法的设备状态评估的基本思想是:将当前采集到的影响设备运行状态的数据、历史数据和采集到的代表设备各种运行状态的标准样本集混合在一起,运用遗传聚类算法将上述混合后的数据按照某一准则函数进行聚类,聚类结果即为设备的运行状态评估结果,即代表着设备的不同运行状态。其评估模型如图5所示。
基于遗传聚类算法的设备状态评估的基本步骤如下:
(1)以各运行状态下的标准样本为初始聚类中心,随机产生一个种群,计算各种群中个体的适应度值;
(2)经过选择、交叉、变异等操作,得到适应度最大的个体进行迭代;
(3)当迭代次数小于设定的最大迭代次数时,输出适应度最大的个体作为聚类中心,即得到了每类运行状态数据样本的聚类中心;
(4)利用准则函数计算每个样本与聚类中心的距离,将与聚类中心相似度”最大,即与聚类中距离较近的样本聚为一类;
(5)实现聚类的同时实现了设备的状态评估,输出评估结果。
二、基于免疫否定选择算法的设备状态评估模型
免疫否定选择算法的基本思想就是通过正常数据集合成检测器集合,然后使用检测器来检测系统或设备的状态。免疫否定选择算法可在对正常样本学习的基础上对设备进行评估;根据损伤检测数据库,针对故障样本存在、缺少两种情况,可分别建立对应的设备运行状态评估模型。
遗传聚类算法是一种模式识别算法,可将不同状态时的评估指标以不同类别的形式清晰地展现出来,一目了然;免疫否定选择算法可在对正常样本学习的基础上对设备进行评估。根据损伤检测数据库,针对故障样本存在、缺少两种情况,可分别建立对应的设备运行状态评估模型。
基于免疫否定选择算法的设备状态评估的基本思路是:首先收集机械设备运行时的正常样本数据,组成自我集,然后生成检测器与自我集相匹配进而生成成熟的检测器;最后用新的未知的样本与成熟检测器进行匹配,若样本与检测器匹配,则认为样本是异常的。具体来说否定选择模型主要包括两部分,即检测器的生成和新数据的检测。设备状态综合评估的否定选择模型如图6(a)和图6(b)所示,其中的图6(a)为生成检测器示意图;图6(b)为新数据的检测示意图。
基于否定选择的机械运行状态评估的基本步骤如下:
对机械的运行状态进行现场在线监测,获取机械的状态空间U;
抽取机械状态空间中的自我空间中的参数数据作为训练样本,即自我集;
随机产生检测器,与自我集进行匹配,若与自我集中的任意元素匹配则舍弃,不匹配则保留,生成检测器集D;
用生成的检测器集与机械的非我空间中的元素进行匹配,若匹配则说明机械的运行状态发生异常。
本项目在设备故障样本和标准样本存在的情况下,建立基于遗传聚类算法的设备状态评估模型,评估设备状态的有效性;在对故障样本缺乏的设备进行状态评估时,运用基于免疫否定选择算法的状态评估模型,评估起重设备运行状态。最后通过运用UCI(University of California Irvine加州大学欧文分校)提出的机器学习数据库中的Iris和Wine两个数据集仿真以及实例证明对这两种评估方法进行验证;在设备运行状态评估的基础上,根据设备寿命的分布特点,提出一种预测设备寿命损耗的Weibull模型,由Weibull分布的特点及参数估计方法进行参数估计,计算出设备寿命损耗Weibull模型的形状参数,得出设备的寿命损耗程度,进而确定设备最佳检修和更换时机。
由于齿轮是起重设备中常用的部件,很多情况下齿轮故障是导致起重设备失效的主要原因,所以,用齿轮数据来验证基于遗传聚类算法的设备状态评估模型。对齿轮的运行状态进行现场在线监测,抽取组数据,组成数据集,该数据集是由齿轮在正常、点烛和磨损三种状态的数据样本组成,每种状态对应组数据样本。分别计算标准差、峭度、有效值、绝对均值、峰值因子、脉冲因子和裕度系数,并进行数据准化,得到了用于齿轮状态评估的组样本数据,如图7所示。
根据齿轮的三种状态,将数据分为三类,聚类结果和适应度值如图8和图9所示。图10为Iris数据的数据集的聚类(评估)结果图,即为齿轮运行状态的评估结果图。图中“x”为齿轮正常运行状态,“*”为齿轮磨损的异常状态,“+”为齿轮点烛的异常状态。齿轮数据被正确评估的概率是96.67%,在齿轮的测试数据集中,正常运行状态的数和点蚀时的数据各有一个被错分到了齿轮的磨损异常状态中。图9为齿轮的平均适应度和适应度示意图,齿轮数据集的平均适应度是0.0259,个体适应度在种群规模为50的时候接近平均适应度,并几乎保持不变的趋势,说明在种群规模内达到收敛并接近最优。从图8和图9中可以看出该算法实现了对齿轮运行状态的有效评估。
在验证基于否定选择的状态评估方法时,同样选取机器学习数据库中的和两个数据集做仿真,并用齿轮数据进行验证。在仿真实验中,分别以和两个数据集的某一种类为自我集,相当于设备的正常运行数据样本。以另外两个种类的数据样本为测试样本集即非我集。得到聚类(评估)结果图分别如图10和图11所示。
图12为超球半径为齿轮运行状态的评估结果图。在评估中,以齿轮的正常状态下的数据作为自我集即训练集,以齿轮点烛和磨损状态下的数据集为测试集进行评估。从图中可以看出该算法实现了对齿轮运行状态的有效评估,基于免疫否定选择的机械运行状态评估算法除了能对机械的运行状态进行评估,还具有很好的聚类效果,对机械异常运行状态的病因大致划分具有一定的指导意义。
经过第一终端模块202获得的寿命预测模型被发送至处理模块203,处理模块203能够对其进行保存,同时处理模块203还可以从储存模块201中获取预先存储在云端的关于起重设备关键零部件的基准数据,该基准数据为关键零部件发生故障的临界状态,其数据可以从以往的实际案例中获得并收集采集、预先上传至储存模块201云端中。因此通过将寿命预测模型与基准数据进行对比即可获得该起重设备关键零部件的状态评估结果(即起重设备的监测点的状态评估结果)。该评估结果最终以无线射频信号的形式被发送至监测单元300。
监测单元300通过接收中转数据处理单元200的信号得知起重设备关键零部件的寿命预测模型及其状态评估结果,以判定实时寿命预测模型能否引发事故。监测单元300包括第二终端模块301和警示模块302,两者互相连接。
其中的第二终端模块301为计算机,其能够访问处理模块203中的各项数据,且能够根据状态评估结果判定实时寿命预测模型能否引发事故,并将每次的判断结果反馈给中转数据处理单元200的储存模块201,形成云端数据共享。
第二终端模块301能够根据不同的评估结果指令所述警示模块302产生不同的反应,其中的警示模块302可以为声光报警器。同时,第二终端模块301还与失效检测单元100中的各模块进行连接,控制其工作/停止。具体的,若本次监测通过第二终端模块301判定不会引发事故,则第二终端模块301控制失效检测单元100继续运行,警示模块302不工作;若本次监测判定即将引发事故则可以通过第二终端模块301控制失效检测单元100停止运行,同时立刻控制警示模块302启动,发出声光警示,以停止起重设备的运行,提前预警,防止安全事故的发生。
综上所述,本发明所述的实时监测系统基于风险评估方法确定测量起重设备风险高的零部件,通过失效检测单元100向外界传输无线射频信号实现了起重设备关键零部件的无线检测,使监测人员免于布线;通过连接云端服务器与失效检测单元100,实现以往的数据与实时数据的对比,使寿命预测模型建立得更精确;通过引入数据库服务器,实现了应力应变数据、寿命预测模型和失效评估结果的储存,可以满足今后失效检测的参考需求,对于预防起重设备发生事故具有重要意义。
参照图13~21,为本发明的第二个实施例,该实施例不同于上一个实施例的是:该实施例提供了一种基于实时监测系统的起重设备,该设备基于上一个实施例中的实时监测系统。
所述基于实时监测系统的起重设备,其包括上一个实施例中的实时监测系统以及起重设备500。本发明中的起重设备500即为起重机,其包括第一支撑单元501、第二支撑单元502、第一驱动单元503、导向单元504和第二驱动单元505。具体如下:
第一支撑单元501为起重设备500的立柱,作为整体结构的基础,用于支承上部结构。第一支撑单元501设置于起重设备500的底部,其可以采用钢框架或者空心圆柱制成,优选桁架式立柱。
第二支撑单元502为起重设备500的上部支点,其用于固定起重臂、配重等结构。第二支撑单元502的下端通过第一驱动单元503与第一支撑单元501的上端进行连接,并能在第一驱动单元503的驱动作用下发生相对于第一支撑单元501的水平旋转运动。第二支撑单元502也可以采用钢框架制成。
上述中的第一驱动单元503固定于第二支撑单元502下端的外侧位置,其为起重设备500的回转机构,可以采用电机,用于控制第二支撑单元502及其附属结构的整体进行水平旋转,以调节起吊/放料的水平位置。
具体的,第一支撑单元501的上端为一个连接底座,该底座可以焊接固定在第一支撑单元501的顶面上,也可以通过螺栓可拆卸地固定在第一支撑单元501的顶面,连接底座的上端与第二支撑单元502连接。连接底座的上端具有连接环501a,连接环501a的外侧壁具有一圈凸齿501a-1,形成外齿圈结构。
进一步的,连接底座的内部为空心结构,下端通过四个支撑脚固定于第一支撑单元501的顶面上,且连接底座的内侧壁在连接环501a处形成“颈缩”。第二支撑单元502的下端穿过连接环501a的中心孔,具体的,第二支撑单元502的下端包括第二支撑单元502外侧壁上的配合环502a以及第二支撑单元502末端头处的环形凸起502b,其中的环形凸起502b用于“钩住”连接环501a的底面,以防止第二支撑单元502下端脱离第一支撑单元501。同时,配合环502a架设于连接环501a的顶面,与其形成接触配合。
第一驱动单元503固定于配合环502a的外侧壁上,形成一体结构。第一驱动单元503的驱动端朝下,且其驱动端连接有齿轮503a,该齿轮503a与连接环501a外侧壁上的一圈凸齿501a-1进行配合连接。因此,若启动第一驱动单元503的驱动端进行旋转,则齿轮503a将会与凸齿501a-1形成传动。由于本发明中的凸齿501a-1相对保持不动(第一支撑单元501整体均保持不动),因此,第一驱动单元503将与第二支撑单元502共同发生回转。
较佳的,配合环502a的下端面与连接环501a的上端面均具有互相对应的环形槽C,当配合环502a的下端面与连接环501a的上端面互相正对接触的时候,两者的环形槽C能够共同形成一个横截面为圆的环形轨道。可以在该环形轨道的内部设置有多个滚动钢珠C-1,在该滚动钢珠C-1的作用下,第二支撑单元502的回转运动能够更加稳定、润滑地进行。
需要注意的是:本发明中的第一驱动单元503与齿轮503a之间也可以通过行星减速机进行连接,以降低齿轮503a的旋转速度。
本发明中的导向单元504为起重设备500的起重臂,同时还兼具导向的作用。导向单元504的内端水平固定于第二支撑单元502上,并形成水平悬挑结构,导向单元504上还具有沿其纵向的轨道504a,第二驱动单元505能够在轨道504a上进行直线运动。
具体的,导向单元504的横截面为“工”型,其两侧均包括上下端的翼缘,其中下端的翼缘具有向上翘起的弯折结构,以防止第二驱动单元505脱离。
第二驱动单元505,包括第一动力组件505a和第二动力组件505b,两者均固定于安装板505c上。安装板505c水平设置,第二动力组件505b固定于安装板505c的下表面,用于驱动并吊起/放下物品。第二动力组件505b可以采用电机,其驱动端连接有卷筒505e,卷筒505e上缠绕有牵引件505e-1,本发明中的牵引件505e-1可以采用钢索,其末端连接有吊钩505e-2。
较佳的,安装板505c对应于卷筒505e的外端位置处具有向下的折板505c-1,折板505c-1上具有安装孔。卷筒505e具有中心轴,该中心轴的内端与第二动力组件505b固定,而中心轴的外端穿过折板505c-1上的安装孔,因而保证了卷筒505e收放钢索时的稳定性。
第一动力组件505a固定于安装板505c的上表面,其也可以采用电机。第一动力组件505a的驱动端连接有行走组件505d,行走组件505d可以采用行走轮,其嵌入轨道504a内,当启动第一动力组件505a带动行走组件505d进行旋转的时候,第二驱动单元505整体能够沿着轨道504a的方向进行直线运动。
为了保证第二驱动单元505在轨道504a上运动的稳定性,安装板505c的上表面还设置有配合轮505d-1,该配合轮505d-1通过固定板设置在安装板505c的上表面,形成一体。配合轮505d-1与行走组件505d互相正对,分别嵌入导向单元504两侧的轨道504a内,共同发生滚动。
在本发明中,第二动力组件505b的驱动端与卷筒505e之间还连接有减速组件505f,卷筒505e的内端通过减速组件505f与第二动力组件505b的驱动端连接。该减速组件505f能够保证卷筒505e的旋转保持缓慢稳定进行。
具体的,减速组件505f包括外部的箱体505f-1、高速轴505f-2、转接轴505f-3和低速轴505f-4,三者互相平行设置。其中,高速轴505f-2的两端均通过轴承505f-5固定于箱体505f-1的内部,其中一端还具有输入轴505f-21,输入轴505f-21伸出箱体505f-1的外部。高速轴505f-2的外侧壁还具有第一外花键505f-22。
转接轴505f-3的两端均通过轴承505f-5固定于箱体505f-1的内部,转接轴505f-3上还套接固定有第一大齿轮505f-31,第一大齿轮505f-31与高速轴505f-2的第一外花键505f-22配合连接、形成传动。转接轴505f-3上还具有第二外花键505f-32。
低速轴505f-4的两端均通过轴承505f-5固定于箱体505f-1的内部,其中一端还具有输出轴505f-41,输出轴505f-41伸出箱体505f-1的外部。低速轴505f-4上还套接固定有第二大齿轮505f-42,第二大齿轮505f-42与转接轴505f-3的第二外花键505f-32配合连接、形成传动。
基于上述结构,当高速轴505f-2的输入轴505f-21发生相对的高速旋转时,由于传动比的减速作用,使得输出轴505f-41能够发生相对低速的旋转。
在本发明中,第二动力组件505b的驱动端与高速轴505f-2的输入轴505f-21连接,卷筒505e与低速轴505f-4的输出轴505f-41连接。因此,卷筒505e能够获得较为低速的旋转,以稳定收放牵引件505e-1。
为了提高起重设备500整体运作的稳定性,第二支撑单元502相对于导向单元504的另一侧还水平固定有悬臂梁506,形成悬挑结构。悬臂梁506的末端固定有配重507。本发明中的导向单元504和悬臂梁506均需要通过拉索508连接到第二支撑单元502上,增强悬臂的稳定。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,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精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种实时监测系统,其特征在于:包括,
失效检测单元(100),包括传感模块(101)和测量模块(102),所述传感模块(101)设置于监测点,并通过所述测量模块(102)获得所述监测点处的静态和动态应力应变数据,所述静态和动态应力应变数据传输至中转数据处理单元(200);
中转数据处理单元(200),包括储存模块(201)、第一终端模块(202)和处理模块(203),所述中转数据处理单元(200)通过所述储存模块(201)接收和储存来自所述失效检测单元(100)的静态和动态应力应变数据,所述第一终端模块(202)能够从所述储存模块(201)获取所述静态和动态应力应变数据,以得到寿命预测模型,并将所述寿命预测模型发送至所述处理模块(203),所述处理模块(203)将所述寿命预测模型与基准数据比较获得评估结果;所述评估结果发送至监测单元(300);以及,
监测单元(300),包括第二终端模块(301)和警示模块(302),两者互相连接,所述第二终端模块(301)接收来自所述处理模块(203)的评估结果并根据不同的评估结果指令所述警示模块(302)产生不同的反应。
2.如权利要求1所述的实时监测系统,其特征在于:所述监测点通过风险划分准则及等值线风险方法求得。
3.如权利要求1或2所述的实时监测系统,其特征在于:所述测量模块(102)包括智能信号采集处理分析仪、静态电阻应变仪和动态应变仪。
4.如权利要求3所述的实时监测系统,其特征在于:所述失效检测单元(100)获得所述监测点处的静态和动态应力应变数据之后,通过信号处理单元(400)处理后传输至所述中转数据处理单元(200)。
5.如权利要求1、2或4任一所述的实时监测系统,其特征在于:所述信号处理单元(400)包括滤波器(401)、放大器(402)和转换器(403);
所述静态和动态应力应变数据经过所述滤波器(401)进行滤波处理、放大器(402)增加信号的幅度之后,所述转换器(403)将其转换为数字信号,并传输至所述中转数据处理单元(200)。
6.如权利要求5所述的实时监测系统,其特征在于:所述中转数据处理单元(200)还包括转化模块(204),所述转化模块(204)接收来自所述转换器(403)的数字信号之后,并其将以射频信号为载体传输至云端服务器进行保存。
7.如权利要求1、2、4或6任一所述的实时监测系统,其特征在于:所述寿命预测模型能够采用遗传聚类算法与免疫否定选择算法得出;
所述评估结果为起重设备的所述监测点的状态评估结果。
8.一种基于实时监测系统的起重设备,其特征在于:包括如权利要求1所述的实时监测系统以及起重设备(500),所述起重设备(500)包括,
第一支撑单元(501),设置于所述起重设备(500)的底部;
第二支撑单元(502),其下端通过第一驱动单元(503)与所述第一支撑单元(501)的上端进行连接;
第一驱动单元(503),固定于所述第二支撑单元(502)下端的外侧位置,且能够使得所述第二支撑单元(502)整体相对于所述第一支撑单元(501)进行水平旋转运动;
导向单元(504),水平固定于所述第二支撑单元(502)上,并形成水平悬挑结构,所述导向单元(504)上具有沿其纵向的轨道(504a);以及,
第二驱动单元(505),包括第一动力组件(505a)和第二动力组件(505b),两者均固定于安装板(505c)上;所述第一动力组件(505a)的驱动端连接有行走组件(505d),所述行走组件(505d)嵌入所述轨道(504a)内,并使得所述第二驱动单元(505)整体能够沿着所述轨道(504a)的方向进行直线运动;所述第二动力组件(505b)的驱动端连接有卷筒(505e),所述卷筒(505e)上缠绕有牵引件(505e-1)。
9.如权利要求8所述的基于实时监测系统的起重设备,其特征在于:所述第一支撑单元(501)的上端具有连接环(501a),所述连接环(501a)的外侧壁具有一圈凸齿(501a-1);
所述第二支撑单元(502)的下端穿过所述连接环(501a)的中心孔,且所述第二支撑单元(502)的外侧壁具有配合于所述连接环(501a)的配合环(502a),所述配合环(502a)架设于所述连接环(501a)的顶面;
所述第一驱动单元(503)的驱动端连接有齿轮(503a),所述齿轮(503a)与所述凸齿(501a-1)进行配合连接。
10.如权利要求8或9所述的基于实时监测系统的起重设备,其特征在于:所述第二动力组件(505b)的驱动端与所述卷筒(505e)之间设置有减速组件(505f),所述卷筒(505e)的内端通过所述减速组件(505f)与所述第二动力组件(505b)的驱动端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811351592.6A CN109359421B (zh) | 2018-11-14 | 2018-11-14 | 一种实时监测系统及基于实时监测系统的起重设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811351592.6A CN109359421B (zh) | 2018-11-14 | 2018-11-14 | 一种实时监测系统及基于实时监测系统的起重设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109359421A true CN109359421A (zh) | 2019-02-19 |
CN109359421B CN109359421B (zh) | 2023-08-29 |
Family
ID=65345221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811351592.6A Active CN109359421B (zh) | 2018-11-14 | 2018-11-14 | 一种实时监测系统及基于实时监测系统的起重设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359421B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918307A (zh) * | 2019-03-14 | 2019-06-21 | 牡丹江师范学院 | 基于否定选择遗传算法的路径覆盖测试数据生成方法 |
CN116628617A (zh) * | 2023-07-25 | 2023-08-22 | 值数科技(北京)有限公司 | 一种基于纳米复合材料实现微型应变监测的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB743929A (en) * | 1953-05-29 | 1956-01-25 | Rothe Erde Eisenwerk | An improved ball bearing pivoted connection forming a slewing pivot for excavators, slewing cranes and the like |
GB1179174A (en) * | 1967-01-18 | 1970-01-28 | Kloeckner Werke Ag | Excavator, Crane or Conveyor. |
CN1250745A (zh) * | 1999-06-30 | 2000-04-19 | 西安建筑科技大学 | 塔式起重机运行状态监测安全保护系统及其方法 |
US20050190049A1 (en) * | 2004-03-01 | 2005-09-01 | Siemens Aktiengesellschaft | Method and monitoring device for monitoring a wheel parameter of a wheel |
CN200999182Y (zh) * | 2007-01-11 | 2008-01-02 | 山东省建筑科学研究院 | 塔式起重机在线监控及寿命统计系统 |
CN201501751U (zh) * | 2009-09-30 | 2010-06-09 | 马鞍山方圆回转支承股份有限公司 | 重载荷大型回转支承 |
CN203582341U (zh) * | 2013-10-12 | 2014-05-07 | 王亚 | 随升旋转式自衡塔吊 |
CN104891352A (zh) * | 2015-05-18 | 2015-09-09 | 安庆市天润工程机械有限责任公司 | 一种吊车 |
CN204737576U (zh) * | 2015-06-19 | 2015-11-04 | 河南宝起华东起重机有限公司 | 一种四吊点回转吊具 |
CN206521223U (zh) * | 2017-03-03 | 2017-09-26 | 衢州伟仕工业产品设计有限公司 | 一种建筑用塔吊设备 |
CN107324214A (zh) * | 2017-06-29 | 2017-11-07 | 天津大学 | 海洋平台起重机智能状态监测方法 |
CN207209826U (zh) * | 2017-06-22 | 2018-04-10 | 李恒进 | 一种塔式起重机 |
-
2018
- 2018-11-14 CN CN201811351592.6A patent/CN109359421B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB743929A (en) * | 1953-05-29 | 1956-01-25 | Rothe Erde Eisenwerk | An improved ball bearing pivoted connection forming a slewing pivot for excavators, slewing cranes and the like |
GB1179174A (en) * | 1967-01-18 | 1970-01-28 | Kloeckner Werke Ag | Excavator, Crane or Conveyor. |
CN1250745A (zh) * | 1999-06-30 | 2000-04-19 | 西安建筑科技大学 | 塔式起重机运行状态监测安全保护系统及其方法 |
US20050190049A1 (en) * | 2004-03-01 | 2005-09-01 | Siemens Aktiengesellschaft | Method and monitoring device for monitoring a wheel parameter of a wheel |
CN200999182Y (zh) * | 2007-01-11 | 2008-01-02 | 山东省建筑科学研究院 | 塔式起重机在线监控及寿命统计系统 |
CN201501751U (zh) * | 2009-09-30 | 2010-06-09 | 马鞍山方圆回转支承股份有限公司 | 重载荷大型回转支承 |
CN203582341U (zh) * | 2013-10-12 | 2014-05-07 | 王亚 | 随升旋转式自衡塔吊 |
CN104891352A (zh) * | 2015-05-18 | 2015-09-09 | 安庆市天润工程机械有限责任公司 | 一种吊车 |
CN204737576U (zh) * | 2015-06-19 | 2015-11-04 | 河南宝起华东起重机有限公司 | 一种四吊点回转吊具 |
CN206521223U (zh) * | 2017-03-03 | 2017-09-26 | 衢州伟仕工业产品设计有限公司 | 一种建筑用塔吊设备 |
CN207209826U (zh) * | 2017-06-22 | 2018-04-10 | 李恒进 | 一种塔式起重机 |
CN107324214A (zh) * | 2017-06-29 | 2017-11-07 | 天津大学 | 海洋平台起重机智能状态监测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918307A (zh) * | 2019-03-14 | 2019-06-21 | 牡丹江师范学院 | 基于否定选择遗传算法的路径覆盖测试数据生成方法 |
CN109918307B (zh) * | 2019-03-14 | 2022-04-19 | 牡丹江师范学院 | 基于否定选择遗传算法的路径覆盖测试数据生成方法 |
CN116628617A (zh) * | 2023-07-25 | 2023-08-22 | 值数科技(北京)有限公司 | 一种基于纳米复合材料实现微型应变监测的方法 |
CN116628617B (zh) * | 2023-07-25 | 2023-09-22 | 值数科技(北京)有限公司 | 一种基于纳米复合材料实现微型应变监测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109359421B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111650917B (zh) | 一种设备的多维度状态在线监测方法及系统 | |
CN109242276B (zh) | 物流设备故障监测运维管理系统 | |
CN106527339B (zh) | 一种基于工业云的高可靠的选矿设备故障诊断系统及方法 | |
CN113110386A (zh) | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 | |
CN115303946B (zh) | 基于数字孪生的塔式起重机工作监测方法、系统 | |
CN102053016A (zh) | 旋转机械滚动轴承的无线振动监测系统 | |
CN104077552A (zh) | 一种基于云计算的轨道交通信号综合运维方法及系统 | |
CN109359421A (zh) | 一种实时监测系统及基于实时监测系统的起重设备 | |
CN113708493A (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及系统 | |
CN103914058B (zh) | 一种油气管道工控设备远程监控系统的故障诊断和告警方法及系统 | |
CN117318614A (zh) | 一种光伏逆变器故障预测方法 | |
CN115308465A (zh) | 基于bp-som组合神经网络的供电安全隐患智能诊断系统及方法 | |
CN116873690B (zh) | 电梯安全监控数据处理系统 | |
CN116991108B (zh) | 一种架桥机智慧管控方法、系统、装置及存储介质 | |
CN111740499A (zh) | 电力监控系统及监控方法 | |
CN116523498A (zh) | 基于ai的电力设施巡视方法、系统、装置和存储介质 | |
CN113671287B (zh) | 电网自动化终端智能检测方法、系统和可读存储介质 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN212660007U (zh) | 一种电力监控系统 | |
CN114280383A (zh) | 一种大型地面站天线的健康检测装置及健康检测方法 | |
CN111711678A (zh) | 基于物联网技术的大型移动式设备状态监测系统及方法 | |
CN214652927U (zh) | 一种基于温度信号与噪声信号的监测系统 | |
CN117455099A (zh) | 一种集气站智能巡检方法、装置、设备及存储介质 | |
CN118289657A (zh) | 采用异构传感器直连的塔机安全智能监测方法及装置 |
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 |