CN109544724B - 一种智能风机巡检系统及其工作方法 - Google Patents

一种智能风机巡检系统及其工作方法 Download PDF

Info

Publication number
CN109544724B
CN109544724B CN201910131368.4A CN201910131368A CN109544724B CN 109544724 B CN109544724 B CN 109544724B CN 201910131368 A CN201910131368 A CN 201910131368A CN 109544724 B CN109544724 B CN 109544724B
Authority
CN
China
Prior art keywords
blower
operation data
outside
real
interior components
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
CN201910131368.4A
Other languages
English (en)
Other versions
CN109544724A (zh
Inventor
熊文欢
仲启端
陈鑫铎
杜晓青
吴嘉宇
陈王永
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.)
New United Rail Transit Technology Co Ltd
Original Assignee
New United Rail Transit 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 New United Rail Transit Technology Co Ltd filed Critical New United Rail Transit Technology Co Ltd
Priority to CN201910131368.4A priority Critical patent/CN109544724B/zh
Publication of CN109544724A publication Critical patent/CN109544724A/zh
Application granted granted Critical
Publication of CN109544724B publication Critical patent/CN109544724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)

Abstract

本发明涉及风机巡检领域，具体为一种智能风机巡检系统及其工作方法，其中，智能风机巡检系统包括：信息采集子系统和健康管理平台；其中所述信息采集子系统包括：处理器模块，与处理器模块连接的通信模块和采集组件；所述采集组件适于将采集的风机运行数据通过通信模块发送至健康管理平台；所述健康管理平台适于根据风机运行数据预测风机故障。实现了风机故障的预测。

Description

一种智能风机巡检系统及其工作方法
技术领域
本发明涉及风机巡检领域，具体为一种智能风机巡检系统及其工作方法。
背景技术
传统巡检系统为被动巡检发布方式，需要管理人员按照既定的巡检计划安排巡检任务单，将巡检任务单分配到相应的巡检人员，巡检人员接收任务后执行巡检工作。因为风机巡检难度较大，风机数量多，一般都安排较长的时间间隔风机才能巡检一次，许多故障问题往往是发生在这段时间间隔之间，造成风机的损坏和经济的损失。传统解决方法为增加巡检人员，缩小巡检的时间间隔，加大巡检频次，这就增加了巡检的成本花费。
基于上述技术问题，需要设计一种新的智能风机巡检系统及其工作方法。
发明内容
本发明的目的是提供一种智能风机巡检系统及其工作方法。
为了解决上述技术问题，本发明提供了一种智能风机巡检系统包括：
信息采集子系统和健康管理平台；其中
所述信息采集子系统包括：处理器模块，与处理器模块连接的通信模块和采集组件；
所述采集组件适于将采集的风机运行数据通过通信模块发送至健康管理平台；
所述健康管理平台适于根据风机运行数据预测风机故障；
所述采集组件包括：适于检测风机外部运行数据中风速的风速传感器、风机外部环境温度的第一温度传感器、风机功率的功率传感器、风向的风向传感器、偏航误差的电子开关量传感器、气压的气压传感器和空气湿度的湿度传感器；以及
所述采集组件还包括：适于检测风机内部零部件运行数据中轮毂转速的第一霍尔传感器、主轴轴承震动频率的振动传感器、齿轮箱内温度的第二温度传感器、发电机转速的第二霍尔传感器、主轴承温度的第三温度传感器、发电机温度的第四温度传感器和发电机驱动端轴承温度的第五温度传感器。
进一步，所述健康管理平台还适于在根据风机外部运行数据和风机内部零部件运行数据预测风机故障时，生成巡检任务单，并推送至巡检终端。
进一步，所述智能风机巡检系统还包括：管理端；
所述管理端与巡检终端、健康管理平台互联；其中
所述健康管理平台适于将巡检任务单发送至管理端，所述管理端适于从巡检终端获取巡检任务单反馈数据，所述健康管理平台适于从管理端中调取历史巡检任务单数据和预测风机故障信息，以更新巡检故障数据库。
进一步，所述健康管理平台适于通过风机外部运行数据和风机内部零部件运行数据预测风机故障，生成巡检任务单，即
建立风机外部运行数据和风机内部零部件运行数据的涉及F函数的关系模型：
A 1 C cm =F{P（A 1 B 1 ，A 1 B 2 ，A 1 B 3，…A 1 B n ，A 1 C m ），
P（A 2 B 1 ，A 2 B 2 ，A 2 B 3 ，…A 2 B n ，A 2 C m ），
P（A 3 B 1 ，A 3 B 2 ，A 3 B 3 ，…A 3 B n ，A 3 C m ），
……
P（A N B 1，A N B 2 ，A N B 3 ，…A N B n ，A N C m ），
P（A S B S1 ，A S B S2， A S B S3 ，…A S B Sn ，A S C Sm ）}；
式中：B n 为风机所需检测风机外部运行数据，n为1、2…，即B 1为风速、B 2为温度、B 3为功率、B 4为风向、B 5为偏航误差、B 6为气压、B 7为空气湿度；A N B n 为风机第N次检测的风机外部运行数据的历史数据，N为1、2…；A N C m 为风机第N次检测的风机内部零部件运行数据的历史数据；A S B Sn 为实时检测的风机外部运行数据，n为1、2…，即A S B S1为实时检测的风机外部风速、A S B S2实时检测的风机外部环境温度、A S B S3实时检测的风机功率、A S B S4实时检测的风向、A S B S5实时检测的偏航误差、A S B S6实时检测的气压和A S B S7实时检测的空气湿度；A S C Sm 为风机实时检测的风机内部零部件运行数据；P函数为：A 1 C 1 =+ A 1 B 1+ A 1 B 2+ A 1 B 3+ … A 1 B n +ε 1，其中，,,,…是均为未知参数， 为回归常数， 为回归系数，即为风速的回归系数、为温度的回归系数、为功率的回归系数、为风向的回归系数、为偏航误差的回归系数、为气压的回归系数和为空气湿度；ε 1为随机误差；
采用最小二乘估计方法，获得,,,…的值的方法包括：
计算风机外部运行数据和风机内部零部件运行数据的离差：
A i C m -E(A i C m )= A i C m -- A i B 1- A i B 2- A i B 3- … A i B n ；
式中，A i 为风机的历史检测次数，i∈N；E(A i C m )为A i C m 的数学期望；A i C m -E(A i C m )为离差；
计算离差平方和：
；
,,,… 的最小二乘估计值,,,…满足：
；
此时,,,…的值即为,,,…的值；
基于 ，， ，…的值和实时检测的风机外部运行数据获得预测值：
Y=+ A S B S1+ A S B S2+ A S B S3+ … A S B Sn +εs；式中，εs为实时数据的偏差量；Y为预测值；
通过F函数结合故障时的实时检测的风机外部运行数据将预测值Y和A S C Sm 进行比较，对轮毂故障预测，即
当|Y-A S C S1|＜εs时，A 1 C c1=1，表示轮毂转速范围正常；
当|Y-A S C S1|＞εs时，A 1 C c1=0，表示轮毂转速范围异常，预测轮毂即将发生故障；
设m的取值范围[1,7]，当m取1时，风机外部运行数据和风机内部零部件运行数据的关系模型为轮毂转速模型；当m取2时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴轴承震动频率模型；当m取3时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机齿轮箱温度模型；当m取4时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机转速模型；当m取5时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴承温度模型；当m取6时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机温度模型；当m取7时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机驱动端轴承温度模型；
当在风机内部零部件预测即将发生故障时，生成巡检任务单。
进一步，所述健康管理平台适于将巡检任务单推送至巡检终端，即当预测风机故障时，健康管理平台适于根据公式计算巡检指数Y x ，x为1、2…；
式中：a、b分别是A x1、A x2的权重值，a+b的值等于1； A x1为编号x的巡检人员的巡检次数,x为1、2…；A x2为编号x的巡检人员的巡检时长；
健康管理平台适于将巡检任务单分配给两个最低的巡检指数对应的巡检人员的巡检终端。
另一方面，本发明还提供一种智能风机巡检系统的工作方法，包括：
采集风机外部运行数据和风机内部零部件运行数据；
根据风机外部运行数据和风机内部零部件运行数据预测风机故障，以生成巡检任务单。
进一步，所述工作方法适于采用上述的智能风机巡检系统实现。
本发明的有益效果是，本发明通过信息采集子系统和健康管理平台；其中所述信息采集子系统包括：处理器模块，与处理器模块连接的通信模块和采集组件；所述采集组件适于将采集的风机运行数据通过通信模块发送至健康管理平台；所述健康管理平台适于根据风机运行数据预测风机故障；实现了风机故障的预测。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明所涉及的智能风机巡检系统的系统框图；
图2是本发明所涉及的智能风机巡检系统的工作方法的流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
图1是本发明所涉及的智能风机巡检系统的系统框图。
如图1所示，本实施例提供了一种智能风机巡检系统包括：信息采集子系统和健康管理平台；其中所述信息采集子系统包括：处理器模块，与处理器模块连接的通信模块和采集组件；所述处理器模块可以但不限于采用PLC；所述采集组件适于将采集的风机运行数据通过通信模块发送至健康管理平台；所述健康管理平台适于根据风机运行数据预测风机故障；所述通过通信模适于通过有线或无线或有线加无线的方式将风机运行数据先发送至网关或路由器等，再发送至健康管理平台；所述通信模块可以但不限于采用2G\3G\4G\5G \Zigbee模块、RFID模块和蓝牙模块；所述健康管理平台可以但不限于采用大数据算法、大数据存储、大数据数据库进行数据的风机内部零部件数据的分析，通过大数据技术进行故障趋势的预测。
在本实施例中，所述采集组件包括：适于检测风机外部运行数据中风速的风速传感器、风机外部环境温度的第一温度传感器、风机功率的功率传感器、风向的风向传感器、偏航误差的电子开关量传感器、气压的气压传感器和空气湿度的湿度传感器；以及所述采集组件还包括：适于检测风机内部零部件运行数据中轮毂转速的第一霍尔传感器、主轴轴承震动频率的振动传感器、齿轮箱内温度的第二温度传感器、发电机转速的第二霍尔传感器、主轴承温度的第三温度传感器、发电机温度的第四温度传感器和发电机驱动端轴承温度的第五温度传感器。
在本实施例中，所述健康管理平台还适于在根据风机外部运行数据和风机内部零部件运行数据预测风机故障时，生成巡检任务单，并推送至巡检终端；在生成巡检任务单时，健康管理平台适于提取在管理端中存储的历史巡检任务单和巡检人员的信息合理安排巡检人员执行巡检任务单中的巡检任务单；所述巡检人员的信息可以但不限于包括：巡检人员的在岗情况、历史巡检时长和巡检次数；通过对巡检人员信息进行算法分析，可以更加合理安排巡检人员避免巡检人员分配使用时的资源浪费，并且根据分析出的结果对即将发生风险的风机进行巡检任务单的自动分配和下发，以提高巡检效率。
在本实施例中，所述智能风机巡检系统还包括：管理端；所述管理端与巡检终端、健康管理平台互联；其中所述健康管理平台适于将巡检任务单发送至管理端，所述管理端适于从巡检终端获取巡检任务单反馈数据，所述健康管理平台适于从管理端中调取历史巡检任务单数据和预测风机故障信息，以更新巡检故障数据库；健康管理平台可以根据巡检任务单反馈数据判断巡检人员的在岗情况；所述健康管理平台可以但不限于每隔30分钟取历史巡检数据和故障信息；管理人员也可以直接通过管理端向巡检人员下发巡检任务单；管理端自动录入健康管理平台推送的巡检任务单，更新巡检人员的状态；巡检人员适于通过巡检终端向管理端反馈巡检任务单的完成情况，以便于管理人员通过管理端对巡检人员进行管理。
在本实施例中，所述健康管理平台适于通过风机外部运行数据和风机内部零部件运行数据预测风机故障，生成巡检任务单，即
建立风机外部运行数据和风机内部零部件运行数据的涉及F函数的关系模型：
A 1 C cm =F{P（A 1 B 1 ，A 1 B 2 ，A 1 B 3，…A 1 B n ，A 1 C m ），
P（A 2 B 1 ，A 2 B 2 ，A 2 B 3 ，…A 2 B n ，A 2 C m ），
P（A 3 B 1 ，A 3 B 2 ，A 3 B 3 ，…A 3 B n ，A 3 C m ），
……
P（A N B 1，A N B 2 ，A N B 3 ，…A N B n ，A N C m ），
P（A S B S1 ，A S B S2， A S B S3 ，…A S B Sn ，A S C Sm ）}；
式中：B n 为风机所需检测风机外部运行数据，n为1、2…，即B 1为风速、B 2为温度、B 3为功率、B 4为风向、B 5为偏航误差、B 6为气压、B 7为空气湿度； A N B n 为风机第N次检测的风机外部运行数据的历史数据，N为1、2…；A N C m 为风机第N次检测的风机内部零部件运行数据的历史数据；A S B Sn 为实时检测的风机外部运行数据，n为1、2…，即A S B S1为实时检测的风机外部风速、A S B S2实时检测的风机外部环境温度、A S B S3实时检测的风机功率、A S B S4实时检测的风向、A S B S5实时检测的偏航误差、A S B S6实时检测的气压和A S B S7实时检测的空气湿度；A S C Sm 为风机实时检测的风机内部零部件运行数据；P函数为：A 1 C 1 =+ A 1 B 1+ A 1 B 2+ A 1 B 3+ … A 1 B n +ε 1，其中，,,,…是均为未知参数， 为回归常数， 为回归系数，即为风速的回归系数、为温度的回归系数、为功率的回归系数、为风向的回归系数、为偏航误差的回归系数、为气压的回归系数和为空气湿度；ε 1为随机误差；
采用最小二乘估计方法，获得趋于常量的,,,…的值的方法包括：
计算风机外部运行数据和风机内部零部件运行数据的离差：
A i C m -E(A i C m )=A i C m -- A i B 1- A i B 2- A i B 3- … A i B n ；
式中，A i 为风机的历史检测次数，i∈N；E(A i C m )为A i C m 的数学期望；A i C m -E(A i C m )为离差；
计算离差平方和：
；
,,,… 的最小二乘估计值,,,…满足：
；
此时,,,…的值即为,,,…的值；
基于 ，， ，…的值和实时检测的风机外部运行数据获得预测值：
Y=+ A S B S1+ A S B S2+ A S B S3+ … A S B Sn +εs；式中，εs为实时数据的偏差量；Y为预测值；
通过F函数（所述F函数适于对预测值Y和A S C Sm 比较）结合故障时的实时检测的风机外部运行数据将预测值Y和A S C Sm 进行比较，对轮毂故障预测，即
当|Y-A S C S1|＜εs时，A 1 C c1=1，表示轮毂转速范围正常；
当|Y-A S C S1|＞εs时，A 1 C c1=0，表示轮毂转速范围异常，预测轮毂即将发生故障；
设m的取值范围[1,7]，当m取1时，风机外部运行数据和风机内部零部件运行数据的关系模型为轮毂转速模型；当m取2时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴轴承震动频率模型；当m取3时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机齿轮箱温度模型；当m取4时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机转速模型；当m取5时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴承温度模型；当m取6时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机温度模型；当m取7时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机驱动端轴承温度模型；
当在风机内部零部件预测即将发生故障时，生成巡检任务单；基于风机内部零部件运行数据计算获得的β 0 ，β 1 ，β 2 ，β 3…β n 的值，对实时检测风机外部运行数据进行计算后获得的值可直接与对应的实时检测的风机内部零部件运行数据进行计算；
所述轮毂转速模型：
A 1 C c1 =F{P（A 1 B 1 ，A 1 B 2 ，A 1 B 3，…A 1 B n ，A 1 C 1），
P（A 2 B 1 ，A 2 B 2 ，A 2 B 3 ，…A 2 B n ，A 2 C 1），
P（A 3 B 1 ，A 3 B 2 ，A 3 B 3 ，…A 3 B n ，A 3 C 1），
……
P（A N B 1，A N B 2 ，A N B 3 ，…A N B n ，A N C 1），
P（A S B S1 ，A S B S2， A S B S3 ，…A S B Sn ，A S C S1）}。
在本实施例中，所述健康管理平台适于将巡检任务单推送至巡检终端，即当预测风机故障时，健康管理平台即时提取管理端中巡检任务单和巡检人员的信息，包括巡检人员的在岗情况，历史巡检时长，巡检次数等合理安排巡检人员执行巡检任务单；健康管理平台适于根据公式计算巡检指数Y x ，x为1、2…；
式中：a、b分别是A x1、A x2的权重值，a+b的值等于1； A x1为编号x的巡检人员的巡检次数,x为1、2…；A x2为编号x的巡检人员的巡检时长；
健康管理平台适于将巡检任务单分配给两个最低的巡检指数对应的巡检人员的巡检终端。
实施例2
图2是本发明所涉及的智能风机巡检系统的工作方法的流程图。
如图2所示，在实施例1的基础上，本实施例2还提供一种智能风机巡检系统的工作方法，包括：采集风机外部运行数据和风机内部零部件运行数据；根据风机外部运行数据和风机内部零部件运行数据预测风机故障，以生成巡检任务单，并推送至巡检终端。
在本实施例中，所述根据风机外部运行数据和风机内部零部件运行数据预测风机故障，以生成巡检任务单的方法包括：
建立风机外部运行数据和风机内部零部件运行数据的涉及F函数的关系模型：
A 1 C cm =F{P（A 1 B 1 ，A 1 B 2 ，A 1 B 3，…A 1 B n ，A 1 C m ），
P（A 2 B 1 ，A 2 B 2 ，A 2 B 3 ，…A 2 B n ，A 2 C m ），
P（A 3 B 1 ，A 3 B 2 ，A 3 B 3 ，…A 3 B n ，A 3 C m ），
……
P（A N B 1，A N B 2 ，A N B 3 ，…A N B n ，A N C m ），
P（A S B S1 ，A S B S2， A S B S3 ，…A S B Sn ，A S C Sm ）}；
式中：B n 为风机所需检测风机外部运行数据，n为1、2…，即B 1为风速、B 2为温度、B 3为功率、B 4为风向、B 5为偏航误差、B 6为气压、B 7为空气湿度； A N B n 为风机第N次检测的风机外部运行数据的历史数据，N为1、2…；A N C m 为风机第N次检测的风机内部零部件运行数据的历史数据；A S B Sn 为实时检测的风机外部运行数据，n为1、2…，即A S B S1为实时检测的风机外部风速、A S B S2实时检测的风机外部环境温度、A S B S3实时检测的风机功率、A S B S4实时检测的风向、A S B S5实时检测的偏航误差、A S B S6实时检测的气压和A S B S7实时检测的空气湿度；A S C Sm 为风机实时检测的风机内部零部件运行数据；P函数为：A 1 C 1 =+ A 1 B 1+ A 1 B 2+ A 1 B 3+ … A 1 B n +ε 1，其中，,,,…是均为未知参数， 为回归常数， 为回归系数，即为风速的回归系数、为温度的回归系数、为功率的回归系数、为风向的回归系数、为偏航误差的回归系数、为气压的回归系数和为空气湿度；ε 1为随机误差；
采用最小二乘估计方法，获得,,,…的值的方法包括：
计算风机外部运行数据和风机内部零部件运行数据的离差：
A i C m -E(A i C m )= A i C m -- A i B 1- A i B 2- A i B 3- … A i B n ；
式中，A i 为风机的历史检测次数，i∈N；E(A i C m )为A i C m 的数学期望；A i C m -E(A i C m )为离差；
计算离差平方和：
；
,,,… 的最小二乘估计值,,,…满足：
；
此时,,,…的值即为,,,…的值；
基于 ，， ，…的值和实时检测的风机外部运行数据获得预测值：
Y=+ A S B S1+ A S B S2+ A S B S3+ … A S B Sn +εs；式中，εs为实时数据的偏差量；Y为预测值；
通过F函数（所述F函数适于对预测值Y和A S C Sm 比较）结合故障时的实时检测的风机外部运行数据将预测值Y和A S C Sm 进行比较，对轮毂故障预测，即
当|Y-A S C S1|＜εs时，A 1 C c1=1，表示轮毂转速范围正常；
当|Y-A S C S1|＞εs时，A 1 C c1=0，表示轮毂转速范围异常，预测轮毂即将发生故障；
设m的取值范围[1,7]，当m取1时，风机外部运行数据和风机内部零部件运行数据的关系模型为轮毂转速模型；当m取2时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴轴承震动频率模型；当m取3时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机齿轮箱温度模型；当m取4时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机转速模型；当m取5时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴承温度模型；当m取6时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机温度模型；当m取7时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机驱动端轴承温度模型；
当在风机内部零部件预测即将发生故障时，生成巡检任务单。
在本实施例中，所述根据风机外部运行数据和风机内部零部件运行数据预测风机故障，以生成巡检任务单，并推送至巡检终端的方法为：当预测风机故障时，健康管理平台适于根据公式计算巡检指数Y x ，x为1、2…；
式中：a、b分别是A x1、A x2的权重值，a+b的值等于1； A x1为编号x的巡检人员的巡检次数,x为1、2…；A x2为编号x的巡检人员的巡检时长；
健康管理平台适于将巡检任务单分配给两个最低的巡检指数对应的巡检人员的巡检终端。
综上所述，本发明通过信息采集子系统和健康管理平台；其中所述信息采集子系统包括：处理器模块，与处理器模块连接的通信模块和采集组件；所述采集组件适于将采集的风机运行数据通过通信模块发送至健康管理平台；所述健康管理平台适于根据风机运行数据预测风机故障；实现了风机故障的预测。
本发明通过采集组件实时采集风机外部运行数据和风机内部零部件运行数据，利用通信模块实时传输到健康管理平台，健康管理平台通过提取以往的预测风机故障结合接收的实时数据，经过风机外部运行数据和风机内部零部件运行数据的关系模型提前预测风机内部零部件的未来运行情况，对预测即将发生问题的风机内部零部件向管理人员发出报警信息；在发出报警信息的同时，提取后台巡检管理系统中巡检人员信息和任务单的信息，自动生成巡检任务单，并向巡检人员和管理人员发出巡检任务单。
本发明利用健康管理平台，对采集的风机外部运行数据和风机内部零部件运行数据及时根据历史巡检故障数据进行分析和预测，可以及时的判断风机内部零部件的健康状态，对预测即将发生问题的风机自动安排巡检任务单，在保障管理人员安排的常规巡检任务单的同时，提供了在巡检间隔期间对风机内部零部件的健康监测以及及时的发布巡检任务单。

Claims (3)

1.一种智能风机巡检系统，其特征在于，包括：
信息采集子系统和健康管理平台；其中
所述信息采集子系统包括：处理器模块，与处理器模块连接的通信模块和采集组件；其中
所述采集组件适于将采集的风机运行数据通过通信模块发送至健康管理平台；
所述健康管理平台适于根据风机运行数据预测风机故障；
所述采集组件包括：适于检测风机外部运行数据中风速的风速传感器、风机外部环境温度的第一温度传感器、风机功率的功率传感器、风向的风向传感器、偏航误差的电子开关量传感器、气压的气压传感器和空气湿度的湿度传感器；以及
所述采集组件还包括：适于检测风机内部零部件运行数据中轮毂转速的第一霍尔传感器、主轴轴承震动频率的振动传感器、齿轮箱内温度的第二温度传感器、发电机转速的第二霍尔传感器、主轴承温度的第三温度传感器、发电机温度的第四温度传感器和发电机驱动端轴承温度的第五温度传感器；
所述健康管理平台还适于在根据风机外部运行数据和风机内部零部件运行数据预测风机故障时，生成巡检任务单，并推送至巡检终端；
所述智能风机巡检系统还包括：管理端；
所述管理端与巡检终端、健康管理平台互联；其中
所述健康管理平台适于将巡检任务单发送至管理端，所述管理端适于从巡检终端获取巡检任务单反馈数据，所述健康管理平台适于从管理端中调取历史巡检任务单数据和预测风机故障信息，以更新巡检故障数据库；
所述健康管理平台适于通过风机外部运行数据和风机内部零部件运行数据预测风机故障，生成巡检任务单，即
建立风机外部运行数据和风机内部零部件运行数据的涉及F函数的关系模型：
A 1 C cm =F{P（A 1 B 1 ，A 1 B 2 ，A 1 B 3，…A 1 B n ，A 1 C m ），
P（A 2 B 1 ，A 2 B 2 ，A 2 B 3 ，…A 2 B n ，A 2 C m ），
P（A 3 B 1 ，A 3 B 2 ，A 3 B 3 ，…A 3 B n ，A 3 C m ），
……
P（A N B 1，A N B 2 ，A N B 3 ，…A N B n ，A N C m ），
P（A S B S1 ，A S B S2， A S B S3 ，…A S B Sn ，A S C Sm ）}；
式中：B n 为风机所需检测风机外部运行数据，n为1、2…，即B 1为风速、B 2为温度、B 3为功率、B 4为风向、B 5为偏航误差、B 6为气压、B 7为空气湿度；A N B n 为风机第N次检测的风机外部运行数据的历史数据，N为1、2…；A N C m 为风机第N次检测的风机内部零部件运行数据的历史数据；A S B Sn 为实时检测的风机外部运行数据，n为1、2…，即A S B S1为实时检测的风机外部风速、A S B S2实时检测的风机外部环境温度、A S B S3实时检测的风机功率、A S B S4实时检测的风向、A S B S5实时检测的偏航误差、A S B S6实时检测的气压和A S B S7实时检测的空气湿度；A S C Sm 为风机实时检测的风机内部零部件运行数据；P函数为：A 1 C 1 = + A 1 B 1 + A 1 B 2 + A 1 B 3+ … A 1 B n +ε 1，其中为回归常数，为回归系数，即为风速的回归系数、为温度的回归系数、为功率的回归系数、为风向的回归系数、为偏航误差的回归系数、为气压的回归系数和为空气湿度；ε 1为随机误差；
采用最小二乘估计方法，获得,,,…的值的方法包括：
计算风机外部运行数据和风机内部零部件运行数据的离差：
A i C m -E(A i C m )= A i C m -- A i B 1 - A i B 2 - A i B 3- … A i B n ；
式中，A i 为风机的历史检测次数，i∈N；E(A i C m )为A i C m 的数学期望；A i C m -E(A i C m )为离差；
计算离差平方和：
；
,,,… 的最小二乘估计值,,,…满足：
；
此时,,,…的值即为,,,…的值；
基于 ，， ， …的值和实时检测的风机外部运行数据获得预测值：
Y=+ A S B S1+ A S B S2+ A S B S3+ … A S B Sn +εs；式中，εs为实时数据的偏差量；Y为预测值；
通过F函数结合故障时的实时检测的风机外部运行数据将预测值Y和A S C Sm 进行比较，对轮毂故障预测，即
当|Y-A S C S1|＜εs时，A 1 C c1=1，表示轮毂转速范围正常；
当|Y-A S C S1|＞εs时，A 1 C c1=0，表示轮毂转速范围异常，预测轮毂即将发生故障；
设m的取值范围[1,7]，当m取1时，风机外部运行数据和风机内部零部件运行数据的关系模型为轮毂转速模型；当m取2时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴轴承震动频率模型；当m取3时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机齿轮箱温度模型；当m取4时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机转速模型；当m取5时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机主轴承温度模型；当m取6时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机温度模型；当m取7时，风机外部运行数据和风机内部零部件运行数据的关系模型为风机发电机驱动端轴承温度模型；
当在风机内部零部件预测即将发生故障时，生成巡检任务单。
2.根据权利要求1所述的智能风机巡检系统，其特征在于，
所述健康管理平台适于将巡检任务单推送至巡检终端，即当预测风机故障时，健康管理平台适于根据公式计算巡检指数Y x ，x为1、2…；
式中：a、b分别是A x1、A x2的权重值，a+b的值等于1； A x1为编号x的巡检人员的巡检次数,x为1、2…；A x2为编号x的巡检人员的巡检时长；
健康管理平台适于将巡检任务单分配给两个最低的巡检指数对应的巡检人员的巡检终端。
3.一种如权利要求1所述的智能风机巡检系统的工作方法，其特征在于，包括：
采集风机外部运行数据和风机内部零部件运行数据；
根据风机外部运行数据和风机内部零部件运行数据预测风机故障，以生成巡检任务单。
CN201910131368.4A 2019-02-22 2019-02-22 一种智能风机巡检系统及其工作方法 Active CN109544724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910131368.4A CN109544724B (zh) 2019-02-22 2019-02-22 一种智能风机巡检系统及其工作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910131368.4A CN109544724B (zh) 2019-02-22 2019-02-22 一种智能风机巡检系统及其工作方法

Publications (2)

Publication Number Publication Date
CN109544724A CN109544724A (zh) 2019-03-29
CN109544724B true CN109544724B (zh) 2019-05-03

Family

ID=65838841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910131368.4A Active CN109544724B (zh) 2019-02-22 2019-02-22 一种智能风机巡检系统及其工作方法

Country Status (1)

Country Link
CN (1) CN109544724B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110335368A (zh) * 2019-04-03 2019-10-15 中国联合网络通信集团有限公司 机房巡检方法及装置
CN110080954A (zh) * 2019-05-11 2019-08-02 林荣密 一种风力发电远程风向风速检测机构
CN112085221B (zh) * 2020-04-10 2023-11-03 合肥工业大学 数字化杆塔智慧运检方法和系统
CN111832832B (zh) * 2020-07-21 2023-12-29 重庆现代建筑产业发展研究院 一种基于物联网的小区自巡检系统
CN112396717B (zh) * 2020-11-19 2022-04-19 洛阳双瑞风电叶片有限公司 一种风电叶片内腔自动巡检装置
CN114875999B (zh) * 2022-05-27 2023-11-21 上海威派格智慧水务股份有限公司 一种用于二次供水系统的泵房运维管理系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5339339A (en) * 1989-12-05 1994-08-16 Cogema - Compagnie Generale Des Matieres Nucleaires Process for carrying out an inspection round of nuclear installations
CN105736252A (zh) * 2016-02-02 2016-07-06 华中科技大学 一种风电机组便携式点检记录仪
CN206056648U (zh) * 2016-09-06 2017-03-29 大唐（赤峰）新能源有限公司 一种风电机组发电机轴承状态监测系统
CN108591104B (zh) * 2018-04-18 2019-11-05 广东寰球智能科技有限公司 一种基于云平台的风机故障预测与健康管理系统、方法
CN109209782A (zh) * 2018-08-06 2019-01-15 华北电力科学研究院有限责任公司 一种风电场智能化运维方法、装置及系统

Also Published As

Publication number Publication date
CN109544724A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109544724B (zh) 一种智能风机巡检系统及其工作方法
CN109144014A (zh) 工业设备运行状况的检测系统及方法
CN102566503B (zh) 一种数控机床远程监控与故障诊断系统
CN109325601A (zh) 物流设备故障监测运维管理方法
CN109129574B (zh) 服务机器人运动系统云端故障诊断系统及方法
CN109242276A (zh) 物流设备故障监测运维管理系统
US8036847B2 (en) Maximum information capture from energy constrained sensor nodes
US20110020122A1 (en) Integrated condition based maintenance system for wind turbines
CN109032099A (zh) 工程机械总装生产线在线感知系统
CN107748546A (zh) 一种基于LoRa技术的工厂智能巡检系统
KR20160017681A (ko) 풍력플랜트 관리 시스템 및 그 방법
KR20160073945A (ko) 풍력플랜트 관리 시스템 및 그 방법
JP2020530159A5 (zh)
Wang et al. Conceptual design of remote monitoring and fault diagnosis systems
CN101834762B (zh) 一种基于网络架构的在线监测数控系统
KR101778460B1 (ko) 원격지에서 원자력 발전소의 온라인 통합 모니터링 방법 및 온라인 통합 모니터링 시스템
JP2009053938A (ja) 複数モデルに基づく設備診断システム及びその設備診断方法
CN101263499A (zh) 智能状态监测和故障诊断系统
CN103443724A (zh) 产品传感器、具有产品传感器的产品、设备和用于在产品传感器和设备之间通信的方法
CN105298823A (zh) 一种大型泵机组在线监测与诊断系统
CN107907332A (zh) 基于无线传感网络的轴承振动监测设备
CN111290324B (zh) 5t探测站安全监控诊断系统及其健康报警方法
CN102404401A (zh) 基于wsn的机群状态监测系统及方法
CN102073291A (zh) 一种供水信息采集控制系统
CN109309733A (zh) 一种物联网能源监测系统

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Intelligent fan inspection system and working method thereof

Effective date of registration: 20191111

Granted publication date: 20190503

Pledgee: New United Group Co., Ltd.

Pledgor: Xin Yu track traffic Science and Technology Ltd.

Registration number: Y2019980000550

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20200303

Granted publication date: 20190503

Pledgee: XIN YU GROUP Co.,Ltd.

Pledgor: Xin Yu track traffic Science and Technology Ltd.

Registration number: Y2019980000550

PC01 Cancellation of the registration of the contract for pledge of patent right