CN110006679B - 一种油料收获装备监控及诊断系统 - Google Patents
一种油料收获装备监控及诊断系统 Download PDFInfo
- Publication number
- CN110006679B CN110006679B CN201910330972.XA CN201910330972A CN110006679B CN 110006679 B CN110006679 B CN 110006679B CN 201910330972 A CN201910330972 A CN 201910330972A CN 110006679 B CN110006679 B CN 110006679B
- Authority
- CN
- China
- Prior art keywords
- fault
- real
- parameter
- data
- name
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Abstract
本发明提供了一种油料收获装备监控及诊断系统,包括远程监控子系统和现场诊断子系统;远程监控子系统包括诊断命令发送模块、远程接收模块以及显示控制模块;现场诊断子系统包括评估网络生成模块、数据接收模块、故障诊断模块、实时数据库以及历史故障数据库。该监控及诊断系统利用历史故障数据建立故障评估网络,能够确保故障评估时的准确性;利用设定的故障数据增加进入历史故障数据库,从而可不断扩展历史故障数据库,增强故障评估的可靠性和精确性。
Description
技术领域
本发明涉及一种监控及诊断系统,尤其是一种油料收获装备监控及诊断系统。
背景技术
油料收获装备的运行状态直接影响着生产效率,同时决定了装备的安全性。如果故障不能被及时发现并进行处理,而愈发严重,不仅会造成经济损失,甚至会危害驾驶员的人身安全。因此,为了保证装备运行安全,降低装备维修成本,提高作业效率,对自动化智能化的故障诊断系统产生了迫切需求。
发明内容
本发明的目的在于:提高一种油料收获装备监控及诊断系统,从而对油料收获装备的运行状态进行检测诊断,及时发现运行故障,确保油料收获装备的生产效率。
为了实现上述发明目的,本发明提供了一种油料收获装备监控及诊断系统,包括远程监控子系统和现场诊断子系统;远程监控子系统包括诊断命令发送模块、远程接收模块以及显示控制模块;现场诊断子系统包括评估网络生成模块、数据接收模块、故障诊断模块、实时数据库以及历史故障数据库;
诊断命令发送模块,用于向故障诊断模块发送启动故障诊断的控制指令;
远程接收模块,用于接收故障诊断模块发送的故障评估结果,并将故障评估结果发送至显示控制模块;
显示控制模块,用于接收远程接收模块发送的故障评估结果,并对故障评估结果进行即时显示,若故障评估结果显示为出现相应故障,则进行闪烁提示;
评估网络生成模块,用于读取历史故障数据库中存储的历史故障数据,并根据历史故障数据生成故障评估网络;
数据接收模块,用于对装备现场采集的实时数据进行接收,并将实时数据存储于实时数据库中;
故障诊断模块,用于在收到控制指令后读取实时数据库中的实时数据,再利用故障评估网络对读取的实时数据进行诊断,从而评估装备是否处于存在故障,并将存在故障的评估结果发送至远程接收模块。
进一步地,还包括一个故障数据设定模块;
故障数据设定模块,用于将专家设定的故障数据储于历史故障数据库中,并重新启动评估网络生成模块,对故障评估网络进行更新。
进一步地,实时数据包括实时数据名称以及对应的各个实时参数;实时数据名称包括割台数据、输送槽数据、脱粒机数据和筛选机数据;割台数据对应的实时参数包括主齿轮转速参数、主轴传动转速参数以及导杆线速度参数;输送槽数据对应的实时参数包括输送轴转速参数以及输送带线速度参数;脱粒机数据对应的实时参数包括脱粒主轴转速参数;筛选机数据对应的实时参数包括筛盘驱动轴转速参数以及鼓风主轴转速参数。
进一步地,历史故障数据库中的各个历史故障数据的存储格式相同,且均包括故障名称以及对应的各个故障参数,故障参数由故障参数名称和故障参数值构成。
进一步地,根据历史故障数据生成故障评估网络的具体步骤为:
步骤1,读取第一条完整的历史故障数据,对第一条历史故障数据进行解析,获得第一条故障数据的故障名称以及各个故障参数;
步骤2,将第一条历史故障数据的故障名称作为根部节点,将各个故障参数作为该根部节点的分支节点,从而由根部节点和各个分支节点构成一条故障分支线路;
步骤3,再读取一条完整的历史故障数据,并对该条历史故障数据进行解析,获得该条历史故障数据的故障名称以及各个故障参数;
步骤4,读取步骤3中获得的故障名称,将故障名称与当前各条故障分支线路上的故障名称进行匹配,若没有相应的故障名称,则将该故障名称作为一个新的根部节点,再读取步骤3中的故障参数作为新的根部节点的分支节点,从而构成一条新的故障分支线路,再返回步骤3,若有相应的故障名称,则进入步骤5;
步骤5,读取步骤3中的一个故障参数,将该故障参数的故障参数名称与故障名称相匹配的故障分支线路上的故障参数名称进行匹配,若没有相应的故障参数名称,则在故障名称下增加该故障参数作为分支节点,若有相应的故障参数名称,则进一步判断是否有相应的故障参数值,若有相应的故障参数值,则不更新该分支节点,若没有相应的故障参数值,则在该故障参数名称下增加该故障参数值以更新该分支节点;
步骤6,重复步骤5,直到步骤3中的全部故障参数匹配完毕;
步骤7,重复步骤3-6,直到全部历史故障数据读取处理完毕,利用获得的各个故障分支线路组成故障评估网络。
进一步地,对步骤5中的各个故障参数名称对应的各个故障参数值进行统计,获得故障参数值的最大值和最小值,从而确定该故障参数名称对应的故障参数值范围。
进一步地,故障诊断模块利用故障评估网络对读取的实时数据进行诊断时的具体步骤为:
步骤a,读取一条实时数据,对实时数据中的实时参数进行解析,获得实时参数的实时参数名称以及对应的各个实时参数值,并利用各个实时参数名称构成名称列表;
步骤b,从名称列表中取出一个实时参数名称在故障评估网络中进行匹配,若存在与之相同的故障参数名称,则进入步骤c,若不存在与之相同的故障参数名称,则将该实时参数的实时参数名称从名称列表中删除,再进入步骤d;
步骤c,进一步将该实时参数的实时参数值与该故障参数名称对应的故障参数值范围进行匹配,若实时参数值在故障参数值范围内,则记录该实时参数为疑似故障参数,并将该实时参数的实时参数名称从名称列表中删除,再进入步骤d,若实时参数值不在故障参数值范围内,则直接将该实时参数的实时参数名称从名称列表中删除,再进入步骤d;
步骤d,判断名称列表是否为空,若为非空,则再返回步骤b,若为空,则进入步骤e;
步骤e,获取步骤c中的全部疑似故障参数,在故障评估网络中检索是否这些疑似故障参数有共同的根部节点,若有,则该根部节点对应的故障名称即为该实时数据的故障名称,将故障名称作为故障评估结果发送至远程接收模块,若没有,则该实时数据表明未发生故障。
本发明的有益效果在于:利用历史故障数据建立故障评估网络,能够确保故障评估时的准确性;利用设定的故障数据增加进入历史故障数据库,从而可不断扩展历史故障数据库,增强故障评估的可靠性和精确性。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的一条故障分支线路结构示意图。
具体实施方式
如图1和2所示,本发明的公开的料收获装备监控及诊断系统包括:远程监控子系统和现场诊断子系统;远程监控子系统包括诊断命令发送模块、远程接收模块以及显示控制模块;现场诊断子系统包括评估网络生成模块、数据接收模块、故障诊断模块、实时数据库以及历史故障数据库;
诊断命令发送模块,用于向故障诊断模块发送启动故障诊断的控制指令;
远程接收模块,用于接收故障诊断模块发送的故障评估结果,并将故障评估结果发送至显示控制模块;
显示控制模块,用于接收远程接收模块发送的故障评估结果,并对故障评估结果进行即时显示,若故障评估结果显示为出现相应故障,则进行闪烁提示;
评估网络生成模块,用于读取历史故障数据库中存储的历史故障数据,并根据历史故障数据生成故障评估网络;
数据接收模块,用于对装备现场采集的实时数据进行接收,并将实时数据存储于实时数据库中;
故障诊断模块,用于在收到控制指令后读取实时数据库中的实时数据,再利用故障评估网络对读取的实时数据进行诊断,从而评估装备是否处于存在故障,并将存在故障的评估结果发送至远程接收模块。
进一步地,还包括一个故障数据设定模块;
故障数据设定模块,用于将专家设定的故障数据储于历史故障数据库中,并重新启动评估网络生成模块,对故障评估网络进行更新。
进一步地,实时数据包括实时数据名称以及对应的各个实时参数;实时数据名称包括割台数据、输送槽数据、脱粒机数据和筛选机数据;割台数据对应的实时参数包括主齿轮转速参数、主轴传动转速参数以及导杆线速度参数;输送槽数据对应的实时参数包括输送轴转速参数以及输送带线速度参数;脱粒机数据对应的实时参数包括脱粒主轴转速参数;筛选机数据对应的实时参数包括筛盘驱动轴转速参数以及鼓风主轴转速参数。
进一步地,历史故障数据库中的各个历史故障数据的存储格式相同,且均包括故障名称以及对应的各个故障参数,故障参数由故障参数名称和故障参数值构成。
进一步地,根据历史故障数据生成故障评估网络的具体步骤为:
步骤1,读取第一条完整的历史故障数据,对第一条历史故障数据进行解析,获得第一条故障数据的故障名称以及各个故障参数;
步骤2,将第一条历史故障数据的故障名称作为根部节点,将各个故障参数作为该根部节点的分支节点,从而由根部节点和各个分支节点构成一条故障分支线路;
步骤3,再读取一条完整的历史故障数据,并对该条历史故障数据进行解析,获得该条历史故障数据的故障名称以及各个故障参数;
步骤4,读取步骤3中获得的故障名称,将故障名称与当前各条故障分支线路上的故障名称进行匹配,若没有相应的故障名称,则将该故障名称作为一个新的根部节点,再读取步骤3中的故障参数作为新的根部节点的分支节点,从而构成一条新的故障分支线路,再返回步骤3,若有相应的故障名称,则进入步骤5;
步骤5,读取步骤3中的一个故障参数,将该故障参数的故障参数名称与故障名称相匹配的故障分支线路上的故障参数名称进行匹配,若没有相应的故障参数名称,则在故障名称下增加该故障参数作为分支节点,若有相应的故障参数名称,则进一步判断是否有相应的故障参数值,若有相应的故障参数值,则不更新该分支节点,若没有相应的故障参数值,则在该故障参数名称下增加该故障参数值以更新该分支节点;
步骤6,重复步骤5,直到步骤3中的全部故障参数匹配完毕;
步骤7,重复步骤3-6,直到全部历史故障数据读取处理完毕,利用获得的各个故障分支线路组成故障评估网络。
进一步地,对步骤5中的各个故障参数名称对应的各个故障参数值进行统计,获得故障参数值的最大值和最小值,从而确定该故障参数名称对应的故障参数值范围。
进一步地,故障诊断模块利用故障评估网络对读取的实时数据进行诊断时的具体步骤为:
步骤a,读取一条实时数据,对实时数据中的实时参数进行解析,获得实时参数的实时参数名称以及对应的各个实时参数值,并利用各个实时参数名称构成名称列表;
步骤b,从名称列表中取出一个实时参数名称在故障评估网络中进行匹配,若存在与之相同的故障参数名称,则进入步骤c,若不存在与之相同的故障参数名称,则将该实时参数的实时参数名称从名称列表中删除,再进入步骤d;
步骤c,进一步将该实时参数的实时参数值与该故障参数名称对应的故障参数值范围进行匹配,若实时参数值在故障参数值范围内,则记录该实时参数为疑似故障参数,并将该实时参数的实时参数名称从名称列表中删除,再进入步骤d,若实时参数值不在故障参数值范围内,则直接将该实时参数的实时参数名称从名称列表中删除,再进入步骤d;
步骤d,判断名称列表是否为空,若为非空,则再返回步骤b,若为空,则进入步骤e;
步骤e,获取步骤c中的全部疑似故障参数,在故障评估网络中检索是否这些疑似故障参数有共同的根部节点,若有,则该根部节点对应的故障名称即为该实时数据的故障名称,将故障名称作为故障评估结果发送至远程接收模块,若没有,则该实时数据表明未发生故障。利用是否有共同的根部节点来推断是否有故障,能够增强故障评估的准确性。
本发明中的故障数据和实时数据中,故障参数名称和实时参数名称的命名规则相同,从而确保步骤b正常执行。在图2中,故障名称为割台故障,作为根部节点;故障参数名称包括主齿轮参数、主轴传动参数以及导杆参数,对应的故障参数范围分别为10-60r/min、30-100r/min以及1-3cm/min。
Claims (5)
1.一种油料收获装备监控及诊断系统,其特征在于:包括远程监控子系统和现场诊断子系统;远程监控子系统包括诊断命令发送模块、远程接收模块以及显示控制模块;现场诊断子系统包括评估网络生成模块、数据接收模块、故障诊断模块、实时数据库以及历史故障数据库;
诊断命令发送模块,用于向故障诊断模块发送启动故障诊断的控制指令;
远程接收模块,用于接收故障诊断模块发送的故障评估结果,并将故障评估结果发送至显示控制模块;
显示控制模块,用于接收远程接收模块发送的故障评估结果,并对故障评估结果进行即时显示,若故障评估结果显示为出现相应故障,则进行闪烁提示;
评估网络生成模块,用于读取历史故障数据库中存储的历史故障数据,并根据历史故障数据生成故障评估网络;
数据接收模块,用于对装备现场采集的实时数据进行接收,并将实时数据存储于实时数据库中;
故障诊断模块,用于在收到控制指令后读取实时数据库中的实时数据,再利用故障评估网络对读取的实时数据进行诊断,从而评估装备是否存在故障,并将存在故障的评估结果发送至远程接收模块;
历史故障数据库中的各个历史故障数据的存储格式相同,且均包括故障名称以及对应的各个故障参数,故障参数由故障参数名称和故障参数值构成;根据历史故障数据生成故障评估网络的具体步骤为:
步骤1,读取第一条完整的历史故障数据,对第一条历史故障数据进行解析,获得第一条历史故障数据的故障名称以及各个故障参数;
步骤2,将第一条历史故障数据的故障名称作为根部节点,将各个故障参数作为该根部节点的分支节点,从而由根部节点和各个分支节点构成一条故障分支线路;
步骤3,再读取一条完整的历史故障数据,并对该条历史故障数据进行解析,获得该条历史故障数据的故障名称以及各个故障参数;
步骤4,读取步骤3中获得的故障名称,将故障名称与当前各条故障分支线路上的故障名称进行匹配,若没有相应的故障名称,则将该故障名称作为一个新的根部节点,再读取步骤3中的故障参数作为新的根部节点的分支节点,从而构成一条新的故障分支线路,再返回步骤3,若有相应的故障名称,则进入步骤5;
步骤5,读取步骤3中的一个故障参数,将该故障参数的故障参数名称与故障名称相匹配的故障分支线路上的故障参数名称进行匹配,若没有相应的故障参数名称,则在故障名称下增加该故障参数作为分支节点,若有相应的故障参数名称,则进一步判断是否有相应的故障参数值,若有相应的故障参数值,则不更新该分支节点,若没有相应的故障参数值,则在该故障参数名称下增加该故障参数值以更新该分支节点;
步骤6,重复步骤5,直到步骤3中的全部故障参数匹配完毕;
步骤7,重复步骤3-6,直到全部历史故障数据读取处理完毕,利用获得的各个故障分支线路组成故障评估网络。
2.根据权利要求1所述的油料收获装备监控及诊断系统,其特征在于:还包括一个故障数据设定模块;
故障数据设定模块,用于将专家设定的故障数据储于历史故障数据库中,并重新启动评估网络生成模块,对故障评估网络进行更新。
3.根据权利要求1所述的油料收获装备监控及诊断系统,其特征在于:实时数据包括实时数据名称以及对应的各个实时参数;实时数据名称包括割台数据、输送槽数据、脱粒机数据和筛选机数据;割台数据对应的实时参数包括主齿轮转速参数、主轴传动转速参数以及导杆线速度参数;输送槽数据对应的实时参数包括输送轴转速参数以及输送带线速度参数;脱粒机数据对应的实时参数包括脱粒主轴转速参数;筛选机数据对应的实时参数包括筛盘驱动轴转速参数以及鼓风主轴转速参数。
4.根据权利要求1所述的油料收获装备监控及诊断系统,其特征在于:对步骤5中的各个故障参数名称对应的各个故障参数值进行统计,获得故障参数值的最大值和最小值,从而确定该故障参数名称对应的故障参数值范围。
5.根据权利要求4所述的油料收获装备监控及诊断系统,其特征在于:故障诊断模块利用故障评估网络对读取的实时数据进行诊断时的具体步骤为:
步骤a,读取一条实时数据,对实时数据中的实时参数进行解析,获得实时参数的实时参数名称以及对应的各个实时参数值,并利用各个实时参数名称构成名称列表;
步骤b,从名称列表中取出一个实时参数名称在故障评估网络中进行匹配,若存在与之相同的故障参数名称,则进入步骤c,若不存在与之相同的故障参数名称,则将该实时参数的实时参数名称从名称列表中删除,再进入步骤d;
步骤c,进一步将该实时参数的实时参数值与该故障参数名称对应的故障参数值范围进行匹配,若实时参数值在故障参数值范围内,则记录该实时参数为疑似故障参数,并将该实时参数的实时参数名称从名称列表中删除,再进入步骤d,若实时参数值不在故障参数值范围内,则直接将该实时参数的实时参数名称从名称列表中删除,再进入步骤d;
步骤d,判断名称列表是否为空,若为非空,则再返回步骤b,若为空,则进入步骤e;
步骤e,获取步骤c中的全部疑似故障参数,在故障评估网络中检索是否这些疑似故障参数有共同的根部节点,若有,则该根部节点对应的故障名称即为该实时数据的故障名称,将故障名称作为故障评估结果发送至远程接收模块,若没有,则该实时数据表明未发生故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910330972.XA CN110006679B (zh) | 2019-04-23 | 2019-04-23 | 一种油料收获装备监控及诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910330972.XA CN110006679B (zh) | 2019-04-23 | 2019-04-23 | 一种油料收获装备监控及诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110006679A CN110006679A (zh) | 2019-07-12 |
CN110006679B true CN110006679B (zh) | 2021-02-23 |
Family
ID=67173890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910330972.XA Active CN110006679B (zh) | 2019-04-23 | 2019-04-23 | 一种油料收获装备监控及诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110006679B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6609217B1 (en) * | 1998-03-30 | 2003-08-19 | General Electric Company | System and method for diagnosing and validating a machine over a network using waveform data |
CN103927335B (zh) * | 2014-03-25 | 2017-12-12 | 北京航天发射技术研究所 | 车辆诊断可视化建模管理系统与方法 |
CN105301450A (zh) * | 2015-11-26 | 2016-02-03 | 云南电网有限责任公司电力科学研究院 | 一种配网故障自动诊断方法及系统 |
CN106873575B (zh) * | 2017-03-13 | 2019-06-11 | 徐工集团工程机械股份有限公司 | 一种工程机械车载故障诊断系统及方法 |
CN109298703B (zh) * | 2017-07-25 | 2023-06-27 | 富泰华工业(深圳)有限公司 | 故障诊断系统及方法 |
CN107544462B (zh) * | 2017-09-07 | 2019-07-16 | 新疆金风科技股份有限公司 | 用于诊断风力发电机组的故障的方法及系统 |
CN108683535A (zh) * | 2018-05-18 | 2018-10-19 | 南京大学 | 基于机器学习的高速数据分配模块故障诊断系统及方法 |
-
2019
- 2019-04-23 CN CN201910330972.XA patent/CN110006679B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110006679A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170074250A1 (en) | Wind turbine condition monitoring method and system | |
CN111708798B (zh) | 一种风电机组故障诊断与处理方法及系统 | |
CN105134456B (zh) | 基于在线监测的水轮机故障预诊断方法 | |
CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
CN111457958A (zh) | 港机设备态势监控方法、装置、计算机设备及存储介质 | |
CN116383633A (zh) | 一种多因素综合分析的机制砂振动筛故障检测方法及系统 | |
CN113759876B (zh) | 基于案例推理的风电机组故障诊断方法及系统 | |
CN110006679B (zh) | 一种油料收获装备监控及诊断系统 | |
CN114462820A (zh) | 一种轴承状态监测与健康管理系统性能测试及优化方法和系统 | |
CN113503289A (zh) | 一种液压马达故障检测方法、装置、系统及挖掘机 | |
CN114215705A (zh) | 风电机组故障预警方法和系统 | |
CN113776794A (zh) | 一种嵌入式边缘计算的故障诊断方法、装置和系统 | |
CN110888782A (zh) | 设备处理方法、系统、电子设备及计算机可读存储介质 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN110989432A (zh) | 一种机组启停时序逻辑分析系统及方法 | |
CN110794683A (zh) | 基于深度神经网络和峭度特征的风电齿轮箱状态评估方法 | |
CN114167282B (zh) | 一种电动机故障诊断及劣化趋势预测系统 | |
CN113487141B (zh) | 一种多源信息聚类融合的轴承状态评估方法 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN113516023A (zh) | 设备振动异常诊断方法和系统 | |
Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
CN109635880B (zh) | 基于强鲁棒自适应算法的采煤机故障诊断系统 | |
CN116067489B (zh) | 水电站辅助设备的监测系统、方法、电子设备及存储介质 | |
CN109657404A (zh) | 基于混沌修正群智能寻优的采煤机故障自动诊断系统 | |
CN113221968B (zh) | 一种胶带输送机运行状态诊断方法及装置 |
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 |