CN110069814A - 船机齿轮箱的状态预测方法、装置及计算机设备 - Google Patents
船机齿轮箱的状态预测方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN110069814A CN110069814A CN201910189462.5A CN201910189462A CN110069814A CN 110069814 A CN110069814 A CN 110069814A CN 201910189462 A CN201910189462 A CN 201910189462A CN 110069814 A CN110069814 A CN 110069814A
- Authority
- CN
- China
- Prior art keywords
- box
- gear
- ship machine
- data
- machine gear
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 76
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 238000001228 spectrum Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 8
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000010687 lubricating oil Substances 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及船机齿轮箱的状态预测方法、装置及计算机设备,属于船机监测技术领域。方法包括:获取齿轮箱监测数据;齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;获取船机齿轮箱的状态评价数据;状态评价数据根据船机齿轮箱的故障特征确定;将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果。上述技术方案,解决了船机齿轮箱的状态预测方法容易受外界环境和主观因素的影响,结果往往不够准确的问题。能自动确定船机齿轮箱的状态预测结果,有效提高船机齿轮箱的状态预测准确率。
Description
技术领域
本发明涉及船机监测技术领域,特别是涉及船机齿轮箱的状态预测方法、装置、计算机设备及存储介质。
背景技术
工程船舶具有离岸、流动作业和可靠性要求高的特点。同时,工程船舶的动力机械还包括特殊的机具设备,如齿轮箱等。工程船舶的结构复杂,而且工况多样、工作环境比较恶劣,因此对工程船舶的动力机械性能的要求比较高。因此积极开展工程船的状态监测是确保工程船舶安全可靠运行的前提。在实现本发明过程中,发明人发现现有技术中至少存在如下问题:目前齿轮箱的状态预测主要通过工作人员定期检查和人工判断来实现。这样的船机齿轮箱的状态预测方法容易受外界环境和主观因素的影响,结果往往不够准确。
发明内容
基于此,本发明实施例提供了船机齿轮箱的状态预测方法、装置、计算机设备及存储介质,能自动对船机齿轮箱进行状态预测,有效提高齿轮箱的状态预测准确率。
本发明实施例的内容如下:
一种船机齿轮箱的状态预测方法,包括以下步骤:获取齿轮箱监测数据;所述齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;获取所述船机齿轮箱的状态评价数据;所述状态评价数据根据所述船机齿轮箱的故障特征确定;将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果。
在一个实施例中,所述获取所述船机齿轮箱的状态评价数据的步骤,包括:获取所述船机齿轮箱的故障特征;根据所述故障特征和预先确定的对应关系,确定所述船机齿轮箱的第一故障振动频率,得到所述船机齿轮箱的状态评价数据;其中,所述对应关系包含有故障特征与第一故障振动频率的映射关系。
在一个实施例中,所述获取齿轮箱监测数据的步骤,包括:接收采集设备发送的采集数据;所述采集数据由传感器获取并发送给所述采集设备;所述传感器设置于船机齿轮箱;确定所述采集数据对应的频谱数据,得到所述齿轮箱监测数据。
在一个实施例中,所述传感器包括加速度传感器;所述接收采集设备发送的采集数据的步骤,包括:接收采集设备发送的振动信号;其中,所述振动信号通过加速度传感器测量得到。
在一个实施例中,所述将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果的步骤,包括:将所述频谱数据与所述第一故障振动频率进行比对;若所述频谱数据与所述第一故障振动频率相匹配,确定所述船机齿轮箱的状态预测结果为齿轮箱故障。
在一个实施例中,所述将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果的步骤,还包括:获取所述船机齿轮箱中的零部件的第二故障振动频率;将所述频谱数据与所述第二故障振动频率进行比对,得到比对结果;根据所述比对结果确定所述船机齿轮箱中发生故障的零部件。
在一个实施例中,所述零部件包括:内部齿轮以及轴承;所述获取所述齿轮箱中的零部件的第二故障振动频率的步骤之前,还包括:获取所述内部齿轮、轴承的性能参数以及所述船机齿轮箱的传动比;根据所述性能参数和传动比确定所述第二故障振动频率。
相应的,本发明实施例提供一种船机齿轮箱的状态预测装置,包括:监测数据获取模块,用于获取齿轮箱监测数据;所述齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;数据获取模块,用于获取所述船机齿轮箱的状态评价数据;所述状态评价数据根据所述船机齿轮箱的故障特征确定;以及,预测结果确定模块,用于将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果。
上述船机齿轮箱的状态预测方法及装置,根据采集设备的采集数据确定齿轮箱监测数据,将齿轮箱预测数据与船机齿轮箱的状态评价数据进行比对,可以得到船机齿轮箱的状态预测结果。能自动确定船机齿轮箱的状态预测结果,有效提高船机齿轮箱的状态预测准确率。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:获取齿轮箱监测数据;所述齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;获取所述船机齿轮箱的状态评价数据;所述状态评价数据根据所述船机齿轮箱的故障特征确定;将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果。
上述计算机设备,能自动确定船机齿轮箱的状态预测结果,有效提高船机齿轮箱的状态预测准确率。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:获取齿轮箱监测数据;所述齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;获取所述船机齿轮箱的状态评价数据;所述状态评价数据根据所述船机齿轮箱的故障特征确定;将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果。
上述计算机可读存储介质,能自动确定船机齿轮箱的状态预测结果,有效提高船机齿轮箱的状态预测准确率。
附图说明
图1为一个实施例中船机齿轮箱的状态预测方法的应用环境图;
图2为一个实施例中船机齿轮箱的状态预测方法的流程示意图;
图3为另一个实施例中船机齿轮箱的状态预测方法的流程示意图;
图4为一个实施例中船机齿轮箱的状态预测装置的结构框图;
图5为一个实施例中计算机设备的内部结构。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请提供的船机齿轮箱的状态预测方法可以应用于如图1所示的应用环境中。该应用环境包括船机齿轮箱101、采集设备102和服务器103;其中,齿轮箱101、采集设备102和服务器103通过网络连接,能够进行网络通信。采集设备102获取船机齿轮箱101的采集数据并发送给服务器103,服务器103据此确定船机齿轮箱101的状态预测结果。其中,船机齿轮箱101可以是工程船舶上各种类型的齿轮箱;采集设备102可以是各种具有信号采集功能的器件,例如:传感器等;服务器103可以用独立的服务器或者是多个服务器组成的服务器集群来实现,当然,服务器也可以替换为其他具有数据处理功能的器件,例如:处理器、智能手机等,还可以是虚拟的设备,例如:云服务器等。
本发明实施例提供一种船机齿轮箱的状态预测方法、装置、计算机设备及存储介质。以下分别进行详细说明。
在一个实施例中,如图2所示,提供了一种船机齿轮箱的状态预测方法。以该方法应用于图1中的服务器端为例进行说明,包括以下步骤:
S201、获取齿轮箱监测数据;齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定。
船机齿轮箱(以下也简称齿轮箱)是一种用于通过减速/增加扭矩增加/减小的机械装置。它由两个或更多个齿轮组成,其中一个齿轮由电机驱动。齿轮箱包括泥泵齿轮箱和推进齿轮箱。在工程船舶上,泥泵齿轮箱与主机连接,将动力传输到泥泵轴承箱上进而驱动泥泵工作。推进齿轮箱与主机连接,驱动发电机和尾轴旋转。
工程船舶指的是在港口、航道、船厂等水域从事工程作业的船舶,可以包括挖泥船、起重船、打桩船、水上平台、混凝土搅拌船以及附属作业的船舶等。具体的,可以为耙吸船和绞吸船。
船机齿轮箱的采集数据指的是通过采集设备获取的船机齿轮箱在工作过程中的运行状态数据,能够在很大程度上反映船机齿轮箱是处于正常状态还是故障状态。采集数据可以是船机齿轮箱的振动信号(频率、幅值等)、工作时长、运行温度、转速、位移量等数据。
采集设备可以是具有数据采集和整合功能的设备;该采集设备可以连接多种类型的传感器,由传感器来监测船机齿轮箱的数据。采集设备能获取传感器的监测数据并对监测数据进行整合,通过交换机将整合得到的采集数据发送给服务器。服务器根据采集设备的采集数据就能得到齿轮箱监测数据。
S202、获取船机齿轮箱的状态评价数据;状态评价数据根据船机齿轮箱的故障特征确定。
状态评价数据指的是能对船机齿轮箱的运行状态进行评价的数据,可以是船机齿轮箱的不同运行状态对应的特征运行数据。
状态评价数据可以根据故障特征确定,船机齿轮箱的故障特征指的是出现故障时船机齿轮箱表现出来的特征,例如:齿轮箱故障停机、润滑油故障等;故障特征还可以包括轴承等连接部件或零部件的故障。此外,故障特征也可以包括工况信息,例如突发的故障、齿轮箱维护记录信息等。当然,除了故障特征,还可以根据其他的信息来确定状态评价数据,例如:历史故障次数、历史故障频率等。
当采集数据为振动信号时,状态评价数据可以认为是振动限值,即当振动信号超过或低于该振动限值时(具体是超过还是低于可以根据实际情况确定),可以认为船机齿轮箱处于故障状态或者到达某一等级的故障状态。
进一步地,状态评价数据可以是根据设定历史时间段的历史监测数据确定的。例如,确定设定历史时间段内发生故障的情况以及故障特征,并确定对应的历史监测数据,对这些数据进行整合,得到状态评价数据。
S203、将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果。
状态评价数据能表征船机齿轮箱的不同运行状态,因此,将齿轮箱监测数据与状态评价数据进行比对,就能确定出船机齿轮箱在未来一段时间内的运行状态,得到状态预测结果。
进一步地,状态评价数据可以包括多种类型,将齿轮箱预测数据与多种状态评价数据进行比对时,若齿轮箱预测数据与其中一种状态评价数据相匹配,则可以针对性地确定状态预测结果。对应的,状态预测结果也可以包括多种类型,例如:运行正常、振动频率异常、温度过高、异常零部件等。
更进一步地,对于某一种类的故障,也可以包括多个等级;例如,当状态预测结果与A故障的B等级所对应的状态评价数据相匹配时,确定船机齿轮箱的状态预测结果为B等级的A故障。
本实施例提供的船机齿轮箱的状态预测方法,能自动确定出船机齿轮箱的状态预测结果,有效提高船机齿轮箱的状态预测效率,而不需要人工定期检查船机齿轮箱的工作状态;另外,也不容易受到外界环境的影响,可以得出准确的状态预测结果。
在一个实施例中,获取船机齿轮箱的状态评价数据的步骤,包括:获取船机齿轮箱的故障特征;根据故障特征和预先确定的对应关系,确定船机齿轮箱的第一故障振动频率,得到船机齿轮箱的状态评价数据;其中,对应关系包含有故障特征与第一故障振动频率的映射关系。
在不同故障特征下,船机齿轮箱对应有不同的故障振动频率;例如:假设正常运行状态的振动频率为200-300Hz,齿轮箱故障停机对应的振动频率为0-5Hz,润滑油故障时对应的振动频率为100-150Hz;则可以将5Hz、100Hz以及150Hz确定为故障振动频率。可以直接将故障振动频率确定为状态评价数据。当然,状态评价数据可以是由故障振动频率构成的一个范围,即处于故障振动频率之间的范围,例如,直接将0-5Hz和100-150Hz的范围确定为状态评价数据。
继续上述例子,对应关系中包含的可以为如下映射表:1、齿轮箱故障停机←→振动频率为0Hz和5Hz;2、润滑油故障←→振动频率为100Hz和150Hz。在确定船机齿轮箱的故障特征时,通过查找对应关系中的映射表就能确定出对应的故障振动频率,进而得到状态评价数据。当然,这个映射表可以预先存储在数据库中;在确定船机齿轮箱的故障特征时,可以通过字符匹配等方式从数据库中查找对应的故障振动频率。
本实施例,根据故障特征以及预先确定的对应关系确定故障振动频率,确定过程可以自动进行,能有效提高状态预测结果的准确率和便捷性。
在一个实施例中,获取齿轮箱监测数据的步骤,包括:接收采集设备发送的采集数据;采集数据由传感器获取并发送给采集设备;传感器设置于船机齿轮箱;确定采集数据对应的频谱数据,得到齿轮箱监测数据。传感器可以为铠装工业型传感器。
其中,确定频谱数据的过程可以为:对采集数据进行傅里叶变换等处理,得到对应的频域数据;从频域数据中提取频率等信息,作为频谱数据。
本实施例,根据采集数据确定对应的频谱数据,作为齿轮箱监测数据;所确定的齿轮箱监测数据能很好地表征齿轮箱的振动频率,便于与故障振动频率进行比较,进而确定出准确的齿轮箱状态预测结果。
在一个实施例中,传感器包括加速度传感器。具体的,可以为压电式加速度传感器。这些传感器可以24小时连续、定时、等间隔或触发采样,以实现对船机齿轮箱的监测。
传感器可以设置在船机齿轮箱的多个位置(可以设置在靠近船机齿轮箱的位置上,以获取到更为准确的振动信号)上,例如设置在船机齿轮箱的输入端、输出端和输出轴上。进一步地,可以设置在船机齿轮箱的某个零部件上;例如,A零部件相对其他的零部件的生命周期更短,更可以快速找到规律,因此可以将传感器设置在A零部件上,将A零部件的振动信号作为船机齿轮箱的振动信号。
加速度传感器可以是多个仅能监测某一方向的加速度传感器,例如:分别监测垂直和水平方向的两个加速度传感器。当然,如果一个传感器能够同时测量多个方向的振动信号,也可以仅采用一个传感器来监测船机齿轮箱的振动信号。
当然,在一些实施例中,传感器还可以是其他类型,例如:转速传感器等。其中,转速传感器可以为磁电式转速传感器。
在一些实施例中,传感器与采集设备连接(传感器和采集设备所构成的框架可以称为采集系统),采集设备通过网线连接服务器。服务器再通过移动数据网络与陆岸监测中心进行数据传输,陆岸监测中心和服务器构成广域局域网,可以实现对多个工程船舶上的不同船机设备的同步监控。
进一步地,接收采集设备发送的采集数据的步骤,包括:接收采集设备发送的振动信号;其中,振动信号通过加速度传感器测量得到。即振动信号根据所述加速度传感器在设定方向(这个方向可以根据实际情况确定)上的监测数据得到。
不同工况下齿轮箱的负载不同,例如,齿轮箱的负载会因泥沙的密度、流量等因素变化而发生波动;而负载变化会引起振动信号的变化,通过研究振动信号与故障之间的关系即可通过振动信号判断故障情况。上述实施例,通过传感器获取船机齿轮箱的振动信号,能获取到船机齿轮箱最直接可靠的信息,因此根据振动信号确定的船机齿轮箱的状态预测结果具有较高的准确性。同时能全天候地对船机齿轮箱进行状态监测,能第一时间发现船机齿轮箱的故障,以便及时地进行处理。
在一个实施例中,将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果的步骤,包括:将频谱数据与第一故障振动频率进行比对;若频谱数据与第一故障振动频率相匹配,确定船机齿轮箱的状态预测结果为齿轮箱故障。
其中,频谱数据与第一故障振动频率相匹配可以指两者相一致,或者差值小于预设的阈值;在状态评价数据指的是范围时,可以在频谱数据落入第一故障振动频率对应的范围时,将船机齿轮箱的状态预测结果确定为齿轮箱故障。
进一步地,将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果的步骤,还包括:获取船机齿轮箱中的零部件的第二故障振动频率;将频谱数据与第二故障振动频率进行比对,得到比对结果;根据比对结果确定船机齿轮箱中发生故障的零部件。
其中,零部件包括:内部齿轮以及轴承;获取齿轮箱中的零部件的第二故障振动频率的步骤之前,还包括:获取内部齿轮、轴承的性能参数以及船机齿轮箱的传动比;根据性能参数和传动比确定第二故障振动频率。
轴承的性能参数可以指额定动载荷、寿命等。在确定第二故障振动频率时,还可以考虑润滑油的性能。
上述实施例,将频谱数据与故障振动频率进行比对,进而确定船机齿轮箱的状态预测结果;状态预测结果的确定过程简单,能有效提高船机齿轮箱的状态预测准确率。还能确定齿轮箱中零部件的状态预测结果,使得管理人员更有针对性地对齿轮箱进行维护。
在一个实施例中,确定船机齿轮箱的状态预测结果为齿轮箱故障的步骤之后,还包括:向报警终端输出故障信息;故障信息用于指导管理人员制定船机齿轮箱的维修计划。
其中,报警终端可以是各种类型的终端,例如:手机、对讲机、集控室显示器等。管理人员在接收到故障信息后,可以对船机齿轮箱进行诊断和维修,能有效降低船机齿轮箱的维护成本。如图3所示,在确定状态预测结果之后,可以向报警终端输出故障信息,服务器还可以对故障信息进行数据分析并提供故障诊断建议。之后管理人员进行故障诊断,安排维修计划,并进行故障排除。
另外,故障信息可以指船机齿轮箱出现故障时的报警信息;也可以指故障预警信息,例如:在未来2小时内,齿轮箱将出现振动频率故障。管理人员可以指工程船舶的维修人员、集控室的监控人员等。
上述实施例将状态预测结果输出到报警终端,能使管理人员及时获取到船机齿轮箱的故障信息,确保船机齿轮箱的正常运作。
在一个实施例中,若确定船机齿轮箱的状态预测结果为正常,也可以实时地向报警终端输出船机齿轮箱的运行状态,使得管理人员能实时掌握船机齿轮箱的运行状态。
在一个实施例中,根据比对结果确定船机齿轮箱的状态预测结果的步骤之后,还包括:根据状态预测结果预测船机齿轮箱的使用寿命。
在不同运行状态下,船机齿轮箱所剩余的使用寿命是不同的,因此,可以根据状态预测结果来确定船机齿轮箱的使用寿命。当然,也可以结合劣化速度(劣化速度可以根据船机齿轮箱的历史监测数据对应的状态趋势曲线确定)来预测船机齿轮箱的使用寿命。对船机齿轮箱的使用寿命进行预测,能使得管理人员充分获知齿轮箱的运行状态与使用寿命,进而进行更好的控制和管理。
在一个实施例中,服务器还能实现以下功能:振动信号实时监测、振动信号超限报警、振动信号历史数据管理、振动信号趋势分析、船机故障诊断、转子/齿轮/轴承故障分析、轴承数据库管理、数据远程监测,并能生成船机监测报表、船机SCADA(SupervisoryControl And Data Acquisition,即数据采集与监视控制系统)数据&设备维护记录。
为了更好地理解上述方法,以下详细阐述一个本发明船机齿轮箱的状态预测方法的应用实例。
1、通过设置在齿轮箱上的加速度传感器长期获取齿轮箱的振动信号。将不断积累的振动信号进行处理,确定齿轮箱的历史监测数据。
2、对这些历史监测数据进行处理,得到故障振动频率。
3、通过加速度传感器获取齿轮箱监测数据,确定该齿轮箱监测数据对应的频谱数据;将频谱数据与故障振动频率进行比对,得到船机齿轮箱的状态预测结果。
4、如果确定齿轮箱在这一周内会发生故障或损坏,则在齿轮箱达到故障状态之前输出故障预警信息,以提示管理人员采取适当的齿轮箱维修对策,实现齿轮箱的预测维修。
本实施例提供的船机齿轮箱的状态预测方法,能自动确定船机齿轮箱的状态预测结果,状态预测结果的确定不需要人力的参与,不容易受外界环境和主观因素的影响,能有效提高船机齿轮箱的状态预测准确率;同时能使管理人员及时获知船机的运行状态。
需要说明的是,对于前述的各方法实施例,为了简便描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。
基于与上述实施例中的船机齿轮箱的状态预测方法相同的思想,本发明还提供船机齿轮箱的状态预测装置,该装置可用于执行上述船机齿轮箱的状态预测方法。为了便于说明,船机齿轮箱的状态预测装置实施例的结构示意图中,仅仅示出了与本发明实施例相关的部分,本领域技术人员可以理解,图示结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图4,船机齿轮箱的状态预测装置包括监测数据获取模块401、数据获取模块402和预测结果确定模块403,详细说明如下:
监测数据获取模块401,用于获取齿轮箱监测数据;齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定。
数据获取模块402,用于获取船机齿轮箱的状态评价数据;状态评价数据根据船机齿轮箱的故障特征确定。
以及,预测结果确定模块403,用于将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果。
本实施例,能自动确定船机齿轮箱的状态预测结果,有效提高船机齿轮箱的状态预测准确率。
在一个实施例中,数据获取模块402,包括:故障特征获取子模块,用于获取船机齿轮箱的故障特征;评价数据获取子模块,用于根据故障特征和预先确定的对应关系,确定船机齿轮箱的第一故障振动频率,得到船机齿轮箱的状态评价数据;其中,对应关系包含有故障特征与第一故障振动频率的映射关系。
在一个实施例中,监测数据获取模块401,包括:采集数据接收子模块,用于接收采集设备发送的采集数据;采集数据由传感器获取并发送给采集设备;传感器设置于船机齿轮箱;监测数据确定子模块,用于确定采集数据对应的频谱数据,得到齿轮箱监测数据。
在一个实施例中,传感器包括加速度传感器。
在一个实施例中,采集数据接收子模块,还用于接收采集设备发送的振动信号;其中,振动信号通过加速度传感器测量得到。
在一个实施例中,预测结果确定模块403,包括:比对子模块,用于将频谱数据与第一故障振动频率进行比对;预测结果确定子模块,用于若频谱数据与第一故障振动频率相匹配,确定船机齿轮箱的状态预测结果确定为齿轮箱故障。
在一个实施例中,预测结果确定模块403,还包括:振动频率获取子模块,用于获取船机齿轮箱中的零部件的第二故障振动频率;比对结果确定子模块,用于将频谱数据与第二故障振动频率进行比对,得到比对结果;零部件确定子模块,用于根据比对结果确定船机齿轮箱中发生故障的零部件。
在一个实施例中,零部件包括:内部齿轮以及轴承;预测结果确定模块403,还包括:零部件参数获取子模块,用于获取内部齿轮、轴承的性能参数以及船机齿轮箱的传动比;振动频率确定子模块,用于根据性能参数和传动比确定第二故障振动频率。
在一个实施例中,预测结果确定模块403,还包括:维修子模块,用于向报警终端输出故障信息;故障信息用于指导管理人员制定船机齿轮箱的维修计划。
需要说明的是,本发明的船机齿轮箱的状态预测装置与本发明的船机齿轮箱的状态预测方法一一对应,在上述船机齿轮箱的状态预测方法的实施例阐述的技术特征及其有益效果均适用于船机齿轮箱的状态预测装置的实施例中,具体内容可参见本发明方法实施例中的叙述,此处不再赘述,特此声明。
此外,上述示例的船机齿轮箱的状态预测装置的实施方式中,各程序模块的逻辑划分仅是举例说明,实际应用中可以根据需要,例如出于相应硬件的配置要求或者软件的实现的便利考虑,将上述功能分配由不同的程序模块完成,即将船机齿轮箱的状态预测装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分功能。
本申请提供的船机齿轮箱的状态预测方法可以应用于如图5所示的计算机设备中。该计算机设备可以是服务器,也可以是终端设备,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,处理器用于提供计算和控制能力;存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统、计算机程序(该计算机程序被处理器执行时实现一种船机齿轮箱的状态预测方法)和数据库,该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境;数据库用于存储船机齿轮箱的状态预测方法执行过程中所需的数据;网络接口用于与外部的终端通过网络连接通信,例如与采集设备通信,以接收采集设备发送的采集数据。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取齿轮箱监测数据;齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;获取船机齿轮箱的状态评价数据;状态评价数据根据船机齿轮箱的故障特征确定;将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取船机齿轮箱的故障特征;根据故障特征和预先确定的对应关系,确定船机齿轮箱的第一故障振动频率,得到船机齿轮箱的状态评价数据;其中,对应关系包含有故障特征与第一故障振动频率的映射关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收采集设备发送的采集数据;采集数据由传感器获取并发送给采集设备;传感器设置于船机齿轮箱;确定采集数据对应的频谱数据,得到齿轮箱监测数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:传感器包括加速度传感器。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收采集设备发送的振动信号;其中,振动信号通过加速度传感器测量得到。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将频谱数据与第一故障振动频率进行比对;若频谱数据与第一故障振动频率相匹配,确定船机齿轮箱的状态预测结果为齿轮箱故障。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取船机齿轮箱中的零部件的第二故障振动频率;将频谱数据与第二故障振动频率进行比对,得到比对结果;根据比对结果确定船机齿轮箱中发生故障的零部件。
在一个实施例中,零部件包括:内部齿轮以及轴承;处理器执行计算机程序时还实现以下步骤:获取内部齿轮、轴承的性能参数以及船机齿轮箱的传动比;根据性能参数和传动比确定第二故障振动频率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:向报警终端输出故障信息;故障信息用于指导管理人员制定船机齿轮箱的维修计划。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取齿轮箱监测数据;齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;获取船机齿轮箱的状态评价数据;状态评价数据根据船机齿轮箱的故障特征确定;将齿轮箱监测数据与状态评价数据进行比对,根据比对结果确定船机齿轮箱的状态预测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取船机齿轮箱的故障特征;根据故障特征和预先确定的对应关系,确定船机齿轮箱的第一故障振动频率,得到船机齿轮箱的状态评价数据;其中,对应关系包含有故障特征与第一故障振动频率的映射关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收采集设备发送的采集数据;采集数据由传感器获取并发送给采集设备;传感器设置于船机齿轮箱;确定采集数据对应的频谱数据,得到齿轮箱监测数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:传感器包括加速度传感器。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收采集设备发送的振动信号;其中,振动信号通过加速度传感器测量得到。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将频谱数据与第一故障振动频率进行比对;若频谱数据与第一故障振动频率相匹配,确定船机齿轮箱的状态预测结果为齿轮箱故障。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取船机齿轮箱中的零部件的第二故障振动频率;将频谱数据与第二故障振动频率进行比对,得到比对结果;根据比对结果确定船机齿轮箱中发生故障的零部件。
在一个实施例中,零部件包括:内部齿轮以及轴承;计算机程序被处理器执行时还实现以下步骤:获取内部齿轮、轴承的性能参数以及船机齿轮箱的传动比;根据性能参数和传动比确定第二故障振动频率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:向报警终端输出故障信息;故障信息用于指导管理人员制定船机齿轮箱的维修计划。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,作为独立的产品销售或使用。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本发明实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,不能理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种船机齿轮箱的状态预测方法,其特征在于,包括以下步骤:
获取齿轮箱监测数据;所述齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;
获取所述船机齿轮箱的状态评价数据;所述状态评价数据根据所述船机齿轮箱的故障特征确定;
将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果。
2.根据权利要求1所述的船机齿轮箱的状态预测方法,其特征在于,所述获取所述船机齿轮箱的状态评价数据的步骤,包括:
获取所述船机齿轮箱的故障特征;
根据所述故障特征和预先确定的对应关系,确定所述船机齿轮箱的第一故障振动频率,得到所述船机齿轮箱的状态评价数据;其中,所述对应关系包含有故障特征与第一故障振动频率的映射关系。
3.根据权利要求2所述的船机齿轮箱的状态预测方法,其特征在于,所述获取齿轮箱监测数据的步骤,包括:
接收采集设备发送的采集数据;所述采集数据由传感器获取并发送给所述采集设备;所述传感器设置于船机齿轮箱;
确定所述采集数据对应的频谱数据,得到所述齿轮箱监测数据。
4.根据权利要求3所述的船机齿轮箱的状态预测方法,其特征在于,所述传感器包括加速度传感器;
所述接收采集设备发送的采集数据的步骤,包括:
接收采集设备发送的振动信号;其中,所述振动信号通过所述加速度传感器测量得到。
5.根据权利要求3所述的船机齿轮箱的状态预测方法,其特征在于,所述将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果的步骤,包括:
将所述频谱数据与所述第一故障振动频率进行比对;
若所述频谱数据与所述第一故障振动频率相匹配,确定所述船机齿轮箱的状态预测结果为齿轮箱故障。
6.根据权利要求5所述的船机齿轮箱的状态预测方法,其特征在于,所述将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果的步骤,还包括:
获取所述船机齿轮箱中的零部件的第二故障振动频率;
将所述频谱数据与所述第二故障振动频率进行比对,得到比对结果;
根据所述比对结果确定所述船机齿轮箱中发生故障的零部件。
7.根据权利要求6所述的船机齿轮箱的状态预测方法,其特征在于,所述零部件包括:内部齿轮以及轴承;
所述获取所述齿轮箱中的零部件的第二故障振动频率的步骤之前,还包括:
获取所述内部齿轮、轴承的性能参数以及所述船机齿轮箱的传动比;
根据所述性能参数和传动比确定所述第二故障振动频率。
8.一种船机齿轮箱的状态预测装置,其特征在于,包括:
监测数据获取模块,用于获取齿轮箱监测数据;所述齿轮箱监测数据根据采集设备发送的船机齿轮箱的采集数据确定;
数据获取模块,用于获取所述船机齿轮箱的状态评价数据;所述状态评价数据根据所述船机齿轮箱的故障特征确定;
以及,预测结果确定模块,用于将所述齿轮箱监测数据与所述状态评价数据进行比对,根据比对结果确定所述船机齿轮箱的状态预测结果。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910189462.5A CN110069814A (zh) | 2019-03-13 | 2019-03-13 | 船机齿轮箱的状态预测方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910189462.5A CN110069814A (zh) | 2019-03-13 | 2019-03-13 | 船机齿轮箱的状态预测方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110069814A true CN110069814A (zh) | 2019-07-30 |
Family
ID=67365188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910189462.5A Pending CN110069814A (zh) | 2019-03-13 | 2019-03-13 | 船机齿轮箱的状态预测方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069814A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
CN102768115A (zh) * | 2012-06-27 | 2012-11-07 | 华北电力大学 | 一种风电机组齿轮箱健康状态实时动态监控方法 |
CN103134676A (zh) * | 2011-11-30 | 2013-06-05 | 上海宝钢工业检测公司 | 齿轮箱运行状态的在线监测预警方法 |
CN105203346A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 基于emd降噪的吸油烟机故障诊断的方法及系统 |
CN106197996A (zh) * | 2016-06-24 | 2016-12-07 | 南京理工大学 | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 |
CN108008718A (zh) * | 2017-12-07 | 2018-05-08 | 上海海事大学 | 基于模型的智能型船舶机舱监测报警系统 |
CN108916017A (zh) * | 2018-06-01 | 2018-11-30 | 武汉船用机械有限责任公司 | 一种船用透平货油泵故障诊断系统 |
-
2019
- 2019-03-13 CN CN201910189462.5A patent/CN110069814A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
CN103134676A (zh) * | 2011-11-30 | 2013-06-05 | 上海宝钢工业检测公司 | 齿轮箱运行状态的在线监测预警方法 |
CN102768115A (zh) * | 2012-06-27 | 2012-11-07 | 华北电力大学 | 一种风电机组齿轮箱健康状态实时动态监控方法 |
CN105203346A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 基于emd降噪的吸油烟机故障诊断的方法及系统 |
CN106197996A (zh) * | 2016-06-24 | 2016-12-07 | 南京理工大学 | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 |
CN108008718A (zh) * | 2017-12-07 | 2018-05-08 | 上海海事大学 | 基于模型的智能型船舶机舱监测报警系统 |
CN108916017A (zh) * | 2018-06-01 | 2018-11-30 | 武汉船用机械有限责任公司 | 一种船用透平货油泵故障诊断系统 |
Non-Patent Citations (8)
Title |
---|
刘国生等: "工程船舶安全状态在线监测系统研究与开发", 《船舶与海洋工程》 * |
刘国生等: "工程船舶安全状态在线监测系统研究与开发", 《船舶与海洋工程》, no. 03, 25 June 2018 (2018-06-25) * |
李晓雪等: "工程船舶机械运行状态监测及故障诊断", 《舰船科学技术》 * |
李晓雪等: "工程船舶机械运行状态监测及故障诊断", 《舰船科学技术》, no. 14, 23 July 2018 (2018-07-23) * |
谭伟等: "风电齿轮箱健康状态远程监测系统", 《仪表技术与传感器》 * |
谭伟等: "风电齿轮箱健康状态远程监测系统", 《仪表技术与传感器》, no. 06, 15 June 2017 (2017-06-15) * |
辛卫东等: "振动监测技术在风电机组齿轮箱故障诊断中的应用", 《中国电力》, no. 05, 5 May 2012 (2012-05-05) * |
邝朴生: "现代机器故障诊断学", vol. 1991, 北京农业出版社, pages: 304 - 306 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110032094A (zh) | 机舱设备的控制方法、装置、计算机设备及存储介质 | |
CN104048825B (zh) | 一种多传感器融合的风电机组齿轮箱故障定位方法 | |
CN110044631A (zh) | 船机柴油机的状态预测方法、装置及计算机设备 | |
CN108008718B (zh) | 基于模型的智能型船舶机舱监测报警系统 | |
CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
CN108458885A (zh) | 船舶故障远程诊断与支持决策系统 | |
US20120063039A1 (en) | Systems and methods for protection of components in electrical power delivery systems | |
CN110568792B (zh) | 一种海洋平台振动噪声舒适性监测装置及在线监测方法 | |
CN108008287A (zh) | 基于移频信号的轨道电路故障监测平台及其监测方法 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN110070205A (zh) | 船机泥泵的状态预测方法、装置、计算机设备及存储介质 | |
CN102901560A (zh) | 一种海洋导管架平台结构安全综合监测系统 | |
CN109934404A (zh) | 船机轴承箱的状态预测方法、装置及计算机设备 | |
CN113525655A (zh) | 基于机器学习的船舶能量-电力控制管理系统 | |
CN110044616A (zh) | 一种铁路机车轴承及齿轮故障诊断方法和诊断系统 | |
CN109268214A (zh) | 一种风力发电机联轴器对中状态智能监测系统及方法 | |
CN110837045A (zh) | 一种诊断泵系统潜在故障的方法及检测系统 | |
CN110082078A (zh) | 船机尾轴的状态预测方法、装置、计算机设备及存储介质 | |
CN116537965B (zh) | 一种柴油机在线监测和故障诊断装置 | |
CN110069814A (zh) | 船机齿轮箱的状态预测方法、装置及计算机设备 | |
CN210949183U (zh) | 一种深井泵检测装置 | |
CN111319051A (zh) | 船舶智能机舱的智能巡检机器人及其方法 | |
CN209910709U (zh) | 耙吸船的状态监测系统 | |
CN209910708U (zh) | 绞吸船的状态监测系统 | |
CN114151292A (zh) | 海上风力发电机组基础冲刷在线监测系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190730 |
|
RJ01 | Rejection of invention patent application after publication |