CN110177017A - 一种减速机智能故障诊断系统及其诊断方法 - Google Patents
一种减速机智能故障诊断系统及其诊断方法 Download PDFInfo
- Publication number
- CN110177017A CN110177017A CN201910479242.6A CN201910479242A CN110177017A CN 110177017 A CN110177017 A CN 110177017A CN 201910479242 A CN201910479242 A CN 201910479242A CN 110177017 A CN110177017 A CN 110177017A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- speed reducer
- intelligent
- database
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- H04L41/04—Network management architectures or arrangements
- H04L41/044—Network management architectures or arrangements comprising hierarchical management structures
-
- 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
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明是一种减速机智能故障诊断系统及其诊断方法,数据采集层的数据采用Netty框架的多线程处理方式,可以快速开发高性能、高可靠性的网络服务器和客户端程序,减少数据传输错误和丢包现象的发生;分析诊断采用ssm框架结构能够快速开发高性能、高可靠性的分析软件,维护成本低,不需要因一次升级所有的客户端的程序都需要改变;数据库采用mysql主主+中间件mycat的架构管理数据,具有读写分离、均衡负载、高可用等特点,能够快速存储和读取数据库;预测分析模块能够对减速机运行状态进行趋势分析及寿命预测。
Description
技术领域
本发明涉及减速机诊断技术领域,尤其涉及一种减速机智能故障诊断系统及其诊断方法。
背景技术
在减速机诊断分析技术领域中,需要用不同类型的传感器来采集减速机数据,不同类型的传感器需要用不同的诊断系统,目前市场上有容知、斯凯孚诊断分析系统,他们的诊断分析系统多采用C/S架构,在使用时,数据采集不稳定,用多线程进行数据采集时,易发生数据传输错误、丢包现象,此外,C/S架构适用面窄,通常用于局域网中,由于程序需要安装才可使用,维护成本高,发生一次升级,则所有客户端的程序都需要改变。目前诊断分析系统的数据库大多采用单实例的架构设计,数据结构设计不合理,当数据量随着时间推移不断增大,数据查询非常缓慢。此外,目前诊断分析系统没有针对减速机的自学习、自修正及预测功能,从而导致分析结果的准确度低。
发明内容
本发明旨在解决现有技术的不足,而提供一种减速机智能故障诊断系统及其诊断方法。
本发明为实现上述目的,采用以下技术方案:一种减速机智能故障诊断系统,其特征在于,包括数据层、Web Service层、展示层和智能自适应诊断分析模块,数据层将采集的数据传递给Web Service层,经Web Service层处理后给展示层展示,数据层包括传感器、数据采集层和数据库,传感器采集减速机的振动数据和温度数据,采集的振动数据和温度数据经模数转换给数据采集层,数据采集层的数据以Netty框架的多线程处理方式传递到数据库备用,数据库采用mysql主主+中间件mycat的架构管理数据,Web Service层包括数据查询服务、数据配置服务、数据采集服务和API接口服务,数据库的数据双向传输给WebService层,展示层包括手机APP、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块,Web Service层经分析诊断将分析诊断的结果给展示层,且分析诊断采用ssm框架结构,展示层读取和查询Web Service层传递来的数据,智能自适应诊断分析模块包括采样模块、信号处理模块,信号诊断分析模块和智能调机模块和预测分析模块,采样模块在数据库采样实时数据给信号处理模块,采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块,信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比,将对比的差值给智能调试模块,智能调试模块对信号处理模块和信号诊断分析模块进行调试,且智能调试模块对预测分析模块进行修正,预测分析模块与实际减速机的健康状态作对比,再将对比的差值给智能调试模块,智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
传感器的种类包括E版传感器、煤安传感器和本安传感器。
mysql主主为两个主数据库互为主从。
ssm框架结构为Spring+SpringMVC+MyBatis的框架结构。
API接口服务为手机APP、大屏展示模块提供数据接口服务。
数据采集服务通过socket接口与传感器进行通信,接收传感器数据,并经过算法处理,写入数据库。
数据查询服务通过前端页面请求数据,建立数据库连接获取查询数据。
数据配置服务通过前端页面进行配置管理模块,建立数据库连接写入到数据库。
上述一种减速机智能故障诊断系统的诊断方法,其方法如下:
传感器采用无线4G传感器,安装在减速机轴承座附近,传感器把采集的数据传输到网关,再通过网关,4G网络传输的方式传输到服务器,通过服务器的通讯软件接收到数据库里,通过智能算法计算数据库中的数据,再次存储到数据库,诊断分析系统读取数据,展现给用户,用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。
本发明的有益效果是:数据采集层的数据采用Netty框架的多线程处理方式,可以快速开发高性能、高可靠性的网络服务器和客户端程序,减少数据传输错误和丢包现象的发生;分析诊断采用ssm框架结构能够快速开发高性能、高可靠性的分析软件,维护成本低,不需要因一次升级所有的客户端的程序都需要改变;数据库采用mysql主主+中间件mycat的架构管理数据,具有读写分离、均衡负载、高可用等特点,能够快速存储和读取数据库;预测分析模块能够对减速机运行状态进行趋势分析及寿命预测。
附图说明
图1为本发明的架构示意图;
图2为本发明的数据流程图;
图3为本发明的mysql主主+中间件mycat的架构示意图;
图4为本发明的设备智能状态诊断过程示意图;
图5为本发明的设备智能状态预测过程示意图;
图6为本发明的智能算法流程图;
图7为实施例1的多趋势波形图;
图8为实施例1的时域波形图;
图9为实施例1的包络解调图;
图10为实施例2的多趋势波形图;
图11为实施例2的输入端3V时频域图;
图12为实施例2的时域波形图;
图13为实施例2的包络解调图;
以下将结合本发明的实施例参照附图进行详细叙述。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
如图1-6所示,一种减速机智能故障诊断系统,其特征在于,包括数据层、WebService层、展示层和智能自适应诊断分析模块,数据层将采集的数据传递给Web Service层,经Web Service层处理后给展示层展示,数据层包括传感器、数据采集层和数据库,传感器采集减速机的振动数据和温度数据,采集的振动数据和温度数据经模数转换给数据采集层,数据采集层的数据以Netty框架的多线程处理方式传递到数据库备用,数据库采用mysql主主+中间件mycat的架构管理数据,Web Service层包括数据查询服务、数据配置服务、数据采集服务和API接口服务,数据库的数据双向传输给Web Service层,展示层包括手机APP、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块,WebService层经分析诊断将分析诊断的结果给展示层,且分析诊断采用ssm框架结构,展示层读取和查询Web Service层传递来的数据,智能自适应诊断分析模块包括采样模块、信号处理模块,信号诊断分析模块和智能调机模块和预测分析模块,采样模块在数据库采样实时数据给信号处理模块,采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块,信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比,将对比的差值给智能调试模块,智能调试模块对信号处理模块和信号诊断分析模块进行调试,且智能调试模块对预测分析模块进行修正,预测分析模块与实际减速机的健康状态作对比,再将对比的差值给智能调试模块,智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
传感器的种类包括E版传感器、煤安传感器和本安传感器。
mysql主主为两个主数据库互为主从。
ssm框架结构为Spring+SpringMVC+MyBatis的框架结构。
API接口服务为手机APP、大屏展示模块提供数据接口服务。
数据采集服务通过socket接口与传感器进行通信,接收传感器数据,并经过算法处理,写入数据库。
数据查询服务通过前端页面请求数据,建立数据库连接获取查询数据。
数据配置服务通过前端页面进行配置管理模块,建立数据库连接写入到数据库。
配置管理模块可以对组织结构、测点、采集站进行配置管理模块。
波形展示模块可以对减速机测点的各种波形进行展示。
报警展示模块可以对减速机测点的振动、温度进行报警事件的查询。
诊断报告模块可以对减速机的诊断报告模块进行查询。
上述一种减速机智能故障诊断系统的诊断方法,其方法如下:
传感器采用无线4G传感器,安装在减速机轴承座附近,传感器把采集的数据传输到网关,再通过网关,4G网络传输的方式传输到服务器,通过服务器的通讯软件接收到数据库里,通过智能算法计算数据库中的数据,再次存储到数据库,诊断分析系统读取数据,展现给用户,用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。
如图4设备智能状态诊断过程,该模块能够系统地和逐步地选择重要诊断参数(包括能量包络宽度,信号与故障的关系,特征频带等)的最佳组合。包含信号特征和故障大小的自适应大数据分析方法以及深度和快速的机器学习方法将在此模块中实现。
如图5设备智能状态预测过程,该模块基于测量后的机器健康状况,将自动实现针对剩余寿命的预测最佳结果该目标的达成通过将参数趋势与大数据融合以及应用粒子群优化算法,从而迭代地改变诊断模块参数(长相关函数)。
如图6智能算法信号处理流程如下:
1、振动信号进行预处理(滤波),通常使用巴特沃斯滤波器;
2、预处理后的信号进行时域(幅域)特征参数计算,计算的时域指标有波形指标、峰值指标、脉冲指标、峭度指标、裕度指标;
3、匀速信号进行匀转速情况下的频域特征计算,计算FFT幅值谱、功率谱、倒频谱、包络谱及共振解调谱;
4、变速信号进行变转速情况下的频域特征计算,计算阶次功率谱、伯德图、极坐标图、瀑布图、级联图;
5、通过时域指标和频域特征(匀速、变速)进行故障位置判断;
6、趋势分析模块对振动信号的峭度、烈度、峰值因子、有效值进行趋势分析及预测;
7、ARMA及ARMA-RLS算法能够对设备的残余寿命进行预测,此部分总体实现流程:
a将要分析的模拟进行采集,使其成为能够工上位机处理的数字信号;
b信号处理模块提取原始喜好的特征值,包括但不限于时域指标、频域特征等;
c信号诊断分析模块对设备健康状态进行判断;
d智能调机程序通过实际设备健康状态与设备预测健康状态的误差分析,来修正信号处理模块的特征提取方法,包括频带宽度、阈值等参数,以提高故障特征提取精度;
e预测分析模块通过获取诊断分析模块的设备健康状态判断结果,进一步预测设备的残余寿命;
f智能调机程序通过对比实际设备健康状态与预测分析模块计算出的设备残余寿命之间的误差,进而修正预测分析模块的相关参数,包括模型阈值、参数权重等;
g如此重复上述过程。
实施例1
一种减速机智能诊断分析系统,其特征在于,包括数据层、Web Service层、展示层和智能自适应诊断分析模块,数据层将采集的数据传递给Web Service层,经Web Service层处理后给展示层展示,数据层包括传感器、数据采集层和数据库,传感器采集减速机的振动数据和温度数据,采集的振动数据和温度数据经模数转换给数据采集层,数据采集层的数据以Netty框架的多线程处理方式传递到数据库备用,数据库采用mysql主主+中间件mycat的架构管理数据,Web Service层包括数据查询服务、数据配置服务、数据采集服务和API接口服务,数据库的数据双向传输给Web Service层,展示层包括手机APP、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块,Web Service层经分析诊断将分析诊断的结果给展示层,且分析诊断采用ssm框架结构,分析诊断的监测数据显示包括测点的状态、振动、温度实时数据,其中振动数据包括有原始波形(时域波形)、FFT频谱、包络/解调谱,在显示波形时要具有峰值自动捕捉功能;分析诊断计算有效值、脉冲指标、波形指标、峰值指标、裕度指标、峭度指标、时域总值、频域总值;分析诊断的时域信号需要有多光标功能和谐光标(可以设置谐波个数)功能,频域需要多光标功能,有谐频(可以设置谐波个数)、边频和谐边带(可以设置谐波次数和边频个数)分析功能,同时可以在一个页面里显示同一个设备下多个测点下多个波形图;分析诊断的历史数据曲线图可以显示趋势分析(总值、峰值、脉冲、峭度、有效值、烈度、时域总值、包络谱总值、频域总值、温度)曲线图。在有效值、包络谱总值、频域总值趋势图中显示出报警线。
展示层读取和查询Web Service层传递来的数据,智能自适应诊断分析模块包括采样模块、信号处理模块,信号诊断分析模块和智能调机模块和预测分析模块,采样模块在数据库采样实时数据给信号处理模块,采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块,信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比,将对比的差值给智能调试模块,智能调试模块对信号处理模块和信号诊断分析模块进行调试,且智能调试模块对预测分析模块进行修正,预测分析模块与实际减速机的健康状态作对比,再将对比的差值给智能调试模块,智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
如图7-9所示,传感器采用无线4G(振动、温度)传感器,安装在减速机轴承座附近(受力最大处),传感器把采集的数据传输到网关,再通过网关,4G网络传输的方式传输到服务器,通过服务器的通讯软件(根据通讯协议)接收到数据库里,通过智能算法计算数据库中的数据,再次存储到数据库,诊断分析系统读取数据,展现给用户,用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况,比如金隅广灵的减速机输入端轴承座和输出端轴承座振动波形趋势突然上升,查看输出端轴承座轴承的长波形,可以明显的见到冲击信号,且冲击频率为17Hz左右,恰为转频的0.4X左右,因此推测为轴承保持架故障频率,再通过包络解调能够看到17Hz左右频率谐波,且在97Hz左右(滚珠故障频率)及其谐波中均存在17Hz左右的边带,符合滚动轴承滚珠磨损带有保持架边带的故障特征,因此推测轴承座轴承存在中后期故障,且轴承的保持架和滚珠均有较明显的磨损现象,建议现场准备备品备件,密切关注设备振动和噪声的变化情况。
实施例2
如图10-13所示,以滦平建龙矿业动辊减速机为例,传感器采用无线4G(振动、温度)传感器,安装在减速机轴承座附近(受力最大处),动辊设备多趋势中可以看到近期振动趋势有整体上升趋势,动辊减速机输入端3V的趋势图中能够发现振动趋势逐渐上升,时域波形中发现明显的冲击信号且能量较高,频谱分析中能够发现143Hz左右的谐频(推测一级行星啮合频率)以及6Hz的边带,以及349Hz左右的谐波;从动辊磨辊输出端时域波形中可以明显的发现0.17Hz左右的冲击信号,包络解调能够解调出大量的0.17Hz左右的谐波,因此推测动辊输入端轴承存在磨损现象,一级平行齿轮啮合和一级行星齿轮啮合存在啮合不良的现象,齿轮存在磨损现象,磨辊输出端轴承出现严重磨损或输出端连接部件出现异常现象。(目前没有详细的设备内部参数,影响故障判断的准确率,建议现场尽快提供设备的详细信息,例如:齿轮齿数、轴承型号等),建议现场检查动辊输入端是否存在异常,仔细听设备是否存在异响,检查磨辊输出端轴承是否存在异响,以及磨辊输出端连接部件是否存在异常情况,保证轴承润滑密切关注设备的振动和噪声的变化情况。
传感器检测点的数量为1-9个,检测点位于轴承座上。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种减速机智能故障诊断系统,其特征在于,包括数据层、Web Service层、展示层和智能自适应诊断分析模块,数据层将采集的数据传递给Web Service层,经Web Service层处理后给展示层展示,数据层包括传感器、数据采集层和数据库,传感器采集减速机的振动数据和温度数据,采集的振动数据和温度数据经模数转换给数据采集层,数据采集层的数据以Netty框架的多线程处理方式传递到数据库备用,数据库采用mysql主主+中间件mycat的架构管理数据,Web Service层包括数据查询服务、数据配置服务、数据采集服务和API接口服务,数据库的数据双向传输给Web Service层,展示层包括手机APP、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块,Web Service层经分析诊断将分析诊断的结果给展示层,且分析诊断采用ssm框架结构,展示层读取和查询Web Service层传递来的数据,智能自适应诊断分析模块包括采样模块、信号处理模块,信号诊断分析模块和智能调机模块和预测分析模块,采样模块在数据库采样实时数据给信号处理模块,采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块,信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比,将对比的差值给智能调试模块,智能调试模块对信号处理模块和信号诊断分析模块进行调试,且智能调试模块对预测分析模块进行修正,预测分析模块与实际减速机的健康状态作对比,再将对比的差值给智能调试模块,智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
2.根据权利要求1所述的减速机智能故障诊断系统,其特征在于,传感器的种类包括E版传感器、煤安传感器和本安传感器。
3.根据权利要求1所述的减速机智能故障诊断系统,其特征在于,mysql主主为两个主数据库互为主从。
4.根据权利要求1所述的减速机智能故障诊断系统,其特征在于,ssm框架结构为Spring+SpringMVC+MyBatis的框架结构。
5.根据权利要求1所述的减速机智能故障诊断系统,其特征在于,API接口服务为手机APP、大屏展示模块提供数据接口服务。
6.根据权利要求1所述的减速机智能故障诊断系统的诊断方法,其特征在于,传感器采用无线4G传感器,安装在减速机轴承座附近,传感器把采集的数据传输到网关,再通过网关,4G网络传输的方式传输到服务器,通过服务器的通讯软件接收到数据库里,通过智能算法计算数据库中的数据,再次存储到数据库,诊断分析系统读取数据,展现给用户,用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910479242.6A CN110177017B (zh) | 2019-06-04 | 2019-06-04 | 一种减速机智能故障诊断系统及其诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910479242.6A CN110177017B (zh) | 2019-06-04 | 2019-06-04 | 一种减速机智能故障诊断系统及其诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110177017A true CN110177017A (zh) | 2019-08-27 |
CN110177017B CN110177017B (zh) | 2023-09-19 |
Family
ID=67697660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910479242.6A Active CN110177017B (zh) | 2019-06-04 | 2019-06-04 | 一种减速机智能故障诊断系统及其诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110177017B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765194A (zh) * | 2019-10-22 | 2020-02-07 | 北京二进制信息技术有限公司 | 前后台数据处理方法和系统 |
CN110940518A (zh) * | 2019-11-27 | 2020-03-31 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
CN110958312A (zh) * | 2019-11-27 | 2020-04-03 | 中北大学 | 一种航空传动故障数据分析系统 |
CN111458139A (zh) * | 2020-06-17 | 2020-07-28 | 江苏国茂减速机股份有限公司 | 一种减速机在线监测机构及系统 |
CN113820227A (zh) * | 2021-08-23 | 2021-12-21 | 西安理工大学 | 一种动态自组织健康监测方法 |
CN114966402A (zh) * | 2022-07-28 | 2022-08-30 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
CN115515169A (zh) * | 2022-11-22 | 2022-12-23 | 天津通信广播集团有限公司 | 一种工业数据采集网关的数据转发方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100954090B1 (ko) * | 2009-10-27 | 2010-04-23 | 주식회사 위다스 | 풍력발전설비 상태감시시스템 |
CN105003453A (zh) * | 2014-07-18 | 2015-10-28 | 河北联合大学 | 一种矿井风机在线监测与故障诊断系统 |
CN107193275A (zh) * | 2017-07-01 | 2017-09-22 | 浙江三青环保科技有限公司 | 一种设备运行智能诊断系统及诊断方法 |
CN107948251A (zh) * | 2017-11-06 | 2018-04-20 | 武汉科技大学 | 一种基于安卓的远程机械故障诊断系统 |
CN108593302A (zh) * | 2018-08-03 | 2018-09-28 | 中国船舶重工集团柴油机有限公司 | 一种低速柴油机故障诊断系统 |
CN109001649A (zh) * | 2018-07-21 | 2018-12-14 | 成都光电传感技术研究所有限公司 | 一种电源智能诊断系统及保护方法 |
CN109211548A (zh) * | 2018-08-31 | 2019-01-15 | 沃德传动(天津)股份有限公司 | 一种机械故障诊断方法 |
-
2019
- 2019-06-04 CN CN201910479242.6A patent/CN110177017B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100954090B1 (ko) * | 2009-10-27 | 2010-04-23 | 주식회사 위다스 | 풍력발전설비 상태감시시스템 |
CN105003453A (zh) * | 2014-07-18 | 2015-10-28 | 河北联合大学 | 一种矿井风机在线监测与故障诊断系统 |
CN107193275A (zh) * | 2017-07-01 | 2017-09-22 | 浙江三青环保科技有限公司 | 一种设备运行智能诊断系统及诊断方法 |
CN107948251A (zh) * | 2017-11-06 | 2018-04-20 | 武汉科技大学 | 一种基于安卓的远程机械故障诊断系统 |
CN109001649A (zh) * | 2018-07-21 | 2018-12-14 | 成都光电传感技术研究所有限公司 | 一种电源智能诊断系统及保护方法 |
CN108593302A (zh) * | 2018-08-03 | 2018-09-28 | 中国船舶重工集团柴油机有限公司 | 一种低速柴油机故障诊断系统 |
CN109211548A (zh) * | 2018-08-31 | 2019-01-15 | 沃德传动(天津)股份有限公司 | 一种机械故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
吕跃刚;邓文玉;刘俊承;: "基于云服务器的旋转机械在线监测诊断系统设计", 测控技术, no. 09 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765194A (zh) * | 2019-10-22 | 2020-02-07 | 北京二进制信息技术有限公司 | 前后台数据处理方法和系统 |
CN110940518A (zh) * | 2019-11-27 | 2020-03-31 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
CN110958312A (zh) * | 2019-11-27 | 2020-04-03 | 中北大学 | 一种航空传动故障数据分析系统 |
CN110940518B (zh) * | 2019-11-27 | 2021-08-24 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
CN110958312B (zh) * | 2019-11-27 | 2022-05-20 | 中北大学 | 一种航空传动故障数据分析系统 |
CN111458139A (zh) * | 2020-06-17 | 2020-07-28 | 江苏国茂减速机股份有限公司 | 一种减速机在线监测机构及系统 |
CN111458139B (zh) * | 2020-06-17 | 2020-09-18 | 江苏国茂减速机股份有限公司 | 一种减速机在线监测机构及系统 |
CN113820227A (zh) * | 2021-08-23 | 2021-12-21 | 西安理工大学 | 一种动态自组织健康监测方法 |
CN114966402A (zh) * | 2022-07-28 | 2022-08-30 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
CN114966402B (zh) * | 2022-07-28 | 2022-11-01 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
CN115515169A (zh) * | 2022-11-22 | 2022-12-23 | 天津通信广播集团有限公司 | 一种工业数据采集网关的数据转发方法 |
CN115515169B (zh) * | 2022-11-22 | 2023-06-09 | 天津通信广播集团有限公司 | 一种工业数据采集网关的数据转发方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110177017B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110177017A (zh) | 一种减速机智能故障诊断系统及其诊断方法 | |
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
CA2875071C (en) | Method and system for testing operational integrity of a drilling rig | |
CN110056640B (zh) | 基于加速度信号和边缘计算的减速机无线故障诊断方法 | |
CN113305645A (zh) | 一种基于混合神经模型的数控机床刀具剩余寿命预测方法 | |
CN103969069A (zh) | 机械设备工况监测与故障诊断方法 | |
WO2016149906A1 (en) | Analyzing equipment degradation for maintaining equipment | |
CN112943595A (zh) | 液压泵故障预测方法、装置、电子设备及存储介质 | |
CN107516279A (zh) | 一种网络舆情自动预警的方法 | |
CN111896254A (zh) | 一种变速变载大型滚动轴承故障预测系统及方法 | |
WO2023279382A1 (zh) | 一种电机轴承运行状态故障检测方法及系统 | |
CN109405889A (zh) | 用于掘进机工作臂减速器故障预测的系统与方法 | |
CN106596105A (zh) | 一种轴承故障诊断方法、装置及系统 | |
CN106769053A (zh) | 一种基于声发射信号的水轮机故障诊断系统及方法 | |
CN110398384A (zh) | 旋转机械的机器健康监测 | |
CN114739667B (zh) | 一种多模态信息融合轴承润滑状态监测装置及方法 | |
Canário et al. | Llaima volcano dataset: In-depth comparison of deep artificial neural network architectures on seismic events classification | |
CN104048165A (zh) | 管道泄漏诊断的方法 | |
KR20220132824A (ko) | 배전설비 상태 이상 개소 감시 시스템 및 방법 | |
Yao et al. | A framework via impulses-oriented Gini index and extreme value distribution for rolling bearing dynamic fault alarm and identification | |
CN117213864A (zh) | 适用于发动机的滑油金属屑末颗粒的智能检测方法及系统 | |
Yin et al. | A new Wasserstein distance-and cumulative sum-dependent health indicator and its application in prediction of remaining useful life of bearing | |
CN107783942B (zh) | 一种异常行为检测方法及装置 | |
CN115406522A (zh) | 基于声纹识别的电厂设备运行状态研究与应用 | |
CN112486096A (zh) | 一种机床运行状态的监控方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |