CN110701137A - 一种掘进机液压系统智能在线检测诊断装置及方法 - Google Patents
一种掘进机液压系统智能在线检测诊断装置及方法 Download PDFInfo
- Publication number
- CN110701137A CN110701137A CN201910983563.XA CN201910983563A CN110701137A CN 110701137 A CN110701137 A CN 110701137A CN 201910983563 A CN201910983563 A CN 201910983563A CN 110701137 A CN110701137 A CN 110701137A
- Authority
- CN
- China
- Prior art keywords
- fault
- hydraulic
- diagnosis
- parameters
- data
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/005—Fault detection or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/007—Simulation or modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Fluid-Pressure Circuits (AREA)
Abstract
一种掘进机液压系统智能在线检测诊断装置包括信号检测系统、信号分析系统、动态模拟及现场检测系统、学习系统和故障诊断和决策系统,信号检测系统分别与信号分析系统和动态模拟及现场检测系统信号连接,信号分析系统分别与学习系统和决策系统连接。可以在设备工作的同时,监测设备运行状态,有效的缩短液压设备故障判断时间,并提高故障判断的准确率,缩短维修停机时间,提高工作效率;元件寿命预测可有效的提前预警液压元器件的寿命状态,提示维修工作人员提前准备备件。减少意外停机,应急停机的次数。
Description
技术领域
本发明涉及一种掘进机液压系统智能在线检测诊断装置及方法,具体为液压系统技术领域。
背景技术
目前液压系统故障判断主要还是依靠有经验的专业工程技术人员通过现场的观察和采用便携式仪器测量系统各项参数,并通过自身的经验积累采用基于故障现象分析的方法或采用排除法进行液压系统故障点的识别和故障的成因。
存在专业技术人员紧缺,现场技术条件有限,判断时间过长,且故障识别准确度不高等问题。使得用户在设备维修的过程中花费过多的时间成本。
随着生产的不断发展和科学技术的不断进步,为了最大限度的提高生产效率和产品质量,作为主要生产工具的机械设备正朝着大型、高速、精密、连续运转及结构复杂的方向发展。这样,在满足生产要求的同时,设备发生故障的潜在可能性及方式也在相应的增加;并且设备一旦发生故障,就可能造成严重的后果。尤其液压系统故障存在多样性和突发性,且成因复杂、危害严重等使得液压系统仅靠人工诊断难以及时顺利的完成故障判断工作。
发明内容
本发明的目的在于提供一种掘进机液压系统智能在线检测诊断方法及装置。通过该方法和装置用于掘进机液压系统故障快速诊断,并且可以提供故障诊断的准确性。
为实现上述目的,本发明提供如下技术方案:一种掘进机液压系统智能在线检测诊断装置包括信号检测系统、信号分析系统、动态模拟及现场检测系统、学习系统和故障诊断和决策系统,信号检测系统分别与信号分析系统和动态模拟及现场检测系统信号连接,信号分析系统分别与学习系统和决策系统连接。
一种掘进机液压系统智能在线检测诊断装置的诊断方法为:步骤一、故障诊断,通过信号检测系统采集设备运行数据,采集数据在设备正常工作状态下采集,采集后的数据存储至日志数据库中,同时送入信号分析系统中进行数据处理,如未发生故障,则跳转至动态模拟及现场检测系统,如设备发生故障,采集数据是否符合故障数据库中预设置值范围,找到与预设值范围外的参数,通过参数与故障样本参数比对,确认故障点,该故障为可识别故障,对于可识别故障通过故障诊断和决策系统5给出故障原因及故障解决办法,对于没有故障样本比对的为不可识别故障,不可识别故障通过记录故障的参数,形成新的故障样本存储至设备故障数据库,由不可识别故障到形成故障样本过程称为自学习过程,经过学习系统形成的故障样本下次发生该故障时,该故障变为可识别故障,通过长时间循环完善故障数据库后,使得大部分故障变成可识别故障,进而得到完整的故障数据库;
步骤二、液压元件寿命的预测,动态模拟及现场检测系统采集液压参数,采集的参数与故障数据库中预存储的参数范围进行比对,如在预存参数范围内,则说明设备工作状态正常,随着设备的使用和正常磨损,返回参数逐渐向极限值方向靠近,当越过极限值时,即代表该参数对应的工艺动作或液压元件损坏或失效,通过型式试验可得到元件寿命与测量参数之间的曲线关系,设备当前监测参数与元件寿命曲线比对后可得到元器件的寿命数据,与液压元件寿命预测数据库数据进行对比,实现液压元件寿命预测功能。
作为优选,所述的液压元件寿命的预测过程中液压参数的采集种类和范围;采集液压元件的泄漏量、执行元件压差、工作介质温度、工作介质污染度,液压油缸位移等参数。
作为优选,故障点的寻找方法为:通过参量法定时监测掘进机液压系统液温、液位、工作介质污染度、各柱塞类液压元件泄露量、系统工作压力、油缸内泄漏量等工作参数,通过基于故障样本的故障判断方法,快速确定故障点;
进一步优选,所述的参量法是指通过检测液压系统中某些参数来诊断设备工作状态,液压系统有正常工作时,存在大量的运行数据,从故障诊断和寿命预测的角度实际需求考虑,选取如压力、流量、速度、液温等参数作为液压系统采集参数。
作为优选,所述的故障诊断步骤中故障样本是液压系统故障状态下从监测数据中提取的故障参数,并制作成故障样本参数存储至故障数据库中。
作为优选,所述的信号分析系统2进行数据处理,具体数据处理的方法为:从执行机构采集到的压力数据经过计算转换成出力或扭矩保存;
从执行机构采集的位移数据绘制时间位移曲线,并转计算出运行速度存储到数据库中,并进行累加得到油缸运行的总里程;
从控制装置采集的流量数据,计算油缸的运行速度,并与上一条按照位移计算速度进行比较,通过计算得出油缸泄漏量;
从油箱上采集液温数据,按照经验设置温度报警和停机的点。
与现有技术相比,本发明的有益效果是:可以在设备工作的同时,监测设备运行状态,有效的缩短液压设备故障判断时间,并提高故障判断的准确率,缩短维修停机时间,提高工作效率;元件寿命预测可有效的提前预警液压元器件的寿命状态,提示维修工作人员提前准备备件。减少意外停机,应急停机的次数。
附图说明
图1为本发明结构结示意图;
图2为本发明实施例中在线故障诊断及寿命预测实现框图;
图3为本发明实施例中某油缸行驶里程和寿命的关系图;
图4为本发明实施例中某柱塞类元件容积效率与寿命关系曲线。
附图标记:信号检测系统1、信号分析系统2、动态模拟及现场检测系统3、学习系统4、故障诊断和决策系统5、日志数据库1-1、故障数据库1-2、液压元件寿命预测数据库1-3。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供以下方案:一种掘进机液压系统智能在线检测诊断装置的诊断方法:参照图2所示,故障诊断,信号检测系统以一定的时间间隔,将测量值传送至日志数据库并进行存储,同时采集的位移信号,温度信号,流量信号和压力信号等数据与故障数据库中理想数据进行比较,如出现异常及时发出报警信号,如果故障为可识别状态,由故障诊断及决策系统来显示故障原因及解决措施;如故障不可识别,由学习系统对新的故障进行学习,并将故障数据存入故障数据库中。
元件寿命的预测,通过采集升降油缸和回转油缸的运行里程参数,通过日志数据库日常记录油缸运行的参数,与故障数据库油缸寿命曲线进行比对,从而实现液压油缸寿命预测,了解产品剩余寿命。图3为某油缸行驶里程和寿命的关系图。通过下面的曲线读取油缸剩余寿命,当进入失效期以后,元件可能随时损坏,需要马上更换
通过采集柱塞类元件泄露油流量数据,通过日志数据库日常记录柱塞类元件运行的参数,与故障数据库柱塞类元件寿命曲线进行比对,从而实现柱塞类元件的寿命预测,图4为某柱塞类元件容积效率与寿命关系曲线,通过容积效率在曲线上读取剩余寿命,当进入失效期以后,元件可能随时损坏,需要马上更换。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种掘进机液压系统智能在线检测诊断装置,其特征在于:所述的诊断装置包含信号检测系统(1)、信号分析系统(2)、动态模拟及现场检测系统(3)、学习系统(4)和故障诊断和决策系统(5),信号检测系统(1)分别与信号分析系统(2)和动态模拟及现场检测系统(3)信号连接,信号分析系统(2)分别与学习系统(4)和决策系统(5)连接。
2.一种掘进机液压系统智能在线检测诊断装置的诊断方法,其特征在于:具体方法为:步骤一、故障诊断,通过信号检测系统(1)采集设备运行数据,采集数据在设备正常工作状态下采集,采集后的数据存储至日志数据库(1-1)中,同时送入信号分析系统(2)中进行数据处理,如未发生故障,则跳转至动态模拟及现场检测系统(3),如设备发生故障,采集数据是否符合故障数据库(1-2)中预设置值范围,找到与预设值范围外的参数,通过参数与故障样本参数比对,确认故障点,该故障为可识别故障,对于可识别故障通过故障诊断和决策系统(5)给出故障原因及故障解决办法,对于没有故障样本比对的为不可识别故障,不可识别故障通过记录故障的参数,形成新的故障样本存储至设备故障数据库(1-2),由不可识别故障到形成故障样本过程称为自学习过程,经过学习系统4形成的故障样本下次发生该故障时,该故障变为可识别故障,通过长时间循环完善故障数据库后,使得大部分故障变成可识别故障,进而得到完整的故障数据库(1-2);
步骤二、液压元件寿命的预测,动态模拟及现场检测系统(3)采集液压参数,采集的参数与故障数据库(1-2)中预存储的参数范围进行比对,如在预存参数范围内,则说明设备工作状态正常,随着设备的使用和正常磨损,返回参数逐渐向极限值方向靠近,当越过极限值时,即代表该参数对应的工艺动作或液压元件损坏或失效,通过型式试验可得到元件寿命与测量参数之间的曲线关系,设备当前监测参数与元件寿命曲线比对后可得到元器件的寿命数据,与液压元件寿命预测数据库(1-3)数据进行对比,实现液压元件寿命预测功能。
3.根据权利要求1所述的一种掘进机液压系统智能在线检测诊断装置的诊断方法,其特征在于:所述的液压元件寿命的预测过程中液压参数的采集种类和范围为:采集液压元件的泄漏量、执行元件压差、工作介质温度、工作介质污染度,液压油缸位移参数。
4.根据权利要求1所述的一种掘进机液压系统智能在线检测诊断装置的诊断方法,其特征在于:所述的故障诊断步骤中故障点的寻找方法为:通过参量法定时监测掘进机液压系统液温、液位、工作介质污染度、各柱塞类液压元件泄露量、系统工作压力、油缸内泄漏量等工作参数,通过基于故障样本的故障判断方法,快速确定故障点。
5.根据权利要求4所述的一种掘进机液压系统智能在线检测诊断装置的诊断方法,其特征在于:所述的参量法是指通过检测液压系统中某些参数来诊断设备工作状态,液压系统有正常工作时,存在大量的运行数据,从故障诊断和寿命预测的角度实际需求考虑,选取如压力、流量、速度、液温参数作为液压系统采集参数。
6.根据权利要求1所述的一种掘进机液压系统智能在线检测诊断装置的诊断方法,其特征在于:所述的故障诊断步骤中故障样本是液压系统故障状态下从监测数据中提取的故障参数,并制作成故障样本参数存储至故障数据库中。
7.根据权利要求1所述的一种掘进机液压系统智能在线检测诊断装置的诊断方法,其特征在于:所述的故障诊断步骤中信号分析系统2进行数据处理,具体数据处理的方法为:从执行机构采集到的压力数据经过计算转换成出力或扭矩保存;
从执行机构采集的位移数据绘制时间位移曲线,并转计算出运行速度存储到数据库中,并进行累加得到油缸运行的总里程;
从控制装置采集的流量数据,计算油缸的运行速度,并与上一条按照位移计算速度进行比较,通过计算得出油缸泄漏量;
从油箱上采集液温数据,按照经验设置温度报警和停机的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983563.XA CN110701137B (zh) | 2019-10-16 | 2019-10-16 | 一种掘进机液压系统智能在线检测诊断装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983563.XA CN110701137B (zh) | 2019-10-16 | 2019-10-16 | 一种掘进机液压系统智能在线检测诊断装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110701137A true CN110701137A (zh) | 2020-01-17 |
CN110701137B CN110701137B (zh) | 2020-10-13 |
Family
ID=69199886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910983563.XA Active CN110701137B (zh) | 2019-10-16 | 2019-10-16 | 一种掘进机液压系统智能在线检测诊断装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110701137B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112610564A (zh) * | 2020-11-09 | 2021-04-06 | 上海中联重科桩工机械有限公司 | 液压马达的监测系统和维护系统、及车辆 |
CN113049281A (zh) * | 2021-03-10 | 2021-06-29 | 北京昊鹏智能技术有限公司 | 故障检测方法和装置 |
CN113123958A (zh) * | 2021-04-19 | 2021-07-16 | 徐州新大隆化工泵业制造有限公司 | 一种柱塞泵的故障诊断方法及诊断系统 |
CN113503289A (zh) * | 2021-07-29 | 2021-10-15 | 杭州力龙液压有限公司 | 一种液压马达故障检测方法、装置、系统及挖掘机 |
CN113819958A (zh) * | 2021-11-22 | 2021-12-21 | 三一重型装备有限公司 | 预测性维护系统、预测性维护方法及掘进机 |
CN115096627A (zh) * | 2022-06-16 | 2022-09-23 | 中南大学 | 一种液压成形智能装备制造过程故障诊断与运维方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103777609A (zh) * | 2014-01-24 | 2014-05-07 | 南京理工大学 | 粉末成型机嵌入式智能监控与远程维护系统 |
CN104750742A (zh) * | 2013-12-31 | 2015-07-01 | 南京理工大学常熟研究院有限公司 | 一种掘进机液压系统故障诊断方法和系统 |
CN106407998A (zh) * | 2016-07-26 | 2017-02-15 | 北京工业大学 | 一种概率时变的海水液压泵故障预测方法 |
CN108533572A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种起重机液压系统健康评估方法和系统 |
CN109086804A (zh) * | 2018-07-12 | 2018-12-25 | 中石化石油机械股份有限公司 | 一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法 |
US10380280B2 (en) * | 2016-11-17 | 2019-08-13 | Baker Hughes, A Ge Company, Llc | Optimal storage of load data for lifetime prediction for equipment used in a well operation |
-
2019
- 2019-10-16 CN CN201910983563.XA patent/CN110701137B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750742A (zh) * | 2013-12-31 | 2015-07-01 | 南京理工大学常熟研究院有限公司 | 一种掘进机液压系统故障诊断方法和系统 |
CN103777609A (zh) * | 2014-01-24 | 2014-05-07 | 南京理工大学 | 粉末成型机嵌入式智能监控与远程维护系统 |
CN106407998A (zh) * | 2016-07-26 | 2017-02-15 | 北京工业大学 | 一种概率时变的海水液压泵故障预测方法 |
US10380280B2 (en) * | 2016-11-17 | 2019-08-13 | Baker Hughes, A Ge Company, Llc | Optimal storage of load data for lifetime prediction for equipment used in a well operation |
CN108533572A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种起重机液压系统健康评估方法和系统 |
CN109086804A (zh) * | 2018-07-12 | 2018-12-25 | 中石化石油机械股份有限公司 | 一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法 |
Non-Patent Citations (1)
Title |
---|
李贵男等: "基于BP神经网络的挖掘机智能故障诊断知识库设计", 《湖南工程学院学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112610564A (zh) * | 2020-11-09 | 2021-04-06 | 上海中联重科桩工机械有限公司 | 液压马达的监测系统和维护系统、及车辆 |
CN113049281A (zh) * | 2021-03-10 | 2021-06-29 | 北京昊鹏智能技术有限公司 | 故障检测方法和装置 |
CN113123958A (zh) * | 2021-04-19 | 2021-07-16 | 徐州新大隆化工泵业制造有限公司 | 一种柱塞泵的故障诊断方法及诊断系统 |
CN113503289A (zh) * | 2021-07-29 | 2021-10-15 | 杭州力龙液压有限公司 | 一种液压马达故障检测方法、装置、系统及挖掘机 |
CN113819958A (zh) * | 2021-11-22 | 2021-12-21 | 三一重型装备有限公司 | 预测性维护系统、预测性维护方法及掘进机 |
CN115096627A (zh) * | 2022-06-16 | 2022-09-23 | 中南大学 | 一种液压成形智能装备制造过程故障诊断与运维方法及系统 |
CN115096627B (zh) * | 2022-06-16 | 2023-04-07 | 中南大学 | 一种液压成形智能装备制造过程故障诊断与运维方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110701137B (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110701137B (zh) | 一种掘进机液压系统智能在线检测诊断装置及方法 | |
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN108803569A (zh) | 电站锅炉诊断专家系统及其故障诊断方法 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
US6587737B2 (en) | Method for the monitoring of a plant | |
CN107560984A (zh) | 一种液压系统的油液污染在线监测装置及监测方法 | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和系统 | |
CN115559890A (zh) | 一种水泵机组运行故障预测调整方法及系统 | |
CN102789676B (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
CN111098463A (zh) | 一种注塑机故障诊断系统及诊断方法 | |
CN110262460B (zh) | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 | |
CN114487361A (zh) | 一种油液在线监测系统 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
CN112633614A (zh) | 一种基于特征提取的实时故障程度诊断系统及方法 | |
GB2619825A (en) | A fault diagnosis method of blast blower and apparatus, electronic device thereof | |
CN113007040B (zh) | 风电机组主轴总成窜动在线监测与故障预警系统及方法 | |
CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
Spiewak et al. | Predictive monitoring and control of the cold extrusion process | |
CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
CN113819045B (zh) | 往复式压缩机润滑油液在线监测振动诊断方法及系统 | |
CN115034094B (zh) | 一种金属加工机床运行状态预测方法及系统 | |
CN117490760A (zh) | 基于数字孪生技术的压光机监控及故障预警方法及系统 | |
CN114670062B (zh) | 一种钻孔刀具磨损状态实时检测方法及系统 | |
CN115630284A (zh) | 一种考虑服役周期的空压机故障分析与寿命预测系统 |
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 |