CN110779716A - 嵌入式机械故障智能诊断设备及诊断方法 - Google Patents
嵌入式机械故障智能诊断设备及诊断方法 Download PDFInfo
- Publication number
- CN110779716A CN110779716A CN201911058587.0A CN201911058587A CN110779716A CN 110779716 A CN110779716 A CN 110779716A CN 201911058587 A CN201911058587 A CN 201911058587A CN 110779716 A CN110779716 A CN 110779716A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- diagnosis
- fault
- equipment
- 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
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
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- 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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- 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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明揭示了一种嵌入式机械故障智能诊断设备及使用该设备的诊断方法,设备包括设备硬件部分及设备控制部分,设备硬件部分包括数据采集单元、主芯片单元、数据存储单元、人机交互单元、通信单元及电源单元,设备控制部分集成于所述主芯片单元内,包括,参数设置模块、数据采集模块、数据处理模块、故障预判模块、故障诊断模块及结果输出模块。本发明通过各类传感器连接到旋转式机械设备后,能够自动化、智能化地对所采集到的振动数据进行故障诊断,并通过诊断结果对旋转式机械设备最常见的轴系、轴承、齿轮等三种故障进行具体分析,最终生成故障报告并报警提示。
Description
技术领域
本发明涉及一种故障诊断设备及其相对应的诊断方法,具体而言,涉及一种嵌入式机械故障智能诊断设备及诊断方法,属于工业互联网技术领域。
背景技术
在以制造业为国家经济核心与命脉的当下,各类机械设备的普及和使用率有了大幅度地飞跃。目前,几乎所有的制造业中都会使用到各种不同类型、各种不同规格的机械设备,而在这些机械设备中,绝大多数均为旋转式机械设备。
在长期的应用和维护过程中,技术人员发现,这类旋转式机械设备中的轴系、轴承以及齿轮等关键性转动部件极易出现各种故障。而一旦出现设备故障,因此所造成的停机或设备损坏必将会对生产带来巨大的经济损失。也正因如此,如何在未发生故障或设备故障出现的早期及时发现并诊断出相应的故障原因就显得异常重要。
振动分析是旋转式机械设备常用的故障分析方法,其一般流程是在旋转式机械设备出现明显的振动异常后,振动分析师将振动传感器与电脑或专门的振动分析仪进行连接,采集振动数据并对振动数据进行各种时域和频域计算和转换,通过电脑上的振动分析软件或振动分析仪界面输出图形并进行分析、判断故障原因,最后得出故障结论或撰写分析报告、从而方便厂/矿对故障设备进行维修处理。
尽管上述振动分析操作可以达到设备故障诊断的目的,但由于现有的振动分析仪都不具备自动诊断的功能,因此也就需要企业聘请相应的振动分析师到现场进行数据的采集与分析工作。加之振动分析师的专业素质要求高,当前国内的振动分析师数量很少,很多厂/矿都没有配备专职的振动分析师,因此只能在非常重要或者价值昂贵的设备出现明显问题的时候才会聘请第三方的振动分析师上门进行分析,且每次分析的费用都非常高。
综上所述,如何在现有技术的基础上提出一种全新的嵌入式机械故障智能诊断设备及诊断方法,在保证诊断结果准确性的前提下尽可能地降低企业的人力资源开销,从而正确、快速、灵活、代价最少地完成对旋转式机械设备的故障诊断,也就成为了本领域内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷,本发明提出了一种嵌入式机械故障智能诊断设备及诊断方法,具体如下。
一种嵌入式机械故障智能诊断设备,由设备硬件部分及设备控制部分组成;
所述设备硬件部分包括一用于与设置于被测机械设备上监测区域内的传感器组件相连接的传感器连接端口,所述设备硬件部分还包括,
数据采集单元,借助所述传感器连接端口与所述传感器组件信号连接,用于采集被测机械设备运行数据并对运行数据进行转发,
主芯片单元,与所述数据采集单元信号连接,用于接收被测机械设备的运行数据并对运行数据进行诊断分析,得出诊断分析结果及振动图形并输出,
数据存储单元,分别与所述数据采集单元及所述主芯片单元信号连接,用于记录和存储被测机械设备的运行数据以及诊断分析结果,
人机交互单元,与所述主芯片单元信号连接,用于显示诊断分析结果及振动图形,并支持通过人工操作对所述主芯片单元内的各模块进行设置,
通信单元,与所述主芯片单元信号连接,用于接入宽带网络,实现远程连接设备的交互访问,
电源单元,分别与所述设备硬件部分内的各功能单元信号连接,用于为各功能单元供电;
所述设备控制部分集成设置于所述主芯片单元内部,所述设备控制部分包括,
参数设置模块,与所述人机交互单元信号连接,用于对设备信息及各类参数进行设置,
数据采集模块,与所述数据采集单元信号连接,用于控制所述数据采集单元完成对被测机械设备运行数据的采集及转发,
数据处理模块,与所述数据采集模块信号连接,用于将所采集到的被测设备运行数据进行处理和存储,转换、生成处理后的数据并转发,
故障预判模块,与所述数据处理模块信号连接,用于接收处理后的数据并按照数据与预设阈值间的对比判断被测设备是否出现故障,
故障诊断模块,与所述故障预判模块信号连接,用于准确分析被测设备运行状态,判断被测设备是否出现故障,
结果输出模块,分别与所述故障诊断模块及所述人机交互单元信号连接,用于将最终的被测设备诊断结果进行显示输出。
优选地,所述传感器组件至少包括一路用于监测温度信息的温度传感器以及多路用于监测被测机械设备振动信息的振动传感器;
所述传感器组件还包括至少一路用于监测被测机械设备转速信息的转速传感器。
优选地,所述数据采集单元由FPGA及采集电路组成;
所述数据存储单元包括NAND闪存及DRAM内存;
所述人机交互单元为电容式触摸液晶显示屏;
所述通信单元支持包括手机及电脑在内的远程连接设备的交互访问,所述通信单元内包含有WIFI通信模块、3G/4G/5G通信模块以及以太网通信模块。
优选地,所述设备硬件部分还包括一用于在诊断出被测机械设备存在严重故障时自动报警的蜂鸣器,所述蜂鸣器与所述主芯片单元信号连接并由其控制驱动。
优选地,所述数据采集模块内包含有,
温度数据采集子模块,与所述温度传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述温度传感器进行温度数据采集;
振动数据采集子模块,与所述振动传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述振动传感器进行振动数据采集;
转速数据采集子模块,与所述转速传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述转速传感器进行转速数据采集。
优选地,所述故障诊断模块内包含有基于轴系故障机理模型的轴系故障诊断子模块、基于轴承故障机理模型的轴承故障诊断子模块以及基于齿轮故障机理模型的齿轮故障诊断子模块。
优选地,所述设备控制部分还包括有一振动分析模块,所述振动分析模块分别与所述故障预判模块及所述故障诊断模块信号连接,用于对被测机械设备的振动数据进行分析处理、并将分析处理结果提供给所述振动分析模块与所述故障预判模块调用。
优选地,所述结果输出模块内包含有对报警信息进行显示输出的报警输出子模块、用于对诊断分析结果进行输出的诊断输出子模块以及用于实现与远程连接设备信息交互的远程输出子模块。
一种机械故障智能诊断方法,使用如上所述的嵌入式机械故障智能诊断设备,包括如下步骤:
S1、将所述嵌入式机械故障智能诊断设备设置于被测机械设备周边,将传感器组件固定安装于被测机械设备上监测区域内,连接所述传感器组件与所述嵌入式机械故障智能诊断设备,并保证所述传感器组件内的各传感器均与对应的传感器连接端口相连接;
S2、打开电源单元,主芯片单元随即自动运行;
S3、在人机交互单元上对参数设置模块内的设备信息及各类参数进行设置;
S4、数据采集模块控制各传感器开始数据采集,所采集的数据至少包括温度数据及振动数据,所述数据采集模块采集到需要的数据量后,将数据转发至数据处理模块中进行数据处理;
S5、所述数据处理模块接收到原始的各传感器所采集到的数据后,对数据进行处理及存储;
S6、所述数据处理模块依据采集时间戳和所述参数设置模块内所设置的传感器信息将数据存储到指定位置,随后转至故障预判模块内进行故障预判;
S7、所述故障预判模块接收到数据后,将数据与所述参数设置模块内所设置的参数进行比对,判断被测机械设备是否出现故障、是否需要报警以及报警的级别;
S8、所述故障预判模块的处理流程结束后,故障诊断模块对全部振动数据逐一进行轴系、轴承及齿轮故障诊断;
S9、所述故障诊断模块的处理流程结束后,诊断输出模块随即输出诊断结果;
S10、重复S4至S9,直至完成全部的故障诊断任务。
优选地,S7中所述将数据与所述参数设置模块内所设置的参数进行比对,判断被测机械设备是否出现故障、是否需要报警以及报警的级别,包括如下步骤:
S71、所述故障预判模块接收到温度数据后,根据所述参数设置模块内所设置的温度阈值判断是否需要报警及报警级别,若超过最低报警阈值,则生成报警消息并发送至报警输出子模块中进行报警;
S72、所述故障预判模块接收到振动时域数据后,对本次采集处理操作中的每一个振动数据进行时域上的数值计算,并根据所述参数设置模块内所设置的振动报警阈值判断被测机械设备是否出现故障,若超过最低报警阈值,则生成报警消息并发送至报警输出子模块中进行报警。
优选地,S8中所述故障诊断模块对全部振动数据逐一进行轴系、轴承及齿轮故障诊断,包括如下步骤:
S81、对全部振动数据逐一进行处理,使用所述参数设置模块内设置的窗口处理函数对振动数据进行窗口处理;
S82、窗口处理完成后,按照所述参数设置模块内设置的滤波参数进行数字滤波处理;
S83、数字滤波处理完成后,转化振动数据、获得幅值谱数据,将幅值谱数据分别送至轴系故障诊断子模块、齿轮故障诊断子模块以及轴承故障诊断子模块中进行诊断处理。
优选地,S83中所述将幅值谱数据分别送至轴系故障诊断子模块、齿轮故障诊断子模块以及轴承故障诊断子模块中进行诊断处理,包括如下步骤:
S831、所述轴系故障诊断子模块根据幅值谱数据计算整数倍转速频率的幅值,随后根据轴系故障机理模型判断被测机械设备是否存在轴系故障,若存在,则将轴系故障加入诊断结果中;
S832、所述齿轮故障诊断子模块根据所述参数设置模块内设置的参数计算齿轮的啮合频率,再从幅值谱数据中查找整数倍啮合频率的幅值并获得啮合频率两边的转速边带,随后根据齿轮故障机理模型判断被测机械设备是否存在齿轮故障,若存在,则将轴系故障加入诊断结果中;
S833、所述轴承故障诊断子模块根据所述故障预判模块中计算得出的峭度值初步判断被测机械设备是否可能存在轴承故障,若可能存在轴承故障,则按序执行S834,若不可能存在轴承故障,则跳转进入S9;
S834、所述轴承故障诊断子模块采用包络谱进行诊断,根据所述参数设置模块内设置的参数计算出轴承的故障特征频率,再依据故障特征频率在包络谱数据中进行匹配比对,判断被测机械设备是否存在轴承故障,若存在,则将轴承故障加入诊断结果中。
优选地,S9中所述诊断输出模块随即输出诊断结果,包括如下步骤:
S91、所述诊断输出模块判断当前是否存在报警,若存在报警,则在所述人机交互单元显示报警信息,
S92、若当前不存在报警,且之前的报警已经被清除,则在所述人机交互单元内显示各模块及各传感器的运行状态信息。
与现有技术相比,本发明的优点如下:
本发明所提供的一种嵌入式机械故障智能诊断设备及诊断方法,通过各类传感器连接到旋转式机械设备后,能够自动化、智能化地对所采集到的振动数据进行故障诊断,并通过诊断结果对旋转式机械设备最常见的轴系、轴承、齿轮等三种故障进行具体分析,最终生成故障报告并报警提示。不同于现有技术对于分析师的过度依赖,本发明的设备对旋转式机械设备常见故障的诊断完全借助机器完成,不仅更适用于各厂/矿的大规模推广应用,而且也显著地降低了聘请振动分析师上门服务的费用、降低了人力资源成本。
同时,本发明的技术方案主要采用基于ARM的嵌入式硬件实现,并采用Linux操作系统,成本比常见振动分析仪所使用的X86电脑主板的实现形式更低,更适合固定安装在重要或高价值设备上进行长期的在线诊断,从而进一步提升了本发明的适用范围。
此外,本发明的应用场景丰富、应用前景广阔,为同领域内的相关技术提供了参考依据,技术人员可以通过对本发明的技术方案进行适应性地调整和改动,将其应用于其他与设备故障诊断技术及设备相关的技术方案中。
以下便结合实施例附图,对本发明的具体实施方式作进一步的详述,以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明中所述嵌入式机械故障智能诊断设备的硬件结构示意图;
图2为本发明中所述设备控制部分的结构示意图。
具体实施方式
本发明提供了一种嵌入式机械故障智能诊断设备及相应的诊断方法,具体如下。
如图1~图2所示,所述的嵌入式机械故障智能诊断设备,主要包括设备硬件部分及设备控制部分两部分组成。
所述设备硬件部分包括一用于与设置于被测机械设备上监测区域内的传感器组件相连接的传感器连接端口,所述传感器组件至少包括一路用于监测温度信息的温度传感器以及用于监测被测机械设备振动信息的振动传感器,所述振动传感器的数量最高可达16路。
所述传感器组件还可以选装有至少一路用于监测被测机械设备转速信息的转速传感器。需要注意的是,若未安装转速传感器,则不能进行变转速工况的诊断和分析,如开机和停机过程的诊断和分析。
所述设备硬件部分还包括:
数据采集单元,由FPGA及采集电路组成,借助所述传感器连接端口与所述传感器组件信号连接,用于采集被测机械设备运行数据并对运行数据进行转发。
主芯片单元,采用联发科P60芯片,所述主芯片单元与所述数据采集单元信号连接,用于接收被测机械设备的运行数据并对运行数据进行诊断分析,得出诊断分析结果及振动图形并输出。
数据存储单元,包括32Gbyte的NAND闪存及4Gbyte的DRAM内存,所述数据存储单元分别与所述数据采集单元及所述主芯片单元信号连接,用于记录和存储被测机械设备的运行数据以及诊断分析结果。
人机交互单元,为10寸电容式触摸液晶显示屏,所述人机交互单元与所述主芯片单元信号连接,用于显示诊断分析结果及振动图形,并支持通过人工操作对所述主芯片单元内的各模块进行设置。
通信单元,与所述主芯片单元信号连接,用于接入宽带网络,实现远程连接设备的交互访问,所述通信单元支持包括手机及电脑在内的远程连接设备的交互访问,所述通信单元内包含有WIFI通信模块、3G/4G/5G通信模块以及以太网通信模块。
电源单元,分别与所述设备硬件部分内的各功能单元信号连接,用于为各功能单元供电。
所述设备硬件部分还包括一用于在诊断出被测机械设备存在严重故障时自动报警的蜂鸣器,所述蜂鸣器与所述主芯片单元信号连接并由其控制驱动。
所述设备控制部分集成设置于所述主芯片单元内部,所述设备控制部分包括:
参数设置模块,与所述人机交互单元信号连接,用于对设备信息及各类参数进行设置;
所述参数设置模块内可设置的设备信息至少包括传感器信息、电机型号、电机功率、电机转速范围、被测机械设备稳定运行状态下的电机转速、各台所述振动传感器对应的轴承信号及尺寸参数;若被测机械设备内包含有减速箱,则所述参数设置模块内可设置的设备信息还包括减速箱内各齿轮的齿数及减速比;
所述参数设置模块内可设置的各类参数包括采集参数、分析参数以及报警参数;所述采集参数至少包括所述传感器组件内各传感器的采样率、采集时间间隔以及采集时长;所述分析参数至少包括低通滤波截止频率、小波降噪应用与否的选择、窗口算法以及显示的极值点个数;所述报警参数至少包括温度报警阈值以及各路振动传感器相对应的报警阈值。
数据采集模块,与所述数据采集单元信号连接,用于控制所述数据采集单元完成对被测机械设备运行数据的采集及转发;
所述数据采集模块内包含有,
温度数据采集子模块,与所述温度传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述温度传感器进行温度数据采集;
振动数据采集子模块,与所述振动传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述振动传感器进行振动数据采集;
转速数据采集子模块,与所述转速传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述转速传感器进行转速数据采集。若设备未选装所述转速传感器,则所述转速数据采集子模块不运行;若设备安装有所述转速传感器,则对于转速数据的采集与振动数据采集同步进行。
数据处理模块,与所述数据采集模块信号连接,用于将所采集到的被测设备运行数据进行处理和存储,转换、生成处理后的数据并转发。其中将温度数据转换成温度数值格式、各振动数据转换成振动时域数据格式后,再根据采集时间戳和传感器信息存储到指定位置。若设备选装有转速传感器,则将转速数据转换为转速时间信息,以和振动数据相同的时间戳存储到同一位置。该模块内所存储的振动数据和转速数据可通过人机交互单元进行操作回看分析,根据其采集间隔、采用率和传感器数量的不同,最短可以支持半年以上的数据回看。
故障预判模块,与所述数据处理模块信号连接,用于接收处理后的数据并按照数据与预设阈值间的对比判断被测设备是否出现故障。所述故障预判模块收到温度数据和振动数据后,对温度数据根据预先设定温度阈值判断是否有报警和报警级别,若温度数据已经超过最低报警阈值,则生成报警消息并进行报警。对振动数据则自动对本次的每个振动数据进行时域的均值、有效值、峰值和峭度计算,并根据预先设定的振动报警阈值判断是否存在故障,若之前未设定有振动报警阈值,则按照国家标准的振动阈值进行判断,如果超过最低报警阈值,则生成报警消息并进行报警。
故障诊断模块,与所述故障预判模块信号连接,用于准确分析被测设备运行状态,判断被测设备是否出现故障;
为了避免漏报,当所述振动数据采集子模块每控制所述振动传感器完成一次振动数据采集后,所述故障诊断模块随即自动运行,所述故障诊断模块内包含有针对三种最常见故障的三个不同的子模块,分别为基于轴系故障机理模型的轴系故障诊断子模块、基于轴承故障机理模型的轴承故障诊断子模块以及基于齿轮故障机理模型的齿轮故障诊断子模块;
出现轴系故障和齿轮故障时经过窗口函数和数字滤波处理以后,进行FFT转换,通过频域幅值进行诊断。出现轴承故障时经过窗口函数和数字滤波处理以后,进行Hilbert和FFT变换,通过包络谱的幅值进行诊断。
结果输出模块,分别与所述故障诊断模块及所述人机交互单元信号连接,用于将最终的被测设备诊断结果进行显示输出;
所述结果输出模块内包含有对报警信息进行显示输出的报警输出子模块、用于对诊断分析结果进行输出的诊断输出子模块以及用于实现与远程连接设备信息交互的远程输出子模块。
其中,所述诊断输出子模块可以在需要时通过手动操作,选择某一时间戳的采集数据进行诊断分析,以更多的算法诊断和分析振动数据,包括所选传感器的各振动传感器的振动均值、振动有效值、振动峭度等参数,以及FFT变换、Hilbert变换、小波变换、小波降噪、阶次谱、细化谱、自相关谱、实倒谱等分析算法,各个分析算法图谱上都会按预先设定的极值点个数显示极值;
所述远程输出子模块,在有网络连接的情况下,可以通过电脑或手机远程获得指定时间戳的指定传感器的诊断分析数据,包括所选传感器的各振动传感器的振动均值、振动有效值、振动峭度等参数,FFT频谱数据和极值点信息、包络谱数据和极值点信息。远程输出通过HTTPS请求和返回,请求参数和返回数据均以Json格式打包。
所述设备控制部分还包括有一振动分析模块,所述振动分析模块分别与所述故障预判模块及所述故障诊断模块信号连接,用于对被测机械设备的振动数据进行分析处理、并将分析处理结果提供给所述振动分析模块与所述故障预判模块调用。包含各种时域参数计算如峰值、均值、有效值、峭度等各种常用的参数,用于振动信号故障诊断的各种算法,如窗口函数(矩形窗、Hanning窗、Hamming窗、平顶窗),数字滤波(低通滤波、高通滤波、带通滤波),FFT变换、Hilbert变换、小波变换、小波降噪、阶次谱、细化谱、自相关谱、实倒谱等。
一种机械故障智能诊断方法,使用如上所述的嵌入式机械故障智能诊断设备,包括如下步骤:
S1、将所述嵌入式机械故障智能诊断设备设置于被测机械设备周边,将传感器组件固定安装于被测机械设备上监测区域内,连接所述传感器组件与所述嵌入式机械故障智能诊断设备,并保证所述传感器组件内的各传感器均与对应的传感器连接端口相连接。
对于一些高价值或重要设备,可以将所述嵌入式机械故障智能诊断设备固定安装于被测机械设备上,实现长期的在线监测和诊断。
S2、打开电源单元,主芯片单元随即自动运行。
S3、在人机交互单元上对参数设置模块内的设备信息及各类参数进行设置。
S4、数据采集模块控制各传感器开始数据采集,所采集的数据至少包括温度数据及振动数据,所述数据采集模块采集到需要的数据量后,将数据转发至数据处理模块中进行数据处理。
S5、所述数据处理模块接收到原始的各传感器所采集到的数据后,对数据进行处理及存储,其中,将温度数据转换为温度数值格式,将振动数据转换为振动时域数据格式。
S6、所述数据处理模块依据所述参数设置模块内所设置的采集时间戳和传感器信息将温度数据及振动数据存储到指定位置,随后转至故障预判模块内进行故障预判。
S7、所述故障预判模块接收到数据后,将数据与所述参数设置模块内所设置的参数进行比对,判断被测机械设备是否出现故障、是否需要报警以及报警的级别。
此处所述将数据与所述参数设置模块内所设置的参数进行比对,判断被测机械设备是否出现故障、是否需要报警以及报警的级别,包括如下步骤:
S71、所述故障预判模块接收到温度数据后,根据所述参数设置模块内所设置的温度阈值判断是否需要报警及报警级别,若超过最低报警阈值,则生成报警消息并发送至报警输出子模块中进行报警;
S72、所述故障预判模块接收到振动时域数据后,对本次采集处理操作中的每一个振动数据进行时域上的数值计算,包括均值、有效值、峰值和峭度计算,并根据所述参数设置模块内所设置的振动报警阈值判断被测机械设备是否出现故障,若超过最低报警阈值,则生成报警消息并发送至报警输出子模块中进行报警。
S8、所述故障预判模块的处理流程结束后,故障诊断模块对全部振动数据逐一进行轴系、轴承及齿轮故障诊断。
此处所述故障诊断模块对全部振动数据逐一进行轴系、轴承及齿轮故障诊断,包括如下步骤:
S81、对全部振动数据逐一进行处理,使用所述参数设置模块内设置的窗口处理函数对振动数据进行窗口处理;
S82、窗口处理完成后,按照所述参数设置模块内设置的滤波参数进行数字滤波处理,此处最为常用的数字滤波方式为低通滤波;
S83、数字滤波处理完成后,对振动数据进行FFT变换、获得幅值谱数据,将幅值谱数据分别送至轴系故障诊断子模块、齿轮故障诊断子模块以及轴承故障诊断子模块中进行诊断处理。具体流程如下。
S831、所述轴系故障诊断子模块根据幅值谱数据计算0.5倍、1倍、2倍及其他整数倍转速频率的幅值,随后根据轴系故障机理模型判断被测机械设备是否存在轴系故障,如转子不平衡、轴偏心、轴不对中等,若存在,则将轴系故障加入诊断结果中;
S832、所述齿轮故障诊断子模块根据所述参数设置模块内设置的齿轮的齿数和转速计算齿轮的啮合频率,再从幅值谱数据中查找1倍、2倍、3倍等整数倍啮合频率的幅值,并获得啮合频率两边的转速边带,随后根据齿轮故障机理模型判断被测机械设备是否存在齿轮故障,若存在,则将轴系故障加入诊断结果中;
S833、所述轴承故障诊断子模块根据所述故障预判模块中计算得出的峭度值初步判断被测机械设备是否可能存在轴承故障,若可能存在轴承故障,则按序执行S834,若不可能存在轴承故障,则跳转进入S9,
在本实施例中,此处的判断标准为,若峭度值大于3,则认定可能存在轴承故障,按序执行S834,若峭度值小于3,则认定不可能存在轴承故障,跳转进入S9;
S834、所述轴承故障诊断子模块采用包络谱进行诊断,将经过数字滤波处理后的数据进行Hilbert变换得到包络时域数据,对包络时域数据进行FFT变换、得到包络谱,根据所述参数设置模块内设置的轴承型号、尺寸参数及转速计算出轴承的内圈、外圈、转子及保持架故障特征频率,再依据这些故障特征频率在包络谱数据中进行匹配比对,判断被测机械设备是否存在轴承的内圈、外圈、转子或保持架故障,若存在,则将轴承故障加入诊断结果中。
S9、所述故障诊断模块的处理流程结束后,诊断输出模块随即输出诊断结果。
此处所述诊断输出模块随即输出诊断结果,包括如下步骤:
S91、所述诊断输出模块判断当前是否存在温度报警或振动报警,若存在报警,则在所述人机交互单元显示报警信息,所述报警信息包含有报警数值和阈值、报警所属传感器、报警时的温度及各振动传感器的振动均值、振动有效值、振动峭度等参数,
若报警为振动报警,则所述人机交互单元显示的内容还包含所述故障诊断模块诊断出的故障原因、判断数据及图形,具体为,轴系故障和齿轮故障时显示FFT幅值谱图,轴承故障时显示包络谱图及轴承的特征参数,
此外,还需要注意的是,若报警为高级别报警,同时控制蜂鸣器发出声音报警,在人工主动清除报警前,声音报警和报警信息显示始终持续;
S92、若当前不存在报警,且之前的报警已经被清除,则在所述人机交互单元内显示各模块及各传感器的运行状态信息,这些信息同样包含有报警数值和阈值、温度数值和各振动传感器的振动均值、振动有效值、振动峭度等参数。
S10、重复S4至S9,直至完成全部的故障诊断任务。
综上所述,本发明所提供的一种嵌入式机械故障智能诊断设备及诊断方法,通过各类传感器连接到旋转式机械设备后,能够自动化、智能化地对所采集到的振动数据进行故障诊断,并通过诊断结果对旋转式机械设备最常见的轴系、轴承、齿轮等三种故障进行具体分析,最终生成故障报告并报警提示。不同于现有技术对于分析师的过度依赖,本发明的设备对旋转式机械设备常见故障的诊断完全借助机器完成,不仅更适用于各厂/矿的大规模推广应用,而且也显著地降低了聘请振动分析师上门服务的费用、降低了人力资源成本。
同时,本发明的技术方案主要采用基于ARM的嵌入式硬件实现,并采用Linux操作系统,成本比常见振动分析仪所使用的X86电脑主板的实现形式更低,更适合固定安装在重要或高价值设备上进行长期的在线诊断,从而进一步提升了本发明的适用范围。
此外需要说明的是,本发明技术方案中的实现方式多样,其设备硬件部分也可以采用基于X86架构的电脑主板或工控电脑,设备控制部分可以采用Windows操作系统和基于Windows的振动软件实现。
此外,本发明的应用场景丰富、应用前景广阔,为同领域内的相关技术提供了参考依据,技术人员可以通过对本发明的技术方案进行适应性地调整和改动,将其应用于其他与设备故障诊断技术及设备相关的技术方案中。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (13)
1.一种嵌入式机械故障智能诊断设备,由设备硬件部分及设备控制部分组成,其特征在于:
所述设备硬件部分包括一用于与设置于被测机械设备上监测区域内的传感器组件相连接的传感器连接端口,所述设备硬件部分还包括,
数据采集单元,借助所述传感器连接端口与所述传感器组件信号连接,用于采集被测机械设备运行数据并对运行数据进行转发,
主芯片单元,与所述数据采集单元信号连接,用于接收被测机械设备的运行数据并对运行数据进行诊断分析,得出诊断分析结果及振动图形并输出,
数据存储单元,分别与所述数据采集单元及所述主芯片单元信号连接,用于记录和存储被测机械设备的运行数据以及诊断分析结果,
人机交互单元,与所述主芯片单元信号连接,用于显示诊断分析结果及振动图形,并支持通过人工操作对所述主芯片单元内的各模块进行设置,
通信单元,与所述主芯片单元信号连接,用于接入宽带网络,实现远程连接设备的交互访问,
电源单元,分别与所述设备硬件部分内的各功能单元信号连接,用于为各功能单元供电;
所述设备控制部分集成设置于所述主芯片单元内部,所述设备控制部分包括,
参数设置模块,与所述人机交互单元信号连接,用于对设备信息及各类参数进行设置,
数据采集模块,与所述数据采集单元信号连接,用于控制所述数据采集单元完成对被测机械设备运行数据的采集及转发,
数据处理模块,与所述数据采集模块信号连接,用于将所采集到的被测设备运行数据进行处理和存储,转换、生成处理后的数据并转发,
故障预判模块,与所述数据处理模块信号连接,用于接收处理后的数据并按照数据与预设阈值间的对比判断被测设备是否出现故障,
故障诊断模块,与所述故障预判模块信号连接,用于准确分析被测设备运行状态,判断被测设备是否出现故障,
结果输出模块,分别与所述故障诊断模块及所述人机交互单元信号连接,用于将最终的被测设备诊断结果进行显示输出。
2.根据权利要求1所述的嵌入式机械故障智能诊断设备,其特征在于:所述传感器组件至少包括一路用于监测温度信息的温度传感器以及多路用于监测被测机械设备振动信息的振动传感器;
所述传感器组件还包括至少一路用于监测被测机械设备转速信息的转速传感器。
3.根据权利要求1所述的嵌入式机械故障智能诊断设备,其特征在于:所述数据采集单元由FPGA及采集电路组成;
所述数据存储单元包括NAND闪存及DRAM内存;
所述人机交互单元为电容式触摸液晶显示屏;
所述通信单元支持包括手机及电脑在内的远程连接设备的交互访问,所述通信单元内包含有WIFI通信模块、3G/4G/5G通信模块以及以太网通信模块。
4.根据权利要求1所述的嵌入式机械故障智能诊断设备,其特征在于:所述设备硬件部分还包括一用于在诊断出被测机械设备存在严重故障时自动报警的蜂鸣器,所述蜂鸣器与所述主芯片单元信号连接并由其控制驱动。
5.根据权利要求1所述的嵌入式机械故障智能诊断设备,其特征在于:所述数据采集模块内包含有,
温度数据采集子模块,与所述温度传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述温度传感器进行温度数据采集;
振动数据采集子模块,与所述振动传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述振动传感器进行振动数据采集;
转速数据采集子模块,与所述转速传感器信号连接,用于按照所述参数设置模块内所设置的采集参数、控制所述转速传感器进行转速数据采集。
6.根据权利要求5所述的嵌入式机械故障智能诊断设备,其特征在于:所述故障诊断模块内包含有基于轴系故障机理模型的轴系故障诊断子模块、基于轴承故障机理模型的轴承故障诊断子模块以及基于齿轮故障机理模型的齿轮故障诊断子模块。
7.根据权利要求1所述的嵌入式机械故障智能诊断设备,其特征在于:所述设备控制部分还包括有一振动分析模块,所述振动分析模块分别与所述故障预判模块及所述故障诊断模块信号连接,用于对被测机械设备的振动数据进行分析处理、并将分析处理结果提供给所述振动分析模块与所述故障预判模块调用。
8.根据权利要求1所述的嵌入式机械故障智能诊断设备,其特征在于:所述结果输出模块内包含有对报警信息进行显示输出的报警输出子模块、用于对诊断分析结果进行输出的诊断输出子模块以及用于实现与远程连接设备信息交互的远程输出子模块。
9.一种机械故障智能诊断方法,使用如权利要求1~8任一所述的嵌入式机械故障智能诊断设备,其特征在于,包括如下步骤:
S1、将所述嵌入式机械故障智能诊断设备设置于被测机械设备周边,将传感器组件固定安装于被测机械设备上监测区域内,连接所述传感器组件与所述嵌入式机械故障智能诊断设备,并保证所述传感器组件内的各传感器均与对应的传感器连接端口相连接;
S2、打开电源单元,主芯片单元随即自动运行;
S3、在人机交互单元上对参数设置模块内的设备信息及各类参数进行设置;
S4、数据采集模块控制各传感器开始数据采集,所采集的数据至少包括温度数据及振动数据,所述数据采集模块采集到需要的数据量后,将数据转发至数据处理模块中进行数据处理;
S5、所述数据处理模块接收到原始的各传感器所采集到的数据后,对数据进行处理及存储;
S6、所述数据处理模块依据采集时间戳和所述参数设置模块内所设置的传感器信息将数据存储到指定位置,随后转至故障预判模块内进行故障预判;
S7、所述故障预判模块接收到数据后,将数据与所述参数设置模块内所设置的参数进行比对,判断被测机械设备是否出现故障、是否需要报警以及报警的级别;
S8、所述故障预判模块的处理流程结束后,故障诊断模块对全部振动数据逐一进行轴系、轴承及齿轮故障诊断;
S9、所述故障诊断模块的处理流程结束后,诊断输出模块随即输出诊断结果;
S10、重复S4至S9,直至完成全部的故障诊断任务。
10.根据权利要求9所述的机械故障智能诊断方法,其特征在于,S7中所述将数据与所述参数设置模块内所设置的参数进行比对,判断被测机械设备是否出现故障、是否需要报警以及报警的级别,包括如下步骤:
S71、所述故障预判模块接收到温度数据后,根据所述参数设置模块内所设置的温度阈值判断是否需要报警及报警级别,若超过最低报警阈值,则生成报警消息并发送至报警输出子模块中进行报警;
S72、所述故障预判模块接收到振动时域数据后,对本次采集处理操作中的每一个振动数据进行时域上的数值计算,并根据所述参数设置模块内所设置的振动报警阈值判断被测机械设备是否出现故障,若超过最低报警阈值,则生成报警消息并发送至报警输出子模块中进行报警。
11.根据权利要求9所述的机械故障智能诊断方法,其特征在于,S8中所述故障诊断模块对全部振动数据逐一进行轴系、轴承及齿轮故障诊断,包括如下步骤:
S81、对全部振动数据逐一进行处理,使用所述参数设置模块内设置的窗口处理函数对振动数据进行窗口处理;
S82、窗口处理完成后,按照所述参数设置模块内设置的滤波参数进行数字滤波处理;
S83、数字滤波处理完成后,转化振动数据、获得幅值谱数据,将幅值谱数据分别送至轴系故障诊断子模块、齿轮故障诊断子模块以及轴承故障诊断子模块中进行诊断处理。
12.根据权利要求11所述的机械故障智能诊断方法,其特征在于,S83中所述将幅值谱数据分别送至轴系故障诊断子模块、齿轮故障诊断子模块以及轴承故障诊断子模块中进行诊断处理,包括如下步骤:
S831、所述轴系故障诊断子模块根据幅值谱数据计算整数倍转速频率的幅值,随后根据轴系故障机理模型判断被测机械设备是否存在轴系故障,若存在,则将轴系故障加入诊断结果中;
S832、所述齿轮故障诊断子模块根据所述参数设置模块内设置的参数计算齿轮的啮合频率,再从幅值谱数据中查找整数倍啮合频率的幅值并获得啮合频率两边的转速边带,随后根据齿轮故障机理模型判断被测机械设备是否存在齿轮故障,若存在,则将轴系故障加入诊断结果中;
S833、所述轴承故障诊断子模块根据所述故障预判模块中计算得出的峭度值初步判断被测机械设备是否可能存在轴承故障,若可能存在轴承故障,则按序执行S834,若不可能存在轴承故障,则跳转进入S9;
S834、所述轴承故障诊断子模块采用包络谱进行诊断,根据所述参数设置模块内设置的参数计算出轴承的故障特征频率,再依据故障特征频率在包络谱数据中进行匹配比对,判断被测机械设备是否存在轴承故障,若存在,则将轴承故障加入诊断结果中。
13.根据权利要求9所述的机械故障智能诊断方法,其特征在于,S9中所述诊断输出模块随即输出诊断结果,包括如下步骤:
S91、所述诊断输出模块判断当前是否存在报警,若存在报警,则在所述人机交互单元显示报警信息,
S92、若当前不存在报警,且之前的报警已经被清除,则在所述人机交互单元内显示各模块及各传感器的运行状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911058587.0A CN110779716A (zh) | 2019-11-01 | 2019-11-01 | 嵌入式机械故障智能诊断设备及诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911058587.0A CN110779716A (zh) | 2019-11-01 | 2019-11-01 | 嵌入式机械故障智能诊断设备及诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110779716A true CN110779716A (zh) | 2020-02-11 |
Family
ID=69388543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911058587.0A Pending CN110779716A (zh) | 2019-11-01 | 2019-11-01 | 嵌入式机械故障智能诊断设备及诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110779716A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111579001A (zh) * | 2020-06-02 | 2020-08-25 | 珠海格力智能装备有限公司 | 机器人的故障检测方法及装置 |
CN111597581A (zh) * | 2020-05-13 | 2020-08-28 | 北京脑陆科技有限公司 | 一种基于脑电波数据的数据管理平台 |
CN111722953A (zh) * | 2020-06-17 | 2020-09-29 | 成都美迅检测设备有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
CN112611532A (zh) * | 2020-12-04 | 2021-04-06 | 苏州德姆斯信息技术有限公司 | 一种振动筛故障智能诊断装置及诊断方法 |
CN112666925A (zh) * | 2020-12-21 | 2021-04-16 | 中国北方发动机研究所(天津) | 柴油机车载诊断系统及其诊断方法 |
CN112729519A (zh) * | 2021-02-03 | 2021-04-30 | 河北工程大学 | 水轮机机组振动检测系统及方法 |
CN112967478A (zh) * | 2021-02-01 | 2021-06-15 | 绍兴隆芙力智能科技发展有限公司 | 设备预期维护预警系统及其预警装置 |
CN113155469A (zh) * | 2021-03-19 | 2021-07-23 | 黑龙江机智通智能科技有限公司 | 发动机故障诊断报警系统及装置 |
CN113446235A (zh) * | 2021-07-08 | 2021-09-28 | 上海威派格智慧水务股份有限公司 | 一种二次供水设备的离心泵故障诊断方法 |
CN113485861A (zh) * | 2021-07-08 | 2021-10-08 | 无锡江南计算技术研究所 | 一种基于资源优化策略的基层故障诊断方法及装置 |
CN113765062A (zh) * | 2020-06-02 | 2021-12-07 | 中国石油化工股份有限公司 | 一种电动机故障诊断和保护控制系统 |
CN113804257A (zh) * | 2021-09-26 | 2021-12-17 | 赛特勒斯磁悬浮科技承德有限公司 | 磁悬浮轴承或空气悬浮轴承的悬浮状态监测系统及方法 |
CN115571585A (zh) * | 2022-11-22 | 2023-01-06 | 沃德传动(天津)股份有限公司 | 一种基于特征值报警的皮带机智能诊断方法 |
CN115685810A (zh) * | 2022-09-27 | 2023-02-03 | 国网山西省电力公司 | 一种ai边缘计算故障诊断器 |
CN117007967A (zh) * | 2023-09-28 | 2023-11-07 | 山西华控伟业科技有限公司 | 一种监测项目中电机故障的系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201311360Y (zh) * | 2008-06-20 | 2009-09-16 | 四川恒达电子科技有限公司 | 一种振动在线监测故障诊断装置 |
CN103529386A (zh) * | 2013-10-12 | 2014-01-22 | 山西大学工程学院 | 风电机组远程实时状态监测与智能故障诊断系统及方法 |
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 |
WO2017005238A1 (de) * | 2015-07-07 | 2017-01-12 | Brit Hacke | Vorrichtung zur zustandsüberwachung |
CN106525225A (zh) * | 2016-11-07 | 2017-03-22 | 南京理工大学 | 基于嵌入式计算机和采集卡的风力发电机组监测设备和方法 |
CN107167318A (zh) * | 2017-06-19 | 2017-09-15 | 北京时代龙城科技有限责任公司 | 一种轴承智能快捷故障诊断仪及诊断方法 |
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 |
-
2019
- 2019-11-01 CN CN201911058587.0A patent/CN110779716A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201311360Y (zh) * | 2008-06-20 | 2009-09-16 | 四川恒达电子科技有限公司 | 一种振动在线监测故障诊断装置 |
CN103529386A (zh) * | 2013-10-12 | 2014-01-22 | 山西大学工程学院 | 风电机组远程实时状态监测与智能故障诊断系统及方法 |
WO2017005238A1 (de) * | 2015-07-07 | 2017-01-12 | Brit Hacke | Vorrichtung zur zustandsüberwachung |
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 |
CN106525225A (zh) * | 2016-11-07 | 2017-03-22 | 南京理工大学 | 基于嵌入式计算机和采集卡的风力发电机组监测设备和方法 |
CN107167318A (zh) * | 2017-06-19 | 2017-09-15 | 北京时代龙城科技有限责任公司 | 一种轴承智能快捷故障诊断仪及诊断方法 |
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 |
Non-Patent Citations (1)
Title |
---|
许飞云: "嵌入式旋转机械状态监控与故障诊断系统研究", 《东南大学学报(自然科学版)》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597581A (zh) * | 2020-05-13 | 2020-08-28 | 北京脑陆科技有限公司 | 一种基于脑电波数据的数据管理平台 |
CN113765062A (zh) * | 2020-06-02 | 2021-12-07 | 中国石油化工股份有限公司 | 一种电动机故障诊断和保护控制系统 |
CN111579001A (zh) * | 2020-06-02 | 2020-08-25 | 珠海格力智能装备有限公司 | 机器人的故障检测方法及装置 |
CN111722953A (zh) * | 2020-06-17 | 2020-09-29 | 成都美迅检测设备有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
CN112611532A (zh) * | 2020-12-04 | 2021-04-06 | 苏州德姆斯信息技术有限公司 | 一种振动筛故障智能诊断装置及诊断方法 |
CN112611532B (zh) * | 2020-12-04 | 2022-08-05 | 苏州德姆斯信息技术有限公司 | 一种振动筛故障智能诊断装置及诊断方法 |
CN112666925A (zh) * | 2020-12-21 | 2021-04-16 | 中国北方发动机研究所(天津) | 柴油机车载诊断系统及其诊断方法 |
CN112967478A (zh) * | 2021-02-01 | 2021-06-15 | 绍兴隆芙力智能科技发展有限公司 | 设备预期维护预警系统及其预警装置 |
CN112729519A (zh) * | 2021-02-03 | 2021-04-30 | 河北工程大学 | 水轮机机组振动检测系统及方法 |
CN113155469A (zh) * | 2021-03-19 | 2021-07-23 | 黑龙江机智通智能科技有限公司 | 发动机故障诊断报警系统及装置 |
CN113446235A (zh) * | 2021-07-08 | 2021-09-28 | 上海威派格智慧水务股份有限公司 | 一种二次供水设备的离心泵故障诊断方法 |
CN113485861A (zh) * | 2021-07-08 | 2021-10-08 | 无锡江南计算技术研究所 | 一种基于资源优化策略的基层故障诊断方法及装置 |
CN113804257A (zh) * | 2021-09-26 | 2021-12-17 | 赛特勒斯磁悬浮科技承德有限公司 | 磁悬浮轴承或空气悬浮轴承的悬浮状态监测系统及方法 |
CN115685810A (zh) * | 2022-09-27 | 2023-02-03 | 国网山西省电力公司 | 一种ai边缘计算故障诊断器 |
CN115571585A (zh) * | 2022-11-22 | 2023-01-06 | 沃德传动(天津)股份有限公司 | 一种基于特征值报警的皮带机智能诊断方法 |
CN115571585B (zh) * | 2022-11-22 | 2023-03-07 | 沃德传动(天津)股份有限公司 | 一种基于特征值报警的皮带机智能诊断方法 |
CN117007967A (zh) * | 2023-09-28 | 2023-11-07 | 山西华控伟业科技有限公司 | 一种监测项目中电机故障的系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
US10288043B2 (en) | Wind turbine condition monitoring method and system | |
CN110766277B (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
CN109507924B (zh) | 用于油田作业设备的远程监控系统 | |
CN107037800B (zh) | 基于客户端制氧设备远程故障诊断系统的故障诊断方法 | |
CN110177017B (zh) | 一种减速机智能故障诊断系统及其诊断方法 | |
CN102541013B (zh) | 阳极保护设备远程监控、预警及故障诊断系统与方法 | |
CN112763908A (zh) | 一种基于多故障特征联合的电机健康指数评价系统 | |
CN111509847A (zh) | 一种电网机组状态的智能检测系统及方法 | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
CN114396376A (zh) | 往复式压缩机故障诊断辅助方法、装置、设备及系统 | |
CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
CN115016339B (zh) | 一种室外电力设备的监测方法、设备及介质 | |
CN110285045B (zh) | 一种核电厂rcp主泵振动相位监测系统和方法 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断系统及故障诊断方法 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
CN112614020A (zh) | 一种基于电能质量的电力推进状态评估系统 | |
CN115809731A (zh) | 一种风力发电机组故障分析系统、方法及介质 | |
CN105352728A (zh) | 一种配对齿轮振动性能检测系统及方法 | |
CN109507986B (zh) | 用于油田作业设备的远程监控方法 | |
CN113697424A (zh) | 一种基于云技术的带式输送机监测与故障诊断系统及方法 | |
CN116537965B (zh) | 一种柴油机在线监测和故障诊断装置 | |
CN210721134U (zh) | 一种数控机床远程监控系统 | |
CN114415013A (zh) | 一种工业电动机寿命预测及运维系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |