CN111981111B - 一种基于大数据的减速机联动控制系统和方法 - Google Patents

Abstract

本申请提供了一种基于大数据的减速机联动控制系统和方法。本发明基于大数据训练的神经网络监测单元，根据采集的减速机振动、噪声和温度变化信号，自动识别减速机的工作状态，形成量化表征，进而根据工作状态的量化表征实现减速机及其润滑油循环设备、降温设备有效联动控制，从而使得润滑油供给和循环以及减速机内部温度调节能够与减速机的工作状态达到充分的匹配。

Description

一种基于大数据的减速机联动控制系统和方法

技术领域

本申请涉及减速机技术领域，尤其涉及一种基于大数据的减速机联动控制系统和方法。

背景技术

减速机是一种常见的传动设备，其联接原动机与工作机，从原动机输入动力并经过减速机内部的传动后输出至工作机，在传动过程中起到降低转速和提高扭矩的作用。减速机内部的传动方式包括蜗轮蜗杆传动、行星齿轮传动等。

在减速机的工作过程中，其内部的蜗轮蜗杆或齿轮等传动部件不断发生摩擦，从而生成较高的热量。传动部件的摩擦会造成减速机内部零部件的磨损，导致零部件无法达到良好配合，振动和噪声显著增大，增大了发生断裂的风险，影响减速机的使用寿命；同时，高温会造成减速机内部的润滑油发生乳化变质，沉积颗粒物增加，降低润滑性能；还会因高温下减速机内部不同零部件的热膨胀系数不一致而导致加大零部件之间的不匹配，以及造成减速机内油封等零部件出现老化。

为了降低减速机的磨损，保证减速机保持有效的工作状态，减少振动和噪声，保障减速机的使用寿命，防范突发故障，减速机除了主机以外，还需要配备润滑油循环设备以及降温设备。

减速机内部的润滑油需要保持循环，一方面通过循环避免润滑油温度过高而发生质变丧失性能，另一方面通过润滑油的循环清洗去除杂质以及减速机内部摩擦的金属碎屑。润滑油循环设备从减速机的抽油口中抽取内部的润滑油，进行沉淀、多极过滤和散热后，经进油口重新加注到减速机内部，从而去除润滑油内部的颗粒物，保持润滑油处于适当的温度范围以防止变质，以及通过循环释放减速机内部热量。对中大型减速机除了润滑油循环设备之外，还采取降温设备，加强减速机内部与外界的热交换，从而进一步降温，降温设备采取风冷交换或者水冷交换，风冷交换在减速机的主机安装风扇，通过吹风进行热交换，水冷交换则在减速机的主机安装换热管道，管道内循环流通液态的导热介质实现减速机内外的热交换。

目前，减速机系统的润滑油循环设备和降温设备都具有各自独立的控制机制；其中，润滑油循环设备可以按照固定的流量实现对润滑油的抽取、过滤、散热和加注；而降温设备可以利用温度传感器进行减速机内部温度监测，并且当温度高于阈值启动风冷或者水冷交换，以及根据温度高低而设定热交换的功率，例如调节风量或者调节导热介质的循环流量。

现有的减速机系统存在的问题主要在于：不能准确识别减速机的工作状态，并基于其工作状态自适应调节润滑油循环设备、降温设备，导致润滑油的循环过程以及减速机降温能力与减速机的实际工作状态和需求不相匹配，比如减速机已经发生过热的情况下未能有效散热，或者减速机内部不匹配导致异常噪声和振动时无法保证有效的润滑，造成减速机的工作状态不能及时调整回归正常，甚至加剧其内部的磨损和损坏。

发明内容

针对现有技术中的上述问题，本发明提供了一种基于大数据的减速机联动控制系统和方法。本发明基于大数据训练的神经网络监测单元，根据采集的减速机振动、噪声和温度变化信号，自动识别减速机的工作状态，形成量化表征，进而根据工作状态的量化表征实现减速机及其润滑油循环设备、降温设备有效联动控制，从而使得润滑油供给和循环以及减速机内部温度调节能够与减速机的工作状态达到充分的匹配。

本发明提供了一种基于大数据的减速机联动控制系统，包括减速机，所述减速机包括机壳、传动结构、抽油口、进油口；其特征在于，还包括：减速机附加维护设备、运行数据存储模块、多种传感器以及减速机联动控制模块；

所述减速机附加维护设备包括润滑油循环设备以及降温设备；润滑油循环设备从减速机的抽油口中抽取内部的润滑油，进行多极过滤、脱水和散热后，经进油口重新加注到减速机内部；所述降温设备采取水冷式降温，在减速机的机壳设立盘管入口和盘管出口，降温盘管从盘管入口进入减速机机壳内部，在减速机机壳内部盘旋延伸一定的距离后，从盘管出口导出减速机机壳，降温盘管内流通液态的换热介质，介质从减速机机壳携带热量流出从而实现减速机机壳内部与外界的热交换；

所述多种传感器用于监测减速机的工作状态，基于物联网实现与附加维护设备、运行数据存储模块以及减速机联动控制模块之间的工作状态的实时交互；

所述运行数据存储模块通过所述无线物联网获得并按照时间顺序累积存储工作状态数据，并且将采样时刻相同或者处于同一个采样周期的工作状态聚合为同一组工作状态数据，针对每一组历史工作状态数据添加该组数据对应的工作状态标记；

所述减速机联动控制模块用于根据实时的工作状态数据，将其形成特征向量，输入基于大数据训练的神经网络监测单元，形成表示减速机实时工作状态的量化表征值，进而根据工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制。

优选的是，所述多种传感器包括振动量传感器、噪声传感器、温度传感器以及润滑油质监测器。

优选的是，所述减速机联动控制模块包括实时特征提取单元、神经网络监测单元、控制接口单元以及可视化人机接口单元；所述实时特征提取单元用于将振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标转化为对应的特征量；所述神经网络监测单元输入基于大数据训练的神经网络监测单元，形成表示减速机实时工作状态的量化表征值；所述控制接口单元根据工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制；所述可视化人机接口单元根据工作状态生成可视化界面。

优选的是，所述神经网络监测单元包括BP神经网络，并且所述BP神经网络选取足够数量的在先样本进行训练，训练的在先样本是运行数据存储模块提供的历史工作状态数据及其工作状态标记；神经网络监测单元将历史工作状态数据提供给实时特征提取单元，以便获得针对每一组历史工作状态数据的特征量，然后将特征量输入BP神经网络，获得BP神经网络输出的量化表征值，并且将该量化表征值与历史工作状态数据对应的工作状态标记进行比较，如何二者不一致则调节BP神经网络内部的权重，再次用下一组历史工作状态数据进行BP神经网络的训练，直至BP神经网络输出的量化表征值与历史工作状态数据的工作状态标记达到收敛匹配。

优选的是，控制接口单元根据预定义的映射关系表，将量化表征值映射查找获得对应的控制指令，进而把控制指令发送给附加维护设备。

优选的是，控制接口单元根据所述量化表征值所表示的润滑油质量，确定附加维护设备中一级粗过滤罐、二级精过滤罐、脱水设备的启停。

优选的是，所述实时特征提取单元对采样后获得的振动量信号进行三层小波包分解，提取振动量信号在分解后的8个频带上的频带成分，利用提取的频带成分进行小波包分解后的信号重构；计算在各个频带上的重构信号能量分布的特征值，利用重构信号能量分布特征值组成减速机的振动特征向量。

优选的是，实时特征提取单元针对噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，根据其取值幅度，也转化为对应的特征量。

本发明还提供了一种减速机联动控制方法，包括以下步骤：

步骤S501，利用多种传感器监测减速机的工作状态，并通过无线物联网发送减速机工作状态数据；

步骤S502，通过无线物联网获得减速机工作状态数据，包括振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标；按照时间顺序累积存储上述工作状态数据，形成历史工作状态数据，并且为每一组历史工作状态数据添加工作状态标记；

步骤S503，通过无线物联网获得减速机的实时工作状态数据，以及获得累积存储的所述历史工作状态数据；对实时工作状态数据将其形成特征向量，输入基于大数据训练的BP神经网络形成表示减速机实时工作状态的量化表征值，进而根据实时工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制。

步骤S504，根据工作状态生成可视化界面，以便工作人员直观观察判断减速机的工况。

其中，优选的是，对于步骤S503中BP神经网络，选取足够数量的在先样本进行训练，训练的在先样本是历史工作状态数据及其工作状态标记；根据历史工作状态数据获得针对每一组历史工作状态数据的特征量，然后将特征量输入BP神经网络，获得BP神经网络输出的量化表征值，并且将该量化表征值与历史工作状态数据对应的工作状态标记进行比较，如何二者不一致则调节BP神经网络内部的权重，再次用下一组历史工作状态数据进行BP神经网络的训练，直至BP神经网络输出的量化表征值与历史工作状态数据的工作状态标记达到收敛匹配。

从而，本发明以大数据为基础，基于大数据训练的神经网络监测单元，根据采集的减速机振动、噪声和温度变化信号，自动识别减速机的工作状态，形成量化表征，进而根据工作状态的量化表征实现减速机及其润滑油循环设备、降温设备有效联动控制，从而使得润滑油供给和循环以及减速机内部温度调节能够与减速机的工作状态达到充分的匹配。本发明提升了减速机系统中润滑油循环设备、降温设备的工作效果，从而达到了维持减速机正常运转、降低减速机的磨损，保证减速机保持有效的工作状态，减少振动和噪声，保障减速机的使用寿命，防范突发故障。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例的基于大数据的减速机联动控制系统结构图；

图2是本申请实施例的附加维护设备结构示意图；

图3是本申请实施例的多种传感器构成示意图；

图4是本申请实施例的减速机联动控制模块构成示意图；

图5是本申请实施例的基于大数据的减速机联动控制方法流程图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1是本申请实施例的基于大数据的减速机联动控制系统结构图，包括减速机主机1、减速机附加维护设备2、运行数据存储模块3、多种传感器4以及减速机联动控制模块5。

所述减速机主机1包括机壳、传动结构、抽油口、进油口。所述机壳一般采用金属材料，以有利于散热，并且为了减震、隔音一般具有一定的厚度，或者在机壳内部增加吸音减震材料。机壳内部安装的传动结构可以采用蜗轮蜗杆啮合或者行星齿轮啮合结构，传动结构在传动过程中起到降低转速和提高扭矩的作用。传动结构通过轴承连接原动机的输出轴以及工作机的输入轴，且传动结构与原动机、工作机的连接部具有油封以防止减速机内部的润滑油渗出。

减速机自身配置的附加维护设备如图2所示，包括润滑油循环设备201以及降温设备202。润滑油循环设备从减速机的抽油口中抽取内部的润滑油，进行多极过滤、脱水和散热后，经进油口重新加注到减速机内部，从而去除润滑油内部的颗粒物和水分，保持润滑油处于适当的温度范围以防止变质，以及通过循环释放减速机内部热量。润滑油循环设备包括油泵201A、一级粗过滤罐201B、二级精过滤罐201C、脱水设备201D以及热交换器201E；通过油泵的动力将润滑油从减速机的抽油口抽取出来，然后沿着输油管依次输送给一级粗过滤罐、二级精过滤罐，利用过滤罐中的筛网和多孔材料进行过滤，去除润滑油中因沉积形成的颗粒物以及磨损带来的金属碎屑；脱水设备对多级过滤后的润滑油进行油水分离，去除润滑油中的水分以保证润滑油品质；热交换设备采用换热器对润滑油进行降温；经过降温的润滑油自进油口被重新输入到减速机的机壳内部。本实施例中，附加维护设备的降温设备202采取水冷式降温，在减速机的机壳设立盘管入口和盘管出口，降温盘管从盘管入口进入减速机机壳内部，在减速机机壳内部盘旋延伸一定的距离后，从盘管出口导出减速机机壳，引向外部的换热器202A，降温盘管内流通液态的换热介质，介质从减速机机壳携带热量流出，在换热器202A处进行热交换，从而实现减速机机壳内部与外界的热交换。

本申请利用多种传感器4监测减速机的工作状态，基于物联网实现减速机与附加维护设备、运行数据存储模块以及减速机联动控制模块之间的工作状态的实时交互。监测减速机工况的传感器包括振动量传感器401、噪声传感器402、温度传感器403以及润滑油质监测器404。如图3，可以采用多个所述振动量传感器401，分别安装在减速机机壳和传动结构上，用于监测减速机运行过程中产生的振动量信号，用于产生减速机振动特征向量。该振动量传感器可以采用加速度传感器，用检测获得的加速度值表征减速机振动的幅度；采用预设的采样频率对振动量传感器的检测结果进行采样，采样频率可以是减速机传动部件啮合频率的8-10倍；振动量传感器具备物联网通信功能，可以基于无线物联网，实现振动量信号的发送，可以基于NB-IOT、LORA或3G、4G通信协议实现上述无线物联网通信。多路噪声传感器402安装在减速机机壳的外部，利用麦克风采集减速机运行过程的噪声信号，经过采样和数字化之后，基于无线物联网通信发送噪声信号。温度传感器403安装在减速机机壳内表面或者机壳内部靠近传动机构等高发热零部件的位置，采集减速机的温度信号，并基于无线物联网通信发送温度信号。所述润滑油质监测器404包括颗粒度监测单元、水分含量监测单元和黏稠度监测单元。颗粒度监测单元利用激光计数器，通过测量润滑油中颗粒物的遮光程度，换算油质中颗粒物的数量和直径。水分含量监测单元利用电容原理测量油中水分含量，过高的水分含量对润滑油有效发挥作用不利。黏稠度监测单元通过黏度传感器测量油品的黏度状况。润滑油质监测器可以串联安装在润滑油循环设备的管路上。润滑油质监测器通过无线物联网发送油质颗粒物浓度、水分含量以及黏稠度的监测指标。

所述运行数据存储模块3通过所述无线物联网连接所述振动量传感器、噪声传感器、温度传感器以及润滑油质监测器，从而获得振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标。该运行数据存储模块3按照时间顺序累积存储上述工作状态数据，包括振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，将采样时刻相同或者处于同一个采样周期的所述振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标聚合为同一组工作状态数据，进而将各组工作状态数据按照时间顺序进行累积，从而形成工作状态数据库。运行数据存储模块3累积存储的历史工作状态数据可以用于实现对减速机联动控制模块5中的神经网络监测单元的训练。具体来说，运行数据存储模块3可以针对每一组历史工作状态数据添加该组数据对应的工作状态标记，该工作状态标记表明了在该组工作状态数据的采样周期内减速机主机1的工作状态。工作状态标记的确定将在下文中结合减速机联动控制模块5进行介绍。

所述减速机联动控制模块5通过前面所述的无线物联网连接所述振动量传感器、噪声传感器、温度传感器以及润滑油质监测器，从而获得实时的振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标。并且，所述减速机联动控制模块5还通过所述无线物联网连接所述运行数据存储模块3，从而获得运行数据存储模块3累积存储的历史工作状态数据，减速机联动控制模块5所获得的历史工作状态数据是一段历史时间窗口(一般选取减速机的当前维护周期时间范围内)内分布的各组历史工作状态数据，每组工作状态数据包括振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，以及每组工作状态数据对应的工作状态标记。

该减速机联动控制模块5根据实时的所述振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，将其形成特征向量，输入基于大数据训练的神经网络监测单元，形成表示减速机实时工作状态的量化表征值，进而根据工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制。具体来说，减速机联动控制模块包括实时特征提取单元501、神经网络监测单元502、控制接口单元503以及可视化人机接口单元504，参见图4所示。

所述实时特征提取单元501用于将振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标转化为对应的特征量。具体来说，实时特征提取单元501对采样后获得的振动量信号进行三层小波包分解，提取振动量信号在分解后的8个频带上的频带成分，表示为S(t)_ij，其中i取值为3，即第三层小波包分解获得的频带成分，j取值为0～7，即表示8个频带上各自的频带成分；利用提取的频带成分进行小波包分解后的信号重构，重构后的信号S＝S₃₀+S₃₁+S₃₂+S₃₃+S₃₄+S₃₅+S₃₆+S₃₇；计算在各个频带上的重构信号能量分布的特征值，即E_ij＝∫|S(t)_ij|²dt，利用重构信号能量分布特征值组成减速机的振动特征向量，即E＝[E₃₀,E₃₁,E₃₂,E₃₃,E₃₄,E₃₅,E₃₆,E₃₇]。实时特征提取单元501针对噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，根据其取值幅度，也转化为对应的特征量。

神经网络监测单元502根据实时特征提取单元501提取的特征量，输入基于大数据训练的神经网络监测单元，形成表示减速机实时工作状态的量化表征值。具体来说，该神经网络监测单元502采取BP神经网络的模式，其输入向量选取实时特征提取单元501提取的特征量，输出为代表减速机实时工作状态的量化表征值，例如量化表征值取值为1-10，每个取值代表减速机的一种实时工作状态，并且，该量化表征值与运行数据存储模块3针对每一组历史工作状态数据添加的所述工作状态标记相匹配。对于神经网络监测单元502的BP神经网络，选取足够数量的在先样本进行训练，训练的在先样本是运行数据存储模块3提供的历史工作状态数据及其工作状态标记；神经网络监测单元502将历史工作状态数据提供给实时特征提取单元501，以便获得针对每一组历史工作状态数据的特征量，然后将特征量输入BP神经网络，获得BP神经网络输出的量化表征值，并且将该量化表征值与历史工作状态数据对应的工作状态标记进行比较，如何二者不一致则调节BP神经网络内部的权重，再次用下一组历史工作状态数据进行BP神经网络的训练，直至BP神经网络输出的量化表征值与历史工作状态数据的工作状态标记达到收敛匹配，则将实时特征提取单元501提取的减速机当前的特征量输入该经过训练完成的神经网络监测单元502，形成表示减速机实时工作状态的量化表征值。

控制接口单元503根据工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制。控制接口单元503根据预定义的映射关系表，将量化表征值映射查找获得对应的控制指令，进而把控制指令发送给附加维护设备。例如，根据所述量化表征值所表示的润滑油质量，确定附加维护设备中一级粗过滤罐、二级精过滤罐、脱水设备的启停。

可视化人机接口单元504根据减速机的所述量化表征值，生成可视化界面，以便工作人员直观观察判断减速机的工况。

进而，通过基于大数据的减速机联动控制系统，本发明提供了一种减速机联动控制方法，如图5所示，包括以下步骤：

步骤S501，利用多种传感器监测减速机的工作状态，并通过无线物联网发送减速机工作状态数据。所述监测减速机工况的多种传感器包括振动量传感器、噪声传感器、温度传感器以及润滑油质监测器。可以采用多个所述振动量传感器监测减速机运行过程中产生的振动量信号，产生减速机振动特征向量。该振动量传感器可以采用加速度传感器，用检测获得的加速度值表征减速机振动的幅度；采用预设的采样频率对振动量传感器的检测结果进行采样，采样频率可以是减速机传动部件啮合频率的8-10倍；可以基于无线物联网，实现振动量信号的发送，可以基于NB-IOT、LORA或3G、4G通信协议实现上述无线物联网通信。多路噪声传感器安装在减速机机壳的外部，利用麦克风采集减速机运行过程的噪声信号，经过采样和数字化之后，基于无线物联网通信发送噪声信号。温度传感器安装在减速机机壳内表面或者机壳内部靠近传动机构等高发热零部件的位置，采集减速机的温度信号，并基于无线物联网通信发送温度信号。所述润滑油质监测器包括颗粒度监测单元、水分含量监测单元和黏稠度监测单元。颗粒度监测单元利用激光计数器，通过测量润滑油中颗粒物的遮光程度，换算油质中颗粒物的数量和直径。水分含量监测单元利用电容原理测量油中水分含量，过高的水分含量对润滑油有效发挥作用不利。黏稠度监测单元通过黏度传感器测量油品的黏度状况。润滑油质监测器可以串联安装在润滑油循环设备的管路上。润滑油质监测器通过无线物联网发送油质颗粒物浓度、水分含量以及黏稠度的监测指标。

步骤S502，通过无线物联网获得减速机工作状态数据，包括振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标；按照时间顺序累积存储上述工作状态数据，形成历史工作状态数据，并且为每一组历史工作状态数据添加工作状态标记；

步骤S503，通过无线物联网获得减速机的实时工作状态数据，以及获得累积存储的所述历史工作状态数据；对实时工作状态数据将其形成特征向量，输入基于大数据训练的BP神经网络形成表示减速机实时工作状态的量化表征值，进而根据实时工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制。本步骤中，将振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标转化为对应的特征量。具体来说，对采样后获得的振动量信号进行三层小波包分解，提取振动量信号在分解后的8个频带上的频带成分，表示为S(t)_ij，其中i取值为3，即第三层小波包分解获得的频带成分，j取值为0～7，即表示8个频带上各自的频带成分；利用提取的频带成分进行小波包分解后的信号重构，重构后的信号S＝S₃₀+S₃₁+S₃₂+S₃₃+S₃₄+S₃₅+S₃₆+S₃₇；计算在各个频带上的重构信号能量分布的特征值，即E_ij＝∫|S(t)_ij|²dt，利用重构信号能量分布特征值组成减速机的振动特征向量，即E＝[E₃₀,E₃₁,E₃₂,E₃₃,E₃₄,E₃₅,E₃₆,E₃₇]。针对噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，根据其取值幅度，也转化为对应的特征量。根据实时工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制。具体来说，根据量化表征值，确定减速机内部的摩擦状态，并根据摩擦状态确定减速机附加维护设备的润滑油循环设备的循环供油量。根据量化表征值，分析减速机内部的热量累积状况，进而确定附加维护设备中的降温设备的循环速度和介质温度。根据所述油质的颗粒物浓度、水分含量以及黏稠度监测指标，分析润滑油质可用性，进而确定附加维护设备中一级粗过滤罐、二级精过滤罐、脱水设备的启停。。

步骤S504，根据工作状态生成可视化界面，以便工作人员直观观察判断减速机的工况。

其中，对于步骤S503中BP神经网络，选取足够数量的在先样本进行训练，训练的在先样本是历史工作状态数据及其工作状态标记；根据历史工作状态数据获得针对每一组历史工作状态数据的特征量，然后将特征量输入BP神经网络，获得BP神经网络输出的量化表征值，并且将该量化表征值与历史工作状态数据对应的工作状态标记进行比较，如何二者不一致则调节BP神经网络内部的权重，再次用下一组历史工作状态数据进行BP神经网络的训练，直至BP神经网络输出的量化表征值与历史工作状态数据的工作状态标记达到收敛匹配。

从而，本发明以大数据为基础，基于大数据训练的神经网络监测单元，根据采集的减速机振动、噪声和温度变化信号，自动识别减速机的工作状态，形成量化表征，进而根据工作状态的量化表征实现减速机及其润滑油循环设备、降温设备有效联动控制，从而使得润滑油供给和循环以及减速机内部温度调节能够与减速机的工作状态达到充分的匹配。本发明提升了减速机系统中润滑油循环设备、降温设备的工作效果，从而达到了维持减速机正常运转、降低减速机的磨损，保证减速机保持有效的工作状态，减少振动和噪声，保障减速机的使用寿命，防范突发故障。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种基于大数据的减速机联动控制系统，包括减速机，所述减速机包括机壳、传动结构、抽油口、进油口；其特征在于，还包括：减速机附加维护设备、运行数据存储模块、多种传感器以及减速机联动控制模块；

所述减速机附加维护设备包括润滑油循环设备以及降温设备；润滑油循环设备从减速机的抽油口中抽取内部的润滑油，进行多级过滤、脱水和散热后，经进油口重新加注到减速机内部；所述润滑油循环设备包括油泵、一级粗过滤罐、二级精过滤罐、脱水设备以及热交换器；通过油泵的动力将润滑油从减速机的抽油口抽取出来，然后沿着输油管依次输送给一级粗过滤罐、二级精过滤罐，利用过滤罐中的筛网和多孔材料进行过滤，去除润滑油中因沉积形成的颗粒物以及磨损带来的金属碎屑；脱水设备对多级过滤后的润滑油进行油水分离，去除润滑油中的水分以保证润滑油品质；热交换设备采用换热器对润滑油进行降温；经过降温的润滑油自进油口被重新输入到减速机的机壳内部；所述降温设备采取水冷式降温，在减速机的机壳设立盘管入口和盘管出口，降温盘管从盘管入口进入减速机机壳内部，在减速机机壳内部盘旋延伸一定的距离后，从盘管出口导出减速机机壳，降温盘管内流通液态的换热介质，介质从减速机机壳携带热量流出从而实现减速机机壳内部与外界的热交换；

所述多种传感器用于监测减速机的工作状态，基于无线物联网实现与附加维护设备、运行数据存储模块以及减速机联动控制模块之间的工作状态的实时交互；

所述运行数据存储模块通过无线物联网获得并按照时间顺序累积存储工作状态数据，并且将采样时刻相同或者处于同一个采样周期的工作状态聚合为同一组工作状态数据，针对每一组历史工作状态数据添加该组数据对应的工作状态标记；

所述减速机联动控制模块用于根据实时的工作状态数据，将其形成特征向量，输入基于大数据训练的神经网络监测单元，形成表示减速机实时工作状态的量化表征值，进而根据工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制；

所述减速机联动控制模块包括实时特征提取单元、神经网络监测单元、控制接口单元以及可视化人机接口单元；

所述实时特征提取单元用于将振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标转化为对应的特征量；其中，实时特征提取单元对采样后获得的振动量信号进行三层小波包分解，提取振动量信号在分解后的8个频带上的频带成分，表示为S(t) _ij ，其中i取值为3，即第三层小波包分解获得的频带成分，j取值为0~7，即表示8个频带上各自的频带成分；利用提取的频带成分进行小波包分解后的信号重构，重构后的信号S=S ₃₀ +S ₃₁ +S ₃₂ +S ₃₃ +S ₃₄ +S ₃₅ +S ₃₆ +S ₃₇ ；计算在各个频带上的重构信号能量分布的特征值，即

，利用重构信号能量分布特征值组成减速机的振动特征向量，即E= [E ₃₀ ,E ₃₁ ,E ₃₂ ,E ₃₃ ,E ₃₄ ,E ₃₅ ,E ₃₆ ,E ₃₇ ]；并且实时特征提取单元针对噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，根据其取值幅度，也转化为对应的特征量；

所述神经网络监测单元输入基于大数据训练的神经网络监测单元，形成表示减速机实时工作状态的量化表征值；所述神经网络监测单元包括BP神经网络，并且所述BP神经网络选取足够数量的在先样本进行训练，训练的在先样本是运行数据存储模块提供的历史工作状态数据及其工作状态标记；神经网络监测单元将历史工作状态数据提供给实时特征提取单元，以便获得针对每一组历史工作状态数据的特征量，然后将特征量输入BP神经网络，获得BP神经网络输出的量化表征值，并且将该量化表征值与历史工作状态数据对应的工作状态标记进行比较，如何二者不一致则调节BP神经网络内部的权重，再次用下一组历史工作状态数据进行BP神经网络的训练，直至BP神经网络输出的量化表征值与历史工作状态数据的工作状态标记达到收敛匹配；

所述控制接口单元根据工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制；

所述可视化人机接口单元根据工作状态生成可视化界面。

2.根据权利要求1所述的减速机联动控制系统,其特征在于,所述多种传感器包括振动量传感器、噪声传感器、温度传感器以及润滑油质监测器。

3.根据权利要求1所述的减速机联动控制系统,其特征在于,控制接口单元根据预定义的映射关系表，将量化表征值映射查找获得对应的控制指令，进而把控制指令发送给附加维护设备。

4.根据权利要求2所述的减速机联动控制系统,其特征在于,控制接口单元根据所述量化表征值所表示的润滑油质量，确定附加维护设备中一级粗过滤罐、二级精过滤罐、脱水设备的启停。

5.一种减速机联动控制方法，其特征在于,用于权利要求1-4任一项的基于大数据的减速机联动控制系统，所述方法包括以下步骤：

步骤S501，利用多种传感器监测减速机的工作状态，并通过无线物联网发送减速机工作状态数据；

步骤S502，通过无线物联网获得减速机工作状态数据，包括振动量信号、噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标；按照时间顺序累积存储上述工作状态数据，形成历史工作状态数据，并且为每一组历史工作状态数据添加工作状态标记；

步骤S503，通过无线物联网获得减速机的实时工作状态数据，以及获得累积存储的所述历史工作状态数据；对实时工作状态数据将其形成特征向量，其中，对采样后获得的振动量信号进行三层小波包分解，提取振动量信号在分解后的8个频带上的频带成分，表示为S (t) _ij ，其中i取值为3，即第三层小波包分解获得的频带成分，j取值为0~7，即表示8个频带上各自的频带成分；利用提取的频带成分进行小波包分解后的信号重构，重构后的信号S=S ₃₀ + S ₃₁ +S ₃₂ +S ₃₃ +S ₃₄ +S ₃₅ +S ₃₆ +S ₃₇ ；计算在各个频带上的重构信号能量分布的特征值，即

，利用重构信号能量分布特征值组成减速机的振动特征向量，即E= [E ₃₀ ,E ₃₁ ,E ₃₂ ,E ₃₃ ,E ₃₄ ,E ₃₅ ,E ₃₆ ,E ₃₇ ]；并且针对噪声信号、温度信号以及反映油质的颗粒物浓度、水分含量以及黏稠度监测指标，根据其取值幅度，也转化为对应的特征量；输入基于大数据训练的BP神经网络形成表示减速机实时工作状态的量化表征值，进而根据实时工作状态的量化表征值，向附加维护设备传输控制指令，实现减速机及其润滑油循环设备、降温设备有效联动控制；其中，BP神经网络，选取足够数量的在先样本进行训练，训练的在先样本是历史工作状态数据及其工作状态标记；根据历史工作状态数据获得针对每一组历史工作状态数据的特征量，然后将特征量输入BP神经网络，获得BP神经网络输出的量化表征值，并且将该量化表征值与历史工作状态数据对应的工作状态标记进行比较，如何二者不一致则调节BP神经网络内部的权重，再次用下一组历史工作状态数据进行BP神经网络的训练，直至BP神经网络输出的量化表征值与历史工作状态数据的工作状态标记达到收敛匹配；

步骤S504，根据工作状态生成可视化界面，以便工作人员直观观察判断减速机的工况。

Images