CN112014048B - 盾构机刀盘检测及修复方法 - Google Patents
盾构机刀盘检测及修复方法 Download PDFInfo
- Publication number
- CN112014048B CN112014048B CN202010917999.1A CN202010917999A CN112014048B CN 112014048 B CN112014048 B CN 112014048B CN 202010917999 A CN202010917999 A CN 202010917999A CN 112014048 B CN112014048 B CN 112014048B
- Authority
- CN
- China
- Prior art keywords
- fault
- cutter head
- signal
- sensor
- vibration
- 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.)
- Active
Links
- 230000005641 tunneling Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims description 23
- 230000008439 repair process Effects 0.000 title description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000003745 diagnosis Methods 0.000 claims description 42
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000005299 abrasion Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000003638 chemical reducing agent Substances 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001050 lubricating effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 229910000976 Electrical steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012208 gear oil Substances 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/025—Measuring arrangements
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
- E21D9/08—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining with additional boring or cutting means other than the conventional cutting edge of the shield
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明涉及盾构机刀盘检测及修复方法，盾构机刀盘检测方法至少包括：基于至少一个第一传感器检测盾构机刀盘驱动结构机械振动的振动信号；基于至少一个第二传感器检测刀盘电机温度的温度信号；基于盾构机刀盘参数以及先验知识构建温度信号故障特征与故障原因之间对应的概率模型，在第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，基于第一传感器传输的振动信号进行诊断以确定属于概率模型的第一故障原因，并基于第二传感器传输的温度信号传输至概率模型获得概率最大的对应的第二故障原因，在第一故障原因与第二故障原因彼此不关联的情况下，减少第二故障原因的概率并提高第一故障原因的概率。
Description
技术领域
本发明涉及隧道盾构技术领域，尤其涉及盾构机刀盘检测及修复方法。
背景技术
大量工程实践经验证明，盾构机刀具检查、更换和刀盘维修等作业实践约占掘进施工总时间的30%到40%。而且，盾构机的换刀过程比较复杂，刀具的更换需要较长的时间。因此，如果刀具损坏，会对盾构掘进施工带来很大的影响。
现有技术中一般采用开舱检查的方法来检查刀具。具体而言，停机后作业人员进入舱体对刀具进行逐个检测。在不稳定地层中，开舱前需要进行底层加固或者带压作业，方可入舱进行检查。尽管这种方法直接可靠，但却存在较高的风险，例如掌子面不稳定而造成地面坍塌等事故。因此，可以在刀具内置入磨损感应装置来进行报警或提示。例如，在刀具内安装液压或者电子传感器系统，一旦刀具磨损到一定程度就自动报警或指示。例如，滚刀磨损感应装置则是采用测量液压油缸从刀盘伸出至滚刀刃尖的行程，通过比较伸出行程与磨损前伸出行程的差值判断滚刀的磨损量。例如，通电式刀具磨损检测，在刀具制作时先将电线埋入刀具中，随着盾构的掘进，当刀具磨损达到限定阈值时，通电电线被磨断，于是电路断路，通知外界。该方法简单直接，但是不能连续检测刀具磨损的进展情况。针对切削类的盾构刀具，可优选设计通电式传感装置实现连续测量，例如按间距设置多个通路置入刀具中，使用单片机控制选通其中一个通路，通过电量判断其通断，从而获取刀具的磨损量。但是这种检测方式应用范围较小，每一个检测单元都需要一个单独的回路，难以满足大容量的监测需求。
例如，公开号为CN105973896B的中国专利文献公开了基于光纤传感的盾构机刀具、刀盘磨损在线检测装置及方法。所述在线监测装置包括光线光栅位置传感器组，安装在待检测设备的深孔中，且光纤光栅位置传感器的光纤末端位于待检测设备的磨损极限位置；分光系统，用于将光分别传输给每个光纤光栅位置传感器；解调系统，用于将从每个光纤光栅位置传感器返回的光解调成光信号；控制系统，用于控制分光系统的开关，并对解调系统解调的电信号进行分析，判断切削刀具、磨损检测刀具或刀盘中的任意一个或几个是否磨损以及磨损位置。
例如，公开号为CN104198490B的中国专利文献公开了一种盾构机刀具刀盘的前部可视化检测装置及方法。所述可视化检测装置包括摄像装置、照明装置、冲洗装置、第一推进装置、第二推进装置、第三推进装置、数据采集装置和盾构机气泡舱，摄像装置包括前端摄像头和侧向摄像头，盾构机气泡舱的前壁上设有三个圆孔，圆孔焊接球铰且分别安装球阀用于连接摄像装置、照明装置和冲洗装置，第一推进装置、第二推进装置和第三推进装置分别与摄像装置、冲洗装置螺纹连接，第一推进装置、第二推进装置和第三推进装置均与盾构机气泡舱的前壁通过球阀连接。该可视化检测装置的有益效果是避免刀具损坏后未及时更换而造成大面积损伤或不必要开舱检查即更换刀具，延长刀具使用寿命。
但是上述专利公开的盾构机刀盘检测装置只能检测固定的几种故障，而盾构机的刀盘系统的故障类型较多，而且故障导致的表现形式相似，无法基于仅有几种传感器来确定刀盘系统的故障原因，进而在停机维修检查时，还需要花费大量的时间进行逐部件检测。而如果安装过多的传感器，会使得盾构机的结构变得复杂，在盾构机实际掘进工作中，刀盘系统内的多种传感器可能会被损坏，进而进一步加剧传感器的不可靠性。
此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足，本发明提供一种盾构机刀盘检测方法，所述方法至少包括：
基于至少一个第一传感器检测盾构机刀盘驱动结构机械振动的振动信号；
基于至少一个第二传感器检测刀盘电机温度的温度信号；
基于盾构机刀盘参数以及先验知识构建温度信号故障特征与故障原因之间对应的概率模型，其中，在所述第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，基于所述第一传感器传输的振动信号进行诊断以确定属于所述概率模型的第一故障原因，并基于所述第二传感器传输的温度信号传输至所述概率模型获得概率最大的对应的第二故障原因，其中，
在所述第一故障原因与所述第二故障原因彼此不关联的情况下，减少所述第二故障原因的概率并提高所述第一故障原因的概率。现有技术中，通过专家以及盾构机施工经验这种先验积累的知识构建的信号故障特征与故障原因对应的概率模型能够在发生故障时，根据故障特征为操作人员提供按概率大小排列的多个故障原因，操作人员可以针对性地根据概率大小依次排查相应的故障原因，从而快速找到造成该故障特征的故障原因，显著提高诊断效率，进而实现快速维修。但是，盾构机刀盘故障特征的表现形式繁杂，对应造成的故障原因更是复杂，尤其是实际施工时，大部分故障特征是多个故障原因同时造成的。仅仅根据人工经验或者以往的故障数据进行学习训练，也仅仅是针对单一异常信号的故障特征对应的故障原因，而面对多个不同故障同时并发导致至少两种异常信号的情况下，根据人工经验或者以往的故障数据进行学习训练只会得到越来越偏离真正故障原因的概率模型。具体而言，例如盾构机在实际工作中发生轴承磨损导致刀盘电机的机体温度升高，同时也发生刀盘主机过载导致温度升高，显然这种情况下仅凭借温度升高信号对应的故障原因的概率模型是无法准确地确定全部故障原因，而且刀盘主机过载也是故障原因，进而会提高该温度异常信号下，概率模型对应的刀盘主机过载这一故障原因的概率，从而使得概率模型经过训练后其越来越偏离真正故障原因，即忽略了同样造成故障的轴承磨损的故障原因。而本发明通过在所述第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，分别基于所述第一传感器传输的振动信号和第二传感器传输的温度信号进行诊断以确定相应的第一故障原因和第二故障原因。而在所述第一故障原因与所述第二故障原因彼此不关联的情况下，即例如轴承磨损导致刀盘电机的机体温度升高为第一故障原因，概率模型中该温度信号对应的第二故障原因为刀盘主机过载导致温度升高。第一故障原因和第二故障原因彼此之间没有因果关系，从而没有关联。而当电机的温度升高时，负载过大的概率是最高的，因此在盾构机停机进行修复或者逐部件确定故障原因时，首先会对第二故障原因进行检测。因此，尽管第二故障原因同样是造成故障的原因，但是这种基于概率模型给出的概率高低的方式来确认故障原因，会使得操作人员忽略同样造成故障的第一故障原因。所以，本发明通过减少概率最高的第二故障原因，提高概率较小的第一故障原因来给出操作人员确定刀盘故障原因的顺序，能够避免遗漏概率较小的第一故障原因，提高诊断的准确性。此外，通过该设置方式，还能够提高诊断效率，使得操作人员仅需要确定有限的几个故障原因，就能够完成盾构机刀盘的检测和修复。
本发明还提供一种盾构机刀盘检测方法，所述方法至少包括：
基于至少一个第一传感器检测盾构机刀盘驱动结构机械振动的振动信号；
基于至少一个第二传感器检测刀盘电机温度的温度信号；
基于盾构机刀盘参数以及先验知识构建温度信号故障特征与故障原因之间对应的概率模型，其中，在所述第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，基于所述第一传感器传输的振动信号进行诊断以确定属于所述概率模型的第一故障原因，并基于所述第二传感器传输的温度信号传输至所述概率模型获得概率最大的对应的第二故障原因，其中，
在所述第一故障原因与所述第二故障原因彼此不关联的情况下，基于所述第一传感器传输的振动信号进行二次诊断，其中，在基于所述二次诊断确定第一故障原因为正确的情况下，减少所述第二故障原因的概率并提高所述第一故障原因的概率。通过该设置方式，能够通过对第一传感器传感的数据进行二次诊断的方式来明确造成第一传感器检测到异常对应的第一故障原因，来提高可靠性。此外，考虑到第一传感器或者第二传感器可能会出现失效的情况，通过二次诊断来确定第一传感器的可靠性，进而可以通过第一传感器来验证第二传感器传输的数据的可靠性。
根据一种优选实施方式，基于所述第一传感器传输的振动信号进行诊断以确定属于所述概率模型的第一故障原因的步骤至少包括：
基于所述第一传感器扫描当前掘进环行程内接收的所述第一传感器传输的振动信号，提取振动信号的时域波形的特征参数大于第一异常阈值的至少一个第一局部信号；
基于所述第一局部信号进行频域变换以获取其频域波形的特征参数，并基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定引起所述第一局部信号的至少一个所述第一传感器。
根据一种优选实施方式，所述时域波形的特征参数是幅值域、时差域的至少一种。在所述第一异常阈值为表示刀盘主驱动结构的振动存在异常但可以短期运行的情况下，基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定盾构机刀盘结构是否发生故障。如果经过所述二次诊断确定所述第一局部信号的频域特征参数处于第二异常阈值范围内，则确定刀盘主驱动结构发生故障。如果经过所述二次诊断确定所述第一局部信号的频域特征参数处于第二异常阈值范围外，则刀盘主驱动结构的故障需要进一步判定。
根据一种优选实施方式，在所述第一异常阈值为表示刀盘主驱动结构存在 振动异常且无法运行的情况下，基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定第一局部信号的故障频率。在经过二次诊断确定刀盘主驱动结构发生故障的情况下，基于所述第一局部信号的故障频率与刀盘主驱动结构的振动信号的频率进行比对以确定刀盘主驱动结构发生故障的零部件。基于发生故障的零部件确定至少一个引起所述第一局部信号的所述第一传感器。
根据一种优选实施方式，在所述第一异常阈值为表示刀盘主驱动结构存在异常但可短期运行且经过二次诊断确定刀盘主驱动结构需要进一步判定的情况下，剔除当前掘进环行程内接收的所有的振动信号内的所述第一局部信号生成第一平稳振动信号；
调取引起所述第一局部信号的至少一个所述第一传感器的前一个或前多个掘进环内接收的历史振动信号，并基于所述第一平稳振动信号的时域和/或频域信息过滤所述历史振动信号生成第二平稳振动信号；
比较所述第一平稳振动信号和所述第二平稳振动信号的时域和/或频域信息。如果第一平稳振动信号和第二平稳振动信号的时域和/或频域的变化趋势一致则判定刀盘主驱动结构未发生故障。如果第一平稳振动信号和第二平稳振动信号的时域和/或频域的变化趋势不一致则判定刀盘主驱动结构发生故障。
根据一种优选实施方式，基于发生故障的零部件确定至少一个引起所述第一局部信号的所述第一传感器的步骤至少包括：
基于发生故障的零部件确定监测该零部件的至少一个所述第一传感器；
基于监测该零部件的至少一个所述第一传感器选取距离发生故障的零部件最近且监测的振动方向与所述第一局部信号的振动方向相同的第一传感器。在监测的振动方向与所述第一局部信号的振动方向相同的监测该零部件的第一传感器的数量大于一个的情况下，选取彼此距离最近且监测的振动方向与所述第一局部信号的振动方向相同的两个第一传感器。
根据一种优选实施方式，基于所述第一局部信号进行频域变换以获取其频域波形的特征参数的步骤至少包括：
对所述第一局部信号进行分解以获取包括故障信息的固有共振频域信号；
对所述固有共振频域信号进行重构以滤除其中的干扰成分；
对重构后的固有共振频域信号进行解调以得到包络信号；
对所述包络信号进行快速傅里叶变换以得到所述第一局部信号的包络谱。
根据一种优选化实施方式，基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定第一局部信号的故障频率的步骤至少包括：
基于盾构机的刀盘主驱动结构的参数计算得到多个关于刀盘主驱动结构的故障频率；
将所述多个关于刀盘主驱动结构的故障频率作为固有共振频率；
基于所述固有共振频率对所述第一局部信号进行分解，从而得到所述多个关于刀盘主驱动结构的故障频率对应的多个所述第一局部信号的包络谱；
基于所述多个所述第一局部信号的包络谱的基频及其倍频与所述多个关于刀盘主驱动结构的故障频率进行对比分析，从而确定所述第一局部信号的故障频率和故障类型。
本发明还提供一种盾构机刀盘修复方法，所述方法至少包括：
使用上述优选实施例任一所述的盾构机刀盘检测方法来确定盾构机刀盘发生故障时故障特征与故障原因之间对应的概率模型；
至少基于所述概率模型中不同的故障原因对应的概率的大小顺序来依次确定故障原因并修复。
附图说明
图1是本发明掘进控制系统的一个优选实施方式的模块示意图；
图2是本发明掘进控制方法的一个优选实施方式的步骤流程示意图。
具体实施方式
下面结合附图1至2进行详细说明。
盾构机的刀盘作为具有进料口的切削体，他的作用是用来挖掘泥土。刀盘与其动力来源（电机）通过法兰板来连接。刀盘按开挖土质的差异可以使用不同类型的挖掘刀具。所有刀具均通过螺栓与刀盘来连接。刀盘驱动系统由齿轮箱、驱动部分及减速机构成。前盾还有一套稀油润滑装置，有螺杆泵将齿轮油输送到各润滑点，进而对齿轮箱喷射润滑。刀盘系统中，主驱动采用螺栓与法兰连接。法兰板后面装有旋转接头将泡沫、检测压力油以及压力油润滑脂传送其面板的泡沫喷溅处、磨损检测处和仿形刀位置处。不同的切削半径上安装具有检测磨损刮刀功能的压力传感器，通过压力的变化来提醒工程人员是否需要更换刀具。刀盘的结构根据不同的施工条件及地质不同的有不同的面板类型。例如，面板式、辐条式、辐条加面板式。
优选地，现在盾构机一般通过工控机直接控制各变频器进而控制三相交流异步电机运转，电机带动减速机运转，减速机和主轴承间主要通过齿轮间的啮合来进行旋转，主轴承带动刀盘来实现刀盘旋转。变频电机驱动在0~50Hz内可达到全额扭矩的调速，采用变频调速驱动时，一般每台电机对应配置一台变频器，来控制相应的电机运转，最终实现刀盘驱动。优选地，刀盘系统中的电机为异步电机，而异步电机中的故障在大方向上可分为电气故障和机械故障。
优选地，对于异步电机最常见的电气故障主要分为：短路故障、过载、断路故障。造成每种故障的具体原因如相间短路、对地短路、电源断路等。电机中常见的异常现象主要包括：温度升高、电流过大、发生振动、有异常声音、电动机不转、转速低于额定值、及外壳带电等。现有技术可以以异步电机升温模型为例，建立贝叶斯网络模型。造成这些故障的原因较为复杂，例如造成机体温度升高的原因可分为内外两种因素，其中外因主要有负载过大、环境温度高、风道堵塞、电源电压过高或过低、刀盘轴承或减速机故障；内因主要有两相运转、三相电压不平衡、内部轴承支撑的铁块脱落。过电流的原因可能是电源电压过高、电动机因修理后的配置不当、定子绕组的扎数不足或Y型连接误接成型连接、硅钢片腐蚀或老化、继电器整流太小、转子断相、刀盘轴承或减速机故障而引起的。采用在线监测技术可以获得电机的实时数据，例如在电机上不同的传感器，这样可以很清晰的反映系统中各元件的工作状态，并确定电机的均流系数。但这样做会使得安装结构变得复杂，以及传感器本身的不可靠性可能会给电机的正常工作带来影响。
实施例1
本实施例公开了一种盾构机刀盘检测方法。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
优选地，盾构机刀盘的监测除了需要检测振动信号外，还需要监测刀盘电机的温度信号。但是电机过热除了接触不良之外，电机的不正常振动或噪音也极易引起电机过热。在监测刀盘时，除了需要监测故障发生的部件，还需要针对故障发生部件的多种故障进行分析，明确造成异常的故障是单一故障还是多种故障同时作用导致的异常，从而便于主驱动性能修复时，能够快速、准确的锁定多个故障位置，提高修复的效率。
优选地，如图1所示，盾构机刀盘检测方法的步骤至少包括：
S100：基于至少一个第一传感器检测盾构机刀盘驱动结构机械振动的振动信号。基于至少一个第二传感器检测刀盘电机温度的温度信号。基于盾构机刀盘参数以及先验知识构建温度信号故障特征与故障原因之间对应的概率模型。
优选地，在第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，基于第一传感器传输的振动信号进行诊断以确定属于概率模型的第一故障原因。基于第二传感器传输的温度信号传输至概率模型获得概率最大的对应的第二故障原因。在第一故障原因与第二故障原因彼此不关联的情况下，减少第二故障原因的概率并提高第一故障原因的概率。现有技术中，通过专家以及盾构机施工经验这种先验积累的知识构建的信号故障特征与故障原因对应的概率模型能够在发生故障时，根据故障特征为操作人员提供按概率大小排列的多个故障原因，操作人员可以针对性地根据概率大小依次排查相应的故障原因，从而快速找到造成该故障特征的故障原因，显著提高诊断效率，进而实现快速维修。但是，盾构机刀盘故障特征的表现形式繁杂，对应造成的故障原因更是复杂，尤其是实际施工时，大部分故障特征是多个故障原因同时造成的。仅仅根据人工经验或者以往的故障数据进行学习训练，也仅仅是针对单一异常信号的故障特征对应的故障原因，而面对多个不同故障同时并发导致至少两种异常信号的情况下，根据人工经验或者以往的故障数据进行学习训练只会得到越来越偏离真正故障原因的概率模型。具体而言，例如盾构机在实际工作中发生轴承磨损导致刀盘电机的机体温度升高，同时也发生刀盘主机过载导致温度升高，显然这种情况下仅凭借温度升高信号对应的故障原因的概率模型是无法准确地确定全部故障原因，而且刀盘主机过载也是故障原因，进而会提高该温度异常信号下，概率模型对应的刀盘主机过载这一故障原因的概率，从而使得概率模型经过训练后其越来越偏离真正故障原因，即忽略了同样造成故障的轴承磨损的故障原因。而本发明通过在第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，分别基于第一传感器传输的振动信号和第二传感器传输的温度信号进行诊断以确定相应的第一故障原因和第二故障原因。而在第一故障原因与第二故障原因彼此不关联的情况下，即例如轴承磨损导致刀盘电机的机体温度升高为第一故障原因，概率模型中该温度信号对应的第二故障原因为刀盘主机过载导致温度升高。第一故障原因和第二故障原因彼此之间没有因果关系，从而没有关联。而当电机的温度升高时，负载过大的概率是最高的，因此在盾构机停机进行修复或者逐部件确定故障原因时，首先会对第二故障原因进行检测。因此，尽管第二故障原因同样是造成故障的原因，但是这种基于概率模型给出的概率高低的方式来确认故障原因，会使得操作人员忽略同样造成故障的第一故障原因。所以，本发明通过减少概率最高的第二故障原因，提高概率较小的第一故障原因来给出操作人员确定刀盘故障原因的顺序，能够避免遗漏概率较小的第一故障原因，提高诊断的准确性。此外，通过该设置方式，还能够提高诊断效率，使得操作人员仅需要确定有限的几个故障原因，就能够完成盾构机刀盘的检测和修复。
S200：优选地，在第一故障原因与第二故障原因彼此不关联的情况下，基于第一传感器传输的振动信号进行二次诊断。在基于二次诊断确定第一故障原因为正确的情况下，减少第二故障原因的概率并提高第一故障原因的概率。通过该设置方式，能够通过对第一传感器传感的数据进行二次诊断的方式来明确造成第一传感器检测到异常对应的第一故障原因，来提高可靠性。此外，考虑到第一传感器或者第二传感器可能会出现失效的情况，通过二次诊断来确定第一传感器的可靠性，进而可以通过第一传感器来验证第二传感器传输的数据的可靠性。
S300：优选地，基于第一传感器传输的振动信号进行诊断以确定属于概率模型的第一故障原因的步骤至少包括：
基于第一传感器扫描当前掘进环行程内接收的第一传感器传输的振动信号，提取振动信号的时域波形的特征参数大于第一异常阈值的至少一个第一局部信号。
基于第一局部信号进行频域变换以获取其频域波形的特征参数，并基于第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定引起第一局部信号的至少一个第一传感器。
优选地，当盾构机的刀盘结构正常运行时，振动信号具有较宽且幅值均匀的频谱，一旦驱动装置出现故障，振动信号中就会出现有规则的、周期性的信号，其频谱就会发生变化。而自相关或者互相关函数的分析可以有效地提取出噪声中各周期性的分量，进而确定机器的缺陷所在。优选地，第一异常阈值可以是振动信号时域波形中特征参数超过正常范围的最大值。在特征参数是自相关函数或者互相关函数的情况下，第一异常阈值还可以是概率密度函数不对称程度超出正常范围的最大值。优选地，还可以利用标准GB11347-1989规定的振动烈度的评级方法。此标准适用于功率大于300kw、转速为10~200r/s（600~12000r/min）的大型旋转机械振动烈度的现场测量与评定。盾构机驱动装置的各主电机功率和转速都在以上范围内，满足标准GB11347-1989的检测范围。优选地，标准GB11347-1989规定在规定的测量点和规定的测量方向上测得的振动速度信号的均方根值的最大值最为盾构机刀盘结构的振动烈度。优选地，根据标准GB11347-1989，对于刚性支撑，第一异常阈值可以是11.2。11.2表示的振动烈度为C。振动烈度C表示机器可短期运行，但必须采取补救措施。优选地，根据标准GB11347-1989，对于刚性支撑，第一异常阈值可以是18.0。18.0表示振动烈度为D。振动烈度D表示机器需要停机，不允许运行。
根据一种优选实施方式，时域波形的特征参数是幅值域、时差域的至少一种。在第一异常阈值为表示刀盘主驱动结构的振动存在异常但可以短期运行的情况下，基于第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定盾构机刀盘结构是否发生故障。如果经过二次诊断确定第一局部信号的频域特征参数处于第二异常阈值范围内，则确定刀盘主驱动结构发生故障。如果经过二次诊断确定第一局部信号的频域特征参数处于第二异常阈值范围外，则刀盘主驱动结构的故障需要进一步判定。优选地，盾构机刀盘结构的第一传感器可以采用加速度传感器。例如，压电式加速度传感器。优选地，可以采用磁吸的方式将传感器放置在测量点。优选地，传感器测量点的设置和传感器的数量决定了被采集信号的质量。例如，传感器测量点的位置需要测量面保持平整，从而避免传感器安装不牢固。在故障多发的部位设置多个传感器，能够全面地监测该零部件，能够避免传感器测得数据失效。此外，设置多个第一传感器也能够避免在某一个传感器损坏或者失效的情况下，无法获得振动信号。优选地，由于刀盘结构大部分需要齿轮和轴承，而且大部分的故障也是由于齿轮或者轴承引起的。因此，需要着重处理齿轮和轴承引起的故障。齿轮或者轴承的故障的频率大部分集中在低频区域。低频信号对方向敏感，因此需要兼顾水平、垂直、轴向三个方向的测量。优选地，在同一个测量点，一般需要设置检测三个方向的传感器。通过以上设置方式可以看出，盾构机刀盘结构所需要设置的测量点较多，设置的传感器也较多，进而在扫描振动信号时，一般采用将多个传感器传感的振动信号汇总叠加，来进行综合分析。
优选地，当所有的第一传感器测量的振动信号叠加后，只需要监测所有的振动信号的时域波形的特征就可以进行初步的判断。例如，只需要监测所有的振动信号中的幅值。当振动信号中的幅值超过第一异常阈值，就可以初步判定盾构机的刀盘结构出现振动异常。这种监测方法简单、快速，但是可能会出现稳定性差或者敏感性的问题。因此需要对第一局部信号进行进一步地分析，从而确定是否真的出现振动异常。例如，盾构机刀盘中，每个零部件的故障频率不同，可以通过对第一局部信号的频域特征进行比对分析，从而确定发生故障的位置和发生故障的类型。
通过该设置方式，达到的有益效果是：
正如上述盾构机刀盘结构的传感器测量点、数量的说明以及对振动信号的监测方式，所有振动信号的叠加，并进行综合分析能够极大的提高对异常振动的初步监测，但是振动信号的时域波形所带来的信息有限，无法在众多传感数据中确定发生故障的零部件以及故障特征，因此通过第一局部信号进行频域变化以获取其频域波形的特征参数，进而与计算好的刀盘结构的故障频率和故障特征进行比对分析，从而确定刀盘结构是否发生故障、发生故障的零部件。而且还能在众多传感器中确定监测到数据异常的至少一个传感器。事实上，针对每个传感器的测量数据进行分析也能够监测到相应的第一局部信号，同时也不需要根据第一局部信号来寻找监测到异常的传感器。然而，针对每个传感器的测量数据进行分析的方式，需要盾构机的处理设备分别针对每个传感器进行分析，不仅增加了处理设备处理的进程数，也需要处理器设备分配大量的计算资源来进行处理。而且这种针对每个传感器进行处理的方式，相对统一综合处理分析的方式，计算效率极其低下。更不用说盾构机相应的处理设备需要为每个传感器的测量数据预留并分配特定的存储空间。
优选地，在第一异常阈值为表示刀盘主驱动结构存在 振动异常且无法运行的情况下，基于第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定第一局部信号的故障频率。在经过二次诊断确定刀盘主驱动结构发生故障的情况下，基于第一局部信号的故障频率与刀盘主驱动结构的振动信号的频率进行比对以确定刀盘主驱动结构发生故障的零部件。基于发生故障的零部件确定至少一个引起第一局部信号的第一传感器。
根据一种优选实施方式，在第一异常阈值为表示刀盘主驱动结构存在异常但可短期运行且经过二次诊断确定刀盘主驱动结构需要进一步判定的情况下，剔除当前掘进环行程内接收的所有的振动信号内的第一局部信号生成第一平稳振动信号；
调取引起第一局部信号的至少一个第一传感器的前一个或前多个掘进环内接收的历史振动信号，并基于第一平稳振动信号的时域和/或频域信息过滤历史振动信号生成第二平稳振动信号；
比较第一平稳振动信号和第二平稳振动信号的时域和/或频域信息。如果第一平稳振动信号和第二平稳振动信号的时域和/或频域的变化趋势一致则判定刀盘主驱动结构未发生故障。如果第一平稳振动信号和第二平稳振动信号的时域和/或频域的变化趋势不一致则判定刀盘主驱动结构发生故障。
根据一种优选实施方式，基于发生故障的零部件确定至少一个引起第一局部信号的第一传感器的步骤至少包括：
基于发生故障的零部件确定监测该零部件的至少一个第一传感器；
基于监测该零部件的至少一个第一传感器选取距离发生故障的零部件最近且监测的振动方向与第一局部信号的振动方向相同的第一传感器。在监测的振动方向与第一局部信号的振动方向相同的监测该零部件的第一传感器的数量大于一个的情况下，选取彼此距离最近且监测的振动方向与第一局部信号的振动方向相同的两个第一传感器。
根据一种优选实施方式，基于第一局部信号进行频域变换以获取其频域波形的特征参数的步骤至少包括：
对第一局部信号进行分解以获取包括故障信息的固有共振频域信号；
对固有共振频域信号进行重构以滤除其中的干扰成分；
对重构后的固有共振频域信号进行解调以得到包络信号；
对包络信号进行快速傅里叶变换以得到第一局部信号的包络谱。
根据一种优选化实施方式，基于第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定第一局部信号的故障频率的步骤至少包括：
基于盾构机的刀盘主驱动结构的参数计算得到多个关于刀盘主驱动结构的故障频率；
将多个关于刀盘主驱动结构的故障频率作为固有共振频率；
基于固有共振频率对第一局部信号进行分解，从而得到多个关于刀盘主驱动结构的故障频率对应的多个第一局部信号的包络谱；
基于多个第一局部信号的包络谱的基频及其倍频与多个关于刀盘主驱动结构的故障频率进行对比分析，从而确定第一局部信号的故障频率和故障类型。
实施例2
本发明还提供一种盾构机刀盘修复方法。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
优选地，如图2所示，盾构机刀盘修复方法的步骤至少包括：
S400：使用实施例1中的盾构机刀盘检测方法来确定盾构机刀盘发生故障时故障特征与故障原因之间对应的概率模型。
S500：至少基于概率模型中不同的故障原因对应的概率的大小顺序来依次确定故障原因并修复。
如本文所用的词语“模块”描述任一种硬件、软件或软硬件组合，其能够执行与“模块”相关联的功能。
本发明说明书包含多项发明构思，申请人保留根据每项发明构思提出分案申请的权利。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.盾构机刀盘检测方法，其特征在于，所述方法至少包括：
基于至少一个第一传感器检测盾构机刀盘驱动结构机械振动的振动信号；
基于至少一个第二传感器检测刀盘电机温度的温度信号；
基于盾构机刀盘参数以及先验知识构建温度信号故障特征与故障原因之间对应的概率模型，其中，
在所述第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，基于所述第一传感器传输的振动信号进行诊断以确定属于所述概率模型的第一故障原因，并基于所述第二传感器传输的温度信号传输至所述概率模型获得概率最大的对应的第二故障原因，其中，
在所述第一故障原因与所述第二故障原因彼此不关联的情况下，减少所述第二故障原因的概率并提高所述第一故障原因的概率。
2.盾构机刀盘检测方法，其特征在于，所述方法至少包括：
基于至少一个第一传感器检测盾构机刀盘驱动结构机械振动的振动信号；
基于至少一个第二传感器检测刀盘电机温度的温度信号；
基于盾构机刀盘参数以及先验知识构建温度信号故障特征与故障原因之间对应的概率模型，其中，
在所述第一传感器和第二传感器同时检测到盾构机刀盘异常的情况下，基于所述第一传感器传输的振动信号进行诊断以确定属于所述概率模型的第一故障原因，并基于所述第二传感器传输的温度信号传输至所述概率模型获得概率最大的对应的第二故障原因，其中，
在所述第一故障原因与所述第二故障原因彼此不关联的情况下，基于所述第一传感器传输的振动信号进行二次诊断，其中，
在基于所述二次诊断确定第一故障原因为正确的情况下，减少所述第二故障原因的概率并提高所述第一故障原因的概率。
3.根据权利要求1或2任一所述的盾构机刀盘检测方法，其特征在于，基于所述第一传感器传输的振动信号进行诊断以确定属于所述概率模型的第一故障原因的步骤至少包括：
基于所述第一传感器扫描当前掘进环行程内接收的所述第一传感器传输的振动信号，提取振动信号的时域波形的特征参数大于第一异常阈值的至少一个第一局部信号；
基于所述第一局部信号进行频域变换以获取其频域波形的特征参数，并基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定引起所述第一局部信号的至少一个所述第一传感器。
4.根据权利要求3所述的盾构机刀盘检测方法，其特征在于，所述时域波形的特征参数是幅值域、时差域的至少一种，其中，
在所述第一异常阈值为表示刀盘主驱动结构的振动存在异常但可以短期运行的情况下，基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定盾构机刀盘结构是否发生故障，其中，
如果经过所述二次诊断确定所述第一局部信号的频域特征参数处于第二异常阈值范围内，则确定刀盘主驱动结构发生故障；
如果经过所述二次诊断确定所述第一局部信号的频域特征参数处于第二异常阈值范围外，则刀盘主驱动结构的故障需要进一步判定。
5.根据权利要求3所述的盾构机刀盘检测方法，其特征在于，在所述第一异常阈值为表示刀盘主驱动结构存在 振动异常且无法运行的情况下，
基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定第一局部信号的故障频率，其中，
在经过二次诊断确定刀盘主驱动结构发生故障的情况下，
基于所述第一局部信号的故障频率与刀盘主驱动结构的振动信号的频率进行比对以确定刀盘主驱动结构发生故障的零部件；
基于发生故障的零部件确定至少一个引起所述第一局部信号的所述第一传感器。
6.根据权利要求4所述的盾构机刀盘检测方法，其特征在于，在所述第一异常阈值为表示刀盘主驱动结构存在异常但可短期运行且经过二次诊断确定刀盘主驱动结构需要进一步判定的情况下，
剔除当前掘进环行程内接收的所有的振动信号内的所述第一局部信号生成第一平稳振动信号；
调取引起所述第一局部信号的至少一个所述第一传感器的前一个或前多个掘进环内接收的历史振动信号，并基于所述第一平稳振动信号的时域和/或频域信息过滤所述历史振动信号生成第二平稳振动信号；
比较所述第一平稳振动信号和所述第二平稳振动信号的时域和/或频域信息，其中，
如果第一平稳振动信号和第二平稳振动信号的时域和/或频域的变化趋势一致则判定刀盘主驱动结构未发生故障；
如果第一平稳振动信号和第二平稳振动信号的时域和/或频域的变化趋势不一致则判定刀盘主驱动结构发生故障。
7.根据权利要求6所述的盾构机刀盘检测方法，其特征在于，基于发生故障的零部件确定至少一个引起所述第一局部信号的所述第一传感器的步骤至少包括：
基于发生故障的零部件确定监测该零部件的至少一个所述第一传感器；
基于监测该零部件的至少一个所述第一传感器选取距离发生故障的零部件最近且监测的振动方向与所述第一局部信号的振动方向相同的第一传感器，其中，
在监测的振动方向与所述第一局部信号的振动方向相同的监测该零部件的第一传感器的数量大于一个的情况下，选取彼此距离最近且监测的振动方向与所述第一局部信号的振动方向相同的两个第一传感器。
8.根据权利要求7所述的盾构机刀盘检测方法，其特征在于，基于所述第一局部信号进行频域变换以获取其频域波形的特征参数的步骤至少包括：
对所述第一局部信号进行分解以获取包括故障信息的固有共振频域信号；
对所述固有共振频域信号进行重构以滤除其中的干扰成分；
对重构后的固有共振频域信号进行解调以得到包络信号；
对所述包络信号进行快速傅里叶变换以得到所述第一局部信号的包络谱。
9.根据权利要求8所述的盾构机刀盘检测方法，其特征在于，基于所述第一局部信号的时域波形的特征参数和频域波形的特征参数进行二次诊断以确定第一局部信号的故障频率的步骤至少包括：
基于盾构机的刀盘主驱动结构的参数计算得到多个关于刀盘主驱动结构的故障频率；
将所述多个关于刀盘主驱动结构的故障频率作为固有共振频率；
基于所述固有共振频率对所述第一局部信号进行分解，从而得到所述多个关于刀盘主驱动结构的故障频率对应的多个所述第一局部信号的包络谱；
基于所述多个所述第一局部信号的包络谱的基频及其倍频与所述多个关于刀盘主驱动结构的故障频率进行对比分析，从而确定所述第一局部信号的故障频率和故障类型。
10.盾构机刀盘修复方法，其特征在于，所述方法至少包括：
使用如权利要求1至8任一所述的盾构机刀盘检测方法来确定盾构机刀盘发生故障时故障特征与故障原因之间对应的概率模型；
至少基于所述概率模型中不同的故障原因对应的概率的大小顺序来依次确定故障原因并修复。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010917999.1A CN112014048B (zh) | 2020-09-03 | 2020-09-03 | 盾构机刀盘检测及修复方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010917999.1A CN112014048B (zh) | 2020-09-03 | 2020-09-03 | 盾构机刀盘检测及修复方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112014048A CN112014048A (zh) | 2020-12-01 |
| CN112014048B true CN112014048B (zh) | 2021-09-24 |
Family
ID=73515716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010917999.1A Active CN112014048B (zh) | 2020-09-03 | 2020-09-03 | 盾构机刀盘检测及修复方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112014048B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113065388B (zh) * | 2021-02-03 | 2022-11-01 | 湖南大学 | 一种实时土体类别识别方法、系统及一种挖掘机 |
| CN114595779A (zh) * | 2022-03-15 | 2022-06-07 | 中铁十四局集团大盾构工程有限公司 | 一种盾构机刀具故障分析与诊断方法 |
| CN117629615B (zh) * | 2024-01-25 | 2024-04-05 | 山东天工岩土工程设备有限公司 | 一种盾构机故障检测方法、设备及介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000104488A (ja) * | 1998-09-29 | 2000-04-11 | Fujita Corp | ローラビットの摩耗検知方法 |
| JP2004003266A (ja) * | 2002-04-18 | 2004-01-08 | Penta Ocean Constr Co Ltd | シールド掘進機のカッタビット交換時期検知装置及び該装置を備えたシールド掘進機のカッタビット交換装置 |
| CN104198490A (zh) * | 2014-08-19 | 2014-12-10 | 中交隧道工程局有限公司 | 一种盾构机刀具刀盘的前部可视化检测装置及其方法 |
| CN105973896A (zh) * | 2016-05-27 | 2016-09-28 | 武汉理工大学 | 基于光纤传感的盾构机刀具、刀盘磨损在线检测装置及方法 |
| CN107238416A (zh) * | 2017-08-15 | 2017-10-10 | 中铁隧道集团有限公司 | 一种盾构/tbm在线状态监测系统 |
| CN107345884A (zh) * | 2017-06-03 | 2017-11-14 | 东北电力大学 | 一种隧道掘进机刀具在线监测装置及其方法 |
| CN108760361A (zh) * | 2018-04-12 | 2018-11-06 | 中铁局集团有限公司 | 一种盾构机故障监测预警系统及方法 |
| CN108872852A (zh) * | 2018-05-04 | 2018-11-23 | 上海交通大学 | 一种风力发电机故障诊断系统及方法 |
| CN109612718A (zh) * | 2019-01-30 | 2019-04-12 | 中铁工程装备集团有限公司 | 不同围压下滚刀多源信息状态测试实验台 |
| CN110987502A (zh) * | 2019-12-19 | 2020-04-10 | 中国铁建重工集团股份有限公司 | 盾构设备及其主驱动在线状态的监测诊断系统与方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105181019B (zh) * | 2015-09-15 | 2018-12-18 | 安徽精科检测技术有限公司 | 旋转类机械早期故障预警分析方法 |
| CN107576488A (zh) * | 2017-08-30 | 2018-01-12 | 沃德传动（天津）股份有限公司 | 一种采用振动算法对设备运行状态进行监测诊断的方法 |
-
2020
- 2020-09-03 CN CN202010917999.1A patent/CN112014048B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000104488A (ja) * | 1998-09-29 | 2000-04-11 | Fujita Corp | ローラビットの摩耗検知方法 |
| JP2004003266A (ja) * | 2002-04-18 | 2004-01-08 | Penta Ocean Constr Co Ltd | シールド掘進機のカッタビット交換時期検知装置及び該装置を備えたシールド掘進機のカッタビット交換装置 |
| CN104198490A (zh) * | 2014-08-19 | 2014-12-10 | 中交隧道工程局有限公司 | 一种盾构机刀具刀盘的前部可视化检测装置及其方法 |
| CN105973896A (zh) * | 2016-05-27 | 2016-09-28 | 武汉理工大学 | 基于光纤传感的盾构机刀具、刀盘磨损在线检测装置及方法 |
| CN107345884A (zh) * | 2017-06-03 | 2017-11-14 | 东北电力大学 | 一种隧道掘进机刀具在线监测装置及其方法 |
| CN107238416A (zh) * | 2017-08-15 | 2017-10-10 | 中铁隧道集团有限公司 | 一种盾构/tbm在线状态监测系统 |
| CN108760361A (zh) * | 2018-04-12 | 2018-11-06 | 中铁局集团有限公司 | 一种盾构机故障监测预警系统及方法 |
| CN108872852A (zh) * | 2018-05-04 | 2018-11-23 | 上海交通大学 | 一种风力发电机故障诊断系统及方法 |
| CN109612718A (zh) * | 2019-01-30 | 2019-04-12 | 中铁工程装备集团有限公司 | 不同围压下滚刀多源信息状态测试实验台 |
| CN110987502A (zh) * | 2019-12-19 | 2020-04-10 | 中国铁建重工集团股份有限公司 | 盾构设备及其主驱动在线状态的监测诊断系统与方法 |
Non-Patent Citations (4)
| Title |
|---|
| The Research and Design of A New Shield Cutter Wear Detection System;Jingbo Guo等;《Advanced Materials Research》;20131231;第711卷;全文 * |
| 基于数据挖掘技术的全断面掘进机故障诊断系统研究;张东雪;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170315(第3期);全文 * |
| 盾构在线监测系统研究;李大伟 等;《机电工程技术》;20200220;第49卷(第20期);全文 * |
| 盾构机关键设备状态监测与故障诊断研究;左庆林;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20141215(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112014048A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112014048B (zh) | 盾构机刀盘检测及修复方法 | |
| JP5985099B1 (ja) | 回転機械系の異常検知方法、その異常検知方法を用いた回転機械系の異常監視方法、及びその異常監視方法を用いた回転機械系の異常監視装置 | |
| JP5460160B2 (ja) | 設備機器の診断装置 | |
| CN107064796A (zh) | 智能电机振动在线监测及预警系统 | |
| FI112972B (fi) | Laakerin kunnon arviointi | |
| CN100504337C (zh) | 检测离心泵故障的方法和装置 | |
| CN114576152B (zh) | 水泵状态监测系统、监测方法、装置、电子设备和介质 | |
| CN206638789U (zh) | 智能电机振动在线监测及预警系统 | |
| KR20110009615A (ko) | 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치 | |
| CN112014094B (zh) | 盾构机主驱动性能监测及修复方法 | |
| KR102676587B1 (ko) | 공작기계용 전동기의 온라인 결함 진단 방법 | |
| CN117786385B (zh) | 基于孪生网络的三相异步电动机故障监测方法及系统 | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
| CN113379210A (zh) | 电机的故障检测方法和装置、掘进机、可读存储介质 | |
| CN113280910A (zh) | 一种长材生产线设备实时监测方法及系统 | |
| KR102045823B1 (ko) | 미분기 고장 진단 모니터링 방법 및 시스템 | |
| Zhang et al. | Condition monitoring and fault detection of a compressor using signal processing techniques | |
| CN106586841A (zh) | 起重装备减速机运行状态监测方法及系统 | |
| JP3103193B2 (ja) | 回転機械の診断装置 | |
| KR20240086258A (ko) | 2 단계 ai 분석을 통한 모터 이상 상태 탐지 시스템 및 방법 | |
| JPH01270623A (ja) | 回転機の振動診断装置 | |
| WO2020149292A1 (ja) | 回転電機の異常診断システム | |
| JP3457413B2 (ja) | 回転機械の診断装置 | |
| CN217083811U (zh) | 一种基于大数据的供水转动设备用在线检测系统 |
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 |