CN112033666A - 一种基于机理模型的减速机在线故障预测及诊断系统 - Google Patents

一种基于机理模型的减速机在线故障预测及诊断系统 Download PDF

Info

Publication number
CN112033666A
CN112033666A CN202010929999.3A CN202010929999A CN112033666A CN 112033666 A CN112033666 A CN 112033666A CN 202010929999 A CN202010929999 A CN 202010929999A CN 112033666 A CN112033666 A CN 112033666A
Authority
CN
China
Prior art keywords
vibration
data
equipment
speed reducer
sensor
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
Application number
CN202010929999.3A
Other languages
English (en)
Inventor
许跃华
朱旻
冯宇晟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Witium Intelligent System Co ltd
Original Assignee
Shanghai Witium Intelligent System Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Witium Intelligent System Co ltd filed Critical Shanghai Witium Intelligent System Co ltd
Priority to CN202010929999.3A priority Critical patent/CN112033666A/zh
Publication of CN112033666A publication Critical patent/CN112033666A/zh
Pending legal-status Critical Current

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
    • G01M13/02—Gearings; Transmission mechanisms
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种基于机理模型的减速机在线故障预测及诊断系统，涉及旋转类机械设备振动监测领域，包括，采集单元：搭配WTSXXX系列物联网振动传感器和铂电阻使用，用于监测旋转类机械设备的高频振动、润滑油油温、电机绕组温度，边缘计算网关内嵌机器学习算法，根据读取的物联网振动传感器特征值历史数据。本发明提供一种基于机理模型的减速机在线故障预测及诊断系统及方法，部署较简单和维护成本低，自适应采集各种类型旋转机械振动数据信息和实时、可靠地传输设备振动监测数据，进行设备智能化预测性维护，内置国际标准故障判断算法+故障判断算法+转速自动校准、角速度同步等功能算法，边缘网关安装后设备不断采集振动特性样本并上传到云平台。

Description

一种基于机理模型的减速机在线故障预测及诊断系统
技术领域
本发明涉及旋转类机械设备振动监测领域，具体为一种基于机理模型的减速机在线故障预测及诊断系统。
背景技术
现代机械设备正朝着大型化、高功率化的方向发展，设备振动问题越来越引发人们的关注，旋转机械发生故障的主要特征是机器伴有异常的振动和噪声，其振动信号从幅域、频域和时域反映了机器的故障信息，因此，了解旋转机械在故障状态下的振动机理，对于监测机器的运行状态和提高诊断故障的准确率都非常重要，利用振动监测系统可及时发现和识别这些异常振动现象，通过振动发展趋势观察分析，控制或减少振动，避免发生重大事故，机械故障诊断与监测的任务是对振动信号进行特征参数提取，并依据特征参数进行设备正常与否的分析以及对特征参数序列进行数据解释，同时将故障信息传递、显示，并通过适当途径报警、处理，在现代科学技术条件下，振动故障诊断与监测及时不断进步，诊断与监测系统日趋复杂，功能不断扩展，向着高精度、高可靠性、微型化、微功耗和智能化数宇化发展，以便更好的服务于我们的生产和生活。
传统振动采集方案，传统的振动传感器：能输出振动的强度，一般巡检检查电机是否有问题，运维人员拿着设备，顶住电机测量，通过数值判断是否有问题，需要依赖巡检工程师的经验，通过数值范围，判断电机的健康程度。进一步想要了解为什么会损坏，损坏原因是什么，则需要专门的设备运营商提供服务；物联网的振动传感器：物联网化的振动传感器，不包含智能算法，具备物联网远程数据采集能力，可以减少一些设备因为安装位置、环境的原因无法人工参与检测。远程数据展示，减少巡检人员的工作。
目前，通过有线、无线传输或人工定期读数据的方式完成现场数据的采集，这种方法虽然在相当长的一段时间里为国内相关企业所使用，但从技术角度来看，具有耗费人工量大，自动化程度低，灵敏度和稳定性差的缺点，限制其进一步应用，随着现代机械设备正朝着大型化、高功率化的方向发展，设备振动问题越来越引发人们的关注，传统的振动监测系统部署和维护成本高，存在难以自适应采集各种类型生态数据信息和实时、可靠地传输振动监测数据的问题，因此，亟需一种新的技术手段，能够克服上述技术问题。
发明内容
本发明的目的在于：为了一种基于机理模型的减速机在线故障预测及诊断系统，AIOT边缘计算网关采集多路物联网振动传感器，通过2G/4G/WIFI通讯手段上传至云端服务平台的网络平台在线振动监测系统及方法。
为实现上述目的，本发明提供如下技术方案：一种基于机理模型的减速机在线故障预测及诊断系统，包括；
采集单元：搭配WTSXXX系列物联网振动传感器和铂电阻使用，用于监测旋转类机械设备的高频振动、润滑油油温、电机绕组温度，边缘计算网关内嵌机器学习算法，根据读取的物联网振动传感器特征值历史数据，了解旋转类机械设备运行负载状态，结合传感器的振动特性，利用智能算法对数据进行分析，对不平衡、不对中、松动、齿轮磨损、轴承老化等故障的预测，通过MQTT物联网协议将特征值数据及初步分析结果上传至物联网数据云平台“WitCloud”；
预处理单元：用于对振动、温度等数据信息进行采集及预处理；
中央处理单元，用于接收预处理后的数据信息，处理后发送至云端中心服务器；
通讯单元：用于传输数据；
控制中心服务器：用于统一监控所有采集单元的工作状态、数据内容、数据分析、业务逻辑；
供电单元：用于供电单元为220V交流降压转换5V和3.3V直流管理单元。
优选地，所述采集单元包括温度采集模块、振动采集模块。
优选地，所述预处理单元包括多个与采集不同旋转机械振动数据信息的传感器组，每6个传感器处理模块对应一个处理数据网关设备。
优选地，所述中央处理单元包括微处理器、时钟电路、存储模块和外部RS485接口模块。
优选地，系统处于工作状态时，通过时钟电路定时向微处理器发送信号，微处理器开始工作，并向采集模块发出数据获取指令，采集模块开始工作，并输出振动特征值数据、温度特征值数据，采集单元为AIOT的振动传感器，具备普通的振动传感器该有的功能，可输出振动的数据频谱分析，数据通过IOT的手段可以被记录、被存储、被集中观察，通过大量的数据的训练对设备的故障识别和寿命预测。
优选地，所述传感器安装在尽可能靠近电机轴承的位置，现场安装不便，可将传感器安装于电机振动明显的刚性连接的表面上。
优选地，WTG9XXX系列边缘计算网关产品基于高性能嵌入式芯片、实时操作系统、边缘AI算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，设置了可靠的振动保护机械机构和智能监测诊断能力，支持多种无线传输方式。
与现有技术相比，本发明的有益效果是：本发明提供一种基于机理模型的减速机在线故障预测及诊断系统及方法，以部署较简单和维护成本低廉，能自适应采集各种类型旋转机械振动数据信息和实时、可靠地传输设备振动监测数据，进行设备智能化预测性维护，内置国际标准故障判断算法(如10816判断速度有效值、峭度及波峰因素)+故障判断算法(如包络能量值、啮合频率)+转速自动校准、角速度同步(TSA)等功能算法；边缘网关安装后设备不断采集振动特性样本并上传到云平台，同时边缘计算网关会根据实时采集的大量振动特性样本进行机器学习，得出各种特征频率点(滤波器自适应)分类算法和阈值算法，并把学习出的结果回传到平台。云平台根据采集到的历史数据，会根据同一种设备不同工况的大数据、不同设备同种工况的大数据，进行机器学习并得出最优化的阈值算法，并把最终阈值算法远程更新到边缘计算网关，实现边云两端协同。边缘计算网关工作现场，根据机器学习出的最新算法，预测及判断设备的故障预警，并把故障预警上传到云平台。云平台根据边缘计算网关送过来的故障预警，一方面通过行业专家进行预警的分析判断，并给出诊断结果，另一方面云平台根据故障预警及历史数据进行机器学习，得出故障诊断算法，并形成故障预测模型库，然后诊断出设备故障结果，方便售后维修，快速定位问题点，迅速排除故障，减少维修成本，以便提前通知客户及旋转设备厂家，减少客户的损失，提升旋转设备厂家企业形象，缩减现场故障维修时间，降低意外停机造成的生产损失，便于设备售后跟踪及统计，从而提高设备工艺及品质，利用物联网无线技术对不易于人工巡检的现场进行多点布控，线上巡检替代人工巡检。
具体实施方式
下面将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。
一种基于机理模型的减速机在线故障预测及诊断系统，包括；
采集单元：搭配WTSXXX系列物联网振动传感器和铂电阻使用，用于监测旋转类机械设备的高频振动、润滑油油温、电机绕组温度，边缘计算网关内嵌机器学习算法，根据读取的物联网振动传感器特征值历史数据，了解旋转类机械设备运行负载状态，结合传感器的振动特性，利用智能算法对数据进行分析，对不平衡、不对中、松动、齿轮磨损、轴承老化等故障的预测，通过MQTT物联网协议将特征值数据及初步分析结果上传至物联网数据云平台“WitCloud”；
预处理单元：用于对振动、温度等数据信息进行采集及预处理；
中央处理单元，用于接收预处理后的数据信息，处理后发送至云端中心服务器；
通讯单元：用于传输数据；
控制中心服务器：用于统一监控所有采集单元的工作状态、数据内容、数据分析、业务逻辑；
供电单元：用于供电单元为220V交流降压转换5V和3.3V直流管理单元。
本发明提供一种基于机理模型的减速机在线故障预测及诊断系统及方法，以部署较简单和维护成本低廉，能自适应采集各种类型旋转机械振动数据信息和实时、可靠地传输设备振动监测数据，进行设备智能化预测性维护，内置国际标准故障判断算法(如10816判断速度有效值、峭度及波峰因素)+故障判断算法(如包络能量值、啮合频率)+转速自动校准、角速度同步(TSA)等功能算法；边缘网关安装后设备不断采集振动特性样本并上传到云平台，同时边缘计算网关会根据实时采集的大量振动特性样本进行机器学习，得出各种特征频率点(滤波器自适应)分类算法和阈值算法，并把学习出的结果回传到平台。云平台根据采集到的历史数据，会根据同一种设备不同工况的大数据、不同设备同种工况的大数据，进行机器学习并得出最优化的阈值算法，并把最终阈值算法远程更新到边缘计算网关，实现边云两端协同。边缘计算网关工作现场，根据机器学习出的最新算法，预测及判断设备的故障预警，并把故障预警上传到云平台。云平台根据边缘计算网关送过来的故障预警，一方面通过行业专家进行预警的分析判断，并给出诊断结果，另一方面云平台根据故障预警及历史数据进行机器学习，得出故障诊断算法，并形成故障预测模型库，然后诊断出设备故障结果，方便售后维修，快速定位问题点，迅速排除故障，减少维修成本，以便提前通知客户及旋转设备厂家，减少客户的损失，提升旋转设备厂家企业形象，缩减现场故障维修时间，降低意外停机造成的生产损失，便于设备售后跟踪及统计。
采集单元包括温度采集模块、振动采集模块。
预处理单元包括多个与采集不同旋转机械振动数据信息的传感器组，每6个传感器处理模块对应一个处理数据网关设备。
中央处理单元包括微处理器、时钟电路、存储模块和外部RS485接口模块，状态包括工作状态和采集状态。
具体实施过程中，当系统处于工作状态时，通过时钟电路定时向微处理器发送信号，微处理器开始工作，并向采集模块发出数据获取指令，采集模块开始工作，并输出振动特征值数据、温度特征值数据，采集单元为AIOT的振动传感器，具备普通的振动传感器该有的功能，可输出振动的数据频谱分析，数据通过IOT的手段可以被记录、被存储、被集中观察，通过大量的数据的训练对设备的故障识别和寿命预测，设备输出的不再是单纯的振动数据，而是更加精准的故障的定位。
具体实施过程中，传感器安装在尽可能靠近电机轴承的位置，现场安装不便，可将传感器安装于电机振动明显的刚性连接的表面上，安装位置表面若有其它覆盖物，可能会降低精度或某些振动特性，受安装方式的限制，金属紧固型在监测对象表面为弧形、或有高频监测的需求时，效果更佳。
具体实施过程中，WTG9XXX系列边缘计算网关产品基于高性能嵌入式芯片、实时操作系统、边缘AI算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，设置了可靠的振动保护机械机构和智能监测诊断能力，支持多种无线传输方式。
工作原理：本发明提供一种基于机理模型的减速机在线故障预测及诊断系统及方法，以部署较简单和维护成本低廉，能自适应采集各种类型旋转机械振动数据信息和实时、可靠地传输设备振动监测数据，进行设备智能化预测性维护。内置国际标准故障判断算法(如10816判断速度有效值、峭度及波峰因素)+故障判断算法(如包络能量值、啮合频率)+转速自动校准、角速度同步(TSA)等功能算法；边缘网关安装后设备不断采集振动特性样本并上传到云平台，同时边缘计算网关会根据实时采集的大量振动特性样本进行机器学习，得出各种特征频率点(滤波器自适应)分类算法和阈值算法，并把学习出的结果回传到平台，云平台根据采集到的历史数据，会根据同一种设备不同工况的大数据、不同设备同种工况的大数据，进行机器学习并得出最优化的阈值算法，并把最终阈值算法远程更新到边缘计算网关，实现边云两端协同。边缘计算网关工作现场，根据机器学习出的最新算法，预测及判断设备的故障预警，并把故障预警上传到云平台。云平台根据边缘计算网关送过来的故障预警，一方面通过行业专家进行预警的分析判断，并给出诊断结果，另一方面云平台根据故障预警及历史数据进行机器学习，得出故障诊断算法，并形成故障预测模型库，然后诊断出设备故障结果，方便售后维修，快速定位问题点，迅速排除故障，减少维修成本，以便提前通知客户及旋转设备厂家，减少客户的损失，提升旋转设备厂家企业形象，缩减现场故障维修时间，降低意外停机造成的生产损失，便于设备售后跟踪及统计，从而提高设备工艺及品质，利用物联网无线技术对不易于人工巡检的现场进行多点布控，线上巡检替代人工巡检。
对于对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或基本特征的情况下，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。

Claims (7)

1.一种基于机理模型的减速机在线故障预测及诊断系统，包括；
采集单元：搭配WTSXXX系列物联网振动传感器和铂电阻使用，用于监测旋转类机械设备的高频振动、润滑油油温、电机绕组温度，边缘计算网关内嵌机器学习算法，根据读取的物联网振动传感器特征值历史数据，了解旋转类机械设备运行负载状态，结合传感器的振动特性，利用智能算法对数据进行分析，对不平衡、不对中、松动、齿轮磨损、轴承老化等故障的预测，通过MQTT物联网协议将特征值数据及初步分析结果上传至物联网数据云平台“WitCloud”；
预处理单元：用于对振动、温度等数据信息进行采集及预处理；
中央处理单元，用于接收预处理后的数据信息，处理后发送至云端中心服务器；
通讯单元：用于传输数据；
控制中心服务器：用于统一监控所有采集单元的工作状态、数据内容、数据分析、业务逻辑；
供电单元：用于供电单元为220V交流降压转换5V和3.3V直流管理单元。
2.根据权利要求1所述的一种基于机理模型的减速机在线故障预测及诊断系统，其特征在于：所述采集单元包括温度采集模块、振动采集模块。
3.根据权利要求1所述的一种基于机理模型的减速机在线故障预测及诊断系统，其特征在于：所述预处理单元包括多个与采集不同旋转机械振动数据信息的传感器组，每6个传感器处理模块对应一个处理数据网关设备。
4.根据权利要求1所述的一种基于机理模型的减速机在线故障预测及诊断系统，其特征在于：所述中央处理单元包括微处理器、时钟电路、存储模块和外部RS485接口模块。
5.根据权利要求4所述的一种基于机理模型的减速机在线故障预测及诊断系统，其特征在于：系统处于工作状态时，通过时钟电路定时向微处理器发送信号，微处理器开始工作，并向采集模块发出数据获取指令，采集模块开始工作，并输出振动特征值数据、温度特征值数据；
所述采集单元为AIOT的振动传感器，具备普通的振动传感器该有的功能，可输出振动的数据频谱分析，数据通过IOT的手段可以被记录、被存储、被集中观察，通过大量的数据的训练对设备的故障识别和寿命预测。
6.根据权利要求3所述的一种基于机理模型的减速机在线故障预测及诊断系统，其特征在于：所述传感器安装在尽可能靠近电机轴承的位置，现场安装不便，可将传感器安装于电机振动明显的刚性连接的表面上。
7.根据权利要求1所述的一种基于机理模型的减速机在线故障预测及诊断系统，其特征在于：WTG9XXX系列边缘计算网关产品基于高性能嵌入式芯片、实时操作系统、边缘AI算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，设置了可靠的振动保护机械机构和智能监测诊断能力，支持多种无线传输方式。
CN202010929999.3A 2020-09-07 2020-09-07 一种基于机理模型的减速机在线故障预测及诊断系统 Pending CN112033666A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010929999.3A CN112033666A (zh) 2020-09-07 2020-09-07 一种基于机理模型的减速机在线故障预测及诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010929999.3A CN112033666A (zh) 2020-09-07 2020-09-07 一种基于机理模型的减速机在线故障预测及诊断系统

Publications (1)

Publication Number Publication Date
CN112033666A true CN112033666A (zh) 2020-12-04

Family

ID=73584119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010929999.3A Pending CN112033666A (zh) 2020-09-07 2020-09-07 一种基于机理模型的减速机在线故障预测及诊断系统

Country Status (1)

Country Link
CN (1) CN112033666A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110961A (zh) * 2021-04-30 2021-07-13 平安国际融资租赁有限公司 设备异常检测方法、装置、计算机设备及可读存储介质
CN113358154A (zh) * 2021-06-03 2021-09-07 广东工业大学 一种农机设备故障监控溯源系统和方法
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
CN113532263A (zh) * 2021-06-09 2021-10-22 厦门大学 一种面向柔性传感器时序性能变化的关节角度预测方法
CN114110406A (zh) * 2021-11-11 2022-03-01 北京君岳伟信工程技术有限公司 智能润滑管理系统
CN114168576A (zh) * 2021-11-24 2022-03-11 阿里巴巴（中国）有限公司 物联网数据处理方法、设备及存储介质
CN114167842A (zh) * 2021-12-08 2022-03-11 中国船舶科学研究中心 一种基于振动主动控制系统的故障预测与健康管理方法
CN114770491A (zh) * 2022-04-24 2022-07-22 杭州未名信科科技有限公司 智能关节电机的控制方法及系统
CN115297035A (zh) * 2022-08-04 2022-11-04 杭州杰牌传动科技有限公司 一种边云协同智能运维系统
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
CN118245808A (zh) * 2024-05-27 2024-06-25 摩多利智能传动(江苏)有限公司 一种基于机器学习的减速机故障诊断方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494884A (zh) * 2018-05-07 2018-09-04 苏州德姆斯信息技术有限公司 基于物联网网关边缘计算的振动分析系统及分析方法
CN110221558A (zh) * 2019-06-05 2019-09-10 镇江四联机电科技有限公司 一种基于边缘计算技术的电液伺服阀在线故障诊断网关
CN110365529A (zh) * 2019-07-10 2019-10-22 广州博依特智能信息科技有限公司 一种边缘计算智能网关业务处理方法及边缘计算智能网关
US20200051419A1 (en) * 2017-10-11 2020-02-13 Analog Devices Global Unlimited Company Cloud-based machine health monitoring
CN110807905A (zh) * 2019-10-23 2020-02-18 北方工业大学 一种基于端-边-云架构的社区火灾监测系统
CN110830943A (zh) * 2019-11-06 2020-02-21 湖南银河电气有限公司 一种基于边缘计算和大数据分析的设备状态监测系统
CN110968029A (zh) * 2019-12-16 2020-04-07 山东进化者新材料有限公司 铝活塞铸造云平台集中数据采集与监控管理系统
CN111031043A (zh) * 2019-12-13 2020-04-17 上海联数物联网有限公司 一种基于复合型烟雾感知器的物联网管理系统及方法
US20200177671A1 (en) * 2018-12-03 2020-06-04 At&T Intellectual Property I, L.P. Global internet of things (iot) quality of service (qos) realization through collaborative edge gateways
CN111474495A (zh) * 2020-04-01 2020-07-31 山东华方智联科技股份有限公司 一种基于边缘网关的路灯回路检测系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200051419A1 (en) * 2017-10-11 2020-02-13 Analog Devices Global Unlimited Company Cloud-based machine health monitoring
CN108494884A (zh) * 2018-05-07 2018-09-04 苏州德姆斯信息技术有限公司 基于物联网网关边缘计算的振动分析系统及分析方法
US20200177671A1 (en) * 2018-12-03 2020-06-04 At&T Intellectual Property I, L.P. Global internet of things (iot) quality of service (qos) realization through collaborative edge gateways
CN110221558A (zh) * 2019-06-05 2019-09-10 镇江四联机电科技有限公司 一种基于边缘计算技术的电液伺服阀在线故障诊断网关
CN110365529A (zh) * 2019-07-10 2019-10-22 广州博依特智能信息科技有限公司 一种边缘计算智能网关业务处理方法及边缘计算智能网关
CN110807905A (zh) * 2019-10-23 2020-02-18 北方工业大学 一种基于端-边-云架构的社区火灾监测系统
CN110830943A (zh) * 2019-11-06 2020-02-21 湖南银河电气有限公司 一种基于边缘计算和大数据分析的设备状态监测系统
CN111031043A (zh) * 2019-12-13 2020-04-17 上海联数物联网有限公司 一种基于复合型烟雾感知器的物联网管理系统及方法
CN110968029A (zh) * 2019-12-16 2020-04-07 山东进化者新材料有限公司 铝活塞铸造云平台集中数据采集与监控管理系统
CN111474495A (zh) * 2020-04-01 2020-07-31 山东华方智联科技股份有限公司 一种基于边缘网关的路灯回路检测系统

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110961A (zh) * 2021-04-30 2021-07-13 平安国际融资租赁有限公司 设备异常检测方法、装置、计算机设备及可读存储介质
CN113358154A (zh) * 2021-06-03 2021-09-07 广东工业大学 一种农机设备故障监控溯源系统和方法
CN113532263A (zh) * 2021-06-09 2021-10-22 厦门大学 一种面向柔性传感器时序性能变化的关节角度预测方法
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
CN114110406A (zh) * 2021-11-11 2022-03-01 北京君岳伟信工程技术有限公司 智能润滑管理系统
CN114168576A (zh) * 2021-11-24 2022-03-11 阿里巴巴（中国）有限公司 物联网数据处理方法、设备及存储介质
CN114167842A (zh) * 2021-12-08 2022-03-11 中国船舶科学研究中心 一种基于振动主动控制系统的故障预测与健康管理方法
CN114770491A (zh) * 2022-04-24 2022-07-22 杭州未名信科科技有限公司 智能关节电机的控制方法及系统
CN115297035A (zh) * 2022-08-04 2022-11-04 杭州杰牌传动科技有限公司 一种边云协同智能运维系统
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
CN118245808A (zh) * 2024-05-27 2024-06-25 摩多利智能传动(江苏)有限公司 一种基于机器学习的减速机故障诊断方法及系统
CN118245808B (zh) * 2024-05-27 2024-09-27 摩多利智能传动(江苏)有限公司 一种基于机器学习的减速机故障诊断方法及系统

Similar Documents

Publication Publication Date Title
CN112033666A (zh) 一种基于机理模型的减速机在线故障预测及诊断系统
CN108331718B (zh) 风电机组偏航系统在线监测机构及故障诊断系统和方法
CN112594142B (zh) 一种基于5g的端云协同风电运维诊断系统
CN108921303A (zh) 工业电动机的故障诊断及预测性维护方法
CN208537031U (zh) 一种发电机电刷温度非接触在线监测系统
CN114254779A (zh) 一种基于预测性维护的生产设备健康管理系统
JP2009505277A (ja) システムモニタリング用データ収集システム
CN110988559A (zh) 基于物联网的变电站直流系统全生命周期的在线监测方法
CN212724009U (zh) 一种智能变压器及智能变压器监控系统
CN110703094A (zh) 一种电机监测方法
CN110445830A (zh) 一种石油化工关键机组设备远程智能监测系统
CN111766511A (zh) 工业电动机的故障诊断及预测性维护方法
CN110011864A (zh) 一种高速铁路接触网安全状态监测方法
CN111665767A (zh) 基于物联网的建筑防排烟监控系统
CN114510979A (zh) 一种基于边缘计算的水下设备检查系统及方法
CN112580858A (zh) 设备参数预测分析方法及系统
CN113852661A (zh) 一种基于声波分析的流程供应链运载设备托辊故障监测系统及方法
CN218004099U (zh) 电子元件生产线在线监管分析系统
CN108982135A (zh) 热轧立辊轧机运行状态的在线监测方法
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
CN208431106U (zh) 风电机组偏航系统在线监测机构
CN116647575A (zh) 一种滚筒渣处理装置的设备健康管理系统和方法
CN203333098U (zh) 一种煤矿立井提升承载部件动态载荷监测装置
CN112859725B (zh) 一种厂房设备状态特征信号监测系统
CN219870251U (zh) 一种基于物联网的转动机械预测性维护系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 1003-1, No. 8, Lane 237, Qianfan Road, Xinqiao Town, Songjiang District, Shanghai, 201101

Applicant after: SHANGHAI WITIUM INTELLIGENT SYSTEM CO.,LTD.

Address before: 201101, 4th Floor, Building 5, No. 518 Xinzhuan Road, Songjiang District, Shanghai

Applicant before: SHANGHAI WITIUM INTELLIGENT SYSTEM CO.,LTD.