CN112115128A - 一种基于多维传感器的5g实时动态故障处理系统 - Google Patents
一种基于多维传感器的5g实时动态故障处理系统 Download PDFInfo
- Publication number
- CN112115128A CN112115128A CN202010967666.XA CN202010967666A CN112115128A CN 112115128 A CN112115128 A CN 112115128A CN 202010967666 A CN202010967666 A CN 202010967666A CN 112115128 A CN112115128 A CN 112115128A
- Authority
- CN
- China
- Prior art keywords
- data
- event
- module
- real
- algorithm
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000012423 maintenance Methods 0.000 claims description 46
- 239000003921 oil Substances 0.000 claims description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 8
- 239000010687 lubricating oil Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 229910052742 iron Inorganic materials 0.000 claims description 4
- 230000004927 fusion Effects 0.000 abstract description 9
- 239000003054 catalyst Substances 0.000 description 9
- 238000000034 method Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000008929 regeneration Effects 0.000 description 5
- 238000011069 regeneration method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000011058 failure modes and effects analysis Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000002407 reforming Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000001833 catalytic reforming Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种基于多维传感器的5G实时动态故障处理系统，包括数据采集模块、数据库模块、数值算法模块、事件触发分析模块；所述数据采集模块连接到数据库模块，数据库模块通过数值算法模块与事件触发分析模块连接；所述数据库模块、所述数值算法模块、所述事件触发分析模块通过5G数据信息连接到远程控制终端连接；技术人员通过5G高速传输，实现对机器进行远程实时监控，对实时数据进行求解分析，针对发生的异常事件分析事件触发分析模块中呈现的事件结果与事件起因进行分析，并通过5G高速传输，针对性进行机器调整。本发明具有多种信息进行融合、实时动态的关联与表达，利用5G高速实时动态远程控制的特点。
Description
技术领域
本发明涉及一种基于多维传感器的5G实时动态故障处理系统，尤其是一种具有多种信息进行融合、实时动态的关联与表达，利用5G高速实时动态远程控制的基于多维传感器的5G实时动态故障处理系统。
背景技术
智能制造日益成为工业发展的重大趋势与核心内容，随着生产力的进步，工业设备正朝着大型化、集中化、自动化、精密化的方向快速发展，其结构、工作环境等愈发复杂，一旦设备出现故障，往往会导致严重的经济损失甚至人员伤亡。传统的设备状态监测与故障诊断技术已越来越不能满足当下的工业需求，研制工业设备数据分析与综合管控系统对了解和掌握设备在使用过程中的工作状态，及时发现故障及其原因，合理预测状态发展趋势并对其进行综合管控，保证系统高效、安全可靠的运行等具有重要意义，能为生产管理与实时决策提供强有力的支持。另外，从经济效益考虑，虽然购买系统需要一定的前期投资，但对大型设备而言，初始投资与一次设备故障的损失相比要小得多，因此，综合系统的投入对能降低生产成本与维修费用，为企业带来巨大的经济效益。
发明内容
本发明的目的在于提供一种具有多种信息进行融合、实时动态的关联与表达，利用5G高速实时动态远程控制的基于多维传感器的5G实时动态故障处理系统。
本发明的目的可以通过以下技术方案实现：
一种基于多维传感器的5G实时动态故障处理系统，包括数据采集模块、数据库模块、数值算法模块、事件触发分析模块；
所述数据采集模块连接到数据库模块，数据库模块通过数值算法模块与事件触发分析模块连接；
所述数据库模块、所述数值算法模块、所述事件触发分析模块通过5G数据信息连接到远程控制终端连接；技术人员通过5G高速传输，实现对机器进行远程实时监控，对实时数据进行求解分析，针对发生的异常事件分析事件触发分析模块中呈现的事件结果与事件起因进行分析，并通过5G高速传输，针对性进行机器调整；
所述数据采集模块包括传感器、统计指标、离线分析、维护事件、维修事件；传感器、统计指标、离线分析、维护事件、维修事件采集数据，并通过输入数据库模块；
所述数据库模块包括传感数据、功率数据、故障率数据、油液分析数据、维护事件数据、维修事件数据；传感数据记录传感器采集数据；功率数据、故障率数据记录统计指标采集数据；油液分析数据记录离线分析采集数据；维护事件数据记录维护事件；维修事件数据记录维修事件；
所述数值算法模块包括逻辑分析算法、阈值判断算法、时间序列算法、数据处理算法、事件持续时间算法；
所述事件触发分析模块包括触发复杂事件、故障现象、预警事件、关键指标，关键指标包括不良率、可靠性；
所述传感器监测采集传感数据；所述统计指标采集机器功率数据、故障率数据；所述离线分析采集油液分析数据；所述维护事件采集记录保养维护记录；所述维修事件采集维修记录，并记录更换部件；
所述传感器包括电流传感器、电压传感器、振动传感器、温度传感器；所述统计指标包括发电机功率传感器、实际故障率传感器；所述离线分析包括润滑油中铁含量、润滑油中铝含量；
所述数据库模块包括离线数据表格、传感器采集数据、信号放大器采集数据、机器手动数据参数；
所述逻辑分析算法包括与、或、非、N/M；逻辑分析算法用来表达各种子事件经过不同的逻辑组合，会引发更大的顶层事件；
所述阈值判断算法包括大于、等于、小于、大于等于、小于等于；机器通过阈值判断算法，判读或者手动输入是否超出规定范围，来表达引发某个事件发生或者未发生；
所述时间序列算法为和单位时间相关的趋势、周期、时期和不稳定因素；时间序列算法用来表达参数的时序以及跟单位时间相关的关系；
所述数据处理算法包括求和、平均、函数、专利算法、神经网络学习；数值算法真实地表达数据经过的物理变化，体现在故障逻辑分析里，引发某个事件发生或未发生；
所述事件持续时间算法为发生与时间关联事件；事件持续时间模块表达事件持续时间，表明顶事件确定发生。
本发明提供了一种基于多维传感器的5G实时动态故障处理系统，具有多种信息进行融合、实时动态的关联与表达，利用5G高速实时动态远程控制的特点。本发明的有益效果：该系统可以基于现场数据进模型预测，吻合度高，对离线数据进行清理、聚类、建立数据预测模型，并把数据模型用于在线数据的训练和实时的、智能的判断和预测故障前的数据；
该系统可以在一个模型里把多种信息进行融合、实时的关联与表达；如：某段时间里某部件故障率持续超标，会导致某一个功能参数异常，异常严重情况只能容忍30分钟；如果没有进行维护保养，就会导致系统停机，引发安全事故；
数值算法模块：1、数据处理算法，包括加减乘除、求和、平均、f(x)、专利算法等；数据处理算法可以真实的表达数据经过了怎么样的物理变化，最终体现在故障逻辑分析里，是会引发某个事件发生或者未发生；2、阈值判断算法，可以机器判读或者手动输入是否超出规定范围，来表达引发某个事件发生或者未发生；3、时间序列算法，用来表达某些参数的时序以及跟单位时间相关的关系，如：产量、故障率等跟时间有关的事件；4、逻辑分析算法，用来表达各种子事件经过不同的逻辑组合，会引发更大的顶层事件；这些逻辑关系包括：与、或、非、N/M等，如：某数据，理论上应该上涨，实测却是下降，则某事件发生；5、事件持续时间模块，用来表达某事件持续多久，就会表明顶事件确定发生；如：一个高阻值短路持续5秒钟，则可以认为电路焊接故障；通过上述检测模块，把各种各样的数学、逻辑、信息、流程，进行统一的、实时的、同步的表达，是对实际工况下装备状态的真实建模，能够科学的对装备进行细致的分析，是做好PHM的关键与核心；
系统可以把整个包括的活动，按照规范的处理流程进行定义，系统软件可以自动或者半自动的触发内部设置好的预案，引导使用人员进行作业；同时请留意，本过程是自动触发，自动推理，自动处理；
系统可以将可靠性工程师的FMEA表自动转化为因果导向图，并按照故障模式影响关系自动开展根原因分析；由于系统前期已经和实测传感器、实时数据库进行关联，系统完全可以自动触发事件所在的回路，从顶事件向下自动进行根原因分析和故障定位，从底事件向上自动进行故障传播路径推演和故障仿真验证以及多通路的故障注入和全实物、半实物、全数字的装备模拟演练；系统是非常强大的一套虚拟/现实实时融合的仿真验证与应用系统；
因为传统的故障树都是静态的，不能跟传感器的数据相关联；该系统将故障树与传感器数据相关联，并动态化；另外，该系统考虑了数学算法模型还有时间等特性，是一个多维信息；
系统将逻辑分析、信号流处理、专家经验的相互融合，并配合传感器实现多维信息融合，实现实时多维智能化应。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明一种基于多维传感器的5G实时动态故障处理系统的框架图；
图2为实施例1的状态检测与故障诊断多维网络架构图。
具体实施方式
本发明的目的可以通过以下技术方案实现：
一种基于多维传感器的5G实时动态故障处理系统，参见图1，包括数据采集模块、数据库模块、数值算法模块、事件触发分析模块；
所述数据采集模块连接到数据库模块，数据库模块通过数值算法模块与事件触发分析模块连接；
所述数据库模块、所述数值算法模块、所述事件触发分析模块通过5G数据信息连接到远程控制终端连接；技术人员通过5G高速传输，实现对机器进行远程实时监控，对实时数据进行求解分析，针对发生的异常事件分析事件触发分析模块中呈现的事件结果与事件起因进行分析，并通过5G高速传输，针对性进行机器调整；
所述数据采集模块包括传感器、统计指标、离线分析、维护事件、维修事件；传感器、统计指标、离线分析、维护事件、维修事件采集数据，并通过输入数据库模块；
所述数据库模块包括传感数据、功率数据、故障率数据、油液分析数据、维护事件数据、维修事件数据；传感数据记录传感器采集数据；功率数据、故障率数据记录统计指标采集数据；油液分析数据记录离线分析采集数据；维护事件数据记录维护事件；维修事件数据记录维修事件；
所述数值算法模块包括逻辑分析算法、阈值判断算法、时间序列算法、数据处理算法、事件持续时间算法；
所述事件触发分析模块包括触发复杂事件、故障现象、预警事件、关键指标，关键指标包括不良率、可靠性；
所述传感器监测采集传感数据；所述统计指标采集机器功率数据、故障率数据；所述离线分析采集油液分析数据；所述维护事件采集记录保养维护记录；所述维修事件采集维修记录，并记录更换部件；
所述传感器包括电流传感器、电压传感器、振动传感器、温度传感器；所述统计指标包括发电机功率传感器、实际故障率传感器；所述离线分析包括润滑油中铁含量、润滑油中铝含量；
所述数据库模块包括离线数据表格、传感器采集数据、信号放大器采集数据、机器手动数据参数；
所述逻辑分析算法包括与、或、非、N/M；逻辑分析算法用来表达各种子事件经过不同的逻辑组合，会引发更大的顶层事件；
所述阈值判断算法包括大于、等于、小于、大于等于、小于等于；机器通过阈值判断算法，判读或者手动输入是否超出规定范围，来表达引发某个事件发生或者未发生；
所述时间序列算法为和单位时间相关的趋势、周期、时期和不稳定因素；时间序列算法用来表达参数的时序以及跟单位时间相关的关系；
所述数据处理算法包括求和、平均、函数、专利算法、神经网络学习；数值算法真实地表达数据经过的物理变化，体现在故障逻辑分析里，引发某个事件发生或未发生；
所述事件持续时间算法为发生与时间关联事件；事件持续时间模块表达事件持续时间，表明顶事件确定发生。
实施例1
采用本系统进行的智能燃气轮机状态监测与关键性能指标分析和连续催化剂再生重整器工艺关键性能指标分析，实时检测生产计划、产品品质、产量、能源消耗、资产可靠性等工作标准；
连续再生重整器(CCR)用于连续再生催化剂的催化重整过程，加工流程中采用三个并列的重整反应器，催化剂移动为串联，原料油与催化剂并流，进每台反应器之前都经加热炉加热，由最后反应器出来的催化剂进入再生提升系统，再生后返回第一反应器；
需重点监测的关键性能指标有生产指标、性能指标、品质指标、能源指标、维护指标，通过关键性能指标分析，得到故障根本原因并采取适当措施，进而指导生产活动的正常运行；
生产指标如重整产量、LPG产量、富氢产量等，性能指标如资产/运营效率、剩余使用寿命、催化剂活性等，品质指标如质量比、产品质量等，能源指标如压缩机能耗、加热器能耗等，维护指标如维护效率等；
复杂事件分析是本系统状态监测与故障诊断的核心环节，通过搭建多维状态监测网络，将数据采集模块、数据库模块、数值算法模块、事件触发分析模块综合起来构成网络，完成对数据采集模块的实时处理与解决方案生成；
如图2所示，用于低催化剂氯化物事件的状态检测与故障诊断多维网络，图中左侧与传感器数据采集卡相连接，实时采集电流、电压、振动传感器、温度传感器、发电机功率、实际故障率、润滑油中的铁含量、润滑油中的铝含量、维修维护事件等数据，在搭建的网络中用不同颜色来区分模块的功能，并能根据推理结果分别以绿色和红色来区分可执行与故障线路；可以形象直观地为操作人员提供一手信息；
数值算法模块中采用AND、OR、NOT分别代表逻辑分析算法中的与、或、非；采用＞、＝、＜、≥、≤分别代表阈值判断算法中的大于、等于、小于、大于等于、小于等于；采用
K代表时间序列算法；采用Σ代表数据处理算法中的求和、平均、函数、专利算法、神经网络学习。
本发明提供了一种基于多维传感器的5G实时动态故障处理系统，具有多种信息进行融合、实时动态的关联与表达，利用5G高速实时动态远程控制的特点。本发明的有益效果：该系统可以基于现场数据进模型预测，吻合度高，对离线数据进行清理、聚类、建立数据预测模型，并把数据模型用于在线数据的训练和实时的、智能的判断和预测故障前的数据；
该系统可以在一个模型里把多种信息进行融合、实时的关联与表达；如：某段时间里某部件故障率持续超标，会导致某一个功能参数异常，异常严重情况只能容忍30分钟；如果没有进行维护保养，就会导致系统停机，引发安全事故；
数值算法模块：1、数据处理算法，包括加减乘除、求和、平均、f(x)、专利算法等；数据处理算法可以真实的表达数据经过了怎么样的物理变化，最终体现在故障逻辑分析里，是会引发某个事件发生或者未发生；2、阈值判断算法，可以机器判读或者手动输入是否超出规定范围，来表达引发某个事件发生或者未发生；3、时间序列算法，用来表达某些参数的时序以及跟单位时间相关的关系，如：产量、故障率等跟时间有关的事件；4、逻辑分析算法，用来表达各种子事件经过不同的逻辑组合，会引发更大的顶层事件；这些逻辑关系包括：与、或、非、N/M等，如：某数据，理论上应该上涨，实测却是下降，则某事件发生；5、事件持续时间模块，用来表达某事件持续多久，就会表明顶事件确定发生；如：一个高阻值短路持续5秒钟，则可以认为电路焊接故障；通过上述检测模块，把各种各样的数学、逻辑、信息、流程，进行统一的、实时的、同步的表达，是对实际工况下装备状态的真实建模，能够科学的对装备进行细致的分析，是做好PHM的关键与核心；
系统可以把整个包括的活动，按照规范的处理流程进行定义，系统软件可以自动或者半自动的触发内部设置好的预案，引导使用人员进行作业；同时请留意，本过程是自动触发，自动推理，自动处理；
系统可以将可靠性工程师的FMEA表自动转化为因果导向图，并按照故障模式影响关系自动开展根原因分析；由于系统前期已经和实测传感器、实时数据库进行关联，系统完全可以自动触发事件所在的回路，从顶事件向下自动进行根原因分析和故障定位，从底事件向上自动进行故障传播路径推演和故障仿真验证以及多通路的故障注入和全实物、半实物、全数字的装备模拟演练；系统是非常强大的一套虚拟/现实实时融合的仿真验证与应用系统；
因为传统的故障树都是静态的，不能跟传感器的数据相关联；该系统将故障树与传感器数据相关联，并动态化；另外，该系统考虑了数学算法模型还有时间等特性，是一个多维信息；
系统将逻辑分析、信号流处理、专家经验的相互融合，并配合传感器实现多维信息融合，实现实时多维智能化应。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (9)
1.一种基于多维传感器的5G实时动态故障处理系统，包括数据采集模块、数据库模块、数值算法模块、事件触发分析模块，其特征在于；
所述数据采集模块连接到数据库模块，数据库模块通过数值算法模块与事件触发分析模块连接；
所述数据库模块、所述数值算法模块、所述事件触发分析模块通过5G数据信息连接到远程控制终端连接；技术人员通过5G高速传输，实现对机器进行远程实时监控，对实时数据进行求解分析，针对发生的异常事件分析事件触发分析模块中呈现的事件结果与事件起因进行分析，并通过5G高速传输，针对性进行机器调整；
所述数据采集模块包括传感器、统计指标、离线分析、维护事件、维修事件；传感器、统计指标、离线分析、维护事件、维修事件采集数据，并通过输入数据库模块；
所述数据库模块包括传感数据、功率数据、故障率数据、油液分析数据、维护事件数据、维修事件数据；传感数据记录传感器采集数据；功率数据、故障率数据记录统计指标采集数据；油液分析数据记录离线分析采集数据；维护事件数据记录维护事件；维修事件数据记录维修事件；
所述数值算法模块包括逻辑分析算法、阈值判断算法、时间序列算法、数据处理算法、事件持续时间算法；
所述事件触发分析模块包括触发复杂事件、故障现象、预警事件、关键指标，关键指标包括不良率、可靠性。
2.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述传感器监测采集传感数据；所述统计指标采集机器功率数据、故障率数据；所述离线分析采集油液分析数据；所述维护事件采集记录保养维护记录；所述维修事件采集维修记录，并记录更换部件。
3.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述传感器包括电流传感器、电压传感器、振动传感器、温度传感器；所述统计指标包括发电机功率传感器、实际故障率传感器；所述离线分析包括润滑油中铁含量、润滑油中铝含量。
4.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述数据库模块包括离线数据表格、传感器采集数据、信号放大器采集数据、机器手动数据参数。
5.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述逻辑分析算法包括与、或、非、N/M；逻辑分析算法用来表达各种子事件经过不同的逻辑组合，会引发更大的顶层事件。
6.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述阈值判断算法包括大于、等于、小于、大于等于、小于等于；机器通过阈值判断算法，判读或者手动输入是否超出规定范围，来表达引发某个事件发生或者未发生。
7.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述时间序列算法为和单位时间相关的趋势、周期、时期和不稳定因素；时间序列算法用来表达参数的时序以及跟单位时间相关的关系。
8.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述数据处理算法包括求和、平均、函数、专利算法、神经网络学习；数值算法真实地表达数据经过的物理变化，体现在故障逻辑分析里，引发某个事件发生或未发生。
9.根据权利要求1所述的一种基于多维传感器的5G实时动态故障处理系统，其特征在于，所述事件持续时间算法为发生与时间关联事件；事件持续时间模块表达事件持续时间，表明顶事件确定发生。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010967666.XA CN112115128B (zh) | 2020-09-15 | 2020-09-15 | 一种基于多维传感器的5g实时动态故障处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010967666.XA CN112115128B (zh) | 2020-09-15 | 2020-09-15 | 一种基于多维传感器的5g实时动态故障处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112115128A true CN112115128A (zh) | 2020-12-22 |
| CN112115128B CN112115128B (zh) | 2024-05-14 |
Family
ID=73802109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010967666.XA Active CN112115128B (zh) | 2020-09-15 | 2020-09-15 | 一种基于多维传感器的5g实时动态故障处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115128B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114849108A (zh) * | 2022-07-06 | 2022-08-05 | 四川坤弘远祥科技有限公司 | 一种非贮压式抑爆系统的控制系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101950327A (zh) * | 2010-09-09 | 2011-01-19 | 西北工业大学 | 一种基于故障树信息的设备状态预测方法 |
| CN102262690A (zh) * | 2011-06-07 | 2011-11-30 | 中国石油大学(北京) | 一种混合故障预警模型的建模方法及混合故障预警模型 |
| US20150219530A1 (en) * | 2013-12-23 | 2015-08-06 | Exxonmobil Research And Engineering Company | Systems and methods for event detection and diagnosis |
| CN105731209A (zh) * | 2016-03-17 | 2016-07-06 | 天津大学 | 基于物联网的电梯故障智能预测与诊断及维护方法 |
| CN106354118A (zh) * | 2016-08-25 | 2017-01-25 | 株洲中车时代电气股份有限公司 | 一种基于故障树的列车故障诊断系统及方法 |
| CN106697187A (zh) * | 2016-12-26 | 2017-05-24 | 武汉理工大学 | 基于智能机舱的船舶动力系统工况模拟和诊断实验平台 |
| US20170322120A1 (en) * | 2016-05-03 | 2017-11-09 | Sap Se | Fault detection using event-based predictive models |
| KR20190069696A (ko) * | 2017-12-12 | 2019-06-20 | (주)위세아이텍 | 장비 고장 예측 장치 및 방법 |
| CN110244673A (zh) * | 2019-06-11 | 2019-09-17 | 中科台达(湖州)信息技术有限公司 | 一种金属材料生产企业设备在线监管方法和系统 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN110954167A (zh) * | 2019-12-11 | 2020-04-03 | 云南电网有限责任公司昆明供电局 | 一种巡线机器人故障检修与自检数据采集方法 |
-
2020
- 2020-09-15 CN CN202010967666.XA patent/CN112115128B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101950327A (zh) * | 2010-09-09 | 2011-01-19 | 西北工业大学 | 一种基于故障树信息的设备状态预测方法 |
| CN102262690A (zh) * | 2011-06-07 | 2011-11-30 | 中国石油大学(北京) | 一种混合故障预警模型的建模方法及混合故障预警模型 |
| US20150219530A1 (en) * | 2013-12-23 | 2015-08-06 | Exxonmobil Research And Engineering Company | Systems and methods for event detection and diagnosis |
| CN105731209A (zh) * | 2016-03-17 | 2016-07-06 | 天津大学 | 基于物联网的电梯故障智能预测与诊断及维护方法 |
| US20170322120A1 (en) * | 2016-05-03 | 2017-11-09 | Sap Se | Fault detection using event-based predictive models |
| CN106354118A (zh) * | 2016-08-25 | 2017-01-25 | 株洲中车时代电气股份有限公司 | 一种基于故障树的列车故障诊断系统及方法 |
| CN106697187A (zh) * | 2016-12-26 | 2017-05-24 | 武汉理工大学 | 基于智能机舱的船舶动力系统工况模拟和诊断实验平台 |
| KR20190069696A (ko) * | 2017-12-12 | 2019-06-20 | (주)위세아이텍 | 장비 고장 예측 장치 및 방법 |
| CN110244673A (zh) * | 2019-06-11 | 2019-09-17 | 中科台达(湖州)信息技术有限公司 | 一种金属材料生产企业设备在线监管方法和系统 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN110954167A (zh) * | 2019-12-11 | 2020-04-03 | 云南电网有限责任公司昆明供电局 | 一种巡线机器人故障检修与自检数据采集方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114849108A (zh) * | 2022-07-06 | 2022-08-05 | 四川坤弘远祥科技有限公司 | 一种非贮压式抑爆系统的控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112115128B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101989087B (zh) | 工业化加工渣油的在线实时故障监测与诊断的系统装置 | |
| CN101067742B (zh) | 量测方法以及虚拟量测系统 | |
| JP5363927B2 (ja) | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム | |
| CN100470416C (zh) | 一种电厂热工设备智能状态诊断分析系统 | |
| CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
| CN107346466A (zh) | 一种电力调度系统的控制方法及装置 | |
| CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
| CN112561736A (zh) | 智能变电站继电器保护装置故障诊断系统和方法 | |
| CN116596322B (zh) | 一种基于大数据可视化的物业设备管理方法及系统 | |
| CN107291830A (zh) | 一种设备知识库的创建方法 | |
| CN110530650B (zh) | 基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法 | |
| CN110097209A (zh) | 一种基于参数残差的设备劣化分析方法 | |
| CN111752147B (zh) | 一种具有持续学习能力改进pca的多工况过程监测方法 | |
| CN117196066A (zh) | 智慧运维信息分析模型 | |
| CN113187650B (zh) | 一种智能水电厂全厂水轮机调速系统及诊断方法 | |
| CN116184948A (zh) | 一种水厂的智能监盘及预警诊断技术的应用系统及方法 | |
| CN112697946A (zh) | 一种主变压器在线油色谱监盘方法及装置 | |
| CN117172751A (zh) | 一种智慧运维信息分析模型的构建方法 | |
| CN112801313A (zh) | 基于大数据技术综采工作面故障判定方法 | |
| CN114721336A (zh) | 一种仪控系统工艺参数的信息安全事件预警方法 | |
| CN115657541A (zh) | 一种基于数字孪生精细化建模的空压机监管系统及方法 | |
| CN112115128B (zh) | 一种基于多维传感器的5g实时动态故障处理系统 | |
| CN115114856A (zh) | 一种基于数字孪生的智能制造产线运行系统 | |
| CN113806969A (zh) | 一种基于时域数据关联建模的压缩机组健康预测方法 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 |
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 |