CN112229634A - 一种搅拌设备轴承状态在线监控方法 - Google Patents
一种搅拌设备轴承状态在线监控方法 Download PDFInfo
- Publication number
- CN112229634A CN112229634A CN202011273615.3A CN202011273615A CN112229634A CN 112229634 A CN112229634 A CN 112229634A CN 202011273615 A CN202011273615 A CN 202011273615A CN 112229634 A CN112229634 A CN 112229634A
- Authority
- CN
- China
- Prior art keywords
- data
- state
- bearing
- vibration
- monitored
- 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
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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供的本发明提供的一种搅拌设备轴承状态在线监控方法,通过在设备上设置振动传感器,实时检测待监测轴承的振动数据,基于振动数据找到异常振动数据,确认诊断周期内待监测轴承的运行状态;基于本专利技术方案,对搅拌设备的轴承状态进行实时的自动在线监控,无需技术人员主观判断,结果客观准确。
Description
技术领域
本发明涉及搅拌设备控制技术领域,具体为一种搅拌设备轴承状态在线监控方法。
背景技术
搅拌设备的轴承是设备的关键部件,轴承会因为长时间使用而出现磨损,如果不及时更换不但会导致产品质量下降,严重的时候,还会导致设备损坏,甚至影响生产计划的完成。现有技术中,通过人工定期监测轴承使用状态,进而判断是否需要更换轴承;然而,人工判断的方式,需要依赖技术人员本身的经验进行主观判断,不同的人判断结果会有差异,且主观判断会因为很多因素导致判断不准确,导致后续针对设备的保养计划、排产计划无法准确进行。
发明内容
为了解决现有技术中人工判断搅拌设备轴承的使用状态,判断不精确的问题,本发明提供一种搅拌设备轴承状态在线监控方法,其可以精确的对搅拌设备的轴承的使用状态进行判断,确保后续执法工作的正常实施。
本发明的技术方案是这样的:一种搅拌设备轴承状态在线监控方法,其特征在于,其包括以下步骤:
S1:确定待监测搅拌设备中所有需要监控的待监测轴承;
S2:将振动传感器安装在所述待监测搅拌设备的固定公转齿轮连接座上,所述振动传感器通信连接服务器;
所述振动传感器采集到的所述振动数据传入其配套的数据计算模块;
S3:确认所有的所述待监测轴承连接的关联搅拌轴;
通过PLC系统实时的采集所有的所述关联搅拌轴的转速,将采集到的转速数据以及对应的关联搅拌轴信息数据,记做关联搅拌轴转速数据集;将所述关联搅拌轴转速数据集传递给所述数据计算模块;
S4:所述数据计算模块依据接收到的所述振动数据、所述关联搅拌轴转速数据集进行数据计算和转换,获得所述待监测轴承的当前实时振动值;
S5:为每一个所述当前实时振动值设置一个预警状态标记位;
所述数据计算模块每接到一个所述当前实时振动值,确认所述当前实时振动值是否为异常振动值,进而实时计算出其对应的所述预警状态;
S6:所述数据计算模块以所述待监测轴承为单位,将每一个所述当前实时振动值及其对应的所述预警状态为一组数据传送给所述服务器;
S7:将所述服务器接收到的所述当前实时振动值及其对应的预警状态数据,按照所述待监测轴承分别存储到数据库中,记做所述待监测轴承振动状态数据;
S8:设置诊断周期和数据抽取周期;
按照所述诊断周期定期的从所述数据库中进行数据抽取;抽取时以所述待监测轴承为单位,分别抽取所述数据抽取周期内的一组所述待监测轴承振动状态数据,记做待监测振动状态数据;
S9:将所述待监测振动状态数据,按照不同的所述预警状态分别进行统计条目数;
根据在本组数据总条目数中,不同的所述预警状态所占的比例,判断得到所述待监测轴承在当前的所述诊断周期中的运行状态。
其进一步特征在于:
其还包括以下步骤:
S10:将所述待监测轴承的运行状态、本次所述数据抽取周期的开始时间,作为所述待监测轴承的历史监测数据存储到数据库中;用以作为对所述待检测轴承整体运行状态的判断依据;
步骤S5中,计算所述预警状态标记位的方法包括以下步骤:
a1:采集历史数据作为样本数据;
a2:基于所述样本数据中的所述振动数据,对每一个所述待监测轴承设置警告阈值;
当所述待监测轴承的振动值高于所述警告阈值时,则代表此刻轴承发生异常振动;
a3:所述数据计算模块将每一个接收到的所述当前实时振动值与对应的所述警告阈值进行比较;
当所述当前实时振动值大于所述警告阈值的时候,将其对应的所述预警状态设置为警告,否则所述预警状态设置为正常;
步骤S9中,所述待监测轴承在当前的所述诊断周期中的运行状态的判断方法,包括以下步骤:
b1:根据轴承的使用周期,设置所述待监测轴承的运行状态判断阈值;
所述运行状态判断阈值包括:不良运行阈值、易损运行阈值,且所述易损运行阈值 >所述不良运行阈值;
b2:设:在每组所述待监测振动状态中,所述预警状态为警告的连续数据所占的比例为P;
则,当P > 易损运行阈值时,其对应的所述待监测轴承的运行状态设置为:易损运行;
否则,当P > 不良运行阈值时,其对应的所述待监测轴承的运行状态设置为:不良运行;
否则所述待监测轴承的运行状态设置为:正常运行;
步骤b2中,P的计算方法,详细包括以下步骤:
c1:设所述数据抽取周期为T,将T均分为t个计算周期Td;将所述待监测振动状态数据按照所述计算周期Td再次分别抽取为t组计算用振动状态数据,设:每组所述计算用振动状态数据的数据个数为m;
为每个所述所述待监测轴承设置一个所述预警状态为警告的连续数据用计数器i,初始化为0;
为每个所述待监测轴承设置一个连续数据警告边界阈值S1,即当连续出现的警告状态的数据达到所述连续数据警告边界阈值S1,虽然后面的一个数据不是警告状态,但也需要继续观测;其中,S1取值为小于m的正整数;
为每个所述待监测轴承设置一个连续数据阈值S2,当每组所述计算用振动状态数据中连续出现的警告状态数据个数达到S2之后,即便后面还有未确认的数据,也不需要再继续确认;其中,S2取值为小于m的正整数;
为每组所述计算用振动状态数据分别设置一个预警状态数据计数器N,分别初始化为0;
c2:取出一组所述计算用振动状态数据;
c3:从所述计算用振动状态数据中取出一条数据,作为待确认数据;
c4:确认所述待确认数据对应的所述预警状态;
如果,所述预警状态为警告,则给N的值加1;执行步骤c7;
否则,当所述预警状态为正常时,执行步骤c5;
c5:判断N和S1的大小关系;
如果N<S1,将N赋值为0;执行步骤c6;
否则,将N赋值为N-1;执行步骤c6;
c6:继续取出所述计算用振动状态数据中的下一条数据,作为待确认数据;
循环执行步骤c4~c5,直至m条数据都确认完毕后,执行步骤c8;
c7:判断N与S2的关系;
如果N小于S2,则执行步骤c6;
否则,如果N大于等于S2,则将i的值加1;执行步骤c8;
c8:继续对下一组所述计算用振动状态数据,循环执行步骤c3~c7,直至t组所述计算用振动状态数据都被确认完毕,执行步骤c9;
c9:计算P的值:
P = i/t ;
所述样本数据包括:所有的所述待监测轴承同型号的轴承的历史数据,其数据包括:从出厂到维护为止的所述振动数据和对应的运行时间;所述振动数据包括振动加速度、振动频率;
所述振动传感器基于以太网通信连接服务器;
所述关联搅拌轴包括:搅拌上、下轴,主轴上、下轴,分散上、下轴;
在所述数据计算模块和所述PLC系统之间建立一个断连机制,确保二者通信断开后会不断重连,直至连接成功;
所述不良运行阈值设置为40%,所述易损运行阈值设置为80%。
本发明提供的本发明提供的一种搅拌设备轴承状态在线监控方法,通过在设备上设置振动传感器,实时检测待监测轴承的振动数据,基于振动数据找到异常振动数据,确认诊断周期内待监测轴承的运行状态;基于本专利技术方案,对搅拌设备的轴承状态进行实时的自动在线监控,无需技术人员主观判断,结果客观;进行轴承状态确认的时候,无需打开设备,简化了对设备监控的程序;只需要在每个搅拌设备上安装一个振动传感器即可实现本专利技术方案,成本较低;同时基于待监测轴承的历史数据获得对应的警告阈值、不良运行阈值、易损运行阈值,确保判断结果符合待监测轴承的生命周期,进一步确保了判断结果的准确性;通过设置连续数据警告边界阈值S1,放置因为数据抖动而导致连续的异常数据被忽略,进一步的确保了判断结果的准确性;通过设置连续数据阈值S2,确保在找到所有的连续异常数据基础之上,降低计算量,提高计算效率。
附图说明
图1为本专利技术方案中预警状态为警告的连续数据所占的比例P的计算流程示意图;
图2为本专利中振动传感器与工控机的电路连接示意图;
图3为本专利中振动传感器在搅拌设备上安装结构实施例的示意图。
具体实施方式
本发明一种搅拌设备轴承状态在线监控方法,其包括以下步骤。
S1:确定待监测搅拌设备中所有需要监控的待监测轴承。
S2:将振动传感器安装在待监测搅拌设备的固定公转齿轮连接座上,振动传感器通信连接服务器;
振动传感器采集到的振动数据传入其配套的数据计算模块。
如图2所示,本实施例中,振动传感器基于易福门VSE150振动传感器实现,其中数据计算模块基于VSE150配套的FFT模块实现;数据计算模块(VSE150配套的FFT模块安装)与服务器(图2中标记为工控机,基于型号IP-610的工控机实现)通信连接;振动传感器SP001通过无线方式与数据计算模块通信连接;实际实施的时候,会设再设置一个备用震动传感器SP002,防止传感器出错导致监控停止,影响整体作业工序。
S3:确认所有的待监测轴承连接的关联搅拌轴;
通过PLC系统实时的采集所有的关联搅拌轴的转速,将采集到的转速数据以及对应的关联搅拌轴信息数据,记做关联搅拌轴转速数据集;将关联搅拌轴转速数据集传递给数据计算模块;具体实施时,在数据计算模块和PLC系统之间建立一个断连机制,确保二者通信断开后会不断重连直至连接成功;本实施例中,振动传感器基于以太网通信连接服务器;关联搅拌轴包括:搅拌上、下轴,主轴上、下轴,分散上、下轴。
如图3所示,本实施例中,需要监控的待监测轴承包括:第一中心轴承1、第一分散轴承2、第二中心轴承4、第三中心轴承5、第一搅拌轴承6、第四中心轴承8、第二分散轴承9、第二搅拌轴承10、第五中心轴承11;其中,第一中心轴承1、第二中心轴承4、第三中心轴承5、第四中心轴承8、第五中心轴承11的关联搅拌轴为:主轴上轴15、主轴下轴16;第一搅拌轴承6、第二搅拌轴承10的关联搅拌轴为搅拌上轴19、搅拌下轴20;第一分散轴承2、第二分散轴承9的关联搅拌轴为分散上轴17、分散下轴18;振动传感器3安装在固定公转齿轮连接座14上;主轴和搅拌轴之间通过齿轮7进行同步;主轴和分散轴之间通过带轮13、皮带12同步。
S4:数据计算模块依据接收到的振动数据、关联搅拌轴转速数据集进行数据计算和转换,获得待监测轴承的当前实时振动值。
S5:为每一个当前实时振动值设置一个预警状态标记位;
数据计算模块每接到一个当前实时振动值,确认当前实时振动值是否为异常振动值,进而实时计算出其对应的预警状态;其中预警状态根据轴承的生命周期,以及实际的设备维护要求进行确定。
本实施例中,预警状态包括:警告、正常;
计算预警状态标记位的方法包括以下步骤:
a1:采集历史数据作为样本数据;
a2:基于样本数据中的振动数据,对每一个待监测轴承设置警告阈值;
当待监测轴承的振动值高于警告阈值时,则代表此刻轴承发生异常振动;
a3:数据计算模块将每一个接收到的当前实时振动值与对应的警告阈值进行比较;
如果当前实时振动值大于警告阈值,将其对应的预警状态设置为警告,否则预警状态设置为正常;
其中,样本数据包括:所有的待监测轴承同型号的轴承的历史数据,其数据包括:从出厂到维护为止的振动数据和对应的运行时间;振动数据包括振动加速度、振动频率;
本发明技术方案中,基于每个型号的轴承的历史数据构成样本数据,基于样本数据分布对每个待监测轴承设置异常振动的警告阈值、以及运行状态相关的易损运行阈值、不良运行阈值,确保计算得到的异常振动是符合轴承的实际使用情况的,确保监控得到的运行状态是符合轴承的实际运行生命周期的,进而确保本发明技术方案的监控结果的准确性。
S6:数据计算模块以待监测轴承为单位,将每一个当前实时振动值及其对应的预警状态为一组数据传送给服务器。
S7:将服务器接收到的当前实时振动值及其对应的预警状态数据,按照待监测轴承分别存储到数据库中,记做待监测轴承振动状态数据。
S8:设置诊断周期和数据抽取周期;
按照诊断周期定期的从数据库中进行数据抽取;抽取时以待监测轴承为单位,分别抽取数据抽取周期内的一组待监测轴承振动状态数据,记做待监测振动状态数据;
具体实施的时候,诊断周期根据具体的质量要求统一设置,或者根据不同轴承的生命周期分开设置都可以;如:通常轴承的生命周期,按照使用时间分为三个阶段:
第一阶段:预期寿命2-1年,此阶段为新轴承正常运行阶段,诊断周期可以设置的比较长;
第二阶段:预期寿命1年-6个月,此阶段会出现相对第一阶段更多的异常振动数据,诊断周期缩短;
第三阶段:预期寿命6个月以下,此阶段发生卡死故障,会频繁出现异常振动数据,所以需要将诊断周期设置非常频繁,确保能够及时更换轴承,避免因为卡死故障影响整个生产工序。
S9:将待监测振动状态数据,按照不同的预警状态分别进行统计条目数;
根据在本组数据总条目数中,不同的预警状态所占的比例,判断得到待监测轴承在当前的诊断周期中的运行状态;
待监测轴承的运行状态的详细的判断方法步骤包括:
b1:根据轴承的使用周期,设置待监测轴承的运行状态判断阈值;
运行状态判断阈值包括:不良运行阈值、易损运行阈值,且易损运行阈值 > 不良运行阈值;
b2:设:在每组待监测振动状态中,预警状态为警告的连续数据所占的比例为P;
则,当P > 易损运行阈值时,其对应的待监测轴承的运行状态设置为:易损运行;
否则,当P > 不良运行阈值时,其对应的待监测轴承的运行状态设置为:不良运行;
否则待监测轴承的运行状态设置为:正常运行;
当轴承使用进入第二阶段的时候,会出现较多的异常振动数据,即进入不良运行状态;所以根据历史样本数据设置一个不良运行阈值,来判断该诊断周期内的轴承是否属于不良运行状态;当轴承使用进入第三阶段的时候,会频繁出现异常振动数据,所以根据历史样本数据设置一个易损运行阈值,来判断该诊断周期内的轴承是否属于易损运行状态;本实施例中,不良运行阈值设置为40%,易损运行阈值设置为80%。
其中,步骤b2中,P的计算方法,如图1所示,详细包括以下步骤:
c1:设数据抽取周期为T,将T均分为t个计算周期Td;将待监测振动状态数据按照计算周期Td再次分别抽取为t组计算用振动状态数据,设:每组计算用振动状态数据的数据个数为m;
为每个待监测轴承设置一个预警状态为警告的连续数据用计数器i,初始化为0;
为每个待监测轴承设置一个连续数据警告边界阈值S1,即当连续出现的警告状态的数据达到连续数据警告边界阈值S1,虽然后面的一个数据不是警告状态,但也需要继续观测;其中,S1取值为小于m的正整数;
为每个待监测轴承设置一个连续数据阈值S2,当每组计算用振动状态数据中连续出现的警告状态数据个数达到S2之后,即便后面还有未确认的数据,也不需要再继续确认;其中,S2取值为小于m的正整数;
连续数据警告边界阈值S1、连续数据阈值S2都是基于历史样本数据计算后设置;
通过连续数据警告边界阈值S1的设置,避免本来是连续出现的异常数据被一个正常数据打断而被误判为正常数据的问题发生,即:当整组数据中总的异常数据个超过S1,而中间只夹杂着一个正常数据时,这组数据还是会被识别为异常数据;通过S1的设置,提高了本发明技术方案的容错性,确保对异常连续数据的识别更符合真实的使用环境,进而确保监控结果的准确性;
通过连续数据阈值S2的设置,确保在轴承运行的易损运行、不良运行阶段,大量的异常振动数据出现的时候,每组计算用振动状态数据不必完全都进行计算,即可发现连续异常数据的存在;不但降低计算量,而且提高计算效率,同时确保了监控结果的准确性;
为每组计算用振动状态数据分别设置一个预警状态数据计数器N,分别初始化为0;
c2:取出一组计算用振动状态数据;
c3:从计算用振动状态数据中取出一条数据,作为待确认数据;
c4:确认待确认数据对应的预警状态;
如果,预警状态为警告,则给N的值加1;执行步骤c7;
否则,当预警状态为正常时,执行步骤c5;
c5:判断N和S1的大小关系;
如果N<S1,将N赋值为0;执行步骤c6;
否则,将N赋值为N-1;执行步骤c6;
c6:继续取出计算用振动状态数据中的下一条数据,作为待确认数据;
循环执行步骤c4~c5,直至m条数据都确认完毕后,执行步骤c8;
c7:判断N与S2的关系;
如果N小于S2,则执行步骤c6;
否则,如果N大于等于S2,则将i的值加1;执行步骤c8;
c8:继续对下一组计算用振动状态数据,循环执行步骤c3~c7,直至t组计算用振动状态数据都被确认完毕,执行步骤c9;
c9:计算P的值:
P = i/t 。
本发明技术方案中的参数:预警状态为警告的连续数据所占的比例P,不是简单的在待监测轴承的振动数据中叠加异常振动数据,而是根据轴承的实际生命周期的特点:连续发生异常振动数据代表待监测轴承进入非正常工作状态,即,P是对连续异常振动数据在总的震动数据中的比例计算而得;这样的参数统计方法,确保本发明技术方案可以依据轴承的实际运行状态而对待监测轴承的运行状态进行实时在线监控,确保了结果的准确性,做到了对搅拌设备中轴承生命周期的精准控制。
S10:将待监测轴承的运行状态、本次数据抽取周期的开始时间,作为待监测轴承的历史监测数据存储到数据库中;用以作为对待检测轴承整体运行状态的判断依据;本实施例中,存储于数据库中的数据包括:轴承部位、时间、转速、振幅、轴承状态。
Claims (10)
1.一种搅拌设备轴承状态在线监控方法,其特征在于,其包括以下步骤:
S1:确定待监测搅拌设备中所有需要监控的待监测轴承;
S2:将振动传感器安装在所述待监测搅拌设备的固定公转齿轮连接座上,所述振动传感器通信连接服务器;
所述振动传感器采集到的所述振动数据传入其配套的数据计算模块;
S3:确认所有的所述待监测轴承连接的关联搅拌轴;
通过PLC系统实时的采集所有的所述关联搅拌轴的转速,将采集到的转速数据以及对应的关联搅拌轴信息数据,记做关联搅拌轴转速数据集;将所述关联搅拌轴转速数据集传递给所述数据计算模块;
S4:所述数据计算模块依据接收到的所述振动数据、所述关联搅拌轴转速数据集进行数据计算和转换,获得所述待监测轴承的当前实时振动值;
S5:为每一个所述当前实时振动值设置一个预警状态标记位;
所述数据计算模块每接到一个所述当前实时振动值,确认所述当前实时振动值是否为异常振动值,进而实时计算出其对应的所述预警状态;
S6:所述数据计算模块以所述待监测轴承为单位,将每一个所述当前实时振动值及其对应的所述预警状态为一组数据传送给所述服务器;
S7:将所述服务器接收到的所述当前实时振动值及其对应的预警状态数据,按照所述待监测轴承分别存储到数据库中,记做所述待监测轴承振动状态数据;
S8:设置诊断周期和数据抽取周期;
按照所述诊断周期定期的从所述数据库中进行数据抽取;抽取时以所述待监测轴承为单位,分别抽取所述数据抽取周期内的一组所述待监测轴承振动状态数据,记做待监测振动状态数据;
S9:将所述待监测振动状态数据,按照不同的所述预警状态分别进行统计条目数;
根据在本组数据总条目数中,不同的所述预警状态所占的比例,判断得到所述待监测轴承在当前的所述诊断周期中的运行状态。
2.根据权利要求1所述一种搅拌设备轴承状态在线监控方法,其特征在于:其还包括以下步骤:
S10:将所述待监测轴承的运行状态、本次所述数据抽取周期的开始时间,作为所述待监测轴承的历史监测数据存储到数据库中;用以作为对所述待检测轴承整体运行状态的判断依据。
3.根据权利要求1所述一种搅拌设备轴承状态在线监控方法,其特征在于:步骤S5中,计算所述预警状态标记位的方法包括以下步骤:
a1:采集历史数据作为样本数据;
a2:基于所述样本数据中的所述振动数据,对每一个所述待监测轴承设置警告阈值;
当所述待监测轴承的振动值高于所述警告阈值时,则代表此刻轴承发生异常振动;
a3:所述数据计算模块将每一个接收到的所述当前实时振动值与对应的所述警告阈值进行比较;
当所述当前实时振动值大于所述警告阈值的时候,将其对应的所述预警状态设置为警告,否则所述预警状态设置为正常。
4.根据权利要求1所述一种搅拌设备轴承状态在线监控方法,其特征在于:步骤S9中,所述待监测轴承在当前的所述诊断周期中的运行状态的判断方法,包括以下步骤:
b1:根据轴承的使用周期,设置所述待监测轴承的运行状态判断阈值;
所述运行状态判断阈值包括:不良运行阈值、易损运行阈值,且所述易损运行阈值 >所述不良运行阈值;
b2:设:在每组所述待监测振动状态中,所述预警状态为警告的连续数据所占的比例为P;
则,当P > 易损运行阈值时,其对应的所述待监测轴承的运行状态设置为:易损运行;
否则,当P > 不良运行阈值时,其对应的所述待监测轴承的运行状态设置为:不良运行;
否则所述待监测轴承的运行状态设置为:正常运行。
5.根据权利要求4所述一种搅拌设备轴承状态在线监控方法,其特征在于:步骤b2中,P的计算方法,详细包括以下步骤:
c1:设所述数据抽取周期为T,将T均分为t个计算周期Td;将所述待监测振动状态数据按照所述计算周期Td再次分别抽取为t组计算用振动状态数据,设:每组所述计算用振动状态数据的数据个数为m;
为每个所述所述待监测轴承设置一个所述预警状态为警告的连续数据用计数器i,初始化为0;
为每个所述待监测轴承设置一个连续数据警告边界阈值S1,即当连续出现的警告状态的数据达到所述连续数据警告边界阈值S1,虽然后面的一个数据不是警告状态,但也需要继续观测;其中,S1取值为小于m的正整数;
为每个所述待监测轴承设置一个连续数据阈值S2,当每组所述计算用振动状态数据中连续出现的警告状态数据个数达到S2之后,即便后面还有未确认的数据,也不需要再继续确认;其中,S2取值为小于m的正整数;
为每组所述计算用振动状态数据分别设置一个预警状态数据计数器N,分别初始化为0;
c2:取出一组所述计算用振动状态数据;
c3:从所述计算用振动状态数据中取出一条数据,作为待确认数据;
c4:确认所述待确认数据对应的所述预警状态;
如果,所述预警状态为警告,则给N的值加1;执行步骤c7;
否则,当所述预警状态为正常时,执行步骤c5;
c5:判断N和S1的大小关系;
如果N<S1,将N赋值为0;执行步骤c6;
否则,将N赋值为N-1;执行步骤c6;
c6:继续取出所述计算用振动状态数据中的下一条数据,作为待确认数据;
循环执行步骤c4~c5,直至m条数据都确认完毕后,执行步骤c8;
c7:判断N与S2的关系;
如果N小于S2,则执行步骤c6;
否则,如果N大于等于S2,则将i的值加1;执行步骤c8;
c8:继续对下一组所述计算用振动状态数据,循环执行步骤c3~c7,直至t组所述计算用振动状态数据都被确认完毕,执行步骤c9;
c9:计算P的值:
P = i/t 。
6.根据权利要求3所述一种搅拌设备轴承状态在线监控方法,其特征在于:所述样本数据包括:所有的所述待监测轴承同型号的轴承的历史数据,其数据包括:从出厂到维护为止的所述振动数据和对应的运行时间;所述振动数据包括振动加速度、振动频率。
7.根据权利要求1所述一种搅拌设备轴承状态在线监控方法,其特征在于:所述振动传感器基于以太网通信连接服务器。
8.根据权利要求1所述一种搅拌设备轴承状态在线监控方法,其特征在于:所述关联搅拌轴包括:搅拌上、下轴,主轴上、下轴,分散上、下轴。
9.根据权利要求1所述一种搅拌设备轴承状态在线监控方法,其特征在于:在所述数据计算模块和所述PLC系统之间建立一个断连机制,确保二者通信断开后会不断重连,直至连接成功。
10.根据权利要求4所述一种搅拌设备轴承状态在线监控方法,其特征在于:所述不良运行阈值设置为40%,所述易损运行阈值设置为80%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273615.3A CN112229634B (zh) | 2020-11-14 | 2020-11-14 | 一种搅拌设备轴承状态在线监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273615.3A CN112229634B (zh) | 2020-11-14 | 2020-11-14 | 一种搅拌设备轴承状态在线监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112229634A true CN112229634A (zh) | 2021-01-15 |
CN112229634B CN112229634B (zh) | 2021-10-29 |
Family
ID=74124808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011273615.3A Active CN112229634B (zh) | 2020-11-14 | 2020-11-14 | 一种搅拌设备轴承状态在线监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112229634B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205879560U (zh) * | 2016-07-01 | 2017-01-11 | 中国石油大学(北京) | 振动故障诊断装置 |
CN107670612A (zh) * | 2016-09-30 | 2018-02-09 | 青岛大学 | 一种多传感器监控的搅拌化工机械系统 |
US20190310129A1 (en) * | 2015-02-23 | 2019-10-10 | Machinesense, Llc | Detecting faults in rotor driven equipment |
CN110415494A (zh) * | 2019-07-25 | 2019-11-05 | 西安因联信息科技有限公司 | 一种基于历史运行数据的设备报警阈值计算方法 |
CN110926809A (zh) * | 2019-06-19 | 2020-03-27 | 山西大学 | 一种基于大数据分析的风电机组传动链故障预警方法 |
WO2020105008A1 (en) * | 2018-11-22 | 2020-05-28 | Eltek S.P.A. | Detection device for bearings |
CN111324083A (zh) * | 2020-03-02 | 2020-06-23 | 西南交通大学 | 一种机械设备关键部件实时监测与预警方法及系统 |
CN111487045A (zh) * | 2019-01-28 | 2020-08-04 | 劳斯莱斯有限公司 | 轴监测系统 |
CN111878323A (zh) * | 2020-08-25 | 2020-11-03 | 浙江运达风电股份有限公司 | 一种基于频谱自相关函数的风力发电机组故障预警方法 |
-
2020
- 2020-11-14 CN CN202011273615.3A patent/CN112229634B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190310129A1 (en) * | 2015-02-23 | 2019-10-10 | Machinesense, Llc | Detecting faults in rotor driven equipment |
CN205879560U (zh) * | 2016-07-01 | 2017-01-11 | 中国石油大学(北京) | 振动故障诊断装置 |
CN107670612A (zh) * | 2016-09-30 | 2018-02-09 | 青岛大学 | 一种多传感器监控的搅拌化工机械系统 |
WO2020105008A1 (en) * | 2018-11-22 | 2020-05-28 | Eltek S.P.A. | Detection device for bearings |
CN111487045A (zh) * | 2019-01-28 | 2020-08-04 | 劳斯莱斯有限公司 | 轴监测系统 |
CN110926809A (zh) * | 2019-06-19 | 2020-03-27 | 山西大学 | 一种基于大数据分析的风电机组传动链故障预警方法 |
CN110415494A (zh) * | 2019-07-25 | 2019-11-05 | 西安因联信息科技有限公司 | 一种基于历史运行数据的设备报警阈值计算方法 |
CN111324083A (zh) * | 2020-03-02 | 2020-06-23 | 西南交通大学 | 一种机械设备关键部件实时监测与预警方法及系统 |
CN111878323A (zh) * | 2020-08-25 | 2020-11-03 | 浙江运达风电股份有限公司 | 一种基于频谱自相关函数的风力发电机组故障预警方法 |
Non-Patent Citations (2)
Title |
---|
石从军: "搅拌器振故障分析与优化改造", 《科技传播》 * |
陈寒雨: "基于设备故障率评估的视情维修研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112229634B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200333777A1 (en) | Abnormality detection method and abnormality detection apparatus | |
CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN109933905A (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
CN111046582A (zh) | 一种核电站柴油发电机组线圈温度预警方法及系统 | |
CN111098463A (zh) | 一种注塑机故障诊断系统及诊断方法 | |
CN116360367A (zh) | 一种工业设备物联网数据采集方法及系统 | |
CN111324083A (zh) | 一种机械设备关键部件实时监测与预警方法及系统 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
CN115372816A (zh) | 基于数据分析的配电开关设备运行故障预测系统及方法 | |
CN116872206A (zh) | 一种基于工业互联网的机器人故障检测方法及系统 | |
CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
CN112229634B (zh) | 一种搅拌设备轴承状态在线监控方法 | |
CN111712771B (zh) | 能够执行问题诊断的数据处理装置以及方法 | |
CN116050716B (zh) | 基于互联网的智慧园区管理控制平台 | |
CN117607780A (zh) | 一种电能计量装置异常分析系统及其分析方法 | |
CN117132243A (zh) | 一种可视化电厂设备监控管理系统 | |
CN110303592B (zh) | 基于震动信息的混凝土生产设备在线故障检测方法及系统 | |
CN112326246A (zh) | 基于周期数据及核密度估计的轴承安全状态在线监测方法 | |
CN113955149B (zh) | 一种电机系统的健康诊断方法和装置 | |
CN113408764B (zh) | 基于数字孪生的产品在线技术状态管控系统 | |
CN108734309A (zh) | 一种大圆机售后维护管理系统及其使用方法 | |
CN114323664A (zh) | 一种燃气轮机燃气振动异常的检测方法 | |
CN104105395A (zh) | 用于回流焊接设备的监控装置及系统 | |
CN109894476B (zh) | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 |
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 |