CN112595537A - 基于信号分析的设备健康状态监控方法、系统及存储介质 - Google Patents
基于信号分析的设备健康状态监控方法、系统及存储介质 Download PDFInfo
- Publication number
- CN112595537A CN112595537A CN202011495990.2A CN202011495990A CN112595537A CN 112595537 A CN112595537 A CN 112595537A CN 202011495990 A CN202011495990 A CN 202011495990A CN 112595537 A CN112595537 A CN 112595537A
- Authority
- CN
- China
- Prior art keywords
- equipment
- service life
- analysis
- load
- monitoring
- 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
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Abstract
本发明涉及一种基于信号分析的设备健康状态监控方法、系统及存储介质,其方法包括:首先,通过设备上的传感器采集设备实际运行过程中产生的各零件的响应信号;其次,对各零件的响应信号进行处理计算,得到各零件的运行边界载荷;再者,通过各零件的运行边界载荷和试验载荷的对比与分析,计算出各零件的剩余使用寿命;最后,分发与显示各零件的剩余使用寿命。本发明提出的技术方案充分发挥模型算法的优势,并利用设备自身传感器和网络通讯等功能,提出一套低成本、适应性很强的设备健康状态监控方法,通过信号处理的方式实现了设备中各零件的剩余使用寿命实时计算。
Description
技术领域
本发明涉及数据分析与监控技术领域,尤其涉及一种基于信号分析的设备健康状态监控方法、系统及存储介质。
背景技术
传统的零件健康状态监控只能根据信号判断目标零件状态的好与坏,即零件要么状态良好,要么状态失效。尽管对于大型复杂设备可以进行快速的故障定位,但是无法准确判定零件使用寿命逐渐减少的渐变过程。由于缺乏预测性,因此无法对零件和设备的健康状态进行主动管理,比如提前进行维护保养,确保设备一直在稳定状态中运行工作。
传统的零件健康状态监控只能对零件进行一对一或者多对一式的定点监控,比如要判断一个零件的状态至少需要对应的一个或者多个传感器进行监控,对于大型的复杂设备或者系统的监控,由于缺乏后台算法支撑,需要布置众多的传感器进行监控,成本昂贵,最终导致推广应用困难。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种基于信号分析的设备健康状态监控方法、系统及存储介质,其解决了传统的零件健康状态监控无法准确判定零件使用寿命的技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种基于信号分析的设备健康状态监控方法,其包括:
S1、通过设备上的传感器采集设备实际运行过程中产生的各零件的响应信号;
S2、对各零件的响应信号进行处理计算,得到各零件的运行边界载荷;
S3、通过各零件的运行边界载荷和试验载荷的对比与分析,计算出各零件的剩余使用寿命;
S4、将各零件的剩余使用寿命分发至本地设备与云端设备,在本地设备中若满足预设的临界门槛值则在本地人机界面中显示;在云端设备中若满足预设的临界门槛值,则将各零件的剩余使用寿命发送至售后服务机构、终端设备以及设备制造商。
可选地,所述设备上的传感器包括用于设备健康监控而布置的健康监控专用传感器以及设备自带的传感器。
可选地,步骤S2包括:
S21、对各零件的响应信号进行数字化采样、标定以及有效性检查,得到经处理的响应信号,并存储在本地存储器;
S22、通过对实物设备经过抽象化分析得出设备数字计算模型;所述抽象化分析包括数学、物理学以及材料学分析;
S23、通过设备通讯网络获取设备所在的地理位置信息以及设备所处位置的气候环境信息;
S24、根据所述经处理的响应信号、设备所在的地理位置信息以及设备所处位置的气候环境信息,通过所述设备数字计算模型处理分析,得到各零件的运行边界载荷。
可选地,所述设备数字计算模型包括数字模型和/或耦合模型;
所述数字模型包括动力学模型、流场热力学模型、振动噪声模型以及电磁场模型;
所述耦合模型为动力学模型、流场热力学模型、振动噪声模型与电磁场模型中至少两种耦合而成的模型。
可选地,所述运行边界载荷包括振动、冲击、温度、湿度、压力、应力与应变。
可选地,步骤S3包括:
S31、将各零件的运行边界载荷与试验载荷进行对比,经过一系列信号处理分析,得出前一信号周期内各零件的损伤当量值;所述信号处理分析包括统计特性分析、程对计数分析、功率谱计算分析、雨流计数分析以及损伤当量值计算分析;
S32、将所述前一信号周期内各零件的损伤当量值依次进行累加,得到截止至目前的各零件的寿命消耗值;
S33、根据所述寿命消耗值,得到各零件的剩余使用寿命。
可选地,步骤S4包括:
S41、将各零件的剩余使用寿命分发至本地存储器与云端存储器;
S42、在本地处理器中判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则在本地人机界面中显示;
S43、在云端处理器中判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则将各零件的剩余使用寿命通过网络传送给售后服务机构、终端设备以及设备制造商。
第二方面,本发明实施例提供一种基于信号分析的设备健康状态监控系统,其包括:
信号采集模块,用于采集设备实际运行过程中产生的各零件的响应信号;所述信号采集模块包括用于设备健康监控而布置的健康监控专用传感器以及设备自带的传感器;
运行边界载荷计算模块,用于对各零件的响应信号进行处理计算,得到各零件的运行边界载荷;
载荷当量数字计算模块,用于将各零件的运行边界载荷与试验载荷进行对比,经过一系列信号处理分析,得出前一信号周期内各零件的损伤当量值;
零件剩余寿命计算模块,用于将所述前一信号周期内各零件的损伤当量值依次进行累加,得到截止至目前的各零件的寿命消耗值,根据所述寿命消耗值,得到各零件的剩余使用寿命;
分发模块,用于将各零件的剩余使用寿命分发至本地存储器与云端存储器;
本地人机界面,用于显示存储在本地存储器的各零件的剩余使用寿命;
临界判断模块包括本地临界判断子模块与云端判断子模块;
所述本地临界判断子模块用于判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则在本地人机界面显示存储在本地存储器的各零件的剩余使用寿命;
所述云端判断子模块用于判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则将云端和网络上的存储器中的各零件的剩余使用寿命通过网络传送给售后服务机构、终端设备以及设备制造商。
可选地,所述载荷当量数字计算模块包括程对计数单元、功率谱计算单元、雨流计数单元、损伤当量值计算单元以及统计特性计算单元;
所述程对计数单元用于计算输入的一个信号周期的运行边界载荷和全部试验载荷的程对计数;
所述功率谱计算单元用于计算输入的各零件的运行边界载荷和试验载荷的功率谱;
所述雨流计数单元用于计算输入的各零件的运行边界载荷和试验载荷的雨流计数;
所述统计特性计算单元用于统计输入的各零件的运行边界载荷和试验载荷的最大值、最小值、平均值、标准差以及均方根值,得到统计特性;
所述损伤当量值计算单元用于根据程对计数、雨流计数、功率谱以及统计特性,并结合零件的载荷-寿命曲线,得到前一信号周期内各零件的损伤当量值。
第三方面,本发明实施例提供一种非暂态计算机可读存储介质,其特征在于,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如上所述的一种基于信号分析的设备健康状态监控方法。
(三)有益效果
本发明的有益效果是:本发明提出的技术方案充分发挥模型算法的优势,并利用设备自身传感器和网络通讯等功能,提出一套低成本、适应性很强的设备健康状态监控方法,通过信号分析的方式实现了设备全部零件或关键零件的实时剩余使用寿命计算。同时本发明还将设备的健康状态实时反馈给用户、售后服务商、设备制造商,实现信息的实时共享,用户可以主动制定保养计划,售后服务商可以提前订购备件,制造商可以更准确的设计开发下一代产品,从而实现产品设计制造、使用运行和维护保养等形成更加有效的闭环。
附图说明
图1为本发明提供的一种基于信号分析的设备健康状态监控方法的流程示意图;
图2为本发明提供的一种基于信号分析的设备健康状态监控方法的具体处理过程示意图;
图3为本发明提供的一种基于信号分析的设备健康状态监控方法的步骤S2的具体流程示意图;
图4为本发明提供的一种基于信号分析的设备健康状态监控方法的零件运行边界载荷计算原理图;
图5为本发明提供的一种基于信号分析的设备健康状态监控方法的步骤S3的具体流程示意图;
图6为本发明提供的一种基于信号分析的设备健康状态监控方法的步骤S4的具体流程示意图;
图7为本发明提供的一种基于信号分析的设备健康状态监控系统的组成示意图;
图8为本发明提供的一种基于信号分析的设备健康状态监控系统的零件剩余使用寿命计算原理图。
【附图标记说明】
100:设备健康状态监控系统;110:信号采集模块;120:运行边界载荷计算模块;130:载荷当量数字计算模块;140:零件剩余寿命计算模块;150:分发模块;160:本地人机界面;170:临界判断模块。
具体实施方式
为了更好地解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本发明实施例提出的一种基于信号分析的设备健康状态监控方法,图1为本发明提供的一种基于信号分析的设备健康状态监控方法的流程示意图,如图1所示,流程为:首先,通过设备上的传感器采集设备实际运行过程中产生的各零件的响应信号;其次,对各零件的响应信号进行处理计算,得到各零件的运行边界载荷;再者,通过各零件的运行边界载荷和试验载荷的对比与分析,计算出各零件的剩余使用寿命;最后,将各零件的剩余使用寿命分发至本地设备与云端设备,在本地设备中若满足预设的临界门槛值则在本地人机界面160中显示;在云端设备中若满足预设的临界门槛值,则将各零件的剩余使用寿命发送至售后服务机构、终端设备以及设备制造商。
本发明提出的技术方案充分发挥模型算法的优势,并利用设备自身传感器和网络通讯等功能,提出一套低成本、适应性很强的设备健康状态监控方法,通过信号分析的方式实现了设备全部零件或关键零件的实时剩余使用寿命计算。同时本发明还将设备的健康状态实时反馈给用户、售后服务商、设备制造商,实现信息的实时共享,用户可以主动制定保养计划,售后服务商可以提前订购备件,制造商可以更准确的设计开发下一代产品,从而实现产品设计制造、使用运行和维护保养等形成更加有效的闭环。
为了更好地理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图2为本发明提供的一种基于信号分析的设备健康状态监控方法的具体处理过程示意图,如图2所示,在本发明实施例中,本地设备包括设备上的传感器、本地处理器、本地存储器以及本地人机界面160,云端设备包括云端处理器以及云端存储器,云端设备与本地设备通过通讯网络连接。
具体地,方法的具体处理过程包括:
S1、通过设备上的传感器采集设备实际运行过程中产生的各零件的响应信号。
其中,设备上的传感器包括用于设备健康监控而布置的健康监控专用传感器,以及设备自带的传感器,为实现设备其他运行功能的传感器。传感器是单个传感器或多个传感器构成的系列传感器组,传感器的种类包括温度、湿度、光照、压力、振动、应力、应变与变形。
S2、对各零件的响应信号进行处理计算,得到各零件的运行边界载荷。
图3为本发明提供的一种基于信号分析的设备健康状态监控方法的步骤S2的具体流程示意图,如图3所示,步骤S2包括:
S21、对各零件的响应信号进行数字化采样、标定以及有效性检查,得到经处理的响应信号,并存储在设备上的本地存储器。
S22、通过对实物设备经过抽象化分析得出设备数字计算模型,抽象化分析包括数学、物理学以及材料学分析。该设备数字计算模型是在本地处理器上经过对实物设备经过一系列的数学、物理学、材料学等抽象化得出。
S23、通过设备通讯网络获取设备所在的地理位置信息以及设备所处位置的气候环境信息。
S24、根据经处理的响应信号、设备所在的地理位置信息以及设备所处位置的气候环境信息,通过设备数字计算模型处理分析,得到各零件的运行边界载荷。
为了能全面计算出设备运行过程中各零件的运行边界载荷,在本发明实施例中提出基于有限数量信号输入,并融合算法模型的系统解决方案。图4为本发明提供的一种基于信号分析的设备健康状态监控方法的零件运行边界载荷计算原理图,如图4所示。设备数字计算模型设备数字计算模型包括数字模型和/或耦合模型。数字模型包括动力学模型、流场热力学模型、振动噪声模型以及电磁场模型;耦合模型为动力学模型、流场热力学模型、振动噪声模型与电磁场模型中至少两种耦合而成的模型。动力学模型以设备构成的力学原理为基础,通过计算机程序语言为基础编写的动力学计算程序,程序语言包括C,C++,Python,TCL,以及可以实现同样功能的其他程序语言;或者以商业软件为基础构建的动力学模型,商业软件包括adams,matlab,virtual.lab,以及其他具有同类功能的其他软件。流场热力学模型是以设备的结构为基础,通过计算机程序语言为基础编写的流场热力学计算程序,程序语言包括C,C++,Python,TCL,以及可以实现同样功能的其他程序语言;或者以商业软件为基础构建的动力学模型,商业软件包括adams,matlab,Nastran,以及其他具有同类功能的其他软件。振动噪声模型是以设备的结构为基础,通过计算机程序语言为基础编写的振动噪声计算程序,程序语言包括C,C++,Python,TCL,以及可以实现同样功能的其他程序语言;或者以商业软件为基础构建的振动噪声模型,商业软件包括adams,matlab,Nastran,以及其他具有同类功能的其他软件。电磁场模型是以设备的结构为基础,通过计算机程序语言为基础编写的电磁场计算程序,程序语言包括C,C++,Python,TCL,以及可以实现同样功能的其他程序语言;或者以商业软件为基础构建的电磁场模型,商业软件包括adams,matlab,Nastran,以及其他具有同类功能的其他软件。
进一步地,边界载荷条件包括振动、冲击、温度、湿度、压力、应力与应变。
输入设备数字计算模型的信号来源是多样的,既包括设备自身的传感器,也包括专门为设备健康监控的传感器,以及通过设备网络系统获得的设备所在的位置信息、设备所处环境的温度、湿度和光照等气候环境信息。
S3、通过各零件的运行边界载荷和试验载荷的对比与分析,计算出各零件的剩余使用寿命。试验载荷是在设备设计开发过程中该零件在试验室进行认可试验时得到的。
图5为本发明提供的一种基于信号分析的设备健康状态监控方法的步骤S3的具体流程示意图,如图5所示,步骤S3包括:
S31、将各零件的运行边界载荷与试验载荷进行对比,经过一系列信号处理分析,得出前一信号周期内各零件的损伤当量值。信号处理分析包括统计特性分析、程对计数分析、功率谱计算分析、雨流计数分析以及损伤当量值计算分析。
零件使用过程中使用寿命消耗与受到的载荷信号强弱有关,同时也与所受载荷的时间长短有关;前一信号周期内各零件的损伤当量值就是指某一时间段内的信号与其对应的零件使用寿命消耗值之间的数量关系;比如车辆行驶过一段颠簸路面,消耗掉其中某一零件设计使用寿命的0.01%等。
S32、将前一信号周期内各零件的损伤当量值依次进行累加,得到截止至目前的各零件的寿命消耗值。
S33、根据寿命消耗值,得到各零件的剩余使用寿命。剩余使用寿命=整个装置的使用寿命-寿命消耗值。
S4、将各零件的剩余使用寿命分发至本地设备与云端设备,在本地设备中若满足预设的临界门槛值则在本地人机界面160中显示;在云端设备中若满足预设的临界门槛值,则将各零件的剩余使用寿命发送至售后服务机构、终端设备、设备制造商以及其他相关设备和组织结构。
零件在设计开发过程通过计算机仿真计算,或者试验验证获得的零件可以使用的总寿命,或者是根据上述两者结果重新定义的使用总寿命;这里的临界门槛值是上述总寿命的一定百分比,比如5%或者其他定义的百分比值;零件在客户的使用过程中这个剩余使用寿命数值不断下降,当低于上述门槛值时就在本地人机界面中显示。
图6为本发明提供的一种基于信号分析的设备健康状态监控方法的步骤S4的具体流程示意图,如图6所示,步骤S4包括:
S41、将各零件的剩余使用寿命分发至本地存储器与云端存储器。
S42、在本地处理器中判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则在本地人机界面160中显示。
S43、在云端存储器中判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则将各零件的剩余使用寿命通过网络传送给售后服务机构、终端设备、设备制造商以及其他相关设备和组织结构。
在本发明一实施例中,上述步骤S2和步骤S3的工作也可以全部在云端或网络端的存储器和处理器中完成,并将计算得到零件剩余使用寿命保存在云端和网络上的存储器,若是达到临界门槛值,就将零件剩余使用寿命通过网络传送给售后服务机构、用户其他的终端设备、设备制造商,设备本地的人机界面,以及其他相关设备和组织结构。
接着,本发明提供一种基于信号分析的设备健康状态监控系统100,图7为本发明提供的一种基于信号分析的设备健康状态监控系统的组成示意图,如图7所示,系统包括:
信号采集模块110,用于采集设备实际运行过程中产生的各零件的响应信号;信号采集模块110包括用于设备健康监控而布置的健康监控专用传感器以及设备自带的传感器。
运行边界载荷计算模块120,用于对各零件的响应信号进行处理计算,得到各零件的运行边界载荷。
载荷当量数字计算模块130,用于将各零件的运行边界载荷与试验载荷进行对比,经过一系列信号处理分析,得出前一信号周期内各零件的损伤当量值。为了全面计算出设备各零件当前的剩余使用寿命,本系统方案提出以设备研发过程中零件认可试验载荷为参考基准,融合信号当量算法模型的解决方案。图8为本发明提供的一种基于信号分析的设备健康状态监控系统的零件剩余使用寿命计算原理图,如图8所示,在载荷当量数字计算模块130中将各零件的运行边界载荷与各零件的试验载荷进行对比分析,得出前一信号周期内各零件的损伤当量值。接着,将该前一信号周期内各零件的损伤当量值发送到零件剩余寿命计算模块140中进行各零件的剩余使用寿命的计算。
零件剩余寿命计算模块140,用于将前一信号周期内各零件的损伤当量值依次进行累加,得到截止至目前的各零件的寿命消耗值,根据寿命消耗值,得到各零件的剩余使用寿命。
分发模块150,用于将各零件的剩余使用寿命分发至本地存储器与云端存储器。
本地人机界面160,用于显示存储在本地存储器的各零件的剩余使用寿命。
临界判断模块170包括本地临界判断子模块与云端判断子模块。
本地临界判断子模块用于判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则在本地人机界面160显示存储在本地存储器的各零件的剩余使用寿命。
云端判断子模块用于判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则将云端和网络上的存储器中的各零件的剩余使用寿命数据通过网络传送给售后服务机构、终端设备、设备制造商以及其他相关设备和组织结构。
进一步地,载荷当量数字计算模块130基于信号处理技术建立,载荷当量数字计算模块130包括程对计数单元、功率谱计算单元、雨流计数单元、损伤当量值计算单元以及统计特性计算单元。程对计数单元是将幅值随时间变化的信号转变为不同幅量程下的计算模块,即横坐标为幅值量程,纵坐标为各幅值量程下的次数;可以通过计算机程序语言编程实现,也可以利用商业软件计算得到;该模块单元的输入信号是零件实际运行的一个信号周期运行边界载荷和全部试验载荷,输出信号是对应的程对计数结果。功率谱计算单元是将时域信号通过傅里叶变化,转换为信号的频率域特征的计算模块,反应信号在不同频率下的变化特征;可以通过计算机程序语言编程实现,也可以利用商业软件计算得到;该模块单元的输入信号是零件实际运行的一个信号周期运行边界载荷和全部试验载荷,输出信号是对应的功率谱结果。雨流计数单元是将时域信号转化为幅值域的循环计数模块,可以使信号反映出材料变形的迟滞特性;可以通过计算机程序语言编程实现,也可以利用商业软件计算得到;该模块单元的输入信号是零件实际运行的一个信号周期运行边界载荷和全部试验载荷,输出信号是对应的雨流计数结果。统计特性计算单元,计算信号的最大值、最小值、平均值、标准差、均方根值等,可以通过计算机程序语言编程实现,也可以利用商业软件计算得到;该模块单元的输入信号是零件实际运行的一个信号周期运行边界载荷和全部试验载荷,输出信号是对应的统计特性结果。损伤当量值计算单元是以零件实际运行的一个信号周期运行边界载荷和全部试验载荷的程对计数、雨流计数、功率谱和统计特性等结果为输入,结合零件的载荷-寿命曲线,计算得到零件的一个信号周期内的损伤当量值,并输出该损伤值结果,包括真实客观的损伤当量值,也包括基于假设的载荷-寿命曲线计算得到的伪损伤当量值;零件的载荷-寿命曲线,反应的是零件在不同幅值的循环载荷作用下零件寿命的变化特性,也可以表述为某一个特定幅值的循环载荷在零件上作用一次对零产生的损伤值变化特性,且寿命随载荷幅值增大而降低,在作用次数相同条件下载荷幅值越大造成的损伤越大,与零件的材料、工艺和结构等密切相关;可以通过计算机程序语言编程实现,也可以利用商业软件计算得到。零件的运行边界载荷首先经过程对计数单元、功率谱计算单元、雨流计数单元、统计特性计算单元进行处理,上述处理过程不分先后顺序;之后将上述处理结果和零件的载荷-寿命曲线再输入损伤值计算单元,计算得到零件损伤值结果。
此外,本发明还提供一种非暂态计算机可读存储介质,其特征在于,包括:至少一个处理器;以及与处理器通信连接的至少一个存储器,其中,存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行如上所述的一种基于信号分析的设备健康状态监控方法。
综上所述,本发明公开了一种基于信号分析的设备健康状态监控方法、系统及存储介质,本发明构建的设备数字计算模型可以根据有限数量的输入信息,实现整个设备运行状态的计算,并进一步分解出所有零件或关键零件的运行边界载荷;与传统通过大量传感器点对点式的零件边界载荷获取相比较,其成本优势非常明显。同时,作为设备数字计算模型的输入信息来源是多种多样的,包括设备自身的传感器,也包括专门为设备健康监控的传感器,以及通过设备网络系统获得的设备所在的位置信息、设备所处环境的温度、湿度和光照等气候环境信息等;其最大优势是充分利用设备自身可以获取的各种信号,避免过多额外传感器的布置。本发明通过自动对比与处理各零件的试验载荷和边界运行载荷,然后得出零件的剩余使用寿命,是一种基于载荷数据库和当前实时载荷的自动当量算法,无需任何硬件即可实现健康寿命评估。
本发明技术方案,充分利用算法模型的优势与当前设备自身的特点,比如会配备越来越多的传感器,都有联网通讯功能等;仅需要极少额外传感器或者不需要额外传感器,就可以实现零件健康寿命监控,适应性、可实施性和成本控制等方面都有极大的优势。
由于本发明上述实施例所描述的系统/装置,为实施本发明上述实施例的方法所采用的系统/装置,故而基于本发明上述实施例所描述的方法,本领域所属技术人员能够了解该系统/装置的具体结构及变形,因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (10)
1.一种基于信号分析的设备健康状态监控方法,其特征在于,包括:
S1、通过设备上的传感器采集设备实际运行过程中产生的各零件的响应信号;
S2、对各零件的响应信号进行处理计算,得到各零件的运行边界载荷;
S3、通过各零件的运行边界载荷和试验载荷的对比与分析,计算出各零件的剩余使用寿命;
S4、将各零件的剩余使用寿命分发至本地设备与云端设备,在本地设备中若满足预设的临界门槛值则在本地人机界面中显示;在云端设备中若满足预设的临界门槛值,则将各零件的剩余使用寿命发送至售后服务机构、终端设备以及设备制造商。
2.如权利要求1所述的一种基于信号分析的设备健康状态监控方法,其特征在于,所述设备上的传感器包括用于设备健康监控而布置的健康监控专用传感器以及设备自带的传感器。
3.如权利要求1所述的一种基于信号分析的设备健康状态监控方法,其特征在于,步骤S2包括:
S21、对各零件的响应信号进行数字化采样、标定以及有效性检查,得到经处理的响应信号,并存储在本地存储器;
S22、通过对实物设备经过抽象化分析得出设备数字计算模型;所述抽象化分析包括数学、物理学以及材料学分析;
S23、通过设备通讯网络获取设备所在的地理位置信息以及设备所处位置的气候环境信息;
S24、根据所述经处理的响应信号、设备所在的地理位置信息以及设备所处位置的气候环境信息,通过所述设备数字计算模型处理分析,得到各零件的运行边界载荷。
4.如权利要求3所述的一种基于信号分析的设备健康状态监控方法,其特征在于,所述设备数字计算模型包括数字模型和/或耦合模型;
所述数字模型包括动力学模型、流场热力学模型、振动噪声模型以及电磁场模型;
所述耦合模型为动力学模型、流场热力学模型、振动噪声模型与电磁场模型中至少两种耦合而成的模型。
5.如权利要求3所述的一种基于信号分析的设备健康状态监控方法,其特征在于,所述运行边界载荷包括振动、冲击、温度、湿度、压力、应力与应变。
6.如权利要求3所述的一种基于信号分析的设备健康状态监控方法,其特征在于,步骤S3包括:
S31、将各零件的运行边界载荷与试验载荷进行对比,经过一系列信号处理分析,得出前一信号周期内各零件的损伤当量值;所述信号处理分析包括统计特性分析、程对计数分析、功率谱计算分析、雨流计数分析以及损伤当量值计算分析;
S32、将所述前一信号周期内各零件的损伤当量值依次进行累加,得到截止至目前的各零件的寿命消耗值;
S33、根据所述寿命消耗值,得到各零件的剩余使用寿命。
7.如权利要求6所述的一种基于信号分析的设备健康状态监控方法,其特征在于,步骤S4包括:
S41、将各零件的剩余使用寿命分发至本地存储器与云端存储器;
S42、在本地处理器中判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则在本地人机界面中显示;
S43、在云端处理器中判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则将各零件的剩余使用寿命通过网络传送给售后服务机构、终端设备以及设备制造商。
8.一种基于信号分析的设备健康状态监控系统,其特征在于,包括:
信号采集模块,用于采集设备实际运行过程中产生的各零件的响应信号;所述信号采集模块包括用于设备健康监控而布置的健康监控专用传感器以及设备自带的传感器;
运行边界载荷计算模块,用于对各零件的响应信号进行处理计算,得到各零件的运行边界载荷;
载荷当量数字计算模块,用于将各零件的运行边界载荷与试验载荷进行对比,经过一系列信号处理分析,得出前一信号周期内各零件的损伤当量值;
零件剩余寿命计算模块,用于将所述前一信号周期内各零件的损伤当量值依次进行累加,得到截止至目前的各零件的寿命消耗值,根据所述寿命消耗值,得到各零件的剩余使用寿命;
分发模块,用于将各零件的剩余使用寿命分发至本地存储器与云端存储器;
本地人机界面,用于显示存储在本地存储器的各零件的剩余使用寿命;
临界判断模块包括本地临界判断子模块与云端判断子模块;
所述本地临界判断子模块用于判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则在本地人机界面显示存储在本地存储器的各零件的剩余使用寿命;
所述云端判断子模块用于判断各零件的剩余使用寿命是否达到临界门槛值,若是达到临界门槛值,则将云端和网络上的存储器中的各零件的剩余使用寿命通过网络传送给售后服务机构、终端设备以及设备制造商。
9.如权利要求8所述的一种基于信号分析的设备健康状态监控系统,其特征在于,所述载荷当量数字计算模块包括程对计数单元、功率谱计算单元、雨流计数单元、损伤当量值计算单元以及统计特性计算单元;
所述程对计数单元用于计算输入的一个信号周期的运行边界载荷和全部试验载荷的程对计数;
所述功率谱计算单元用于计算输入的各零件的运行边界载荷和试验载荷的功率谱;
所述雨流计数单元用于计算输入的各零件的运行边界载荷和试验载荷的雨流计数;
所述统计特性计算单元用于统计输入的各零件的运行边界载荷和试验载荷的最大值、最小值、平均值、标准差以及均方根值,得到统计特性;
所述损伤当量值计算单元用于根据程对计数、雨流计数、功率谱以及统计特性,并结合零件的载荷-寿命曲线,得到前一信号周期内各零件的损伤当量值。
10.一种非暂态计算机可读存储介质,其特征在于,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一项所述的一种基于信号分析的设备健康状态监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011495990.2A CN112595537B (zh) | 2020-12-17 | 2020-12-17 | 基于信号分析的设备健康状态监控方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011495990.2A CN112595537B (zh) | 2020-12-17 | 2020-12-17 | 基于信号分析的设备健康状态监控方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112595537A true CN112595537A (zh) | 2021-04-02 |
CN112595537B CN112595537B (zh) | 2023-03-21 |
Family
ID=75196968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011495990.2A Active CN112595537B (zh) | 2020-12-17 | 2020-12-17 | 基于信号分析的设备健康状态监控方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112595537B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855496A (zh) * | 2022-12-01 | 2023-03-28 | 广州汽车集团股份有限公司 | 车辆轮毂轴承的剩余寿命监控方法、装置、设备及介质 |
US11867594B2 (en) | 2021-09-23 | 2024-01-09 | Yantai Jereh Petroleum Equipment & Technologies Co., Ltd. | Evaluation method and evaluation device of health state of well site equipment, and storage medium |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003270060A (ja) * | 2002-03-14 | 2003-09-25 | Nec Corp | 応力ひずみ解析システム及びそれに用いる応力ひずみ解析方法並びにそのプログラム |
DE10257793A1 (de) * | 2002-12-11 | 2004-07-22 | Daimlerchrysler Ag | Modellbasierter Lebensdauerbeobachter |
JP2004324598A (ja) * | 2003-04-28 | 2004-11-18 | Mazda Motor Corp | エンジン部品の破壊予測方法、破壊予測システム及びその制御プログラム |
CN105718633A (zh) * | 2016-01-15 | 2016-06-29 | 重庆长安汽车股份有限公司 | 一种底盘件的载荷分析方法 |
CN105784339A (zh) * | 2016-02-24 | 2016-07-20 | 安徽工业大学 | 非线性结构零件损伤循环计数方法及其疲劳寿命分析方法 |
WO2018044507A1 (en) * | 2016-08-29 | 2018-03-08 | Siemens Corporation | Machine learning-aided model-based method for estimating gas turbine component life |
CN107843369A (zh) * | 2016-09-19 | 2018-03-27 | 舍弗勒技术股份两合公司 | 轴承实时动态载荷的监测方法及装置、轴承寿命评估方法 |
GB201802408D0 (en) * | 2018-02-14 | 2018-03-28 | Stratec Biomedical Ag | Sensor based instrument health monitoring |
WO2018101248A1 (ja) * | 2016-12-02 | 2018-06-07 | 三菱日立パワーシステムズ株式会社 | 機器状態推定装置、機器状態推定方法およびプログラム |
CN109556863A (zh) * | 2018-06-13 | 2019-04-02 | 南京工业大学 | 一种基于mspao-vmd的大型转盘轴承微弱振动信号采集与处理方法 |
CN109948860A (zh) * | 2019-03-26 | 2019-06-28 | 哈工大机器人(合肥)国际创新研究院 | 一种机械系统剩余寿命预测方法及系统 |
CN110259433A (zh) * | 2019-06-28 | 2019-09-20 | 宝鸡石油机械有限责任公司 | 一种实体钻机数字化监测方法 |
CN111931393A (zh) * | 2019-04-28 | 2020-11-13 | 沈阳工业大学 | 一种废旧机床关键零件剩余寿命预测评估方法 |
CN111950163A (zh) * | 2020-08-20 | 2020-11-17 | 上海电气风电集团股份有限公司 | 一种风力叶片疲劳寿命监测方法 |
-
2020
- 2020-12-17 CN CN202011495990.2A patent/CN112595537B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003270060A (ja) * | 2002-03-14 | 2003-09-25 | Nec Corp | 応力ひずみ解析システム及びそれに用いる応力ひずみ解析方法並びにそのプログラム |
DE10257793A1 (de) * | 2002-12-11 | 2004-07-22 | Daimlerchrysler Ag | Modellbasierter Lebensdauerbeobachter |
JP2004324598A (ja) * | 2003-04-28 | 2004-11-18 | Mazda Motor Corp | エンジン部品の破壊予測方法、破壊予測システム及びその制御プログラム |
CN105718633A (zh) * | 2016-01-15 | 2016-06-29 | 重庆长安汽车股份有限公司 | 一种底盘件的载荷分析方法 |
CN105784339A (zh) * | 2016-02-24 | 2016-07-20 | 安徽工业大学 | 非线性结构零件损伤循环计数方法及其疲劳寿命分析方法 |
WO2018044507A1 (en) * | 2016-08-29 | 2018-03-08 | Siemens Corporation | Machine learning-aided model-based method for estimating gas turbine component life |
CN107843369A (zh) * | 2016-09-19 | 2018-03-27 | 舍弗勒技术股份两合公司 | 轴承实时动态载荷的监测方法及装置、轴承寿命评估方法 |
WO2018101248A1 (ja) * | 2016-12-02 | 2018-06-07 | 三菱日立パワーシステムズ株式会社 | 機器状態推定装置、機器状態推定方法およびプログラム |
GB201802408D0 (en) * | 2018-02-14 | 2018-03-28 | Stratec Biomedical Ag | Sensor based instrument health monitoring |
CN109556863A (zh) * | 2018-06-13 | 2019-04-02 | 南京工业大学 | 一种基于mspao-vmd的大型转盘轴承微弱振动信号采集与处理方法 |
CN109948860A (zh) * | 2019-03-26 | 2019-06-28 | 哈工大机器人(合肥)国际创新研究院 | 一种机械系统剩余寿命预测方法及系统 |
CN111931393A (zh) * | 2019-04-28 | 2020-11-13 | 沈阳工业大学 | 一种废旧机床关键零件剩余寿命预测评估方法 |
CN110259433A (zh) * | 2019-06-28 | 2019-09-20 | 宝鸡石油机械有限责任公司 | 一种实体钻机数字化监测方法 |
CN111950163A (zh) * | 2020-08-20 | 2020-11-17 | 上海电气风电集团股份有限公司 | 一种风力叶片疲劳寿命监测方法 |
Non-Patent Citations (2)
Title |
---|
俞进辉等: "基于WLAN的港口机械设备远程监控系统开发", 《机械设计与制造》 * |
胡效东等: "变压吸附器疲劳裂纹扩展剩余寿命的研究", 《热加工工艺》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11867594B2 (en) | 2021-09-23 | 2024-01-09 | Yantai Jereh Petroleum Equipment & Technologies Co., Ltd. | Evaluation method and evaluation device of health state of well site equipment, and storage medium |
CN115855496A (zh) * | 2022-12-01 | 2023-03-28 | 广州汽车集团股份有限公司 | 车辆轮毂轴承的剩余寿命监控方法、装置、设备及介质 |
CN115855496B (zh) * | 2022-12-01 | 2024-04-12 | 广州汽车集团股份有限公司 | 车辆轮毂轴承的剩余寿命监控方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112595537B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112595537B (zh) | 基于信号分析的设备健康状态监控方法、系统及存储介质 | |
CN109844666A (zh) | 用于车内预测性故障检测的系统和方法 | |
CN109001640B (zh) | 一种动力电池的数据处理方法和装置 | |
US20200122656A1 (en) | Parametric data modeling for model based reasoners | |
US9606902B2 (en) | Malfunction influence evaluation system and evaluation method using a propagation flag | |
US20180232964A1 (en) | Vehicle component failure prevention | |
CN115356639B (zh) | 一种双向锂离子电池智能健康监控方法及系统 | |
CN102446135A (zh) | 软件质量的检测方法 | |
JP2018531458A (ja) | ガソリンスタンドpoiの自動発見方法、自動発見装置、及び記憶媒体と機器 | |
JP2018531458A6 (ja) | ガソリンスタンドpoiの自動発見方法、自動発見装置、及び記憶媒体と機器 | |
CN109964182A (zh) | 用于车辆分析的方法和系统 | |
CN115422696A (zh) | 一种模组数字孪生模型建立方法、系统、终端和介质 | |
CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
JP2014085335A (ja) | プラットフォーム健全性監視システム | |
CN114995346A (zh) | 一种发动机电气诊断标定方法、装置、设备及介质 | |
CN117235664A (zh) | 配电通信设备的故障诊断方法、系统和计算机设备 | |
CN104091047A (zh) | 基于交通时空信息的交通流缺失数据估算系统及方法 | |
Mekki et al. | Diagnosis of switching systems using hybrid bond graph | |
CN113030748A (zh) | 一种电池数据管理方法及装置 | |
CN115080445B (zh) | 一种游戏测试管理方法及其系统 | |
CN115456168B (zh) | 强化学习模型的训练方法、能耗确定方法和装置 | |
Smarsly et al. | Real-time monitoring of wind energy converters based on software agents | |
CN117370897B (zh) | 道路健康状态检测方法、电子设备和计算机可读介质 | |
CN114791954A (zh) | 设备故障诊断方法及装置 | |
Kirillov et al. | Theoretical models and market architecture of PHM monitoring systems |
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 |