CN113359562B - 电机智能润滑系统 - Google Patents
电机智能润滑系统 Download PDFInfo
- Publication number
- CN113359562B CN113359562B CN202110681183.8A CN202110681183A CN113359562B CN 113359562 B CN113359562 B CN 113359562B CN 202110681183 A CN202110681183 A CN 202110681183A CN 113359562 B CN113359562 B CN 113359562B
- Authority
- CN
- China
- Prior art keywords
- motor
- oil
- oiling
- bearing
- fault
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于电机技术领域,尤其是电机智能润滑系统,包括润滑系统、电机、自动注油机、智能终端和云平台,所述自动注油机包括有注油模块、储油模块、显示模块、第一通信模块和第一中控模块,所述智能终端包括有采集模块、中控模块、第二通信模块和第二显示模块,所述云平台包括有第三通信模块、存储模块、第三显示模块、处理模块,所述自动注油机为电机注油润滑,且电机和自动注油机均采集数据并反馈到智能终端,所述智能终端智能控制自动注油机的注油量。本发明通过智能终端采集电机与注油机数据,并对电机轴承是否缺油进行判断及预测,进而控制注油机完成自动注油;并对电机及注油机进行状态监测与故障诊断。
Description
技术领域
本发明涉及电机技术领域,尤其涉及电机智能润滑系统。
背景技术
设备润滑引起的设备故障可占设备各类机械故障的70%以上,电机因为润滑不当造成的轴承损坏更为常见,究其原因,一方面是设备管理人员对润滑的重视程度不够,另一方面是缺乏相应的知识和解决手段。脂润滑电机轴承的损坏很多情况下是因为润滑不良造成的,但是加脂过度导致的密封失效和轴承烧毁也经常出现。
现有注油机是定时定量注油,或者对轴承改造来实现油液高度的监测,通过设定油液高度的上下限来控制自动注油与注油量。此方式需要对轴承改造,会破坏轴承结构稳定性;监测油液高度的方式应用范围局限于润滑油液位可监测轴承,应用范围小。
发明内容
基于背景技术中提出的有注油机是定时定量注油,或者对轴承改造来实现油液高度的监测,通过设定油液高度的上下限来控制自动注油与注油量。此方式需要对轴承改造,会破坏轴承结构稳定性;监测油液高度的方式应用范围局限于润滑油液位可监测轴承,应用范围小的技术问题,本发明提出了电机智能润滑系统。
本发明提出的电机智能润滑系统,包括润滑系统、电机、自动注油机、智能终端和云平台,所述自动注油机包括有注油模块、储油模块、显示模块、第一通信模块和第一中控模块,所述智能终端包括有采集模块、中控模块、第二通信模块和第二显示模块,所述云平台包括有第三通信模块、存储模块、第三显示模块、处理模块,所述自动注油机为电机注油润滑,且电机和自动注油机均采集数据并反馈到智能终端,所述智能终端智能控制自动注油机的注油量,所述智能终端将数据上传至云平台,且云平台将命令下发至智能终端,所述云平台将数据展示到PC与APP,并且云平台将电机、注油机状态监测的异常进行报警PC与APP,所述润滑系统包括有状态监测、电机故障诊断和自动注油三个功能。
优选地,所述状态监测:所述润滑系统在实现自动注油的同时,可通过PC与APP对电机与注油机进行信息维护与状态显示,实现电机与注油机的运行状态监测及预警,且状态监测包括有注油机监测和电机监测两个方面;
所述注油机监测:终端与平台对注油机的状态参数进行实时监测,主要包括运行模式、总加油次数、上电以来工作时长、WDT跑飞次数、开机状态、通讯状态、油量状态、外部电压、油路状态等信息,对能反应注油机故障问题的参数设定阈值,实现报警。
优选地,所述电机监测:
(1)监测阈值:对电机的温度、振动、电气等参数进行实时监测,并对电机状态有影响的因素设定硬阈值,当超过设定阈值则报警推送;设定的硬阈值无法满足不同工况的故障预警,因此需要对电机分工况进行阈值监测,以电机运行转速、负载为依据对电机分工况,在不同工况下对电机状态指标进行学习,得到不同工况电机正常运行的状态值,以此值按照不同比例得到电机软阈值;
(2)监测报警:所述润滑系统得知电机或注油机存在异常时,会通过所述PC与APP报警推送给相关人员,智能终端与注油机本身也有蜂鸣与三色灯的报警,快速引起相关人员关注,防止重大事故的发生。
优选地,所述电机故障诊断:监测的电机指标出现报警,则代表出现了电机故障,既可能是缺油故障,也可能是电机部件的故障。所述电机故障诊断包括有阈值比较及辅助诊断、专家知识诊断和机器学习诊断。
优选地,所述阈值比较及辅助诊断:阈值比较就是利用状态监测中设定的硬阈值和软阈值来实现的故障诊断,阈值比较故障诊断稳定性较高,但无法判断出是哪种故障,需要诊断专家通过历史指标及频谱图来辅助诊断,确定详细的故障类型,这是故障诊断的第一阶段;
专家知识诊断:通过阈值比较得到电机故障后,专家在通过历史指标及频谱图诊断出详细故障类型过程所运用的逻辑称为专家知识,将专家知识组织交叉判断逻辑,其中的比较逻辑依旧采用硬阈值和软阈值结合的方式,最终实现故障的判断,这是故障诊断的第二阶段。
优选地,所述机器学习诊断:上述的阈值比较和专家知识的故障诊断都存在阈值设定问题,即使是分工况得到的软阈值,也只是一个数值,并不是一个动态的范围,而且专家知识的多个特征交叉判断是很复杂且低效的,机器学习则可以解决这些问题;利用积累的故障标签数据,运用多分类机器学习算法,对各种故障数据进行学习,得到电机的故障诊断模型,采集的数据通过故障诊断模型就可判断出电机的健康状态,此方式的诊断准确性很大程度依赖标签数据的数量和质量,若只存在正常状态数据,则可利用单分类算法解决,这一层的诊断需要在平台层进行,这是故障诊断的第三阶段。
优选地,所述注自动注油:润滑系统的控制体现在两个方面,首先平台可以人工控制注油机的动作,包括开始注油与停止注油;然后所述智能终端与云平台判断是否缺油来控制注油机是否注油,注油机接收到终端与平台命令后自动完成注油动作,且在注油机离线状态下可以按照本地定时定量的自动模式进行注油;
所述润滑系统控制注油机适时适量的完成注油动作的关键控制参数是注油量与注油周期,注油量受电机轴承空间、轴承转速、电机安装方式、油脂性能等参数影响,这也是润滑油首次填充量的计算依据;注油周期是通过油耗曲线来预测注油时间,因此计算注油周期的关键是建立电机的油耗曲线。
优选地,所述注油周期分为补油周期与更换周期,所述补油周期为电机由于缺油而注油的时间间隔,根据诊断算法判断轴承缺油时间,这是缺油诊断的基础;然后通过创建油耗曲线来预测注油时间,当油耗曲线预测的轴承缺油时间与实际缺油时间差距足够小,则可通过油耗曲线来实现补油周期的预测;
A缺油诊断:通过振动、温度、电气的指标值也可得到是否缺油的诊断;参与缺油需要监测与诊断的指标主要有:
a、温度指标:温升,温度变化率;
b、振动指标:低频与高频加速度值,峭度值,轴承频谱特征幅值;
c、电气指标。启停机状态及时长、负载率;
B油耗曲线:以一定的粒度记录每个补油周期内的负载、转速、温度及其运行时长,各个粒度的负载、转速、温度与时长的乘积和作为一个油耗参数,此周期的注油量与此周期时长可以得到平均油耗,通过平均油耗和负载、转速、温度三个油耗参数建立线性关系,得到电机油耗曲线;
C剩余油量:通过获得的负载、转速、温度,调用油耗曲线,得到每个采样间隔的耗油量,填充量减去耗油量即可得到当前剩余油量,当剩余油量达到设定的最小填充量时,则可断定为缺油。
10、优选地,所述注油量分为填充量与补油量,填充量即轴承的最佳填充油量,补油量即轴承缺油时需要达到轴承最佳填充量的补充量;所述填充量需要确定轴承的最小填充量与最佳填充量;
所述最小填充量
轴承专家推荐的初始润滑轴承润滑脂的最小填充量经验公式如下:
V=f10-5(D2-d2)B
式中:V—填充量cm3;
D-轴承外径mm;
d-轴承内径mm;
B-轴承宽度mm;
f-3.6。
优选地,所述最佳填充量:一般润滑脂的最佳填充量可根据轴承脂润滑时的容许极限转速n1和轴承实际工作转速n的比值x=n1/n和滚动轴承内部自由空间V的计算公式确定;
x≤1.25,轴承内润滑脂充填量应占轴承内部自由空间的1/3;
1.25<x≤1.5,轴承内润滑脂充填量应占轴承内部自由空间的1/3~2/3;
x>1.5,轴承内润滑脂充填量应占轴承内部自由空间的2/3以上;
其中自有空间的计算:
V=106GKV
V------滚动轴承内部自有空间,m3
G------滚动轴承自重,kg
KV-----滚动轴承空间系数。
本发明中的有益效果为:电机智能润滑系统通过智能终端采集电机与注油机数据,并对电机轴承是否缺油进行判断及预测,进而控制注油机完成自动注油;并对电机及注油机进行状态监测与故障诊断,智能终端和云平台可实时监测温度数据、振动数据和电气数据,可电机智能润滑系统得知电机或注油机存在异常时,会通过PC与APP报警推送给相关人员,智能终端与注油机本身也有蜂鸣与三色灯的报警,快速引起相关人员关注,防止重大事故的发生。
电机智能润滑系统得知电机或注油机存在异常时,会通过PC与APP报警推送给相关人员,智能终端与注油机本身也有蜂鸣与三色灯的报警,快速引起相关人员关注,防止重大事故的发生,综合考虑电机工况,对注油量与注油周期的准确计算,并实现自动注油。
该装置中未涉及部分均与现有技术相同或可采用现有技术加以实现。
附图说明
图1为本发明提出的电机智能润滑系统的运行流程的结构示意图;
图2为本发明提出的电机智能润滑系统的组成的结构示意图;
图3为本发明提出的电机智能润滑系统的功能的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
参照图1-3,电机智能润滑系统,包括润滑系统、电机、自动注油机、智能终端和云平台,自动注油机包括有注油模块、储油模块、显示模块、第一通信模块和第一中控模块,智能终端包括有采集模块、中控模块、第二通信模块和第二显示模块,云平台包括有第三通信模块、存储模块、第三显示模块、处理模块,自动注油机为电机注油润滑,且电机和自动注油机均采集数据并反馈到智能终端,智能终端智能控制自动注油机的注油量,智能终端将数据上传至云平台,且云平台将命令下发至智能终端,云平台将数据展示到PC与APP,并且云平台将电机、注油机状态监测的异常进行报警PC与APP,润滑系统包括有状态监测、电机故障诊断和自动注油三个功能。
本发明中,状态监测:润滑系统在实现自动注油的同时,可通过PC与APP对电机与注油机进行信息维护与状态显示,实现电机与注油机的运行状态监测及预警,且状态监测包括有注油机监测和电机监测两个方面;
注油机监测:终端与平台对注油机的状态参数进行实时监测,主要包括运行模式、总加油次数、上电以来工作时长、WDT跑飞次数、开机状态、通讯状态、油量状态、外部电压、油路状态等信息,对能反应注油机故障问题的参数设定阈值,实现报警。
本发明中,电机监测:
(1)监测阈值:对电机的温度、振动、电气等参数进行实时监测,并对电机状态有影响的因素设定硬阈值,当超过设定阈值则报警推送;设定的硬阈值无法满足不同工况的故障预警,因此需要对电机分工况进行阈值监测,以电机运行转速、负载为依据对电机分工况,在不同工况下对电机状态指标进行学习,得到不同工况电机正常运行的状态值,以此值按照不同比例得到电机软阈值;
(2)监测报警:润滑系统得知电机或注油机存在异常时,会通过PC与APP报警推送给相关人员,智能终端与注油机本身也有蜂鸣与三色灯的报警,快速引起相关人员关注,防止重大事故的发生。
本发明中,电机故障诊断:监测的电机指标出现报警,则代表出现了电机故障,既可能是缺油故障,也可能是电机部件的故障。电机故障诊断包括有阈值比较及辅助诊断、专家知识诊断和机器学习诊断。
本发明中,阈值比较及辅助诊断:阈值比较就是利用状态监测中设定的硬阈值和软阈值来实现的故障诊断,阈值比较故障诊断稳定性较高,但无法判断出是哪种故障,需要诊断专家通过历史指标及频谱图来辅助诊断,确定详细的故障类型,这是故障诊断的第一阶段;
专家知识诊断:通过阈值比较得到电机故障后,专家在通过历史指标及频谱图诊断出详细故障类型过程所运用的逻辑称为专家知识,将专家知识组织交叉判断逻辑,其中的比较逻辑依旧采用硬阈值和软阈值结合的方式,最终实现故障的判断,这是故障诊断的第二阶段。
本发明中,机器学习诊断:上述的阈值比较和专家知识的故障诊断都存在阈值设定问题,即使是分工况得到的软阈值,也只是一个数值,并不是一个动态的范围,而且专家知识的多个特征交叉判断是很复杂且低效的,机器学习则可以解决这些问题;利用积累的故障标签数据,运用多分类机器学习算法,对各种故障数据进行学习,得到电机的故障诊断模型,采集的数据通过故障诊断模型就可判断出电机的健康状态,此方式的诊断准确性很大程度依赖标签数据的数量和质量,若只存在正常状态数据,则可利用单分类算法解决,这一层的诊断需要在平台层进行,这是故障诊断的第三阶段。
本发明中,注自动注油:润滑系统的控制体现在两个方面,首先平台可以人工控制注油机的动作,包括开始注油与停止注油;然后智能终端与云平台判断是否缺油来控制注油机是否注油,注油机接收到终端与平台命令后自动完成注油动作,且在注油机离线状态下可以按照本地定时定量的自动模式进行注油;
润滑系统控制注油机适时适量的完成注油动作的关键控制参数是注油量与注油周期,注油量受电机轴承空间、轴承转速、电机安装方式、油脂性能等参数影响,这也是润滑油首次填充量的计算依据;注油周期是通过油耗曲线来预测注油时间,因此计算注油周期的关键是建立电机的油耗曲线。
本发明中,注油周期分为补油周期与更换周期,补油周期为电机由于缺油而注油的时间间隔,根据诊断算法判断轴承缺油时间,这是缺油诊断的基础;然后通过创建油耗曲线来预测注油时间,当油耗曲线预测的轴承缺油时间与实际缺油时间差距足够小,则可通过油耗曲线来实现补油周期的预测;
A缺油诊断:通过振动、温度、电气的指标值也可得到是否缺油的诊断;参与缺油需要监测与诊断的指标主要有:
a、温度指标:温升,温度变化率;
b、振动指标:低频与高频加速度值,峭度值,轴承频谱特征幅值;
c、电气指标。启停机状态及时长、负载率;
B油耗曲线:以一定的粒度记录每个补油周期内的负载、转速、温度及其运行时长,各个粒度的负载、转速、温度与时长的乘积和作为一个油耗参数,此周期的注油量与此周期时长可以得到平均油耗,通过平均油耗和负载、转速、温度三个油耗参数建立线性关系,得到电机油耗曲线;
C剩余油量:通过获得的负载、转速、温度,调用油耗曲线,得到每个采样间隔的耗油量,填充量减去耗油量即可得到当前剩余油量,当剩余油量达到设定的最小填充量时,则可断定为缺油。
本发明中,注油量分为填充量与补油量,填充量即轴承的最佳填充油量,补油量即轴承缺油时需要达到轴承最佳填充量的补充量;填充量需要确定轴承的最小填充量与最佳填充量;
最小填充量
轴承专家推荐的初始润滑轴承润滑脂的最小填充量经验公式如下:
V=f10-5(D2-d2)B
式中:V-填充量cm3;
D-轴承外径mm;
d-轴承内径mm;
B-轴承宽度mm;
f-3.6。
本发明中,最佳填充量:一般润滑脂的最佳填充量可根据轴承脂润滑时的容许极限转速n1和轴承实际工作转速n的比值x=n1/n和滚动轴承内部自由空间V的计算公式确定;
x≤1.25,轴承内润滑脂充填量应占轴承内部自由空间的1/3;
1.25<x≤1.5,轴承内润滑脂充填量应占轴承内部自由空间的1/3~2/3;
x>1.5,轴承内润滑脂充填量应占轴承内部自由空间的2/3以上;
其中自有空间的计算:
V=106GKV
V------滚动轴承内部自有空间,m3
G------滚动轴承自重,kg
KV-----滚动轴承空间系数,如下表:
本发明中,润滑脂也不能无限期地长久使用,经过一定时间后,由于基础油的氧化和蒸发,皂基结构的破坏和硬化,使其润滑性能降低,特别是高温条件下,润滑性能下降更快。因此,应在润滑脂丧失润滑性能前及时更换新润滑脂。
使用环境确定。润滑脂的使用寿命可以参考以下经验公式进行计算,T=f1f2f3f4f5tf,其中,T-润滑脂的更换周期,h;f1为污染及潮湿条件系数;f2为负荷的振动程度系数;f3为温度系数;f4为负荷大小系数;f5为通过轴承的空气流量系数;tf为润滑脂更换周期理论值。注:各参数可以通过查阅相关资料获取,本文篇幅有。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.电机智能润滑系统,包括润滑单元、电机、注油机、智能终端和云平台,其特征在于,所述注油机包括有注油模块、储油模块、显示模块、第一通信模块和第一中控模块,所述智能终端包括有采集模块、中控模块、第二通信模块和第二显示模块,所述云平台包括有第三通信模块、存储模块、第三显示模块、处理模块,所述注油机为电机注油润滑,且电机和注油机均采集数据并反馈到智能终端,所述智能终端智能控制注油机的注油量,所述智能终端将数据上传至云平台,且云平台将命令下发至智能终端,所述云平台将数据展示到PC与APP,并且云平台将电机、注油机状态监测的异常进行报警PC与APP,所述润滑系统包括有状态监测、电机故障诊断和自动注油三个功能;
所述自动注油:润滑系统的控制体现在两个方面,首先平台可以人工控制注油机的动作,包括开始注油与停止注油;然后所述智能终端与云平台判断是否缺油来控制注油机是否注油,注油机接收到终端与平台命令后自动完成注油动作,且在注油机离线状态下可以按照本地定时定量的自动模式进行注油;
所述润滑系统控制注油机适时适量的完成注油动作的关键控制参数是注油量与注油周期,注油量受电机轴承空间、轴承转速、电机安装方式和油脂性能的参数影响,这也是润滑油首次填充量的计算依据;注油周期是通过油耗曲线来预测注油时间,因此计算注油周期的关键是建立电机的油耗曲线;
所述注油周期分为补油周期与更换周期,所述补油周期为电机由于缺油而注油的时间间隔,根据诊断算法判断轴承缺油时间,这是缺油诊断的基础;然后通过创建油耗曲线来预测注油时间,当油耗曲线预测的轴承缺油时间与实际缺油时间差距足够小,则可通过油耗曲线来实现补油周期的预测;
A缺油诊断:通过振动、温度、电气的指标值得到是否缺油的诊断;参与缺油需要监测与诊断的指标包括有:
a、温度指标:温升,温度变化率;
b、振动指标:低频与高频加速度值,峭度值,轴承频谱特征幅值;
c、电气指标:启停机状态及时长、负载率;
B油耗曲线:以一定的粒度记录每个补油周期内的负载、转速、温度及其运行时长,各个粒度的负载、转速、温度与时长的乘积和作为一个油耗参数,此周期的注油量与此周期时长可以得到平均油耗,通过平均油耗和负载、转速、温度三个油耗参数建立线性关系,得到电机油耗曲线;
C剩余油量:通过获得的负载、转速、温度,调用油耗曲线,得到每个采样间隔的耗油量,填充量减去耗油量即可得到当前剩余油量,当剩余油量达到设定的最小填充量时,则可断定为缺油;
所述注油量分为填充量与补油量,填充量即轴承的最佳填充油量,补油量即轴承缺油时需要达到轴承最佳填充量的补充量;所述填充量需要确定轴承的最小填充量与最佳填充量;
所述最小填充量:轴承专家推荐的初始润滑轴承润滑脂的最小填充量经验公式如下:
2.根据权利要求1所述的电机智能润滑系统,其特征在于,所述状态监测:所述润滑系统在实现自动注油的同时,可通过PC与APP对电机与注油机进行信息维护与状态显示,实现电机与注油机的运行状态监测及预警,且状态监测包括有注油机监测和电机监测两个方面;
所述注油机监测:终端与平台对注油机的状态参数进行实时监测,包括运行模式、总加油次数、上电以来工作时长、WDT跑飞次数、开机状态、通讯状态、油量状态、外部电压和油路状态信息,对能反应注油机故障问题的参数设定阈值,实现报警。
3.根据权利要求2所述的电机智能润滑系统,其特征在于,所述电机监测:
(1)监测阈值:对电机的温度、振动、电气参数进行实时监测,并对电机状态有影响的因素设定硬阈值,当超过设定阈值则报警推送;设定的硬阈值无法满足不同工况的故障预警,需要对电机分工况进行阈值监测,以电机运行转速、负载为依据对电机分工况,在不同工况下对电机状态指标进行学习,得到不同工况电机正常运行的状态值,以此值按照不同比例得到电机软阈值;
(2)监测报警:所述润滑系统得知电机或注油机存在异常时,会通过所述PC与APP报警推送给相关人员,智能终端与注油机本身也有蜂鸣与三色灯的报警。
4.根据权利要求1所述的电机智能润滑系统,其特征在于,所述电机故障诊断:监测的电机指标出现报警,则代表出现了电机故障,既可能是缺油故障,也可能是电机部件的故障,所述电机故障诊断包括有阈值比较及辅助诊断、专家知识诊断和机器学习诊断。
5.根据权利要求4所述的电机智能润滑系统,其特征在于,所述阈值比较及辅助诊断:阈值比较就是利用状态监测中设定的硬阈值和软阈值来实现的故障诊断,阈值比较故障诊断稳定性较高,但无法判断出是哪种故障,需要诊断专家通过历史指标及频谱图来辅助诊断,确定详细的故障类型,这是故障诊断的第一阶段;
专家知识诊断:通过阈值比较得到电机故障后,专家在通过历史指标及频谱图诊断出详细故障类型过程所运用的逻辑称为专家知识,将专家知识组织交叉判断逻辑,其中的比较逻辑依旧采用硬阈值和软阈值结合的方式,最终实现故障的判断,这是故障诊断的第二阶段。
6.根据权利要求5所述的电机智能润滑系统,其特征在于,所述机器学习诊断:上述的阈值比较和专家知识的故障诊断都存在阈值设定问题,即使是分工况得到的软阈值,也只是一个数值,并不是一个动态的范围,而且专家知识的多个特征交叉判断是很复杂且低效的,机器学习则可以解决这些问题;利用积累的故障标签数据,运用多分类机器学习算法,对各种故障数据进行学习,得到电机的故障诊断模型,采集的数据通过故障诊断模型就可判断出电机的健康状态,此方式的诊断准确性很大程度依赖标签数据的数量和质量,若只存在正常状态数据,则可利用单分类算法解决,这一层的诊断需要在平台层进行,这是故障诊断的第三阶段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110681183.8A CN113359562B (zh) | 2021-06-18 | 2021-06-18 | 电机智能润滑系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110681183.8A CN113359562B (zh) | 2021-06-18 | 2021-06-18 | 电机智能润滑系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113359562A CN113359562A (zh) | 2021-09-07 |
CN113359562B true CN113359562B (zh) | 2022-06-03 |
Family
ID=77535198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110681183.8A Active CN113359562B (zh) | 2021-06-18 | 2021-06-18 | 电机智能润滑系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359562B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114110406B (zh) * | 2021-11-11 | 2023-04-11 | 北京君岳伟信工程技术有限公司 | 智能润滑管理系统 |
CN115451313A (zh) * | 2022-09-28 | 2022-12-09 | 秦皇岛流体科技开发有限公司 | 一种自动润滑系统 |
CN116972320B (zh) * | 2023-09-21 | 2024-01-12 | 青岛埃恩斯信息技术科技有限公司 | 基于振动检测的旋转类设备润滑控制方法 |
CN117091063B (zh) * | 2023-10-18 | 2024-01-09 | 沈阳仪表科学研究院有限公司 | 一种轴承自动润滑调控方法、系统及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101415576A (zh) * | 2006-03-14 | 2009-04-22 | 朱荣辉 | 机动车动力装置 |
CN202661269U (zh) * | 2011-11-25 | 2013-01-09 | 华南理工大学 | 一种柴油机复合故障诊断的测试平台 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100442063C (zh) * | 2003-05-17 | 2008-12-10 | 杜玉晓 | 分布式智能电机监测系统 |
JP4332790B2 (ja) * | 2004-01-22 | 2009-09-16 | 株式会社デンソー | 最適給油案内システム |
US7249530B2 (en) * | 2004-12-29 | 2007-07-31 | Caterpillar Inc. | Oil consumption simulating device |
CN101451455B (zh) * | 2007-12-07 | 2011-08-10 | 武汉赛林德船舶科技有限公司 | 电控气缸注油泵系统 |
CN106402623A (zh) * | 2015-12-15 | 2017-02-15 | 上海若博机电科技有限公司 | 一种无线自组网智能润滑系统 |
CN106321189B (zh) * | 2016-08-31 | 2019-09-27 | 潍柴动力股份有限公司 | 一种机油的自动补充方法和系统 |
CN108964362B (zh) * | 2018-09-06 | 2023-12-22 | 浙江中控慧机科技有限公司 | 一种能实现在线自监测和自维护的智能电机 |
CN109519688A (zh) * | 2018-11-20 | 2019-03-26 | 深圳市华星光电技术有限公司 | 自动注油系统及自动注油方法 |
JP7164480B2 (ja) * | 2019-03-29 | 2022-11-01 | 株式会社日立製作所 | グリース劣化診断装置及びその方法 |
CN110728443A (zh) * | 2019-09-30 | 2020-01-24 | 鞍钢集团自动化有限公司 | 一种电机全生命周期管控系统 |
CN111503501A (zh) * | 2020-05-21 | 2020-08-07 | 深圳西通流体技术有限公司 | 一种集中润滑泵数据智能传输系统 |
-
2021
- 2021-06-18 CN CN202110681183.8A patent/CN113359562B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101415576A (zh) * | 2006-03-14 | 2009-04-22 | 朱荣辉 | 机动车动力装置 |
CN202661269U (zh) * | 2011-11-25 | 2013-01-09 | 华南理工大学 | 一种柴油机复合故障诊断的测试平台 |
Also Published As
Publication number | Publication date |
---|---|
CN113359562A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113359562B (zh) | 电机智能润滑系统 | |
CN109325601B (zh) | 物流设备故障监测运维管理方法 | |
CN109242276B (zh) | 物流设备故障监测运维管理系统 | |
AU2011252963B2 (en) | Predictive analysis for remote machine monitoring | |
CN112948457B (zh) | 客运索道检测监测与健康诊断系统、方法、介质、设备 | |
US20230131828A1 (en) | Predictive maintenance system and method for intelligent manufacturing equipment | |
CN110836696A (zh) | 适于调相机系统的远程故障预测方法和系统 | |
CN111098463A (zh) | 一种注塑机故障诊断系统及诊断方法 | |
CN112943911B (zh) | 风电机组齿轮箱润滑油在线监控装置、监控方法及系统 | |
CN112421774A (zh) | 一种配电网无功补偿设备的监测系统 | |
CN115238925B (zh) | 一种电机设备监管方法及系统 | |
CN110852484A (zh) | 一种风力发电机组故障预警系统与方法 | |
CN117911012B (zh) | 基于设备生态检测及运行状态评估的设备健康管理系统 | |
CN115728057A (zh) | 一种风力发电机组齿轮箱振动监测与故障诊断方法 | |
CN118017648A (zh) | 一种基于锂电池保护板的智能充放电管理系统 | |
CN115009948A (zh) | 一种电梯按需维保智能管理系统及其管理方法 | |
Yang et al. | Wear Prediction of Petrochemical Granulator Gearbox Using Multiscale Temporal Convolutional Network via Online Oil Monitoring | |
CN214122337U (zh) | 能源介质计量偏差预警系统 | |
CN205892391U (zh) | 具有主动功能的电梯智慧安全系统 | |
CN118232506B (zh) | 一种节能自动售货机用ups电源智能管理方法及系统 | |
CN117052906A (zh) | 一种智能油封系统 | |
CN118669693A (zh) | 一种基于震波监测的全智能自动化系统及其监测方法 | |
CN116862299B (zh) | 一种用于智慧工厂的数据处理系统和数据处理方法 | |
CN216383548U (zh) | 润滑管理故障报警系统 | |
CN115750304B (zh) | 绿能抽油机智慧管控系统 |
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 |