CN114326554A - 一种机电设备智能监测管理系统 - Google Patents
一种机电设备智能监测管理系统 Download PDFInfo
- Publication number
- CN114326554A CN114326554A CN202111635714.6A CN202111635714A CN114326554A CN 114326554 A CN114326554 A CN 114326554A CN 202111635714 A CN202111635714 A CN 202111635714A CN 114326554 A CN114326554 A CN 114326554A
- Authority
- CN
- China
- Prior art keywords
- window
- electromechanical
- management system
- intercepting
- console
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000013145 classification model Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种机电设备智能监测管理系统，包括：控制台；温度传感器，所述温度传感器设置在机电设备轴承座上，温度传感器用于采集机电设备轴承座温度数据，温度传感器与控制台电连接；第一振动传感器，所述第一振动传感器设置在机电设备轴承座上，第一振动传感器用于采集机电设备轴承座振动数据，第一振动传感器与控制台电连接。以解决现有技术存在要么不具有可预测性，要么会造成资源浪费、对两个检修时间点之间出现的故障不具有可预测性的问题。
Description
技术领域
本发明涉及一种机电设备智能监测管理系统，属于煤矿开采技术领域。
背景技术
煤矿采矿存在大量的机电设备，例如主排水泵、压风机、主通风机、主提升绞车和胶带输送机等大型设备。长期以来，机电设备的维护要么是发生故障以后才进行维护，要么是定期维护，故障以后维护具有不可预测性，对生产影响较大，并且容易发生事故；而定期维护是无论设备状态，定期检修，存在的问题是会造成资源浪费，另外在两个检修时间点之间出现的故障，通过定期检修只能降低概率，但是不具有可预测性，也会对生产产生较大影响。因此，现有技术对机电设备检修存在要么不具有可预测性，要么会造成资源浪费、对两个检修时间点之间出现的故障不具有可预测性的问题。
发明内容
本发明要解决的技术问题是：提供一种机电设备智能监测管理系统，以克服现有技术的不足。
本发明的技术方案是：一种机电设备智能监测管理系统，包括：
控制台；
温度传感器，所述温度传感器设置在机电设备轴承座上，温度传感器用于采集机电设备轴承座温度数据，温度传感器与控制台电连接；
第一振动传感器，所述第一振动传感器设置在机电设备轴承座上，第一振动传感器用于采集机电设备轴承座振动数据，第一振动传感器与控制台电连接。
进一步地，还包括：
第二振动传感器，所述第二振动传感器设置在机电设备的机壳上，第二振动传感器与控制台电连接。
进一步地，还包括：
集控中心大屏，所述集控中心大屏与控制台电连接。
进一步地，控制台通过预警算法对机电设备故障进行预警。
进一步地，所述预警算法为：
S01、设置信号截取窗口W1，通过信号截取窗口截取第一振动传感器采集的振动数据A1，设置信号截取窗口W2，通过信号截取窗口截取第二振动传感器采集的振动数据A2，设置信号截取窗口W3，通过信号截取窗口截取第二振动传感器采集的振动数据A3；
S02、对A1进行快速傅里叶变换获取频谱特征F1，对A2进行快速傅里叶变换获取频谱特征F2，对A3求平均值得到
S03、将F1、F2和
的历史数据输入神经网络进行训练，对正常运行状态进行标记获取分类模型；
S04、实时将A1、A2和A3输入分类模型对设备状态进行分类；
S05、判定步骤S04分类结果是否是正常运行状态，如果是正常状态则不发出预警，如果是正常状态则发出预警。
进一步地，所述W1对第一振动传感器采集的振动数据A1为抽样截取，所述W2对第二振动传感器采集的振动数据A2为抽样截取，抽样频率随设备年限增长而增长。
进一步地，所述W1包括2个，W1的一个信号截取窗口的宽度为10s～20s， W1的另一个信号截取窗口的宽度为1min～10min；所述W2包括2个，W2的一个信号截取窗口的宽度为10s～20s，W2的另一个信号截取窗口的宽度为 1min～10min；所述W3的截取窗口为根据机电设备轴承座的体积和比热容确定，体积和比热容越大W3的截取窗口越大。
本发明的有益效果是：与现有技术相比，本发明通过第一振动传感器和温度传感器监测机电设备轴承运行状态，从而判定机电设备是否处于正常运行状态，可提前对故障进行预测，实现提前提前准备，避免对生产造成影响，另外依据预测情况进行检修，做到将时间和资金用到刀刃上，检修时间更加精准，不产生浪费。
附图说明
图1为本发明的电路连接框图；
图2为本发明的流程图。
具体实施方式
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性，此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体实施方式对上述技术方案进行详细说明。
实施实例1：
参考图1，一种机电设备智能监测管理系统，包括：控制台；温度传感器，所述温度传感器设置在机电设备轴承座上，温度传感器用于采集机电设备轴承座温度数据，温度传感器与控制台电连接；第一振动传感器，所述第一振动传感器设置在机电设备轴承座上，第一振动传感器用于采集机电设备轴承座振动数据，第一振动传感器与控制台电连接。
通过第一振动传感器和温度传感器监测机电设备轴承运行状态，从而判定机电设备是否处于正常运行状态，可提前对故障进行预测，实现提前提前准备，避免对生产造成影响，另外依据预测情况进行检修，做到将时间和资金用到刀刃上，检修时间更加精准，不产生浪费。
进一步地，还包括：第二振动传感器，所述第二振动传感器设置在机电设备的机壳上，第二振动传感器与控制台电连接。
第二振动传感器设置在机壳上，相比只用第一振动传感器，能够能够监测到除了轴承损故障外的其它部位故障，实现其它部位故障的预警。
进一步地，还包括：集控中心大屏，所述集控中心大屏与控制台电连接。
通过集控中心大屏，使运维人员和管理人员能实时监视是否运行、有无正常运行，运行是否存在故障。运维人员和管理人员如何根据设备运行状况，完善主要机电设备的管理制度，制定合理的检修周期和检修项目，准备好材料、配件和工具，做到当修则修，杜绝设备带故障运行，保障安全生产。
进一步地，控制台通过预警算法对机电设备故障进行预警。
参考图2，进一步地，所述预警算法为：
S01、设置信号截取窗口W1，通过信号截取窗口截取第一振动传感器采集的振动数据A1，设置信号截取窗口W2，通过信号截取窗口截取第二振动传感器采集的振动数据A2，设置信号截取窗口W3，通过信号截取窗口截取第二振动传感器采集的振动数据A3；
S02、对A1进行快速傅里叶变换获取频谱特征F1，对A2进行快速傅里叶变换获取频谱特征F2，对A3求平均值得到
S03、将F1、F2和
的历史数据输入神经网络进行训练，对正常运行状态进行标记获取分类模型；
S04、实时将A1、A2和A3输入分类模型对设备状态进行分类；
S05、判定步骤S04分类结果是否是正常运行状态，如果是正常状态则不发出预警，如果是正常状态则发出预警。
由于机电设备轴承故障后振动频率会有改变，客体振动也会改变，温度也会改变，通过窗口截取轴承振动数据、壳体振动数据和轴承温度数据，可检测出机电设备故障。
现有的神经网络分类都是采用学习故障状态来实现模型训练，但是对于机电设备遇到故障的机会非常少，很难通过对故障数据进行标记来训练模型，这里采用对正常状态进行学习来实现对故障状态的判断，由于正常状态的数据很容易获取，很容易实现模型训练，从而通过神经网络实现对故障的实时预测。
进一步地，所述W1对第一振动传感器采集的振动数据A1为抽样截取，所述W2对第二振动传感器采集的振动数据A2为抽样截取，抽样频率随设备年限增长而增长。
通过抽样截取，在保证实时监测的前提下减小控制台的数据处理量，更加节能环保。
进一步地，所述W1包括2个，W1的一个信号截取窗口的宽度为10s～20s， W1的另一个信号截取窗口的宽度为1min～10min；所述W2包括2个，W2的一个信号截取窗口的宽度为10s～20s，W2的另一个信号截取窗口的宽度为 1min～10min；所述W3的截取窗口为根据机电设备轴承座的体积和比热容确定，体积和比热容越大W3的截取窗口越大。
通过窗口的宽度为10s～20s的信号截取窗口实现高频信号的取样，对于轴承偏心故障监测更容易，通过窗口的宽度为1min～10min的信号截取窗口，可对其它大的部位损坏导致的低频振动进行监测。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (7)
1.一种机电设备智能监测管理系统，其特征在于，包括：
控制台；
温度传感器，所述温度传感器设置在机电设备轴承座上，温度传感器用于采集机电设备轴承座温度数据，温度传感器与控制台电连接；
第一振动传感器，所述第一振动传感器设置在机电设备轴承座上，第一振动传感器用于采集机电设备轴承座振动数据，第一振动传感器与控制台电连接。
2.根据权利要求1所述的机电设备智能监测管理系统，其特征在于，还包括：
第二振动传感器，所述第二振动传感器设置在机电设备的机壳上，第二振动传感器与控制台电连接。
3.根据权利要求1所述的机电设备智能监测管理系统，其特征在于，还包括：
集控中心大屏，所述集控中心大屏与控制台电连接。
4.根据权利要2所述的机电设备智能监测管理系统，其特征在于，控制台通过预警算法对机电设备故障进行预警。
5.根据权利要求4所述的机电设备智能监测管理系统，其特征在于，所述预警算法为：
S01、设置信号截取窗口W1，通过信号截取窗口截取第一振动传感器采集的振动数据A1，设置信号截取窗口W2，通过信号截取窗口截取第二振动传感器采集的振动数据A2，设置信号截取窗口W3，通过信号截取窗口截取第二振动传感器采集的振动数据A3；
S02、对A1进行快速傅里叶变换获取频谱特征F1，对A2进行快速傅里叶变换获取频谱特征F2，对A3求平均值得到
S03、将F1、F2和
的历史数据输入神经网络进行训练，对正常运行状态进行标记获取分类模型；
S04、实时将A1、A2和A3输入分类模型对设备状态进行分类；
S05、判定步骤S04分类结果是否是正常运行状态，如果是正常状态则不发出预警，如果是正常状态则发出预警。
6.根据权利要求5所述的机电设备智能监测管理系统，其特征在于，所述W1对第一振动传感器采集的振动数据A1为抽样截取，所述W2对第二振动传感器采集的振动数据A2为抽样截取，抽样频率随设备年限增长而增长。
7.根据权利要求5所述的机电设备智能监测管理系统，其特征在于，所述W1包括2个，W1的一个信号截取窗口的宽度为10s～20s，W1的另一个信号截取窗口的宽度为1min～10min；所述W2包括2个，W2的一个信号截取窗口的宽度为10s～20s，W2的另一个信号截取窗口的宽度为1min～10min；所述W3的截取窗口为根据机电设备轴承座的体积和比热容确定，体积和比热容越大W3的截取窗口越大。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111635714.6A CN114326554A (zh) | 2021-12-24 | 2021-12-24 | 一种机电设备智能监测管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111635714.6A CN114326554A (zh) | 2021-12-24 | 2021-12-24 | 一种机电设备智能监测管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114326554A true CN114326554A (zh) | 2022-04-12 |
Family
ID=81017925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111635714.6A Pending CN114326554A (zh) | 2021-12-24 | 2021-12-24 | 一种机电设备智能监测管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114326554A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI833251B (zh) * | 2022-06-21 | 2024-02-21 | 南亞科技股份有限公司 | 失效模式分析系統及失效模式分析方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006043511A (ja) * | 2004-07-30 | 2006-02-16 | Sumitomo Heavy Ind Ltd | 有機酸生成方法、有機酸生成装置及び排水処理装置 |
| JP2014010139A (ja) * | 2012-07-03 | 2014-01-20 | National Fisheries Univ | 動的設備の状態監視システムとその方法とそのプログラム |
| WO2019218408A1 (zh) * | 2018-05-15 | 2019-11-21 | 江苏大学 | 一种基于物联网的水泵机组典型健康状态监测装置及方法 |
| CN111123096A (zh) * | 2019-10-15 | 2020-05-08 | 联桥网云信息科技（长沙）有限公司 | 一种物联网电机监测平台 |
| BR102019010492A2 (pt) * | 2019-05-22 | 2020-12-01 | Felipe Augusto Vitoriano 09541727603 | Dispositivo iot para monitoramento de vibração e temperatura de equipamentos eletromecânicos, integrado a uma plataforma de monitoramento online inteligente capaz de predizer falhas via aprendizado de máquina |
| CN212340656U (zh) * | 2020-06-03 | 2021-01-12 | 郑州汉威智能仪表有限公司 | 一种用于机电设备轴温与振动的监测装置和监测系统 |
| JP6856230B1 (ja) * | 2020-02-03 | 2021-04-07 | 株式会社名張ホールディングス | 生産設備監視装置、及び生産設備監視プログラム |
| CN113483806A (zh) * | 2021-06-05 | 2021-10-08 | 安徽恒泰电气科技股份有限公司 | 煤矿机电设备温度、振动检测设备及检测方法 |
-
2021
- 2021-12-24 CN CN202111635714.6A patent/CN114326554A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006043511A (ja) * | 2004-07-30 | 2006-02-16 | Sumitomo Heavy Ind Ltd | 有機酸生成方法、有機酸生成装置及び排水処理装置 |
| JP2014010139A (ja) * | 2012-07-03 | 2014-01-20 | National Fisheries Univ | 動的設備の状態監視システムとその方法とそのプログラム |
| WO2019218408A1 (zh) * | 2018-05-15 | 2019-11-21 | 江苏大学 | 一种基于物联网的水泵机组典型健康状态监测装置及方法 |
| BR102019010492A2 (pt) * | 2019-05-22 | 2020-12-01 | Felipe Augusto Vitoriano 09541727603 | Dispositivo iot para monitoramento de vibração e temperatura de equipamentos eletromecânicos, integrado a uma plataforma de monitoramento online inteligente capaz de predizer falhas via aprendizado de máquina |
| CN111123096A (zh) * | 2019-10-15 | 2020-05-08 | 联桥网云信息科技（长沙）有限公司 | 一种物联网电机监测平台 |
| JP6856230B1 (ja) * | 2020-02-03 | 2021-04-07 | 株式会社名張ホールディングス | 生産設備監視装置、及び生産設備監視プログラム |
| CN212340656U (zh) * | 2020-06-03 | 2021-01-12 | 郑州汉威智能仪表有限公司 | 一种用于机电设备轴温与振动的监测装置和监测系统 |
| CN113483806A (zh) * | 2021-06-05 | 2021-10-08 | 安徽恒泰电气科技股份有限公司 | 煤矿机电设备温度、振动检测设备及检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 冯玉伯;丁承君;陈雪;: "滚动轴承故障检测深度卷积稀疏自动编码器建模研究", 机械科学与技术, no. 10, 23 May 2018 (2018-05-23) * |
| 张军翠，王立成: "振动测试分析技术在设备故障诊断中的应用", 《中国新通信》, 15 May 2019 (2019-05-15), pages 123 * |
| 王金福;李富才;: "机械故障诊断技术中的信号处理方法:时频分析", 噪声与振动控制, no. 03, 18 June 2013 (2013-06-18) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI833251B (zh) * | 2022-06-21 | 2024-02-21 | 南亞科技股份有限公司 | 失效模式分析系統及失效模式分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN204280939U (zh) | 一种电梯运行监测预警系统 | |
| CN114757590B (zh) | 基于大数据分析的企业运营风险预警及管控系统 | |
| CN110990386A (zh) | 一种工业互联网平台监测数据传输交换方法及系统 | |
| CN101718634B (zh) | 基于多元概率模型的设备状态综合动态报警方法 | |
| KR102191594B1 (ko) | 집적 데이터 수집 전송장치의 도어제어기 및 그 처리 전송 방법 | |
| CN108187896A (zh) | 一种破碎机远程数据采集系统 | |
| AU2020103722A4 (en) | A Dynamic Early Warning System for Power Station Operating Parameters Based on Cloud Platform | |
| CN104574219A (zh) | 电网业务信息系统运行工况的监测预警方法及系统 | |
| CN107370617A (zh) | 基于svm的蜂窝网络故障诊断系统 | |
| CN113063611A (zh) | 一种设备的监控管理方法及其系统 | |
| CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
| CN114326554A (zh) | 一种机电设备智能监测管理系统 | |
| CN113738595A (zh) | 一种风力发电机组叶片状态监测方法及其系统 | |
| CN115159285B (zh) | 电梯状态监测方法及电梯状态监测装置 | |
| CN106194602B (zh) | 一种风电机组无线声发射检测装置 | |
| CN109525405A (zh) | 一种基于NB-IoT的机电设备状态监测系统及方法 | |
| CN205620511U (zh) | 一种新型高压断路器故障的在线监测及控制装置 | |
| CN111145393A (zh) | 一种电力智能锁具运行异常监测方法及系统 | |
| CN201240776Y (zh) | 塔式起重机数据记录仪 | |
| CN116380468A (zh) | 一种智慧码头用故障检测系统及搭建方法 | |
| CN112865295A (zh) | 一种用于智能电网的输电线路运行监测系统 | |
| CN111242329A (zh) | 一种港口起重机传动部件大数据监控系统及监控方法 | |
| CN207249403U (zh) | 一种物联网交通机电设备智能监控预警装置 | |
| CN105809257A (zh) | 一种基于电力通信网络的触发式状态检修方法 | |
| CN114659562B (zh) | 固定消防给水设备智能状态预警方法 |
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 |