CN114543982A - 设备的振动检测方法、装置、振动检测设备及存储介质 - Google Patents

设备的振动检测方法、装置、振动检测设备及存储介质 Download PDF

Info

Publication number
CN114543982A
CN114543982A CN202210238700.9A CN202210238700A CN114543982A CN 114543982 A CN114543982 A CN 114543982A CN 202210238700 A CN202210238700 A CN 202210238700A CN 114543982 A CN114543982 A CN 114543982A
Authority
CN
China
Prior art keywords
vibration
vibration detection
current
data
equipment
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
Application number
CN202210238700.9A
Other languages
English (en)
Other versions
CN114543982B (zh
Inventor
梁治华
徐强
李裕
熊伟
谭丽珠
王春芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202210238700.9A priority Critical patent/CN114543982B/zh
Publication of CN114543982A publication Critical patent/CN114543982A/zh
Application granted granted Critical
Publication of CN114543982B publication Critical patent/CN114543982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本申请实施例提供了一种设备的振动检测方法、装置、振动检测设备及存储介质，应用于振动检测设备，所述方法包括：获取待检测设备的当前振动数据及当前设备参数，调取预设的振动检测模型，将当前振动数据及当前设备参数输入到预设的振动检测模型，获取预设的振动检测模型的输出结果，根据输出结果，检测待检测设备的振动情况。由此，本申请以自动化设备代替人工，可以实现待检测设备振动检测的标准化，提高了振动检测效率，避免人工检测中容易出现的其他因素的干扰。

Description

设备的振动检测方法、装置、振动检测设备及存储介质
技术领域
本申请涉及振动检测技术领域，尤其涉及一种设备的振动检测方法、装置、振动检测设备及存储介质。
背景技术
随着经济发展和人们生活水平的提高，各种电器也越来越普及，这些设备大大提高了人们生活和工作的舒适度，例如空调，用来调节人们工作和生活空间的温度，提高人们的舒适度；洗衣机，用来解放人们的双手，洗衣更加迅速便捷；冰箱，用来保鲜、冷冻食物，加长食物的存放时间。这些设备的大量应用使人们越来越多的依赖这些设备，与此同时人们对设备各方面的参数要求也越来越高，所以在生产设备的过程中对设备质量的把控也越来越严格。其中对设备振动质量的控制就是很重要的一个环节。
现有技术中对于设备振动检测主要是通过工作人员用手触摸，根据工作人员的感受结合以往的经验来判断设备的振动是否有异常，这种方法没有一个特定的标准，工作人员的主观性较强，因此检测过程中受到的影响较大，设备出站后，振动质量参差不齐。因此需要对振动质量的检测标准化，最好的方法就是设计一款标准化检测设备代替人工检测，以此来保证产品质量。
发明内容
为了解决上述对于设备振动检测主要是通过工作人员用手触摸，根据工作人员的感受结合以往的经验来判断设备的振动是否有异常，这种方法没有一个特定的标准，工作人员的主观性较强，因此检测过程中受到的影响较大，设备出站后，振动质量参差不齐的技术问题，本申请提供了一种设备的振动检测方法、装置、振动检测设备及存储介质。
第一方面，本申请提供了一种设备的振动检测方法，应用于振动检测设备，所述方法包括：
获取待检测设备的当前振动数据及当前设备参数；
调取预设的振动检测模型；
将所述当前振动数据及所述当前设备参数输入所述振动检测模型；
获取所述振动检测模型的输出结果，根据所述输出结果，检测所述待检测设备的振动情况。
在一个可选的实施方式中，所述当前设备参数包括当前运行状态和当前型号，所述调取预设的振动检测模型，包括：
查找与所述当前运行状态和所述当前型号对应的预设的振动检测模型，并调取所述预设的振动检测模型。
在一个可选的实施方式中，所述将所述当前振动数据及所述当前设备参数输入所述振动检测模型，包括：
对所述待检测设备的所述当前振动数据提取当前数据特征；
将所述当前数据特征、所述当前运行状态和所述当前型号输入所述振动检测模型。
在一个可选的实施方式中，所述当前振动数据包括预设第一时间段内的振动数据；
所述对所述待检测设备的所述当前振动数据提取当前数据特征，包括：
从所述预设第一时间段内的振动数据中提取当前每个时刻采集的最大振幅值；
将所述当前每个时刻采集的最大振幅值输入至预设的第一数据特征提取公式；
获取所述预设的第一数据特征提取公式输出的当前数据特征；
其中，所述预设的第一数据特征提取公式包括：
Figure BDA0003543377860000021
所述α1包括所述当前数据特征，所述AT始1～AT终1包括所述当前每个时刻采集的最大振幅值，所述T终1-T始1包括所述预设第一时间段，所述thr包括预设振幅阈值。
在一个可选的实施方式中，所述获取所述振动检测模型的输出结果，根据所述输出结果，检测所述待检测设备的振动情况，包括：
获取所述振动检测模型的输出结果，判断所述输出结果是否为预设的正常值；
若输出结果为所述预设的正常值，则确定待检测设备振动正常；
若输出结果为预设的异常值，则确定待检测设备振动异常，发出异常报警。
在一个可选的实施方式中，所述预设的振动检测模型具体可以通过以下方式得到：
获取样本设备的振动数据及设备参数；
基于所述振动数据及所述设备参数，对初始振动检测模型进行有监督训练，得到振动检测模型。
在一个可选的实施方式中，所述方法还包括：
创建所述设备参数与所述振动检测模型的对应关系。
在一个可选的实施方式中，所述设备参数包括运行状态和型号；
所述基于所述振动数据及所述设备参数，对初始振动检测模型进行有监督训练，得到振动检测模型，包括：
提取所述振动数据对应的数据特征；
基于所述数据特征、所述运行状态和所述型号对初始振动检测模型进行有监督训练，得到振动检测模型；
所述创建所述设备参数与所述振动检测模型的对应关系，包括：
创建所述运行状态和所述型号与所述振动检测模型的对应关系。
在一个可选的实施方式中，所述振动数据包括预设第二时间段内的振动数据，所述提取所述振动数据对应的数据特征，包括：
从所述预设第二时间段内的振动数据中提取每个时刻采集的最大振幅值；
将所述每个时刻采集的最大振幅值输入至预设的第二数据特征提取公式；
获取所述预设的第二数据特征提取公式输出的数据特征；
其中，所述预设的第二数据特征提取公式包括：
Figure BDA0003543377860000031
所述α2包括所述数据特征，所述AT始2～AT终2包括所述每个时刻采集的最大振幅值，所述T终2-T始2包括所述预设第二时间段，所述thr包括预设振幅阈值。
第二方面，本申请提供了一种设备的振动检测装置，应用于振动检测设备，所述装置包括：
数据获取模块，用于获取待检测设备的当前振动数据及当前设备参数；
模型调取模块，用于调取预设的振动检测模型；
数据输入模块，用于将所述当前振动数据及所述当前设备参数输入所述振动检测模型；
振动检测模块，用于获取所述振动检测模型的输出结果，根据所述输出结果，检测所述待检测设备的振动情况。
第三方面，提供了一种振动检测设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的设备的振动检测方法。
第四方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的设备的振动检测方法步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
本申请实施例提供的技术方案，通过获取待检测设备的当前振动数据及当前设备参数，调取预设的振动检测模型，将当前振动数据及当前设备参数输入振动检测模型，获取振动检测模型的输出结果，根据输出结果，检测待检测设备的振动情况。通过以自动化设备代替人工，可以实现待检测设备振动检测的标准化，大大降低了由于人工检测存在的各种不确定因素的影响，设备出站后，振动质量标准化，提升了产品质量。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种设备的振动检测系统的架构示意图；
图2为本申请实施例提供的一种设备的振动检测方法的流程示意图；
图3为本申请实施例提供的另一种设备的振动检测方法的流程示意图；
图4为本申请实施例提供的又一种设备的振动检测方法的流程示意图；
图5为本申请实施例提供的一种预设的振动检测模型的建模方法的流程示意图；
图6为本申请实施例提供的另一种预设的振动检测模型的建模方法的流程示意图；
图7为本申请实施例提供的一种设备的振动检测装置的结构示意图；
图8为本申请实施例提供的一种振动检测设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的一种设备的振动检测系统的架构示意图，其中该设备的振动检测系统包括待检测设备、运转测试设备以及振动检测设备，待检测设备与运转测试设备连接，运转测试设备与振动检测设备连接，待检测设备与振动检测设备连接，具体连接关系如图1所示。
其中，振动检测设备包括网口、串口、USB接口、电源、开关、状态指示灯、传感器接口、模式按钮、FPGA开发板等部分，如图1所示，其中传感器接口有六个，可以同时采集六个通道的数据，可以是振动传感器采集的振动数据，也可以是其他传感器采集的其他类型数据；状态指示灯有两个，一个指示的是本申请的振动监测设备是否有异常(红灯为异常，绿灯为正常)，一个指示的待检测设备的检测结果(红灯为异常，绿灯为合格)；该振动检测设备与运转测试设备可以通过串口进行通信，实时获取振动检测设备(例如空调外机)的运行状态，并可将检测结果返回给运转测试设备。此外，本申请的振动检测设备与运转测试设备之间的通信方式还可以选择网口通信，本申请实施例对此不作限定。
基于此，图2为本申请实施例提供的一种设备的振动检测方法的流程示意图，该方法应用于振动检测设备，具体可以包括以下步骤：
S201，获取待检测设备的当前振动数据及当前设备参数。
在本申请实施例中，本申请的振动检测设备与运转测试设备进行通信获取待检测设备的当前的设备参数，这个参数包括当前运行状态和当前型号。每台待检测设备都会有编号，待检测设备进入运转测试台位之后，运转测试设备会通过RFID(Radio FrequencyIdentification，无线射频识别即射频识别技术)设备读取待检测设备的机型信息码，同时也会分若干运行状态对待检测设备进行运转测试，本申请设备在运转测试过程中获取到当前振动数据。此外，这里的设备参数还可以包括设备运行功率等，本申请实施例对此不作限定。
例如待检测设备是空调，获取的当前运行状态包括制热、升频或降频等状态，当前型号也就是空调自带的机型信息码，运转测试设备获取到机型后就会分不同的运行状态对空调进行运转测试，此时本申请设备会获取到针对不同机型、不同运行状态下的当前振动数据。
需要说明的是，这里的待检测设备与当前运行状态和当前型号一一对应，不同的待检测设备拥有不同的当前运行状态和当前型号。例如，待检测设备是空调，当前运行状态就包括制热、升频或降频等状态，型号就包括不同的空调机型；待检测设备是洗衣机，当前运行状态就包括，洗衣、脱水或烘干等状态，型号就包括不同的洗衣机机型，等等。本申请实施例对此不作限定。
S202，调取预设的振动检测模型。
在本申请实施例中，本申请的振动检测设备中预先存有振动检测模型，针对不同机型、不同运行状态有不同的振动检测模型，通过本申请获取到的振动检测设备的当前运行状态和当前型号查找对应的振动检测模型，将查找到的振动检测模型调取出来。
例如待检测设备是空调，本申请的振动检测设备中预先存储针对空调不同的运行状态和型号的振动检测模型，如下表1所示，根据获取到的空调的当前运行状态和当前型号，对预设的振动检测模型进行查找，找到对应的检测模型，并将其调取出来。
运行状态 型号 振动检测模型
制热 1.5匹 振动检测模型A
制冷 1.5匹 振动检测模型B
…… …… ……
表1
需要说明的是，这里的待检测设备与预设的振动检测模型一一对应，不同类型的待检测设备拥有不同的预设的振动检测模型。例如，待检测设备是空调，那预设的振动检测模型就是根据空调的不同运行状态和型号训练出来的，待检测设备是洗衣机，预设的振动检测模型就是根据洗衣机的不同运行状态和型号训练出来的，本申请实施例对此不做限定。
S203，将当前振动数据及当前设备参数输入振动检测模型。
在本申请实施例中，当前振动数据为本申请振动检测设备实时采集的待检测设备的振动数据；当前设备参数为本申请振动检测设备从现有运转测试设备获取的当前待检测设备的设备参数，当前设备参数在S201已经做了详细说明，此处不再说明；振动检测模型为本申请的振动检测模型基于待检测设备的运行状态和设备参数查找获取得到，在S202中对预设振动检测模型做了详细说明，此处不再说明。由此将当前振动数据及当前设备参数输入振动检测模型。
S204，获取振动检测模型的输出结果，根据输出结果，检测待检测设备的振动情况。
在本申请实施例中，预先对振动检测模型的输出结果设定正常值和异常值,根据输出结果检测待检测设备的振动情况，如果输出结果为预设的正常值，则确定待检测设备振动正常，如果输出结果为预设的异常值，则确定待检测设备振动异常，发出异常报警。
在本申请实施例中，预设的正常值可以为任意值，例如，预设的正常值为0，异常值为1，则输出结果为0时，待检测设备振动正常，输出结果为1时待检测设备振动异常，发出异常报警。此外，预设的正常值和异常值还可以为其他数值，本申请实施例对此不作限定。
在本申请的实施例中，本申请的振动检测设备设置有状态指示灯，检测结果通过状态指示灯显示，同时检测结果还会被上传到现有运转测试设备，当检测结果为异常值时，待检测设备不出站，运转测试设备自带的蜂鸣器开始报警，指示灯也变红，此时需要巡检人员现场处理异常或者有操作权限的人员在服务器上远程处理异常之后，确定待检测设备是否合格，再决定待检测设备是出站还是下线重新装配。
通过上述对本申请实施例提供的技术方案的描述，振动检测设备获取的是待检测设备的当前振动数据及当前设备参数，实现了实时监测待检测设备的振动情况，根据实时振动情况去检测待检测设备的振动有无异常，通过预设的振动检测模型实现了设备振动的标准化判断。
图3为本申请实施例提供的另一种设备的振动检测方法的流程示意图，该方法应用于振动检测设备，具体可以包括以下步骤：
S301，获取待检测设备的当前振动数据及当前运行状态和当前型号。
在本申请的实施例中，待检测设备的当前运行状态和当前型号在S201中已经做了详细的说明，不同的待检测设备对应有不同的型号和运行状态。
本申请的振动检测设备通过与现有运转测试设备进行通信，获取待检测设备的机型和运行状态；本申请的振动检测设备通过与待检测设备直接相连，实时采集当前振动数据。
S302，查找与当前运行状态和当前型号对应的预设的振动检测模型，并调取预设的振动检测模型。
在本申请的实施例中，本申请的振动检测设备通过S301中获取到的当前运行状态和型号，去预设的振动检测模型中查找对应的振动检测模型，并将其调取出来。
在本申请的实施例中，预设的振动检测模型存储到外接存储设备上，调取时，将查找到的预设振动检测模型加载到本申请的振动检测设备中。外接存储设备可以是外界硬盘、移动U盘等，本申请实施例对此不作限定。
需要说明的是，对于振动检测模型，具体可以是SVM(Support Vector Machines,支持向量机)，当然还可以是其他机器学习模型，本申请实施例对此不作限定。
S303，对待检测设备的当前振动数据提取当前数据特征。
在本申请实施例中，获取当前振动数据时，预设一个时间段，称之为第一时间段，获取这个时间段内的振动数据，称之为当前振动数据，然后对这个时间段内的振动数据提取数据特征。
在本申请实施例中，对当前振动数据提取数据特征，传统建模法是针对某一时刻或者某一段时刻进行与阈值比较，如针对某一时刻设置阈值，那么受到外界干扰就会产生误判，如对某一段时刻设置阈值，那么可能会无法检测到该段时刻出现的微弱振动异常。针对实际情况，本申请的振动检测设备使用的算法模型是根据不同型号外机以及不同的运行状态，采集T始1～T终1的振动数据，首先从当前振动数据中提取当前每个时刻采集的最大振幅值，把当前每个时刻采集的最大振幅值输入到预设的第一数据特征提取公式，第一特征提取公式输出结果即为当前数据特征，预设的第一特征提取公式为：
Figure BDA0003543377860000081
其中α1包括当前数据特征，AT始1～AT终1包括当前每个时刻采集的最大振幅值，T终1-T始1包括预设第一时间段，thr包括预设振幅阈值。
需要说明的是，其中AT*表示T*该时刻采集的最大振幅值，AT始1～AT终1表示从开始采集时间到结束采集时间的所有最大振幅值(加速度传感器)，thr是设置的振幅阈值，sum()是计算数量的函数，分子部分表示计算出从T始到T终所有振幅大于预先设定阈值的数量，分母表示T始到T终的总时间(秒)，α1表示的就是超过阈值的数量的秒数与总秒数的比值，该比值作为特征。
S304，将当前数据特征、当前运行状态和当前型号输入振动检测模型。
在本申请实施例中，在将当前振动数据输入到振动检测模型之前需要对当前振动数据提取当前数据特征，然后将当前的数据特征、当前运行状态、当前型号输入调取出来的振动检测模型中。
在本申请实施例中，当前运行状态和当前型号在S201已作详细说明，振动检测模型如上述表1所示，待检测设备的不同机型和运行状态对应有不同的振动检测模型。
S305，获取振动检测模型的输出结果，根据输出结果，检测待检测设备的振动情况。
在本申请实施例中，根据获取的输出结果对待检测设备的振动情况进行判断，具体说明请见S204。
通过上述对本申请实施例提供的技术方案的描述，在提取数据特征时，发明了一种区间阈值占比法，采集待检测设备的振动数据时采集不同运行状态从T始1～T终1的振动数据，根据不同的机型设置不同的阈值，对整体数据进行阈值判断，并提取超过阈值的数据数量与整体数据数量的比例作为特征，避免了外界振动干扰的影响。
图4为本申请实施例提供的又一种设备的振动检测方法的流程示意图，本申请振动检测设备处于检测模式下，包括以下步骤：
S401，获取运转测试设备相关数据。
S402，根据当前运行状态及当前型号调用相应模型。
S403，将当前振动数据、当前运行状态、当前型号输入到振动检测模型中。
S404，判断振动检测模型的输出结果是否异常，若异常执行步骤S405，否则执行步骤S409。
S405，异常报警，若工作人员可线下巡检，则执行步骤S406，若需线上检测，则执行步骤S407。
S406，巡检排查确认后，确定待检查设备是否异常，刷脸确认结果，若待检测设备振动异常则执行步骤S408，否则执行步骤S409。
S407，有权限人员远程操作，确定待检测设备是否异常，若待检测设备振动异常则执行步骤S408，否则执行步骤S409。
上述步骤S401至步骤S409的详细描述可以参见上述图1和图2所示实施例中的描述，在此不再详述。
基于以上描述，在进行检测前需要预设振动检测模型，预设的振动检测模型需要与待检测设备的机型和运行状态一一对应，因此本申请的振动检测设备还提供了一种振动检测模型的建模方法，对多个待检测设备针对不同机型的不同运行状态进行振动数据的采集，然后对振动数据进行提取数据特征，将提取到的数据特征、待检测设备的机型和运行状态输入到机器学习算法，对初始振动检测模型进行有监督训练，得到振动检测模型，具体如图5所示。
图5为本申请实施例提供的一种预设的振动检测模型的建模方法的流程示意图，具体可以包括以下步骤：
S501，获取样本设备的振动数据及设备参数。
在本申请实施例中，对样本设备获取的设备参数为运行状态和型号，例如待检测设备是空调，获取的运行状态包括制热、升频或降频等状态，型号也就是空调自带的机型信息码，运转测试设备获取到机型后就会分不同的运行状态对空调进行运转测试，此时本申请设备会获取到针对不同机型、不同运行状态下的振动数据。
需要说明的是，这里的样本设备与运行状态和型号一一对应，不同的样本设备拥有不同的运行状态和型号。例如，样本设备是空调，运行状态就包括制热、升频或降频等状态，型号就包括不同的空调机型，样本设备是洗衣机，运行状态就包括洗衣、脱水或烘干等状态，型号就包括不同的洗衣机机型，本申请实施例对此不作限定。
S502，基于振动数据及设备参数，对初始振动检测模型进行有监督训练，得到振动检测模型。
获取振动数据时，预设一个时间段，称之为第二时间段，获取这个时间段内的振动数据，然后对这个时间段内的振动数据提取数据特征。
在本申请实施例中，对振动数据提取数据特征时，针对样本设备的不同运行状态和机型所对应的振动数据，初步选定使用阈值法进行建模，又考虑到传统建模法是针对某一时刻或者某一段时刻进行与阈值比较，如针对某一时刻设置阈值，那么受到外界干扰就会产生误判，如对某一段时刻设置阈值，那么可能会无法检测到该段时刻出现的微弱振动异常。针对实际情况，本申请的振动检测设备使用的算法模型是根据不同型号外机以及不同的运行状态，采集T始～T终的振动数据，首先从振动数据中提取每个时刻采集的最大振幅值，把每个时刻采集的最大振幅值输入到预设的第二数据特征提取公式，第二特征提取公式输出结果即为所求的数据特征，预设的第二特征提取公式为：
Figure BDA0003543377860000101
其中α2包括数据特征，AT始2～AT终2包括每个时刻采集的最大振幅值，T终2-T始2包括预设第二时间段，thr包括预设振幅阈值。
在本申请实施例中，对初始训练模型进行有监督训练可以采用机器学习算法，通过对所有振动数据的数据特征α2、待检测设备的运行状态和机型输入到机器学习算法训练，获得振动检测模型，将获取的振动检测模型存储到硬盘或U盘中，检测调取时再从硬盘或U盘加载到本申请的振动检测设备中。
需要说明的是，这里的有监督学习算法并不是必须要选择机器学习算法，还可以采用其他方法进行建模，本申请实施例对此不做限制。
S503，创建设备参数与振动检测模型的对应关系。
在本申请的实施例中，创建样本设备参数与振动检测模型的对应关系指的是，创建设备的运行状态和型号与振动检测模型之间的关系，以保证在检测过程中，可以根据待检测设备的不同机型的不同运行状态调取不同的振动检测模型。
例如样本设备是空调，在建立检测模型时，首先获取空调的型号，然后根据不同型号对空调的不同运行状态进行振动数据的采集，获取当前型号和振动数据下的振动检测模型。
需要说明的是，本申请中的样本设备可以是任意产生振动的设备，都是首先获取型号，然后采集不同运行状态下的振动数据，例如样本设备可以是空调，就根据不同的空调型号，运行空调，采集不同运行状态下的振动数据，对当前型号空调的当前运行状态建立振动检测模型，样本设备还可以洗衣机、冰箱等，都是按照以上步骤创建样本设备参数与振动检测模型的对应关系，本申请实施例对此不做限定。
通过上述对本申请实施例提供的技术方案的描述，在提取数据特征时，发明了一种区间阈值占比法，采集待检测设备的振动数据时采集不同运行状态从T始2～T终2的振动数据，根据不同的机型设置不同的阈值，对整体数据进行阈值判断，并提取超过阈值的数据数量与整体数据数量的比例作为特征，避免了外界振动干扰的影响。创建样本设备参数与振动检测模型的对应关系，针对不同型号的设备在不同运行状态下都建立振动检测模型，使得对设备的振动检测更加准确。
图6为本申请实施例提供的另一种预设的振动检测模型的建模方法的流程示意图，本申请振动检测设备处于采集模式下，包括以下步骤：
首先获取待检测设备的型号，根据待检测设备的不同型号，以不同的运行状态运行待检测设备，根据不同的运行状态，采集T始～T终的振动数据，根据振动数据建立不同运行状态下的振动检测模型。
上述步骤详细描述可以参见上述图5所示实施例中的描述，在此不再详述。
图7为本申请一示例性实施例提供的一种设备的振动检测装置的结构示意图，该装置包括：数据获取模块71、模型调取模块72、数据输入模块73、振动检测模块74。
其中，数据获取模块71，用于获取待检测设备的当前振动数据及当前设备参数；
模型调取模块72，用于调取预设的振动检测模型；
数据输入模块73，用于将当前振动数据及当前设备参数输入振动检测模型；
振动检测模块74，用于获取振动检测模型的输出结果，根据输出结果，检测待检测设备的振动情况。
如图8所示，本申请实施例提供了一种振动检测设备，包括处理器81、通信接口82、存储器83和通信总线84，其中，处理器81，通信接口82，存储器83通过通信总线84完成相互间的通信，
存储器83，用于存放计算机程序；
处理器81，用于执行存储器83上所存放的程序时，实现如下步骤：
获取待检测设备的当前振动数据及当前设备参数；调取预设的振动检测模型；将当前振动数据及当前设备参数输入振动检测模型；获取振动检测模型的输出结果，根据输出结果，检测待检测设备的振动情况。
上述振动检测设备提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述振动检测设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如前述任意一个方法实施例提供的设备的振动检测方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一的设备的振动检测方法。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种设备的振动检测方法，其特征在于，应用于振动检测设备，所述方法包括：
获取待检测设备的当前振动数据及当前设备参数；
调取预设的振动检测模型；
将所述当前振动数据及所述当前设备参数输入所述振动检测模型；
获取所述振动检测模型的输出结果，根据所述输出结果，检测所述待检测设备的振动情况。
2.根据权利要求1所述的方法，其特征在于，所述当前设备参数包括当前运行状态和当前型号，所述调取预设的振动检测模型，包括：
查找与所述当前运行状态和所述当前型号对应的预设的振动检测模型，并调取所述预设的振动检测模型。
3.根据权利要求2所述的方法，其特征在于，所述将所述当前振动数据及所述当前设备参数输入所述振动检测模型，包括：
对所述待检测设备的所述当前振动数据提取当前数据特征；
将所述当前数据特征、所述当前运行状态和所述当前型号输入所述振动检测模型。
4.根据权利要求3所述的方法，其特征在于，所述当前振动数据包括预设第一时间段内的振动数据；
所述对所述待检测设备的所述当前振动数据提取当前数据特征，包括：
从所述预设第一时间段内的振动数据中提取当前每个时刻采集的最大振幅值；
将所述当前每个时刻采集的最大振幅值输入至预设的第一数据特征提取公式；
获取所述预设的第一数据特征提取公式输出的当前数据特征；
其中，所述预设的第一数据特征提取公式包括：
Figure FDA0003543377850000011
所述α1包括所述当前数据特征，所述AT始1～AT终1包括所述当前每个时刻采集的最大振幅值，所述T终1-T始1包括所述预设第一时间段，所述thr包括预设振幅阈值。
5.根据权利要求1所述的方法，其特征在于，所述获取所述振动检测模型的输出结果，根据所述输出结果，检测所述待检测设备的振动情况，包括：
获取所述振动检测模型的输出结果，判断所述输出结果是否为预设的正常值；
若输出结果为所述预设的正常值，则确定待检测设备振动正常；
若输出结果为预设的异常值，则确定待检测设备振动异常，发出异常报警。
6.根据权利要求1所述的方法，其特征在于，所述预设的振动检测模型具体通过以下方式得到：
获取样本设备的振动数据及设备参数；
基于所述振动数据及所述设备参数，对初始振动检测模型进行有监督训练，得到振动检测模型。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
创建所述设备参数与所述振动检测模型的对应关系。
8.根据权利要求7所述的方法，其特征在于，所述设备参数包括运行状态和型号；
所述基于所述振动数据及所述设备参数，对初始振动检测模型进行有监督训练，得到振动检测模型，包括：
提取所述振动数据对应的数据特征；
基于所述数据特征、所述运行状态和所述型号对初始振动检测模型进行有监督训练，得到振动检测模型；
所述创建所述设备参数与所述振动检测模型的对应关系，包括：
创建所述运行状态和所述型号与所述振动检测模型的对应关系。
9.根据权利要求8所述的方法，其特征在于，所述振动数据包括预设第二时间段内的振动数据，所述提取所述振动数据对应的数据特征，包括：
从所述预设第二时间段内的振动数据中提取每个时刻采集的最大振幅值；
将所述每个时刻采集的最大振幅值输入至预设的第二数据特征提取公式；
获取所述预设的第二数据特征提取公式输出的数据特征；
其中，所述预设的第二数据特征提取公式包括：
Figure FDA0003543377850000021
所述α2包括所述数据特征，所述AT始2～AT终2包括所述每个时刻采集的最大振幅值，所述T终2-T始2包括所述预设第二时间段，所述thr包括预设振幅阈值。
10.一种设备的振动检测装置，其特征在于，应用于振动检测设备，所述装置包括：
数据获取模块，用于获取待检测设备的当前振动数据及当前设备参数；
模型调取模块，用于调取预设的振动检测模型；
数据输入模块，用于将所述当前振动数据及所述当前设备参数输入所述振动检测模型；
振动检测模块，用于获取所述振动检测模型的输出结果，根据所述输出结果，检测所述待检测设备的振动情况。
11.一种振动检测设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9中任一所述的方法步骤。
12.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9中任一所述的方法。
CN202210238700.9A 2022-03-11 2022-03-11 设备的振动检测方法、装置、振动检测设备及存储介质 Active CN114543982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210238700.9A CN114543982B (zh) 2022-03-11 2022-03-11 设备的振动检测方法、装置、振动检测设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210238700.9A CN114543982B (zh) 2022-03-11 2022-03-11 设备的振动检测方法、装置、振动检测设备及存储介质

Publications (2)

Publication Number Publication Date
CN114543982A true CN114543982A (zh) 2022-05-27
CN114543982B CN114543982B (zh) 2023-09-08

Family

ID=81663635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210238700.9A Active CN114543982B (zh) 2022-03-11 2022-03-11 设备的振动检测方法、装置、振动检测设备及存储介质

Country Status (1)

Country Link
CN (1) CN114543982B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115420495A (zh) * 2022-11-07 2022-12-02 山东百顿减震科技有限公司 一种用于建筑减震装置的状态监测方法及设备
CN117647373A (zh) * 2024-01-29 2024-03-05 珠海云麦科技有限公司 筋膜枪减震效果的检测方法、装置、电子设备及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS56130634A (en) * 1980-03-19 1981-10-13 Hitachi Ltd Method and device for monitoring oscillation of rotary machine
WO2000073018A1 (fr) * 1999-05-27 2000-12-07 Sanyo Electric Co., Ltd. Procede et appareil pour la verification d'un outil coupant
CN109211548A (zh) * 2018-08-31 2019-01-15 沃德传动（天津）股份有限公司 一种机械故障诊断方法
CN109323364A (zh) * 2018-09-30 2019-02-12 广东美的制冷设备有限公司 空调系统及其换热器的故障检测方法
CN109556899A (zh) * 2018-11-22 2019-04-02 合肥美的电冰箱有限公司 一种冰箱检测方法、工控机及冰箱检测系统
CN109946544A (zh) * 2019-03-29 2019-06-28 广东美的制冷设备有限公司 家电故障检测方法和装置
CN110895032A (zh) * 2019-12-31 2020-03-20 福建省南鸿通讯科技有限公司 一种通信机房空调故障自动诊断与定位的方法与装置
CN110907207A (zh) * 2019-11-25 2020-03-24 湃方科技(天津)有限责任公司 非标机械设备的运行状态检测方法及装置
CN111122083A (zh) * 2019-12-16 2020-05-08 珠海格力电器股份有限公司 一种刀具检测方法、装置、电子设备以及可读介质
CN111929091A (zh) * 2020-08-17 2020-11-13 上海明略人工智能(集团)有限公司 设备异常的检测方法、装置、可读存储介质及电子设备
JP2020199010A (ja) * 2019-06-07 2020-12-17 日立グローバルライフソリューションズ株式会社 洗濯機および洗濯機の異常診断方法
CN112446389A (zh) * 2019-08-15 2021-03-05 北京国双科技有限公司 一种故障判别方法及装置
CN112557069A (zh) * 2019-09-25 2021-03-26 北京国双科技有限公司 一种设备振动故障检测方法、装置、系统及存储介质
CN113344087A (zh) * 2021-06-16 2021-09-03 安徽容知日新科技股份有限公司 一种建立样本集的方法及计算设备
CN113988202A (zh) * 2021-11-04 2022-01-28 季华实验室 一种基于深度学习的机械臂异常振动检测方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS56130634A (en) * 1980-03-19 1981-10-13 Hitachi Ltd Method and device for monitoring oscillation of rotary machine
WO2000073018A1 (fr) * 1999-05-27 2000-12-07 Sanyo Electric Co., Ltd. Procede et appareil pour la verification d'un outil coupant
CN109211548A (zh) * 2018-08-31 2019-01-15 沃德传动（天津）股份有限公司 一种机械故障诊断方法
CN109323364A (zh) * 2018-09-30 2019-02-12 广东美的制冷设备有限公司 空调系统及其换热器的故障检测方法
CN109556899A (zh) * 2018-11-22 2019-04-02 合肥美的电冰箱有限公司 一种冰箱检测方法、工控机及冰箱检测系统
CN109946544A (zh) * 2019-03-29 2019-06-28 广东美的制冷设备有限公司 家电故障检测方法和装置
JP2020199010A (ja) * 2019-06-07 2020-12-17 日立グローバルライフソリューションズ株式会社 洗濯機および洗濯機の異常診断方法
CN112446389A (zh) * 2019-08-15 2021-03-05 北京国双科技有限公司 一种故障判别方法及装置
CN112557069A (zh) * 2019-09-25 2021-03-26 北京国双科技有限公司 一种设备振动故障检测方法、装置、系统及存储介质
CN110907207A (zh) * 2019-11-25 2020-03-24 湃方科技(天津)有限责任公司 非标机械设备的运行状态检测方法及装置
CN111122083A (zh) * 2019-12-16 2020-05-08 珠海格力电器股份有限公司 一种刀具检测方法、装置、电子设备以及可读介质
CN110895032A (zh) * 2019-12-31 2020-03-20 福建省南鸿通讯科技有限公司 一种通信机房空调故障自动诊断与定位的方法与装置
CN111929091A (zh) * 2020-08-17 2020-11-13 上海明略人工智能(集团)有限公司 设备异常的检测方法、装置、可读存储介质及电子设备
CN113344087A (zh) * 2021-06-16 2021-09-03 安徽容知日新科技股份有限公司 一种建立样本集的方法及计算设备
CN113988202A (zh) * 2021-11-04 2022-01-28 季华实验室 一种基于深度学习的机械臂异常振动检测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115420495A (zh) * 2022-11-07 2022-12-02 山东百顿减震科技有限公司 一种用于建筑减震装置的状态监测方法及设备
CN115420495B (zh) * 2022-11-07 2023-03-10 山东百顿减震科技有限公司 一种用于建筑减震装置的状态监测方法及设备
CN117647373A (zh) * 2024-01-29 2024-03-05 珠海云麦科技有限公司 筋膜枪减震效果的检测方法、装置、电子设备及存储介质
CN117647373B (zh) * 2024-01-29 2024-04-30 珠海云麦科技有限公司 筋膜枪减震效果的检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114543982B (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN114543982A (zh) 设备的振动检测方法、装置、振动检测设备及存储介质
CN104866632B (zh) 家电设备的故障数据获取方法、装置及终端
CN102158527B (zh) 家用电器维护系统及具有自检功能的家用电器
US20150346066A1 (en) Asset Condition Monitoring
CN111322721A (zh) 一种空调故障检测处理方法、系统、存储介质及空调器
CN117270514B (zh) 基于工业物联网的生产过程全流程故障检测方法
CN109284886B (zh) 基于人工智能的用电安全管理方法及装置
CN106649043B (zh) 一种运维系统故障自动诊断方法及系统
CN110906508A (zh) 空调传感器的故障检测方法及系统
CN116678552B (zh) 一种变温度环境下光纤应力传感器异常监测方法
CN116502925B (zh) 基于大数据的数字工厂设备巡检评估方法、系统和介质
CN112565187A (zh) 基于逻辑回归的电网攻击检测方法、系统、设备及介质
CN112734138A (zh) 一种故障预警方法、装置、设备及存储介质
CN108180935B (zh) 传感器的故障检测方法及装置
CN111814557A (zh) 动作流检测方法、装置、设备及存储介质
CN117520999B (zh) 一种边缘数据中心设备的智能运维方法和系统
CN108093210A (zh) 一种变压器油位告警系统及其告警方法
CN117370115B (zh) 一种idc机房运营监测系统
CN117723550A (zh) 产品质量检测设备的检测方法、装置和电子设备
CN112926756A (zh) 一种中央空调设备ai维修知识库应用方法
CN113591909B (zh) 电力系统的异常检测方法、异常检测装置以及存储介质
TWI749932B (zh) 機台故障檢測裝置與方法
CN117686757B (zh) 一种户外电力计量箱的智能预警方法及系统
KR102106591B1 (ko) 빅데이터 기반 전력 사용 진단 시스템
CN117686819A (zh) 一种高压电力电缆在线监测系统及方法

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
GR01 Patent grant
GR01 Patent grant