CN114818206A - 一种塔吊维修数据识别系统、方法及智能塔吊 - Google Patents

Abstract

本公开涉及一种塔吊维修数据识别系统、方法及智能塔吊，该系统包括：数据获取单元，用于获取塔吊的各零部件的运行状态数据并存储；数据分析单元，用于对所述各零部件的运行状态数据进行分析计算，找出异常零部件；异常处理单元，用于对所述异常零部件的运行状态进行修正。该方法包括：利用所述数据获取单元采集塔吊实时的各零部件的运行状态数据并存储；利用所述数据分析单元读取塔吊的历史运行状态数据并根据历史运行状态数据建立异常数据分析模型；利用所述异常数据分析模型对塔吊的实时运行状态数据与标准运行参数进行比对分析，找出塔吊的实时异常零部件；利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件。

Description

一种塔吊维修数据识别系统、方法及智能塔吊

技术领域

本申请涉及塔吊维修技术领域，更为具体来说，本公开涉及一种塔吊维修数据识别系统、方法及智能塔吊。

背景技术

近年来，随着社会经济的快速发展，塔机领域取得了很大的进步，塔机领域市场快速发展，因为相关工作量也都大大增加。

在塔机维修方面，塔机维修数据越来越多，利用传统文字方法难以高效处理，对此，可以利用统计分析方法挖掘塔机维修数据，从而为维修计划安排、塔机器材储备等加以安排。

现有技术的维修故障数据方法，大多以非结构化数据为主，需要经过结构化转换后，才可用于数据挖掘分析。

发明内容

为解决现有技术的塔吊维修故障数据方法不能满足用户的需求的技术问题。

为实现上述技术目的，本公开提供了一种塔吊维修数据识别系统，包括：

数据获取单元，用于获取塔吊的各零部件的运行状态数据并存储；

数据分析单元，用于分别对每个所述各零部件的运行状态数据进行单独分析计算，找出异常零部件；

所述数据分析单元，具体用于依次判断塔吊每个零部件的实时运行状态数据与标准运行参数的差值，并计算所述差值同所述标准运行参数的比值，若所述比值大于预设第一阈值，则该零部件为异常零部件；

异常处理单元，用于对所述异常零部件的运行状态进行修正。

进一步，所述数据获取单元具体用于：

采集塔吊的车体、卷扬、回转、动力总成、吊钩、塔身和/或塔臂中的零部件的运行状态数据并存储。

进一步，所述数据分析单元具体用于：

根据所述各零部件的历史运行状态数据建立异常数据分析模型，利用异常数据分析模型找出实时具体零部件的损坏部位、损坏个数和/或损坏周期。

进一步，所述异常数据分析模型中具有各零部件的标准运行参数，其中，所述标准运行参数具体包括：振动频率、幅度、波长、周期和/或振动频谱；

所述异常数据分析模型对所述数据获取单元采集到的所述运行状态数据与所述标准运行参数进行比对分析，找出异常的运行状态数据。

为了解决上述技术问题，本公开还提供了一种塔吊维修数据识别方法，作用于上述的塔吊维修数据识别系统中，所述方法包括：

利用所述数据获取单元采集塔吊实时的各零部件的运行状态数据并存储；

利用所述数据分析单元分别读取塔吊各零部件的历史运行状态数据并根据历史运行状态数据建立异常数据分析模型；

利用所述异常数据分析模型对塔吊零部件的实时运行状态数据与标准运行参数进行比对分析，找出塔吊的实时异常零部件；

利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件。

进一步，所述利用所述异常数据分析模型对塔吊每个零部件的实时运行状态数据与标准运行参数进行比对分析具体包括：

依次判断塔吊每个零部件的实时运行状态数据与所述标准运行参数的第一差值，并计算所述第一差值同所述标准运行参数的第一比值，若所述第一比值大于预设第一阈值，则该零部件为异常零部件。

进一步，所述依次判断塔吊每个零部件的实时运行状态数据与所述标准运行参数的第一差值，并计算所述差值同所述标准运行参数的第一比值之后，还包括：

判断每个零部件的其他运行状态数据与所述标准运行参数的第二差值，并计算所述第二差值同所述标准运行参数的第二比值，若所述第一比值大于预设第一阈值，且所述第二比值大于预设第一阈值，则该零部件为异常零部件。

进一步，所述利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件之前，还包括：

利用所述异常数据分析模型根据塔吊的各零部件的历史运行状态数据建立衰变曲线；

判断各零部件的实际参数变化趋势曲线与所述衰变曲线是否吻合，若吻合则需要发出告警信号提醒更换零部件。

进一步，所述判断各零部件的实际参数变化趋势曲线与所述衰变曲线是否吻合具体包括：

利用曲线拟合算法比较所述零部件的实际参数变化趋势曲线与所述衰变曲线是否相似，若曲线相似度数值小于预设的第二阈值，则吻合。

为了解决上述技术问题，本公开还提供了一种智能塔吊，包括：车体、卷扬、回转、动力总成、吊钩、塔身和塔臂，所述车体中搭载有上述的塔吊维修数据识别系统；

所述塔吊维修数据识别系统采集所述车体、卷扬、回转、动力总成、吊钩、塔身和塔臂的各零部件的运行状态数据并存储；

根据所述运行状态数据进行分析计算，找出异常零部件。

本公开的有益效果为：

本公开的塔吊维修数据识别方法聚焦塔机中每个部件的零件和子零件的运行参数分析，可大大提高分析精度。

附图说明

图1示出了本公开的实施例1的系统的结构示意图；

图2示出了本公开的实施例1的系统参数正常示意图；

图3示出了本公开的实施例1的系统参数异常示意图；

图4示出了本公开的实施例2的方法的流程示意图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在附图中示出了根据本公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。

实施例一：

如图1所示：

本公开提供了一种塔吊维修数据识别系统，包括：

数据获取单元101，用于获取塔吊的各零部件的运行状态数据并存储；

数据分析单元102，用于分别对所述各零部件的运行状态数据进行单独分析计算，找出异常零部件；

所述数据分析单元102，具体用于依次判断塔吊每个零部件的实时运行状态数据与标准运行参数的差值，并计算所述差值同所述标准运行参数的比值，若所述比值大于预设第一阈值，则该零部件为异常零部件；

异常处理单元103，用于对所述异常零部件的运行状态进行修正。

本公开的塔吊维修数据识别系统中，所述数据获取单元101依次与所述数据分析单元102以及所述异常处理单元103相连接。

进一步，所述数据获取单元101具体用于：

采集塔吊的车体、卷扬、回转、动力总成、吊钩、塔身和/或塔臂中的零部件的运行状态数据并存储。

塔机的核心部件包括小车、卷扬、回转、动力总成、吊钩、塔身、塔臂等，每个核心部件都有很多主要的零件，例如，小车的减速机、刹车片、电机等，电机又包括子零件，例如多组齿轮、轴承等。

进一步，所述数据分析单元102具体用于：

根据所述各零部件的历史运行状态数据建立异常数据分析模型，利用异常数据分析模型找出实时具体零部件的损坏部位、损坏个数和/或损坏周期。

系统对每个核心部件均建立有异常数据分析模型，该异常数据分析模型包括每个零件及其子零件的标准运行参数，标准运行参数主要为：振动频率、幅度、波长、周期、振动频谱等。数据分析时，会对每个零件及其子零件的运行参数进行对比分析，找出异常点。

进一步，所述异常数据分析模型中具有各零部件的标准运行参数，其中，所述标准运行参数具体包括：振动频率、幅度、波长、周期和/或振动频谱；

所述异常数据分析模型对所述数据获取单元采集到的所述运行状态数据与所述标准运行参数进行比对分析，找出异常的运行状态数据。

若系统显示一个参数出现异常，例如某个时间点t0，小车电机的一个轴承振动频谱显示异常；系统内部会获取该时间点t0下，小车电机每个轴承的所有运行参数，对比异常频谱的规律、相应子零件的波长、幅度、周期等的变化，确认是否轴承破损以及定位哪个轴承出现了破损，是否还存在其他异常问题。如图2和图3所示。

在图3中，所述虚线框框出的t0时刻的振动频谱信号与图2中的标准运行参数图t0时刻的振动频谱信号有区别，且经过计算，差距幅值超过预设第一阈值，则认为t0时刻的对应零部件存在异常。进一步，需判断该零部件的波长、幅度、周期等的变化趋势图，分析是否也存在异常，如图中虚线框框处的周期信号也存在异常，进一步可以确定该零部件存在破损或故障。

实施例二：

本公开还提供了一种塔吊维修数据识别方法，作用于上述的塔吊维修数据识别系统中，如图4所示，所述方法包括：

S201：利用所述数据获取单元采集塔吊实时的各零部件的运行状态数据并存储；

S202：利用所述数据分析单元分别读取塔吊各零部件的历史运行状态数据并根据历史运行状态数据建立异常数据分析模型；

S203：利用所述异常数据分析模型对塔吊零部件的实时运行状态数据与标准运行参数进行比对分析，找出塔吊的实时异常零部件；

S204：利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件。

进一步，所述利用所述异常数据分析模型对塔吊每个零部件的实时运行状态数据与标准运行参数进行比对分析具体包括：

依次判断塔吊每个零部件的实时运行状态数据与所述标准运行参数的第一差值，并计算所述第一差值同所述标准运行参数的第一比值，若所述第一比值大于预设第一阈值，则该零部件为异常零部件。

进一步，所述依次判断塔吊每个零部件的实时运行状态数据与所述标准运行参数的第一差值，并计算所述差值同所述标准运行参数的第一比值之后，还包括：

判断每个零部件的其他运行状态数据与所述标准运行参数的第二差值，并计算所述第二差值同所述标准运行参数的第二比值，若所述第一比值大于预设第一阈值，且所述第二比值大于预设第一阈值，则该零部件为异常零部件。

需要说明的是：

每个零部件的实时运行状态数据为零部件振动频率、幅度、波长、周期和/或振动频谱中的一个数据；

所述每个零部件的其他运行状态数据为零部件振动频率、幅度、波长、周期和/或振动频谱中除了每个零部件的实时运行状态数据以外的数据。

进一步，所述利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件之前，还包括：

利用所述异常数据分析模型根据塔吊的各零部件的历史运行状态数据建立衰变曲线；

判断各零部件的实际参数变化趋势曲线与所述衰变曲线是否吻合，若吻合则需要发出告警信号提醒更换零部件。

进一步，所述判断各零部件的实际参数变化趋势曲线与所述衰变曲线是否吻合具体包括：

利用曲线拟合算法比较所述零部件的实际参数变化趋势曲线与所述衰变曲线是否相似，若曲线相似度数值小于预设的第二阈值，则吻合。

实施例三：

一种智能塔吊，包括：车体、卷扬、回转、动力总成、吊钩、塔身和塔臂，所述车体中搭载有上述的塔吊维修数据识别系统；

所述塔吊维修数据识别系统采集所述车体、卷扬、回转、动力总成、吊钩、塔身和塔臂的各零部件的运行状态数据并存储；

根据所述运行状态数据进行分析计算，找出异常零部件。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。本公开的范围由所附权利要求及其等价物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种塔吊维修数据识别系统，其特征在于，包括：

数据获取单元，用于获取塔吊的各零部件的运行状态数据并存储；

数据分析单元，用于分别对每个所述各零部件的运行状态数据单独进行分析计算，找出异常零部件；

所述数据分析单元，具体用于依次判断塔吊每个零部件的实时运行状态数据与标准运行参数的差值，并计算所述差值同所述标准运行参数的比值，若所述比值大于预设第一阈值，则该零部件为异常零部件；

异常处理单元，用于对所述异常零部件的运行状态进行修正。

2.根据权利要求1所述的系统，其特征在于，所述数据获取单元具体用于：

采集塔吊的车体、卷扬、回转、动力总成、吊钩、塔身和/或塔臂中的零部件的运行状态数据并存储。

3.根据权利要求1所述的系统，其特征在于，所述数据分析单元具体用于：

根据所述各零部件的历史运行状态数据分别对每个零部件建立异常数据分析模型，利用异常数据分析模型找出实时具体零部件的损坏部位、损坏个数和/或损坏周期。

4.根据权利要求3所述的系统，其特征在于，所述异常数据分析模型中具有零部件的标准运行参数，其中，所述标准运行参数具体包括：振动频率、幅度、波长、周期和/或振动频谱；

所述异常数据分析模型对所述数据获取单元采集到的所述运行状态数据与所述标准运行参数进行比对分析，找出异常的运行状态数据。

5.一种塔吊维修数据识别方法，作用于如权利要求1~4任一项中所述的塔吊维修数据识别系统中，其特征在于，所述方法包括：

利用所述数据获取单元采集塔吊实时的各零部件的运行状态数据并存储；

利用所述数据分析单元分别读取塔吊各零部件的历史运行状态数据并根据历史运行状态数据建立异常数据分析模型；

利用所述异常数据分析模型对塔吊零部件的实时运行状态数据与标准运行参数进行比对分析，找出塔吊的实时异常零部件；

利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件。

6.根据权利要求5所述的方法，其特征在于，所述利用所述异常数据分析模型对塔吊每个零部件的实时运行状态数据与标准运行参数进行比对分析具体包括：

依次判断塔吊每个零部件的实时运行状态数据与所述标准运行参数的第一差值，并计算所述第一差值同所述标准运行参数的第一比值，若所述第一比值大于预设第一阈值，则该零部件为异常零部件。

7.根据权利要求6所述的方法，其特征在于，所述依次判断塔吊每个零部件的实时运行状态数据与所述标准运行参数的第一差值，并计算所述差值同所述标准运行参数的第一比值之后，还包括：

判断每个零部件的其他运行状态数据与所述标准运行参数的第二差值，并计算所述第二差值同所述标准运行参数的第二比值，若所述第一比值大于预设第一阈值，且所述第二比值大于预设第一阈值，则该零部件为异常零部件。

8.根据权利要求5所述的方法，其特征在于，所述利用所述异常处理单元对异常零部件的运行状态进行修正或发出告警信号提醒更换零部件之前，还包括：

利用所述异常数据分析模型根据塔吊的各零部件的历史运行状态数据建立衰变曲线；

判断各零部件的实际参数变化趋势曲线与所述衰变曲线是否吻合，若吻合则需要发出告警信号提醒更换零部件。

9.根据权利要求8所述的方法，其特征在于，所述判断各零部件的实际参数变化趋势曲线与所述衰变曲线是否吻合具体包括：

利用曲线拟合算法比较所述零部件的实际参数变化趋势曲线与所述衰变曲线是否相似，若曲线相似度数值小于预设的第二阈值，则吻合。

10.一种智能塔吊，包括：车体、卷扬、回转、动力总成、吊钩、塔身和塔臂，其特征在于，所述车体中搭载有如权利要求1~4任一项中所述的塔吊维修数据识别系统；

所述塔吊维修数据识别系统采集所述车体、卷扬、回转、动力总成、吊钩、塔身和塔臂的各零部件的运行状态数据并存储；

根据所述运行状态数据进行分析计算，找出异常零部件。

Images