CN115165081A - 一种矿山机械振动信号采集及工况识别的系统和方法 - Google Patents

一种矿山机械振动信号采集及工况识别的系统和方法 Download PDF

Info

Publication number
CN115165081A
CN115165081A CN202210940428.9A CN202210940428A CN115165081A CN 115165081 A CN115165081 A CN 115165081A CN 202210940428 A CN202210940428 A CN 202210940428A CN 115165081 A CN115165081 A CN 115165081A
Authority
CN
China
Prior art keywords
vibration
vibration signal
mining
working condition
signal acquisition
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
Application number
CN202210940428.9A
Other languages
English (en)
Inventor
柴天佑
张丹威
刘强
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN202210940428.9A priority Critical patent/CN115165081A/zh
Publication of CN115165081A publication Critical patent/CN115165081A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01HMEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供了一种矿山机械振动信号采集及工况识别的系统和方法,系统包括:用于采集各种矿山机械振动信号数据的振动加速度传感器;用于将振动加速度传感器采集的振动信号通过信号连接线上传至控制器的动态信号采集卡;用于根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理,完成振动信号采集工作的控制器;用于针对所采集的振动信号完成频谱分析,自适应识别不同振动信号下的矿山机械设备运行工况,完成对系统采集的振动信号的工况识别工作的上位机。本发明能够保障选矿行业对各种矿山机械设备的振动信号检测和工况识别的准确性。

Description

一种矿山机械振动信号采集及工况识别的系统和方法
技术领域
本发明属于流程工业技术领域,特别涉及一种矿山机械振动信号采集及工况识别的系统和方法。
背景技术
随着社会经济和流程工业的发展,大量的矿产资源被人们用于炼钢、炼铁等流程工业中。在矿产资源的采集过程中,经常需要对设备的工作情况进行检测。目前很多设备检测采用对其振动信号进行分析来实现检测,但是在振动信号信息采集的过程中,将会遇到如周围环境噪声的影响、数据检测异常和不准确等问题,对振动信号检测系统的准确性以及对工况识别的准确性都带来巨大的干扰。
目前现有的针对矿山机械振动信号采集和工况识别的发明中,只是停留在完成振动信号采集的阶段,并不能在振动信号采集的过程中去除噪声对振动信号造成的干扰,且面对不同的机械设备无法自适应的完成对其运行工况的识别与分析工作。如,现有产品中虽然可以通过提取振动信号特征完成相关异常识别,但此方法运行过程较为复杂,且提取特征的过程中对有效信号做了暴力剔除,无法达到自适应为振动信号降噪的效果。另外,现有产品虽然也可以通过压缩的方式对振动信号进行采集获取单一工况特征,但是无法对采集到的振动信号进行有效的分析,同时无法给出相应的机械设备运行过程的工况分析情况。
因此,为提高利用矿山机械设备振动信号分析设备运行工况以及提高设备工况识别的准确度,亟需一种面向不同设备不同工况下的振动信号采集以及工况识别系统,自适应的完成对振动信号处理以及工况识别工作。
发明内容
有鉴于此,本发明提供一种矿山机械振动信号采集及工况识别的系统和方法,能够准确的对各种矿山机械设备进行振动信号采集与读取,同时能对所采集到的振动信号进行频谱分析,进而保证对矿山机械设备振动信号采集的纯净性以及对设备工况识别的准确性。
为此,本发明提供了以下技术方案:
本发明提供了一种矿山机械振动信号采集及工况识别系统,包括:
用于采集各种矿山机械振动信号数据的振动加速度传感器;
用于将所述振动加速度传感器采集的振动信号通过信号连接线上传至控制器的动态信号采集卡;
用于根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理,完成振动信号采集工作的控制器;
用于针对所采集的振动信号完成频谱分析,自适应识别不同振动信号下的矿山机械设备运行工况,完成对系统采集的振动信号的工况识别工作的上位机;所述控制器位于上位机中;所述控制器位于上位机中;
所述振动加速度传感器、所述动态信号采集卡和所述上位机顺序连接。
进一步地,安装六个振动加速度传感器。
进一步地,安装六个振动加速度传感器,包括:
对整个矿山机械设备以120度为一个方向,整个周期360度,进料装3个振动加速度传感器,每120度方向采集一次振动信号;出料装3个振动加速度传感器,每120度方向采集一次振动信号。
进一步地,所述控制器还用于根据异常振动信号数据通知设备维护人员进行矿山机械设备维护。
进一步地,所述振动加速度传感器通过控制器上传数据的时间小于动态信号采集卡上传数据的时间。
进一步地,根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理,包括:
以自适应降噪分解的方式对采集的原始振动信号进行分解;
针对不同矿山机械设备的振动信号,自适应计算不同振动信号分解过程的奇异值中任意两个不同分量之间的相关系数;
针对不同的矿山机械设备设定不同的相关系数预设值;当分解得到的分量之间的相关系数大于预设值时,自适应的保留相关性较强的异常相关振动信号分量;反之剔除;
基于保留相关性的分量计算得到Hankel矩阵,将得到的Hankel矩阵进行重构,得到包含原始振动信号更多内容的重构信号,以达到自适应降噪的目的。
进一步地,自适应识别不同振动信号下的设备运行工况,包括:
根据降噪之后得到的矿山机械设备的振动信号,在线监测上一时刻振动信号频谱表征,若存在监测振动信号频谱发生突变,则根据监测数据的频谱变化和预先设定的设备各个工况表征频谱表相匹配,寻找出与监测数据特征相匹配的工况;其中设备工况表征频谱表包括各工况的频谱变化范围以及过渡频谱变化范围。
本发明还提供了一种矿山机械振动信号采集及工况识别的方法,应用于上述矿山机械振动信号采集及工况识别的系统,包括如下步骤:
在实际选矿生产活动中,针对目标矿山机械通过振动加速度传感器对机械运行时的振动信号进行采集,并将振动信号传输至动态信号采集卡;
经过动态信号采集卡将振动信号传输至控制器;控制器根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理;
经过控制器向上位机进行自适应降噪之后的振动信号数据上传;
上位机读取控制器上传的数据;针对所采集的振动信号完成频谱分析,自适应识别不同振动信号下的设备运行工况,完成对系统采集的振动信号的工况识别工作。
本发明的优点和积极效果:
本发明中的矿山机械振动信号采集及工况识别的系统根据现场环境以及设备的不同通过配有动态信号采集卡与控制器和上位机软件对所采集振动信号进行自适应的降噪处理,并对去除噪声干扰后的振动信号进行频谱分析,在保证振动信号采集的纯净性的同时通过匹配相应的设备工况表征频谱表自适应地完成对设备的工况识别工作。能够保障选矿行业对各种矿山机械设备的振动信号检测和工况识别的准确性。
附图说明
为了更清楚地说明本发明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做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明实施例中一种矿山机械振动信号采集及工况识别的系统的结构示意图;
图2为本发明实施例中振动信号降噪及频谱分析图;
图3为本发明实施例中圆锥破碎机振动信号频谱图实例示意图。
具体实施方式
本发明提出一种矿山机械振动信号采集及工况识别的系统和方法,配有动态信号采集卡和控制器,通过采集卡采集机械设备振动信号,通过控制器自适应的选择对信号降噪的相关系数设定值以满足对采集的信号进行自适应降噪处理;通过自适应的降噪模块为上位机软件中所做的频谱分析提供纯净的振动信号,排除信号传输过程中周围环境噪声的影响,进而对所采集的振动信号的频谱波段进行分析保证对设备检测的准确性以及对设备运行工况识别的准确性;通过对监测信号的频谱分析工作将检测信号的频谱与构建的设备工况表征频谱表相匹配自适应的识别相应的设备运行工况的变化。
为了使本技术领域的人员更好地理解本发明方案,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的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例的矿山机械属于选矿行业中的破碎筛分工序的圆锥破碎机,其具体型号为Sandvik CH870:01式圆锥破碎机。
如图1所示,本发明实施例中矿山振动信号采集及工况识别的系统包括:振动加速度传感器、动态信号采集卡、控制器和上位机;振动加速度传感器、动态信号采集卡、控制器、上位机顺序连接;其中:
振动加速度传感器能够读取各种矿山机械振动信号数据,优选地,振动加速度传感器可以采用单轴ICP型振动加速度传感器352C33。振动加速度传感器通过控制器上传数据的时间小于动态信号采集卡上传数据的时间,这样能够保证传输数据的实时性。在具体实施中,针对圆锥破碎机的进出料方式,安装六个振动加速度传感器。其中,整个圆锥破碎机以120度为一个方向,整个周期360度,进料装3个振动加速度传感器,每120度方向采集一次振动信号;出料装3个振动加速度传感器,每120度方向采集一次振动信号;每120度方向的进料和出料代表圆锥破碎机一个冲程,即在120度方向上的进出料一次,整个圆锥破碎的进出料过程划分为三个冲程,更好的采集矿石原料进入破碎机后所产生的振动信号。
动态信号采集卡对振动加速度传感器进行振动信号采集,实时存储信号采集装置采集的振动信号数据,并通过信号连接线将数据上传至控制器。优选地,动态信号采集卡可以采用PS PXIe-3342 8通道动态信号采集卡。
控制器中包括降噪处理单元,降噪处理单元根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理。优选地,控制器型号PS PXI-3050/3050EXT 2.7GHz双核PXI控制器,配备有两个计算引擎内核的Intel酷睿i5 3610ME处理器。控制器位于上位机中。
上位机,能够对信号采集装置进行数据备份,还能够针对所采集的振动信号完成频谱分析,同时在上位机中对监测信号的频谱与设备运行工况表征频谱表进行频谱匹配,自适应的识别设备工况变化,完成对系统采集的振动信号的工况识别工作。具体地,根据预先设定的设备工况表征频谱表对监测数据频谱变化进行监测,若存在监测数据频谱与设备工况表征频谱表相匹配,则确定此时设备相应的运行工况,其中设备工况表征频谱表包括各工况的频谱变化范围以及过渡频谱变化范围。
具体地,上位机包括:信号读取单元和存储器。信号读取单元主要由基于LabVIEW程序开发环境编写的上位机软件,上位机软件根据信号采集系统采集的信号进行分析判断,进而准确的完成振动信号处理工作,同时还能够对采集到的振动信号数据进行相应的频谱分析,根据监测数据的频谱结果与设备工况变化表征频谱图相匹配自适应的识别设备运行工况的变化,及时通知设备维护人员观测矿山机械设备工况变化。存储器用于对采集的振动信号进行存储,优选地,可以采用500GB HDD型号的硬盘。
如图2所示,采集到的设备振动信号降噪及频谱分析图。对所采集到的振动信号在控制器中进行自适应降噪处理,剔除冗余的环境噪声以及机械设备本身产生的噪声影响。对降噪之后的振动信号在上位机软件中进行频谱分析,根据监测数据的频谱结果与设备工况变化表征频谱图相匹配自适应的识别设备运行工况的变化,若频谱匹配结果判定为异常工况或过铁工况,则提醒工作人员或设备检修人员对设备进行检修;若判定为磨损工况,则提醒工作人员重点监视设备运行过程中的频谱变化。
自适应降噪处理单元是针对不同设备采集得到的原始动信号进行自适应设定振动信号分量相关系数设定值大小,如表1所示;
表1
Figure BDA0003785291280000061
Figure BDA0003785291280000071
主要分解过程如下:
①原始振动信号x=(x1,x2,...,xn),基于Hankel矩阵相空间重构理论,将上述原始振动信号构造成m×n阶Hankel矩阵:
Figure BDA0003785291280000072
其中Hm×n为m×n阶矩阵,且k=m+n-1,n≥m。对上述m×n阶Hankel矩阵进行奇异值分解:
Hm×n=U∑VT (2)
式中U满足U×UT=E的m×m阶正交矩阵;V满足V×VT=E的n×n阶正交矩阵;而∑是m×n阶矩阵:
Figure BDA0003785291280000073
Λ=diag(λ12,…,λl),λ1≥λ2≥…≥λl,且l为Hankel矩阵的秩。
②由公式(1)~(3)得到原始振动信号的奇异值分布Λ=diag(λ12,…,λl),接着针对所得到的奇异值分布,利用相关系数找出相关性最大奇异值分量:
Figure BDA0003785291280000074
式中mi和mi+p分别为原始振动信号的奇异值分布Λ=diag(λ12,…,λl)中的两个不同的分量,此实例对象为圆锥破碎机因此当设定相关系数r(p)>0.1时对两者之间的相关性进行保留,反之剔除;可以得到:
Figure BDA0003785291280000081
式中yi为经过式(4)相关系数判定之后自适应的保留包含振动信号频率特征较为丰富的信号分量。Λi是根据yi组成的新的特征信号分量矩阵。
H′i=UΛ′iVT (6)
通过式(5)和式(6)计算新得到的Hankel矩阵H′i,将H′i进行重构得到新的包含原始振动信号更多信息内容的重构信号,进而达到自适应降噪的目的。
③最后将降噪后的振动信号进行频谱分析,频谱分析采用希尔伯特包络谱分析。
圆锥破碎机振动信号频谱图如图3所示,由于圆锥破碎机破碎力主要靠动锥部分的产生,因此破碎力公式如下:
Figure BDA0003785291280000082
其中m为主轴偏心套质量,r为偏心套偏心距,ω为角速度,R为动锥支撑半径,l1和l2分别为偏心套与动锥距离和破碎力作用点与动锥距离。由式(7)可以得出频率与破碎力之间的表达式如下:
Figure BDA0003785291280000083
圆锥破碎机工况主要为过铁故障工况、衬板磨损工况等,其表征设备工况变化频谱表如表2所示。
表2
Figure BDA0003785291280000084
Figure BDA0003785291280000091
表中FHz表示圆锥破碎机正常运行过程中过的机械本体正常频率幅值范围,F铁Hz表示圆锥破碎机发生过铁故障时候的频率幅值范围,F衬Hz表示圆锥破碎机发生衬板磨损故障时候的频率幅值范围;F欠Hz是圆锥破碎机发生衬板磨损后,继续运行时无法满足正常破碎效果时的破碎机频率幅值范围;F过Hz表示在圆锥破碎机发生过铁故障时,继续运行时的频率幅值范围。
基于上述实施例中的一种矿山机械振动信号采集及工况识别的系统,本发明还提供一种矿山机械振动信号采集及工况识别的方法,包括如下步骤:
步骤1:通过振动加速度传感器采集现场振动信号;
针对矿山机械在选矿过程中进出料的方式对所采集振动信号的机械以进出料模式分别在进料口和出料口各安装3个振动信号加速度传感器,夹角范围120度,分别对设备的进料口和出料口形成360度振动信号采集工作;
步骤2:经过信号传输单元将振动加速度传感器采集到的振动信号通过信号连接线的方式传输至动态信号采集卡;
步骤3:经过动态信号采集卡将采集的机械设备振动信号传输至控制器中;
六组振动信号传感器采集的振动信号均经过动态信号采集卡输送至信号采集系统的控制器中;
步骤4:控制器根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理;通过对原始振动信号的分解,利用自适应算法对分解得到的信号分量进行自适应的选取相关性较强的分量信号进行重构,达到以剔除环境噪声以及机械本体运动产生的噪声对有效振动信号的影响;判断控制器是否可以自适应的选定判别分量选择标准,若是,进入步骤5;若不是,对传感器连接线和动态信号采集卡是否正确连接进行确认,重新进入步骤4;
步骤5:在实际选矿生产活动中,针对目标矿山机械通过振动加速度传感器对机械运行时的振动信号进行采集;
步骤6:经过控制器向上位机将实际采集得到的且经过自适应降噪处理之后的机械振动信号数据上传至上位机中;
步骤7:根据上位机的振动信号读数判断数据上传是否成功,若是,进入步骤8,若不是,更换网络接口再次进行上传,进入步骤8;
步骤8:上位机读取控制器上传的数据;
步骤9:上位机判断所读取的振动信号数据与控制器采集信号是否一致,判断标准是上位机输出信号是否可以正常输出,且输出信号符合相应的机械机理分析;若是,完成振动信号数据采集工作,进入步骤10;若不是,返回步骤6,重新将上述控制器得到的振动信号数据上传。
步骤10:将上述自适应降噪之后的振动信号经过上位机对机械振动信号进行频谱分析,根据监测数据的频谱结果与设备工况变化表征频谱图相匹配自适应的识别设备运行工况的变化,若频谱匹配结果判定为异常工况或过铁工况,则提醒工作人员或设备检修人员对设备进行检修;若判定为磨损工况或其他不影响正常工作工况,则提醒工作人员重点监视设备运行过程中的频谱变化;若正常,完成数据采集工作,进行储存。
根据上述方法完成流程行业矿山机械振动信号数据采集和工况识别工作,当上位机软件频谱分析的数据频谱与与设备工况变化表征频谱图相匹配自适应的识别设备运行工况的变化,根据工况变化通知设备维护人员进行机械设备检测。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种矿山机械振动信号采集及工况识别系统,其特征在于,包括:
用于采集各种矿山机械设备振动信号数据的振动加速度传感器;
用于将所述振动加速度传感器采集的振动信号通过信号连接线上传至控制器的动态信号采集卡;
用于根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理,完成振动信号采集工作的控制器;
用于针对所采集的振动信号完成频谱分析,自适应识别不同振动信号下的矿山机械设备运行工况,完成对系统采集的振动信号的工况识别工作的上位机;所述控制器位于上位机中;
所述振动加速度传感器、所述动态信号采集卡和所述上位机顺序连接。
2.根据权利要求1的一种矿山机械振动信号采集及工况识别的系统,其特征在于,矿山机械设备上安装六个振动加速度传感器。
3.根据权利要求2的一种矿山机械振动信号采集及工况识别的系统,其特征在于,矿山机械设备上安装六个振动加速度传感器,包括:
对整个矿山机械设备以120度为一个方向,整个周期360度,进料装3个振动加速度传感器,每120度方向采集一次振动信号;出料装3个振动加速度传感器,每120度方向采集一次振动信号。
4.根据权利要求1的一种矿山机械振动信号采集及工况识别的系统,其特征在于,所述控制器还用于根据异常振动信号数据通知设备维护人员进行矿山机械设备维护。
5.根据权利要求2的一种矿山机械振动信号采集及工况识别的系统,其特征在于,所述振动加速度传感器通过控制器上传数据的时间小于动态信号采集卡上传数据的时间。
6.根据权利要求1的一种矿山机械振动信号采集及工况识别的系统,其特征在于,根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理,包括:
以自适应降噪分解的方式对采集的原始振动信号进行分解;
针对不同矿山机械设备的振动信号,自适应计算不同振动信号分解过程的奇异值中任意两个不同分量之间的相关系数;
针对不同的矿山机械设备设定不同的相关系数预设值;
当分解得到的分量之间的相关系数大于预设值时,自适应的保留相关性较强的异常相关振动信号分量;反之剔除;
基于保留相关性的分量计算得到Hankel矩阵,将得到的Hankel矩阵进行重构,得到包含原始振动信号更多内容的重构信号。
7.根据权利要求6的一种矿山机械振动信号采集及工况识别的系统,其特征在于,自适应识别不同振动信号下的设备运行工况,包括:
根据降噪之后得到的矿山机械设备的振动信号,在线监测上一时刻振动信号频谱表征,若存在监测振动信号频谱发生突变,则根据监测数据的频谱变化和预先设定的设备各个工况表征频谱表相匹配,寻找出与监测数据特征相匹配的工况;其中设备工况表征频谱表包括各工况的频谱变化范围以及过渡频谱变化范围。
8.一种矿山机械振动信号采集及工况识别的方法,其特征在于,应用如权利要求1~7任一项所述的一种矿山机械振动信号采集及工况识别的系统,包括如下步骤:
在实际选矿生产活动中,针对目标矿山机械通过振动加速度传感器对机械运行时的振动信号进行采集,并将振动信号传输至动态信号采集卡;
经过动态信号采集卡将振动信号传输至控制器;控制器根据不同矿山机械设备对采集到的振动信号进行自适应降噪处理;
经过控制器向上位机进行自适应降噪之后的振动信号数据上传;
上位机读取控制器上传的数据;针对所采集的振动信号完成频谱分析,自适应识别不同振动信号下的设备运行工况,完成对系统采集的振动信号的工况识别工作。
CN202210940428.9A 2022-07-29 2022-07-29 一种矿山机械振动信号采集及工况识别的系统和方法 Pending CN115165081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210940428.9A CN115165081A (zh) 2022-07-29 2022-07-29 一种矿山机械振动信号采集及工况识别的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210940428.9A CN115165081A (zh) 2022-07-29 2022-07-29 一种矿山机械振动信号采集及工况识别的系统和方法

Publications (1)

Publication Number Publication Date
CN115165081A true CN115165081A (zh) 2022-10-11

Family

ID=83479435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210940428.9A Pending CN115165081A (zh) 2022-07-29 2022-07-29 一种矿山机械振动信号采集及工况识别的系统和方法

Country Status (1)

Country Link
CN (1) CN115165081A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116232123A (zh) * 2023-05-06 2023-06-06 太原理工大学 一种基于矿用风筒振动频谱的能量自适应转换装置及方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103884415A (zh) * 2014-03-25 2014-06-25 国家电网公司 一种基于无线传感技术的变压器振动监测系统及测试方法
CN105510049A (zh) * 2015-12-23 2016-04-20 哈尔滨工业大学 基于振动信号分析的车辆运行工况监测模块及方法
CN105651526A (zh) * 2015-12-29 2016-06-08 哈尔滨工业大学 基于振动信号分析的车辆工况识别方法
CN106203253A (zh) * 2016-06-22 2016-12-07 中国人民解放军61599部队计算所 一种基于多源信息的磨机振动与振声特征提取方法
CN106446829A (zh) * 2016-09-22 2017-02-22 三峡大学 一种基于svd与vmd模态自相关分析的水电机组振动信号降噪方法
KR101861729B1 (ko) * 2017-08-11 2018-05-29 한국지질자원연구원 볼 밀 장치의 진동 스펙트럼 분석방법
CN109708875A (zh) * 2019-01-24 2019-05-03 北华大学 一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法
CN109839265A (zh) * 2019-03-28 2019-06-04 西安建筑科技大学 一种基于多小波核-支持向量回归机的机械碰磨故障诊断方法
CN109858109A (zh) * 2019-01-14 2019-06-07 北京工业大学 一种基于相关性的emd与形态奇异值分解相结合的齿轮信号降噪方法
CN111006757A (zh) * 2019-12-11 2020-04-14 东方电气风电有限公司 一种风力发电机组稳态振动在线监测方法及监测系统
CN112464811A (zh) * 2020-11-26 2021-03-09 淮阴工学院 一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法
CN113375940A (zh) * 2021-05-28 2021-09-10 三峡大学 基于svd和ceemdan的故障轴承诊断方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103884415A (zh) * 2014-03-25 2014-06-25 国家电网公司 一种基于无线传感技术的变压器振动监测系统及测试方法
CN105510049A (zh) * 2015-12-23 2016-04-20 哈尔滨工业大学 基于振动信号分析的车辆运行工况监测模块及方法
CN105651526A (zh) * 2015-12-29 2016-06-08 哈尔滨工业大学 基于振动信号分析的车辆工况识别方法
CN106203253A (zh) * 2016-06-22 2016-12-07 中国人民解放军61599部队计算所 一种基于多源信息的磨机振动与振声特征提取方法
CN106446829A (zh) * 2016-09-22 2017-02-22 三峡大学 一种基于svd与vmd模态自相关分析的水电机组振动信号降噪方法
KR101861729B1 (ko) * 2017-08-11 2018-05-29 한국지질자원연구원 볼 밀 장치의 진동 스펙트럼 분석방법
CN109858109A (zh) * 2019-01-14 2019-06-07 北京工业大学 一种基于相关性的emd与形态奇异值分解相结合的齿轮信号降噪方法
CN109708875A (zh) * 2019-01-24 2019-05-03 北华大学 一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法
CN109839265A (zh) * 2019-03-28 2019-06-04 西安建筑科技大学 一种基于多小波核-支持向量回归机的机械碰磨故障诊断方法
CN111006757A (zh) * 2019-12-11 2020-04-14 东方电气风电有限公司 一种风力发电机组稳态振动在线监测方法及监测系统
CN112464811A (zh) * 2020-11-26 2021-03-09 淮阴工学院 一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法
CN113375940A (zh) * 2021-05-28 2021-09-10 三峡大学 基于svd和ceemdan的故障轴承诊断方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘向丽;: "基于振动信号的矿用旋转类设备状态监测系统", 煤矿机械, no. 01, 15 January 2020 (2020-01-15), pages 146 - 150 *
张建伟;侯鸽;暴振磊;张翌娜;马颖;: "基于CEEMDAN与SVD的泄流结构振动信号降噪方法", 振动与冲击, no. 22, 28 November 2017 (2017-11-28), pages 144 - 149 *
张超;陈建军;徐亚兰;: "基于EMD分解和奇异值差分谱理论的轴承故障诊断方法", 振动工程学报, no. 05, 15 October 2011 (2011-10-15), pages 89 - 95 *
谢厚正: "基于振动分析的传动系统智能监测方法研究", 《山东工业技术》, no. 6, 30 June 2021 (2021-06-30), pages 63 - 66 *
陈明;马宏忠;潘信诚;张利;屈斌: "基于S变换和遗传算法优化SVM的GIS机械故障诊断", 电力信息与通信技术, vol. 18, no. 005, 31 December 2020 (2020-12-31), pages 1 - 6 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116232123A (zh) * 2023-05-06 2023-06-06 太原理工大学 一种基于矿用风筒振动频谱的能量自适应转换装置及方法
CN116232123B (zh) * 2023-05-06 2023-08-08 太原理工大学 一种基于矿用风筒振动频谱的能量自适应转换装置及方法

Similar Documents

Publication Publication Date Title
Li et al. A novel online chatter detection method in milling process based on multiscale entropy and gradient tree boosting
Wang et al. A new tool wear monitoring method based on multi-scale PCA
Benkedjouh et al. Tool wear condition monitoring based on continuous wavelet transform and blind source separation
Li et al. A rolling bearing fault diagnosis strategy based on improved multiscale permutation entropy and least squares SVM
US10520397B2 (en) Methods and apparatuses for defect diagnosis in a mechanical system
CN110370649B (zh) 3d打印设备的在线监测装置、系统
CN105973621A (zh) 一种基于异常振动分析的gis机械故障诊断方法和系统
CN107003663A (zh) 具有活动部分的装置的监视
WO2013180727A1 (en) A method and a system for testing operational integrity of a drilling rig
CN106441896A (zh) 滚动轴承故障模式识别及状态监测的特征向量提取方法
CN115165081A (zh) 一种矿山机械振动信号采集及工况识别的系统和方法
CN106203253B (zh) 一种基于多源信息的磨机振动与振声特征提取方法
WO2019043600A1 (en) ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR
CN111678699B (zh) 一种面向滚动轴承早期故障监测与诊断方法及系统
Lin et al. New method for Industry 4.0 machine status prediction-A case study with the machine of a spring factory
CN112207631A (zh) 刀具检测模型的生成方法、检测方法、系统、设备及介质
CN108363822A (zh) 刀具刚性预测用于抑制切削颤振的装置及方法
CN112525749B (zh) 一种基于摩擦信号递归特性的摩擦学状态在线辨识方法
Zhao et al. Condition prediction based on wavelet packet transform and least squares support vector machine methods
CN113221937A (zh) 基于人工智能判断的应急处理系统及方法
Li et al. On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features
CN112859741A (zh) 一种机床顺序动作单元运行可靠性评价方法及系统
US20190362188A1 (en) Information processing method, information processing apparatus, and program
Song et al. A fault feature extraction method for rolling bearings based on refined composite multi-scale amplitude-aware permutation entropy
Tano Continuous monitoring of mineral processes with special focus on tumbling mills: a multivariate approach

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