CN115420501B - 一种基于人工智能的变速箱体运行管控系统 - Google Patents
一种基于人工智能的变速箱体运行管控系统 Download PDFInfo
- Publication number
- CN115420501B CN115420501B CN202211373119.4A CN202211373119A CN115420501B CN 115420501 B CN115420501 B CN 115420501B CN 202211373119 A CN202211373119 A CN 202211373119A CN 115420501 B CN115420501 B CN 115420501B
- Authority
- CN
- China
- Prior art keywords
- time
- analysis
- stage
- time period
- analysis object
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/025—Test-benches with rotational drive means and loading means; Load or drive simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于人工智能的变速箱体运行管控系统,涉及变速箱体运行管控技术领域,解决了现有技术中,在进行变速箱体管控过程中,无法针对其振动分析判断变速箱体是否存在故障风险的技术问题,将分析对象内零件进行运维检测,判断不同零件的运维投入是否合格,从而判断分析对象运行异常时是否存在零件损坏,以至于能够提高了分析对象运维的准确性,保证分析对象的运维效率,提高了故障查找的成本,除此之外,在零件存在异常时能够及时进行整顿,防止再次运行时零件仍出现异常,大大提高了分析对象的使用质量;将分析对象在磨损阶段的运行进行分析检测,判断分析对象在磨损阶段的运行是否正常,从而保证分析对象的运行稳定性。
Description
技术领域
本发明涉及变速箱体运行管控技术领域,具体为一种基于人工智能的变速箱体运行管控系统。
背景技术
汽车变速箱在汽车中常称为“变速箱”;在工业机械中常称为“变速机”,是进行机械动力转换的机械或液压设备。变速器是汽车传动系统的主要组成之一;因此变速箱体的运行管控至关重要。
但是在现有技术中,在变速箱体运行出现异常后,无法对变速箱内零件进行分析,以至于降低变速箱体维护的准确性,同时在进行变速箱体管控过程中,无法针对其振动分析判断变速箱体是否存在故障风险,此外,在变速箱体管控时,无法针对变速箱体的各个运行阶段准确分析,以至于同类型的变速箱体运行时仍存在运行风险。
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出一种基于人工智能的变速箱体运行管控系统,将变速箱体的实时运行进行分析检测,判断变速箱体的运行是否合格,在运行出现异常时及时进行监测管控,降低了变速箱体异常带来的影响,防止运行异常时变速箱体内零件仍运行,造成零件的使用寿命降低,形成恶性循环,因此,通过实时运行分析检测能够间接提高了变速箱体的运行效率以及运行稳定性。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的变速箱体运行管控系统,包括服务器,服务器通讯连接有:
实时运行分析检测单元,用于将变速箱体的实时运行进行分析检测,将实时运行的变速箱体标记为分析对象,设置标号i,i为大于1的自然数,获取到实时运行时间段内分析对象的分析检测系数,根据分析检测系数比较生成运行异常信号和运行正常信号,并将其发送至服务器;
箱体零件运维检测单元,用于将分析对象内零件进行运维检测,将分析对象内设置的零件标记为子零件,设置标号o,o为大于1的自然数,获取到子零件的运维检测周期和周期集合,并根据比较生成周期设定异常信号和运维检测周期设定正常信号,并将其发送至服务器;同时通过分析生成型号不匹配信号和零件更换信号,并将其发送至服务器;
振动信号处理检测单元,用于将实时运行时间段内的分析对象进行振动分析,将实时运行时间段等距划分为k个时刻点,并根据分析获取的振动分析时刻和非振动分析时刻进行振动分析,通过振动分析生成振动异常信号和振动正常信号,并将其发送至服务器;
磨损阶段运行检测单元,用于将分析对象在磨损阶段的运行进行分析检测,获取到分析对象运行的磨合阶段时间段、稳定磨损阶段时间段以及磨损阶段时间段,并根据分析生成磨合阶段异常信号、稳定磨损阶段异常信号以及阶段合格信号,并将其发送至服务器。
作为本发明的一种优选实施方式,实时运行分析检测单元的运行过程如下:
统计出分析对象的实时运行时间段,采集到实时运行时间段内分析对象切换档位时卡顿频率以及实时运行时间段内分析对象的运行温度上升速度;采集到实时运行时间段内分析对象对应最大噪声分贝值的增加速度;通过分析获取到实时运行时间段内分析对象的分析检测系数;
将实时运行时间段内分析对象的分析检测系数与分析检测系数阈值进行比较:若实时运行时间段内分析对象的分析检测系数超过分析检测系数阈值,生成运行异常信号并将运行异常信号和对应分析对象的编号一同发送至服务器;若实时运行时间段内分析对象的分析检测系数未超过分析检测系数阈值,生成运行正常信号并将运行正常信号和对应分析对象的编号一同发送至服务器。
作为本发明的一种优选实施方式,箱体零件运维检测单元的运行过程如下:
以分析对象首次运行时刻为时刻起点,以分析对象内子零件均出现至少一次故障时刻为时刻终点,根据时刻起点和时刻终点构建运维检测时间段;
采集到运维检测时间段内各个子零件的故障次数,并根据当前各个子零件的故障次数,获取到分析对象内各个子零件失效比重;采集到分析对象内各个子零件的运维检测周期,并将其进行分析,将子零件根据失效比重由大到小的顺序进行排序构建失效比集合;且将子零件根据运维检测周期从短到长的顺序进行排序构建周期集合;其中,失效比集合与周期集合对应子零件的数量一致;
采集到同一子零件在失效比集合内所处位置与首子集的间隔子集数量,并将其标记为失效比序号;采集到同一子零件在周期集合内所处位置与首子集的间隔子集数量,并将其标记为周期序号;若对应子零件的失效比序号与周期序号的差值数值超过二,生成运维检测周期设定异常信号;
若对应子零件的失效比序号与周期序号的差值数值未超过二,生成运维检测周期设定正常信号并将运维检测周期设定正常信号和对应子零件编号一同发送至服务器。
作为本发明的一种优选实施方式,采集到运维检测时间段内子零件在设定运维检测周期内的故障率与不在设定运维检测周期内的故障率,若运维检测时间段内子零件在设定运维检测周期内的故障率超过周期故障率阈值,生成型号不匹配信号;若运维检测时间段内子零件不在设定运维检测周期内的故障率超过非周期故障率阈值,生成零件更换信号。
作为本发明的一种优选实施方式,振动信号处理检测单元的运行过程如下:
实时运行时间段作为X轴,以分析对象在实时运行时间段内的执行量为Y轴建立直角坐标系,且随着实时运行时间段的增长其时刻点数量也随之增加;根据分析对象的实时运行在直角坐标系构建执行量曲线;
将相邻时刻点对应时间段内执行量的增加速度,若对应执行量的增加速度超过增加速度阈值,则将对应时间段的后时刻点作为振动分析时刻;若对应执行量的增加速度未超过增加速度阈值,则根据时间顺序添加时刻点,直至执行量的增加速度超过增加速度阈值,即将对应时间段内的后时刻点作为振动分析时刻;实时运行时间段内除振动分析时刻外的时刻点标记为非振动分析时刻;
采集到实时运行时间段内振动分析时刻时分析对象的振动幅度峰值以及分析对象在实时运行时间段内非振动分析时刻的平均幅度频率,并将其分别与振动幅度峰值阈值和平均幅度频率阈值进行比较:
若实时运行时间段内振动分析时刻时分析对象的振动幅度峰值超过振动幅度峰值阈值,或者分析对象在实时运行时间段内非振动分析时刻的平均幅度频率超过平均幅度频率阈值,生成振动异常信号并将振动异常信号发送至服务器;
若实时运行时间段内振动分析时刻时分析对象的振动幅度峰值未超过振动幅度峰值阈值,且分析对象在实时运行时间段内非振动分析时刻的平均幅度频率未超过平均幅度频率阈值,生成振动正常信号并将振动正常信号发送至服务器。
作为本发明的一种优选实施方式,磨损阶段运行检测单元的运行过程如下:
将分析对象的执行量曲线进行分析,以执行量曲线为磨合阶段起点,并采集到分析对象对应各个时刻点的磨损量,若相邻时刻点的磨损量增长速度超过对应增长速度阈值,则将对应相邻时刻点的前一时刻点标记为磨合阶段终点,同时以磨合阶段终点对应时刻为稳定磨损阶段起点;并根据磨合阶段起点和磨合阶段终点获取到磨合阶段时间段;
将稳定磨损阶段起点之后的时刻点进行分析,采集到执行量增加时分析对象对应磨损量的浮动趋势,若分析对象的磨损量浮动趋势为增加,且增加跨度未超过磨损量增加跨度阈值,则判断分析对象仍处于稳定磨损阶段;若分析对象的磨损量浮动趋势为增加,且增加跨度超过磨损量增加跨度阈值,则判断分析对象的当前运行时刻点标记为稳定磨损阶段终点,并根据将稳定磨损阶段起点和稳定磨损阶段终点获取到稳定磨损阶段时间段;以稳定磨损阶段终点对应时刻为磨损阶段起点,并根据磨损阶段起点与对应磨损阶段起点后的时刻点构建磨损阶段时间段。
作为本发明的一种优选实施方式,采集到磨合阶段时间段内执行量的最大增加跨度以及稳定磨损阶段时间段内执行量的持续增加频率,并将其分别与最大增加跨度阈值和持续增加频率阈值进行比较:
若磨合阶段时间段内执行量的最大增加跨度超过最大增加跨度阈值,则判定磨合阶段时间段执行量增加异常,生成磨合阶段异常信号并将磨合阶段异常信号发送至服务器;若稳定磨损阶段时间段内执行量的持续增加频率超过持续增加频率阈值,则判定稳定磨损阶段时间段内执行量的增加频率异常,生成稳定磨损阶段异常信号并将稳定磨损阶段异常信号发送至服务器;
若磨合阶段时间段内执行量的最大增加跨度未超过最大增加跨度阈值,且稳定磨损阶段时间段内执行量的持续增加频率未超过持续增加频率阈值,则生成阶段合格信号并将阶段合格信号发送至服务器。
与现有技术相比,本发明的有益效果是:
1、本发明中,将变速箱体的实时运行进行分析检测,判断变速箱体的运行是否合格,在运行出现异常时及时进行监测管控,降低了变速箱体异常带来的影响,防止运行异常时变速箱体内零件仍运行,造成零件的使用寿命降低,形成恶性循环,因此,通过实时运行分析检测能够间接提高了变速箱体的运行效率以及运行稳定性;
2、本发明中,将分析对象内零件进行运维检测,判断不同零件的运维投入是否合格,从而判断分析对象运行异常时是否存在零件损坏,以至于能够提高了分析对象运维的准确性,保证分析对象的运维效率,提高了故障查找的成本,除此之外,在零件存在异常时能够及时进行整顿,防止再次运行时零件仍出现异常,大大提高了分析对象的使用质量;
3、本发明中,将实时运行时间段内的分析对象进行振动分析,判断分析对象的振动分析是否合格,同时在振动分析过程中选择合适时长间隔,防止时长间隔小导致振动分析工作量增加,同时防止时间间隔大导致振动分析不准确,从而无法准确进行振动分析;将分析对象在磨损阶段的运行进行分析检测,判断分析对象在磨损阶段的运行是否正常,从而保证分析对象的运行稳定性,防止在磨损阶段出现不合理运行导致分析对象的运行效率降低,同时在出现不合理运行后能够及时进行维护,降低了分析对象的故障风险。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明整体的系统框图;
图2为本发明实施例1的系统框图;
图3为本发明实施例2的系统框图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,一种基于人工智能的变速箱体运行管控系统,包括服务器,服务器通讯连接有实时运行分析检测单元、箱体零件运维检测单元、振动信号处理检测单元以及磨损阶段运行检测单元,其中,服务器与实时运行分析检测单元、箱体零件运维检测单元、振动信号处理检测单元以及磨损阶段运行检测单元均为双向通讯连接;
实施例1
请参阅图2所示,在变速箱运行过程中,服务器生成实时运行分析检测信号并将实时运行分析检测信号发送至实时运行分析检测单元,实时运行分析检测单元接收到实时运行分析检测信号后,将变速箱体的实时运行进行分析检测,判断变速箱体的运行是否合格,在运行出现异常时及时进行监测管控,降低了变速箱体异常带来的影响,防止运行异常时变速箱体内零件仍运行,造成零件的使用寿命降低,形成恶性循环,因此,通过实时运行分析检测能够间接提高了变速箱体的运行效率以及运行稳定性;
将实时运行的变速箱体标记为分析对象,设置标号i,i为大于1的自然数,统计出分析对象的实时运行时间段,采集到实时运行时间段内分析对象切换档位时卡顿频率以及实时运行时间段内分析对象的运行温度上升速度,并将实时运行时间段内分析对象切换档位时卡顿频率以及实时运行时间段内分析对象的运行温度上升速度分别标记为KPLi和YWDi;采集到实时运行时间段内分析对象对应最大噪声分贝值的增加速度,并将实时运行时间段内分析对象对应最大噪声分贝值的增加速度标记为ZJSi;
将实时运行时间段内分析对象的分析检测系数Xi与分析检测系数阈值进行比较:
若实时运行时间段内分析对象的分析检测系数Xi超过分析检测系数阈值,则判定实时运行时间段内分析对象的运行分析检测不合格,生成运行异常信号并将运行异常信号和对应分析对象的编号一同发送至服务器;
若实时运行时间段内分析对象的分析检测系数Xi未超过分析检测系数阈值,则判定实时运行时间段内分析对象的运行分析检测合格,生成运行正常信号并将运行正常信号和对应分析对象的编号一同发送至服务器;
服务器将运行正常信号对应的分析对象继续正常运行,将运行异常信号对应的分析对象进行停运维护;
实施例2
请参阅图3所示,在分析对象进行停运维护后,服务器生成箱体零件运维检测信号并将箱体零件运维检测信号发送至箱体零件运维检测单元,箱体零件运维检测单元接收到箱体零件运维检测信号后,将分析对象内零件进行运维检测,判断不同零件的运维投入是否合格,从而判断分析对象运行异常时是否存在零件损坏,以至于能够提高了分析对象运维的准确性,保证分析对象的运维效率,提高了故障查找的成本,除此之外,在零件存在异常时能够及时进行整顿,防止再次运行时零件仍出现异常,大大提高了分析对象的使用质量;
将分析对象内设置的零件标记为子零件,设置标号o,o为大于1的自然数,其中,分析对象内的子零件为现有技术中变速箱体内设置的零件,如齿轮、轴等零件;同时以分析对象首次运行时刻为时刻起点,以分析对象内子零件均出现至少一次故障时刻为时刻终点,根据时刻起点和时刻终点构建运维检测时间段;
采集到运维检测时间段内各个子零件的故障次数,并根据当前各个子零件的故障次数,获取到分析对象内各个子零件失效比重;采集到分析对象内各个子零件的运维检测周期,并将其进行分析,将子零件根据失效比重由大到小的顺序进行排序构建失效比集合;且将子零件根据运维检测周期从短到长的顺序进行排序构建周期集合;其中,失效比集合与周期集合对应子零件的数量一致;
采集到同一子零件在失效比集合内所处位置与首子集的间隔子集数量,并将其标记为失效比序号;采集到同一子零件在周期集合内所处位置与首子集的间隔子集数量,并将其标记为周期序号;若对应子零件的失效比序号与周期序号的差值数值超过二,则判定对应子零件的运维检测周期设定不合理,生成运维检测周期设定异常信号并将运维检测周期设定异常信号和对应子零件编号一同发送至服务器,服务器接收到运维检测周期设定异常信号后,将对应子零件进行维护同时在完成维护后将其重新设定运维检测周期;若对应子零件的失效比序号与周期序号的差值数值未超过二,则判定对应子零件的运维检测周期设定合理,生成运维检测周期设定正常信号并将运维检测周期设定正常信号和对应子零件编号一同发送至服务器;其中,未超过二包括等于二,且差值数值表示为两个集合内同一子零件对应子集的排序位置,若排序位置对应序号差值超过二,则表明运维检测周期设定与失效比重不成比例;
采集到运维检测时间段内子零件在设定运维检测周期内的故障率与不在设定运维检测周期内的故障率,若运维检测时间段内子零件在设定运维检测周期内的故障率超过周期故障率阈值,则判定对应子零件的型号无法满足当前生产需求,生成型号不匹配信号并将型号不匹配信号和对应子零件编号发送至服务器,服务器接收到型号不匹配信号后,将对应子零件进行型号重选;反之,则不进行处理;
若运维检测时间段内子零件不在设定运维检测周期内的故障率超过非周期故障率阈值,则判定对应子零件的性能降低,生成零件更换信号并将零件更换信号和对应子零件的编号发送至服务器,服务器接收到零件更换信号后,将对应编号的子零件进行更换;反之,则不进行处理;
服务器接收到运行正常信号后,生成振动信号处理检测信号并将振动信号处理检测信号法发送至振动信号处理检测单元,振动信号处理检测单元接收到振动信号处理检测信号后,将实时运行时间段内的分析对象进行振动分析,判断分析对象的振动分析是否合格,同时在振动分析过程中选择合适时长间隔,防止时长间隔小导致振动分析工作量增加,同时防止时间间隔大导致振动分析不准确,从而无法准确进行振动分析;
将实时运行时间段内分析对象进行分析,将实时运行时间段等距划分为k个时刻点,k为大于1的自然数,并以实时运行时间段作为X轴,以分析对象在实时运行时间段内的执行量为Y轴建立直角坐标系,且随着实时运行时间段的增长其时刻点数量也随之增加;其中,执行量表示为变速箱体切换档位的次数;根据分析对象的实时运行在直角坐标系构建执行量曲线;
将相邻时刻点对应时间段内执行量的增加速度,若对应执行量的增加速度超过增加速度阈值,则将对应时间段的后时刻点作为振动分析时刻;若对应执行量的增加速度未超过增加速度阈值,则根据时间顺序添加时刻点,直至执行量的增加速度超过增加速度阈值,即将对应时间段内的后时刻点作为振动分析时刻;实时运行时间段内除振动分析时刻外的时刻点标记为非振动分析时刻;
采集到实时运行时间段内振动分析时刻时分析对象的振动幅度峰值以及分析对象在实时运行时间段内非振动分析时刻的平均幅度频率,并将实时运行时间段内振动分析时刻时分析对象的振动幅度峰值以及分析对象在实时运行时间段内非振动分析时刻的平均幅度频率分别与振动幅度峰值阈值和平均幅度频率阈值进行比较:
若实时运行时间段内振动分析时刻时分析对象的振动幅度峰值超过振动幅度峰值阈值,或者分析对象在实时运行时间段内非振动分析时刻的平均幅度频率超过平均幅度频率阈值,则判定分析对象存在运行风险,生成振动异常信号并将振动异常信号发送至服务器,服务器接收到振动异常信号后,将对应分析对象进行实时维护,并控制执行量的增长;
若实时运行时间段内振动分析时刻时分析对象的振动幅度峰值未超过振动幅度峰值阈值,且分析对象在实时运行时间段内非振动分析时刻的平均幅度频率未超过平均幅度频率阈值,则判定分析对象不存在运行风险,生成振动正常信号并将振动正常信号发送至服务器;
服务器接收到振动正常信号后,生成磨损阶段运行检测信号并将磨损阶段运行检测信号发送至磨损阶段运行检测单元,磨损阶段运行检测单元接收到磨损阶段运行检测信号后,将分析对象在磨损阶段的运行进行分析检测,判断分析对象在磨损阶段的运行是否正常,从而保证分析对象的运行稳定性,防止在磨损阶段出现不合理运行导致分析对象的运行效率降低,同时在出现不合理运行后能够及时进行维护,降低了分析对象的故障风险;
将分析对象的执行量曲线进行分析,以执行量曲线为磨合阶段起点,并采集到分析对象对应各个时刻点的磨损量,若相邻时刻点的磨损量增长速度超过对应增长速度阈值,则将对应相邻时刻点的前一时刻点标记为磨合阶段终点,同时以磨合阶段终点对应时刻为稳定磨损阶段起点;并根据磨合阶段起点和磨合阶段终点获取到磨合阶段时间段;
将稳定磨损阶段起点之后的时刻点进行分析,采集到执行量增加时分析对象对应磨损量的浮动趋势,若分析对象的磨损量浮动趋势为增加,且增加跨度未超过磨损量增加跨度阈值,则判断分析对象仍处于稳定磨损阶段;若分析对象的磨损量浮动趋势为增加,且增加跨度超过磨损量增加跨度阈值,则判断分析对象的当前运行时刻点标记为稳定磨损阶段终点,并根据将稳定磨损阶段起点和稳定磨损阶段终点获取到稳定磨损阶段时间段;以稳定磨损阶段终点对应时刻为磨损阶段起点,并根据磨损阶段起点与对应磨损阶段起点后的时刻点构建磨损阶段时间段;
采集到磨合阶段时间段内执行量的最大增加跨度以及稳定磨损阶段时间段内执行量的持续增加频率,并将磨合阶段时间段内执行量的最大增加跨度以及稳定磨损阶段时间段内执行量的持续增加频率分别与最大增加跨度阈值和持续增加频率阈值进行比较:
若磨合阶段时间段内执行量的最大增加跨度超过最大增加跨度阈值,则判定磨合阶段时间段执行量增加异常,生成磨合阶段异常信号并将磨合阶段异常信号发送至服务器,服务器接收到磨合阶段异常信号后,在同型号的分析对象投入使用后,控制磨合阶段内的执行量增加跨度;可以理解的是,在磨合阶段增加过大的执行量,容易引起设备磨损严重,造成变速箱体运行效率降低;
若稳定磨损阶段时间段内执行量的持续增加频率超过持续增加频率阈值,则判定稳定磨损阶段时间段内执行量的增加频率异常,生成稳定磨损阶段异常信号并将稳定磨损阶段异常信号发送至服务器,服务器接收到稳定磨损阶段异常信号后,在同型号的分析对象进入稳定磨损阶段后,降低执行量持续增加的频率;可以理解的是,在稳定磨损阶段执行量持续增加频率过大,会导致稳定磨损阶段缩短,应控制持续增加频率,防止过早进入磨损阶段;
若磨合阶段时间段内执行量的最大增加跨度未超过最大增加跨度阈值,且稳定磨损阶段时间段内执行量的持续增加频率未超过持续增加频率阈值,则生成阶段合格信号并将阶段合格信号发送至服务器。
在上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,通过实时运行分析检测单元将变速箱体的实时运行进行分析检测,将实时运行的变速箱体标记为分析对象,获取到实时运行时间段内分析对象的分析检测系数,根据分析检测系数比较生成运行异常信号和运行正常信号,并将其发送至服务器;通过箱体零件运维检测单元将分析对象内零件进行运维检测,将分析对象内设置的零件标记为子零件,获取到子零件的运维检测周期和周期集合,并根据比较生成周期设定异常信号和运维检测周期设定正常信号,并将其发送至服务器;同时通过分析生成型号不匹配信号和零件更换信号,并将其发送至服务器;通过振动信号处理检测单元将实时运行时间段内的分析对象进行振动分析,将实时运行时间段等距划分为k个时刻点,并根据分析获取的振动分析时刻和非振动分析时刻进行振动分析,通过振动分析生成振动异常信号和振动正常信号,并将其发送至服务器;通过磨损阶段运行检测单元将分析对象在磨损阶段的运行进行分析检测,获取到分析对象运行的磨合阶段时间段、稳定磨损阶段时间段以及磨损阶段时间段,并根据分析生成磨合阶段异常信号、稳定磨损阶段异常信号以及阶段合格信号,并将其发送至服务器。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (3)
1.一种基于人工智能的变速箱体运行管控系统,其特征在于,包括服务器,服务器通讯连接有:实时运行分析检测单元,用于将变速箱体的实时运行进行分析检测,将实时运行的变速箱体标记为分析对象,设置标号i,i为大于1的自然数,获取到实时运行时间段内分析对象的分析检测系数,根据分析检测系数比较生成运行异常信号和运行正常信号,并将其发送至服务器;箱体零件运维检测单元,用于将分析对象内零件进行运维检测,将分析对象内设置的零件标记为子零件,设置标号o,o为大于1的自然数,获取到子零件的运维检测周期和周期集合,并根据比较生成周期设定异常信号和运维检测周期设定正常信号,并将其发送至服务器;同时通过分析生成型号不匹配信号和零件更换信号,并将其发送至服务器;振动信号处理检测单元,用于将实时运行时间段内的分析对象进行振动分析,将实时运行时间段等距划分为k个时刻点,并根据分析获取的振动分析时刻和非振动分析时刻进行振动分析,通过振动分析生成振动异常信号和振动正常信号,并将其发送至服务器;磨损阶段运行检测单元,用于将分析对象在磨损阶段的运行进行分析检测,获取到分析对象运行的磨合阶段时间段、稳定磨损阶段时间段以及磨损阶段时间段,并根据分析生成磨合阶段异常信号、稳定磨损阶段异常信号以及阶段合格信号,并将其发送至服务器;实时运行分析检测单元的运行过程如下:统计出分析对象的实时运行时间段,采集到实时运行时间段内分析对象切换档位时卡顿频率以及实时运行时间段内分析对象的运行温度上升速度,并将实时运行时间段内分析对象切换档位时卡顿频率以及实时运行时间段内分析对象的运行温度上升速度分别标记为KPLi和YWDi;采集到实时运行时间段内分析对象对应最大噪声分贝值的增加速度,并将实时运行时间段内分析对象对应最大噪声分贝值的增加速度标记为ZJSi;通过公式获取到实时运行时间段内分析对象的分析检测系数Xi,其中,a1、a2以及a3均为预设比例系数,且a1>a2>a3>0,β为误差修正因子,取值为0.986;将实时运行时间段内分析对象的分析检测系数与分析检测系数阈值进行比较:若实时运行时间段内分析对象的分析检测系数超过分析检测系数阈值,生成运行异常信号并将运行异常信号和对应分析对象的编号一同发送至服务器;若实时运行时间段内分析对象的分析检测系数未超过分析检测系数阈值,生成运行正常信号并将运行正常信号和对应分析对象的编号一同发送至服务器;箱体零件运维检测单元的运行过程如下:以分析对象首次运行时刻为时刻起点,以分析对象内子零件均出现至少一次故障时刻为时刻终点,根据时刻起点和时刻终点构建运维检测时间段;采集到运维检测时间段内各个子零件的故障次数,并根据当前各个子零件的故障次数,获取到分析对象内各个子零件失效比重;采集到分析对象内各个子零件的运维检测周期,并将其进行分析,将子零件根据失效比重由大到小的顺序进行排序构建失效比集合;且将子零件根据运维检测周期从短到长的顺序进行排序构建周期集合;其中,失效比集合与周期集合对应子零件的数量一致;采集到同一子零件在失效比集合内所处位置与首子集的间隔子集数量,并将其标记为失效比序号;采集到同一子零件在周期集合内所处位置与首子集的间隔子集数量,并将其标记为周期序号;若对应子零件的失效比序号与周期序号的差值数值超过二,生成运维检测周期设定异常信号;若对应子零件的失效比序号与周期序号的差值数值未超过二,生成运维检测周期设定正常信号并将运维检测周期设定正常信号和对应子零件编号一同发送至服务器;采集到运维检测时间段内子零件在设定运维检测周期内的故障率与不在设定运维检测周期内的故障率,若运维检测时间段内子零件在设定运维检测周期内的故障率超过周期故障率阈值,生成型号不匹配信号;若运维检测时间段内子零件不在设定运维检测周期内的故障率超过非周期故障率阈值,生成零件更换信号;振动信号处理检测单元的运行过程如下:实时运行时间段作为X轴,以分析对象在实时运行时间段内的执行量为Y轴建立直角坐标系,且随着实时运行时间段的增长其时刻点数量也随之增加;执行量表示为变速箱体切换档位的次数;根据分析对象的实时运行在直角坐标系构建执行量曲线;将相邻时刻点对应时间段内执行量的增加速度,若对应执行量的增加速度超过增加速度阈值,则将对应时间段的后时刻点作为振动分析时刻;若对应执行量的增加速度未超过增加速度阈值,则根据时间顺序添加时刻点,直至执行量的增加速度超过增加速度阈值,即将对应时间段内的后时刻点作为振动分析时刻;实时运行时间段内除振动分析时刻外的时刻点标记为非振动分析时刻;采集到实时运行时间段内振动分析时刻时分析对象的振动幅度峰值以及分析对象在实时运行时间段内非振动分析时刻的平均幅度频率,并将其分别与振动幅度峰值阈值和平均幅度频率阈值进行比较:若实时运行时间段内振动分析时刻时分析对象的振动幅度峰值超过振动幅度峰值阈值,或者分析对象在实时运行时间段内非振动分析时刻的平均幅度频率超过平均幅度频率阈值,生成振动异常信号并将振动异常信号发送至服务器;若实时运行时间段内振动分析时刻时分析对象的振动幅度峰值未超过振动幅度峰值阈值,且分析对象在实时运行时间段内非振动分析时刻的平均幅度频率未超过平均幅度频率阈值,生成振动正常信号并将振动正常信号发送至服务器。
2.根据权利要求1所述的一种基于人工智能的变速箱体运行管控系统,其特征在于,磨损阶段运行检测单元的运行过程如下:将分析对象的执行量曲线进行分析,以执行量曲线为磨合阶段起点,并采集到分析对象对应各个时刻点的磨损量,若相邻时刻点的磨损量增长速度超过对应增长速度阈值,则将对应相邻时刻点的前一时刻点标记为磨合阶段终点,同时以磨合阶段终点对应时刻为稳定磨损阶段起点;并根据磨合阶段起点和磨合阶段终点获取到磨合阶段时间段;将稳定磨损阶段起点之后的时刻点进行分析,采集到执行量增加时分析对象对应磨损量的浮动趋势,若分析对象的磨损量浮动趋势为增加,且增加跨度未超过磨损量增加跨度阈值,则判断分析对象仍处于稳定磨损阶段;若分析对象的磨损量浮动趋势为增加,且增加跨度超过磨损量增加跨度阈值,则判断分析对象的当前运行时刻点标记为稳定磨损阶段终点,并根据将稳定磨损阶段起点和稳定磨损阶段终点获取到稳定磨损阶段时间段;以稳定磨损阶段终点对应时刻为磨损阶段起点,并根据磨损阶段起点与对应磨损阶段起点后的时刻点构建磨损阶段时间段。
3.根据权利要求2所述的一种基于人工智能的变速箱体运行管控系统,其特征在于,采集到磨合阶段时间段内执行量的最大增加跨度以及稳定磨损阶段时间段内执行量的持续增加频率,并将其分别与最大增加跨度阈值和持续增加频率阈值进行比较:若磨合阶段时间段内执行量的最大增加跨度超过最大增加跨度阈值,则判定磨合阶段时间段执行量增加异常,生成磨合阶段异常信号并将磨合阶段异常信号发送至服务器;若稳定磨损阶段时间段内执行量的持续增加频率超过持续增加频率阈值,则判定稳定磨损阶段时间段内执行量的增加频率异常,生成稳定磨损阶段异常信号并将稳定磨损阶段异常信号发送至服务器;若磨合阶段时间段内执行量的最大增加跨度未超过最大增加跨度阈值,且稳定磨损阶段时间段内执行量的持续增加频率未超过持续增加频率阈值,则生成阶段合格信号并将阶段合格信号发送至服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211373119.4A CN115420501B (zh) | 2022-11-04 | 2022-11-04 | 一种基于人工智能的变速箱体运行管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211373119.4A CN115420501B (zh) | 2022-11-04 | 2022-11-04 | 一种基于人工智能的变速箱体运行管控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115420501A CN115420501A (zh) | 2022-12-02 |
CN115420501B true CN115420501B (zh) | 2023-01-24 |
Family
ID=84207479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211373119.4A Active CN115420501B (zh) | 2022-11-04 | 2022-11-04 | 一种基于人工智能的变速箱体运行管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115420501B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115597902B (zh) * | 2022-12-15 | 2023-03-28 | 山东复圣化工有限公司 | 用于二氯异氰尿酸钠加工的翻转装置运行效率分析系统 |
CN116040487B (zh) * | 2023-03-06 | 2023-06-16 | 中国电建集团山东电力建设第一工程有限公司 | 一种基于大数据的起重设备运行安全监管系统 |
CN116118375B (zh) * | 2023-04-04 | 2023-06-23 | 北京惠朗时代科技有限公司 | 一种基于人工智能的盖章机运行监管系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016024007A (ja) * | 2014-07-18 | 2016-02-08 | Ntn株式会社 | 機械部品診断システムおよびそのサーバ |
CN105334052A (zh) * | 2015-10-26 | 2016-02-17 | 上汽通用五菱汽车股份有限公司 | 一种主减速器总成质量检测方法 |
CN106197996A (zh) * | 2016-06-24 | 2016-12-07 | 南京理工大学 | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 |
JP2019070580A (ja) * | 2017-10-10 | 2019-05-09 | オムロン株式会社 | 異常診断装置、異常診断方法、及び異常診断プログラム |
CN113537524A (zh) * | 2021-07-19 | 2021-10-22 | 石家庄扬天科技有限公司 | 一种工程车辆发动机缸体预防维修决策方法 |
CN114611548A (zh) * | 2022-02-18 | 2022-06-10 | 南京新联电能云服务有限公司 | 一种基于振动分析的状态分类方法及系统 |
CN115090378A (zh) * | 2022-08-26 | 2022-09-23 | 启东市春晨机械有限公司 | 一种金属破碎机锤头转子的振动异常监控及预警方法 |
CN115101187A (zh) * | 2022-07-14 | 2022-09-23 | 西南医科大学附属医院 | 一种基于大数据的麻醉机运行故障预测系统 |
CN115099633A (zh) * | 2022-06-28 | 2022-09-23 | 宿州郑升轴承有限公司 | 基于数据分析的轴承加工设备运行质量检测系统 |
CN115130702A (zh) * | 2022-09-02 | 2022-09-30 | 山东汇泓纺织科技有限公司 | 一种基于大数据分析的纺织机故障预测系统 |
CN115235757A (zh) * | 2022-09-25 | 2022-10-25 | 山东驰勤机械有限公司 | 一种基于数据处理的变速箱体性能监测管理系统 |
-
2022
- 2022-11-04 CN CN202211373119.4A patent/CN115420501B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016024007A (ja) * | 2014-07-18 | 2016-02-08 | Ntn株式会社 | 機械部品診断システムおよびそのサーバ |
CN105334052A (zh) * | 2015-10-26 | 2016-02-17 | 上汽通用五菱汽车股份有限公司 | 一种主减速器总成质量检测方法 |
CN106197996A (zh) * | 2016-06-24 | 2016-12-07 | 南京理工大学 | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 |
JP2019070580A (ja) * | 2017-10-10 | 2019-05-09 | オムロン株式会社 | 異常診断装置、異常診断方法、及び異常診断プログラム |
CN113537524A (zh) * | 2021-07-19 | 2021-10-22 | 石家庄扬天科技有限公司 | 一种工程车辆发动机缸体预防维修决策方法 |
CN114611548A (zh) * | 2022-02-18 | 2022-06-10 | 南京新联电能云服务有限公司 | 一种基于振动分析的状态分类方法及系统 |
CN115099633A (zh) * | 2022-06-28 | 2022-09-23 | 宿州郑升轴承有限公司 | 基于数据分析的轴承加工设备运行质量检测系统 |
CN115101187A (zh) * | 2022-07-14 | 2022-09-23 | 西南医科大学附属医院 | 一种基于大数据的麻醉机运行故障预测系统 |
CN115090378A (zh) * | 2022-08-26 | 2022-09-23 | 启东市春晨机械有限公司 | 一种金属破碎机锤头转子的振动异常监控及预警方法 |
CN115130702A (zh) * | 2022-09-02 | 2022-09-30 | 山东汇泓纺织科技有限公司 | 一种基于大数据分析的纺织机故障预测系统 |
CN115235757A (zh) * | 2022-09-25 | 2022-10-25 | 山东驰勤机械有限公司 | 一种基于数据处理的变速箱体性能监测管理系统 |
Non-Patent Citations (1)
Title |
---|
风电齿轮箱状态监测和故障诊断的研究现状及发展趋势;徐启圣 等;《润滑与密封》;20190831(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115420501A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115420501B (zh) | 一种基于人工智能的变速箱体运行管控系统 | |
CN115130702B (zh) | 一种基于大数据分析的纺织机故障预测系统 | |
CN115657631B (zh) | 一种工控设备运行现场环境智能监控系统 | |
CN110533092B (zh) | 一种基于运行工况的风力发电机组scada数据分类方法及应用 | |
CN115102290A (zh) | 一种智能电网实时安全预警系统 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN115099633A (zh) | 基于数据分析的轴承加工设备运行质量检测系统 | |
CN113359562B (zh) | 电机智能润滑系统 | |
CN115473331B (zh) | 一种基于动态建模的数字孪生电网用电量监管系统 | |
CN116351313A (zh) | 一种基于计算机控制的食品搅拌机智能控制系统 | |
CN107654342A (zh) | 一种考虑湍流的风电机组功率异常的检测方法 | |
CN116044802A (zh) | 一种矿用通风机状态故障监测诊断系统 | |
CN115078892B (zh) | 一种单机大传动变频器状态远程监测系统 | |
CN116781560A (zh) | 基于人工智能的工控机远程智能控制系统 | |
CN109002026A (zh) | 一种水电机组全工况综合参数退化趋势分析方法 | |
CN116934162A (zh) | 一种基于数据分析的农机设备运行管控系统 | |
CN115977855A (zh) | 一种基于人工智能的水电站故障诊断系统 | |
CN117375480A (zh) | 一种机器人传动时电机速度波动的同步控制系统 | |
CN117031381B (zh) | 一种电源检测设备的故障检测系统和方法 | |
CN116609606B (zh) | 一种基于人工智能的铁路动环实时安全检测系统 | |
CN117092953A (zh) | 一种基于工业物联网的生产数据采集管控系统 | |
CN111931969A (zh) | 一种基于时序分析的合并单元设备状态预测方法 | |
CN116011332A (zh) | 一种基于gan-qp特征迁移模型的风电机组状态监测方法 | |
CN115452031A (zh) | 一种旋转编码开关生产用检测系统 | |
CN115056266A (zh) | 基于plc的机械加工用机械臂智能故障检测方法 |
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 |