CN115901242A - 机械臂故障的确定方法、确定装置和机械臂健康管理平台 - Google Patents
机械臂故障的确定方法、确定装置和机械臂健康管理平台 Download PDFInfo
- Publication number
- CN115901242A CN115901242A CN202211656996.2A CN202211656996A CN115901242A CN 115901242 A CN115901242 A CN 115901242A CN 202211656996 A CN202211656996 A CN 202211656996A CN 115901242 A CN115901242 A CN 115901242A
- Authority
- CN
- China
- Prior art keywords
- vibration
- frequency
- gear
- fault diagnosis
- diagnosis model
- 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
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请提供了一种机械臂故障的确定方法、确定装置和机械臂健康管理平台，该确定方法包括：获取机械臂的振动测点的振动数据，振动测点包括机械臂的齿轮和轴承，振动数据包括齿轮或者轴承的特征值指标的振动幅值；将振动数据输入对应的故障诊断模型，得到健康状态，故障诊断模型与振动测点的故障一一对应，健康状态包括存在故障诊断模型对应的故障和不存在故障诊断模型对应的故障，故障诊断模型为通过逻辑组态形成的，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率。
Description
技术领域
本申请涉及故障分析技术领域，具体而言，涉及一种机械臂故障的确定方法、确定装置、计算机可读存储介质、处理器和机械臂健康管理平台。
背景技术
采煤机是综采成套装备的主要设备之一，是一个集机械、电气和液压为一体的大型复杂系统。其运行工作环境恶劣，如果出现故障将会导致整个采煤工作的中断，直接造成企业的经济损失。采煤机截割部摇臂齿轮箱作为采煤机关键部件，直接承担综采工作面采煤机截割煤壁动力传动的重任，也是采煤机故障率高发区。
采煤机摇臂常用的分析方法是：
(1)油液检测，这种方法不能精确定位采煤机摇臂齿轮的故障，也不能具体分析采煤机摇臂的故障特征；
(2)专家诊断，摇臂齿轮出现明显故障后，利用手持式的测振仪进行临时的检测，需要人工进行数据分析，成本高，时间响应慢，且不能对摇臂的振动特性做历史性的故障记录，也不能进行摇臂振动的提前预警。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种机械臂故障的确定方法、确定装置、计算机可读存储介质、处理器和机械臂健康管理平台，以解决现有技术中现有的机械臂振动健康诊断成本高的问题。
根据本发明实施例的一个方面，提供了一种机械臂故障的确定方法，包括：获取机械臂的振动测点的振动数据，所述振动测点包括所述机械臂的齿轮和轴承，所述振动数据包括所述齿轮或者所述轴承的特征值指标的振动幅值；将所述振动数据输入对应的故障诊断模型，得到健康状态，所述故障诊断模型与所述振动测点的故障一一对应，所述健康状态包括存在所述故障诊断模型对应的故障和不存在所述故障诊断模型对应的故障，所述故障诊断模型为通过逻辑组态形成的。
可选地，所述齿轮的所述振动数据包括啮合频率的振动幅值、转频边带的振动幅值和通频值，获取机械臂的振动测点的振动数据，包括：获取所述齿轮的实时啮合频率、实时转频、倍频、所述齿轮的啮合频率的波形图和所述通频值；将所述齿轮的啮合频率的波形图进行傅里叶变换得到所述齿轮的啮合频率的频谱图；根据所述实时啮合频率、所述实时转频和所述倍频计算得到转频边带频点，所述转频边带频点为所述实时啮合频率与振动频率的和，所述振动频率为所述实时转频和所述倍频的乘积；根据所述转频边带频点查询所述齿轮的啮合频率的频谱图中对应的振动幅值，得到所述转频边带的振动幅值，根据所述实时啮合频率查询所述齿轮的啮合频率的频谱图中对应的振动幅值，得到所述啮合频率的振动幅值。
可选地，将所述振动数据输入对应的故障诊断模型，得到健康状态，包括：将所述啮合频率的振动幅值、所述转频边带的振动幅值和所述通频值输入齿轮磨损故障诊断模型，所述齿轮磨损故障诊断模型为所述齿轮的磨损故障对应的所述故障诊断模型；在所述啮合频率的振动幅值大于第一振动值阈值、所述转频边带的振动幅值大于第二振动值阈值且所述通频值位于预定范围内的情况下，确定所述齿轮的所述健康状态为存在磨损故障。
可选地，在将所述振动数据输入对应的故障诊断模型，得到健康状态之后，所述方法还包括：根据人工诊断数据为所述振动测点的故障匹配维修建议，所述人工诊断数据包括所述振动测点出现的故障以及对应的维修建议，所述振动测点的故障与所述维修建议一一对应；在所述健康状态为存在所述故障诊断模型对应的故障的情况下，显示所述振动测点的位置和对应的所述维修建议。
可选地，在获取机械臂的振动测点的振动数据之前，所述方法还包括：根据所述振动测点建立测点树状图，所述测点树状图的一个节点对应一个所述振动测点；将所有的所述节点匹配对应的所述振动测点的所述振动数据，以使得所述节点响应预定操作显示所述振动数据。
根据本发明实施例的另一方面，还提供了一种机械臂故障的确定装置，包括：获取单元，用于获取机械臂的振动测点的振动数据，所述振动测点包括所述机械臂的齿轮和轴承，所述振动数据包括所述齿轮或者所述轴承的特征值指标的振动幅值；诊断单元，用于将所述振动数据输入对应的故障诊断模型，得到健康状态，所述故障诊断模型与所述振动测点的故障一一对应，所述健康状态包括存在所述故障诊断模型对应的故障和不存在所述故障诊断模型对应的故障，所述故障诊断模型为通过逻辑组态形成的。
根据本发明实施例的再一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
根据本发明实施例的又一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
根据本发明实施例的再一方面，还提供了一种机械臂健康管理平台，包括：一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
可选地，所述机械臂健康管理平台包括：振动测点建立系统，用于建立测点树状图，所述测点树状图的一个节点对应一个所述振动测点；离线数据上传接口系统，与所述振动测点建立系统通信连接，所述离线数据上传接口系统用于上传所述振动测点的振动数据；特征值指标管理系统，分别与所述振动测点建立系统和所述离线数据上传接口系统通信连接，所述用于建立所述齿轮或者所述轴承的特征值指标，将所述特征值指标对应的所述振动数据与所述节点进行匹配；诊断模型管理系统，与所述振动测点建立系统通信连接，所述诊断模型管理系统用于根据输入的所述振动测点的所述振动数据输出所述振动测点的健康状态；数据界面展示系统，用于显示所述振动测点的位置和所述健康状态。
在本发明实施例中，上述机械臂故障的确定方法中，首先，获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；然后，将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。该确定方法将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请的一种实施例的机械臂故障的确定方法的流程图；
图2示出了根据本申请的一种实施例的测点树状图的示意图；
图3示出了根据本申请的一种实施例的啮合频率的波形图；
图4示出了根据本申请的一种实施例的啮合频率的频谱图；
图5示出了根据本申请的一种实施例的故障诊断模型和诊断报告的示意图；
图6示出了根据本申请的一种实施例的机械臂故障的确定装置的示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，现有技术中现有的机械臂振动健康诊断成本高，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种机械臂故障的确定方法、确定装置、计算机可读存储介质、处理器和机械臂健康管理平台。
根据本申请的实施例，提供了一种机械臂故障的确定方法。
图1是根据本申请实施例的机械臂故障的确定方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；
为了便于查看振动测点的振动数据以及健康状态，在一种可选的实施方式中，如图2所示，在获取机械臂的振动测点的振动数据之前，上述方法还包括：
步骤S201，根据上述振动测点建立测点树状图，上述测点树状图的一个节点对应一个上述振动测点；
步骤S202，将所有的上述节点匹配对应的上述振动测点的上述振动数据，以使得上述节点响应预定操作显示上述振动数据。
上述实施方式中，通过建立振动测点的测点树状图，便于相关人员通过测点树状图快速查找到目标振动测点，将所有的上述节点匹配对应的上述振动测点的上述振动数据，以便于查看振动测点的振动数据，后续根据振动数据判断出振动测点的健康状态后，可以通过测点树状图快速定位故障位置。
需要说明的是，上述机械臂为采煤机的左摇臂，如图2所示，上述节点为测点树状图的末梢节点，左摇臂的上述振动测点包括A轴齿轮垂直、B轴齿轮垂直、C轴齿轮垂直、D轴齿轮垂直、E轴齿轮垂直、F轴齿轮垂直、一级行星齿轮垂直和一级行星齿轮水平等等，当然，左摇臂的振动测点不限于齿轮，还包括多个轴承。
可选的，本发明对于获取机械臂的振动测点的振动数据的具体过程不做限制，任何可行的方式均属于本发明的保护范围。
例如，在一种可选的实施方式中，上述齿轮的上述振动数据包括啮合频率的振动幅值、转频边带的振动幅值和通频值，获取机械臂的振动测点的振动数据，包括：
步骤S1011，获取上述齿轮的实时啮合频率、实时转频、倍频、上述齿轮的啮合频率的波形图和上述通频值；
步骤S1012，将上述齿轮的啮合频率的波形图进行傅里叶变换得到上述齿轮的啮合频率的频谱图；
步骤S1013，根据上述实时啮合频率、上述实时转频和上述倍频计算得到转频边带频点，上述转频边带频点为上述实时啮合频率与振动频率的和，上述振动频率为上述实时转频和上述倍频的乘积；
步骤S1014，根据上述转频边带频点查询上述齿轮的啮合频率的频谱图中对应的振动幅值，得到上述转频边带的振动幅值，根据上述实时啮合频率查询上述齿轮的啮合频率的频谱图中对应的振动幅值，得到上述啮合频率的振动幅值。
上述实施方式中，上述齿轮的啮合频率的波形图如图3所示，通频值为13.725，将将上述齿轮的啮合频率的波形图进行傅里叶变换得到上述齿轮的啮合频率的频谱图如图4所示，上述实时啮合频率M1为773.982Hz，通过频谱图可知，对应的啮合频率的振动幅值为2.212m/s2，上述实时转频为18.902Hz，上述实时倍频为1倍频，上述转频边带频点＝773.982Hz+18.902Hz·1＝792.884，通过频谱图可知，对应的上述转频边带的振动幅值M2为0.607m/s2。
当然，上述振动测点为齿轮，齿轮的特征值指标包括啮合频率、转频边带和通频值，轴承的特征值指标可能是其他的特征值指标，另外，频谱中不是每一个频率均有对应的数据，采用模糊计算的方式查询实时啮合频率最接近的啮合频率的振动幅值。
步骤S102，将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。
可选的，本发明对于将上述振动数据输入对应的故障诊断模型，得到健康状态的具体过程不做限制，任何可行的方式均属于本发明的保护范围。
例如，在一种可选的实施方式中，如图5所示，将上述振动数据输入对应的故障诊断模型，得到健康状态，包括：
步骤S1021，将上述啮合频率的振动幅值、上述转频边带的振动幅值和上述通频值输入齿轮磨损故障诊断模型，上述齿轮磨损故障诊断模型为上述齿轮的磨损故障对应的上述故障诊断模型；
步骤S1022，在上述啮合频率的振动幅值大于第一振动值阈值、上述转频边带的振动幅值大于第二振动值阈值且上述通频值位于预定范围内的情况下，确定上述齿轮的上述健康状态为存在磨损故障。
上述实施方式中，如图5所示，将上述啮合频率的振动幅值、上述转频边带的振动幅值和上述通频值输入齿轮磨损故障诊断模型，首先判断上述啮合频率的振动幅值和上述转频边带的振动幅值是否均大于0.4，如果是，则进一步判断通频值是否在7.1～20之间，如果同样是，则确定上述齿轮存在磨损故障。
进一步地，为了便于相关人员进行维修，在一种可选的实施方式中，如图5所示，将上述振动数据输入对应的故障诊断模型，得到健康状态之后，上述方法还包括：
步骤S301，根据人工诊断数据为上述振动测点的故障匹配维修建议，上述人工诊断数据包括上述振动测点出现的故障以及对应的维修建议，上述振动测点的故障与上述维修建议一一对应；
步骤S302，在上述健康状态为存在上述故障诊断模型对应的故障的情况下，显示上述振动测点的位置和对应的上述维修建议。
上述实施方式中，如图5所示，左侧栏为诊断模型输出诊断报告，上述振动测点为左摇臂Z2\Z3齿轮，采用左摇臂Z2\Z3齿轮故障Ⅱ诊断齿轮是否存在故障，诊断确定频谱出现左摇臂Z2\Z3齿轮啮合频率及其谐波，且振动幅值在报警区间，确定左摇臂Z2\Z3齿轮有磨损、损伤、偏向、松动等现象，并给出维修建议，即加强监测振动幅值及频谱变化，改善润滑环境，不建议设备长期连续运行，适当时间检修齿轮，以便于维修人员了解故障情况进行高效且有效的维修。
上述机械臂故障的确定方法中，首先，获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；然后，将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。该确定方法将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种机械臂故障的确定装置，需要说明的是，本申请实施例的机械臂故障的确定装置可以用于执行本申请实施例所提供的用于机械臂故障的确定方法。以下对本申请实施例提供的机械臂故障的确定装置进行介绍。
图6是根据本申请实施例的机械臂故障的确定装置的示意图。如图6所示，该装置包括：
获取单元10，用于获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；
为了便于查看振动测点的振动数据以及健康状态，在一种可选的实施方式中，如图2所示，在获取机械臂的振动测点的振动数据之前，上述装置还包括：
建立单元，用于根据上述振动测点建立测点树状图，上述测点树状图的一个节点对应一个上述振动测点；
匹配单元，用于将所有的上述节点匹配对应的上述振动测点的上述振动数据，以使得上述节点响应预定操作显示上述振动数据。
上述实施方式中，通过建立振动测点的测点树状图，便于相关人员通过测点树状图快速查找到目标振动测点，将所有的上述节点匹配对应的上述振动测点的上述振动数据，以便于查看振动测点的振动数据，后续根据振动数据判断出振动测点的健康状态后，可以通过测点树状图快速定位故障位置。
需要说明的是，上述机械臂为采煤机的左摇臂，如图2所示，上述节点为测点树状图的末梢节点，左摇臂的上述振动测点包括A轴齿轮垂直、B轴齿轮垂直、C轴齿轮垂直、D轴齿轮垂直、E轴齿轮垂直、F轴齿轮垂直、一级行星齿轮垂直和一级行星齿轮水平等等，当然，左摇臂的振动测点不限于齿轮，还包括多个轴承。
可选的，本发明对于获取机械臂的振动测点的振动数据的具体过程不做限制，任何可行的方式均属于本发明的保护范围。
例如，在一种可选的实施方式中，上述齿轮的上述振动数据包括啮合频率的振动幅值、转频边带的振动幅值和通频值，上述获取单元包括：
获取模块，用于获取上述齿轮的实时啮合频率、实时转频、倍频、上述齿轮的啮合频率的波形图和上述通频值；
处理模块，用于将上述齿轮的啮合频率的波形图进行傅里叶变换得到上述齿轮的啮合频率的频谱图；
计算模块，用于根据上述实时啮合频率、上述实时转频和上述倍频计算得到转频边带频点，上述转频边带频点为上述实时啮合频率与振动频率的和，上述振动频率为上述实时转频和上述倍频的乘积；
查询模块，用于根据上述转频边带频点查询上述齿轮的啮合频率的频谱图中对应的振动幅值，得到上述转频边带的振动幅值，根据上述实时啮合频率查询上述齿轮的啮合频率的频谱图中对应的振动幅值，得到上述啮合频率的振动幅值。
上述实施方式中，上述齿轮的啮合频率的波形图如图3所示，通频值为13.725，将将上述齿轮的啮合频率的波形图进行傅里叶变换得到上述齿轮的啮合频率的频谱图如图4所示，上述实时啮合频率M1为773.982Hz，通过频谱图可知，对应的啮合频率的振动幅值为2.212m/s2，上述实时转频为18.902Hz，上述实时倍频为1倍频，上述转频边带频点＝773.982Hz+18.902Hz·1＝792.884，通过频谱图可知，对应的上述转频边带的振动幅值M2为0.607m/s2。
当然，上述振动测点为齿轮，齿轮的特征值指标包括啮合频率、转频边带和通频值，轴承的特征值指标可能是其他的特征值指标，另外，频谱中不是每一个频率均有对应的数据，采用模糊计算的方式查询实时啮合频率最接近的啮合频率的振动幅值。
诊断单元20，用于将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。
可选的，本发明对于将上述振动数据输入对应的故障诊断模型，得到健康状态的具体过程不做限制，任何可行的方式均属于本发明的保护范围。
例如，在一种可选的实施方式中，如图5所示，上述诊断单元包括：
输入模块，用于将上述啮合频率的振动幅值、上述转频边带的振动幅值和上述通频值输入齿轮磨损故障诊断模型，上述齿轮磨损故障诊断模型为上述齿轮的磨损故障对应的上述故障诊断模型；
确定模块，用于在上述啮合频率的振动幅值大于第一振动值阈值、上述转频边带的振动幅值大于第二振动值阈值且上述通频值位于预定范围内的情况下，确定上述齿轮的上述健康状态为存在磨损故障。
上述实施方式中，如图5所示，将上述啮合频率的振动幅值、上述转频边带的振动幅值和上述通频值输入齿轮磨损故障诊断模型，首先判断上述啮合频率的振动幅值和上述转频边带的振动幅值是否均大于0.4，如果是，则进一步判断通频值是否在7.1～20之间，如果同样是，则确定上述齿轮存在磨损故障。
进一步地，为了便于相关人员进行维修，在一种可选的实施方式中，如图5所示，上述装置还包括：
匹配模块，用于将上述振动数据输入对应的故障诊断模型，得到健康状态之后，根据人工诊断数据为上述振动测点的故障匹配维修建议，上述人工诊断数据包括上述振动测点出现的故障以及对应的维修建议，上述振动测点的故障与上述维修建议一一对应；
显示模块，用于在上述健康状态为存在上述故障诊断模型对应的故障的情况下，显示上述振动测点的位置和对应的上述维修建议。
上述实施方式中，如图5所示，左侧栏为诊断模型输出诊断报告，上述振动测点为左摇臂Z2\Z3齿轮，采用左摇臂Z2\Z3齿轮故障Ⅱ诊断齿轮是否存在故障，诊断确定频谱出现左摇臂Z2\Z3齿轮啮合频率及其谐波，且振动幅值在报警区间，确定左摇臂Z2\Z3齿轮有磨损、损伤、偏向、松动等现象，并给出维修建议，即加强监测振动幅值及频谱变化，改善润滑环境，不建议设备长期连续运行，适当时间检修齿轮，以便于维修人员了解故障情况进行高效且有效的维修。
上述机械臂故障的确定装置中，获取单云获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；诊断单元将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。该确定装置将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
本申请实施例还提供了一种机械臂健康管理平台，包括：一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的方法。
上述机械臂健康管理平台中，将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
在一种可选的实施方式中，上述机械臂健康管理平台包括：
振动测点建立系统，用于建立测点树状图，上述测点树状图的一个节点对应一个上述振动测点；
离线数据上传接口系统，与上述振动测点建立系统通信连接，上述离线数据上传接口系统用于上传上述振动测点的振动数据；
特征值指标管理系统，分别与上述振动测点建立系统和上述离线数据上传接口系统通信连接，上述用于建立上述齿轮或者上述轴承的特征值指标，将上述特征值指标对应的上述振动数据与上述节点进行匹配；
诊断模型管理系统，与上述振动测点建立系统通信连接，上述诊断模型管理系统用于根据输入的上述振动测点的上述振动数据输出上述振动测点的健康状态；
数据界面展示系统，用于显示上述振动测点的位置和上述健康状态。
上述实施方式中，以摇臂的健康管理平台为例，离线数据上传接口系统采用多通道振动数据高速采集系统来采集摇臂的振动数据，采用高速同步AD转换模块，AD模块转换分辨率为24位，采用频率可到250Khz，多通道振动数据高速采集系统可用电池或充电宝供电；多通道振动数据高速采集系统的通道数可进行扩展，可扩展到32通道；多通道振动数据高速采集系统可实现振动数据本地存储，也可以通过网络上传至平台系统。摇臂设备的振动测点建立系统，负责建立每个摇臂的测点树形图，用于管理摇臂各自的振动数据；离线数据上传接口系统，用于接收多通道振动数据高速采集系统保存在本地的振动数据值，将本地的数据传输到采煤机摇臂智能健康管理平台系统的数据库内；特征值指标管理系统，用于建立并管理各个摇臂齿轮跟轴承的特征值指标，建立特征值指标库后，利用频谱、阶次分析、包络解调、齿轮箱环形冲击图等多算法分析，提取摇臂齿轮箱有效的特征值指标对应的特征值；诊断模型管理系统，根据专家经验，设置各齿轮的智能智能故障诊断机理模型，将采煤机摇臂的振动数据上传至平台系统中后，系统即可根据这次的振动数据输出摇臂齿轮健康状态评估，采煤机摇臂的数据界面展示系统，用于展示采煤机摇臂当前的振动值与健康状态，机械臂健康管理平台可准确、快速的判断采煤机摇臂的齿轮故障齿轮；振动数据分析采用大数据模型分析，可快速输出分析结果，成本低，应用型广泛，应用灵活，使用方便，系统可适应不同型号的摇臂设备进行广泛的推广应用。
上述机械臂故障的确定装置包括处理器和存储器，上述获取单云和确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有的机械臂振动健康诊断成本高的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述机械臂故障的确定方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述机械臂故障的确定方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；
步骤S202，将所有的上述节点匹配对应的上述振动测点的上述振动数据，以使得上述节点响应预定操作显示上述振动数据。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；
步骤S202，将所有的上述节点匹配对应的上述振动测点的上述振动数据，以使得上述节点响应预定操作显示上述振动数据。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请的机械臂故障的确定方法中，首先，获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；然后，将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。该确定方法将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
2)、本申请的机械臂故障的确定装置中，获取单云获取机械臂的振动测点的振动数据，上述振动测点包括上述机械臂的齿轮和轴承，上述振动数据包括上述齿轮或者上述轴承的特征值指标的振动幅值；诊断单元将上述振动数据输入对应的故障诊断模型，得到健康状态，上述故障诊断模型与上述振动测点的故障一一对应，上述健康状态包括存在上述故障诊断模型对应的故障和不存在上述故障诊断模型对应的故障，上述故障诊断模型为通过逻辑组态形成的。该确定装置将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
3)、本申请的机械臂健康管理平台中，将故障判断的逻辑通过逻辑组态生成故障诊断模型，将传统的专家坐诊改为故障诊断模型进行智能诊断，可快速输出摇臂的健康状态报告，降低了摇臂故障诊断的成本，解决了现有的机械臂振动健康诊断成本高的问题，且可以同时检测大量的振动测点，大大了提高的故障判断的效率，保证维修的及时性。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种机械臂故障的确定方法，其特征在于，包括：
获取机械臂的振动测点的振动数据，所述振动测点包括所述机械臂的齿轮和轴承，所述振动数据包括所述齿轮或者所述轴承的特征值指标的振动幅值；
将所述振动数据输入对应的故障诊断模型，得到健康状态，所述故障诊断模型与所述振动测点的故障一一对应，所述健康状态包括存在所述故障诊断模型对应的故障和不存在所述故障诊断模型对应的故障，所述故障诊断模型为通过逻辑组态形成的。
2.根据权利要求1所述的方法，其特征在于，所述齿轮的所述振动数据包括啮合频率的振动幅值、转频边带的振动幅值和通频值，获取机械臂的振动测点的振动数据，包括：
获取所述齿轮的实时啮合频率、实时转频、倍频、所述齿轮的啮合频率的波形图和所述通频值；
将所述齿轮的啮合频率的波形图进行傅里叶变换得到所述齿轮的啮合频率的频谱图；
根据所述实时啮合频率、所述实时转频和所述倍频计算得到转频边带频点，所述转频边带频点为所述实时啮合频率与振动频率的和，所述振动频率为所述实时转频和所述倍频的乘积；
根据所述转频边带频点查询所述齿轮的啮合频率的频谱图中对应的振动幅值，得到所述转频边带的振动幅值，根据所述实时啮合频率查询所述齿轮的啮合频率的频谱图中对应的振动幅值，得到所述啮合频率的振动幅值。
3.根据权利要求2所述的方法，其特征在于，将所述振动数据输入对应的故障诊断模型，得到健康状态，包括：
将所述啮合频率的振动幅值、所述转频边带的振动幅值和所述通频值输入齿轮磨损故障诊断模型，所述齿轮磨损故障诊断模型为所述齿轮的磨损故障对应的所述故障诊断模型；
在所述啮合频率的振动幅值大于第一振动值阈值、所述转频边带的振动幅值大于第二振动值阈值且所述通频值位于预定范围内的情况下，确定所述齿轮的所述健康状态为存在磨损故障。
4.根据权利要求1至3任一项所述的方法，其特征在于，在将所述振动数据输入对应的故障诊断模型，得到健康状态之后，所述方法还包括：
根据人工诊断数据为所述振动测点的故障匹配维修建议，所述人工诊断数据包括所述振动测点出现的故障以及对应的维修建议，所述振动测点的故障与所述维修建议一一对应；
在所述健康状态为存在所述故障诊断模型对应的故障的情况下，显示所述振动测点的位置和对应的所述维修建议。
5.根据权利要求1至3任一项所述的方法，其特征在于，在获取机械臂的振动测点的振动数据之前，所述方法还包括：
根据所述振动测点建立测点树状图，所述测点树状图的一个节点对应一个所述振动测点；
将所有的所述节点匹配对应的所述振动测点的所述振动数据，以使得所述节点响应预定操作显示所述振动数据。
6.一种机械臂故障的确定装置，其特征在于，包括：
获取单元，用于获取机械臂的振动测点的振动数据，所述振动测点包括所述机械臂的齿轮和轴承，所述振动数据包括所述齿轮或者所述轴承的特征值指标的振动幅值；
诊断单元，用于将所述振动数据输入对应的故障诊断模型，得到健康状态，所述故障诊断模型与所述振动测点的故障一一对应，所述健康状态包括存在所述故障诊断模型对应的故障和不存在所述故障诊断模型对应的故障，所述故障诊断模型为通过逻辑组态形成的。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的方法。
8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的方法。
9.一种机械臂健康管理平台，其特征在于，包括：一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至5中任意一项所述的方法。
10.根据权利要求9所述的管理平台，其特征在于，所述机械臂健康管理平台包括：
振动测点建立系统，用于建立测点树状图，所述测点树状图的一个节点对应一个所述振动测点；
离线数据上传接口系统，与所述振动测点建立系统通信连接，所述离线数据上传接口系统用于上传所述振动测点的振动数据；
特征值指标管理系统，分别与所述振动测点建立系统和所述离线数据上传接口系统通信连接，所述用于建立所述齿轮或者所述轴承的特征值指标，将所述特征值指标对应的所述振动数据与所述节点进行匹配；
诊断模型管理系统，与所述振动测点建立系统通信连接，所述诊断模型管理系统用于根据输入的所述振动测点的所述振动数据输出所述振动测点的健康状态；
数据界面展示系统，用于显示所述振动测点的位置和所述健康状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211656996.2A CN115901242A (zh) | 2022-12-22 | 2022-12-22 | 机械臂故障的确定方法、确定装置和机械臂健康管理平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211656996.2A CN115901242A (zh) | 2022-12-22 | 2022-12-22 | 机械臂故障的确定方法、确定装置和机械臂健康管理平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115901242A true CN115901242A (zh) | 2023-04-04 |
Family
ID=86471247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211656996.2A Pending CN115901242A (zh) | 2022-12-22 | 2022-12-22 | 机械臂故障的确定方法、确定装置和机械臂健康管理平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115901242A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116541800A (zh) * | 2023-07-06 | 2023-08-04 | 利维智能（深圳）有限公司 | 基于振动和声音数据的融合诊断方法、系统、设备及介质 |
-
2022
- 2022-12-22 CN CN202211656996.2A patent/CN115901242A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116541800A (zh) * | 2023-07-06 | 2023-08-04 | 利维智能（深圳）有限公司 | 基于振动和声音数据的融合诊断方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104503399B (zh) | 一种集团级风电机组状态监测及故障诊断平台 | |
| CN112763908B (zh) | 一种基于多故障特征联合的电机健康指数评价系统 | |
| CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
| CN102023100A (zh) | 设备故障预警系统及方法 | |
| CN110728443A (zh) | 一种电机全生命周期管控系统 | |
| CN112061988B (zh) | 起重机分布式网络监测、单机监测管理系统及方法 | |
| CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
| CN109507924B (zh) | 用于油田作业设备的远程监控系统 | |
| CN109491341B (zh) | 用于油田作业设备的监控与数据分析系统 | |
| CN107167318A (zh) | 一种轴承智能快捷故障诊断仪及诊断方法 | |
| CN201311360Y (zh) | 一种振动在线监测故障诊断装置 | |
| CN110056640B (zh) | 基于加速度信号和边缘计算的减速机无线故障诊断方法 | |
| CN109596349B (zh) | 一种基于vmd和pct的减速器故障诊断方法 | |
| CN115901242A (zh) | 机械臂故障的确定方法、确定装置和机械臂健康管理平台 | |
| CN106596105A (zh) | 一种轴承故障诊断方法、装置及系统 | |
| CN115437358A (zh) | 工业机器人智能状态监测与故障诊断系统及故障诊断方法 | |
| CN103941722A (zh) | 通过部件特征倍频幅值趋势监测和诊断设备故障的方法 | |
| CN111322082A (zh) | 一种tbm滚刀状态监测及故障诊断方法、系统 | |
| CN114371001A (zh) | 一种齿轮箱故障缺陷检测系统 | |
| CN105203937A (zh) | 一种变压器内部放电模式识别方法及故障诊断系统 | |
| CN111340260A (zh) | 煤矿井下设备的远程故障诊断系统、方法及装置 | |
| CN113280910A (zh) | 一种长材生产线设备实时监测方法及系统 | |
| CN109507986A (zh) | 用于油田作业设备的远程监控方法 | |
| CN106248398A (zh) | 一种汽车的诊断方法及装置 | |
| CN103306662A (zh) | 一种全液压钻机的在线监测诊断系统 |
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 |