CN116150661A - 一种电梯曳引机的异常诊断方法及异常诊断装置 - Google Patents

一种电梯曳引机的异常诊断方法及异常诊断装置 Download PDF

Info

Publication number
CN116150661A
CN116150661A CN202310418095.8A CN202310418095A CN116150661A CN 116150661 A CN116150661 A CN 116150661A CN 202310418095 A CN202310418095 A CN 202310418095A CN 116150661 A CN116150661 A CN 116150661A
Authority
CN
China
Prior art keywords
frequency
index value
obtaining
traction machine
time domain
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
CN202310418095.8A
Other languages
English (en)
Other versions
CN116150661B (zh
Inventor
刘非非
袁庆华
张少标
李伟
林铄众
李响
尹昕皖
张博
李恒睿
徐文冰
曹杨
纵瑞利
王伟
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.)
Shenzhen Chengan Softcom Technology Group Co ltd
Shenzhen Research Institute Of China University Of Mining And Technology
Shenzhen Technology Institute of Urban Public Safety Co Ltd
Original Assignee
Shenzhen Chengan Softcom Technology Group Co ltd
Shenzhen Research Institute Of China University Of Mining And Technology
Shenzhen Technology Institute of Urban Public Safety Co Ltd
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 Shenzhen Chengan Softcom Technology Group Co ltd, Shenzhen Research Institute Of China University Of Mining And Technology, Shenzhen Technology Institute of Urban Public Safety Co Ltd filed Critical Shenzhen Chengan Softcom Technology Group Co ltd
Priority to CN202310418095.8A priority Critical patent/CN116150661B/zh
Publication of CN116150661A publication Critical patent/CN116150661A/zh
Application granted granted Critical
Publication of CN116150661B publication Critical patent/CN116150661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)
  • Maintenance And Inspection Apparatuses For Elevators (AREA)

Abstract

本发明提供了一种电梯曳引机的异常诊断方法及异常诊断装置，还涉及到电子设备，所述方法包括获取电梯曳引机的高频原始振动信号；根据高频原始振动信号得到时域指标值；基于时域指标值得到时域健康度分值；所述方法还包括根据所述原始振动信号得到固有模态函数（IMF）分量；基于固有模态函数（IMF）分量，得到Hilbert包络谱信号；通过对Hilbert包络谱信号进行计算，得到频域健康度分值；通过对时域健康度分值和频域健康度分值求平均值，得出电梯曳引机的总体健康度分值。在本发明中，通过总体健康度分值判断电梯曳引机的实时健康状态，进而使工作人员可以根据按需维保方式进行检修，避免人力资源的浪费。

Description

一种电梯曳引机的异常诊断方法及异常诊断装置
技术领域
本发明涉及曳引机状态监测技术领域，具体涉及一种电梯曳引机的异常诊断方法及异常诊断装置。
背景技术
电梯曳引机是电梯运行的动力来源，其性能直接影响电梯的安全性和稳定性，由于电梯曳引机工作条件较为复杂，其发生故障的概率较大，作为电梯的核心部件，对其进行监测和诊断尤为重要，现有电梯曳引机的监测和诊断主要基于温度、转速、低频振动等要素，并根据统计数据如运行次数、故障次数等因素对曳引机乃至电梯进行健康评估，但现有曳引机的监测和诊断所采集的温度、转速、低频振动等数据包含故障信息较少，仅能在故障发生时或发生后才能检测到曳引机异常或故障，无法有效对未来故障进行预测诊断，进而无法实现对曳引机健康状态的实时评估。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中由于现有曳引机的监测和诊断方法所需要采集的温度、转速、低频振动等数据包含的状态信息较少而导致无法有效实时判断曳引机的健康状态的缺陷。
为此，本发明提供了一种电梯曳引机的异常诊断方法，包括：
获取电梯曳引机的高频原始振动信号；
根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；
基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。
可选地，所述获取电梯曳引机的高频原始振动信号，包括：
通过设置在所述电梯曳引机上的振动传感器来获取所述高频原始振动信号。
可选地，当所述电梯曳引机为蜗轮蜗杆曳引机时，在曳引轮外侧轴承座的径向方向上安装所述振动传感器。
可选地，当所述电梯曳引机为永磁同步曳引机时，在所述电梯曳引机外壳的径向方向上安装振动传感器。
可选地，根据所述高频原始振动信号得到时域指标值，包括：
对采集到的高频原始振动信号进行时域特征提取；所述时域特征至少包括平均值（
Figure SMS_1
）、极大值（
Figure SMS_2
）、均方根值（
Figure SMS_3
）以及峭度值（
Figure SMS_4
）；
基于所述时域特征，得到所述时域指标值。
可选地，通过以下方式得到所述时域指标值：
Figure SMS_5
；
Figure SMS_6
；
Figure SMS_7
；
Figure SMS_8
。
可选地，所述基于所述时域指标值得到时域健康度分值，包括：
将各个时域指标值进行百分制换算，得到与各个时域指标值对应的换算分值；
基于所有的换算分值计算出时域健康度分值
Figure SMS_9
。
可选地，通过以下方式计算出时域健康度分值
Figure SMS_10
：
Figure SMS_11
；
Figure SMS_12
；
其中，
Figure SMS_13
为时域指标值，
Figure SMS_14
为根据振动监测评估标准选取的阈值，
Figure SMS_15
为各个时域指标的换算分值，
Figure SMS_16
为时域健康度分值。
可选地，所述异常诊断方法还包括：
根据所述高频原始振动信号得到固有模态函数（IMF）分量；
基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号；所述Hilbert包络谱信号与所述原始振动信号中的各类故障特征频率相关；
通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值；所述频域健康度分值与所述电梯曳引机的健康状态呈正比。
可选地，所述高频原始振动信号得到固有模态函数（IMF）分量，包括：
通过经验模态分解，将所述高频原始振动信号分解为所述固有模态函数（IMF）分量；每个固有模态函数（IMF）分量根据所述高频原始振动信号的变化而变化。
可选地，所述基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号，包括：
对通过经验模态分解得到的前若干个固有模态函数（IMF）分量进行Hilbert变换，得到解析信号；
基于所述解析信号的模得到包络谱信号；
通过对所述包络谱信号进行快速傅里叶变换，得到Hilbert包络谱信号。
可选地，所述通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值，包括：
对Hilbert包络谱信号进行频域故障特征提取，所述频域故障特征至少包括轴承的外圈故障、内圈故障、滚动体故障以及保持架故障频率能量；
根据所述频域故障特征，得到频域指标值；
基于所述频域指标值，得到频域健康度分值。
可选地，通过以下方式得到所述频域指标值：
Figure SMS_17
；
其中，
Figure SMS_18
为各个频域指标对应的值，
Figure SMS_19
为所述频域故障特征，
Figure SMS_20
为所述电梯曳引机的工频在包络谱信号上的幅值，即工频能量。
可选地，通过以下方式得到所述频域健康度分值：
Figure SMS_21
；
其中，
Figure SMS_22
为频域健康度分值，
Figure SMS_23
为频谱均方根值，
Figure SMS_24
为基准的频谱均方根值。
可选地，所述异常诊断方法还包括：
通过对所述时域健康度分值和所述频域健康度分值求平均值，得出所述电梯曳引机的总体健康度分值。
本发明还提供了一种电梯曳引机的异常诊断装置，包括：
振动传感器，用于获取电梯曳引机的高频原始振动信号；
第一处理模块，用于根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；
第二处理模块，用于基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。
本发明还提供了一种电子设备，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行上述任一项所述的异常诊断方法。
本发明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存储有计算机指令，所述计算机指令用于使所述计算机执行上述任一项所述的异常诊断方法。
本发明技术方案，具有如下优点：
1.本发明提供了一种电梯曳引机的异常诊断方法，首先需要获取电梯曳引机的高频原始振动信号；根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。由于现有曳引机所采集到的异常信息较少，无法有效对未来故障进行预测诊断，进而无法实现对曳引机健康状态的实时评估。在本发明实施例中，技术人员可以通过总体健康度分值直接来判断电梯曳引机的实时健康状态，比如，在查出总体健康度分值所在的分值区间后，与分值区间相对应的诊断结果就是电梯曳引机的实时健康状态，进而使工作人员可以根据按需维保方式进行检修，避免人力资源的浪费。
2.本发明提供了一种电梯曳引机的异常诊断方法，通过设置在所述电梯曳引机上的振动传感器来获取所述高频原始振动信号，当所述电梯曳引机为蜗轮蜗杆曳引机时，在曳引轮外侧轴承座的径向方向上安装所述振动传感器；当所述电梯曳引机为永磁同步曳引机时，在所述电梯曳引机外壳的径向方向上安装振动传感器。在本发明实施例中，通过将所述振动传感器设置在蜗轮蜗杆曳引机和永磁同步曳引机的轴承径向上，随着曳引机长时间的运行，导致轴承磨损较大，进而引起轴承径向方向上振动较大，使振动传感器可以更早期的得到所述原始振动信号，进而能够实时监测电梯曳引机的健康状况。
3.本发明提供了一种电梯曳引机的异常诊断方法，通过对高频原始振动信号进行时域特征提取，得到时域指标值，再对时域指标值进行百分制换算，最后通过计算公式得到时域健康度分值。在本发明实施例中，通过上述过程得到时域健康度分值，所述时域健康度分值与所述电梯曳引机的健康状态呈正比，能够直观体现出电梯曳引机的整体健康状况，从而实现曳引机健康状态的实时监测。
4.本发明提供了一种电梯曳引机的异常诊断方法，根据所述高频原始振动信号得到固有模态函数（IMF）分量；基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号；所述Hilbert包络谱信号与所述原始振动信号中的各类故障特征频率相关；通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值；所述频域健康度分值与所述电梯曳引机的健康状态呈正比。在本发明实施例中，通过得到的Hilbert包络谱，在Hilbert包络谱中能够发现原始振动信号中隐含各类故障的特征频率，进而能够诊断电梯曳引机的故障类型，进一步能够有效对未来故障进行预测。
5. 本发明提供了一种电梯曳引机的异常诊断装置，包括振动传感器、第一处理模块以及第二处理模块，所述振动传感器用于获取电梯曳引机的高频原始振动信号；所述第一处理模块用于根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；所述第二处理模块用于基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。在得到电梯曳引机的整体健康结果之后，通过无线传输模块将电梯曳引机的整体健康结果传输给云处理平台，技术人员从而可以在云处理平台查询到电梯曳引机的整体健康状况。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的异常诊断方法流程示意图；
图2为本发明实施例的蜗轮蜗杆曳引机结构示意图；
图3为本发明实施例的永磁同步曳引机结构示意图；
图4为本发明实施例的电子设备结构示意图；
图5为本发明实施例的整体流程示意图。
实施例中附图标记说明：
1、振动传感器；2、轴承座；3、外壳；
4、处理器；5、通信总线；6、通信接口；7、存储器。
具体实施方式
下面将结合附图对本发明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做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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
如图1至图5所示，本实施例提供一种电梯曳引机的异常诊断方法，该方法包括如下步骤：
S11，获取电梯曳引机的高频原始振动信号。
其中，所述高频原始振动信号是通过设置在所述电梯曳引机上的振动传感器1来获取，即将所述振动传感器1设置在电梯曳引机上，通过所述振动传感器1采集所述高频原始振动信号，所述振动传感器1在采集到高频原始振动信号之后，将高频原始振动信号直接传输给数据采集模块。
在本发明实施例中，所述高频振动信号的范围在1000Hz以上。
当所述电梯曳引机为蜗轮蜗杆曳引机时，如图2所示，在曳引轮外侧轴承座2的径向方向上安装所述振动传感器1，所述振动传感器1与轴承座2通过螺栓连接，或者所述振动传感器1与轴承座2通过强磁底座连接，进而使所述振动传感器1采集电梯曳引机的高频振动信号。
当所述电梯曳引机为永磁同步曳引机时，如图3所示，在所述电梯曳引机外壳3的径向方向上安装振动传感器1，所述振动传感器1与外壳3通过螺栓连接，或者所述振动传感器1与外壳3通过强磁底座连接，进而使所述振动传感器1采集电梯曳引机的高频振动信号。
在本发明实施例中，通过将所述振动传感器设置在蜗轮蜗杆曳引机和永磁同步曳引机的轴承径向上，随着曳引机长时间的运行，导致轴承磨损较大，进而引起轴承径向方向上振动较大，使振动传感器可以更早期的得到所述原始振动信号，进而能够实时监测电梯曳引机的健康状况。
S12，根据所述高频原始振动信号得到时域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度。
具体地，根据所述高频原始振动信号得到时域指标值，包括如下步骤：
S121，对采集到的高频原始振动信号进行时域特征提取；所述时域特征至少包括平均值（
Figure SMS_25
）、极大值（
Figure SMS_26
）、均方根值（
Figure SMS_27
）以及峭度值（
Figure SMS_28
）。
进一步地，通过以下方式得到所述时域指标值：
Figure SMS_29
；
Figure SMS_30
；
Figure SMS_31
；
Figure SMS_32
。
S122，基于所述时域特征，得到所述时域指标值。
其中，各个时域指标值能够较好的反映电梯曳引机的安全状态，例如，原始振动信号的均值和均方根值可以反映电梯曳引机的振动幅值大小；极大值和峭度值可以反映电梯曳引机的振动冲击大小。
S13，基于所述时域指标值得到时域健康度分值，所述时域健康度分值与所述电梯曳引机的健康状态呈正比。
其中，时域健康度是指通过分析设备物理信号在时间方面的特性，得到设备的健康程度指数。
具体地，所述基于所述时域指标值得到时域健康度分值，包括如下步骤：
S131，将各个时域指标值进行百分制换算，得到与各个时域指标值对应的换算分值；
S132，基于所有的换算分值计算出时域健康度分值
Figure SMS_33
。
在本发明实施例中，通过上述过程得到时域健康度分值，所述时域健康度分值与所述电梯曳引机的健康状态呈正比，能够直观体现出电梯曳引机的整体健康状况，从而实现曳引机健康状态的实时监测。
进一步地，通过以下方式计算出时域健康度分值
Figure SMS_34
：
Figure SMS_35
；
Figure SMS_36
；
其中，
Figure SMS_37
为时域指标值，
Figure SMS_38
为根据振动监测评估标准选取的阈值，
Figure SMS_39
为各个时域指标的换算分值，
Figure SMS_40
为时域健康度分值。
本发明实施例提供了一种电梯曳引机的异常诊断方法，所述异常诊断方法还包括如下步骤：
S21，根据所述高频原始振动信号得到固有模态函数（IMF）分量；
其中，电梯曳引机作为旋转机械，内部包含有轴承等零部件，该零部件的故障振动信号特征通常是非线性且非静态的，所以需要做经验模态分解（EMD）。
具体地，所述高频原始振动信号得到固有模态函数（IMF）分量，包括如下步骤：
通过经验模态分解（EMD），将所述高频原始振动信号分解为所述固有模态函数（IMF）分量；每个固有模态函数（IMF）分量根据所述高频原始振动信号的变化而变化。
S22，基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号；所述Hilbert包络谱信号与所述原始振动信号中的各类故障特征频率相关；
其中，当对IMF分量直接做傅立叶变换时，得到的频谱图极大值较多，且分布不规律，很难看出故障频率值，因此需要进行包络谱分析得到Hilbert包络谱。
具体地，所述基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号，包括如下步骤：
S221，对通过经验模态分解得到的前若干个固有模态函数（IMF）分量进行Hilbert变换，得到解析信号；
S222，基于所述解析信号的模得到包络谱信号；
S223，通过对所述包络谱信号进行快速傅里叶变换，得到Hilbert包络谱。
在本发明实施例中，通过经验模态分解得到固有模态函数（IMF）分量，再将固有模态函数（IMF）分量进行Hilbert变换，得到Hilbert包络谱信号，对Hilbert包络谱信号进行快速傅里叶变换，得到Hilbert包络谱，在Hilbert包络谱图中可以较好地发现原始振动信号中隐含各类故障的特征频率，进而能够诊断电梯曳引机的早期故障类型，能够有效对未来故障进行预测。
S23，通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值；所述频域健康度分值与所述电梯曳引机的健康状态呈正比。
其中，频域健康度是指通过分析设备物理信号在频率方面的特性，得到设备的健康程度指数。
具体地，所述通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值，包括如下步骤：
S231，对Hilbert包络谱信号进行频域故障特征提取，所述频域故障特征至少包括轴承的外圈故障、内圈故障、滚动体故障以及保持架故障频率能量。
S232，根据所述频域故障特征，得到频域指标值。
进一步地，通过以下方式得到所述频域指标值：
Figure SMS_41
；
其中，
Figure SMS_42
为各个频域指标对应的值，
Figure SMS_43
为所述频域故障特征，
Figure SMS_44
为所述电梯曳引机的工频在包络谱信号上的幅值，即工频能量。
通过所述故障特征的频域指标值
Figure SMS_45
，即可诊断出曳引机中轴承是否产生内圈、外圈、滚动体和保持架故障。
S233，基于所述频域指标值，得到频域健康度分值。
进一步地，通过以下方式得到所述频域健康度分值：
Figure SMS_46
；
其中，
Figure SMS_47
为频域健康度分值；
Figure SMS_48
为频谱均方根值，
Figure SMS_49
为基准的频谱均方根值。
本发明实施例提供了一种电梯曳引机的异常诊断方法，该异常诊断方法还包括如下步骤：
通过对所述时域健康度分值和所述频域健康度分值求平均值，得出所述电梯曳引机的总体健康度分值。
进一步地，通过以下方式得到所述总体健康度分值
Figure SMS_50
：
Figure SMS_51
；
上述操作均在智能诊断模块中完成，在得到电梯曳引机的时域健康度分值、频域健康度分值和总体健康度分值之后，通过无线传输模块将电梯曳引机的整体健康结果传输给云处理平台，技术人员从而可以在云处理平台查询到电梯曳引机的整体健康状况。
在本发明实施例中，技术人员可以通过总体健康度分值直接来判断电梯曳引机的实时健康状态，比如，在查出总体健康度分值所在的分值区间后，与分值区间相对应的诊断结果就是电梯曳引机的实时健康状态，进而使工作人员可以根据按需维保方式进行检修，避免人力资源的浪费。
比如，当总体健康度分值为0-30时，电梯曳引机随时可能发生损坏；当总体健康度分值为30-60时，电梯曳引机的状况已不适合长期连续运行，它只能维持有限的一段使用时间；当总体健康度分值为60-90时，电梯曳引机可以长期不受限制的运行；当总体健康度分值为90-100时，电梯曳引机新投入使用。
当然，本实施例仅仅是对分值和分值对应的电梯曳引机状态进行举例说明，但是并不对此进行限制，本领域技术人员可以根据实际情况对分值以及分值对应的电梯曳引机状态进行改变，能够起到相同的技术效果即可。
实施例2
本发明还提供了一种电梯曳引机的异常诊断装置，包括：
振动传感器，用于获取电梯曳引机的高频原始振动信号；
第一处理模块，用于根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；
第二处理模块，用于基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。
在本发明实施例中，通过所述振动传感器采集高频原始振动信号，所述原始振动信号经过所述第一处理模块处理得到时域指标值和频域指标值，所述时域指标值和频域指标值经过所述第二处理模块处理得到总体健康度分值，进而通过总体健康度分值体现电梯曳引机的健康状况，保证工作人员按需维修保养，节约人力成本。
实施例3
本发明还提供了一种电子设备，如图4所示，包括至少一个处理器4，例如中央处理器，至少一个通信接口6，存储器7，至少一个通信总线5。其中，通信总线5用于实现这些组件之间的连接通信；通信接口6可以包括显示屏、键盘，还可以包括标准的有线接口、无线接口；存储器7可以是高速RAM存储器，也可以是非不稳定的存储器，例如至少一个磁盘存储器；所述存储器7中存储应用程序，所述存储器7中还存储有计算机指令，所述处理器4通过执行所述计算机指令，从而执行上述任一项所述的异常诊断方法。
其中，通信总线5可以是外设部件互连标准（PCI）总线或扩展工业标准结构（EISA）总线等，通信总线5可以分为地址总线、数据总线、控制总线等。为便于表示，图4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。
其中，处理器4可以是中央处理器（CPU），网络处理器（NP）或者CPU和NP的组合。
其中，处理器4还可以进一步包括硬件芯片，上述硬件芯片可以是专用集成电路（ASIC），可编程逻辑器件（PLD）或其组合，上述PLD可以是复杂可编程逻辑器件（CPLD），现场可编程逻辑门阵列（FPGA），通用阵列逻辑（GAL）或其任意组合。
实施例4
本发明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存储有计算机指令，所述计算机指令用于使所述计算机执行上述任一项所述的异常诊断方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例的具体工作过程如下：
如图5所示，首先将所述振动传感器设置在所述电梯曳引机上，通过数据采集模块采集所述原始振动信号，再将所述原始振动信号传输到智能诊断模块，经过所述智能诊断模块算法处理后，将诊断结果通过无线传输模块传输到云处理平台，完成电梯曳引机的异常诊断。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (18)

1.一种电梯曳引机的异常诊断方法，其特征在于，包括：
获取电梯曳引机的高频原始振动信号；
根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；
基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。
2.根据权利要求1所述的异常诊断方法，其特征在于，所述获取电梯曳引机的高频原始振动信号，包括：
通过设置在所述电梯曳引机上的振动传感器来获取所述高频原始振动信号。
3.根据权利要求2所述的异常诊断方法，其特征在于，当所述电梯曳引机为蜗轮蜗杆曳引机时，在曳引轮外侧轴承座的径向方向上安装所述振动传感器。
4.根据权利要求2所述的异常诊断方法，其特征在于，当所述电梯曳引机为永磁同步曳引机时，在所述电梯曳引机外壳的径向方向上安装振动传感器。
5.根据权利要求1至4任一项所述的异常诊断方法，其特征在于，根据所述高频原始振动信号得到时域指标值，包括：
对采集到的高频原始振动信号进行时域特征提取；所述时域特征至少包括平均值（
Figure QLYQS_1
）、极大值（
Figure QLYQS_2
）、均方根值（
Figure QLYQS_3
）以及峭度值（
Figure QLYQS_4
）；
基于所述时域特征，得到所述时域指标值。
6.根据权利要求5所述的异常诊断方法，其特征在于，通过以下方式得到所述时域指标值：
Figure QLYQS_5
；
Figure QLYQS_6
；
Figure QLYQS_7
；
Figure QLYQS_8
。
7.根据权利要求6所述的异常诊断方法，其特征在于，基于所述时域指标值得到时域健康度分值，包括：
将各个时域指标值进行百分制换算，得到与各个时域指标值对应的换算分值；
基于所有的换算分值计算出时域健康度分值
Figure QLYQS_9
。
8.根据权利要求7所述的异常诊断方法，其特征在于，通过以下方式计算出时域健康度分值
Figure QLYQS_10
：
Figure QLYQS_11
；
Figure QLYQS_12
；
其中，
Figure QLYQS_13
为时域指标值，
Figure QLYQS_14
为根据振动监测评估标准选取的阈值，
Figure QLYQS_15
为各个时域指标的换算分值，
Figure QLYQS_16
为时域健康度分值。
9.根据权利要求1至4任一项所述的异常诊断方法，其特征在于，所述异常诊断方法还包括：
根据所述高频原始振动信号得到固有模态函数（IMF）分量；
基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号；所述Hilbert包络谱信号与所述原始振动信号中的各类故障特征频率相关；
通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值；所述频域健康度分值与所述电梯曳引机的健康状态呈正比。
10.根据权利要求9所述的异常诊断方法，其特征在于，所述高频原始振动信号得到固有模态函数（IMF）分量，包括：
通过经验模态分解，将所述高频原始振动信号分解为所述固有模态函数（IMF）分量；每个固有模态函数（IMF）分量根据所述高频原始振动信号的变化而变化。
11.根据权利要求10所述的异常诊断方法，其特征在于，基于所述固有模态函数（IMF）分量，得到Hilbert包络谱信号，包括：
对通过经验模态分解得到的前若干个固有模态函数（IMF）分量进行Hilbert变换，得到解析信号；
基于所述解析信号的模得到包络谱信号；
通过对所述包络谱信号进行快速傅里叶变换，得到Hilbert包络谱信号。
12.根据权利要求11所述的异常诊断方法，其特征在于，所述通过对所述Hilbert包络谱信号进行计算，得到频域健康度分值，包括：
对Hilbert包络谱信号进行频域故障特征提取，所述频域故障特征至少包括轴承的外圈故障、内圈故障、滚动体故障以及保持架故障频率能量；
根据所述频域故障特征，得到频域指标值；
基于所述频域指标值，得到频域健康度分值。
13.根据权利要求12所述的异常诊断方法，其特征在于，通过以下方式得到所述频域指标值：
Figure QLYQS_17
；
其中，
Figure QLYQS_18
为各个频域指标对应的值，
Figure QLYQS_19
为所述频域故障特征，
Figure QLYQS_20
为所述电梯曳引机的工频在包络谱信号上的幅值，即工频能量。
14.根据权利要求13所述的异常诊断方法，其特征在于，通过以下方式得到所述频域健康度分值：
Figure QLYQS_21
；
其中，
Figure QLYQS_22
为频域健康度分值，
Figure QLYQS_23
为频谱均方根值，
Figure QLYQS_24
为基准的频谱均方根值。
15.根据权利要求14所述的异常诊断方法，其特征在于，所述异常诊断方法还包括：
通过对所述时域健康度分值和所述频域健康度分值求平均值，得出所述电梯曳引机的总体健康度分值。
16.一种电梯曳引机的异常诊断装置，其特征在于，包括：
振动传感器，用于获取电梯曳引机的高频原始振动信号；
第一处理模块，用于根据所述高频原始振动信号得到时域指标值和频域指标值；所述时域指标值用于反应所述电梯曳引机的性能强度；所述频域指标值用于反应所述电梯曳引机的故障类型；
第二处理模块，用于基于所述时域指标值得到时域健康度分值，基于所述频域指标值得到频域健康度分值；通过所述时域健康度分值和所述频域健康度分值得到总体健康度分值，所述总体健康度分值与所述电梯曳引机的健康状态呈正比。
17.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至15中任一项所述的异常诊断方法。
18.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1至15中任一项所述的异常诊断方法。
CN202310418095.8A 2023-04-19 2023-04-19 一种电梯曳引机的异常诊断方法及异常诊断装置 Active CN116150661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310418095.8A CN116150661B (zh) 2023-04-19 2023-04-19 一种电梯曳引机的异常诊断方法及异常诊断装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310418095.8A CN116150661B (zh) 2023-04-19 2023-04-19 一种电梯曳引机的异常诊断方法及异常诊断装置

Publications (2)

Publication Number Publication Date
CN116150661A true CN116150661A (zh) 2023-05-23
CN116150661B CN116150661B (zh) 2023-07-07

Family

ID=86362133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310418095.8A Active CN116150661B (zh) 2023-04-19 2023-04-19 一种电梯曳引机的异常诊断方法及异常诊断装置

Country Status (1)

Country Link
CN (1) CN116150661B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110550518A (zh) * 2019-08-29 2019-12-10 电子科技大学 一种基于稀疏去噪自编码的电梯运行异常检测方法
CN110937489A (zh) * 2019-11-15 2020-03-31 广东寰球智能科技有限公司 自动扶梯的在线故障监控预警方法及系统
CN112903091A (zh) * 2021-01-19 2021-06-04 昆明理工大学 基于vmd-svd与ssa-svm的电梯导靴故障诊断方法
US20220091231A1 (en) * 2015-07-17 2022-03-24 Sai Deepika Regani Method, apparatus, and system for human identification based on human radio biometric information
CN115159285A (zh) * 2022-07-01 2022-10-11 重庆大学 电梯状态监测方法及电梯状态监测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220091231A1 (en) * 2015-07-17 2022-03-24 Sai Deepika Regani Method, apparatus, and system for human identification based on human radio biometric information
CN110550518A (zh) * 2019-08-29 2019-12-10 电子科技大学 一种基于稀疏去噪自编码的电梯运行异常检测方法
CN110937489A (zh) * 2019-11-15 2020-03-31 广东寰球智能科技有限公司 自动扶梯的在线故障监控预警方法及系统
CN112903091A (zh) * 2021-01-19 2021-06-04 昆明理工大学 基于vmd-svd与ssa-svm的电梯导靴故障诊断方法
CN115159285A (zh) * 2022-07-01 2022-10-11 重庆大学 电梯状态监测方法及电梯状态监测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CAI YI 等: "Faults Diagnostics of Railway Axle Bearings Based on IMF’s Confidence Index Algorithm for Ensemble EMD", SENSORS *
史敏捷: "基于运行状态数据的电梯性能评价方法研究", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑), pages 038 - 2562 *

Also Published As

Publication number Publication date
CN116150661B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN110469462B (zh) 一种基于多模板的风电机组智能状态监测系统
CN107907320B (zh) 变压器有载分接开关的机械状态特征的诊断方法及装置
CN103645052A (zh) 一种风电机组齿轮箱远程在线状态监测及寿命评估方法
CN105136435A (zh) 一种风力发电机组叶片故障诊断的方法和装置
KR101829134B1 (ko) 진동을 이용한 회전체 고장 예측 시스템 및 방법
CN113532848A (zh) 一种行星齿轮箱故障诊断系统
WO2022147684A1 (zh) 用于识别机械装置或机械部件中的异常的方法及装置
CN108885158A (zh) 状态监视系统和包括该系统的风力发电装置
CN111927717B (zh) 一种风机机舱传动链噪声在线监测系统及方法
CN102706560A (zh) 一种风力发电机组的状态监测方法和装置
CN115754711A (zh) 一种制丝设备电机机械故障监测系统及监测方法
CN114993640A (zh) 一种设备状态监测方法、装置、设备及计算机存储介质
CN110056640A (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
CN112711850A (zh) 一种基于大数据的机组在线监测方法
CN114183312A (zh) 一种风电机组叶片状态的监测系统及方法
CN114184375A (zh) 齿轮箱常见故障智能诊断方法
CN116150661B (zh) 一种电梯曳引机的异常诊断方法及异常诊断装置
CN113516023B (zh) 设备振动异常诊断方法和系统
CN116537965B (zh) 一种柴油机在线监测和故障诊断装置
CN111456915A (zh) 风机机舱内部部件的故障诊断装置及方法
CN112525337B (zh) 一种针对机械压力机振动监测数据预处理方法
CN111458147B (zh) 一种基于加速度传感器的滚动轴承状态评估方法
CN113777486A (zh) 电机故障诊断的方法、装置及电机故障诊断系统
CN115326393A (zh) 一种基于温度信息的风电机组轴承对故障诊断方法
CN115905907A (zh) 风机主轴承的异常监测方法、装置、电子设备及存储介质

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