CN116448404A - 异常监测方法、装置、电子设备及计算机可读存储介质 - Google Patents
异常监测方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116448404A CN116448404A CN202310706923.8A CN202310706923A CN116448404A CN 116448404 A CN116448404 A CN 116448404A CN 202310706923 A CN202310706923 A CN 202310706923A CN 116448404 A CN116448404 A CN 116448404A
- Authority
- CN
- China
- Prior art keywords
- component
- data
- waveform data
- target measuring
- target
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 192
- 230000005856 abnormality Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000012806 monitoring device Methods 0.000 title claims abstract description 14
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 106
- 230000008859 change Effects 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 26
- 238000005065 mining Methods 0.000 description 20
- 238000005070 sampling Methods 0.000 description 17
- 238000005096 rolling process Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000002844 melting Methods 0.000 description 5
- 230000008018 melting Effects 0.000 description 5
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提供了一种异常监测方法、装置、电子设备及计算机可读存储介质。其中，该方法包括：实时获取目标测点的监测数据，所述监测数据包括冲击数据及振动数据；根据所述监测数据计算所述目标测点对应部件的部件指标；根据指标趋势判断所述目标测点对应的部件是否存在异常；其中，所述指标趋势包括所述监测数据的变化趋势和所述部件指标的变化趋势。本申请通过冲击及振动这两种数据可以用于反馈部件分别在超高频段、高频段以及低频段时的异常，能够准确的识别设备的各个部件的在不同频段发生的异常，提高设备的异常判断准确性。
Description
技术领域
本申请涉及异常监测领域，具体而言，涉及一种异常监测方法、装置、电子设备及计算机可读存储介质。
背景技术
在工业生产中，各个设备由于工况恶劣，短时超载严重，冲击荷载大等原因，异常发生率较高。设备一旦发生异常可能引发重大的安全事故，且停产也可能会造成严重的经济损失。因此，对该类设备部件在运行中的异常诊断非常重要。但是，目前这些设备的常规检测手段，如：冲击脉冲诊断法、振动诊断法、温度诊断法等在进行异常监测时均有限制，检测效果较差。
发明内容
有鉴于此，本申请实施例的目的在于提供一种异常监测方法、装置、电子设备及计算机可读存储介质，能够提高设备的异常判断准确性。
第一方面，本申请实施例提供了一种异常监测方法，包括：实时获取目标测点的监测数据，所述监测数据包括冲击数据、振动数据及温度数据；根据所述监测数据计算所述目标测点对应部件的部件指标；根据指标趋势判断所述目标测点对应的部件是否存在异常；其中，所述指标趋势包括所述监测数据的变化趋势和所述部件指标的变化趋势。
在上述实现过程中，通过实时获取监测数据，并根据监测数据的变化趋势和部件指标的变化趋势判断目标测点对应的部件是否发生异常。不需要对获取到的监测数据进行频率、波形等进行计算与分析，可以减少设备的计算压力，提高异常判断效率。另外，由于监测数据中包括了冲击数据和振动数据，这两种数据可以用于反馈部件分别在超高频段、高频段以及低频段时的异常，能够准确的识别设备的各个部件的在不同频段发生的异常，提高设备的异常判断准确性。
在一个实施例中，所述根据指标趋势判断所述目标测点对应的部件是否存在异常之后，所述方法还包括：若判断结果为所述部件存在异常，加采所述目标测点的波形数据，所述波形数据包括所述监测数据的波形和频谱；根据所述波形数据和预设策略确定所述部件的异常情况，所述异常情况包括异常类型和异常程度；其中，所述目标测点为多个，多个所述目标测点对应多个所述部件，每个所述部件设置有对应的所述预设策略。
在上述实现过程中，由于仅通过指标趋势判断部件是否存在异常可能会出现假异常的情况。因而，在判断结果为异常时，还可以通过加采波形数据，并通过波形数据和预设策略进一步确定部件的异常情况，可以对部件的异常进一步确定，以减少部件异常误判，提高部件异常判断的准确性。
在一个实施例中，所述加采所述目标测点的波形数据之后，所述方法还包括：根据所述波形数据和所述监测数据确定所述目标测点对应的部件的状态指标，所述状态指标用于确定所述目标测点对应的部件的运行状态；根据所述状态指标和所述预设策略确定所述部件的异常情况。
在上述实现过程中，在确定出波形数据后，根据波形数据和监测数据计算出部件的状态指标，并根据状态指标进一步确定部件的异常情况。由于在确定部件的异常情况时，综合考虑了波形数据和监测数据融合后的指标情况，可以提高状态指标的准确性，进而提高部件异常判断的准确性。
在一个实施例中，所述加采所述目标测点的波形数据，包括：根据所述目标测点对应部件的部件信息确定加采策略；通过所述加采策略加采所述目标测点的波形数据。
在上述实现过程中，在进行波形数据加采前，先根据部件的部件信息确定加采策略，进而通过对应的加采策略加采目标测点的波形数据，可以根据不同部件实现个性化波形数据采集，增强波形数据加采的灵活性。
在一个实施例中，所述波形数据包括多种类型波形数据，所述根据所述波形数据和所述预设策略确定所述部件的异常情况，包括：根据所述部件的部件类型从采集的波形数据中确定用于异常评估的目标波形数据；根据所述目标波形数据和所述预设策略确定所述部件的异常情况。
在上述实现过程中，在确定部件的异常情况之前，先根据部件的部件类型确定出用于异常评估的目标波形数据，再基于该目标波形数据和预设策略确定部件的异常情况。这种仅通过目标波形数据和预设策略确定部件的异常情况的方式，可以减少无用波形数据对部件的异常评估的影响，进而在减少计算量的同时还可以提高异常评估的准确性。
在一个实施例中，所述加采所述目标测点的波形数据，包括：同时加采多个所述目标测点的波形数据；以及存储所述波形数据。
在上述实现过程中，在进行波形数据加采时，同时加采多个目标测点的波形数据，即在同一时间点可以加采多个波形数据，减少波形数据加采的时间，提高加采效率。另外，在获取到波形数据后，对该波形数据进行存储，可以通过存储的大量波形数据对部件进一步分析，进而及时了解部件的波形数据变化情况，制定更加符合部件的各个策略，提高部件异常判断的准确性。
在一个实施例中，所述目标测点对应部件在运行中包括：高速段、中速段和低速段，所述同时加采多个所述目标测点的波形数据，包括：在所述高速段和所述中速段，同时加采多个所述目标测点的所有所述波形数据；在所述低速段，同时加采多个所述目标测点的冲击数据和振动数据。
在上述实现过程中，由于部件在不同速度段用于异常判断的波形数据不同。因而，在对波形数据同时加采时，部件处于不同速度段加采的具体波形数据不同，可以使得部件在不同速度段仅采集在该段可以用于异常判断的波形数据，减少无关波形数据的加采，降低波形数据的数据传输压力和采集压力。在一个实施例中，所述波形数据包括多种类型波形数据，所述根据所述波形数据和所述预设策略确定所述部件的异常情况之前，所述方法还包括：对所述波形数据进行阶次分析，以确定出与所述目标测点对应的部件相关的波形数据；根据与所述目标测点对应的部件相关的波形数据和所述预设策略确定所述部件的异常情况。
在上述实现过程中，在根据波形数据和预设策略确定部件的异常情况之前，先对波形数据进行阶次分析，可以在变转速及多工况条件下，有效的提取出与部件相关指标特征，可以提高异常识别的准确性。
在一个实施例中，所述目标测点为多个，所述监测数据为多个，所述实时获取目标测点的监测数据，包括：同时实时获取多个所述目标测点的所述监测数据和/或同时实时获取所述目标测点的多个所述监测数据。
在上述实现过程中，通过同时获取多个目标测点的监测数据或/和每个目标测点的多个监测数据，可以实现单个目标测点不同监测数据的同步获取以及不同目标测点不同监测数据的同步获取，极大的减少监测数据的获取时间，提高设备整体的异常监测效率。
在一个实施例中，所述实时获取目标测点的监测数据，包括：在电机启动信号的触发下开始实时获取目标测点的监测数据；以及在电机停机信号的触发下停止实时获取目标测点的监测数据。
在上述实现过程中，通过电机启动信号和电机停止信号触发信号采集装置开始或停止获取监测数据，仅在电机启动时获取监测信号，在电机停止时不获取监测信号，可以减少信号采集装置获取监测数据的时间，以及获取监测数据的数据量，减少对无用监测数据的获取，降低信号采集装置的监测信号获取压力，延长信号采集装置的使用寿命，以及减少监测数据的数据传输压力和存储压力。
在一个实施例中，所述获取目标测点的监测数据，包括：在第一预设时间点开始实时获取目标测点的监测数据；以及在第二预设时间点停止实时获取目标测点的监测数据。
在上述实现过程中，通过分别设置开始获取目标测点的监测数据和停止获取目标测点的监测数据的时间点，可以使得监测数据的获取不受电机状态的影响，能够在备用电机投入运行时也能继续获取处于运行状态的设备其他部件的监测信息，进而可以实现对运行的设备的异常进行持续监测，提高异常监测准确性。
在一个实施例中，所述冲击数据用于反馈所述目标测点对应的部件在超高频段的异常；所述振动数据用于反馈所述目标测点对应的部件在高频段的异常；所述温度数据用于反馈所述目标测点对应的部件在低频段的异常。
在上述实现过程中，通过冲击数据反馈目标测点对应的部件在超高频段的异常，振动数据反馈目标测点对应的部件在高频段的异常以及温度数据反馈目标测点对应的部件在低频段的异常，既能监测部件早期异常特征，又对于早中期及中晚期异常有较好的捕捉效果，对于快速劣化异常也具有较好的效果，可以提高设备整个运行中各个阶段的异常监测效果和准确性。
第二方面，本申请实施例还提供一种异常监测装置，包括：获取模块，用于实时获取目标测点的监测数据，所述监测数据包括冲击数据、振动数据及温度数据；计算模块，用于根据所述监测数据计算所述目标测点对应部件的部件指标；判断模块，用于根据指标趋势判断所述目标测点对应的部件是否存在异常；其中，所述指标趋势包括所述监测数据的变化趋势和所述部件指标的变化趋势。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中异常监测方法的步骤。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的电子设备的方框示意图；
图2为本申请实施例提供的异常监测方法的流程图；
图3为本申请实施例提供的异常监测装置的功能模块示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
随着工业技术的快速发展，工业生产中使用的大量的大型设备。如低速重载大型设备（水泥行业：回转窑、辊压机、斜拉链、提升机等；钢铁行业：轧机、大包回转台、转炉倾动、天车等；石化行业：熔融泵、往复机等）。这些大型设备是现代工业的关键设备，若发生突发事故将会产生连锁反映，严重影响企业的生产和经济效益。
这些设备部件，如齿轮箱、滚动轴承等，广泛用于建材、冶金、矿山、钢铁、水泥等大型企业。它们原值高，许多是非标部件，订购货周期长，一般来说企业不会储备备件。但是这些部件由于工况、负荷等影响，异常情况较多，异常发生率较高。本申请发明人经长期研究发现，目前对这些设备的部件的异常监测技术还存在很多问题，例如：
1. 对于超低速部件，其转速极低，故障频率小于几赫兹，且部件内部各个元件故障特征频率差距太小，不容易进行区分。
2. 超低速重载旋转不完全滚动轴承故障冲击的间隔较长同时受到较大的径向力，且不同的故障形式又分为在承载区和不在承载区。所以，在该情况下应用冲击法不能实现对故障的正确诊断。
3. 对于检测转速超过600rpm的设备，其振动能量大、发生周期短，应用振动分析可以诊断故障和损伤状态；而对于检测转速小于10rpm的设备，其局部损伤及由缺陷类故障所引起的振动信号成分的能量在信号总能量中所占比例很少，并且其频率较低，容易淹没在设备正常工况的宽频振动信号及其他背景噪声等干扰信号中而难以分离识别。
有鉴于此，本申请提出一种异常监测方法，通过获取冲击数据和振动数据，这两种数据可以用于反馈部件分别在超高频段、高频段以及低频段时的异常，能够准确的识别设备的各个部件的在不同频段发生的异常，提高设备的异常判断准确性。另外，在初步判断部件异常时，进一步通过部件的波形数据和预测策略对部件的异常情况进一步确认，以减少部件异常误判，进一步提高部件异常判断的准确性。
为便于对本实施例进行理解，首先对执行本申请实施例所公开的一种异常监测方法的运行环境进行详细介绍。
本申请实施例中的异常监测方法可以用于中高速滚动设备、低速重载设备等设备的异常监测。例如，转窑、辊压机、斜拉链、提升机等设备。在对这些设备进行异常监测时，可以通过监测这些设备的各个部件的运行信息，以确定对应的设备是否存在异常，以及异常的类型等。该部件可以包括轴承、齿轮、电机、传动轴等，该部件可以根据具体的设备类型进行调整，本申请不做限制。
可以理解地，在对某一设备的部件进行异常监测时，可以在需要监测的部件设置目标测点，该目标测点为信息采集装置的安装位置点位。该目标测点对应部件在运行过程中可以包括高速段、中速段和低速段等不同时段。
这里采集装置可以是温度传感器、振温一体传感器、冲击振动温度一体传感器、相机、摄像头、激光装置等可以用于采集设备的部件信息的装置。
可选地，一个部件可以设置一个或多个目标测点。同一部件的相应的多个目标测点安装的信息采集装置可以相同，也可以不同。
示例性地，若该设备为回转窑。该回转窑的电机前后端可以分别设置一个目标测点，该电机前后端的目标测点各布置一个振温一体传感器。该回转窑的齿轮箱四个顶点分别设置一个目标点位，该回转窑的齿轮箱四个顶点对应的四个目标测点中的两个目标测点各布置一个振温一体传感器，另外两个目标测点各布置一个冲击振动温度一体传感器。该回转窑的执行机构的两端可以分别设置一个目标测点，该执行机构两端的目标测点各布置一个冲击振动温度一体传感器。该回转窑的联轴器位置或齿轮箱高速轴位置还可以设置目标测点用于布置转速传感器等。
若该设备为轧机，轧机主要包括电机、齿轮箱和轧辊等部件，电机与齿轮箱间为齿式联轴器，齿轮箱输出端为万向节。以立式5轴轧机为例，该轧机的电机前后端可以分别设置一个目标测点，该电机前后端的目标测点各布置一个振温一体传感器。该轧机的齿轮箱周围间隔设置八个目标测点，该轧机的齿轮箱的部分目标测点中布置振温一体传感器，该轧机的齿轮箱的另一部分目标测点中布置冲击振动温度一体传感器。该轧机的联轴器位置或齿轮箱高速轴位置还可以设置目标测点用于布置转速传感器等。
若该设备为熔融泵，熔融泵主要包括电机、齿轮箱、联轴器等部件。该熔融泵的电机前后端可以分别设置一个目标测点，该电机前后端的目标测点各布置一个振温一体传感器。该熔融泵的齿轮箱周围间隔设置十二个目标测点，该熔融泵的齿轮箱的部分目标测点中布置振温一体传感器，该熔融泵的齿轮箱的另一部分目标测点中布置冲击振动温度一体传感器。该熔融泵的联轴器位置或齿轮箱高速轴位置还可以设置目标测点用于布置转速传感器等。
在一些实施例中，该信息采集装置一般布置在各个部件刚度较好的位置上。
上述的信息采集装置用于监测对应部件的监测数据，该信息采集装置可以实时采集部件的监测数据，也可也在预设时间点采集部件的监测数据。
可以理解地，对于有信息处理能力的信息采集装置来说，该信息采集装置在获取到对应部件的监测数据后，可以直接根据获取的监测数据确定对应部件的异常情况。对于没有信息处理能力的信息采集装置来说，该信息采集装置在获取到对应部件的监测数据后，可以将获取到的监测数据发送到上位机或边缘计算装置，以通过该上位机或边缘计算装置确定对应部件的异常情况。对于信息处理能力较弱的信息采集装置来说，该信息采集装置在获取到对应部件的监测数据后，可以根据该监测数据初步确定出对应的部件的异常情况，根据初步确定的异常情况确定是否需要将该监测数据发送到上位机或边缘计算装置，以通过上位机或边缘计算装置进一步确定对应部件的异常情况。也就是说，该异常监测方法可以仅在信息采集装置中执行，也可以仅在上位机或边缘计算装置中执行，还可以是信息采集装置与上位机或边缘计算装置组成的系统中执行。该异常监测方式的执行设备可以根据实际情况进行选择，本申请不做具体限制。
为便于对本实施例进行理解，下面对执行本申请实施例所公开的异常监测方法的电子设备进行详细介绍。
如图1所示，是电子设备的方框示意图。电子设备100可以包括存储器111、处理器113。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子设备100的结构造成限定。例如，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
上述的存储器111和处理器113相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。上述的处理器113用于执行存储器中存储的可执行模块。
其中，存储器111可以是，但不限于，随机存取存储器（Random Access Memory，简称RAM），只读存储器（Read Only Memory，简称ROM），可编程只读存储器（ProgrammableRead-Only Memory，简称PROM），可擦除只读存储器（Erasable Programmable Read-OnlyMemory，简称EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-OnlyMemory，简称EEPROM）等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序，本申请实施例任一实施例揭示的过程定义的电子设备100所执行的方法可以应用于处理器113中，或者由处理器113实现。
上述的处理器113可能是一种集成电路芯片，具有信号的处理能力。上述的处理器113可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(digital signalprocessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本实施例中的电子设备100可以用于执行本申请实施例提供的各个方法中的各个步骤。下面通过几个实施例详细描述异常监测方法的实现过程。
请参阅图2，是本申请实施例提供的异常监测方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤201，实时获取目标测点的监测数据。
其中，监测数据包括冲击数据、振动数据及温度数据。当然，该监测数据还可以包括转速数据、力矩数据、压力数据等数据。该监测数据可以根据实际情况进行调整。
这里的目标测点为用于安装信息采集装置的点位，该目标测点可以为一个或多个，每个目标测点对应一个部件，不同测点可以对应同一部件。该目标测点的数量和设置方式可以根据实际情况进行调整。
步骤202，根据监测数据计算目标测点对应部件的部件指标。
这里的部件指标为用于判断各个部件是否异常的指标值。例如，该部件指标可以是转速指标、电气指标、工况指标等。不同部件可以对应不同类型的部件指标。当然，不同部件也可以对应相同类型的部件指标。
上述的部件指标为难以通过信息采集装置直接采集得到的可以用于监测部件异常的数据。例如，该部件指标为加速度指标，则该转速指标可以通过速度计算公式、时间以及速度等计算获得。若该部件指标为电气指标，且该电气指标具体为功率指标，则该功率指标可以通过功率计算公式、转矩以及转速等计算得到。该部件指标的计算方式以及计算需要的参数可以根据实际情况进行选择。
步骤203，根据指标趋势判断目标测点对应的部件是否存在异常。
其中，指标趋势包括监测数据的变化趋势和部件指标的变化趋势。
这里的异常可以包括部件故障、部件过载、部件磨损严重等。
上述的监测数据是实时密集获取的，则该实时获取的监测数据可以直接用于形成监测数据的变化趋势。同样，该部件指标也是实时根据监测数据计算获得的，因而该部件指标也可以直接用于形成部件指标的变化趋势。
可以理解地，通常情况下，若部件运行在正常情况下，其监测数据的变化趋势和部件指标的变化趋势应当平稳变化或者在一预设范围内。而当该部件发生异常时，该监测数据的变化趋势和/或部件指标的变化趋势可能会发生突变，或者超出了该预设范围。此时，可以通过该监测数据的变化趋势或部件指标的变化趋势的异常变化确定该目标测点对应的部件异常。
在一些实施例中，该监测数据和部件指标中的一者的变化趋势发生突变或超出预设范围，则判断该目标测点对应的部件存在异常。
在实际判断过程中，监测数据的变化趋势和部件指标的变化趋势发生突变或者超出预设范围发生的时间可能会不一样。此时，可以直接根据变化趋势先发生突变或者超出预设范围的监测数据或部件指标判断该目标测点对应的部件存在异常。
在上述实现过程中，通过实时获取监测数据，并根据监测数据的变化趋势和部件指标的变化趋势判断目标测点对应的部件是否发生异常。不需要对获取到的监测数据进行频率、波形等进行计算与分析，可以减少设备的计算压力，提高异常判断效率。另外，由于监测数据中包括了冲击数据和振动数据，这两种数据可以用于反馈部件分别在超高频段、高频段以及低频段时的异常，能够准确的识别设备的各个部件的在不同频段发生的异常，提高设备的异常判断准确性。
在一种可能的实现方式中，步骤203之后，该方法还包括：若判断结果为部件存在异常，加采目标测点的波形数据；根据波形数据和预设策略确定部件的异常情况。
其中，目标测点为多个，多个目标测点对应多个部件，每个部件设置有对应的预设策略。各个部件的预设策略可以相同，也可以不同。各个部件对应的预设策略可以根据部件的部件信息（如，类型、材质、尺寸等）以及异常情况影响因素进行调整。该预设策略可以根据针对每个部件历史表现经验提前确定，并进行存储。该预设策略也可以根据每个部件历史表现经验实时更新。该预设策略的设置方式可以根据实际情况调整。
这里的波形数据包括监测数据的波形和频谱。该波形数据可以包括多种类型。该波形数据可以在设定的时间点获取，该设定的时间点可以是提前设置好的各个时间节点。如，1点、5点、15点等。该设定的时间点还可以是根据预设时间间隔确定得到的时间点。如，获取该波形数据的起始时间点为10点，预设时间间隔为2小时，则该设定的时间点可以是12点、14点、16点等。该设定的时间点可以根据实际情况确定，本申请不做具体限制。
上述的异常情况可以包括异常类型、异常程度、异常位置以及假异常等，该异常情况可以根据实际情况进行选择。
可以理解地，虽然通过部件的指标趋势可以快速的判断出部件是否存在异常。但是，在实际的设备工作过程中，设备可能会因为外部原因发生突变。例如，外力导致设备振动，进而导致设备各个部件的振动数据的变化趋势发生突变，但是通常这种突变仅持续一小段时间，并不会长期存在。此时，若直接通过指标趋势是否发生突变或者是否超出预设范围来判断该部件是否异常，可能会直接判断该部件异常。但是，实际上该部件并不是因为异常造成的指标趋势发生突变或超出预设范围，该判断结果属于假异常。对于这种假异常，常常使得异常判断结果错误，导致对部件的异常判断不准确。
因而，为了提高部件异常判断的准确性。可以在通过指标趋势初步确定部件为异常（包括真异常和假异常）时，再加采该部件的波形数据，并根据该波形数据和预设策略进一步确定部件是否为假异常，若不是假异常，还可以确定出异常类型、异常程度等异常信息。
由于加采的波形数据是进行波形、频谱等计算后的数据，相对于指标趋势来说，更能真实反映部件在一段时间内的数据持续变化情况。
另外，该异常情况可以通过多个监测数据指标计算融合得到。例如，在确定轴承异常时，可以结合振动、冲击及温度指标等数据判断此时轴承是否出现跑圈情况。再例如，若某台设备的振动存在异常时，单从振动指标，无法判断故障类型。此时，还可以结合冲击指标确定该台设备的具体异常部件以及异常程度等。
在一些实施例中，若根据波形数据和预设策略确定出该部件为真异常，通过报警装置对该异常情况进行报警。这里的报警装置可以是报警灯、扬声器、上位机、终端设备等。
可选地，可以通过声音、灯光、短信、邮件、弹幕等方式对异常情况进行报警。
在上述实现过程中，由于仅通过指标趋势判断部件是否存在异常可能会出现假异常的情况。因而，在判断结果为异常时，还可以通过加采波形数据，并通过波形数据和预设策略进一步确定部件的异常情况，可以对部件的异常进一步确定，以减少部件异常误判，提高部件异常判断的准确性。
在一种可能的实现方式中，加采目标测点的波形数据之后，该方法还包括：根据波形数据和监测数据确定目标测点对应的部件的状态指标；根据状态指标和预设策略确定部件的异常情况。
这里的状态指标用于确定目标测点对应的部件的运行状态。不同部件的状态指标可能相同也可能不同。当然，同样部件在不同转速状态下的状态指标可能相同也可能不同。该状态指标可以包括：第一齿轮状态指标、第二齿轮状态指标、第一轴承状态指标、第二轴承状态指标等。该状态指标可以根据不同设备以及设备的运行状态确定，本申请不做具体限制。
可以理解地，不同部件的波形数据和监测数据可能相同也可能不同。当然，同样部件在不同转速状态下的波形数据和监测数据可能相同也可能不同。该波形数据和监测数据可以包括：第一频段数据、第二频段数据、翘度指标、底噪能量等数据。该波形数据和监测数据可以根据不同设备以及设备的运行状态进行调整，本申请不做具体限制。
在上述实现过程中，在确定出波形数据后，根据波形数据和监测数据计算出部件的状态指标，并根据状态指标进一步确定部件的异常情况。由于在确定部件的异常情况时，综合考虑了波形数据和监测数据融合后的指标情况，可以提高状态指标的准确性，进而提高部件异常判断的准确性。
在一种可能的实现方式中，加采目标测点的波形数据，包括：根据目标测点对应部件的部件信息确定加采策略；通过加采策略加采目标测点的波形数据。
这里的部件信息可以是部件的类型、部件的长度、部件的材料、部件的转速以及部件的形状等。该部件信息可以根据实际情况进行调整，本申请不做具体限制。
上述的加采策略可以包括加采长度、加采密度等。该加采长度为每次加采持续的时间长度，该加采密度为多次加采的频率。不同部件因为部件信息存在差异，其对应的加采策略也可以存在一定的差异。例如，高速部件的加采密度可以小于低速部件的加采密度。振动较强部件的加采长度大于振动较弱部件的加采长度。当然，也可以设置大尺寸部件的加采长度大于小尺寸部件的加采长度。塑料部件的加采密度大于金属部件的加采密度等。该具体的加采策略可以根据实际情况进行调整，本申请不做具体限制。
示例性地，若需要加采齿轮的振动波形数据，齿轮相对于电机、传动轴以及轴承等振动较强的部件来说，其振动较小，不易被采集或者采集效果较差。那么针对齿轮这种振动较小的设备，在进行振动波形数据采集时，其相应的加采策略可以为：加采长度达到预设长度，这里的预设长度大于电机、传动轴以及轴承等振动较强的部件的加采长度。
若需要加采电机的波形数据，电机相对于齿轮、传动轴等部件来说，其转速较高，易于采集。那么针对电机这种高速部件来说，在进行波形数据采集时，其相应的加采策略为：加采密度达到预设频率，这里的预设频率小于齿轮、传动轴等部件的加采密度。
若需要加采小齿轮和大齿轮的波形数据，小齿轮相对于大齿轮来说，其转速较高，易于采集。进而在进行波形数据采集时，其相应的加采策略为：小齿轮的加采密度小于大齿轮的加采密度。
在一些实施例中，在对应每个部件进行加采之前，可以先根据该部件的部件信息确定出对应的加采策略。在进行波形数据加采时，可以按照确定的加采策略对波形数据进行加采。
在另一些实施例中，在对应每个部件进行加采之前，可以先根据该部件的部件信息匹配数据库中对应的加采策略。在进行波形数据加采时，可以按照匹配的加采策略对波形数据进行加采。
在上述实现过程中，在进行波形数据加采前，先根据部件的部件信息确定加采策略，进而通过对应的加采策略加采目标测点的波形数据，可以根据不同部件实现个性化波形数据采集，增强波形数据加采的灵活性。
在一种可能的实现方式中，根据波形数据和预设策略确定部件的异常情况，包括：根据部件的部件类型从采集的波形数据中确定用于异常评估的目标波形数据；根据目标波形数据和预设策略确定部件的异常情况。
可以理解地，信息采集装置在进行波形数据采集时，一般会同时采集多种类型波形数据。如，同时采集振动波形数据、冲击波形数据、温度波形数据以及转速波形数据等多种波形数据。但是，部件在进行异常评估时，可能仅需要该波形数据中的一部分数据。因此，在获取到波形数据后，还可以根据该部件的部件类型确定该部件用于异常评估的目标波形数据，仅通过目标波形数据和预设策略确定部件的异常情况，减少无用波形数据对部件的异常评估的影响，减少计算量的同时还可以提高异常评估的准确性。
这里的目标波形数据可以仅包括该部件对应的波形数据，也可以包括该部件对应的波形数据和其他部件对应的波形数据。
在上述实现过程中，在确定部件的异常情况之前，先根据部件的部件类型确定出用于异常评估的目标波形数据，再基于该目标波形数据和预设策略确定部件的异常情况。这种仅通过目标波形数据和预设策略确定部件的异常情况的方式，可以减少无用波形数据对部件的异常评估的影响，进而在减少计算量的同时还可以提高异常评估的准确性。
在一种可能的实现方式中，加采目标测点的波形数据，包括：同时加采多个目标测点的波形数据；以及存储波形数据。
可以理解地，由于每个设备包括多个部件，每个部件都会设置一个或多个目标测点。因而，在确定出某一部件的判断结果为部件存在异常，则可以同时加采该设备的多个目标测点的波形数据。
这里同时加采的多个目标测点可以是存在异常的部件对应的目标测点，也可以是用于存在异常的部件异常评估的目标测点，还可以是存在异常的部件所在设备的所有目标测点等。
在一些实施例中，在加采波形数据后，还可以将该波形数据进行存储。以在存储大量的波形数据后，可以根据存储的波形数据对该部件进行分析。进而，制定更符合该部件的预设策略、加采策略。还可以了解部件的运行情况，并预估部件的寿命等。
在上述实现过程中，在进行波形数据加采时，同时加采多个目标测点的波形数据，即在同一时间点可以加采多个波形数据，减少波形数据加采的时间，提高加采效率。另外，在获取到波形数据后，对该波形数据进行存储，可以通过存储的大量波形数据对部件进一步分析，进而及时了解部件的波形数据变化情况，制定更加符合部件的各个策略，提高部件异常判断的准确性。
在一种可能的实现方式中，同时加采多个目标测点的波形数据，包括：在高速段和中速段，同时加采多个目标测点的所有波形数据；在低速段，同时加采多个目标测点的冲击数据和振动数据。
在上述实现过程中，由于部件在不同速度段用于异常判断的波形数据不同。因而，在对波形数据同时加采时，部件处于不同速度段加采的具体波形数据不同，可以使得部件在不同速度段仅采集在该段可以用于异常判断的波形数据，减少无关波形数据的加采，降低波形数据的数据传输压力和采集压力。
在一种可能的实现方式中，根据波形数据和预设策略确定部件的异常情况之前，该方法还包括：对波形数据进行阶次分析，以确定出与目标测点对应的部件相关的波形数据；根据与目标测点对应的部件相关的波形数据和预设策略确定部件的异常情况。
在设备运行过程中，每个设备部件产生的噪声和振动都具有独特的特征，并在设备总的噪声和振动辐射中，产生特有的成分。这里的阶次分析是一个将频谱及时间历程与旋转部件的RPM关联起来的工具，以揭示振动与噪声机理。阶次分析可以在变转速条件下，有效地提取出轴承、齿轮的故障特征阶次。
可以理解地，在对波形数据进行阶次分析后，可以很清晰的将噪声分离出来，仅剩下与部件异常情况相关的波形数据，有利于识别具体的异常情况。
在上述实现过程中，在根据波形数据和预设策略确定部件的异常情况之前，先对波形数据进行阶次分析，可以在变转速及多工况条件下，有效的提取出与部件相关指标特征，可以提高异常识别的准确性。
在一种可能的实现方式中，步骤201，包括：同时实时获取多个目标测点的监测数据和/或同时实时获取目标测点的多个监测数据。
可以理解地，一个设备可以包括多个部件，每个部件可以设置一个或多个目标测点。在获取监测数据时，可以同时获取多个目标测点的监测数据，减少多个目标测点的监测数据获取时间。另外，每个目标测点可以包括多个监测数据，在获取每个目标测点的监测数据时，可以多个监测数据同时获取，减少多个监测数据整体的获取时间。
在上述实现过程中，通过同时获取多个目标测点的监测数据或/和每个目标测点的多个监测数据，可以实现单个目标测点不同监测数据的同步获取以及不同目标测点不同监测数据的同步获取，极大的减少监测数据的获取时间，提高设备整体的异常监测效率。
在一种可能的实现方式中，步骤201，包括：在电机启动信号的触发下开始实时获取目标测点的监测数据；以及在电机停机信号的触发下停止实时获取目标测点的监测数据。
这里的电机启动信号以及电机停机信号可以通过电机转速获取。例如，当电机的加速度大于第一加速度设定值可以确定该电机启动，进而反馈电机启动信号；当电机的加速度小于第二加速度设定值可以确定该电机停机，进而反馈电机停机信号。该电机启动信号以及电机停机信号也可以通过电机工况传感器直接监测电机的工况。
可以理解地，信号采集装置在获取到电机启动信息时，在该电机启动信号的触发下开始采集目标测点的监测数据。信号采集装置在获取到电机停机信息时，在该电机停机信号的触发下停止采集目标测点的监测数据。
在上述实现过程中，通过电机启动信号和电机停止信号触发信号采集装置开始或停止获取监测数据，仅在电机启动时获取监测信号，在电机停止时不获取监测信号，可以减少信号采集装置获取监测数据的时间，以及获取监测数据的数据量，减少对无用监测数据的获取，降低信号采集装置的监测信号获取压力，延长信号采集装置的使用寿命，以及减少监测数据的数据传输压力和存储压力。
在一种可能的实现方式中，步骤201，包括：在第一预设时间点开始实时获取目标测点的监测数据；以及在第二预设时间点停止实时获取目标测点的监测数据。
这里的第一预设时间点和第二预设时间点可以是提前设置好的某一时间点。例如，设备的工作时间为早上8点到晚上8点，则该第一预设时间点可以设置为8：00，第二预设时间点可以设置为20：00。
可以理解地，当电机发生故障时，电机可能会退出该设备的运行。此时，备用电机投入该设备以代替电机带动设备运行。此时，虽然电机停止了，但是设备的其他部件仍然处于运行状态，则需要继续获取处于运行状态的设备的监测信息。若是通过电机启动信号和电机停止信号触发信号采集装置开始或停止获取监测数据，则在备用电机运行的这一时间段内，该设备的其他部件的监测数据可能会停止获取，进而不能持续对运行的设备的异常进行监测。
在上述实现过程中，通过分别设置开始获取目标测点的监测数据和停止获取目标测点的监测数据的时间点，可以使得监测数据的获取不受电机状态的影响，能够在备用电机投入运行时也能继续获取处于运行状态的设备其他部件的监测信息，进而可以实现对运行的设备的异常进行持续监测，提高异常监测准确性。
在一种可能的实现方式中，冲击数据用于反馈目标测点对应的部件在超高频段的异常；振动数据用于反馈目标测点对应的部件在高频段的异常；温度数据用于反馈目标测点对应的部件在低频段的异常。
其中，冲击数据可以通过冲击振动温度一体传感器获取。对于部件的早期损伤，由于部件表面微观不平度的存在，在运行时，中间元件与内外元件表面凹凸尖峰会发生撞击，该种冲击持续时间极短，发生冲击的频次极高（20KHz～60KHz）。若冲击振动温度一体传感器接触到含有32KHz能量的机械信号时，则会以32KHz独特的“激振”方式予以响应。实现高频（32K±500Hz）能量的捕捉与放大，进而可以对部件早期处于超高频段的异常有较好的监测效果。
这里的振动数据可以通过冲击振动温度一体传感器或振温一体传感器获取。随着部件的长期运行，其表面凹凸度的逐渐增加（如轴承剥落），滚动体与滚道发生冲击的能量、冲击时间也均在增加，同时由于冲击的增大会引起整个轴承振动（即共振，一般在20KHz以下）。而且随着缺陷的增加，轴承共振频率趋于降低。此时，难以通过冲击数据对异常进行监测，而通过振动数据对部件中后期处于高频段的异常有较好的监测效果。
上述的温度数据可以通过冲击振动温度一体传感器、振温一体传感器或温度传感器等获取。设备在运行晚期通常会快速劣化故障，如轴承滚道损伤，轴承损伤程度较重且处于快速劣化阶段的时候会产生走圈甚至是跑圈的情况，引起温升快速升高。此时通过捕捉部件温度变化，可以对部件晚期处于低频段的异常有较好的监测效果。
在上述实现过程中，通过冲击数据反馈目标测点对应的部件在超高频段的异常，振动数据反馈目标测点对应的部件在高频段的异常以及温度数据反馈目标测点对应的部件在低频段的异常，既能监测部件早期异常特征，又对于早中期及中晚期异常有较好的捕捉效果，对于快速劣化异常也具有较好的效果，可以提高设备整个运行中各个阶段的异常监测效果和准确性。
基于同一申请构思，本申请实施例中还提供了与异常监测方法对应的异常监测装置，由于本申请实施例中的装置解决问题的原理与前述的异常监测方法实施例相似，因此本实施例中的装置的实施可以参见上述方法的实施例中的描述，重复之处不再赘述。
请参阅图3，是本申请实施例提供的异常监测装置的功能模块示意图。本实施例中的异常监测装置中的各个模块用于执行上述方法实施例中的各个步骤。异常监测装置包括获取模块301、计算模块302、判断模块303；其中，
获取模块301用于根据所述监测数据计算所述目标测点对应部件的部件指标。
计算模块302用于根据所述监测数据计算所述目标测点对应部件的部件指标。
判断模块303用于根据指标趋势判断所述目标测点对应的部件是否存在异常。
一种可能的实施方式中，该异常监测装置还包括：加采模块，用于：若判断结果为所述部件存在异常，加采所述目标测点的波形数据，所述波形数据包括所述监测数据的波形和频谱；根据所述波形数据和预设策略确定所述部件的异常情况，所述异常情况包括异常类型和异常程度；其中，所述目标测点为多个，多个所述目标测点对应多个所述部件，每个所述部件设置有对应的所述预设策略。
一种可能的实施方式中，加采模块，还用于：根据所述波形数据和所述监测数据确定所述目标测点对应的部件的状态指标，所述状态指标用于确定所述目标测点对应的部件的运行状态；根据所述状态指标和所述预设策略确定所述部件的异常情况。
一种可能的实施方式中，加采模块，还用于：根据所述目标测点对应部件的部件信息确定加采策略；通过所述加采策略加采所述目标测点的波形数据。
一种可能的实施方式中，加采模块，具体用于：根据所述部件的部件类型从采集的波形数据中确定用于异常评估的目标波形数据；根据所述目标波形数据和所述预设策略确定所述部件的异常情况。
一种可能的实施方式中，加采模块，具体用于：同时加采多个所述目标测点的波形数据；以及存储所述波形数据。
一种可能的实施方式中，加采模块，具体用于：在所述高速段和所述中速段，同时加采多个所述目标测点的所有所述波形数据；在所述低速段，同时加采多个所述目标测点的冲击数据和振动数据。
一种可能的实施方式中，该异常监测装置还包括：分析模块，用于：对所述波形数据进行阶次分析，以确定出与所述目标测点对应的部件相关的波形数据；根据与所述目标测点对应的部件相关的波形数据和所述预设策略确定所述部件的异常情况。
一种可能的实施方式中，获取模块301，还用于：同时实时获取多个所述目标测点的所述监测数据和/或同时实时获取所述目标测点的多个所述监测数据。
一种可能的实施方式中，获取模块301，具体用于：在电机启动信号的触发下开始实时获取目标测点的监测数据；以及在电机停机信号的触发下停止实时获取目标测点的监测数据。
一种可能的实施方式中，获取模块301，具体用于：在第一预设时间点开始实时获取目标测点的监测数据；以及在第二预设时间点停止实时获取目标测点的监测数据。
此外，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的异常监测方法的步骤。
本申请实施例所提供的异常监测方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的异常监测方法的步骤，具体可参见上述方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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存储介质中。基于这样的理解，本申请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存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种异常监测方法，其特征在于，包括：
实时获取目标测点的监测数据，所述监测数据包括冲击数据及振动数据；
根据所述监测数据计算所述目标测点对应部件的部件指标；
根据指标趋势判断所述目标测点对应的部件是否存在异常；
其中，所述指标趋势包括所述监测数据的变化趋势和所述部件指标的变化趋势。
2.根据权利要求1所述的方法，其特征在于，所述根据指标趋势判断所述目标测点对应的部件是否存在异常之后，所述方法还包括：
若判断结果为所述部件存在异常，加采所述目标测点的波形数据，所述波形数据包括所述监测数据的波形和频谱；
根据所述波形数据和预设策略确定所述部件的异常情况，所述异常情况包括异常类型和异常程度；
其中，所述目标测点为多个，多个所述目标测点对应多个所述部件，每个所述部件设置有对应的所述预设策略。
3.根据权利要求2所述的方法，其特征在于，所述加采所述目标测点的波形数据之后，所述方法还包括：
根据所述波形数据和所述监测数据确定所述目标测点对应的部件的状态指标，所述状态指标用于确定所述目标测点对应的部件的运行状态；
根据所述状态指标和所述预设策略确定所述部件的异常情况。
4.根据权利要求2所述的方法，其特征在于，所述加采所述目标测点的波形数据，包括：
根据所述目标测点对应部件的部件信息确定加采策略；
通过所述加采策略加采所述目标测点的波形数据。
5.根据权利要求2所述的方法，其特征在于，所述波形数据包括多种类型波形数据，所述根据所述波形数据和所述预设策略确定所述部件的异常情况，包括：
根据所述部件的部件类型从采集的波形数据中确定用于异常评估的目标波形数据；
根据所述目标波形数据和所述预设策略确定所述部件的异常情况。
6. 根据权利要求2所述的方法，其特征在于，所述加采所述目标测点的波形数据，包括：
同时加采多个所述目标测点的波形数据；以及
存储所述波形数据。
7.根据权利要求6所述的方法，其特征在于，所述目标测点对应部件在运行中包括：高速段、中速段和低速段，所述同时加采多个所述目标测点的波形数据，包括：
在所述高速段和所述中速段，同时加采多个所述目标测点的所有所述波形数据；
在所述低速段，同时加采多个所述目标测点的冲击数据和振动数据。
8.根据权利要求2所述的方法，其特征在于，所述波形数据包括多种类型波形数据，所述根据所述波形数据和所述预设策略确定所述部件的异常情况之前，所述方法还包括：
对所述波形数据进行阶次分析，以确定出与所述目标测点对应的部件相关的波形数据；
根据与所述目标测点对应的部件相关的波形数据和所述预设策略确定所述部件的异常情况。
9.根据权利要求1所述的方法，其特征在于，所述目标测点为多个，所述监测数据为多个，所述实时获取目标测点的监测数据，包括：
同时实时获取多个所述目标测点的所述监测数据和/或同时实时获取所述目标测点的多个所述监测数据。
10. 根据权利要求1所述的方法，其特征在于，所述实时获取目标测点的监测数据，包括：
在电机启动信号的触发下开始实时获取目标测点的监测数据；以及
在电机停机信号的触发下停止实时获取目标测点的监测数据。
11. 根据权利要求1所述的方法，其特征在于，所述获取目标测点的监测数据，包括：
在第一预设时间点开始实时获取目标测点的监测数据；以及
在第二预设时间点停止实时获取目标测点的监测数据。
12.根据权利要求1-11任意一项所述的方法，其特征在于，所述冲击数据用于反馈所述目标测点对应的部件在超高频段的异常；
所述振动数据用于反馈所述目标测点对应的部件在高频段和低频段的异常。
13.一种异常监测装置，其特征在于，包括：
获取模块，用于实时获取目标测点的监测数据，所述监测数据包括冲击数据及振动数据；
计算模块，用于根据所述监测数据计算所述目标测点对应部件的部件指标；
判断模块，用于根据指标趋势判断所述目标测点对应的部件是否存在异常；
其中，所述指标趋势包括所述监测数据的变化趋势和所述部件指标的变化趋势。
14.一种电子设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如权利要求1至12任一所述的方法的步骤。
15.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至12任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310706923.8A CN116448404A (zh) | 2023-06-15 | 2023-06-15 | 异常监测方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310706923.8A CN116448404A (zh) | 2023-06-15 | 2023-06-15 | 异常监测方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116448404A true CN116448404A (zh) | 2023-07-18 |
Family
ID=87134113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310706923.8A Pending CN116448404A (zh) | 2023-06-15 | 2023-06-15 | 异常监测方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116448404A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116877355A (zh) * | 2023-08-11 | 2023-10-13 | 江苏千尧海洋工程有限公司 | 一种海上风电结构状态监测方法、装置、设备和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102023100A (zh) * | 2010-04-19 | 2011-04-20 | 东莞市罗尔机电科技有限公司 | 设备故障预警系统及方法 |
| CN106991731A (zh) * | 2017-04-07 | 2017-07-28 | 北京燃气绿源达清洁燃料有限公司 | 集成设备维护的智能巡检方法及系统 |
| CN107576488A (zh) * | 2017-08-30 | 2018-01-12 | 沃德传动（天津）股份有限公司 | 一种采用振动算法对设备运行状态进行监测诊断的方法 |
| CN109032058A (zh) * | 2018-07-23 | 2018-12-18 | 华电重工股份有限公司 | 一种设备管理方法、装置、系统及存储介质 |
| CN109211548A (zh) * | 2018-08-31 | 2019-01-15 | 沃德传动（天津）股份有限公司 | 一种机械故障诊断方法 |
| CN110414313A (zh) * | 2019-06-06 | 2019-11-05 | 平安科技（深圳）有限公司 | 异常行为告警方法、装置、服务器及存储介质 |
| CN112580153A (zh) * | 2020-12-29 | 2021-03-30 | 成都运达科技股份有限公司 | 一种车辆走行部监测部件健康状态管理系统及方法 |
| CN114563182A (zh) * | 2022-02-25 | 2022-05-31 | 明阳智慧能源集团股份公司 | 一种风电机组主轴轴承碰磨故障识别方法、系统、介质及设备 |
-
2023
- 2023-06-15 CN CN202310706923.8A patent/CN116448404A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102023100A (zh) * | 2010-04-19 | 2011-04-20 | 东莞市罗尔机电科技有限公司 | 设备故障预警系统及方法 |
| CN106991731A (zh) * | 2017-04-07 | 2017-07-28 | 北京燃气绿源达清洁燃料有限公司 | 集成设备维护的智能巡检方法及系统 |
| CN107576488A (zh) * | 2017-08-30 | 2018-01-12 | 沃德传动（天津）股份有限公司 | 一种采用振动算法对设备运行状态进行监测诊断的方法 |
| CN109032058A (zh) * | 2018-07-23 | 2018-12-18 | 华电重工股份有限公司 | 一种设备管理方法、装置、系统及存储介质 |
| CN109211548A (zh) * | 2018-08-31 | 2019-01-15 | 沃德传动（天津）股份有限公司 | 一种机械故障诊断方法 |
| CN110414313A (zh) * | 2019-06-06 | 2019-11-05 | 平安科技（深圳）有限公司 | 异常行为告警方法、装置、服务器及存储介质 |
| CN112580153A (zh) * | 2020-12-29 | 2021-03-30 | 成都运达科技股份有限公司 | 一种车辆走行部监测部件健康状态管理系统及方法 |
| CN114563182A (zh) * | 2022-02-25 | 2022-05-31 | 明阳智慧能源集团股份公司 | 一种风电机组主轴轴承碰磨故障识别方法、系统、介质及设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116877355A (zh) * | 2023-08-11 | 2023-10-13 | 江苏千尧海洋工程有限公司 | 一种海上风电结构状态监测方法、装置、设备和介质 |
| CN116877355B (zh) * | 2023-08-11 | 2024-02-20 | 江苏千尧海洋工程有限公司 | 一种海上风电结构状态监测方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220137613A1 (en) | Method and system for predicting failure of mining machine crowd system | |
| EP1676180B1 (en) | Diagnostic method for predicting maintenance requirements in rotating equipment | |
| JP6330864B2 (ja) | モータの監視装置および方法 | |
| CN104990709A (zh) | 用于检测机车轴承故障的方法 | |
| CN116448404A (zh) | 异常监测方法、装置、电子设备及计算机可读存储介质 | |
| JP2011027452A (ja) | データ収集装置及び該データ収集装置を備えた設備機器の診断装置 | |
| CN104833510A (zh) | 加速度四个阶段频率轴承故障诊断法 | |
| KR20230127337A (ko) | 기계 장치 또는 기계 부품의 이상을 식별하기 위한방법 및 장치 | |
| CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
| KR101335787B1 (ko) | 전동기의 예방 보전 장치 | |
| JPH0695059B2 (ja) | 電動機電流による機械設備の診断方法 | |
| Yang et al. | Application of SPM to detect the wind turbine bearing fault | |
| AU2015200309B2 (en) | Predicting failure of a mining machine | |
| AU2018256654B2 (en) | Predicting failure of a mining machine | |
| JP7057760B2 (ja) | 回転電機の異常診断システム | |
| KR101164492B1 (ko) | 압연 설비에서의 메인 드라이브의 이상 진단 방법 | |
| Sundstrom | Shock pulse and vibration monitoring optimize hoist reliability | |
| CN117167258A (zh) | 管道燃驱压缩机组健康管理评价系统及方法 | |
| Hills et al. | Mechanalysis (India) Limited |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230718 |