CN117093945A - 一种旋转机械状态在线监测与故障分析系统 - Google Patents
一种旋转机械状态在线监测与故障分析系统 Download PDFInfo
- Publication number
- CN117093945A CN117093945A CN202311335614.0A CN202311335614A CN117093945A CN 117093945 A CN117093945 A CN 117093945A CN 202311335614 A CN202311335614 A CN 202311335614A CN 117093945 A CN117093945 A CN 117093945A
- Authority
- CN
- China
- Prior art keywords
- frequency
- sample
- array
- data
- anomaly
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 238000010586 diagram Methods 0.000 claims abstract description 49
- 238000012423 maintenance Methods 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 68
- 238000001228 spectrum Methods 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 21
- 238000003491 array Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 7
- 238000012550 audit Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 claims 16
- 230000002596 correlated effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 9
- 238000000034 method Methods 0.000 abstract description 9
- 230000005856 abnormality Effects 0.000 abstract description 7
- 238000007418 data mining Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect 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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种旋转机械状态在线监测与故障分析系统,属于设备监测分析技术领域;通过对波形图中展示的数据进行数字化处理获取波形图数据集,可以为后续旋转机械的运行故障分析提供波形图方面的数据支持,提高了波形图数据挖掘拓展的效果;通过对处理组合的波形图数据集实施数据分析,可以从波形方面主动监测分析旋转机械运行过程中存在的异常,并且可以通过运维人员的审核来对样本周期数据库进行更新完善,可以有效提高波形方面故障监测分析拓展的可靠性和多样性;本发明用于解决现有方案中旋转机械状态在线监测展示数据的拓展利用效果不佳的技术问题。
Description
技术领域
本发明涉及设备监测分析技术领域,具体涉及一种旋转机械状态在线监测与故障分析系统。
背景技术
旋转机械的振动监测是一种常用的故障诊断技术,用于检测和分析旋转机械(例如发动机、泵、电机、风机、轴承等)的振动情况;通过监测和分析振动信号,可以及早发现机械设备的故障,避免意外损坏和停机,同时也有助于优化设备的维护计划和预测故障的发生。
现有的旋转机械状态在线监测方案在实施时存在一定的缺陷,大多数是将旋转机械采集的监测数据进行单一的展示,以及通过相关阈值的比对判断来进行告警提示,或者通过第三方专业的监测分析软件来实施故障监测分析和提示,不能对现有的旋转机械的运行展示数据实施数据挖掘和拓展分析以及异常数据的同步更新,导致旋转机械状态在线监测展示数据的拓展利用效果不佳。
发明内容
本发明的目的在于提供一种旋转机械状态在线监测与故障分析系统,用于解决现有方案中旋转机械状态在线监测展示数据的拓展利用效果不佳的技术问题。
本发明的目的可以通过以下技术方案实现:
一种旋转机械状态在线监测与故障分析系统,包括波形图展示挖掘模块:根据时间戳对波形图实施数字化处理得到波形图数据集,利用波形图数据集对旋转机械实施运行状态分析评估得到波形图数据分析集并进行动态提示和管理;包括:
对波形图进行数字化处理时,根据时间戳的顺序获取波形图中振动信号对应的加速度均方根,提取加速度均方根的数值并与对应的时间戳进行关联组合得到能量数组,将所有能量数组按时间的顺序排列组合得到第一波形序列;
以及,根据时间戳的顺序获取波形图中相同振动信号对应的间隔周期,提取间隔周期的数值并与对应的时间戳进行关联组合得到周期数组,将所有周期数组按时间的顺序排列组合得到第二波形序列;
第一波形序列和第二波形序列构成波形图数据集;
根据波形图数据集对机械设备的实时运行状态进行分析评估时,按时间的顺序依次获取波形图数据集中所有加速度均方根的数值并与预设的标准数值进行比对;
若加速度均方根的数值不大于标准数值,则生成正常标签;
若加速度均方根的数值大于标准数值,则生成异常标签并将对应的时间戳和振动信号分别标记为选中时间戳和选中信号,根据选中时间戳获取相邻选中信号对应的间隔周期并标记为选中周期;
提取选中周期的数值并与样本周期数据库中的所有样本间隔周期进行遍历匹配得到第一周期匹配信号或者第二周期匹配信号,根据第二周期匹配信号将选中信号对应的加速度均方根和选中周期推送给运维人员进行审核,并将运维人员的审核结果存储至样本周期数据库中来对其数据进行更新;
正常标签或者异常标签以及选中时间戳、选中信号、选中周期、第一周期匹配信号或者第二周期匹配信号构成波形图数据分析集并传送至监测分析平台。
优选地,还包括振动数据统计展示模块:根据时间戳对监测统计的振动数据进行信号的预处理获取不同时间戳对应的波形图和频谱图,并通过数据采集卡或传感器连接器传送至监测分析平台。
优选地,频谱图展示挖掘模块:根据时间戳对频谱图实施数字化处理得到频谱序列,利用频谱序列对旋转机械实施运行状态分析评估得到频谱图数据分析集并进行动态提示和管理以及传送至监测分析平台。
优选地,对频谱图进行数字化处理时,根据时间戳的顺序获取频谱图中振动信号对应出现的频率和最大峰值,提取频率和最大峰值的数值并与对应的时间戳进行关联组合得到频率数组,将所有频率数组按时间的顺序排列组合得到频谱序列;
根据频谱序列对旋转机械实施运行状态分析评估时,按时间的顺序依次提取频谱序列中所有频率数组的频率和最大峰值并与样本频率数据库中的所有样本频率进行遍历匹配得到正常数组、第一异常数组或者第二异常数组。
优选地,若样本频率数据库中存在与频率数组中频率相同的样本频率且最大峰值不大于对应的样本峰值,则生成第一频率匹配信号并将对应频率数组标记为正常数组;
若样本频率数据库中存在与频率数组中频率相同的样本频率且最大峰值大于对应的样本峰值,则生成第二频率匹配信号并将对应频率数组标记为第一异常数组,以及将第一异常数组中的频率和最大峰值分别标记为第一选中频率和选中峰值;
若样本频率数据库中不存在与频率数组中频率相同的样本频率,则生成第三频率匹配信号并将对应频率数组标记为第二异常数组,以及将第二异常数组中的频率标记为第二选中频率。
优选地,对第一异常数组和第二异常数组实施异常类型核验时,将第一选中频率和选中峰值以及第二选中频率分别与样本异常数据库中的所有样本异常频率进行遍历匹配得到异常确定信号或者异常待定信号,根据异常确定信号获取匹配成功的样本异常频率对应关联的异常部件并告警提示;
以及,根据异常待定信号将第一异常数组以及第二异常数组推送给运维人员进行审核,并将运维人员的审核结果存储至样本异常数据库中来对其数据进行更新;
第一频率匹配信号和正常数组、第二频率匹配信号和第一异常数组、第三频率匹配信号和第二异常数组、异常确定信号或者异常待定信号构成频谱图数据分析集。
优选地,若样本异常数据库中存在与第一选中频率和选中峰值均相同的样本异常频率和样本异常峰值,以及与第二选中频率相同的样本异常频率,则生成异常确定信号;反之,则生成异常待定信号。
优选地,异常审核共享管理模块:根据旋转机械的型号将不同运维人员审核的审核结果同步至数据共享平台,并通过与数据共享平台相连接的其它监测分析平台将审核结果同步下载储存至样本周期数据库和样本异常数据库中,实现分布式旋转机械故障监测分析数据的共享。
相比于现有方案,本发明实现的有益效果:
本发明通过对波形图中展示的数据进行数字化处理获取波形图数据集,可以为后续旋转机械的运行故障分析提供波形图方面的数据支持,提高了波形图数据挖掘拓展的效果;通过对处理组合的波形图数据集实施数据分析,可以从波形方面主动监测分析旋转机械运行过程中存在的异常,并且可以通过运维人员的审核来对样本周期数据库进行更新完善,可以有效提高波形方面故障监测分析拓展的可靠性和多样性。
本发明通过对数字化处理后的频谱序列实施数据分析以及异常数据的追溯核验,可以实现频谱图展示的同时还可以从频谱方面来对旋转机械的运行状态进行主动的监测分析旋转机械运行过程中存在的异常,并且可以通过运维人员的审核来对样本异常数据库进行更新完善,可以有效提高频谱方面故障监测分析拓展的可靠性和多样性。
本发明通过对分布式的不同位置的个体旋转机械的故障监测审核结果来对自身样本故障数据库进行更新的同时来进行数据共享,其它位置的相同型号的旋转机械对应的样本故障数据库通过对共享的审核结果实施有效性核验来进行选择性的存储和更新,可以有效提高后续旋转机械运行时故障监测分析的准确性和可靠性。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一种旋转机械状态在线监测与故障分析系统的模块框图。
具体实施方式
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,本领域普通运维人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本发明为一种旋转机械状态在线监测与故障分析系统,包括振动数据统计展示模块、波形图展示挖掘模块和监测分析平台;
振动数据统计展示模块:根据时间戳对监测统计的振动数据进行信号的预处理获取不同时间戳对应的波形图和频谱图,并通过数据采集卡或传感器连接器传送至监测分析平台;
通过振动传感器对旋转机械运行时的振动情况实施监测统计获取带有时间戳的振动数据,根据时间戳对振动数据进行信号的预处理获取对应的波形图和频谱图;
需要说明的是,本发明实施例中的旋转机械具体的对象可以为泵机组;在进行波形图和频谱图绘制之前,通常需要对振动信号进行预处理,包括去除直流分量、滤波和去噪等步骤,确保信号质量和准确性;
首先确定采集数据的时间范围和采样率;时间轴表示振动信号的时间变化,横轴通常以时间为单位,纵轴为振动信号的振幅或加速度;
其次使用绘图软件或数据处理软件,在确定的时间轴上绘制振动信号的波形图;软件包括但不限于MATLAB、Python的matplotlib库等;
接着将预处理后的振动信号数据在时间轴上进行连续描点,形成波形图,可以使用折线图或连续曲线图绘制波形;
最后在波形图上标注振动信号的相关特征,如波形的振幅、周期、频率等,对于周期性信号,可以标注一个完整周期的波形;
为了准确进行频谱展示和后续的分析,同样需要对采集到的时域振动信号进行预处理;然后将预处理后的时域振动信号进行快速傅里叶变换(FFT),将信号从时域转换为频域;FFT是一种高效的数学算法,可以快速计算出信号的频谱;
接着将FFT计算得到的频域结果绘制成频谱图谱;
其中,在频谱图上,横轴表示频率,纵轴表示振动信号的幅值或能量;频谱图谱能够清晰地显示信号在不同频率下的振动成分,从而帮助分析振动故障的特征;
本发明实施例中,通过监测统计旋转机械的振动数据进行信号的预处理获取旋转机械不同时间戳对应的波形图和频谱图,基于波形图和频谱图来对旋转机械的运行状态进行直观展示的同时,还可以为旋转机械运行状态的故障监测分析提供不同方面的数据支持,提高了监测数据展示以及拓展利用的效果。
波形图展示挖掘模块:根据时间戳对波形图实施数字化处理得到波形图数据集,利用波形图数据集对旋转机械实施运行状态分析评估得到波形图数据分析集并传送至监测分析平台;包括:
对波形图进行数字化处理时,根据时间戳的顺序获取波形图中振动信号对应的加速度均方根,提取加速度均方根的数值并与对应的时间戳进行关联组合得到能量数组,将所有能量数组按时间的顺序排列组合得到第一波形序列;
其中,将加速度均方根的数值设定为能量数组中的第一元素,将加速度均方根对应的时间戳的数值设定为能量数组中的第二元素;
以及,根据时间戳的顺序获取波形图中相同振动信号对应的间隔周期,提取间隔周期的数值并与对应的时间戳进行关联组合得到周期数组,将所有周期数组按时间的顺序排列组合得到第二波形序列;
其中,将间隔周期的数值设定为周期数组中的第一元素,将间隔周期对应的时间戳的数值设定为周期数组中的第二元素;
第一波形序列和第二波形序列构成波形图数据集;
区别于现有方案中只是通过波形图和频谱图来对振动数据进行展示导致监测数据展示利用的效果不佳的缺陷;本发明实施例通过对波形图中展示的数据进行数字化处理获取波形图数据集,可以为后续旋转机械的运行故障分析提供波形图方面的数据支持,提高了波形图数据挖掘拓展的效果。
根据波形图数据集对机械设备的实时运行状态进行分析评估时,按时间的顺序依次获取波形图数据集中所有加速度均方根的数值并与预设的标准数值进行比对;标准数值根据旋转机械的设计参数和历史运行数据来确定;
若加速度均方根的数值不大于标准数值,则生成正常标签;
若加速度均方根的数值大于标准数值,则生成异常标签并将对应的时间戳和振动信号分别标记为选中时间戳和选中信号,根据选中时间戳获取相邻选中信号对应的间隔周期并标记为选中周期;
提取选中周期的数值并与样本周期数据库中的所有样本间隔周期进行遍历匹配,若匹配成功则生成第一周期匹配信号,根据第一周期匹配信号将匹配成功的样本间隔周期关联的部件进行异常提示;
其中,样本周期数据库可以由该旋转机械的历史故障大数据以及相同型号的其它旋转机械的历史故障大数据来构建;
若匹配不成功则生成第二周期匹配信号,根据第二周期匹配信号将选中信号对应的加速度均方根和选中周期推送给运维人员进行审核,并将运维人员的审核结果存储至样本周期数据库中来对其数据进行更新;
正常标签或者异常标签以及选中时间戳、选中信号、选中周期、第一周期匹配信号或者第二周期匹配信号构成波形图数据分析集。
本发明实施例中,通过对处理组合的波形图数据集实施数据分析,可以从波形方面主动监测分析旋转机械运行过程中存在的异常,并且可以通过运维人员的审核来对样本周期数据库进行更新完善,可以有效提高波形方面故障监测分析拓展的可靠性和多样性;相比于现有技术方案中需要通过第三方专业的监测分析软件来实施故障监测分析存在使用成本高、维护成本高的缺陷,以及将采集的监测数据进行单一展示的缺陷,本发明实施例可以使得监测数据在波形方面实现更好的展示拓展分析效果。
实施例2:
在实施例1的基础上,还包括:
频谱图展示挖掘模块:根据时间戳对频谱图实施数字化处理得到频谱序列,利用频谱序列对旋转机械实施运行状态分析评估得到频谱图数据分析集并传送至监测分析平台并传送至监测分析平台;包括:
对频谱图进行数字化处理时,根据时间戳的顺序获取频谱图中振动信号对应出现的频率和最大峰值,提取频率和最大峰值的数值并与对应的时间戳进行关联组合得到频率数组,将所有频率数组按时间的顺序排列组合得到频谱序列;
其中,将频率的数值设定为频率数组中的第一元素,将最大峰值的数值设定为频率数组中的第二元素,将最大峰值对应的时间戳设定为频率数组中的第三元素;
根据频谱序列对旋转机械实施运行状态分析评估时,按时间的顺序依次提取频谱序列中所有频率数组的频率和最大峰值并与样本频率数据库中的所有样本频率进行遍历匹配;
其中,样本频率数据库根据旋转机械的设计参数和历史运行数据来确定;
若样本频率数据库中存在与频率数组中频率相同的样本频率且最大峰值不大于对应的样本峰值,则生成第一频率匹配信号并将对应频率数组标记为正常数组;
若样本频率数据库中存在与频率数组中频率相同的样本频率且最大峰值大于对应的样本峰值,则生成第二频率匹配信号并将对应频率数组标记为第一异常数组,以及将第一异常数组中的频率和最大峰值标记为第一选中频率和选中峰值;
若样本频率数据库中不存在与频率数组中频率相同的样本频率,则生成第三频率匹配信号并将对应频率数组标记为第二异常数组,以及将第二异常数组中的频率分别标记为第二选中频率;
对第一异常数组和第二异常数组实施异常类型核验时,将第一选中频率和选中峰值以及第二选中频率分别与样本异常数据库中的所有样本异常频率进行遍历匹配;
其中,样本异常数据库根据旋转机械的历史异常运行数据来确定;本发明实施例中通过从频谱图中振动信号对应出现的频率和最大峰值方面来对旋转机械的运行状态进行监测分析,并根据分析获取的异常数据通过样本异常数据库来对异常的类型进一步核验确定,提高了频谱方面展示拓展分析的准确性;
若样本异常数据库中存在与第一选中频率和选中峰值均相同的样本异常频率和样本异常峰值,以及与第二选中频率相同的样本异常频率,则生成异常确定信号,根据异常确定信号获取匹配成功的样本异常频率对应关联的异常部件并告警提示;
反之,则生成异常待定信号,根据异常待定信号将第一异常数组以及第二异常数组推送给运维人员进行审核,并将运维人员的审核结果存储至样本异常数据库中来对其数据进行更新;
第一频率匹配信号和正常数组、第二频率匹配信号和第一异常数组、第三频率匹配信号和第二异常数组、异常确定信号或者异常待定信号构成频谱图数据分析集。
本发明实施例中,通过对数字化处理后的频谱序列实施数据分析以及异常数据的追溯核验,可以实现频谱图展示的同时还可以从频谱方面来对旋转机械的运行状态进行主动的监测分析旋转机械运行过程中存在的异常,并且可以通过运维人员的审核来对样本异常数据库进行更新完善,可以有效提高频谱方面故障监测分析拓展的可靠性和多样性。
实施例3:
在实施例1和实施例2的基础上,还包括异常审核共享管理模块和数据共享平台;
异常审核共享管理模块:根据旋转机械的型号将不同运维人员审核的审核结果同步至数据共享平台,并通过与数据共享平台相连接的其它监测分析平台将审核结果同步下载储存至样本周期数据库和样本异常数据库中,实现分布式旋转机械故障监测分析数据的共享;包括:
获取同步至数据共享平台的审核结果并实施有效性核验,对审核结果进行遍历,将遍历获取的选中周期与自身现有的样本周期数据库中的所有样本间隔周期进行匹配,若自身现有的样本周期数据库中存在与选中周期相同的样本间隔周期,则不将该审核结果进行下载存储更新;
若自身现有的样本周期数据库中不存在与选中周期相同的样本间隔周期,则将该审核结果进行下载存储更新;
以及,将遍历获取的第一选中频率和选中峰值或者第二选中频率与自身现有的样本异常数据库中的所有样本异常频率和样本异常峰值进行匹配,若自身现有的样本异常数据库中存与第一选中频率和选中峰值或者第二选中频率相同的样本异常频率和样本异常峰值,则不将该审核结果进行下载存储更新;
若自身现有的样本异常数据库中不存在与第一选中频率和选中峰值或者第二选中频率相同的样本异常频率和样本异常峰值,则将该审核结果进行下载存储更新。
区别于现有技术方案中旋转机械故障监测分析数据相互独立导致数据之间形成数据孤岛不能共享利用的缺陷;本发明实施例中,通过对分布式的不同位置的个体旋转机械的故障监测审核结果来对自身样本故障数据库进行更新的同时来进行数据共享,其它位置的相同型号的旋转机械对应的样本故障数据库通过对共享的审核结果实施有效性核验来进行选择性的存储和更新,可以有效提高后续旋转机械运行时故障监测分析的准确性和可靠性。
此外,上述中涉及的公式均是去除量纲取其数值计算,是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,可以通过其它的方式实现。例如,以上所描述的发明实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域运维人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通运维人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种旋转机械状态在线监测与故障分析系统,其特征在于,包括波形图展示挖掘模块:根据时间戳对波形图实施数字化处理得到波形图数据集,利用波形图数据集对旋转机械实施运行状态分析评估得到波形图数据分析集并进行动态提示和管理;包括:
对波形图进行数字化处理时,根据时间戳的顺序获取波形图中振动信号对应的加速度均方根,提取加速度均方根的数值并与对应的时间戳进行关联组合得到能量数组,将所有能量数组按时间的顺序排列组合得到第一波形序列;
以及,根据时间戳的顺序获取波形图中相同振动信号对应的间隔周期,提取间隔周期的数值并与对应的时间戳进行关联组合得到周期数组,将所有周期数组按时间的顺序排列组合得到第二波形序列;
第一波形序列和第二波形序列构成波形图数据集;
根据波形图数据集对机械设备的实时运行状态进行分析评估时,按时间的顺序依次获取波形图数据集中所有加速度均方根的数值并与预设的标准数值进行比对;
若加速度均方根的数值不大于标准数值,则生成正常标签;
若加速度均方根的数值大于标准数值,则生成异常标签并将对应的时间戳和振动信号分别标记为选中时间戳和选中信号,根据选中时间戳获取相邻选中信号对应的间隔周期并标记为选中周期;
提取选中周期的数值并与样本周期数据库中的所有样本间隔周期进行遍历匹配得到第一周期匹配信号或者第二周期匹配信号,根据第二周期匹配信号将选中信号对应的加速度均方根和选中周期推送给运维人员进行审核,并将运维人员的审核结果存储至样本周期数据库中来对其数据进行更新;正常标签或者异常标签以及选中时间戳、选中信号、选中周期、第一周期匹配信号或者第二周期匹配信号构成波形图数据分析集并传送至监测分析平台。
2.根据权利要求1所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,还包括振动数据统计展示模块:根据时间戳对监测统计的振动数据进行信号的预处理获取不同时间戳对应的波形图和频谱图,并通过数据采集卡或传感器连接器传送至监测分析平台。
3.根据权利要求1所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,频谱图展示挖掘模块:根据时间戳对频谱图实施数字化处理得到频谱序列,利用频谱序列对旋转机械实施运行状态分析评估得到频谱图数据分析集并进行动态提示和管理以及传送至监测分析平台。
4.根据权利要求3所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,对频谱图进行数字化处理时,根据时间戳的顺序获取频谱图中振动信号对应出现的频率和最大峰值,提取频率和最大峰值的数值并与对应的时间戳进行关联组合得到频率数组,将所有频率数组按时间的顺序排列组合得到频谱序列;
根据频谱序列对旋转机械实施运行状态分析评估时,按时间的顺序依次提取频谱序列中所有频率数组的频率和最大峰值并与样本频率数据库中的所有样本频率进行遍历匹配得到正常数组、第一异常数组或者第二异常数组。
5.根据权利要求4所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,若样本频率数据库中存在与频率数组中频率相同的样本频率且最大峰值不大于对应的样本峰值,则生成第一频率匹配信号并将对应频率数组标记为正常数组;
若样本频率数据库中存在与频率数组中频率相同的样本频率且最大峰值大于对应的样本峰值,则生成第二频率匹配信号并将对应频率数组标记为第一异常数组,以及将第一异常数组中的频率和最大峰值分别标记为第一选中频率和选中峰值;
若样本频率数据库中不存在与频率数组中频率相同的样本频率,则生成第三频率匹配信号并将对应频率数组标记为第二异常数组,以及将第二异常数组中的频率标记为第二选中频率。
6.根据权利要求5所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,对第一异常数组和第二异常数组实施异常类型核验时,将第一选中频率和选中峰值以及第二选中频率分别与样本异常数据库中的所有样本异常频率进行遍历匹配得到异常确定信号或者异常待定信号,根据异常确定信号获取匹配成功的样本异常频率对应关联的异常部件并告警提示;
以及,根据异常待定信号将第一异常数组以及第二异常数组推送给运维人员进行审核,并将运维人员的审核结果存储至样本异常数据库中来对其数据进行更新;
第一频率匹配信号和正常数组、第二频率匹配信号和第一异常数组、第三频率匹配信号和第二异常数组、异常确定信号或者异常待定信号构成频谱图数据分析集。
7.根据权利要求6所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,若样本异常数据库中存在与第一选中频率和选中峰值均相同的样本异常频率和样本异常峰值,以及与第二选中频率相同的样本异常频率,则生成异常确定信号;反之,则生成异常待定信号。
8.根据权利要求3所述的一种旋转机械状态在线监测与故障分析系统,其特征在于,异常审核共享管理模块:根据旋转机械的型号将不同运维人员审核的审核结果同步至数据共享平台,并通过与数据共享平台相连接的其它监测分析平台将审核结果同步下载储存至样本周期数据库和样本异常数据库中,实现分布式旋转机械故障监测分析数据的共享。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335614.0A CN117093945B (zh) | 2023-10-16 | 2023-10-16 | 一种旋转机械状态在线监测与故障分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335614.0A CN117093945B (zh) | 2023-10-16 | 2023-10-16 | 一种旋转机械状态在线监测与故障分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117093945A true CN117093945A (zh) | 2023-11-21 |
CN117093945B CN117093945B (zh) | 2024-01-23 |
Family
ID=88770265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311335614.0A Active CN117093945B (zh) | 2023-10-16 | 2023-10-16 | 一种旋转机械状态在线监测与故障分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117093945B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117828518A (zh) * | 2024-03-06 | 2024-04-05 | 天津万事达物流装备有限公司 | 一种用于物流仓库的四向车智能控制管理系统 |
CN117893203A (zh) * | 2024-03-18 | 2024-04-16 | 国网江苏省电力有限公司无锡供电分公司 | 一种高压开关柜机械结构运维分析处理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065657A (zh) * | 2017-03-20 | 2017-08-18 | 苏州德姆斯信息技术有限公司 | 机器状态无线监测设备、方法和系统 |
CN112213131A (zh) * | 2020-09-01 | 2021-01-12 | 华能淮阴第二发电有限公司 | 一种旋转机械检修和故障诊断模拟系统 |
CN112507769A (zh) * | 2020-08-10 | 2021-03-16 | 北京化工大学 | 一种基于仿真传感器谐振增强特征的轴承故障诊断方法 |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和系统 |
-
2023
- 2023-10-16 CN CN202311335614.0A patent/CN117093945B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065657A (zh) * | 2017-03-20 | 2017-08-18 | 苏州德姆斯信息技术有限公司 | 机器状态无线监测设备、方法和系统 |
CN112507769A (zh) * | 2020-08-10 | 2021-03-16 | 北京化工大学 | 一种基于仿真传感器谐振增强特征的轴承故障诊断方法 |
CN112213131A (zh) * | 2020-09-01 | 2021-01-12 | 华能淮阴第二发电有限公司 | 一种旋转机械检修和故障诊断模拟系统 |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117828518A (zh) * | 2024-03-06 | 2024-04-05 | 天津万事达物流装备有限公司 | 一种用于物流仓库的四向车智能控制管理系统 |
CN117828518B (zh) * | 2024-03-06 | 2024-05-14 | 天津万事达物流装备有限公司 | 一种用于物流仓库的四向车智能控制管理系统 |
CN117893203A (zh) * | 2024-03-18 | 2024-04-16 | 国网江苏省电力有限公司无锡供电分公司 | 一种高压开关柜机械结构运维分析处理系统 |
CN117893203B (zh) * | 2024-03-18 | 2024-05-10 | 国网江苏省电力有限公司无锡供电分公司 | 一种高压开关柜机械结构运维分析处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117093945B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117093945B (zh) | 一种旋转机械状态在线监测与故障分析系统 | |
EP1451540B8 (en) | Cyclic time averaging for machine monitoring | |
Betta et al. | A DSP-based FFT-analyzer for the fault diagnosis of rotating machine based on vibration analysis | |
CN109506921A (zh) | 一种旋转机械故障诊断与预警方法 | |
EP2988187B1 (en) | A method for assessing the condition of rotating machinery connected to an electric motor | |
CN110160765B (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
Borghesani et al. | Cyclostationary analysis with logarithmic variance stabilisation | |
CN109932179B (zh) | 一种基于ds自适应谱重构的滚动轴承故障检测方法 | |
CN110285045B (zh) | 一种核电厂rcp主泵振动相位监测系统和方法 | |
CN111426498B (zh) | 一种监测设备运行状态的边缘处理方法 | |
CN110163190B (zh) | 一种滚动轴承故障诊断方法及装置 | |
CN112098128A (zh) | 基于噪声和振动的动力机械设备故障和能耗分析方法 | |
CN111122191B (zh) | 一种基于ewma控制的设备安康报警阈值设定方法 | |
CN117251812A (zh) | 一种基于大数据分析的高压电力线路运行故障检测方法 | |
CN109238727A (zh) | 一种发动机故障监测预警系统 | |
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 | |
CN110657989A (zh) | 一种烟草包装机组振动状态的监测方法及系统 | |
CN110411730B (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
CN110376437B (zh) | 一种克服非阶次频率成分干扰的阶次分析方法 | |
CN113221937A (zh) | 基于人工智能判断的应急处理系统及方法 | |
CN115356108B (zh) | 一种调制高阶水平挤压变换机械故障诊断方法与装置 | |
CN116861320A (zh) | 基于短时傅里叶同步压缩变换的转子故障诊断方法 | |
JP3568939B2 (ja) | 回転機械の軸振動解析による状態診断方法及び装置 | |
CN116361733A (zh) | 一种故障诊断方法、装置、系统以及存储介质 | |
CN109357751B (zh) | 一种电力变压器绕组松动缺陷检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |