CN117734347A - 轮毂单元、监测方法及其应用 - Google Patents
轮毂单元、监测方法及其应用 Download PDFInfo
- Publication number
- CN117734347A CN117734347A CN202410186910.7A CN202410186910A CN117734347A CN 117734347 A CN117734347 A CN 117734347A CN 202410186910 A CN202410186910 A CN 202410186910A CN 117734347 A CN117734347 A CN 117734347A
- Authority
- CN
- China
- Prior art keywords
- data
- bearing
- sensor
- module
- vibration
- 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 46
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 238000005461 lubrication Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提出了一种轮毂单元、监测方法及其应用,包括法兰盘、设于该法兰盘表面的轴承,还包括温度传感器,安装于轴承的轴承外圈或轴承内圈附近的壳体上,并不与轴承接触;振动传感器,安装于法兰盘上;转速传感器,安装于法兰盘上;预警模块,与温度传感器、振动传感器以及转速传感器通信连接;预警模块内预置有温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块。本申请可及时捕捉到轴承单元可能出现的问题迹象,并通过智能分析方法提供准确、可靠的预警信息。能够实现对轴承单元的全面监控与维护时间预测。
Description
技术领域
本申请涉及轮毂轴承技术领域,特别是一种涉及轮毂单元、监测方法及其应用。
背景技术
轮毂轴承单元(轮毂单元)是在标准角接触球轴承和圆锥滚子轴承的基础上发展起来的,它将两套轴承作为一体,具有组装性能好、可省略游隙调整、重量轻、结构紧凑、载荷容量大、为密封轴承可事先装入润滑脂、省略外部轮毂密封及免于维修等优点,已广泛用于轿车中,在载重汽车中也有逐步扩大应用的趋势。
如我司已授权专利CN217328173U公开的高强度韧性载重轮毂轴承单元,其通过防松机构的设置,不仅方便了轮毂轴承的安装,便于轮毂轴承后期的检修维护,而且轴承不易发生松动,既提高了轮毂轴承的使用寿命,又提高了车辆的安全系数。但是由于没有专门的维护机制,虽然维护较为方便,但是长时间使用还是容易出现问题,尤其是维护需要人工定时查看,容易出现错漏等问题,而且定时查看的方式不适用于各种工况恶劣的轴承单元,这些轮毂单元往往需要更频繁地进行维护。
因此,亟待一种轮毂单元、监测方法及其应用,以对轮毂单元进行维护时间预测监控,从而避免轮毂单元错过最佳维护时间,导致使用寿命大大降低的问题。
发明内容
本申请实施例提供了一种轮毂单元、监测方法及其应用,针对目前技术存在的维护容易错漏等问题。
本发明核心技术主要是在轴承及其关联部件上安装高精度的温度传感器、振动传感器和转速传感器,通过建立综合温度、振动和转速传感器数据的轴承单元智能维护预测系统,以能够计算出轴承可能需要维护的时间窗口时,系统立即发出预警,通知维护人员准备安排计划内维护或紧急检查。
第一方面,本申请提供了一种轮毂单元,包括法兰盘、设于该法兰盘表面的轴承,还包括:
温度传感器,安装于轴承的轴承外圈或轴承内圈附近的壳体上,并不与轴承接触,用于连续监测轴承运行时的表面温度变化;
振动传感器,安装于法兰盘上,用于连续监测轴承运转过程中的振动信号;
转速传感器,安装于法兰盘上,用于连续监测轴承的旋转速度;
预警模块,与温度传感器、振动传感器以及转速传感器通信连接;预警模块内预置有温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块;
温度阈值报警模块通过设定一正常运行时的轴承工作温度范围,当温度传感器连续检测到温度传感器检测到的温度超过预设的最大值时,启动预警机制,记录异常时间和温度峰值,并通知维护人员检查润滑状况、冷却系统状态;
频谱分析模块利用FFT快速傅里叶变换将振动信号从时域转换至频域,识别出不同频率成分及其幅值;根据预设的频率特征和幅值阈值,当检测到某频率分量超标时,触发预警并指示可能的问题类型;
实时转速监控与超限报警模块通过设定轴承允许的最大转速和最小转速阈值,当实际测量转速超出此范围时,立即发送报警信息。
进一步地,预警模块内还预置有趋势分析模块,该趋势分析模块通过实时采集并记录温度数据,绘制温度曲线图,对轴承温度变化趋势进行分析;当发现温度呈线性增长趋势或者出现突发性的陡增时,发出预警信号。
进一步地,预警模块内还预置有振动峭度与裕度分析模块,该振动峭度与裕度分析模块通过计算振动峭度和裕度,并与已知的健康轴承基准值对比,当振动峭度和裕度达到预设预警值时,发出预警信号。
第二方面,本申请提供了一种轮毂单元的监测方法,包括以下步骤:
S00、采集温度传感器、振动传感器以及转速传感器的数据并进行预处理得到初始化数据;
S10、分别通过温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块对初始化数据进行分析并提取特征;
S20、结合提取的特征建立多模态数据融合模型;
S30、基于历史故障案例和正常运行时的传感器数据,采用机器学习方法训练预测模型;
S40、通过对模型性能的持续调优,确定各传感器数据特征对于维护时间预测的重要程度,优化特征权重以提高预测准确性;
S50、将温度传感器、振动传感器以及转速传感器的数据预处理提取特征后输入到训练完成的多模态数据融合模型中输出预测结果;
S60、根据预测结果发出预警并通知维护人员,同时根据预测结果制定动态维护策略;
S70、记录每次维护后收集的数据并反馈回数据库,用于更新和优化预测模型;
S80、基于数据库内存储的数据,定期重新训练模型。
进一步地,S00步骤中,通过校验算法验证采集到数据的完整性,以确保数据准确无误;再对采集到的数据进行归一化处理,统一不同传感器输出信号的量纲和数值范围;将原始数据打包成标准的数据传输格式,以便于后续分析和传输。
进一步地,S10步骤中,提取的特征包括实时温度值、温度变化率、最大连续工作温度、峰值振动速度/加速度、振动频率成分分析结果、实时转速值、转速稳定度。
进一步地,S30步骤中,采用的机器学习方法包括支持向量机、随机森林以及深度学习的其中一种。
第三方面,本申请提供了一种轮毂单元的监测系统,包括:
温度传感器,安装于轴承的轴承外圈或轴承内圈附近的壳体上,并不与轴承接触,用于连续监测轴承运行时的表面温度变化;
振动传感器,安装于法兰盘上,用于连续监测轴承运转过程中的振动信号;
转速传感器,安装于法兰盘上,用于连续监测轴承的旋转速度;
采集模块,用于采集温度传感器、振动传感器以及转速传感器的数据并进行预处理得到初始化数据;
数据分析模块,用于将初始化数据汇总并提取特征;
模型建立模块,用于结合提取的特征建立多模态数据融合模型;基于历史故障案例和正常运行时的传感器数据,采用机器学习方法训练预测模型;通过对模型性能的持续调优,确定各传感器数据特征对于维护时间预测的重要程度,优化特征权重以提高预测准确性;
预测模块,用于将温度传感器、振动传感器以及转速传感器的数据预处理提取特征后输入到训练完成的多模态数据融合模型中输出预测结果;
预警模块,用于根据预测结果发出预警并通知维护人员,同时根据预测结果制定动态维护策略;
维护模块,用于记录每次维护后收集的数据并反馈回数据库,用于更新和优化预测模型;基于数据库内存储的数据,定期重新训练模型。
第四方面,本申请提供了一种电子装置,包括存储器和处理器,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行上述的轮毂单元。
第五方面,本申请提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序包括用于控制过程以执行过程的程序代码,过程包括根据上述的轮毂单元。
本发明的主要贡献和创新点如下:1.与现有技术相比,本申请能够实现对轮毂轴承单元的全面监控与维护时间预测;具体通过对温度、振动和转速等关键参数的实时监测,系统能及时发现并预警潜在故障,例如过热、异常振动和转速不稳定等情况,有助于预防重大设备事故的发生;
2.与现有技术相比,本申请通过综合分析传感器数据提取的关键特征参数,结合机器学习模型进行健康状态评估,可以更加准确地预测轴承单元的剩余使用寿命和下一次最佳维护时间点,从而实现更科学、合理的维护计划。同时预测性维护减少了不必要的过度维护,同时避免了因忽视维护而导致的设备性能下降或损坏。这将有效提高设备运行效率,延长设备使用寿命,并降低维护成本。
3.与现有技术相比,本申请可根据系统的维护建议,维修团队可以提前安排资源,确保在最合适的时机进行维护,从而提高工作效率,减少非计划停机带来的生产损失。通过持续监测和智能预警,大大提高了设备的安全性和运行可靠性,降低了因轴承故障导致的生产线停摆甚至安全事故的风险。不仅能提供精确的轴承单元状态信息,还能帮助用户根据实际情况制定科学合理的维护策略,显著提升设备整体运营水平和经济效益。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,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是根据本申请实施例的轮毂单元结构图;
图2是根据本申请实施例的电子装置的硬件结构示意图。
图中,1、法兰盘;2、轴承;3、温度传感器;4、振动传感器;5、转速传感器;21、轴承内圈;22、轴承外圈。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
本申请旨在提供一种轮毂单元,具体地,参考图1,包括法兰盘1、设于该法兰盘1表面的轴承2,其中,轮毂单元的基础结构与我司已授权专利CN217328173U的一致或者类似,区别在于不需要法兰盘1与轴承2之间的防松机构,可用最常见的卡箍或者轴承2盖代替。本申请的改进点在于还包括:
温度传感器3,安装于轴承2的轴承外圈22或轴承内圈21附近的壳体上,并不与轴承2接触,用于连续监测轴承2运行时的表面温度变化;
在本实施例中,温度传感器3可以选择热电偶或红外温度传感器3,将其固定在轴承2座或者靠近轴承外圈22的位置,确保传感器能准确感应到轴承2运行时的热量。例如,可以在轴承2座上预设一个适合安装温度传感器3的小孔或凹槽,并采用耐高温、抗振动材料进行密封固定。通过实时采集轴承2工作温度数据,可以设定阈值算法,当检测到轴承2温度超过正常工作范围(如行业标准或设备制造商推荐的最高温度)时,系统立即触发报警信号,通知维护人员检查润滑状态、冷却系统是否正常等,预防因过热导致的轴承2早期失效。
振动传感器4,安装于法兰盘1上,用于连续监测轴承2运转过程中的振动信号;
在本实施例中,振动传感器4可选择压电式、磁电式或电涡流式等类型,安装在轮毂法兰盘1或轴承外圈22附近,尽量使其敏感轴线平行于轴承2旋转轴线,以捕捉最直接和真实的振动信息。传感器获取的原始振动信号经过滤波处理后,采用FFT快速傅里叶变换分析其频谱特性,计算振动幅值、频率成分以及峭度、裕度等相关参数。还可以根据这些参数建立诊断模型,比如对比阈值判断轴承2是否存在不平衡、磨损、滚珠破裂等问题。当振动特征参数超出预警限值时,系统将发出警告并记录相关数据,为后续维修提供依据。
转速传感器5,安装于法兰盘1上,用于连续监测轴承2的旋转速度;
在本实施例中,转速传感器5可选用光电编码器、霍尔效应传感器或磁阻传感器,将其安装在能感知轴承2转动部件位置的地方,如安装在轴承内圈21或轴端,并保持一定的气隙以避免直接接触影响轴承2运转。实时测量轴承2转速,并通过比较目标转速与实际转速,实现对轴承2运行状态的监控。优选地,还可利用PID控制或其他速度调节算法,确保转速稳定在设定范围内,同时设置转速异常阈值,如低于最小允许转速或高于最大安全转速时,系统会自动发出预警提示,防止因超速或低速造成的设备损坏。
预警模块,与温度传感器3、振动传感器4以及转速传感器5通信连接;预警模块内预置有温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块;
在本实施例中,预警模块安装于轮毂单元外,通过无线或有线的方式与各传感器通信连接。预警的方式可以是声音、文字、颜色等等形式的结合。
其中,温度阈值报警模块通过设定一正常运行时的轴承2工作温度范围,当温度传感器3连续检测到温度传感器3检测到的温度超过预设的最大值时,启动预警机制,记录异常时间和温度峰值,并通知维护人员检查润滑状况、冷却系统状态;
其中,频谱分析模块利用FFT快速傅里叶变换将振动信号从时域转换至频域,识别出不同频率成分及其幅值;根据预设的频率特征和幅值阈值,当检测到某频率分量超标时,触发预警并指示可能的问题类型;
其中,实时转速监控与超限报警模块通过设定轴承2允许的最大转速和最小转速阈值,当实际测量转速超出此范围时,立即发送报警信息。优选地,还可以通过对转速信号进行微分处理,检测其瞬时变化率,即加速度变化情况。当轴承2突然加速或减速,可能是由于负载突变、传动带松脱或其他机械故障引起,此时系统会触发警报,并采取相应保护措施。
优选地,预警模块内还预置有趋势分析模块,该趋势分析模块通过实时采集并记录温度数据,绘制温度曲线图,对轴承2温度变化趋势进行分析。如果发现温度呈线性增长趋势或者出现突发性的陡增,即使当前温度尚未达到绝对上限,也可以预测未来可能发生的过热故障,提前发出预警信号。
优选地,预警模块内还预置有振动峭度与裕度分析模块,峭度是振动信号幅度分布的尖锐程度,裕度则是判断系统稳定性的一个参数。通过计算振动峭度和裕度,与已知的健康轴承2基准值对比,超出范围则表明可能存在潜在问题。当这些参数达到预设预警值时,系统发出警告。
正是由于设置了本申请的以上结构,可以舍去原有的防松机构的设置,降低了零件方面的额外生产成本,且有利于实现智能化。
实施例二
基于相同的构思,本申请还提出了一种轮毂单元的监测方法,包括以下步骤:
S00、采集温度传感器3、振动传感器4以及转速传感器5的数据并进行预处理得到初始化数据;
在本实施例中,通过校验算法验证采集到数据的完整性,以确保数据准确无误;再对采集到的数据进行归一化处理,统一不同传感器输出信号的量纲和数值范围;将原始数据打包成标准的数据传输格式,以便于后续分析和传输。
其中,选择合适的微控制器(如ARM Cortex-M系列、DSP等)用于采集和处理传感器过来的信号,具备足够的处理能力、内存资源以及多路模拟/数字信号输入接口。配备无线(Wi-Fi、蓝牙、LoRa等)或有线(USB、RS-485、CAN总线等)通信模块,将预处理后的数据发送至上位机系统或云平台。
优选地,还可对接收到的原始传感器信号进行必要的预处理,比如滤波(低通滤波器去除高频噪声)、放大(对微弱信号进行放大以满足ADC输入范围要求)或偏置调整(将信号调整到适合ADC采样的范围内)。考虑到振动信号可能包含多种频率成分,可以采用抗混叠滤波器防止高频噪声在ADC采样过程中引入虚假信号。设置合适的数据采集速率,确保各传感器信号的实时性和准确性,还可以利用微控制器内部定时器或外部时钟源来保证多路传感器信号采集的同步性。
S10、分别通过温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块对初始化数据进行分析并提取特征;
在本实施例中,将接收到的三类传感器数据整合到一起,进行同步处理。每个传感器的数据流都要通过相应的算法(如前述举例中的阈值报警、频谱分析、趋势分析等)来提取反映轮毂轴承2单元健康状况的关键特征参数。提取的特征包括实时温度值、温度变化率、最大连续工作温度、峰值振动速度/加速度、振动频率成分分析结果、实时转速值、转速稳定度。如:
1.温度特征参数:实时温度值;温度变化率(温升速率);最大连续工作温度;温度波动幅值及频率特性;
2.振动特征参数:
峰值振动速度/加速度;振动频率成分分析(例如:一倍频、二倍频等与轴承2缺陷相关的特定频率);振动峭度(Kurtosis):表示振动信号分布尖锐程度,用于判断是否存在冲击或非线性振动;裕度(Margin):反映系统稳定性余量大小;振动能量谱密度(PSD,Power Spectral Density)在关键频段的能量占比;
3.转速特征参数:
实时转速值;转速稳定度:衡量转速波动情况;转速突变次数及其幅度:异常加速或减速可能表明传动系统存在问题;转速与负载之间的关系:如果负载恒定但转速降低,可能表明存在阻力增大或动力输出减弱的问题;
S20、结合提取的特征建立多模态数据融合模型;
在本实施例中,将从不同传感器源(温度、振动和转速)提取的特征向量进行拼接,形成一个包含所有维度信息的综合特征向量。例如,已经提取了5个温度相关特征、3个振动特征频率及其幅值特征、2个转速稳定性指标,那么可以将这10个特征合并为一个单一的数据样本。然后对于每一个特征变量,根据其对轴承2状态评估的重要性,人为设定或通过机器学习方法(如递归特征消除、特征重要性分析等)来确定特征权重。比如,若发现振动特征在故障诊断中最为敏感,则其对应的权重可能较高。
接着选择融合函数,如采用加权求和法,即将各个特征乘以其相应的权重后相加,生成一个综合评分。公式可以表示为:
其中, S是最终的融合评估分数,fi是第i个特征变量的值,有1~n个,wi是对于特征fi的权重,有1~n个,且满足。
S30、基于历史故障案例和正常运行时的传感器数据,采用机器学习方法训练预测模型;
在本实施例中,采用的机器学习方法包括支持向量机、随机森林以及深度学习的其中一种。
优选地,使用历史数据集,包括正常运行和各种故障状态下的样本,以及它们对应的标签(如健康状况等级),通过最小化预测得分与实际标签之间的误差来调整特征权重。
S40、通过对模型性能的持续调优,确定各传感器数据特征对于维护时间预测的重要程度,优化特征权重以提高预测准确性;
优选地,还可以结合运用梯度下降或其他优化算法来寻找最佳权重组合,使得模型输出能够准确反映真实轴承2状态。
S50、将温度传感器3、振动传感器4以及转速传感器5的数据预处理提取特征后输入到训练完成的多模态数据融合模型中输出预测结果;
在本实施例中,在新获取的实时监测数据上运行训练好的融合模型,按照上述加权融合公式计算出当前轴承2的状态评估得分,并据此做出维护决策或预警。
如,根据状态评估得分划分四个等级,完美、良好、较差以及报废。
S60、根据预测结果发出预警并通知维护人员,同时根据预测结果制定动态维护策略;
如在较差的时候就需要提前进行维护,在报废时就需要立即维护,进行更换或者维修,良好和完美时可按照正常维护周期进行维护。
S70、记录每次维护后收集的数据并反馈回数据库,用于更新和优化预测模型;
如,维护的时候发现轴承2状态良好,与实际的状态评估得分划分的等级不符合,可让维护人员手动更改等级,反馈到数据库中。
S80、基于数据库内存储的数据,定期重新训练模型。
实施例三
基于相同的构思,本申请还提出了一种轮毂单元的监测系统,包括:
温度传感器3,安装于轴承2的轴承外圈22或轴承内圈21附近的壳体上,并不与轴承2接触,用于连续监测轴承2运行时的表面温度变化;
振动传感器4,安装于法兰盘1上,用于连续监测轴承2运转过程中的振动信号;
转速传感器5,安装于法兰盘1上,用于连续监测轴承2的旋转速度;
采集模块,用于采集温度传感器3、振动传感器4以及转速传感器5的数据并进行预处理得到初始化数据;
数据分析模块,用于将初始化数据汇总并提取特征;
模型建立模块,用于结合提取的特征建立多模态数据融合模型;基于历史故障案例和正常运行时的传感器数据,采用机器学习方法训练预测模型;通过对模型性能的持续调优,确定各传感器数据特征对于维护时间预测的重要程度,优化特征权重以提高预测准确性;
预测模块,用于将温度传感器3、振动传感器4以及转速传感器5的数据预处理提取特征后输入到训练完成的多模态数据融合模型中输出预测结果;
预警模块,用于根据预测结果发出预警并通知维护人员,同时根据预测结果制定动态维护策略;
维护模块,用于记录每次维护后收集的数据并反馈回数据库,用于更新和优化预测模型;基于数据库内存储的数据,定期重新训练模型。
实施例四
本实施例还提供了一种电子装置,参考图2,包括存储器404和处理器402,该存储器404中存储有计算机程序,该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
具体地,上述处理器402可以包括中央处理器(CPU),或者特定集成电路(ApplicationSpecificIntegratedCircuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制,存储器404可包括硬盘驱动器(HardDiskDrive,简称为HDD)、软盘驱动器、固态驱动器(SolidStateDrive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器404可在数据处理装置的内部或外部。在特定实施例中,存储器404是非易失性(Non-Volatile)存储器。在特定实施例中,存储器404包括只读存储器(Read-OnlyMemory,简称为ROM)和随机存取存储器(RandomAccessMemory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory,简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory,简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory,简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory,简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器404(FastPageModeDynamicRandomAccessMemory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory,简称EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory,简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令,以实现上述实施例中的任意一种轮毂单元。
可选地,上述电子装置还可以包括传输设备406以及输入输出设备408,其中,该传输设备406和上述处理器402连接,该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中,传输设备包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备406可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。
实施例五
本实施例还提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序包括用于控制过程以执行过程的程序代码,过程包括根据实施例一的轮毂单元。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
通常,各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现,而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现,但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示,但是应当理解,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现,该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行,或者由硬件来实现,或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中,并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外,在这一点上,应当注意,如图中的逻辑流程的任何框可以表示程序步骤,或者互连的逻辑电路、框和功能,或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质,以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以作出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种轮毂单元,包括法兰盘、设于该法兰盘表面的轴承,其特征在于,还包括:
温度传感器,安装于轴承的轴承外圈或轴承内圈附近的壳体上,并不与所述轴承接触,用于连续监测所述轴承运行时的表面温度变化;
振动传感器,安装于所述法兰盘上,用于连续监测所述轴承运转过程中的振动信号;
转速传感器,安装于所述法兰盘上,用于连续监测所述轴承的旋转速度;
预警模块,与所述温度传感器、所述振动传感器以及所述转速传感器通信连接;所述预警模块内预置有温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块;
所述温度阈值报警模块通过设定一正常运行时的轴承工作温度范围,当温度传感器连续检测到温度传感器检测到的温度超过预设的最大值时,启动预警机制,记录异常时间和温度峰值,并通知维护人员检查润滑状况、冷却系统状态;
所述频谱分析模块利用FFT快速傅里叶变换将振动信号从时域转换至频域,识别出不同频率成分及其幅值;根据预设的频率特征和幅值阈值,当检测到某频率分量超标时,触发预警并指示可能的问题类型;
所述实时转速监控与超限报警模块通过设定轴承允许的最大转速和最小转速阈值,当实际测量转速超出此范围时,立即发送报警信息。
2.如权利要求1所述的一种轮毂单元,其特征在于,所述预警模块内还预置有趋势分析模块,该趋势分析模块通过实时采集并记录温度数据,绘制温度曲线图,对轴承温度变化趋势进行分析;当发现温度呈线性增长趋势或者出现突发性的陡增时,发出预警信号。
3.如权利要求1或2所述的一种轮毂单元,其特征在于,所述预警模块内还预置有振动峭度与裕度分析模块,该振动峭度与裕度分析模块通过计算振动峭度和裕度,并与已知的健康轴承基准值对比,当振动峭度和裕度达到预设预警值时,发出预警信号。
4.如权利要求1-3任意一项所述的一种轮毂单元的监测方法,其特征在于,包括以下步骤:
S00、采集温度传感器、振动传感器以及转速传感器的数据并进行预处理得到初始化数据;
S10、分别通过温度阈值报警模块、频谱分析模块以及实时转速监控与超限报警模块对所述初始化数据进行分析并提取特征;
S20、结合提取的特征建立多模态数据融合模型;
S30、基于历史故障案例和正常运行时的传感器数据,采用机器学习方法训练预测模型;
S40、通过对模型性能的持续调优,确定各传感器数据特征对于维护时间预测的重要程度,优化特征权重以提高预测准确性;
S50、将温度传感器、振动传感器以及转速传感器的数据预处理提取特征后输入到训练完成的多模态数据融合模型中输出预测结果;
S60、根据预测结果发出预警并通知维护人员,同时根据预测结果制定动态维护策略;
S70、记录每次维护后收集的数据并反馈回数据库,用于更新和优化预测模型;
S80、基于数据库内存储的数据,定期重新训练模型。
5.如权利要求4所述的监测方法,其特征在于,S00步骤中,通过校验算法验证采集到数据的完整性,以确保数据准确无误;再对采集到的数据进行归一化处理,统一不同传感器输出信号的量纲和数值范围;将原始数据打包成标准的数据传输格式,以便于后续分析和传输。
6.如权利要求4所述的监测方法,其特征在于,S10步骤中,提取的特征包括实时温度值、温度变化率、最大连续工作温度、峰值振动速度/加速度、振动频率成分分析结果、实时转速值、转速稳定度。
7.如权利要求4-6任意一项所述的监测方法,其特征在于,S30步骤中,采用的机器学习方法包括支持向量机、随机森林以及深度学习的其中一种。
8.一种轮毂单元的监测系统,其特征在于,包括:
温度传感器,安装于轴承的轴承外圈或轴承内圈附近的壳体上,并不与轴承接触,用于连续监测轴承运行时的表面温度变化;
振动传感器,安装于法兰盘上,用于连续监测轴承运转过程中的振动信号;
转速传感器,安装于法兰盘上,用于连续监测轴承的旋转速度;
采集模块,用于采集温度传感器、振动传感器以及转速传感器的数据并进行预处理得到初始化数据;
数据分析模块,用于将初始化数据汇总并提取特征;
模型建立模块,用于结合提取的特征建立多模态数据融合模型;基于历史故障案例和正常运行时的传感器数据,采用机器学习方法训练预测模型;通过对模型性能的持续调优,确定各传感器数据特征对于维护时间预测的重要程度,优化特征权重以提高预测准确性;
预测模块,用于将温度传感器、振动传感器以及转速传感器的数据预处理提取特征后输入到训练完成的多模态数据融合模型中输出预测结果;
预警模块,用于根据预测结果发出预警并通知维护人员,同时根据预测结果制定动态维护策略;
维护模块,用于记录每次维护后收集的数据并反馈回数据库,用于更新和优化预测模型;基于数据库内存储的数据,定期重新训练模型。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求4至7任一项所述的轮毂单元。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据权利要求4至7任一项所述的轮毂单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410186910.7A CN117734347B (zh) | 2024-02-20 | 2024-02-20 | 轮毂单元、监测方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410186910.7A CN117734347B (zh) | 2024-02-20 | 2024-02-20 | 轮毂单元、监测方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117734347A true CN117734347A (zh) | 2024-03-22 |
CN117734347B CN117734347B (zh) | 2024-05-03 |
Family
ID=90261290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410186910.7A Active CN117734347B (zh) | 2024-02-20 | 2024-02-20 | 轮毂单元、监测方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117734347B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020097040A1 (en) * | 2001-01-25 | 2002-07-25 | Nsk Ltd. | Wheel rotation detecting device |
CN1424212A (zh) * | 2001-12-14 | 2003-06-18 | Ntn株式会社 | 车辆用轴承装置 |
US20090199660A1 (en) * | 2006-03-08 | 2009-08-13 | Takayoshi Ozaki | Bearing for Wheel with Sensor |
CN103842787A (zh) * | 2011-09-29 | 2014-06-04 | Ntn株式会社 | 带有传感器的车轮用轴承装置 |
CN105723105A (zh) * | 2013-11-18 | 2016-06-29 | 塞夫霍兰德有限公司 | 具有温度测量装置的车轮轴承总成 |
CN110057585A (zh) * | 2019-04-18 | 2019-07-26 | 浙江兆丰机电股份有限公司 | 安装在轮毂轴承上的多功能传感器及其轮毂轴承 |
CN110145549A (zh) * | 2019-04-18 | 2019-08-20 | 浙江兆丰机电股份有限公司 | 汽车智能轮毂轴承单元监测预警系统 |
CN110411747A (zh) * | 2018-04-25 | 2019-11-05 | 斯凯孚公司 | 用于确定车辆的车轮端的旋转速度和振动的装置 |
CN111251778A (zh) * | 2020-03-17 | 2020-06-09 | 浙江万向精工有限公司 | 一种智能型轮毂轴承单元系统 |
KR20220101465A (ko) * | 2021-01-11 | 2022-07-19 | (주)모비다임 | 차량용 베어링 상태 모니터링 진동 센서 장치 및 장치 운용 방법 |
CN116561514A (zh) * | 2023-05-11 | 2023-08-08 | 太仓市凯福士机械有限公司 | 车辆轮毂轴承单元的故障诊断方法、系统、装置及介质 |
CN116662855A (zh) * | 2023-05-31 | 2023-08-29 | 祐樘(南京)软件科技有限公司 | 基于自适应交叉融合对抗学习网络汽车轮毂轴承诊断方法 |
CN116721485A (zh) * | 2023-08-04 | 2023-09-08 | 浙江大学 | 一种基于容器技术的汽车轮毂轴承监测系统流计算平台 |
-
2024
- 2024-02-20 CN CN202410186910.7A patent/CN117734347B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020097040A1 (en) * | 2001-01-25 | 2002-07-25 | Nsk Ltd. | Wheel rotation detecting device |
CN1424212A (zh) * | 2001-12-14 | 2003-06-18 | Ntn株式会社 | 车辆用轴承装置 |
US20090199660A1 (en) * | 2006-03-08 | 2009-08-13 | Takayoshi Ozaki | Bearing for Wheel with Sensor |
CN103842787A (zh) * | 2011-09-29 | 2014-06-04 | Ntn株式会社 | 带有传感器的车轮用轴承装置 |
CN105723105A (zh) * | 2013-11-18 | 2016-06-29 | 塞夫霍兰德有限公司 | 具有温度测量装置的车轮轴承总成 |
CN110411747A (zh) * | 2018-04-25 | 2019-11-05 | 斯凯孚公司 | 用于确定车辆的车轮端的旋转速度和振动的装置 |
CN110145549A (zh) * | 2019-04-18 | 2019-08-20 | 浙江兆丰机电股份有限公司 | 汽车智能轮毂轴承单元监测预警系统 |
CN110057585A (zh) * | 2019-04-18 | 2019-07-26 | 浙江兆丰机电股份有限公司 | 安装在轮毂轴承上的多功能传感器及其轮毂轴承 |
CN111251778A (zh) * | 2020-03-17 | 2020-06-09 | 浙江万向精工有限公司 | 一种智能型轮毂轴承单元系统 |
KR20220101465A (ko) * | 2021-01-11 | 2022-07-19 | (주)모비다임 | 차량용 베어링 상태 모니터링 진동 센서 장치 및 장치 운용 방법 |
CN116561514A (zh) * | 2023-05-11 | 2023-08-08 | 太仓市凯福士机械有限公司 | 车辆轮毂轴承单元的故障诊断方法、系统、装置及介质 |
CN116662855A (zh) * | 2023-05-31 | 2023-08-29 | 祐樘(南京)软件科技有限公司 | 基于自适应交叉融合对抗学习网络汽车轮毂轴承诊断方法 |
CN116721485A (zh) * | 2023-08-04 | 2023-09-08 | 浙江大学 | 一种基于容器技术的汽车轮毂轴承监测系统流计算平台 |
Also Published As
Publication number | Publication date |
---|---|
CN117734347B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10281909B2 (en) | Signal measuring/diagnosing system, and method for applying the same to individual devices | |
CN109901537B (zh) | 用于边缘计算侧的机械设备运行状态监测方法和系统 | |
US10725439B2 (en) | Apparatus and method for monitoring a device having a movable part | |
EP2253819B1 (en) | Turbocharger bearing health monitor | |
US6587737B2 (en) | Method for the monitoring of a plant | |
CN102758655B (zh) | 用于保护旋转机械的方法 | |
EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
JP2931187B2 (ja) | ポンプ劣化診断システム | |
CN112881014B (zh) | 传动总成的下线nvh测试系统及方法 | |
US9574965B2 (en) | System and method of determining bearing health in a rotating machine | |
CN112161806B (zh) | 风机的故障监测方法和故障监测装置 | |
KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
CN103573307A (zh) | 用于监测运行中的发动机的发动机油温的方法和系统 | |
CN116758656B (zh) | 用于车辆监管的车载终端、系统及方法 | |
CN112710345B (zh) | 持续改进预测性维护数据库的机器监视方法和装置 | |
CN111609923A (zh) | 一种基于dcs数据的汽轮发电机组振动预警方法 | |
CN109944809A (zh) | 一种诊断浆液循环泵故障的方法 | |
US11555757B2 (en) | Monitoring device, monitoring method, method of creating shaft vibration determination model, and program | |
CN116561514A (zh) | 车辆轮毂轴承单元的故障诊断方法、系统、装置及介质 | |
CN109707653A (zh) | 一种天然气长输管道离心压缩机组智能监控系统 | |
CN117734347B (zh) | 轮毂单元、监测方法及其应用 | |
CN116878886B (zh) | 一种用于冷却塔水泵轴承磨损的监测方法 | |
KR20220102364A (ko) | 진동 센서를 통한 설비 예지 보전 시스템 | |
CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 | |
KR102045823B1 (ko) | 미분기 고장 진단 모니터링 방법 및 시스템 |
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 |