CN117742303B - 一种生产自动化设备检测方法、系统和介质 - Google Patents
一种生产自动化设备检测方法、系统和介质 Download PDFInfo
- Publication number
- CN117742303B CN117742303B CN202410172671.XA CN202410172671A CN117742303B CN 117742303 B CN117742303 B CN 117742303B CN 202410172671 A CN202410172671 A CN 202410172671A CN 117742303 B CN117742303 B CN 117742303B
- Authority
- CN
- China
- Prior art keywords
- detection data
- data
- detection
- equipment
- abnormal
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 661
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 109
- 238000012545 processing Methods 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012423 maintenance Methods 0.000 claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims description 206
- 238000005265 energy consumption Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种生产自动化设备检测方法、系统和介质。该方法包括:获取生产设备的设备运行检测数据,根据物理参数检测数据结合动力参数检测数据以及性能指标检测数据处理获得机械故障检测指数,根据物理参数检测数据以及电气参数检测数据处理获得电气故障检测指数,根据设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据,并处理获得设备安全风险检测指数,根据机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案。本申请可实现对生产设备进行智能故障检测的目的。
Description
技术领域
本申请涉及大数据及智能检测技术领域,具体而言,涉及一种生产自动化设备检测方法、系统和介质。
背景技术
随着现代工业的快速发展,生产自动化设备在各个领域得到了广泛应用,然而自动化生产设备在运行过程中可能会经常宕机,需要人工巡视干预进行排障,如何对这类设备进行智能故障检测,以确保其安全、稳定、高效地运行,成为了一个急需解决的问题。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种生产自动化设备检测方法、系统和介质,通过对设备运行检测数据进行处理获得机械故障检测指数和电气故障检测指数,再根据设备运行检测数据进行虚拟化建模,并利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据,并处理获得设备安全风险检测指数,最后根据机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,实现对生产设备进行智能故障检测的目的。
本申请还提供了生产自动化设备检测方法,包括以下步骤:
获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据;
根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数;
根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数;
根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据;
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数;
根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案。
可选地,在本申请所述的生产自动化设备检测方法中,所述获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据,包括:
所述物理参数检测数据包括设备磨损检测数据、设备异响检测数据、异常温度检测数据和异常气味检测数据;
所述电气参数检测数据包括异常电压电流检测数据和电路保护器件工作异常检测数据;
所述动力参数检测数据包括异常转速检测数据和异常扭矩检测数据;
所述性能指标检测数据包括生产效率检测数据、运行精度检测数据和能耗检测数据。
可选地,在本申请所述的生产自动化设备检测方法中,所述根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数,包括:
根据所述设备磨损检测数据、异常温度检测数据、设备异响检测数据结合所述异常转速检测数据、异常扭矩检测数据以及所述生产效率检测数据、运行精度检测数据、能耗检测数据进行处理,获得机械故障检测指数;
所述机械故障检测指数的计算公式为:
;
其中,为机械故障检测指数,/>为设备磨损检测数据,/>为异常温度检测数据,/>为设备异响检测数据,/>异常转速检测数据,/>异常扭矩检测数据,/>为生产效率检测数据,/>为运行精度检测数据,/>能耗检测数据,/>、/>、/>、/>、/>、/>、/>、/>为预设特征系数。
可选地,在本申请所述的生产自动化设备检测方法中,所述根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数,包括:
根据所述异常温度检测数据、异常气味检测数据以及所述异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数;
所述电气故障检测指数的计算公式为:
;
其中,为电气故障检测指数,/>为异常温度检测数据,/>为异常气味检测数据,/>为异常电压电流检测数据,/>为电路保护器件工作异常检测数据,/>、/>、/>、/>为预设特征系数。
可选地,在本申请所述的生产自动化设备检测方法中,所述根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据,包括:
获取设备基本参数数据、工作环境数据和生产需求数据;
根据所述设备运行检测数据以及所述设备基本参数数据、工作环境数据、生产需求数据进行虚拟化建模,生成设备运行虚拟化模型;
利用所述设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据。
可选地,在本申请所述的生产自动化设备检测方法中,所述根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数,包括:
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据;
根据所述机械系统异常数据、电气系统异常数据和安全防护系统异常数据进行处理,获得设备安全风险检测指数。
可选地,在本申请所述的生产自动化设备检测方法中,所述根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,包括:
将所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数通过预设设备故障检测模型进行处理,获得设备故障检测指数;
所述预设设备故障检测模型的计算公式为:
;
其中,为设备故障检测指数,/>为机械故障检测指数,/>为电气故障检测指数,/>为设备安全风险检测指数,/>、/>、/>为预设特征系数;
将所述设备故障检测指数与预设设备故障检测指数阈值进行阈值对比,根据阈值对比结果所属的范围等级获得设备故障检测等级;
将所述设备故障检测等级输入预设设备故障维修方案数据库中进行匹配识别,获得设备故障维修方案。
第二方面,本申请提供了一种生产自动化设备检测系统,该系统包括:存储器及处理器,所述存储器中包括生产自动化设备检测方法的程序,所述生产自动化设备检测方法的程序被所述处理器执行时实现以下步骤:
获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据;
根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数;
根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数;
根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据;
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数;
根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案。
可选地,在本申请所述的生产自动化设备检测系统中,所述获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据,包括:
所述物理参数检测数据包括设备磨损检测数据、设备异响检测数据、异常温度检测数据和异常气味检测数据;
所述电气参数检测数据包括异常电压电流检测数据和电路保护器件工作异常检测数据;
所述动力参数检测数据包括异常转速检测数据和异常扭矩检测数据;
所述性能指标检测数据包括生产效率检测数据、运行精度检测数据和能耗检测数据。
第三方面,本申请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中包括生产自动化设备检测方法程序,所述生产自动化设备检测方法程序被处理器执行时,实现如上述任一项所述的生产自动化设备检测方法的步骤。
由上可知,本申请提供的一种生产自动化设备检测方法、系统和介质,通过对设备运行检测数据进行处理获得机械故障检测指数和电气故障检测指数,再根据设备运行检测数据进行虚拟化建模,并利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据,并处理获得设备安全风险检测指数,最后根据机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,实现对生产设备进行智能故障检测的目的。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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生产自动化设备检测方法的流程图;
图2为本申请实施例提供的生产自动化设备检测方法的生成模拟运行参数数据的流程图;
图3为本申请实施例提供的生产自动化设备检测方法的获得设备安全风险检测指数的流程图;
图4为本申请实施例提供的生产自动化设备检测方法的匹配对应的设备故障维修方案的流程图。
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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
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。
请参照图1,图1是本申请一些实施例中的生产自动化设备检测方法的流程图。该生产自动化设备检测方法用于终端设备中,例如电脑、手机终端等。该生产自动化设备检测方法,包括以下步骤:
S11、获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据;
S12、根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数;
S13、根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数;
S14、根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据;
S15、根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数;
S16、根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案。
需要说明的是,通过对设备运行检测数据进行处理获得机械故障检测指数和电气故障检测指数,再根据设备运行检测数据进行虚拟化建模,并利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据,并处理获得设备安全风险检测指数,最后根据机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,实现对生产设备进行智能故障检测的目的。
根据本发明实施例,所述获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据,包括:
所述物理参数检测数据包括设备磨损检测数据、设备异响检测数据、异常温度检测数据和异常气味检测数据;
所述电气参数检测数据包括异常电压电流检测数据和电路保护器件工作异常检测数据;
所述动力参数检测数据包括异常转速检测数据和异常扭矩检测数据;
所述性能指标检测数据包括生产效率检测数据、运行精度检测数据和能耗检测数据。
需要说明的是,为了对设备的机械故障和电气故障进行智能检测,首先需要获取设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据。
根据本发明实施例,所述根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数,包括:
根据所述设备磨损检测数据、异常温度检测数据、设备异响检测数据结合所述异常转速检测数据、异常扭矩检测数据以及所述生产效率检测数据、运行精度检测数据、能耗检测数据进行处理,获得机械故障检测指数;
所述机械故障检测指数的计算公式为:
;
其中,为机械故障检测指数,/>为设备磨损检测数据,/>为异常温度检测数据,/>为设备异响检测数据,/>异常转速检测数据,/>异常扭矩检测数据,/>为生产效率检测数据,/>为运行精度检测数据,/>能耗检测数据,/>、/>、/>、/>、/>、/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得)。
需要说明的是,设备在运行过程中可能会出现异常磨损、温度异常、异响、转速异常、扭矩异常等机械故障,进而会导致生产效率降低、产品加工精度降低、能耗增加等问题,因此需要根据设备磨损检测数据、异常温度检测数据、设备异响检测数据结合异常转速检测数据、异常扭矩检测数据以及生产效率检测数据、运行精度检测数据、能耗检测数据进行处理获得机械故障检测指数,以实现对设备机械故障的智能检测。
根据本发明实施例,所述根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数,包括:
根据所述异常温度检测数据、异常气味检测数据以及所述异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数;
所述电气故障检测指数的计算公式为:
;
其中,为电气故障检测指数,/>为异常温度检测数据,/>为异常气味检测数据,/>为异常电压电流检测数据,/>为电路保护器件工作异常检测数据,/>、/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得)。
需要说明的是,设备在运行过程中可能会出现电气故障导致的出现异常气味、温度异常、电压电流异常以及电路保护器件工作异常等问题,因此可根据异常温度检测数据、异常气味检测数据以及异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数,以实现对设备电气故障的检测。
请参照图2,图2是本申请一些实施例中的生产自动化设备检测方法的生成模拟运行参数数据的流程图。根据本发明实施例,所述根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据,包括:
S21、获取设备基本参数数据、工作环境数据和生产需求数据;
S22、根据所述设备运行检测数据以及所述设备基本参数数据、工作环境数据、生产需求数据进行虚拟化建模,生成设备运行虚拟化模型;
S23、利用所述设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据。
需要说明的是,设备在极端工作环境和满生产负荷状态下运行可能会发生安全问题,因此为了对设备的安全风险进行预测,首先根据当前设备运行检测数据以及当前设备基本参数数据、工作环境数据、生产需求数据进行虚拟化仿真生成设备运行虚拟化模型,再利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据。
请参照图3,图3是本申请一些实施例中的生产自动化设备检测方法的获得设备安全风险检测指数的流程图。根据本发明实施例,所述根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数,包括:
S31、根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据;
S32、根据所述机械系统异常数据、电气系统异常数据和安全防护系统异常数据进行处理,获得设备安全风险检测指数。
需要说明的是,通过对设备在极端工作环境和满生产负荷下的运行状态进行模拟获得的机械系统异常数据、电气系统异常数据和安全防护系统异常数据进行处理,获得设备安全风险检测指数,以实现对设备的安全风险评估;
所述设备安全风险检测指数的计算公式为:
;
其中,为设备安全风险检测指数,/>为机械系统异常数据、/>为电气系统异常数据、/>为安全防护系统异常数据,/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得)。
请参照图4,图4是本申请一些实施例中的生产自动化设备检测方法的匹配对应的设备故障维修方案的流程图。根据本发明实施例,所述根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,包括:
S41、将所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数通过预设设备故障检测模型进行处理,获得设备故障检测指数;
所述预设设备故障检测模型的计算公式为:
;
其中,为设备故障检测指数,/>为机械故障检测指数,/>为电气故障检测指数,/>为设备安全风险检测指数,/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得);
S42、将所述设备故障检测指数与预设设备故障检测指数阈值进行阈值对比,根据阈值对比结果所属的范围等级获得设备故障检测等级;
S43、将所述设备故障检测等级输入预设设备故障维修方案数据库中进行匹配识别,获得设备故障维修方案。
需要说明的是,通过对机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测指数,进而获得设备故障检测等级并匹配相应的设备故障维修方案,实现对设备故障智能诊断的目的。
本发明还公开了一种生产自动化设备检测系统,包括存储器和处理器,所述存储器中包括生产自动化设备检测方法程序,所述生产自动化设备检测方法程序被所述处理器执行时实现如下步骤:
获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据;
根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数;
根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数;
根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据;
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数;
根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案。
需要说明的是,通过对设备运行检测数据进行处理获得机械故障检测指数和电气故障检测指数,再根据设备运行检测数据进行虚拟化建模,并利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据,并处理获得设备安全风险检测指数,最后根据机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,实现对生产设备进行智能故障检测的目的。
根据本发明实施例,所述获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据,包括:
所述物理参数检测数据包括设备磨损检测数据、设备异响检测数据、异常温度检测数据和异常气味检测数据;
所述电气参数检测数据包括异常电压电流检测数据和电路保护器件工作异常检测数据;
所述动力参数检测数据包括异常转速检测数据和异常扭矩检测数据;
所述性能指标检测数据包括生产效率检测数据、运行精度检测数据和能耗检测数据。
需要说明的是,为了对设备的机械故障和电气故障进行智能检测,首先需要获取设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据。
根据本发明实施例,所述根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数,包括:
根据所述设备磨损检测数据、异常温度检测数据、设备异响检测数据结合所述异常转速检测数据、异常扭矩检测数据以及所述生产效率检测数据、运行精度检测数据、能耗检测数据进行处理,获得机械故障检测指数;
所述机械故障检测指数的计算公式为:
;
其中,为机械故障检测指数,/>为设备磨损检测数据,/>为异常温度检测数据,/>为设备异响检测数据,/>异常转速检测数据,/>异常扭矩检测数据,/>为生产效率检测数据,/>为运行精度检测数据,/>能耗检测数据,/>、/>、/>、/>、/>、/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得)。
需要说明的是,设备在运行过程中可能会出现异常磨损、温度异常、异响、转速异常、扭矩异常等机械故障,进而会导致生产效率降低、产品加工精度降低、能耗增加等问题,因此需要根据设备磨损检测数据、异常温度检测数据、设备异响检测数据结合异常转速检测数据、异常扭矩检测数据以及生产效率检测数据、运行精度检测数据、能耗检测数据进行处理获得机械故障检测指数,以实现对设备机械故障的智能检测。
根据本发明实施例,所述根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数,包括:
根据所述异常温度检测数据、异常气味检测数据以及所述异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数;
所述电气故障检测指数的计算公式为:
;
其中,为电气故障检测指数,/>为异常温度检测数据,/>为异常气味检测数据,/>为异常电压电流检测数据,/>为电路保护器件工作异常检测数据,/>、/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得)。
需要说明的是,设备在运行过程中可能会出现电气故障导致的出现异常气味、温度异常、电压电流异常以及电路保护器件工作异常等问题,因此可根据异常温度检测数据、异常气味检测数据以及异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数,以实现对设备电气故障的检测。
根据本发明实施例,所述根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据,包括:
获取设备基本参数数据、工作环境数据和生产需求数据;
根据所述设备运行检测数据以及所述设备基本参数数据、工作环境数据、生产需求数据进行虚拟化建模,生成设备运行虚拟化模型;
利用所述设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据。
需要说明的是,设备在极端工作环境和满生产负荷状态下运行可能会发生安全问题,因此为了对设备的安全风险进行预测,首先根据当前设备运行检测数据以及当前设备基本参数数据、工作环境数据、生产需求数据进行虚拟化仿真生成设备运行虚拟化模型,再利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据。
根据本发明实施例,所述根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数,包括:
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据;
根据所述机械系统异常数据、电气系统异常数据和安全防护系统异常数据进行处理,获得设备安全风险检测指数。
需要说明的是,通过对设备在极端工作环境和满生产负荷下的运行状态进行模拟获得的机械系统异常数据、电气系统异常数据和安全防护系统异常数据进行处理,获得设备安全风险检测指数,以实现对设备的安全风险评估;
所述设备安全风险检测指数的计算公式为:
;
其中,为设备安全风险检测指数,/>为机械系统异常数据、/>为电气系统异常数据、/>为安全防护系统异常数据,/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得)。
根据本发明实施例,所述根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,包括:
将所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数通过预设设备故障检测模型进行处理,获得设备故障检测指数;
所述预设设备故障检测模型的计算公式为:
;
其中,为设备故障检测指数,/>为机械故障检测指数,/>为电气故障检测指数,/>为设备安全风险检测指数,/>、/>、/>为预设特征系数(可通过预设设备故障检测平台查询获得);
将所述设备故障检测指数与预设设备故障检测指数阈值进行阈值对比,根据阈值对比结果所属的范围等级获得设备故障检测等级;
将所述设备故障检测等级输入预设设备故障维修方案数据库中进行匹配识别,获得设备故障维修方案。
需要说明的是,通过对机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测指数,进而获得设备故障检测等级并匹配相应的设备故障维修方案,实现对设备故障智能诊断的目的。
本发明第三方面提供了一种可读存储介质,所述可读存储介质中包括生产自动化设备检测方法程序,所述生产自动化设备检测方法程序被处理器执行时,实现如上述任一项所述的生产自动化设备检测方法的步骤。
本发明公开的一种生产自动化设备检测方法、系统和介质,通过对设备运行检测数据进行处理获得机械故障检测指数和电气故障检测指数,再根据设备运行检测数据进行虚拟化建模,并利用设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据,并处理获得设备安全风险检测指数,最后根据机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,实现对生产设备进行智能故障检测的目的。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元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,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (6)
1.一种生产自动化设备检测方法,其特征在于,包括以下步骤:
获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据;
根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数;
根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数;
根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据;
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数;
根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案;
所述获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据,包括:
所述物理参数检测数据包括设备磨损检测数据、设备异响检测数据、异常温度检测数据和异常气味检测数据;
所述电气参数检测数据包括异常电压电流检测数据和电路保护器件工作异常检测数据;
所述动力参数检测数据包括异常转速检测数据和异常扭矩检测数据;
所述性能指标检测数据包括生产效率检测数据、运行精度检测数据和能耗检测数据;
所述根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数,包括:
根据所述设备磨损检测数据、异常温度检测数据、设备异响检测数据结合所述异常转速检测数据、异常扭矩检测数据以及所述生产效率检测数据、运行精度检测数据、能耗检测数据进行处理,获得机械故障检测指数;
所述机械故障检测指数的计算公式为:
;
其中,为机械故障检测指数,/>为设备磨损检测数据,/>为异常温度检测数据,/>为设备异响检测数据,/>异常转速检测数据,/>异常扭矩检测数据,/>为生产效率检测数据,/>为运行精度检测数据,/>能耗检测数据,/>、/>、/>、/>、/>、/>、/>、/>为预设特征系数;
所述根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数,包括:
根据所述异常温度检测数据、异常气味检测数据以及所述异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数;
所述电气故障检测指数的计算公式为:
;
其中,为电气故障检测指数,/>为异常温度检测数据,/>为异常气味检测数据,/>为异常电压电流检测数据,/>为电路保护器件工作异常检测数据,/>、/>、/>、/>为预设特征系数。
2.根据权利要求1所述的生产自动化设备检测方法,其特征在于,所述根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据,包括:
获取设备基本参数数据、工作环境数据和生产需求数据;
根据所述设备运行检测数据以及所述设备基本参数数据、工作环境数据、生产需求数据进行虚拟化建模,生成设备运行虚拟化模型;
利用所述设备运行虚拟化模型对设备在极端工作环境和满生产负荷下的运行状态进行模拟,生成模拟运行参数数据。
3.根据权利要求2所述的生产自动化设备检测方法,其特征在于,所述根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数,包括:
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据;
根据所述机械系统异常数据、电气系统异常数据和安全防护系统异常数据进行处理,获得设备安全风险检测指数。
4.根据权利要求3所述的生产自动化设备检测方法,其特征在于,所述根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案,包括:
将所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数通过预设设备故障检测模型进行处理,获得设备故障检测指数;
所述预设设备故障检测模型的计算公式为:
;
其中,为设备故障检测指数,/>为机械故障检测指数,/>为电气故障检测指数,/>为设备安全风险检测指数,/>、/>、/>为预设特征系数;
将所述设备故障检测指数与预设设备故障检测指数阈值进行阈值对比,根据阈值对比结果所属的范围等级获得设备故障检测等级;
将所述设备故障检测等级输入预设设备故障维修方案数据库中进行匹配识别,获得设备故障维修方案。
5.一种生产自动化设备检测系统,其特征在于,包括存储器和处理器,所述存储器中包括生产自动化设备检测方法程序,所述生产自动化设备检测方法程序被所述处理器执行时实现如下步骤:
获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据;
根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数;
根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数;
根据所述设备运行检测数据进行虚拟化建模,生成设备运行虚拟化模型,并利用设备运行虚拟化模型进行模拟运行,生成模拟运行参数数据;
根据所述模拟运行参数数据提取机械系统异常数据、电气系统异常数据和安全防护系统异常数据,并处理获得设备安全风险检测指数;
根据所述机械故障检测指数、电气故障检测指数和设备安全风险检测指数进行处理,获得设备故障检测等级,并匹配对应的设备故障维修方案;
所述获取生产设备的设备运行检测数据,包括物理参数检测数据、电气参数检测数据、动力参数检测数据和性能指标检测数据,包括:
所述物理参数检测数据包括设备磨损检测数据、设备异响检测数据、异常温度检测数据和异常气味检测数据;
所述电气参数检测数据包括异常电压电流检测数据和电路保护器件工作异常检测数据;
所述动力参数检测数据包括异常转速检测数据和异常扭矩检测数据;
所述性能指标检测数据包括生产效率检测数据、运行精度检测数据和能耗检测数据;
所述根据所述物理参数检测数据结合所述动力参数检测数据以及所述性能指标检测数据进行处理,获得机械故障检测指数,包括:
根据所述设备磨损检测数据、异常温度检测数据、设备异响检测数据结合所述异常转速检测数据、异常扭矩检测数据以及所述生产效率检测数据、运行精度检测数据、能耗检测数据进行处理,获得机械故障检测指数;
所述机械故障检测指数的计算公式为:
;
其中,为机械故障检测指数,/>为设备磨损检测数据,/>为异常温度检测数据,/>为设备异响检测数据,/>异常转速检测数据,/>异常扭矩检测数据,/>为生产效率检测数据,/>为运行精度检测数据,/>能耗检测数据,/>、/>、/>、/>、/>、/>、/>、/>为预设特征系数;
所述根据所述物理参数检测数据以及所述电气参数检测数据进行处理,获得电气故障检测指数,包括:
根据所述异常温度检测数据、异常气味检测数据以及所述异常电压电流检测数据、电路保护器件工作异常检测数据进行处理,获得电气故障检测指数;
所述电气故障检测指数的计算公式为:
;
其中,为电气故障检测指数,/>为异常温度检测数据,/>为异常气味检测数据,/>为异常电压电流检测数据,/>为电路保护器件工作异常检测数据,/>、/>、/>、/>为预设特征系数。
6.一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中包括生产自动化设备检测程序,所述生产自动化设备检测程序被处理器执行时,实现如权利要求1至4中任一项所述的生产自动化设备检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410172671.XA CN117742303B (zh) | 2024-02-07 | 2024-02-07 | 一种生产自动化设备检测方法、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410172671.XA CN117742303B (zh) | 2024-02-07 | 2024-02-07 | 一种生产自动化设备检测方法、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117742303A CN117742303A (zh) | 2024-03-22 |
CN117742303B true CN117742303B (zh) | 2024-05-14 |
Family
ID=90281731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410172671.XA Active CN117742303B (zh) | 2024-02-07 | 2024-02-07 | 一种生产自动化设备检测方法、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117742303B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022267879A1 (zh) * | 2021-06-25 | 2022-12-29 | 上海三一重机股份有限公司 | 一种工程机械故障预警方法、装置及工程机械 |
CN115865649A (zh) * | 2023-02-28 | 2023-03-28 | 网思科技股份有限公司 | 一种智能运维管理控制方法、系统和存储介质 |
CN116307945A (zh) * | 2023-05-18 | 2023-06-23 | 中铁建工集团有限公司 | 一种建筑类电气智能运行监控方法、系统和介质 |
CN116611523A (zh) * | 2023-07-18 | 2023-08-18 | 山东师范大学 | 涡轮风扇发动机的可解释故障预测方法及系统 |
CN117349102A (zh) * | 2023-12-05 | 2024-01-05 | 网思科技股份有限公司 | 数字孪生运维数据质量检验方法、系统和介质 |
-
2024
- 2024-02-07 CN CN202410172671.XA patent/CN117742303B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022267879A1 (zh) * | 2021-06-25 | 2022-12-29 | 上海三一重机股份有限公司 | 一种工程机械故障预警方法、装置及工程机械 |
CN115865649A (zh) * | 2023-02-28 | 2023-03-28 | 网思科技股份有限公司 | 一种智能运维管理控制方法、系统和存储介质 |
CN116307945A (zh) * | 2023-05-18 | 2023-06-23 | 中铁建工集团有限公司 | 一种建筑类电气智能运行监控方法、系统和介质 |
CN116611523A (zh) * | 2023-07-18 | 2023-08-18 | 山东师范大学 | 涡轮风扇发动机的可解释故障预测方法及系统 |
CN117349102A (zh) * | 2023-12-05 | 2024-01-05 | 网思科技股份有限公司 | 数字孪生运维数据质量检验方法、系统和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117742303A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110535702B (zh) | 一种告警信息处理方法及装置 | |
CN108196143A (zh) | 电力变压器故障深度诊断方法及终端设备 | |
CN116593811B (zh) | 一种集成型变频器运行状态监测系统及监测方法 | |
CN115524002B (zh) | 一种电厂旋转设备的运行状态预警方法、系统及存储介质 | |
CN116094837A (zh) | 基于网络大数据的网终应用采集分析方法、系统及介质 | |
CN114726642B (zh) | 一种基于电力监控系统网络威胁的量化系统 | |
CN110187275A (zh) | 一种永磁电机健康状态检测方法及系统 | |
CN114692926A (zh) | 车用电池的安全评估方法、系统、设备及可读存储介质 | |
Sarita et al. | Principal component analysis technique for early fault detection | |
CN115796708A (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN117742303B (zh) | 一种生产自动化设备检测方法、系统和介质 | |
CN108009582B (zh) | 一种电子设备标准工作指标设置的方法 | |
CN117036732B (zh) | 一种基于融合模型的机电设备检测系统、方法及设备 | |
CN116307945B (zh) | 一种建筑类电气智能运行监控方法、系统和介质 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN109214109B (zh) | 一种石化装备旋转机械的剩余寿命预测验证方法 | |
CN111308016A (zh) | 一种齿轮箱故障诊断方法、系统、设备及存储介质 | |
CN113671287B (zh) | 电网自动化终端智能检测方法、系统和可读存储介质 | |
CN113408210B (zh) | 基于深度学习的非侵入负荷分解方法、系统、介质和设备 | |
CN115508703A (zh) | 一种多源信息融合的电机故障诊断方法及系统 | |
CN113529845B (zh) | 挖掘机故障诊断方法、挖掘机、电子设备及可读存储介质 | |
CN117828450B (zh) | 一种基于大数据的封装测试方法、系统和介质 | |
CN114896588B (zh) | 主机用户异常行为检测方法、装置、存储介质及电子设备 | |
Tang et al. | Application of vibration signals for the quantitative analysis of the optimal threshold of bearing failure | |
CN115877269B (zh) | 基于智慧母线的配电预警方法、装置、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 |