CN117871142A - 一种卷绕机故障监控判断方法及系统 - Google Patents

Abstract

本发明公开了一种卷绕机故障监控判断方法及系统，涉及卷绕机技术领域；通过对设备信息和环境信息的提取和分析得到特征参数，实现对卷绕机运行状态和环境状态的长期监测和记录，为卷绕机的故障判断提供科学依据；通过监测特征参数并计算得到磨损指数和故障预警指数，据此生成相应的安全执行策略，帮助工程师在发生故障或需要维护时，及时采取正确的操作措施，确保卷绕机的安全运行，实现对卷绕机的故障预警和安全监控，以保障卷绕机的安全运行；同时通过动态调整采集间隔，能够更加高效地获取卷绕机状态信息和所处的环境信息，进一步提高监控的准确性和实时性，实现对卷绕机的自适应监控，确保卷绕机的稳定运行。

Description

一种卷绕机故障监控判断方法及系统

技术领域

本发明涉及卷绕机技术领域，特别是涉及一种卷绕机故障监控判断方法及系统。

背景技术

卷绕机是一种用于将物料或产品卷绕成卷筒形或卷轴形的设备，它通常由一个主要的卷绕装置和相关的辅助设备组成，用于完成卷绕过程；卷绕机被广泛应用于各个行业，如纺织、包装、印刷、塑料制品等；卷绕机故障会导致生产线停机、生产效率下降等问题，甚至还可能对工作人员的安全造成威胁；因此，卷绕机的故障监控是非常必要的；

目前的卷绕机在故障判断过程时通常会设置一些阈值，当某个参数超过或者低于设定的阈值时则发出预警警报，然而这种方法容易受到环境变化、设备老化等因素的干扰，进而导致误报或者漏报的情况发生。

发明内容

基于此，有必要针对上述背景技术提到的问题，提供一种卷绕机故障监控判断方法。

根据本申请的一个方面，提供了一种卷绕机故障监控判断方法，该方法包括以下步骤：

S1：基于接收到的最新采集间隔控制与数据采集模块通信连接的设备传感器和环境传感器进行设备信息采集和环境信息采集；

S2：基于设备信息和环境信息对卷绕机的运行状态和环境状态进行特征提取以得到特征参数；其中特征参数包括油磨值、轴承间隙、齿轮间隙、功率和空气干扰值；

S3：基于特征参数对卷绕机的运行故障分析和磨损故障分析以得到运行风险指数和磨损指数，并据此生成对应的安全执行策略；具体步骤为：

步骤一：将油磨值TMj、轴承间隙Zj、齿轮间隙Cj代入设定的公式进行计算以得到磨损值CMZ，其中c1、c2、c3分别为设定的比例系数，/>为初始轴承间隙，/>为初始齿轮间隙；其中j=1,2,3……J，J取值为正整数，J表示的是采集时刻的总数，j为其中任意一个采集时刻的序号；由此可得每个采集时刻对应的磨损值，对磨损值进行图形变化趋势分析以得到磨损指数；

步骤二：将功率Pj和空气干扰值NYj代入设定的公式进行计算以得到运行风险值PN，e为自然常数，/>为卷绕机的额定功率，以时间为横坐标，以运行风险值为纵坐标得到运行值随时间变化曲线图；于运行点作曲线的切线，利用数据拟合得到切线表达式，对切线表达式进行求导操作得到运行点的运行导数记为Aj；将大于零的运行导数记为风险导数，并将风险导数进行求和计算得到风险度记为Q1；将等于零的运行导数记为稳定导数，并统计稳定导数的数量记为Q2；将小于零的导数记为好转导数，将好转导数进行求和计算并将和值取绝对值得到好转度记为Q3；

将运行导数Aj、风险度Q1、稳定导数的数量Q2和好转度Q3代入设定的公式进行计算以得到故障预警指数Qr，其中r1、r2、r3分别为设定的比例系数，e为自然常数，/>为不同采集时刻对应的运行导数均值；

步骤三：当磨损指数大于设定的维护区间中的最大值时，则生成零件更换指令并发送至对应的维护工程师；当磨损指数处于设定的维护区间之内时，则生成磨损维护指令并发送至对应的工程师；当磨损指数小于设定的维护区间中的最小值时，则直接输出磨损指数作为初级磨损换算值；当故障预警指数大于设定的维修区间中的最大值时，则生成切换指令以控制切换备用卷绕机；当故障预警指数处于设定维修区间之内时，则生成维修指令并发送至对应的维修工程师；当故障预警指数小于设定的维修区间中的最小值时，则直接输出故障预警指数作为初级故障换算指数；

步骤四：将初级磨损换算指数HB和初级故障换算指数Qr代入设定的公式进行计算以得到最新的采集间隔Ur，其中r4、r5分别为设定比例系数，将最新的采集间隔更新至S1。

在一些实施例中，对磨损值进行图形变化趋势分析以得到磨损指数的具体过程为：

将油磨值、轴承间隙、齿轮间隙进行数值化分析得到磨损值，以时间为横坐标，以磨损值为纵坐标得到磨损值随时间变化曲线图；于磨损点位置作曲线的切线，计算得到磨损点的导数；将导数与零比较分析以将导数分为磨损导数和维持导数；分别统计磨损导数和维持导数的数量，并将其分别记为H3和H4；将磨损导数与设定的磨损区间进行比较分析以将磨损导数分为快速磨损导数、中速磨损导数和慢速磨损导数；将快速磨损导数、中速磨损导数和慢速磨损导数分别进行求和计算以得到快速值、中速值和慢速值，并将其分别记为B1、B2和B3；

将磨损导数的数量H3、维持导数的数量H4、快速值B1、中速值B2和慢速值B3代入设定的公式进行计算以得到磨损指数HB，其中d1、d2、d3分别为设定的比例数进行公式化计算分析得到磨损指数。

在一些实施例中，运行状态特征提取过程具体为：

识别润滑油图像中存在颗粒物，并对其进行量化分析处理以得到每个采集时刻对应的润滑油图像表示的颗密值记为Ma；

将滑油图像进行放大处分成若干个像素格，直至每个像素格内只存在一种颜色，识别像素格的颜色值，并将其标准颜色进行差值计算得到颜色差，当颜色差等于零时，则该颜色差对应的像素格记为颜色同格；当颜色差大于零时，则将该颜色差对应的像素格记为颜色异格，并将颜色差记为该颜色异格对应的异格值，并将异格值进行求和计算得到的和值作为该润滑油图像的颜色异值记为T1；统计颜色同格和颜色异格的数量，并将其分别记为T2和T3；将T1、T2、T3与颗密值Ma代入设定的公式进行计算以得到油磨值TM，其中a5、a6、a7分别为设定的比例系数，e为自然常数，T4为润滑油的粘度；由此可得每个采集时刻对应的油磨值记为TMj。

在一些实施例中，对润滑油图像中存在颗粒物进行量化分析处理的具体过程为：

识别润滑油图像中存在颗粒物，以其中任意一个颗粒物为研究对象，计算其与其相邻的颗粒物之间的距离记为间隔距离，并将所有间隔距离进行均值计算以得到该颗粒物的密间值，并将其与设定的密间区间进行比较分析以将密间值对应的颗粒物分为高度密集颗粒物、中度密集颗粒物和低度密集颗粒物，将高度密集颗粒物、中度密集颗粒物和低度密集颗粒物对应的密间分别记为高度密间值、中度密间值和低度密间值；分别统计高度密集颗粒物、中度密集颗粒物和低度密集颗粒物的数量，并将其分别记为M1、M2和M3；分别将高度密间值、中度密间值和低度密间值分别进行求和计算得到高度密集度、中度密集度和低度密集度，并将其分别记为M4、M5和M6；将M1、M2、M3、M4、M5和M6代入设定的公式进行计算以得到颗密值Ma，其中a1、a2、a3、a4分别为设定的比例系数，e为自然常数。

在一些实施例中，环境状态特征提取过程具体为：

任取其中一个采集时刻对应的环境空气图像，利用计算机视觉识别方法识别环境空气图像中的颗粒物并计算其面积以得到空气分布图，对空气分布图中颗粒物进行量化分析处理得到粒度值记为Lb；调取影响气体的种类总数记为K以及每种影响气体对应的浓度Nk，其中k=1,2,3……K，K取值为正整数，K表示的是影响气体种类总数，k表示的是其中任意一种影响气体；设定每种类型的影响气体均对应一个氧化系数，将影响气体的种类与设定所有种类的影响气体进行比对以匹配到对应的氧化系数记为Yk；将粒度值Lb、影响气体的种类K、浓度Nk、氧化系数Yk、温度H2和湿度H1代入设定的公式进行计算以得到空气干扰值NY，其中b4、b5、b6、b7分别为设定的比例系数，H1为湿度，H2为温度；由此可得每个采集时刻对应的空气干扰值记为NYj。

在一些实施例中，对空气分布图中颗粒物进行量化分析处理得到粒度值的具体过程为：

将空气分布图中颗粒物面积与面积区间进行比较分析以将颗粒物分为一级颗粒物、二级颗粒物和三级颗粒物；分别统计一级颗粒物、二级颗粒物和三级颗粒物的数量，并将其分别记为L1、L2和L3；将一级颗粒物、二级颗粒物和三级颗粒物对应的颗粒物面积分别进行均值计算以到一级面积、二级面积和三级面积，并将其分别记为L4、L5和L6；

将L1、L2、L3、L4、L5和L6代入设定的公式进行计算以得到粒度值Lb，其中b1、b2、b3分别为设定的比例系数，且b1＞b2＞b3＞0。

根据本申请的一个方面，提供了一种卷绕机故障监控判断系统，该系统包括：数据采集模块、数据库、特征提取模块和故障判断模块；

数据采集模块依据接收到最新的采集间隔以控制与其通信连接的设备传感器和环境传感器进行设备信息采集和环境信息采集，并将其发送至特征提取模块；

特征提取模块通过对设备信息和环境信息进行特征提取以得到特征参数，并将其发送至数据库存储；数据库内还存储有数据库内存储有卷绕机初始状态参数和额定功率，其中初始状态参数包括初始轴承间隙和初始齿轮间隙；

故障判断模块依据特征参数对绕卷机的磨损状态和运行状态进行深化分析以得到磨损指数和故障预警指数，并据此生成对应的安全执行策略。

与现有技术相比，本发明的有益效果是：

1、通过对设备信息和环境信息的提取和分析得到油磨值、轴承间隙、齿轮间隙、功率和空气干扰值，并将其作为特征参数，实现对卷绕机运行状态和环境状态的长期监测和记录，为卷绕机的故障判断提供科学依据；

2、通过监测特征参数并计算得到磨损指数和故障预警指数，据此生成相应的安全执行策略，帮助工程师在发生故障或需要维护时，及时采取正确的操作措施，确保卷绕机的安全运行，实现对卷绕机的故障预警和安全监控，以保障卷绕机的安全运行；同时通过动态调整采集间隔，能够更加高效地获取卷绕机状态信息和所处的环境信息，进一步提高监控的准确性和实时性，实现对卷绕机的自适应监控，确保卷绕机的稳定运行；

3、相比传统的阈值设定方法，故障判断模块采用了更加细致的计算和分析方法能够更准确地评估卷绕机的磨损程度和运行风险，能够有效减少由于环境变化和设备老化等因素引起的误报或漏报问题，提高了故障判断的可靠性和精度。

附图说明

为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的方法流程示意图；

图2为本发明的系统原理框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。

如图1-2所示，提供了一种卷绕机故障监控判断方法，该方法基于一种卷绕机故障监控判断系统实现，该系统包括：数据采集模块、特征提取模块和故障判断模块；该方法具体包括以下步骤：

S1：数据采集模块接收到最新的采集间隔时，获取上一次信息采集系统当前时刻的时间间隔等于最新的采集间隔时，则控制与数据采集模块通信连接的设备传感器和环境传感器进行设备信息采集和环境信息采集，并将得到的设备信息和环境信息发送至特征提取模块；

S2：特征提取模块通过对设备信息和环境信息进行运行状态和环境状态特征提取以得到特征参数，并将其发送至数据库存储；具体为：

设备特征提取：获取不同采集时刻的卷绕机的设备信息，其中设备信息包括润滑油图像以及对应的粘度、卷绕机各传动部位的间隙和功率；需要说明的是，润滑油图像是指卷绕机润滑部位润滑油的图像，粘度是指润滑油图像对应时刻的润滑油粘度，卷绕机的传动部位具体是指轴承和齿轮；

任取其中一个采集时刻对应的润滑油图像，利用照片识别器识别润滑油图像中存在颗粒物，以其中任意一个颗粒物为研究对象，计算其与其相邻的颗粒物之间的距离记为间隔距离，并将所有间隔距离进行均值计算以得到该颗粒物的密间值，由此可得所有颗粒物的密间值，并将其与设定的密间区间进行比较分析，当密间值大于设定的密间区间中的最大值时，则将该密间值对应的颗粒物记为高度密集颗粒物，并将该密间值记为高度密间值；当密间值处于设定的密间区间之内时，则将该密间值对应的颗粒物记为中度密集颗粒物，并将该密间值记为中度密间值；当密间值小于设定的密间区间中的最小值时，则将该密间值对应的颗粒物记为低度密集颗粒物，并将该密间值记为低度密间值；分别统计高度密集颗粒物、中度密集颗粒物和低度密集颗粒物的数量，并将其分别记为M1、M2和M3；分别将高度密间值、中度密间值和低度密间值分别进行求和计算得到高度密集度、中度密集度和低度密集度，并将其分别记为M4、M5和M6；利用设定的公式进行计算以得到颗密值Ma，其中a1、a2、a3、a4分别为设定的比例系数，e为自然常数；将滑油图像进行放大处分成若干个像素格，直至每个像素格内只存在一种颜色，识别像素格的颜色值，并将其标准颜色进行差值计算得到颜色差，当颜色差等于零时，则该颜色差对应的像素格记为颜色同格；当颜色差大于零时，则将该颜色差对应的像素格记为颜色异格，并将颜色差记为该颜色异格对应的异格值，并将异格值进行求和计算得到的和值作为该润滑油图像的颜色异值记为T1；统计颜色同格和颜色异格的数量，并将其分别记T2和T3；利用设定的公式进行计算以得到油磨值TM，其中a5、a6、a7分别为设定的比例系数，e为自然常数，T4为润滑油的粘度；由此可得每个采集时刻对应的油磨值记为TMj，j=1,2,3……J，J取值为正整数，J表示的是采集时刻总数，j表示的是其中任意一个采集时刻的序号；

环境特征提取：获取不同采集时刻的卷绕机所处的环境信息，其中环境信息包括温度、湿度、空气、环境空气图像、影响气体的种类总数以及每种影响气体对应的浓度；其中影响气体为硫化物、氮氧化物等；任取其中一个采集时刻对应的环境空气图像，利用计算机视觉识别方法识别环境空气图像中的颗粒物，提取颗粒物边缘并进行面积计算以得到颗粒物面积，并将颗粒物以及其面积在环境空气图像中进行标注以得到空气分布图；将颗粒物面积与面积区间进行比较分析，当颗粒物面积大于设定的面积区间中的最大值时，则将该颗粒物记为一级颗粒物；当颗粒物面积处于设定的面积区间之内时，则将该颗粒物记为二级颗粒物；当颗粒物面积小于设定的面积区间中的最小值时，则将该颗粒物记为三级颗粒物；分别统计一级颗粒物、二级颗粒物和三级颗粒物的数量，并将其分别记为L1、L2和L3；将一级颗粒物、二级颗粒物和三级颗粒物对应的颗粒物面积分别进行均值计算得到一级面积、二级面积和三级面积，并将其分别记为L4、L5和L6；利用设定的公式进行计算以得到粒度值Lb，其中b1、b2、b3分别为设定的比例系数，且b1＞b2＞b3＞0；调取影响气体的种类总数记为K以及每种影响气体对应的浓度Nk，其中k=1,2,3……K，K取值为正整数，K表示的是影响气体种类总数，k表示的是其中任意一种影响气体；设定每种类型的影响气体均对应一个氧化系数，将影响气体的种类与设定所有种类的影响气体进行比对以匹配到对应的氧化系数，并将其记为Yk；通过设定的公式/>进行计算以得到空气干扰值NY，其中b4、b5、b6、b7分别为设定的比例系数，H1为湿度，H2为温度；由此可得每个采集时刻对应的空气干扰值记为NYj；

需要说明的是，硫化物和氮氧化物等是空气中常见的污染物，它们可能与卷绕机内部的金属元件发生反应，导致腐蚀和氧化，从而影响卷绕机的电气连接和机械运动；环境中的温湿度比较大时，则会加剧对卷绕机的腐蚀和氧化；空气中的颗粒物可以进入卷绕机内部，积聚在敏感元器件表面，从而进一步导致卷绕机性能下降或者过早损坏；

将油磨值TMj、轴承间隙Zj、齿轮间隙Cj、功率Pj和空气干扰值NYj记为特征参数，将特征参数发送至数据库内存储；数据库内存储有卷绕机初始状态参数和额定功率，其中初始状态参数包括初始轴承间隙和初始齿轮间隙；

通过对设备信息和环境信息的提取和分析得到油磨值、轴承间隙、齿轮间隙、功率和空气干扰值，并将其作为特征参数，实现对卷绕机运行状态和环境状态的长期监测和记录，为卷绕机的故障判断提供科学依据。

S3：故障判断模块依据特征参数对卷绕机进行故障提前预警，并生成对应的安全执行策略以实现对卷绕机的故障预警和安全监控；同时依据进行分析以得到最新的采集间隔，并将其发送至数据采集模块以实现对卷绕机的自适应监控，进一步保障卷绕机的安全运行；具体为：

步骤一：将油磨值TMj、轴承间隙Zj、齿轮间隙Cj通过设定的公式进行计算以得到磨损值CMZ，其中c1、c2、c3分别为设定的比例系数，/>为初始轴承间隙，/>为初始齿轮间隙；以时间为横坐标，以磨损值为纵坐标构建二维直角坐标系，将磨损值按照对应的采集时刻输入至坐标系中，磨损值在坐标系中的位置记为磨损点，采用圆滑的曲线依次连接磨损点得到磨损值随时间变化曲线图；于磨损点位置作曲线的切线，并将利用数据拟合得到切线表达式，对切线表达式进行求导操作以得到磨损点的导数，当导数大于零时，则将该大于零的导数记为磨损导数；当导数等于零时，则将该等于零的导数记为维持导数；需要说明的是，卷绕机在使用的过程中，磨损只会越来越严重或者磨损程度不变，因此磨损点的导数的数值大小只存在大于零或者等于零的；分别统计磨损导数和维持导数的数量，并将其分别记为H3和H4；将磨损导数与设定的磨损区间进行比较分析，当磨损导数大于设定的磨损区间中的最大值时，则将磨损导数记为快速磨损导数；当磨损导数处于设定的磨损区间之内时，则将磨损导数记为中速磨损导数；当磨损导数小于设定的磨损区间中的最小值时，则将磨损导数记为慢速磨损导数；将快速磨损导数、中速磨损导数和慢速磨损导数分别进行求和计算以得到快速值、中速值和慢速值，并将其分别记为B1、B2和B3；利用设定的公式/>进行计算以得到磨损指数HB，其中d1、d2、d3分别为设定的比例数；

步骤二：将功率Pj和空气干扰值NYj通过设定的公式进行计算以得到运行风险值PN，e为自然常数，/>为卷绕机的额定功率；以时间为横坐标，以运行风险值为纵坐标构建二维直角坐标系，将运行风险值按照对应的采集时刻输入至坐标系中，运行风险值于坐标系中的位置记为运行点，采用圆滑的曲线依次连接运行点以得到运行值随时间变化曲线图；于运行点作曲线的切线，利用数据拟合得到切线表达式，对切线表达式进行求导操作得到运行点的运行导数Aj，将大于零的运行导数记为风险导数，并将风险导数进行求和计算得到风险度记为Q1；将等于零的运行导数记为稳定导数，并统计稳定导数的数量记为Q2；将小于零的导数记为好转导数，将好转导数进行求和计算并将和值取绝对值得到好转度记为Q3；利用设定的公式/>进行计算以得到故障预警指数Qr，其中r1、r2、r3分别为设定的比例系数，e为自然常数，/>为不同采集时刻对应的运行导数均值；

步骤三：将磨损指数与设定的维护区间进行比较分析，当磨损指数大于设定的维护区间中的最大值时，则发送磨损零件更换指令至对应的维护工程师，以便维护工程师进行卷绕机进行轴承或者齿轮等磨损零件的更换；当磨损指数处于设定的维护区间之内时，则发送磨损维护指令至对应的工程师，以便工程师对卷绕机进行润滑油更换操作；当磨损指数小于设定的维护区间中的最小值时，则直接输出磨损指数作为初级磨损换算值；将故障预警指数与设定的维修区间进行比较分析，当故障预警指数大于设定的维修区间中的最大值时，说明此时卷绕机存在非常大的安全风险，则生成切换指令以控制切换备用卷绕机；当故障预警指数处于设定维修区间之内时，则生成维修指令至对应的维修工程师，以便及时对卷绕机进行维修；当故障预警指数小于设定的维修区间中的最小值时，则直接输出故障预警指数作为初级故障换算指数；相比传统的阈值设定方法，故障判断模块采用了更加细致的计算和分析方法能够更准确地评估卷绕机的磨损程度和运行风险，能够有效减少由于环境变化和设备老化等因素引起的误报或漏报问题，提高了故障判断的可靠性和精度；

步骤四：将初级磨损换算指数HB和初级故障换算指数Qr通过设定的公式进行计算以得到最新的采集间隔Ur，其中r4、r5分别为设定比例系数；由公式可知，当初级磨损换算指数HB和初级故障换算指数Qr越大时，则采集间隔越小；将最新的采集间隔发送至数据采集模块；

通过监测特征参数并计算得到磨损指数和故障预警指数，据此生成相应的安全执行策略，帮助工程师在发生故障或需要维护时，及时采取正确的操作措施，确保卷绕机的安全运行，实现对卷绕机的故障预警和安全监控，以保障卷绕机的安全运行；同时通过动态调整采集间隔，能够更加高效地获取卷绕机状态信息和所处的环境信息，进一步提高监控的准确性和实时性，实现对卷绕机的自适应监控，确保卷绕机的稳定运行。

以上所述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。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种卷绕机故障监控判断方法，其特征在于，包括以下步骤：

S1：基于接收到的最新采集间隔进行设备信息采集和环境信息采集；

S2：基于设备信息和环境信息对卷绕机的运行状态和环境状态进行特征提取以得到特征参数；

S3：基于特征参数对卷绕机的运行故障分析和磨损故障分析以得到运行风险指数和磨损指数，并据此生成对应的安全执行策略；具体步骤为：

步骤一：将油磨值、轴承间隙、齿轮间隙进行数值化分析得到磨损值，由此可得每个采集时刻对应的磨损值，对磨损值进行图形变化趋势分析以得到磨损指数；

步骤二：将功率和空气干扰值进行数值化分析以得到运行风险值，对运行风险值进行分析得到运行导数、风险度、稳定导数的数量和好转度，将运行导数、风险度、稳定导数的数量和好转度进行综合分析得到故障预警指数；

步骤三：当磨损指数小于设定的维护区间中的最小值时，则直接输出磨损指数作为初级磨损换算值；当故障预警指数大于设定的维修区间中的最大值时，则生成切换指令以控制切换备用卷绕机；当故障预警指数小于设定的维修区间中的最小值时，则直接输出故障预警指数作为初级故障换算指数；

步骤四：将初级磨损换算指数和初级故障换算指数进行公式化计算分析以得到最新的采集间隔，并将其更新至S1。

2.根据权利要求1所述的一种卷绕机故障监控判断方法，其特征在于，对磨损值进行图形变化趋势分析以得到磨损指数的具体过程为：

将油磨值、轴承间隙、齿轮间隙进行数值化分析得到磨损值，以时间为横坐标，以磨损值为纵坐标得到磨损值随时间变化曲线图；于磨损点位置作曲线的切线，计算得到磨损点的导数；将导数与零比较分析以将导数分为磨损导数和维持导数；分别统计磨损导数和维持导数的数量，将磨损导数与设定的磨损区间进行比较分析以将磨损导数分为快速磨损导数、中速磨损导数和慢速磨损导数；将快速磨损导数、中速磨损导数和慢速磨损导数分别进行求和计算以得到快速值、中速值和慢速值；

将磨损导数的数量、维持导数的数量、快速值、中速值和慢速值进行公式化计算分析得到磨损指数。

3.根据权利要求1所述的一种卷绕机故障监控判断方法，其特征在于，运行状态特征提取过程具体为：

识别润滑油图像中存在颗粒物，并对其进行量化分析处理以得到每个采集时刻对应的润滑油图像表示的颗密值；

将滑油图像进行放大处分成若干个像素格，直至每个像素格内只存在一种颜色，识别像素格的颜色值，并将其标准颜色进行差值计算得到颜色差，当颜色差等于零时，则该颜色差对应的像素格记为颜色同格；当颜色差大于零时，则将该颜色差对应的像素格记为颜色异格，并将颜色差记为该颜色异格对应的异格值，并将异格值进行求和计算得到的和值作为该润滑油图像的颜色异值；统计颜色同格和颜色异格的数量，并将其与颜色异值、颗密值进行公式化计算分析得到油磨值，由此可得每个采集时刻对应的油磨值。

4.根据权利要求3所述的一种卷绕机故障监控判断方法，其特征在于，对润滑油图像中存在颗粒物进行量化分析处理的具体过程为：

识别润滑油图像中存在颗粒物，以其中任意一个颗粒物为研究对象，计算其与其相邻的颗粒物之间的距离记为间隔距离，并将所有间隔距离进行均值计算以得到该颗粒物的密间值，并将其与设定的密间区间进行比较分析以将密间值对应的颗粒物分为高度密集颗粒物、中度密集颗粒物和低度密集颗粒物，将高度密集颗粒物、中度密集颗粒物和低度密集颗粒物对应的密间分别记为将高度密间值、中度密间值和低度密间值；分别统计高度密集颗粒物、中度密集颗粒物和低度密集颗粒物的数量，分别将高度密间值、中度密间值和低度密间值分别进行求和计算得到高度密集度、中度密集度和低度密集度；将高度密集颗粒物的数量、中度密集颗粒物的数量、低度密集颗粒物的数量、高度密集度、中度密集度和低度密集度进行公式化计算分析得到颗密值。

5.根据权利要求1所述的一种卷绕机故障监控判断方法，其特征在于，环境状态特征提取过程具体为：

任取其中一个采集时刻对应的环境空气图像，利用计算机视觉识别方法识别环境空气图像中的颗粒物并计算其面积以得到空气分布图，对空气分布图中颗粒物进行量化分析处理得到粒度值；调取影响气体的种类总数以及每种影响气体对应的浓度，设定每种类型的影响气体均对应一个氧化系数，将影响气体的种类与设定所有种类的影响气体进行比对以匹配到对应的氧化系数；将粒度值、影响气体的种类、浓度、氧化系数、温度和湿度进行综合分析得到空气干扰值，由此可得每个采集时刻对应的空气干扰值。

6.根据权利要求1所述的一种卷绕机故障监控判断方法，其特征在于，对空气分布图中颗粒物进行量化分析处理得到粒度值的具体过程为：

将空气分布图中颗粒物面积与面积区间进行比较分析以将颗粒物分为一级颗粒物、二级颗粒物和三级颗粒物；分别统计一级颗粒物、二级颗粒物和三级颗粒物的数量，将一级颗粒物、二级颗粒物和三级颗粒物对应的颗粒物面积分别进行均值计算以到一级面积、二级面积和三级面积；

将一级颗粒物的数量、二级颗粒物的数量、三级颗粒物的数量、一级面积、二级面积和三级面积进行公式化计算分析得到粒度值。

7.根据权利要求1所述的一种卷绕机故障监控判断方法，其特征在于，对运行风险值进行分析的具体过程为：以时间为横坐标，以运行风险值为纵坐标得到运行值随时间变化曲线图；于运行点作曲线的切线，利用数据拟合得到切线表达式，对切线表达式进行求导操作得到运行点的运行导数；将大于零的运行导数记为风险导数，并将风险导数进行求和计算得到风险度；将等于零的运行导数记为稳定导数，并统计稳定导数的数量；将小于零的导数记为好转导数，将好转导数进行求和计算并将和值取绝对值得到好转度。

8.一种卷绕机故障监控判断系统，包括：数据采集模块和数据库；数据采集模块依据接收到最新的采集间隔以控制与其通信连接的设备传感器和环境传感器进行设备信息采集和环境信息采集，并将其发送至特征提取模块；其特征在于，还包括：特征提取模块和故障判断模块；

特征提取模块通过对设备信息和环境信息进行特征提取以得到特征参数，并将其发送至数据库存储；数据库内还存储有数据库内存储有卷绕机初始状态参数和额定功率，其中初始状态参数包括初始轴承间隙和初始齿轮间隙；

故障判断模块依据特征参数对绕卷机的磨损状态和运行状态进行深化分析以得到磨损指数和故障预警指数，并据此生成对应的安全执行策略。