CN118032116A - 一种自动化监测设备的数字化分析方法及系统 - Google Patents
一种自动化监测设备的数字化分析方法及系统 Download PDFInfo
- Publication number
- CN118032116A CN118032116A CN202311799851.2A CN202311799851A CN118032116A CN 118032116 A CN118032116 A CN 118032116A CN 202311799851 A CN202311799851 A CN 202311799851A CN 118032116 A CN118032116 A CN 118032116A
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- equipment
- filter
- vibration state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000010252 digital analysis Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 63
- 230000001133 acceleration Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000011045 prefiltration Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 4
- 230000003449 preventive effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明的实施例公开了一种自动化监测设备的数字化分析方法及系统。方法包括：对待测振动设备的振动状态特征信号参数进行采集；对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；对所述有效信号进行特征值计算，得到振动设备的特征指标；根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。系统包括待测振动设备，传感器，滤波器模块，工控机和报警模块。本发明能够实现对设备的实时振动状态监测，掌握被监测设备当前的运行状况，能够在发生振动超标等情况时及时将设备停运，协助在振动异常变化时分析原因、采取预防措施阻止故障的升级。
Description
技术领域
本发明涉及自动化测振技术领域，特别涉及一种自动化监测设备的数字化分析方法及系统。
背景技术
自动化测振系统的应用涉及到建筑、交通、能源、机械制造等领域。系统可提高设备的可靠性和安全性，保障生产效率和产品质量。自动化测振系统可以实时监测机器设备，建筑结构的振动加速度、振动频率和位置等参数，通过数据分析来预测和预防设备故障与建筑结构安全。
在振动设备中，会因为多种因素，如不平衡、对中度不高、低频共振、摩擦增加等发生异常机械振动，进而导致振动系统出现各种故障。因此，对振动设备进行振动监测，获得振动设备的振动状态是否异常振动，成为振动设备工作过程中的重要部分。尽管在工程施工过程中会有各级管理、监理人员实施旁站施工和检测，但最终也只限于一定频率的抽检。实际施工中，不同设备不同部位的状态是不同的，仅以一定频率的检测是无法全面获得各种质量信息及其变化趋势，而这些信息及其变化趋势恰恰是确保施工质量的重要参数。
国内的自动化测振系统在各个领域中已经开始逐步发展和应用，但其应用还处于起步阶段，在传感器技术、数据处理、无线通信等方面需要进一步提升，以提高系统的准确性和可靠性。传统的自动化测振系统在采集到振动信号后，通常需要经过复杂的数据处理和分析过程才能得到有用的信息，而且通常只能提供振动数据的采集和基本的特征计算，缺乏智能分析和预警功能，系统无法自动检测和预测设备故障，需要人工进行分析和判断。如果在工业生产过程中对设备的状态能够有一个较好的故障监测和诊断方法，那么将能够减少某种程度上的损失，同时能保障设备生产中的安全运行。
发明内容
有鉴于此，本发明实施例的目的在于提供一种自动化监测设备的数字化分析方法及系统，能够实现对设备的实时振动状态监测，掌握被监测设备当前的运行状况，能够在发生振动超标等情况时及时将设备停运，协助在振动异常变化时分析原因、采取预防措施阻止故障的升级。
第一方面，本发明实施例提供了一种自动化监测设备的数字化分析方法及系统，其中，包括：
对待测振动设备的振动状态特征信号参数进行采集；
对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；
对所述有效信号进行特征值计算，得到振动设备的特征指标；
根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述振动状态特征信号参数包括加速度电信号和转速电信号。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，对待测振动设备的振动状态特征信号参数进行采集包括：
在待测振动设备上布置加速度传感器，采集加速度电信号；
在待测振动设备上布置旋转速度传感器，采集转速电信号。
具体的，在待测振动设备上布置加速度传感器，采集振动加速度电荷，然后将所述振动加速度电荷进行放大和处理，得到加速度电信号。
采用电荷放大器，将采集到的振动加速度电荷转换成低阻抗的电压信号，在后续传输中相对不易收到干扰，更容易被获取到，并有助于减小信号传输过程中的能量损耗。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号包括：
将所述振动状态特征信号参数经前置滤波器进行预处理，确定所述振动状态特征信号参数的采样频率，滤除高于所述采样频率的一半的成分，得到预处理信号；
所述前置滤波器采用抗混叠滤波器，防止ADC采样量化产生混叠干扰。
将所述预处理信号送入ADC模数转换器，将所述预处理信号进行转换，得到振动数字量；
将所述振动数字量送入原始数据滤波器，滤除高于35Hz的频率成分，得到振动状态信号；
用于去除高于35Hz的高频噪声、干扰或无关信号，保留主要的振动信号特征。
将所述振动状态信号送入选择性滤波器，将所述振动状态信号分离成滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的信号，得到有效信号。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，将所述振动状态信号送入选择性滤波器，将所述振动状态信号分离成滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的信号，得到有效信号包括：
将所述振动状态信号分为三路，并行处理；
第一路经过第一巴特沃斯高频滤波器，滤除低于0.1Hz的频率成分，再经过第一巴特沃斯低频滤波器，滤除高于1Hz的频率成分，得到滤波范围在0.1-1Hz的有效信号；
第二路经过第二巴特沃斯高频滤波器，滤除低于15Hz的频率成分，再经过第二巴特沃斯低频滤波器，滤除高于35Hz的频率成分，得到滤波范围在15-35Hz的有效信号；
第三路经过椭圆高通滤波器，滤除低于0.7Hz的频率成分，再经过椭圆低通滤波器，滤除高于10Hz的频率成分，得到滤波范围在0.7-10Hz的有效信号。
其中，通过并行处理，提高了信号处理效率。选择合适的过滤范围，精确调整需要提取的频段信息，更好地提取信号各频段特征，比全频段模糊的效果明显。不同频段对应设备不同部位或运行状态，多路过滤，便于针对性分析单独部分。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，对所述有效信号进行特征值计算，得到振动设备的特征指标包括：
从所述有效信号中选择振动周期的整数倍，作为一个时间窗口；
在所述时间窗口内找到所述有效信号的振动幅值的峰值P＝max(|s(t)|)，其中s(t)为有效信号；
计算所述时间窗口内所述有效信号的振动幅值的平均值μ＝(1/N)*∑s(t)，其中N为所述时间窗口内的采样点数；
计算所述时间窗口内所述有效信号的振动幅值的标准差
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，根据所述特征指标判断待测振动设备的振动状态，并进行实时报警包括：
分别为峰值、平均值和标准差设置第一阈值和第二阈值；
所述第一阈值为警告阈值，所述第二阈值为危险阈值；
每个所述第二阈值均高于对应的所述第一阈值；
当峰值、平均值或标准差高于对应的所述第一阈值时，发出警告报警；
当峰值、平均值或标准差高于对应的所述第二阈值时，发出危险报警。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，根据所述特征指标判断待测振动设备的振动状态，并进行实时报警还包括：
设置报警时间，当连续超过对应的阈值达到报警时间时，发出对应的警告报警或危险报警。
第二方面，本发明实施例还提供了一种自动化监测设备的数字化分析系统，其中，包括：
待测振动设备；
传感器，用于对待测振动设备的振动状态特征信号参数进行采集；
滤波器模块，用于对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；
工控机，用于对所述有效信号进行特征值计算，得到振动设备的特征指标；
报警模块，用于根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述滤波器模块包括：
前置滤波器，用于确定所述振动状态特征信号参数的采样频率，滤除高于所述采样频率的一半的成分，得到预处理信号；
所述前置滤波器采用抗混叠滤波器，防止ADC采样量化产生混叠干扰。
ADC模数转换器，用于将所述预处理信号进行转换，得到振动数字量；
原始数据滤波器，用于滤除所述振动数字量中高于35Hz的频率成分，得到振动状态信号；
用于去除高于35Hz的高频噪声、干扰或无关信号，保留主要的振动信号特征。
第一巴特沃斯高频滤波器，用于滤除低于0.1Hz的频率成分；
第一巴特沃斯低频滤波器，用于滤除高于1Hz的频率成分；
第二巴特沃斯高频滤波器，用于滤除低于15Hz的频率成分；
第二巴特沃斯低频滤波器，用于滤除高于35Hz的频率成分；
椭圆高通滤波器，用于滤除低于0.7Hz的频率成分；
椭圆低通滤波器，用于滤除高于10Hz的频率成分；
得到滤波范围滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的有效信号。
本发明实施例的有益效果是：
本发明的自动化监测设备的数字化分析方法及系统，对采集到的振动信号进行数字信号处理，包括前置滤波、模数转换、原始数据滤波等步骤，可以有效滤除噪声信号，提取有用特征信号，为分析提供清晰的数字信号数据。通过选择性滤波将信号分离为0.1-1Hz、0.7-10Hz和15-35Hz三个频率段，可以针对不同频率段提取有效特征，从更细致的层面监测设备各个部件的动态工作状态。从有效信号中提取峰值、平均值和标准差三个指标反映设备振动强弱程度，为判断设备状态提供客观数值依据。
本发明的自动化监测设备的数字化分析方法及系统，区分警告阈值和危险阈值，第一阈值对应警告级别，表示设备运转异常但未造成损害，第二阈值对应危险级别，表示设备状态已经危险，清晰区分设备不同状态，更准确评估设备状态严重程度。当指标高于警告阈值时采取预警措施，当高于危险阈值时采取紧急措施。通过设置报警时间要求指标连续超过阈值，可以避免因短期波动而产生误报，要求指标持续时间到达报警时间，增加了判断依据的可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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为本发明自动化监测设备的数字化分析方法的流程图；
图2为本发明自动化监测设备的数字化分析系统的结构示意图；
图3为本发明自动化监测设备的数字化分析系统的信号采集与处理模块流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件能够以各种不同的配置来布置和设计。
请参照图1，本发明的第一个实施例提供一种自动化监测设备的数字化分析方法及系统，其中，包括：
对待测振动设备的振动状态特征信号参数进行采集；
对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；
对所述有效信号进行特征值计算，得到振动设备的特征指标；
根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。
其中，所述振动状态特征信号参数包括加速度电信号和转速电信号。
其中，对待测振动设备的振动状态特征信号参数进行采集包括：
在待测振动设备上布置加速度传感器，采集加速度电信号；
在待测振动设备上布置旋转速度传感器，采集转速电信号。
其中，加速度传感器采用三轴加速度传感器LIS344ALH，工作时可以通过外部电路来提供被测设备的模拟信号，同时可以满足设计者进行优化外部电路滤波与模拟信号/数字信号转换。
其中，所述加速度传感器和所述旋转速度传感器均为多个，可以通过磁性方式在关键零部件横向、纵向或径向进行布置。
具体的，在待测振动设备上布置加速度传感器，采集振动加速度电荷，然后将所述振动加速度电荷进行放大和处理，得到加速度电信号。
采用电荷放大器，将采集到的振动加速度电荷转换成低阻抗的电压信号，在后续传输中相对不易收到干扰，更容易被获取到，并有助于减小信号传输过程中的能量损耗。
其中，对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号包括：
将所述振动状态特征信号参数经前置滤波器进行预处理，确定所述振动状态特征信号参数的采样频率，滤除高于所述采样频率的一半的成分，得到预处理信号；
所述前置滤波器采用抗混叠滤波器，防止ADC采样量化产生混叠干扰。
将所述预处理信号送入ADC模数转换器，将所述预处理信号进行转换，得到振动数字量；
将所述振动数字量送入原始数据滤波器，滤除高于35Hz的频率成分，得到振动状态信号；
用于去除高于35Hz的高频噪声、干扰或无关信号，保留主要的振动信号特征。
将所述振动状态信号送入选择性滤波器，将所述振动状态信号分离成滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的信号，得到有效信号。
其中，将所述振动状态信号送入选择性滤波器，将所述振动状态信号分离成滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的信号，得到有效信号包括：
将所述振动状态信号分为三路，并行处理；
第一路经过第一巴特沃斯高频滤波器，滤除低于0.1Hz的频率成分，再经过第一巴特沃斯低频滤波器，滤除高于1Hz的频率成分，得到滤波范围在0.1-1Hz的有效信号；
第二路经过第二巴特沃斯高频滤波器，滤除低于15Hz的频率成分，再经过第二巴特沃斯低频滤波器，滤除高于35Hz的频率成分，得到滤波范围在15-35Hz的有效信号；
第三路经过椭圆高通滤波器，滤除低于0.7Hz的频率成分，再经过椭圆低通滤波器，滤除高于10Hz的频率成分，得到滤波范围在0.7-10Hz的有效信号。
其中，通过并行处理，提高了信号处理效率。选择合适的过滤范围，精确调整需要提取的频段信息，更好地提取信号各频段特征，比全频段模糊的效果明显。不同频段对应设备不同部位或运行状态，多路过滤，便于针对性分析单独部分。
在将有效信号进行传输，用于对所述有效信号进行特征值计算时，由于数据容量较大，需压缩打包。可通过进行小波变换的方式，去除不需要的频率成分，同时保留一部分频率成分进一步供数据压缩和封包处理得到，通过对编码数据进行逆小波变换，有效地还原原始信号。
其中，对所述有效信号进行特征值计算，得到振动设备的特征指标包括：
从所述有效信号中选择振动周期的整数倍，作为一个时间窗口；
在所述时间窗口内找到所述有效信号的振动幅值的峰值P＝max(|s(t)|)，其中s(t)为有效信号；
计算所述时间窗口内所述有效信号的振动幅值的平均值μ＝(1/N)*∑s(t)，其中N为所述时间窗口内的采样点数；
计算所述时间窗口内所述有效信号的振动幅值的标准差
其中，根据所述特征指标判断待测振动设备的振动状态，并进行实时报警包括：
分别为峰值、平均值和标准差设置第一阈值和第二阈值；
所述第一阈值为警告阈值，所述第二阈值为危险阈值；
每个所述第二阈值均高于对应的所述第一阈值；
当峰值、平均值或标准差高于对应的所述第一阈值时，发出警告报警；
当峰值、平均值或标准差高于对应的所述第二阈值时，发出危险报警。
其中，根据所述特征指标判断待测振动设备的振动状态，并进行实时报警还包括：
设置报警时间，当连续超过对应的阈值达到报警时间时，发出对应的警告报警或危险报警。
可以结合在某时期内不同工况下正常运行监测对象的历史数据和某正常运行监测对象的实时数据，设置阈值曲线，并结合历史异常数据对阈值曲线进行完善。
在设置第一阈值和第二阈值以及报警时间时，可组建常见故障综合评价值计算报警模型，根据经验进行设计报警模型，然后结合数据进行训练，得出较为准确的参数，据此进行故障诊断和综合报警。
可根据长期观测建立趋势分析和状态监测预警准则，根据本发明的自动化监测设备的数字化分析方法建立实时运行健康状态模型，诊断出故障类型、故障原因及故障部位，学习故障处理方法，给出给出处理建议，并及时更新模型。
请参照图2和图3，本发明的第二个实施例提供一种自动化监测设备的数字化分析系统，其中，包括：
待测振动设备；
传感器，用于对待测振动设备的振动状态特征信号参数进行采集；
滤波器模块，用于对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；
工控机，用于对所述有效信号进行特征值计算，得到振动设备的特征指标；
报警模块，用于根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。
其中，在将滤波器模块得到的有效信号传输工控机，用于对所述有效信号进行特征值计算时，由于数据容量较大，需压缩打包。可通过进行小波变换的方式，去除不需要的频率成分，同时保留一部分频率成分进一步供数据压缩和封包处理得到，通过对编码数据进行逆小波变换，有效地还原原始信号。
其中，可选择通用DSP作为本发明的工控机处理器，由于DSP有特殊的结构和性能，使用与复杂的数字信号处理，同时其处理速度快，处理精度高、实时性强等特点，可以进行浮点或定点运算等，由于工程中振动工件的地理环境一般比较特殊，其技术要求较高，需要处理大量的数据，进行大量的数据运算，同时要求其监测系统同样有较高的实时性和高速性能等特点，DSP芯片完全符合上述要求，所以选择其作为系统处理器方案。
其中，所述滤波器模块包括：
前置滤波器，用于确定所述振动状态特征信号参数的采样频率，滤除高于所述采样频率的一半的成分，得到预处理信号；
所述前置滤波器采用抗混叠滤波器，防止ADC采样量化产生混叠干扰。
ADC模数转换器，用于将所述预处理信号进行转换，得到振动数字量；
原始数据滤波器，用于滤除所述振动数字量中高于35Hz的频率成分，得到振动状态信号；
用于去除高于35Hz的高频噪声、干扰或无关信号，保留主要的振动信号特征。
第一巴特沃斯高频滤波器，用于滤除低于0.1Hz的频率成分；
第一巴特沃斯低频滤波器，用于滤除高于1Hz的频率成分；
第二巴特沃斯高频滤波器，用于滤除低于15Hz的频率成分；
第二巴特沃斯低频滤波器，用于滤除高于35Hz的频率成分；
椭圆高通滤波器，用于滤除低于0.7Hz的频率成分；
椭圆低通滤波器，用于滤除高于10Hz的频率成分；
得到滤波范围滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的有效信号。
本发明的工控机与传感器、滤波器模块和报警模块之间均有连路检査，保证线路畅通。整个通信系统保证了设备运行状态的全过程监测，为进行振动状态监测提供了可靠保障。本发明中实现各模块之间的通讯协议主要有基于CAN总线的CANopen协议的通信和基于RS-485的Modbus协议通信。一方面，所选用的DSP处理器芯片内部自带的有CAN总线，同时不需要另外扩展现场总线，简化了外部电路的设计；同时根据实际情况的需要，需要使用CAN总线支持的CANOPEN通讯协议；由于系统需要Modbus协议进行传输振动信号数据，而RS-485总线能够满足要求，并且RS-485可以设计基于R线构建分布式在线振动监测系统。同时满足此总线的电路设计比较简单。
将本发明自动化监测设备的数字化分析系统接入云端数字化平台软件，实现自动化监测设备的数据接入、数据展示、数据分析等功能。前端页面部署到用户云主机，用户功能如下：
监测数据：显示待测振动设备的振动状态特征信号参数的数据、测点、触发时间，显示设备接收时间；
实时报警：显示已达到报警规则的数据；显示报警数据的触发时间、波形图片和测点报警设备；提供原始报警数据的下载功能；报警规则包含添加规则保存条件等功能报警规则下拉告警等功能，在该功能下，可添加选择判断参数选择判断条件输入判断值并保存；
设备管理：显示测点、状态、连接、触发时间、加速度电信号、转速电信号、设备温度、设备压力以及设备编号所属用户等信息；
其中，数据库应用、用户账户创建、设备的录入和数据存储，由云端提供。移植后系统功能，数据库应用、用户账户创建、设备的录入和数据存储等，仍然需在云端基础上实现。
该软件的前端页面可更改自定义的公司图标和系统名称。前端页面系统名称，可按需要更改。
本发明实施例所提供的自动化监测设备的数字化分析方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述自动化监测设备的数字化分析方法，从而能够实现对设备的实时振动状态监测，掌握被监测设备当前的运行状况。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种自动化监测设备的数字化分析方法，其特征在于，包括：
对待测振动设备的振动状态特征信号参数进行采集；
对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；
对所述有效信号进行特征值计算，得到振动设备的特征指标；
根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。
2.根据权利要求1所述的自动化监测设备的数字化分析方法，其特征在于，所述振动状态特征信号参数包括加速度电信号和转速电信号。
3.根据权利要求2所述的自动化监测设备的数字化分析方法，其特征在于，对待测振动设备的振动状态特征信号参数进行采集包括：
在待测振动设备上布置加速度传感器，采集加速度电信号；
在待测振动设备上布置旋转速度传感器，采集转速电信号。
4.根据权利要求1所述的自动化监测设备的数字化分析方法，其特征在于，对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号包括：
将所述振动状态特征信号参数经前置滤波器进行预处理，确定所述振动状态特征信号参数的采样频率，滤除高于所述采样频率的一半的成分，得到预处理信号；
将所述预处理信号送入ADC模数转换器，将所述预处理信号进行转换，得到振动数字量；
将所述振动数字量送入原始数据滤波器，滤除高于35Hz的频率成分，得到振动状态信号；
将所述振动状态信号送入选择性滤波器，将所述振动状态信号分离成滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的信号，得到有效信号。
5.根据权利要求4所述的自动化监测设备的数字化分析方法，其特征在于，将所述振动状态信号送入选择性滤波器，将所述振动状态信号分离成滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的信号，得到有效信号包括：
将所述振动状态信号分为三路，并行处理；
第一路经过第一巴特沃斯高频滤波器，滤除低于0.1Hz的频率成分，再经过第一巴特沃斯低频滤波器，滤除高于1Hz的频率成分，得到滤波范围在0.1-1Hz的有效信号；
第二路经过第二巴特沃斯高频滤波器，滤除低于15Hz的频率成分，再经过第二巴特沃斯低频滤波器，滤除高于35Hz的频率成分，得到滤波范围在15-35Hz的有效信号；
第三路经过椭圆高通滤波器，滤除低于0.7Hz的频率成分，再经过椭圆低通滤波器，滤除高于10Hz的频率成分，得到滤波范围在0.7-10Hz的有效信号。
6.根据权利要求1所述的自动化监测设备的数字化分析方法，其特征在于，对所述有效信号进行特征值计算，得到振动设备的特征指标包括：
从所述有效信号中选择振动周期的整数倍，作为一个时间窗口；
在所述时间窗口内找到所述有效信号的振动幅值的峰值P＝max(|s(t)|)，其中s(t)为有效信号；
计算所述时间窗口内所述有效信号的振动幅值的平均值μ＝(1/N)*∑s(t)，其中N为所述时间窗口内的采样点数；
计算所述时间窗口内所述有效信号的振动幅值的标准差
7.根据权利要求6所述的自动化监测设备的数字化分析方法，其特征在于，根据所述特征指标判断待测振动设备的振动状态，并进行实时报警包括：
分别为峰值、平均值和标准差设置第一阈值和第二阈值；
所述第一阈值为警告阈值，所述第二阈值为危险阈值；
每个所述第二阈值均高于对应的所述第一阈值；
当峰值、平均值或标准差高于对应的所述第一阈值时，发出警告报警；
当峰值、平均值或标准差高于对应的所述第二阈值时，发出危险报警。
8.根据权利要求7所述的自动化监测设备的数字化分析方法，其特征在于，根据所述特征指标判断待测振动设备的振动状态，并进行实时报警还包括：
设置报警时间，当连续超过对应的阈值达到报警时间时，发出对应的警告报警或危险报警。
9.一种自动化监测设备的数字化分析系统，其特征在于，包括：
待测振动设备；
传感器，用于对待测振动设备的振动状态特征信号参数进行采集；
滤波器模块，用于对采集到的所述振动状态特征信号参数进行滤波处理，得到有效信号；
工控机，用于对所述有效信号进行特征值计算，得到振动设备的特征指标；
报警模块，用于根据所述特征指标判断待测振动设备的振动状态，并进行实时报警。
10.根据权利要求9所述的自动化监测设备的数字化分析系统，其特征在于，所述滤波器模块包括：
前置滤波器，用于确定所述振动状态特征信号参数的采样频率，滤除高于所述采样频率的一半的成分，得到预处理信号；
ADC模数转换器，用于将所述预处理信号进行转换，得到振动数字量；
原始数据滤波器，用于滤除所述振动数字量中高于35Hz的频率成分，得到振动状态信号；
第一巴特沃斯高频滤波器，用于滤除低于0.1Hz的频率成分；
第一巴特沃斯低频滤波器，用于滤除高于1Hz的频率成分；
第二巴特沃斯高频滤波器，用于滤除低于15Hz的频率成分；
第二巴特沃斯低频滤波器，用于滤除高于35Hz的频率成分；
椭圆高通滤波器，用于滤除低于0.7Hz的频率成分；
椭圆低通滤波器，用于滤除高于10Hz的频率成分；
得到滤波范围滤波范围分别在0.1-1Hz、0.7-10Hz和15-35Hz的有效信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311799851.2A CN118032116A (zh) | 2023-12-25 | 2023-12-25 | 一种自动化监测设备的数字化分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311799851.2A CN118032116A (zh) | 2023-12-25 | 2023-12-25 | 一种自动化监测设备的数字化分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118032116A true CN118032116A (zh) | 2024-05-14 |
Family
ID=90984699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311799851.2A Pending CN118032116A (zh) | 2023-12-25 | 2023-12-25 | 一种自动化监测设备的数字化分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118032116A (zh) |
-
2023
- 2023-12-25 CN CN202311799851.2A patent/CN118032116A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103115789B (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
| CN107797537A (zh) | 一种应用于自动化生产线的故障预测与健康管理方法 | |
| CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
| CN114004306A (zh) | 一种基于物联网多维度数据的设备故障评估系统及其方法 | |
| CN102706560B (zh) | 一种风力发电机组的状态监测方法和装置 | |
| CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
| CN110969185A (zh) | 基于数据重构的设备异常状态检测方法 | |
| CN118376936B (zh) | 一种锂电池状态智能诊断方法及系统 | |
| CN112525534A (zh) | 一种基于声发射技术的轴承和齿轮损伤定量化评估方法 | |
| CN111060302A (zh) | 多参数设备状态综合监测诊断装置和诊断方法 | |
| CN112308391A (zh) | 一种基于神经网络的设备状态实时监测与异常探测方法 | |
| CN117725531A (zh) | 一种基于振动监测的电机状态监视系统及方法 | |
| CN109598309A (zh) | 一种金属包装冲压机的检测系统及其监测方法 | |
| CN112380782A (zh) | 一种基于混合指标和神经网络的旋转设备故障预测方法 | |
| CN110411730B (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
| CN112326246A (zh) | 基于周期数据及核密度估计的轴承安全状态在线监测方法 | |
| CN110057587B (zh) | 一种核电用泵轴承智能故障诊断方法及系统 | |
| CN118032116A (zh) | 一种自动化监测设备的数字化分析方法及系统 | |
| CN117370879A (zh) | 一种风力机齿轮箱的实时在线故障诊断方法及系统 | |
| CN109357751B (zh) | 一种电力变压器绕组松动缺陷检测系统 | |
| CN111458147B (zh) | 一种基于加速度传感器的滚动轴承状态评估方法 | |
| JP6791770B2 (ja) | 状態監視方法および状態監視装置 | |
| CN114715354A (zh) | 一种船用设备健康管理装置及设备状态检测和故障诊断方法 | |
| TWI398629B (zh) | Equipment supervision method | |
| Tajiani et al. | RUL prediction of bearings using empirical wavelet transform and Bayesian approach |
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 |