CN206638789U - 智能电机振动在线监测及预警系统 - Google Patents
智能电机振动在线监测及预警系统 Download PDFInfo
- Publication number
- CN206638789U CN206638789U CN201720414749.XU CN201720414749U CN206638789U CN 206638789 U CN206638789 U CN 206638789U CN 201720414749 U CN201720414749 U CN 201720414749U CN 206638789 U CN206638789 U CN 206638789U
- Authority
- CN
- China
- Prior art keywords
- module
- early warning
- motor
- vibration
- online monitoring
- 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.)
- Expired - Fee Related
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Telephonic Communication Services (AREA)
Abstract
本实用新型涉及一种智能电机振动在线监测及预警系统,属于电机智能监测领域。系统包括振动传感器、处理分析模块、日历模块、存储模块、通讯模块、现场报警模块、便携设备。振动传感器测量电机实时振动数据,送给处理分析模块,并结合电参数测量模块、转速测量模块所测数据,分析判断电机的运行和工作状态,针对不同负载率下的异常振动特征进行现场报警或向便携设备预警。此外,还针对振动频率和幅值的变化趋势进行预警。本系统实现了电机异常或不正常工作状态下的振动在线监测和预警,及时发现、及时处理,有效避免了电机故障的扩大,大大提高了维修维护效率,而且结构简单、成本低廉、测量准确,可广泛应用于中小型电机的振动智能在线监测。
Description
技术领域
本实用新型涉及一种智能电机振动在线监测及预警系统,特别是一种实现电机振动智能在线监测的同时,还能进行预警的系统,属于智能电机监测领域。
背景技术
电机的安全可靠运行,在很大程度上取决于它的振动。实际运行时,电机的关键机械部件发生损坏或异常后若继续运行,会诱发电机异常振动变化。对于长期处于异常振动运行的电机,其机械性能和电气性能将大大下降,若不及时进行检修,往往会导致电机关键部件的不可逆转的损坏,减低电机使用寿命,破坏系统运行稳定性,从而对企业的生产带来安全隐患,因此对电机振动状态的监测预警十分必要。
现有的电机运行状态监测系统主要都是针对大型或特殊机组而设计,功能相对单一,存在成本普遍较高、应用范围有限等不足,尚无针对普通电机的低成本、通用性的电机振动在线监测预警系统。如中国专利“风力发电机组振动监测及故障诊断方法”(申请号:200810118822.4)提出了一种风力发电机组振动监测及故障诊断方法,通过传感器采集振动原始信号由总线传输到数据中心存储,并通过分析模块来进行故障诊断和报警,该方法适用于监测大型风力发电机组关键零部件,系统成本高;采用振动数据超过阈值方式进行趋势预警和状态预警,而不是依据电机振动的故障先兆特征,误报率高、且不能辨识振动原因;振动传感器采用磁性方式布置,易松动、干扰大,很难精确采集振动数据;且无法排除电机振动受功率波动和负载率的影响。
此外,如中国专利“一种水电机组振动多变量远程预警方法”(申请号:201410671054.0)提出了一种水电机组振动多变量远程预警方法,建立水电机组运行振动基础知识库、故障数据库,远程监控并获取水电机组运行振动数据,将采集的机组各部位振动信号与基础数据库中的数值进行比对匹配,能够对故障类型进行判断。但是该专利仅是提出了一种能够辨识水电机组部分故障的方法,且需建立基础数据库和故障数据库,需要的设备和算法复杂,硬件成本很高,难以实现就地监测预警;未考虑到异常振动前兆、功率波动和负载率的影响,容易导致漏报警或误报警。而且水电机组振动产生原因及特征与中小型电动机有很大差别,该方法不能用于中小型电机。
发明内容
为了克服现有技术的不足,本实用新型提出一种适用于中小型电机的、结构简单、成本低廉、综合考虑功率抖动和负载率影响的智能电机振动在线监测及预警系统。本实用新型的目的在于通过该系统,在电机出现故障先兆和不正常工作状态时能够及时诊断、及时预警、及时处理,有效避免了故障的扩大,以及由其引发的设备损毁和意外停产等严重后果。
本实用新型解决其技术问题所采用的技术方案是:
所述的智能电机振动在线监测及预警系统包括振动传感器(1)、处理分析模块(2)、日历模块(3)、存储模块(4)、通讯模块(5)、现场报警模块(6)、便携设备(7)。
振动传感器(1)紧密固定于电机外壳(8)上,此时电机振动会准确传递到传感器上,将测得的电机实时振动数据送给处理分析模块(2),处理分析模块(2)通过日历模块(3)获取时间,将电机实时振动数据按照设定的连续时段在存储模块(4)中储存。
处理分析模块(2)对每一连续时段的实时振动数据进行分析,提取振动特征,与预存的标准样本进行对比分析,按照实测的振动波形与标准样本的偏离度是否超出设定的阈值作为判据,来判断电机是否存在异常振动,如果存在异常振动,则通过现场报警模块(6)进行预警,同时通过通讯模块(5)向便携设备(7)发出预警信号。
便携设备(7)通过通讯模块(5)连接处理分析模块(2),随时查看电机运行振动数据。
振动传感器(1)安装位置的选择关系到分析结果的准确性,要保证其安装位置必须能正确反映电机的工作状态,且振动传感器(1)一般具有明显的方向性,因此振动传感器(1)同时测量x、y、z三个方向的振动数据,处理分析模块(2)分别针对三个方向振动数据进行异常振动分析判断;或者针对三个方向振动数据的合成矢量进行异常振动分析判断。
电机是一个极其复杂的机电耦合系统,电机振动分为机械振动和电气振动。电气振动主要表现在三相电压不平衡,电机缺相运行,定转子铁芯松动,绕组故障,内部接线错误等;电机机械振动主要表现在转子不平衡、转子断条、转子端环开裂、滚动轴承异常、电机安装中心未找准或精度不够,电机基础不平或不牢固等。电机异常振动是由电机某些部件不正常运行而导致,同时这些异常部件运行时也会影响其他部件,从而引发电机故障,因此可对电机外壳 、转子侧部、前后轴承侧部、电机基座固定螺栓、风叶重点监测部位安装振动传感器(1)进行监测,以提高运行可靠性,此时振动传感器(1)为多个,分别紧密固定于电机需要重点监测的部位,对该部位进行针对性异常振动监测和预警。
电机振动表现为多对多的复杂映射关系,除了电机本体原因造成的振动外,所带负载功率的波动也会引发电机本体的振动。负载功率的波动会反映到电机运行电参数上,为了进一步提高预警的准确度,所述系统包括电参数测量模块(9),实时测量电机运行的电压和电流,由处理分析模块(2)计算出负载率,以及在所述对应连续时段的实时有功功率,并提取有功功率抖动的特征,与提取的该时段振动特征联合分析,判断是否由于功率波动引起振动;同时计算功率抖动的频率和幅值,以及电流谐波的频谱分布。
此外,电动机与所带负载设备之间一般采用硬轴连接,负载设备的振动也会经过硬轴传递到电机本体上,转速在一定程度能够反映这种振动,而且,负载功率的抖动也会在转速上体现。因此系统包括转速测量模块(10),实时测量电机运行的转速,由处理分析模块(2)计算出在所述对应时段的转速抖动的特征,辅助进行功率抖动判断,同时计算出转速抖动频率和幅值。
由于电机在不同工况下带负载不同,此时对于被监测电机而言,空载、满载、或负载率为80%时的所对应的振动信号特定标准样本是不同的,因此系统可以在电机现场稳定正常运行后进行标定,记录在不同典型负载率下的振动波形,提取辨识特征作为该典型负载率下的标准样本。
系统还包括中心服务器(11),处理分析模块(2)经通讯模块(5)与中心服务器(11)远程交换数据,并在发现异常振动时向中心服务器(11)远程预警。
处理分析模块(2)监测当前功率下的振动频率和幅值的变化趋势,在没有发现所述异常振动特征的情况下,如果振动频率和幅值产生明显偏离当前功率下的标准样本的趋势,则通过通讯模块(5)向便携设备(7)发出预警信号或向中心服务器(11)远程预警。
在电机长期正常运行过程中,依据周期性历史数据进行计算分析,不断完善阈值和标准样本。
与现有技术相比较,本实用新型具有如下优点:
1)采用振动数据特征及变化趋势对电机的故障先兆预警,算法简单、对硬件要求低,因此结构简单,成本低廉,应用范围广,且可以尽早发现电机出现劣化、部件损耗等情况,提高了预警准确率,有效避免了故障的扩大,以及由其引发的设备损毁和意外停产等严重后果。
2)多个振动传感器紧密固定电机需要重点监测部位的设计,提高对振动原因判断的准确性,能辅助运行人员迅速确定故障位置及时检修,避免故障深化,节约维修成本。
3)基于多种原因引发的振动变化、电压变化、电流变化和转速变化联合进行监测和分析,一方面能够对电机本体振动进行分析和预警,还能对负载引起的功率异常抖动进行预警,进一步提高了预警的准确率;另一方面可对电机功率抖动的频率、幅值和电流谐波的频谱分布进行分析,提高电机运行稳定性和可靠性。
4)采用存储模块和中心服务器,可以存储电机运行的实时振动数据和实时电压、电流、转速数据,建立电机振动的大数据库,保存本地电机长期运行数据记录,为后续研究提供支持并辅助检修人员制定电机检修计划。
5)采用便携式装置,使运行人员随时能够通过便携设备查询电机状态,减少了运行人员巡检的工作量,节约人力。
附图说明
图1:系统构成示意图。
图2:电机正常运行和异常振动原始波形。
图3:电机正常运行和异常振动特征诊断波形。
图中:1-振动传感器、2-处理分析模块、3-日历模块、4-存储模块、5-通讯模块、6-现场报警模块、7-便携设备、8-电机外壳、9-电参数测量模块、10-转速测量模块、11-中心服务器。
具体实施方式
下面结合附图对本实用新型作进一步详细的说明:
如图1所示,系统包括振动传感器(1)、处理分析模块(2)、日历模块(3)、存储模块(4)、通讯模块(5)、现场报警模块(6)、便携设备(7)、电机外壳(8)、电参数测量模块(9)、转速测量模块(10)、中心服务器(11)。
振动传感器(1)紧密固定于电机外壳(8)上,将测得的电机实时振动数据送给处理分析模块(2),处理分析模块(2)通过日历模块(3)获取时间,将电机实时振动数据按照设定的连续时段在存储模块(4)中储存。
处理分析模块(2)对每一连续时段的实时振动数据进行分析,提取振动特征,与预存的标准样本进行对比分析,按照实测的振动波形与标准样本的偏离度是否超出设定的阈值作为判据,来判断电机是否存在异常振动,如果存在异常振动,则通过现场报警模块(6)进行预警,同时通过通讯模块(5)向便携设备(7)发出预警信号。
便携设备(7)通过通讯模块(5)连接处理分析模块(2),随时查看电机运行振动数据。
振动传感器(1)为多个,分别紧密固定于电机需要重点监测的部位,对该部位进行针对性异常振动监测和预警,同时测量x、y、z三个方向的振动数据,处理分析模块(2)分别针对三个方向振动数据进行异常振动分析判断,或者针对三个方向振动数据的合成矢量进行异常振动分析判断。
电参数测量模块(9)实时测量电机运行的电压和电流,由处理分析模块(2)计算出负载率,以及在所述对应连续时段的实时有功功率,并提取有功功率抖动的特征,与提取的该时段振动特征联合分析,判断是否由于功率波动引起振动,并计算功率抖动的频率和幅值,以及电流谐波的频谱分布。转速测量模块(10)实时测量电机运行的转速,由处理分析模块(2)计算出在所述对应时段的转速抖动的特征,辅助进行功率抖动判断,同时计算出转速抖动频率和幅值。
系统包括中心服务器(11),处理分析模块(2)经通讯模块(3)与中心服务器(11)远程交换数据,并在发现异常振动时向中心服务器(11)远程预警。
处理分析模块(2)监测当前功率下的振动频率和幅值的变化趋势,在没有发现所述异常振动特征的情况下,如果振动频率和幅值产生明显偏离当前功率下的标准样本的趋势,则通过通讯模块(5)向便携设备(7)发出预警信号或向中心服务器(11)远程预警。
系统在电机稳定正常运行后进行标定,记录在不同典型负载率下的振动波形,提取辨识特征作为该典型负载率下的标准样本。在电机长期正常运行过程中,依据周期性历史数据进行计算分析,不断完善阈值和标准样本。
如图2所示,在某一负载率下,以设定的连续时段2个小时为基准,振动传感器(1)采集电机正常运行和异常振动的振动数据。图a)为当电机底座固定螺栓牢固时正常运行的原始波形,图b)为当电机底座固定螺栓松动时异常振动的原始波形。
如图3所示,考虑到正常运行和异常振动时时域波形差别不大,将时域转化为频域,处理分析模块(2)提取出正常运行和异常振动时的振动特征,得到相应的特征诊断波形。图a)为当电机底座固定螺栓牢固时正常运行的特征诊断波形。图b)为当电机底座固定螺栓松动时异常振动的特征诊断波形。当电机底座固定螺栓牢固即正常运行时,其特征诊断波形在64Hz和448Hz附近的谐波幅值相对其他频段较大,其整体分布类似于“驼峰”。在基座固定螺栓松动即异常运行的情况下,其特征诊断波形与标准样本相比“驼峰”相对较小,且在128Hz至384Hz频段其杂波频率与标准样本相比幅值增加,此时处理分析模块(2)计算出偏离度,判定是否超出设定的阈值来确定电机是否存在异常振动,如果存在异常振动,则通过现场报警模块(6)进行预警,同时通过通讯模块(5)向便携设备(7)发出预警信号或向中心服务器(11)远程预警。
以上所述仅为本实用新型的较佳实施实例,并不用以限制本实用新型,凡在本实用新型的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实用新型的保护范围之内。
Claims (9)
1.智能电机振动在线监测及预警系统,其特征在于:系统包括振动传感器(1)、处理分析模块(2)、日历模块(3)、存储模块(4)、通讯模块(5)、现场报警模块(6)、便携设备(7);
振动传感器(1)紧密固定于电机外壳(8)上,将测得的电机实时振动数据送给处理分析模块(2),处理分析模块(2)通过日历模块(3)获取时间,将电机实时振动数据按照设定的连续时段在存储模块(4)中储存;
处理分析模块(2)对每一连续时段的实时振动数据进行分析,提取振动特征,与预存的标准样本进行对比分析,按照实测的振动波形与标准样本的偏离度是否超出设定的阈值作为判据,来判断电机是否存在异常振动,如果存在异常振动,则通过现场报警模块(6)进行预警,同时通过通讯模块(5)向便携设备(7)发出预警信号;
便携设备(7)通过通讯模块(5)连接处理分析模块(2),随时查看电机运行振动数据。
2.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:振动传感器(1)同时测量x、y、z三个方向的振动数据,处理分析模块(2)分别针对三个方向振动数据进行异常振动分析判断;或者针对三个方向振动数据的合成矢量进行异常振动分析判断。
3.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:振动传感器(1)为多个,分别紧密固定于电机需要重点监测的部位,对该部位进行针对性异常振动监测和预警。
4.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:系统包括电参数测量模块(9),实时测量电机运行的电压和电流,由处理分析模块(2)计算出负载率,以及在所述对应连续时段的实时有功功率,并提取有功功率抖动的特征,与提取的该时段振动特征联合分析,判断是否由于功率波动引起振动;同时计算功率抖动的频率和幅值,以及电流谐波的频谱分布。
5.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:系统包括转速测量模块(10),实时测量电机运行的转速,由处理分析模块(2)计算出在所述对应时段的转速抖动的特征,辅助进行功率抖动判断,同时计算出转速抖动频率和幅值。
6.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:系统在电机稳定正常运行后进行标定,记录在不同典型负载率下的振动波形,提取辨识特征作为该典型负载率下的标准样本。
7.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:系统还包括中心服务器(11),处理分析模块(2)经通讯模块(5)与中心服务器(11)远程交换数据,并在发现异常振动时向中心服务器(11)远程预警。
8.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:处理分析模块(2)监测当前功率下的振动频率和幅值的变化趋势,在没有发现所述异常振动特征的情况下,如果振动频率和幅值产生明显偏离当前功率下的标准样本的趋势,则通过通讯模块(5)向便携设备(7)发出预警信号或向中心服务器(11)远程预警。
9.根据权利要求1所述的智能电机振动在线监测及预警系统,其特征在于:在电机长期正常运行过程中,依据周期性历史数据进行计算分析,不断完善阈值和标准样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720414749.XU CN206638789U (zh) | 2017-04-20 | 2017-04-20 | 智能电机振动在线监测及预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720414749.XU CN206638789U (zh) | 2017-04-20 | 2017-04-20 | 智能电机振动在线监测及预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN206638789U true CN206638789U (zh) | 2017-11-14 |
Family
ID=60246034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201720414749.XU Expired - Fee Related CN206638789U (zh) | 2017-04-20 | 2017-04-20 | 智能电机振动在线监测及预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN206638789U (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108459050A (zh) * | 2018-07-23 | 2018-08-28 | 常州天正工业发展股份有限公司 | 一种根据电参数来判断设备运行状况的方法及装置 |
CN109186748A (zh) * | 2018-07-25 | 2019-01-11 | 大唐东北电力试验研究院有限公司 | 一种基于大数据挖掘技术的辅机振动预警方法及系统 |
CN110430396A (zh) * | 2019-07-29 | 2019-11-08 | 上海岚孜网络科技有限公司 | 一种硬件健康程度监管系统 |
CN111856290A (zh) * | 2020-06-18 | 2020-10-30 | 湖北德普电气股份有限公司 | 一种测试氢燃料电池发动机性能的方法 |
CN112595410A (zh) * | 2019-10-01 | 2021-04-02 | 计算系统有限公司 | 具有多采集的趋势图 |
CN117166970A (zh) * | 2023-09-15 | 2023-12-05 | 大庆石油管理局有限公司 | 一种塔架式抽油机远程监测系统及方法 |
-
2017
- 2017-04-20 CN CN201720414749.XU patent/CN206638789U/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108459050A (zh) * | 2018-07-23 | 2018-08-28 | 常州天正工业发展股份有限公司 | 一种根据电参数来判断设备运行状况的方法及装置 |
CN109186748A (zh) * | 2018-07-25 | 2019-01-11 | 大唐东北电力试验研究院有限公司 | 一种基于大数据挖掘技术的辅机振动预警方法及系统 |
CN110430396A (zh) * | 2019-07-29 | 2019-11-08 | 上海岚孜网络科技有限公司 | 一种硬件健康程度监管系统 |
CN112595410A (zh) * | 2019-10-01 | 2021-04-02 | 计算系统有限公司 | 具有多采集的趋势图 |
CN111856290A (zh) * | 2020-06-18 | 2020-10-30 | 湖北德普电气股份有限公司 | 一种测试氢燃料电池发动机性能的方法 |
CN117166970A (zh) * | 2023-09-15 | 2023-12-05 | 大庆石油管理局有限公司 | 一种塔架式抽油机远程监测系统及方法 |
CN117166970B (zh) * | 2023-09-15 | 2024-04-02 | 大庆石油管理局有限公司 | 一种塔架式抽油机远程监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107064796A (zh) | 智能电机振动在线监测及预警系统 | |
CN206638789U (zh) | 智能电机振动在线监测及预警系统 | |
CN108375732A (zh) | 电机监测预警方法及系统 | |
CN106990357A (zh) | 智能电机集成式多参数融合健康诊断及预警系统 | |
CN206710565U (zh) | 智能电机集成式多参数融合健康诊断及预警系统 | |
CN101430240B (zh) | 联轴器平行不对中故障在线实时诊断方法 | |
Goundar et al. | Real time condition monitoring system for industrial motors | |
CN111509847A (zh) | 一种电网机组状态的智能检测系统及方法 | |
CN102033200A (zh) | 基于统计模型的交流电机在线监测和诊断方法 | |
CN107247230A (zh) | 一种基于支持向量机和数据驱动的旋转电机状态监测方法 | |
CN101819093A (zh) | 掘进机截割头主轴轴承故障诊断装置及其使用方法 | |
CN110987166A (zh) | 旋转机械健康状态的预测方法、装置、设备及存储介质 | |
CN105298823A (zh) | 一种大型泵机组在线监测与诊断系统 | |
CN106525337B (zh) | 基于在线数据的水轮发电机组磁拉力不平衡故障分析方法 | |
CN103195728A (zh) | 大型风机在线监测诊断系统 | |
CN113227926A (zh) | 用于监测电机的状况监测装置和方法 | |
CN205427891U (zh) | 一种基于rfid的电机振动监测系统 | |
CN109333161A (zh) | 一种用于机床主轴传动部件故障检测的智能螺栓监测系统 | |
CN112014048A (zh) | 盾构机刀盘检测及修复方法 | |
CN116933024A (zh) | 旋转类设备运行状态监控方法及系统 | |
CN101222133A (zh) | 汽轮发电机组轴系扭振保护装置 | |
JP6801144B2 (ja) | 診断装置および診断方法 | |
Nayak et al. | IoT enabled predictive maintenance of diesel generator in the context to Industry 4.0 | |
Balakrishna et al. | Power system asset management using advanced protection relays | |
CN220539768U (zh) | 一种风电机组高塔筒状态监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171114 Termination date: 20180420 |