RU2764962C1 - Способ и система планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей - Google Patents
Способ и система планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей Download PDFInfo
- Publication number
- RU2764962C1 RU2764962C1 RU2021117490A RU2021117490A RU2764962C1 RU 2764962 C1 RU2764962 C1 RU 2764962C1 RU 2021117490 A RU2021117490 A RU 2021117490A RU 2021117490 A RU2021117490 A RU 2021117490A RU 2764962 C1 RU2764962 C1 RU 2764962C1
- Authority
- RU
- Russia
- Prior art keywords
- data
- acoustic data
- repair
- process equipment
- acoustic
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Использование: для планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины. Сущность изобретения заключается в том, что получают акустические данные технологического оборудования одновременно с помощью одного или более измерителей шума, одного или более измерителей ультразвука и одного или более измерителей вибраций; с помощью одного или более автоматизированных рабочих мест (АРМ) разметки паттернов обрабатывают полученные акустические данные с применением аугментации и корректировки полученной шумовибрационной и ультразвуковой картины, размечают скорректированный датасет акустических данных и получают размеченные акустические данные; передают размеченные акустические данные в один или более интеллектуальных модулей, причем интеллектуальный модуль в режиме реального времени осуществляет обработку полученных акустических данных и анализ обработанных акустических данных с помощью одной или более нейронных сетей, и на основе результатов проведенного анализа получают данные о планировании профилактического обслуживания и ремонта технологического оборудования; передают данные о планировании профилактического обслуживания и ремонта технологического оборудования на одно или более АРМ оператора для отображения. Технический результат: обеспечение возможности своевременного проведения профилактического обслуживания и ремонта технологического оборудования. 2 н. и 15 з.п. ф-лы, 4 ил.
Description
ОБЛАСТЬ ТЕХНИКИ
Настоящее изобретение относится к области акустической диагностики технологического оборудования, в частности к способу и системе планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины с применением нейронных сетей.
Представленное решение может быть использовано, по меньшей мере, на предприятиях различных видов промышленности, малой и крупной энергетики для диагностики, круглосуточного мониторинга, планирования профилактического обслуживания и ремонта различного сложного промышленного оборудования и механизмов, например, таких как крупногабаритное оборудование (котельные и турбинные агрегаты, электрогенераторы), сложные механизмы (тягодутьевые механизмы, насосы), части оборудования и механизмы (соединительные муфты, подшипники) и пр.
УРОВЕНЬ ТЕХНИКИ
Из патента RU 2582876 C2, дата публикации 27.04.2016, известен способ диагностирования сложных технических объектов, состоящий в том, что среди параметров сложного технического объекта выделяют отдельные параметры, которые являются признаками его технического состояния, сравнивают их с эталонными признаками исходного алфавита классов состояний и по результатам сравнения определяют группу классов возможного технического состояния диагностируемого объекта, в качестве признаков технического состояния объекта используют статистические характеристики разностей текущих и эталонных значений внутренних и выходных параметров объекта, в качестве эталонных признаков исходного алфавита классов используют статистические характеристики разностей текущих и эталонных значений внутренних и выходных параметров исправного объекта, при этом в качестве эталонных значений внутренних и выходных параметров объекта используют их расчетные значения, вычисляемые для каждого режима работы объекта по измеренным текущим значениям входных параметров с помощью нейросетевых моделей.
В патенте RU 2363029 C2, дата публикации 27.07.2009, описана диагностика функционирования технологического оборудования в промышленных системах управления и мониторинга. Технический результат заключается в улучшении диагностики технологического оборудования за счет использования датчиков вибраций. Он достигается тем, что используется технологическое устройство для соединения с технологическим оборудованием, содержащее передатчик и контроллер для мониторинга или управления технологическим процессом и связи, технологический соединительный узел, предназначенный для соединения технологического устройства с технологическим оборудованием и содержащий трубопровод для технологического флюида, датчик вибрации, предназначенный для детектирования вибраций и формирования сигнала вибраций, диагностическую схему, размещенную в технологическом устройстве, предназначенную для приема сигнала вибраций и формирования выходного сигнала, характеризующего нарушение технологического режима или нарушение функционирования технологического элемента.
Недостатками известного уровня техники являются отсутствие возможности диагностики функционирования технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины, а также отсутствие возможности планирования профилактического обслуживания и ремонта технологического оборудования на основе полученных данных.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Техническая проблема, на решение которой направлено заявляемое изобретение, заключается в обеспечении планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины технологического оборудования с применением нейронных сетей.
Техническим результатом заявляемого изобретения является своевременное проведение профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей и, как следствие, ранняя диагностика развивающихся дефектов и своевременное обнаружение проблем при работе технологического оборудования, улучшение показателей надежности работы оборудования, повышение (продление) срока службы оборудования, повышение точности диагностирования состояния технологического оборудования.
Указанный технический результат достигается за счет того, что
В способе планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины с применением одной или более нейронных сетей:
получают акустические данные технологического оборудования одновременно с помощью одного или более измерителей шума, одного или более измерителей ультразвука и одного или более измерителей вибраций;
с помощью одного или более автоматизированных рабочих мест (АРМ) разметки паттернов обрабатывают полученные акустические данные с применением аугментации и корректировки полученной шумовибрационной и ультразвуковой картины, размечают скорректированный датасет акустических данных и получают размеченные акустические данные;
передают размеченные акустические данные в один или более интеллектуальных модулей, причем интеллектуальный модуль в режиме реального времени осуществляет обработку полученных акустических данных и анализ обработанных акустических данных с помощью одной или более нейронных сетей, и на основе результатов проведенного анализа получают данные о планировании профилактического обслуживания и ремонта технологического оборудования;
передают данные о планировании профилактического обслуживания и ремонта технологического оборудования на одно или более АРМ оператора для отображения.
В способе измерителем шума может являться, по меньшей мере, микрофон, измерителем ультразвука может являться, по меньшей мере, пьезометрический датчик, измерителем вибрации может являться, по меньшей мере, пьезоэлектрический датчик.
В способе аугментация и корректировка шумовой картины может включать, по меньшей мере, получение широкого набора акустических паттернов, и автоматическое вычитание посторонних акустических звуков из полученной шумовой картины.
В способе набор акустических паттернов может содержать, по меньшей мере, гармоники, амплитуды звуковых колебаний, частоты колебаний.
В способе посторонние акустические звуки могут содержать, по меньшей мере, посторонние звуки, связанные с присутствием обслуживающего персонала, звуки, издаваемые оборудованием, находящимся рядом с диагностируемым технологическим оборудованием.
В способе может осуществляться разметка скорректированного датасета акустических данных путем сопоставления временных отрезков акустических данных с показаниями системы АСУ ТП.
В способе может осуществляться обработка размеченных акустических данных с помощью одного или более интеллектуальных модулей путем предобработки размеченных данных с помощью быстрого преобразования Фурье, получения спектрограмм, обработки полученных спектрограмм с помощью предобученных CNN энкодеров и получения векторов с входными данными.
В способе могут получать данные о планировании профилактического обслуживания и ремонта технологического оборудования путем формирования оценки состояния технологического оборудования в каждый период времени в виде графика и аппроксимации полученных данных.
В способе данные о планировании профилактического обслуживания и ремонта технологического оборудования могут включать, по меньшей мере, оценку состояния технологического оборудования, планируемую дату технического обслуживания и/или планируемую дату ремонта.
В способе оценка состояния технологического оборудования может осуществляться по шкале от 0 до 1, где 0 соответствует аварийному режиму работы технологического оборудования, а 1 соответствует режиму работы полностью исправного технологического оборудования.
В способе измерители могут устанавливаться контактным и/или бесконтактным способом.
В способе полученные акустические данные технологического оборудования могут храниться в одной или более базах данных сигналов.
В способе акустические данные могут передавать в базу данных сигналов с помощью интеграционной шины.
В способе данные о планировании профилактического обслуживания и ремонта технологического оборудования могут передавать на АРМ оператора с помощью API.
В способе оповещения о событиях могут отправлять с помощью одного или более шлюзов уведомлений.
В способе дополнительно может содержаться АРМ диспетчера, соединенное с одним или более АРМ оператора.
Система планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины с применением одной или более нейронных сетей содержит:
- один или более измерителей шума, один или более измерителей ультразвука и один или более измерителей вибраций, причем получают акустические данные технологического оборудования одновременно с помощью одного или более измерителей шума, одного или более измерителей ультразвука и одного или более измерителей вибраций;
- одно или более автоматизированных рабочих мест (АРМ) разметки паттернов для обработки полученных акустических данных с применением аугментации и корректировки полученной шумовибрационной и ультразвуковой картины, разметки скорректированного датасета акустических данных и получения размеченных акустических данных;
- один или более интеллектуальных модулей, причем интеллектуальный модуль в режиме реального времени осуществляет обработку размеченных акустических данных и анализ обработанных акустических данных с помощью одной или более нейронных сетей, и на основе результатов проведенного анализа получают данные о планировании профилактического обслуживания и ремонта технологического оборудования;
- одно или более АРМ оператора, причем на АРМ оператора отображают данные о планировании профилактического обслуживания и ремонта технологического оборудования, полученные из интеллектуального модуля.
ОПИСАНИЕ ЧЕРТЕЖЕЙ
Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения.
Заявляемое изобретение проиллюстрировано фигурами 1-4, на которых изображены:
Фиг. 1 - иллюстрирует принцип осуществления способа планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей.
Фиг. 2 - иллюстрирует вариант архитектуры системы планирования профилактического обслуживания и ремонта технологического оборудования для нескольких объектов исследования.
Фиг. 3 - иллюстрирует пример отображаемой информации на АРМ оператора и/или АРМ диспетчера.
Фиг. 4 - иллюстрирует общую схему вычислительного устройства для реализации настоящего изобретения.
ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту будет очевидно, каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.
Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.
Настоящее изобретение относится к способу и системе планирования профилактического обслуживания и ремонта технологического оборудования, в котором осуществляют предиктивную акустическую диагностику технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины с помощью применения нейронных сетей.
Сбор данных происходит с применением контактных и бесконтактных акустических датчиков, передающих данные по цифровым каналам связи. Акустические данные собирают с технологического оборудования одновременно с помощью измерителей шума, например, таких как микрофон, с помощью измерителей ультразвука, например, таких как пьезометрический датчик, и с помощью измерителей вибраций, например, таких как пьезоэлектрический датчик.
На основе анализа полученных акустических данных с применением нейронных сетей проводится формирование эмбединга - виртуальной оценки состояния оборудования по шкале от 0 до 1, где 0 - это звук аварийного режима работы или близкий к нему, а 1 - это звук полностью исправного механизма. На основании проведенного эмбединга прогнозируют скорость изнашивания оборудования.
Оценка (эмбединг), получаемая в каждый период времени, может быть отражена на графике и аппроксимирована, для получения значения о скорости роста и предположительных сроках отказа оборудования.
Для диагностируемого оборудования снимаются акустические паттерны различных режимов работы в реальных условиях одновременно с помощью как микрофона, так и пьезометрического и пьезоэлектрического датчиков. На следующем этапе на АРМ разметки паттернов используется специальный алгоритм аугментации полученной акустической картины, что дает более широкий набор шумовибрационных и ультразвуковых паттернов, таких как гармоники, амплитуды звуковых колебаний, частота колебаний. Согласно применяемому алгоритму используются записи шумовой картины одновременно нескольких звуковых дорожек файлов исходных данных, микрофон отвечает за запись шумов слышимого звука, пьезометрический датчик - за запись ультразвука, пьезоэлектрический датчик - за запись вибраций оборудования, что значительно повышает качество работы системы. Ключевую роль здесь также играет алгоритм, корректирующий акустические паттерны, который реализуется на АРМ разметки паттернов, и который обеспечивает внесение таких изменений в акустическую картину, которые укладываются в рамки реалистичного набора звуков, характерных для производства, что сокращает время сбора обучающей выборки. Согласно данному алгоритму из записанной акустической картины автоматически вычитаются посторонние звуки, связанные с присутствием обслуживающего персонала (разговоры, шаги), а также звуки, издаваемые оборудованием, находящимся рядом с исследуемым механизмом. В процессе обучения система записывает и анализирует звуки соседних механизмов (в периоды простоя основного механизма), а затем вычитает их из акустической картины основного механизма. Разметка уже скорректированного датасета происходит в автоматическом режиме при сопоставлении временных отрезков акустических данных показаниям системы АСУ ТП.
Имеются записи микрофона, пьезометрического и пьезоэлектрического датчиков за определенный отрезка времени. Для каждой секунды такого отрезка времени из АСУ ТП объекта выгружаются сведения о значениях технологических параметров объекта. Таким образом, получается база данных, в которой каждой секунде общего интервала записи данных соответствует имя файла с записью, указана секунда в данном файле, соответствующая секунде общего интервала, значения технологических параметров системы АСУ ТП на данную секунду. Для каждого объекта свой набор технологических параметров системы АСУ ТП. Таким образом, каждой секунде записи будут соответствовать значения технологических параметров, взятых из АСУ ТП, а также будет соответствовать информация по тому, в каком файле на какой секунде хранится необходимая звуковая информация.
Задача прогнозирования - не допустить возникновения аварийного режима и заблаговременно провести техническое обслуживание или ремонт оборудования. Звук эталонной модели оборудования соответствует 1, звуку аварийного недопустимого режима работы оборудования соответствует 0, допустим, что при значении коэффициента 0,25 - необходимо проводить ремонт, при значении коэффициента 0,5 - необходимо проводить техническое обслуживание (ТО). Для оборудования выводится среднесуточная оценка по механизму: 0,8; 0,7; 0,6; и т.д. Таким образом, скорость снижения оценки составляет 0,1/сутки. Данный ряд можно аппроксимировать линейной функцией. Однако, для каждого конкретного случая возможны разные функции аппроксимации, например, степенная. Таким образом в данном случае, если функцией аппроксимации является линейная функция, получаем, что на 4 день достигается оценка 0,5; на 7 день будет достигнута оценка ниже 0,25. Следовательно, на АРМ оператора и/или АРМ диспетчера отобразится информация, что ТО нужно провести не позднее чем на 4 день, в случае отсутствия ТО нужно провести ремонт не позднее, чем на 7 день.
Например, у подшипника скольжения возрастает с каждым днем температура баббита, что можно определить по звуку. При температуре порядка 300°С баббит расплавится и механизм выйдет из строя, задача - не допустить этого. Для такого подшипника звуковая картина с оценкой 1 соответствует рабочей температуре баббита, звуковая картина с оценкой 0 - температуре начала плавления баббита.
Дополнительно, оператор со своего АРМ может вывести в любой момент времени перечень механизмов, подлежащих техническому обслуживанию или ремонту в зависимости от значения оценки и скорости ее изменения. Благодаря анализу скорости изменения оценки механизма на временном интервале корректируются сроки проведения плановых ремонтов и технического обслуживания. Для каждого механизма имеются регламентные сроки ТО и ремонта. Если механизмы изнашиваются с высокой скоростью, появляется рекомендация, что ТО или ремонт нужно провести ранее запланированного срока. В случае возникновения разовых нештатных ситуаций (зафиксированы постукивания, треск и пр.) выводятся рекомендации о немедленном проведении технического обслуживания механизма.
Фиг. 1 иллюстрирует пример осуществления планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей. Микрофоны (2), пьезометрические и пьезоэлектрические датчики (2) устанавливаются контактным или бесконтактным способом к механизму (1) и получают его акустическую картину. Полученные данные с помощью интеграционной шины (3) передаются в базу данных сигналов (4), которая служит для сбора и хранения первичных данных с датчиков. Полученные данные передаются на АРМ разметки паттернов (5) для обработки. АРМ разметки паттернов (5) хранит классификатор паттернов для разных режимов работы оборудования, различных потенциальных неисправностей, оценки их критичности.
Размеченные данные из АРМ разметки паттернов (5) передаются в интеллектуальный модуль (6), обеспечивающий предобработку данных с помощью методов частотного анализа, например, быстрого преобразования Фурье, вейвлет-преобразования. Спектрограммы, полученные в результате анализа, подаются на вход предобученных CNN энкодеров, которые выдают векторы с входными данными, которые представляют собой числовые векторы, которые могут иметь различную размерность. Полученные векторы с входными данными используются для обучения модели многослойной нейронной сети, которая на выходе в режиме реального времени выдает оценку текущего состояния оборудования, прогнозирует вероятные поломки, время выхода узлов из строя, позволяет планировать профилактику и техобслуживание, а также позволяет сотрудникам производства давать оценку качества работы нейронной сети для дообучения системы. Нейросеть анализирует данные в реальном времени путем использования realtime алгоритмов, данные записываются, сразу преобразовываются и поступают в нейросеть для оценки.
Оценка качества нейронной сети заключается в следующем: если нейросеть предсказывает какую-либо аномалию, например, свищ в котле, сотрудники объекта проверяют наличие свища. Если свищ есть, значит нейросеть справилась с задачей. Если свища нет, то сотрудники указывают для нейросети, что записанные данные, по которым она ошибочно определила свищ, являются данными нормального режима работы. Нейросеть запоминает это и дообучается. В следующий раз на такую же запись она отреагирует не как на аномалию в работе оборудования.
Полученные данные с помощью API (7) передаются на АРМ оператора (8), где в реальном времени выводится вся информация по состоянию диагностируемого оборудования, а также на шлюз уведомлений (9), который отправляет оповещения о выбранных событиях (вероятность критичной поломки, внезапный останов оборудования и пр.) заинтересованным лицам посредством e-mail или SMS.
На АРМ оператора (8) выводится информация о текущем состоянии оборудования, например, неисправность или нормальная работа оборудования, журнал, в котором фиксируются найденные неполадки, информация об архиве записей оборудования, который можно прослушать в интересующий момент времени, информация по точкам записи (у каждого механизма может быть несколько датчиков), информация о механизмах, подключенных к системе на объекте, и данные оценки состояния оборудования, даты ТО и ремонта.
Так как для каждого оборудования свой набор аварийных ситуаций и аномалий, то отображаемая информация может различаться в зависимости от типа и вида технологического оборудования. Например, для подшипника скольжения возможно отображение следующих неполадок: отсутствие или нехватка смазки, задиры на конце подшипников, несоосности вала, повышенная вязкость масла.
На фиг. 2 показано, каким образом описываемый способ применяется для нескольких объектов исследования. Данные акустического анализа по механизмам объекта передаются на АРМ оператора объекта, далее данные по каждому объекту передаются для анализа на АРМ диспетчера.
На Фиг. 3 приведен пример информации, отображаемой на АРМ оператора и/или АРМ диспетчера.
На Фиг. 4 представлена общая схема вычислительного устройства (400), обеспечивающего обработку данных, необходимую для реализации заявленного решения.
В общем случае устройство (400) содержит такие компоненты, как: один или более процессоров (401), по меньшей мере одну память (402), средство хранения данных (403), интерфейсы ввода/вывода (404), средство В/В (405), средства сетевого взаимодействия (406).
Процессор (401) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (400) или функциональности одного или более его компонентов. Процессор (401) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (402).
Память (402), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.
Средство хранения данных (403) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п.Средство (403) позволяет выполнять долгосрочное хранение различного вида информации.
Интерфейсы (404) представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.
Выбор интерфейсов (404) зависит от конкретного исполнения устройства (400), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.
В качестве средств В/В данных (405) в любом воплощении системы должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.
Средства сетевого взаимодействия (406) выбираются из устройств, обеспечивающих сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п.С помощью средств (N05) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM, 3G, 4G, 5G.
Компоненты устройства (400) сопряжены посредством общей шины передачи данных (407).
В настоящих материалах заявки представлено предпочтительное раскрытие осуществления заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.
Специалисту в данной области техники должно быть понятно, что различные вариации заявляемого способа и системы не изменяют сущность изобретения, а лишь определяют его конкретные воплощения и применения.
Claims (25)
1. Способ планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины с применением одной или более нейронных сетей, в котором:
получают акустические данные технологического оборудования одновременно с помощью одного или более измерителей шума, одного или более измерителей ультразвука и одного или более измерителей вибраций;
с помощью одного или более автоматизированных рабочих мест (АРМ) разметки паттернов обрабатывают полученные акустические данные с применением аугментации и корректировки полученной шумовибрационной и ультразвуковой картины, размечают скорректированный датасет акустических данных и получают размеченные акустические данные;
передают размеченные акустические данные в один или более интеллектуальных модулей, причем интеллектуальный модуль в режиме реального времени осуществляет обработку полученных акустических данных и анализ обработанных акустических данных с помощью одной или более нейронных сетей, и на основе результатов проведенного анализа получают данные о планировании профилактического обслуживания и ремонта технологического оборудования;
передают данные о планировании профилактического обслуживания и ремонта технологического оборудования на одно или более АРМ оператора для отображения.
2. Способ по п. 1, характеризующийся тем, что измерителем шума является, по меньшей мере, микрофон, измерителем ультразвука является, по меньшей мере, пьезометрический датчик, измерителем вибрации является, по меньшей мере, пьезоэлектрический датчик.
3. Способ по п. 1, характеризующийся тем, что аугментация и корректировка шумовой картины включает, по меньшей мер, получение широкого набора акустических паттернов, и автоматическое вычитание посторонних акустических звуков из полученной шумовой картины.
4. Способ по п. 3, характеризующийся тем, что набор акустических паттернов содержит, по меньшей мере, гармоники, амплитуды звуковых колебаний, частоты колебаний.
5. Способ по п. 3, характеризующийся тем, что посторонние акустические звуки содержат, по меньшей мере, посторонние звуки, связанные с присутствием обслуживающего персонала, звуки, издаваемые оборудованием, находящимся рядом с диагностируемым технологическим оборудованием.
6. Способ по п. 1, характеризующийся тем, что осуществляют разметку скорректированного датасета акустических данных путем сопоставления временных отрезков акустических данных с показаниями системы АСУ ТП.
7. Способ по п. 1, характеризующийся тем, что осуществляют обработку размеченных акустических данных с помощью одного или более интеллектуальных модулей путем предобработки размеченных данных с помощью быстрого преобразования Фурье, получения спектрограмм, обработки полученных спектрограмм с помощью предобученных CNN энкодеров и получения векторов с входными данными.
8. Способ по п. 1, характеризующийся тем, что получают данные о планировании профилактического обслуживания и ремонта технологического оборудования путем формирования оценки состояния технологического оборудования в каждый период времени в виде графика и аппроксимации полученных данных.
9. Способ по п. 8, характеризующийся тем, что данные о планировании профилактического обслуживания и ремонта технологического оборудования включают, по меньшей мере, оценку состояния технологического оборудования, планируемую дату технического обслуживания и/или планируемую дату ремонта.
10. Способ по п. 8, характеризующийся тем, что оценку состояния технологического оборудования осуществляют по шкале от 0 до 1, где 0 соответствует аварийному режиму работы технологического оборудования, а 1 соответствует режиму работы полностью исправного технологического оборудования.
11. Способ по п. 1, характеризующийся тем, что измерители устанавливают контактным и/или бесконтактным способом.
12. Способ по п. 1, характеризующийся тем, что хранят полученные акустические данные технологического оборудования в одной или более базах данных сигналов.
13. Способ по п. 12, характеризующийся тем, что акустические данные передают в базу данных сигналов с помощью интеграционной шины.
14. Способ по п. 1, характеризующийся тем, что данные о планировании профилактического обслуживания и ремонта технологического оборудования передают на АРМ оператора с помощью API.
15. Способ по п. 1, характеризующийся тем, что отправляют оповещения о событиях с помощью одного или более шлюзов уведомлений.
16. Способ по п. 1, характеризующийся тем, что дополнительно содержит АРМ диспетчера, соединенное с одним или более АРМ оператора.
17. Система планирования профилактического обслуживания и ремонта технологического оборудования на основе анализа шумовибрационной и ультразвуковой картины с применением одной или более нейронных сетей в соответствии со способом по любому из пп. 1-16, содержащая:
- один или более измерителей шума, один или более измерителей ультразвука и один или более измерителей вибраций, причем получают акустические данные технологического оборудования одновременно с помощью одного или более измерителей шума, одного или более измерителей ультразвука и одного или более измерителей вибраций;
- одно или более автоматизированных рабочих мест (АРМ) разметки паттернов для обработки полученных акустических данных с применением аугментации и корректировки полученной шумовибрационной и ультразвуковой картины, разметки скорректированного датасета акустических данных и получения размеченных акустических данных;
- один или более интеллектуальных модулей, причем интеллектуальный модуль в режиме реального времени осуществляет обработку размеченных акустических данных и анализ обработанных акустических данных с помощью одной или более нейронных сетей, и на основе результатов проведенного анализа получают данные о планировании профилактического обслуживания и ремонта технологического оборудования;
- одно или более АРМ оператора, причем на АРМ оператора отображают данные о планировании профилактического обслуживания и ремонта технологического оборудования, полученные из интеллектуального модуля.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2021117490A RU2764962C1 (ru) | 2021-06-16 | 2021-06-16 | Способ и система планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей |
| PCT/RU2022/050186 WO2022265536A1 (ru) | 2021-06-16 | 2022-06-14 | Способ и система для обслуживания и ремонта технологического оборудования |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2021117490A RU2764962C1 (ru) | 2021-06-16 | 2021-06-16 | Способ и система планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2764962C1 true RU2764962C1 (ru) | 2022-01-24 |
Family
ID=80445389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2021117490A RU2764962C1 (ru) | 2021-06-16 | 2021-06-16 | Способ и система планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей |
Country Status (2)
| Country | Link |
|---|---|
| RU (1) | RU2764962C1 (ru) |
| WO (1) | WO2022265536A1 (ru) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7363111B2 (en) * | 2003-12-30 | 2008-04-22 | The Boeing Company | Methods and systems for analyzing engine unbalance conditions |
| RU2416098C1 (ru) * | 2009-09-10 | 2011-04-10 | Федеральное государственное унитарное предприятие Омский научно-исследовательский институт приборостроения | Трехосевой акселерометр |
| RU2575243C1 (ru) * | 2014-10-01 | 2016-02-20 | Открытое акционерное общество "Уфимское моторостроительное производственное объединение" ОАО "УМПО" | Способ виброакустической диагностики технического состояния подшипников в составе газотурбинного двигателя |
| US20190228287A1 (en) * | 2018-01-19 | 2019-07-25 | International Business Machines Corporation | Neuromorphic chip for updating precise synaptic weight values |
-
2021
- 2021-06-16 RU RU2021117490A patent/RU2764962C1/ru active
-
2022
- 2022-06-14 WO PCT/RU2022/050186 patent/WO2022265536A1/ru unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7363111B2 (en) * | 2003-12-30 | 2008-04-22 | The Boeing Company | Methods and systems for analyzing engine unbalance conditions |
| RU2416098C1 (ru) * | 2009-09-10 | 2011-04-10 | Федеральное государственное унитарное предприятие Омский научно-исследовательский институт приборостроения | Трехосевой акселерометр |
| RU2575243C1 (ru) * | 2014-10-01 | 2016-02-20 | Открытое акционерное общество "Уфимское моторостроительное производственное объединение" ОАО "УМПО" | Способ виброакустической диагностики технического состояния подшипников в составе газотурбинного двигателя |
| US20190228287A1 (en) * | 2018-01-19 | 2019-07-25 | International Business Machines Corporation | Neuromorphic chip for updating precise synaptic weight values |
Non-Patent Citations (3)
| Title |
|---|
| МАТЕРИАЛЫ X МЕЖДУНАРОДНОЙ НАУЧНО-ТЕХНИЧЕСКОЙ КОНФЕРЕНЦИИ "ИННОВАЦИОННЫЕ МАШИНОСТРОИТЕЛЬНЫЕ ТЕХНОЛОГИИ, ОБОРУДОВАНИЕ И МАТЕРИАЛЫ - 2019", ЧАСТЬ 2, Г. КАЗАНЬ, 5-6 ДЕКАБРЯ 2019, СТР. 171-174. * |
| МАТЕРИАЛЫ X МЕЖДУНАРОДНОЙ НАУЧНО-ТЕХНИЧЕСКОЙ КОНФЕРЕНЦИИ "ИННОВАЦИОННЫЕ МАШИНОСТРОИТЕЛЬНЫЕ ТЕХНОЛОГИИ, ОБОРУДОВАНИЕ И МАТЕРИАЛЫ - 2019", ЧАСТЬ 2, Г. КАЗАНЬ, 5-6 ДЕКАБРЯ 2019, СТР. 171-174. Шатагин Дмитрий Александрович, повышение динамической устойчивости процесса резания на основе подходов нелинейной динамики и искусственного интеллекта, Диссертация на соискание ученой степени кандидата технических наук, Нижний Новгород, 2018, стр. 6, 8, 9, 12, 31, 35-37, 41-43, 46, 50, 110. * |
| Шатагин Дмитрий Александрович, повышение динамической устойчивости процесса резания на основе подходов нелинейной динамики и искусственного интеллекта, Диссертация на соискание ученой степени кандидата технических наук, Нижний Новгород, 2018, стр. 6, 8, 9, 12, 31, 35-37, 41-43, 46, 50, 110. * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022265536A1 (ru) | 2022-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Compare et al. | Challenges to IoT-enabled predictive maintenance for industry 4.0 | |
| US10963797B2 (en) | System for analyzing machine data | |
| US20040176929A1 (en) | Monitoring and maintaining equipment and machinery | |
| CN113614359A (zh) | 用于预测风力涡轮机齿轮箱组件中的可观察损坏的风险的方法和系统 | |
| US8301328B2 (en) | Method for servicing a vehicle | |
| JP2000259729A (ja) | 作業機械の管理システム | |
| KR102102346B1 (ko) | 함정설비의 상태기반 정비지원 시스템 및 방법 | |
| JP4428838B2 (ja) | 設備機器診断システム | |
| CN112529036A (zh) | 一种故障预警方法、装置、设备及存储介质 | |
| Rodrigues et al. | Short and long forecast to implement predictive maintenance in a pulp industry | |
| Shrivastava et al. | Integrating Sensor Data and Machine Learning for Predictive Maintenance in Industry 4.0 | |
| KR20230102431A (ko) | 인공지능 기반의 오일가스 플랜트 설비 고장 예측 및 진단시스템 | |
| RU2764962C1 (ru) | Способ и система планирования профилактического обслуживания и ремонта технологического оборудования на основе акустической диагностики с применением нейронных сетей | |
| WO2023243654A1 (ja) | 制御装置、端末装置、管理システム、および管理方法 | |
| JP2010027076A (ja) | 設備機器診断方法 | |
| Farhat et al. | Medical equipment efficient failure management in IoT environment | |
| RU2668487C2 (ru) | Система информационной поддержки принятия управленческих решений для обслуживающего персонала судовой энергетической установки | |
| Baglee et al. | A proposed maintenance strategy for a wind turbine gearbox using condition monitoring techniques | |
| Salgueiro et al. | On-line oil monitoring and diagnosis | |
| Chen et al. | BIM-and IoT-Based Data-Driven Decision Support System for Predictive Maintenance of Building Facilities | |
| Shah et al. | An analytic approach to monitor main bearing health | |
| Lifsitch et al. | Vibration sensor dataset for estimating fan coil motor health | |
| RU2630279C1 (ru) | Способ управления эксплуатационными рисками трубопровода и система для него | |
| Ma | Development of Integrated Prognostics: Application to Bearing and Bevel Gear Life Prediction | |
| Perdpunya et al. | CPS-based Automation Model Prediction for Inspection |