CN100562825C - 机械设备故障在线诊断装置及方法 - Google Patents
机械设备故障在线诊断装置及方法 Download PDFInfo
- Publication number
- CN100562825C CN100562825C CNB2008102144100A CN200810214410A CN100562825C CN 100562825 C CN100562825 C CN 100562825C CN B2008102144100 A CNB2008102144100 A CN B2008102144100A CN 200810214410 A CN200810214410 A CN 200810214410A CN 100562825 C CN100562825 C CN 100562825C
- Authority
- CN
- China
- Prior art keywords
- microprocessor
- links
- data
- storage
- model
- 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
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种机械设备故障诊断的装置及方法,特别是机械设备运行时在线进行故障诊断的装置及方法。技术方案是:在复杂可编程逻辑器件(5)控制下采集被监测设备轴承座和轴的振动信号,用数字信号处理芯片(7)计算信号的关联维数并分析轴心轨迹,在微处理器(15)控制下采集轴承座温度信号,通过双口随机存储器(9)在数字信号处理芯片和微处理器之间快速、可靠地交换数据,根据各个信号幅值判断设备运行状况,发现超过预设极限时进行报警,根据关联维数和轴心轨迹诊断设备故障。由于采用嵌入式计算机结构,体积小、功耗低、可靠性高,适合工业现场安装应用,可以在5秒钟内完成一次设备故障诊断,实时为用户提供关于设备状态的充足信息。
Description
所属技术领域:
本发明涉及一种机械设备故障诊断的装置及方法,特别是机械设备运行时在线进行故障诊断的装置及方法。
背景技术:
机械设备运行过程中性能会逐渐劣化,在一定条件下造成故障,将这些故障原因进行分析和早期预报,对于保证工业生产顺利进行非常重要。目前,进行机械设备故障诊断一般采用通用计算机来实现,存在问题是体积大、功率消耗高、抗干扰性能差,不适合安装于工业现场;另外,其运算速度也难以满足实时进行故障诊断的要求,采用通用计算机类装置完成一次故障诊断至少需要1~2分钟,不能及时保证机械设备安全可靠的运行。
发明内容:
本发明目的是提供一种机械设备故障在线诊断装置及方法,适合安装在工业现场,故障诊断速度快,还能在监测机械设备运行状况的同时及时分析设备故障类型和原因,并且能够对设备状态进行预测,解决背景技术中存在的上述问题。
本发明的技术方案是:机械设备故障在线诊断装置包含微处理器、液晶显示屏、数字信号处理芯片、复杂可编程逻辑器件、高速信号模数转换芯片、低速信号模数转换芯片、先进先出存储器、双口随机存储器、动态随机存储器、非易失存储器,各部件相互之间的连接关系、逻辑关系是:高速信号模数转换芯片与先进先出存储器相连,复杂可编程逻辑器件分别与高速模数转换芯片、先进先出存储器和微处理器相连,启动和控制高速数据采集;先进先出存储器与数字信号处理芯片连接,数字信号处理芯片与双口随机存储器连接,双口随机存储器与微处理器连接,处理和传输数据;低速信号模数转换芯片直接与微处理器连接,传输低速采集的数据;动态随机存储器、非易失存储器分别与微处理器连接,存储运行过程中的程序和数据,存储操作***、程序代码和知识库数据;液晶显示屏与微处理器连接,显示被监测的机械设备的状态和故障诊断结果。
较佳的实施方案:型号为AD7656AST的高速模数转换芯片与型号为IDT72V235L15PF的先进先出(FIFO,First Input First Output)存储器芯片相连;型号为EPM7256AETC144的复杂可编程逻辑器件(CPLD,Complex ProgramableLogic Device)芯片分别与高速模数转换芯片和先进先出存储器芯片相连,控制高速数据采集;型号为ARM9-S3C2440的微处理器与复杂可编程逻辑器件相连,启动数据采集;型号为ADSP-TS201S的数字信号处理芯片(DSP,Digital SignalProcessing)与先进先出存储器芯片相连读取采集的数据;数字信号处理芯片通过型号为IDT70V24的双口随机存储器(RAM,Random Access Memory)与微处理器相连,进行数据交换;型号为MAX1290ACEI的低速模数转换芯片与微处理器相连,传输低速采集的数据;型号为HY57V561620的同步动态随机访问存储器(SDRAM,Synchronous Dynamic Random Access Memory)与微处理器相连,存储运行过程中的程序和数据;型号为K9F1208DOA的非易失存储器(FLASH)与微处理器相连,存储操作***、程序代码和知识库数据;型号为TX18D16VM1CAA的液晶显示屏(LCD,Liquid Crystal Display)通过数据线与微处理器相连,显示被监测的机械设备的状态和故障诊断结果。
上述各部件集成在印刷电路板上。
机械设备故障在线诊断方法:在机械设备的轴承座和轴上设置监测点,采用嵌入式计算机***结构,通过模数转换芯片采集信号,在复杂可编程逻辑器件控制下采集被监测设备轴承座和轴的振动信号,在微处理器控制下采集轴承座温度信号,根据各个信号幅值和为其预设的极限值判断设备运行状况,发现超过极限时进行报警;同时采用数字信号处理芯片根据分形理论对振动信号进行关联维数计算,将计算得到的关联维数与装置内存储的反映机械设备不同类型故障的各种关联维数进行比较,并参考轴的振动信号和轴承座的温度信号,分析诊断设备的故障原因、预测设备在未来一段时间的运行状态。
本发明由于采用嵌入式计算机结构,比使用通用的计算机体积小、功率消耗低、可靠性高,抗干扰性强,适合工业现场安装应用;采用复杂可编程逻辑器件控制信号采集,能够快速、准确的测量设备故障诊断所需要的特征量;采用数字信号处理芯片适合故障诊断时大量数据的高速运算,通过双口随机存储器在数字信号处理芯片和微处理器之间快速、可靠地交换数据,可以在5秒钟内完成一次设备故障诊断,实时为用户提供关于被监测设备状态的充足信息。
附图说明:
图1为本发明实施例结构及逻辑关系示意图。
图中:高速模数转换芯片1,低速模数转换芯片2,控制线3、4、6,复杂可编程逻辑器件芯片5,数字信号处理芯片7,数据线8、10、13、14、16、18、19、21,双口随机存储器9,动态随机存储器11,非易失存储器12,微处理器15,液晶显示屏17,先进先出存储器20,印刷电路板22。
具体实施方式:
以下结合附图,通过实施例对本发明作进一步说明。
在实施例中,型号为AD7656AST的模数转换芯片2与型号为IDT72V235L15PF的先进先出存储器芯片20相连;型号为EPM7256AETC144的复杂可编程逻辑器件芯片5分别与高速模数转换芯片2和先进先出存储器芯片20相连,控制高速数据采集;型号为ARM9-S3C2440的微处理器芯片15与复杂可编程逻辑器件芯片5相连,启动数据采集;型号为ADSP-TS201S的数字信号处理芯片7与先进先出存储器芯片20相连,读取采集的数据;数字信号处理芯片7通过型号为IDT70V24的双口随机存储器芯片9与微处理器芯片15相连,进行数据交换;型号为MAX1290ACEI的模数转换芯片1与微处理器15相连,传输低速采集的数据;型号为HY57V561620的同步动态随机存储器芯片11与微处理器芯片15相连,存储运行过程中的程序和数据;型号为K9F1208DOA的非易失存储器芯片12与微处理器芯片15相连,存储操作***、程序代码和知识库数据;型号为TX18D16VM1CAA的液晶显示屏17通过数据线与微处理器芯片15相连,显示被监测的机械设备的状态和故障诊断结果;上述各部件集成在印刷电路板22上。
机械设备故障在线诊断实施过程:设备故障诊断装置靠近被监测的机械设备安装,在被监测的机械设备各个轴承座上安装热电阻温度传感器和压电晶体振动传感器,主轴附近安装电涡流传感器。各个传感器信号线连接到故障诊断装置。故障诊断装置投入使用前预先进行参数设置,其中的报警参数来自国家标准或企业标准,故障特征参数来自专家经验和实验结果。装置启动后微处理器15通过复杂可编程逻辑器件5控制AD7656模数转换芯片2采集振动数据,AD7656芯片为6通道同步采样,16位分辨率,250kS/s采样率,可以连接4个振动传感器和2个电涡流传感器。在复杂可编程逻辑器件5控制下采集的数据写进先进先出存储器20。数字信号处理芯片7从先进先出存储器20读取轴承座振动信号,由信号的时间序列进行相空间重构,然后计算关联维数;数字信号处理芯片同时从先进先出存储器20读取轴振动信号,分析轴心轨迹的大小和形状。数字信号处理芯片将计算得出的关联维数、轴承座振动幅度、轴心轨迹长轴尺寸、短轴尺寸和形状特征参数写入双口随机存储器9。微处理器从双口随机存储器读取关联维数与非易失存储器12中存储的关联维数进行比对,如果发现符合某一故障特征,再结合轴心轨迹特征和来自模数转换芯片1的轴承座温度值进行综合判断。例如对某一发电机组计算关联维数为2.14,并且轴心轨迹不规则增大,可以判断为油膜震荡故障。故障诊断结论在液晶显示屏17上输出提供给用户。如果计算关联维数为1.89±0.2是转子对中不良的特征、关联维数为2.60±0.2是转子制造缺陷的特征。同时微处理器将振动幅值和温度值与非易失存储器中存储的报警值进行比较,发现超标时在液晶显示屏上显示报警信息。例如某发电机组的轴承座温度报警值为65℃,轴承座振动报警值为32μm。
Claims (3)
1、一种机械设备故障在线诊断装置,其特征在于包含微处理器(15)、液晶显示屏(17)、数字信号处理芯片(7)、复杂可编程逻辑器件(5)、高速信号模数转换芯片(2)、低速信号模数转换芯片(1)、先进先出存储器(20)、双口随机存储器(9)、同步动态随机存储器(11)、非易失存储器(12),各部件相互之间的连接关系、逻辑关系是:高速信号模数转换芯片与先进先出存储器相连,复杂可编程逻辑器件分别与高速信号模数转换芯片、先进先出存储器和微处理器相连,启动和控制高速数据采集;先进先出存储器与数字信号处理芯片连接,数字信号处理芯片与双口随机存储器连接,双口随机存储器与微处理器连接,处理和传输数据;低速信号模数转换芯片直接与微处理器连接,传输低速采集的数据;同步动态随机存储器、非易失存储器分别与微处理器连接,存储运行过程中的程序和数据,存储操作***、程序代码和知识库数据;液晶显示屏与微处理器连接,显示被监测的机械设备的状态和故障诊断结果。
2、根据权利要求1所述之机械设备故障在线诊断装置,其特征在于型号为AD7656AST的高速信号模数转换芯片与型号为IDT72V235L15PF的先进先出存储器芯片相连;型号为EPM7256AETC144的复杂可编程逻辑器件分别与高速信号模数转换芯片和先进先出存储器相连,控制高速数据采集;型号为ARM9-S3C2440的微处理器与复杂可编程逻辑器件相连,启动数据采集;型号为ADSP-TS201S的数字信号处理芯片与先进先出存储器相连读取采集的数据;数字信号处理芯片通过型号为IDT70V24的双口随机存储器与微处理器相连,进行数据交换;型号为MAX1290ACEI的低速信号模数转换芯片与微处理器相连,传输低速采集的数据;型号为HY57V561620的同步动态随机存储器与微处理器相连,存储运行过程中的程序和数据;型号为K9F1208DOA的非易失存储器与微处理器相连,存储操作***、程序代码和知识库数据;型号为TX18D16VM1CAA的液晶显示屏通过数据线与微处理器相连,显示被监测的机械设备的状态和故障诊断结果。
3、一种采用权利要求1所述的机械设备故障在线诊断装置的机械设备故障在线诊断方法,其特征在于:
在机械设备的轴承座和轴上设置监测点,通过高速信号模数转换芯片和低速信号模数转换芯片采集信号,采用嵌入式计算机***结构,在复杂可编程逻辑器件控制下采集被监测的机械设备的轴承座和轴的振动信号,在微处理器控制下采集轴承座温度信号,根据各个信号幅值和为其预设的极限值判断机械设备运行状况,发现超过极限时进行报警;同时采用数字信号处理芯片根据分形理论对轴承座的振动信号进行关联维数计算;将计算得到的关联维数与机械设备故障在线诊断装置内存储的反映被监测的机械设备不同类型故障的各种关联维数进行比较,并参考轴的振动信号、轴心轨迹和轴承座的温度信号,分析诊断机械设备的故障原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2008102144100A CN100562825C (zh) | 2008-08-22 | 2008-08-22 | 机械设备故障在线诊断装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2008102144100A CN100562825C (zh) | 2008-08-22 | 2008-08-22 | 机械设备故障在线诊断装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101339434A CN101339434A (zh) | 2009-01-07 |
CN100562825C true CN100562825C (zh) | 2009-11-25 |
Family
ID=40213516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2008102144100A Expired - Fee Related CN100562825C (zh) | 2008-08-22 | 2008-08-22 | 机械设备故障在线诊断装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100562825C (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095564B (zh) * | 2011-02-12 | 2012-05-09 | 华北电力大学 | 汽轮发电机组波动型碰摩故障实时辨识方法 |
CN102289644A (zh) * | 2011-07-29 | 2011-12-21 | 黄晓虎 | 利用rfid标签监控机械结构件的方法、***和装置 |
CN102979755A (zh) * | 2012-11-19 | 2013-03-20 | 桂林电子科技大学 | 基于嵌入式数据采集***的矿用风机机械故障诊断装置 |
CA2896223A1 (en) * | 2013-01-16 | 2014-07-24 | Xingjun SHE | Vibration monitoring system for a liquid food producing apparatus |
CN103345785B (zh) * | 2013-07-15 | 2016-03-02 | 深圳沈鼓测控技术有限公司 | 设备异常停机监测方法 |
CN103824137B (zh) * | 2014-03-20 | 2016-08-17 | 北京信息科技大学 | 一种复杂机械设备多工况故障预测方法 |
CN103995529B (zh) * | 2014-05-20 | 2016-08-17 | 西南交通大学 | 一种旋翼飞行器机械安装故障在线诊断方法 |
CN104374557B (zh) * | 2014-11-10 | 2017-02-15 | 西安陕鼓动力股份有限公司 | 一种基于轴心轨迹的旋转机械二倍频故障检测方法及*** |
US11288576B2 (en) | 2018-01-05 | 2022-03-29 | Illumina, Inc. | Predicting quality of sequencing results using deep neural networks |
CN110869128B (zh) | 2018-01-05 | 2021-10-08 | 因美纳有限公司 | 测序***中试剂冷却液不稳定性和流动池加热器故障的预测 |
CN109388127A (zh) * | 2018-10-24 | 2019-02-26 | 华东理工大学 | 电动手术床的故障自检***及方法 |
AT522639B1 (de) * | 2019-06-19 | 2021-01-15 | Engel Austria Gmbh | Vorrichtung und Verfahren zum Visualisieren oder Beurteilen eines Prozesszustandes |
-
2008
- 2008-08-22 CN CNB2008102144100A patent/CN100562825C/zh not_active Expired - Fee Related
Non-Patent Citations (4)
Title |
---|
基于关联维的状态识别技术在LabVIEW环境中的实现. 雷振山.机械设计与制造,第5期. 2006 |
基于关联维的状态识别技术在LabVIEW环境中的实现. 雷振山.机械设计与制造,第5期. 2006 * |
滚动轴承故障在线智能诊断仪. 王平.轴承,第9期. 2003 |
滚动轴承故障在线智能诊断仪. 王平.轴承,第9期. 2003 * |
Also Published As
Publication number | Publication date |
---|---|
CN101339434A (zh) | 2009-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100562825C (zh) | 机械设备故障在线诊断装置及方法 | |
EP3221579B1 (en) | Wind turbine condition monitoring method and system | |
CN102102629B (zh) | 一种风电机组在线数据采集与分析装置 | |
CN111143438B (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
CN104350435A (zh) | Plc平台上用于设备状态监控、诊断以及时间-故障/服务预测的嵌置预报 | |
CN103250107A (zh) | 用于设备故障检测的智能检测***及检测方法 | |
CN106813714A (zh) | 结构健康监测的装置和*** | |
CN102735329A (zh) | 一种船用旋转机械轴系振动状态监测装置及方法 | |
TWI641844B (zh) | 功率模組之錄波方法及錄波裝置 | |
CN107192482A (zh) | 抽水蓄能机组顶盖螺栓受力监测装置及方法 | |
CN1312585C (zh) | 嵌入式旋转机械智能状态监控与故障诊断装置 | |
CN211576413U (zh) | 一种可量值溯源的在线智能双传感器温度监测装置 | |
CN201259472Y (zh) | 机械设备故障在线诊断装置 | |
CN202091172U (zh) | 气体压缩机状态监测和可靠性分析装置 | |
EP3805557A1 (en) | Wind power generation system | |
CN202058148U (zh) | 轴芯轨迹分析仪 | |
CN113482905A (zh) | 连杆大头瓦小头瓦温度监测与故障诊断装置 | |
CN105547450A (zh) | 一种发电机组振动监测*** | |
CN209639753U (zh) | 一种球磨机感知*** | |
CN202631101U (zh) | 一种船用旋转机械轴系振动状态监测装置 | |
CN110703724A (zh) | 基于LabVIEW的密封组件密封试验测控*** | |
CN206436275U (zh) | 一种可自诊断的工业机器人 | |
CN112859725A (zh) | 一种厂房设备状态特征信号监测*** | |
CN116838547B (zh) | 多转子风力发电机的监测方法及多转子风力发电机 | |
CN201237552Y (zh) | 车用柴油机台架试验监测仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
DD01 | Delivery of document by public notice |
Addressee: Lei Zhenshan Document name: Notification to Pay the Fees |
|
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091125 Termination date: 20110822 |