CN109407002A - 电机设备健康管理*** - Google Patents

电机设备健康管理*** Download PDF

Info

Publication number
CN109407002A
CN109407002A CN201811094790.9A CN201811094790A CN109407002A CN 109407002 A CN109407002 A CN 109407002A CN 201811094790 A CN201811094790 A CN 201811094790A CN 109407002 A CN109407002 A CN 109407002A
Authority
CN
China
Prior art keywords
node
motor device
characteristic parameter
device characteristic
sensor
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
Application number
CN201811094790.9A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Fangfan Intelligent Technology Co Ltd
Original Assignee
Dongguan Fangfan Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongguan Fangfan Intelligent Technology Co Ltd filed Critical Dongguan Fangfan Intelligent Technology Co Ltd
Priority to CN201811094790.9A priority Critical patent/CN109407002A/zh
Publication of CN109407002A publication Critical patent/CN109407002A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了电机设备健康管理***，包括现场监测装置和数据处理装置，所述现场监测装置包括传感器节点、汇聚节点；所述传感器节点安装在电机设备上，网络拓扑构建时，多个传感器节点被分为多个簇，每个簇配置一个簇头；传感器节点采集电机设备特征参数，并将采集的电机设备特征参数传递给对应簇头；簇头汇聚所接收的电机设备特征参数并传递至汇聚节点；所述汇聚节点与数据处理装置连接，所述数据处理装置集中处理各个电机设备特征参数并且监测设备状态。

Description

电机设备健康管理***
技术领域
本发明涉及设备故障监测领域，具体涉及电机设备健康管理***。
背景技术
在现代化标准厂房的生产现场中，广泛部署有各类大型机组，机组具有“三大”(体积大、功率大、流量大)、“三高”(转速高、压力高、运行检修及时性要求高)的特点，其工作环境兼具高温、高压(超高压)、磨蚀等特点，这些因素极易导致设备突发故障的发生，对工业设备安全、连续、可靠的运行造成威胁。
决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是只管运用概率分析的一种图解方法。贝叶斯网络是一个有向无环图，通过一个条件概率分布直观地表达各个变量之间的依赖关系。因此将决策树-贝叶斯网络应用到电机故障诊断中，可以有效的处理不确定信息，从而得到正确的结果。
发明内容
针对上述问题，本发明提供电机设备健康管理***。
本发明的目的采用以下技术方案来实现：
提供了电机设备健康管理***，包括现场监测装置和数据处理装置，所述现场监测装置包括传感器节点、汇聚节点；所述传感器节点安装在电机设备上，网络拓扑构建时，多个传感器节点被分为多个簇，每个簇配置一个簇头；传感器节点采集电机设备特征参数，并将采集的电机设备特征参数传递给对应簇头；簇头汇聚所接收的电机设备特征参数并传递至汇聚节点；所述汇聚节点与数据处理装置连接，所述数据处理装置集中处理各个电机设备特征参数并且监测设备状态。
优选地，所述传感器节点包括传感器单元、供电单元、射频单元、处理单元；
所述传感器单元用于监测的电机设备特征参数的采集和数据转换；所述处理单元为传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个传感器节点各个单元的工作；所述射频单元用于与其他传感器节点以及汇聚节点通信；所述供电单元负责给整个传感器节点各个单元提供电源。
其中，所述数据处理装置集中处理各个电机设备特征参数并且监测设备状态，包括：
(1)整理电机故障状态信息，构建专家知识库；
(2)根据电机的工作手册和专家知识库以及所述各个电机设备特征参数，整理出电机发生故障时的特征信息，建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(3)将决策树模型转换为决策树-贝叶斯网络模型；
(4)实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(5)遍历建立的决策树-贝叶斯网络模型；
(6)检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(7)根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
本发明的有益效果为：通过无线传感器网络技术实现了电机设备特征参数的实时采集；通过建立决策树-贝叶斯网络模型可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果，实现了对电机设备健康的管理。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明一个实施例的电机设备健康管理***的结构示意框图；
图2是本发明一个实施例的传感器节点的框图示意图。
附图标记：
现场监测装置1、数据处理装置2、传感器单元10、供电单元20、射频单元30、处理单元40。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例提供的电机设备健康管理***，包括现场监测装置1和数据处理装置2，所述现场监测装置1包括传感器节点、汇聚节点；所述传感器节点安装在电机设备上，网络拓扑构建时，多个传感器节点被分为多个簇，每个簇配置一个簇头；传感器节点采集电机设备特征参数，并将采集的电机设备特征参数传递给对应簇头；簇头汇聚所接收的电机设备特征参数并传递至汇聚节点；所述汇聚节点与数据处理装置2连接，所述数据处理装置2集中处理各个电机设备特征参数并且监测设备状态。
其中，所述数据处理装置2集中处理各个电机设备特征参数并且监测设备状态，包括：
(1)整理电机故障状态信息，构建专家知识库；
(2)根据电机的工作手册和专家知识库以及所述各个电机设备特征参数，整理出电机发生故障时的特征信息，建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(3)将决策树模型转换为决策树-贝叶斯网络模型；
(4)实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(5)遍历建立的决策树-贝叶斯网络模型；
(6)检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(7)根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
在一种优选实施的方式中，如图2所示，所述传感器节点包括传感器单元10、供电单元20、射频单元30、处理单元40；
所述传感器单元10用于监测的电机设备特征参数的采集和数据转换；所述处理单元40为传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个传感器节点各个单元的工作；所述射频单元30用于与其他传感器节点以及汇聚节点通信；所述供电单元20负责给整个传感器节点各个单元提供电源。
本发明上述实施例通过无线传感器网络技术实现了电机设备特征参数的实时采集；通过建立决策树-贝叶斯网络模型可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。
在一种能够实现的方式中，定义在传感器节点传输范围内的其他传感器节点为其邻居节点；各传感器节点通过周期性地交换信息获取邻居节点标识及位置信息。在一种能够实现的方式中，传感器节点将采集的电机设备特征参数传递给对应簇头，包括：
(1)根据下列公式确定源节点到对应簇头的传输路径长度k，该源节点为需要向对应簇头发送所采集的电机设备特征参数的传感器节点：
式中，di，o为源节点i到对应簇头的距离，dmin为预设的距离下限，int为取整函数；int表示取整；
(2)若k≤1，源节点直接将电机设备特征参数传输至对应簇头；若k>1，源节点在其邻居节点中选择一个邻居节点作为下一跳，即为该跳的目的节点，源节点采用直接传输方式或者通过协作节点传输的方式将所采集的电机设备特征参数发送至目的节点；
(3)将该跳的目的节点视为下一跳的源节点，令k＝k-1，该下一跳的源节点执行(2)，直至电机设备特征参数被传递至簇头。
本实施例中，根据源节点到对应簇头的传输路径长度来确定用于转发电机设备特征参数的下一跳节点的数目，从而限定了传输电机设备特征参数的跳数，有利于避免多跳传输过程中的能量浪费。
其中，源节点采用直接传输方式或者通过协作节点传输的方式将所采集的电机设备特征参数发送至目的节点，包括：源节点在第一次发送电机设备特征参数给其目的节点时，通过协作节点传输的方式将电机设备特征参数传递至该跳的目的节点，并计算过程中的能量消耗，得到第一能量消耗；在第二次发送电机设备特征参数时，源节点直接将电机设备特征参数发送至该跳的目的节点，并计算过程中的能量消耗，得到第二能量消耗；源节点比较所述第一能量消耗和第二能量消耗，若所述第一能量消耗小于第二能量消耗，在后续的电机设备特征参数传输时，源节点均通过协作节点协作传输的方式将电机设备特征参数传递至该跳的目的节点；若所述第一能量消耗不小于第二能量消耗，在后续的电机设备特征参数传输时，源节点直接将电机设备特征参数发送至该跳的目的节点，其中每次发送的电机设备特征参数的数量相同。
本实施例中，源节点将电机设备特征参数发送至目的节点时，在开始时通过直接传输方式、通过协作节点传输的方式这两种方式来传输电机设备特征参数，从而能够便捷获取该两种方式的能耗，源节点还将能耗最小的传输方式作为后续电机设备特征参数传递的方式，有利于降低电机设备特征参数传输的能耗。
在一个实施例中，所述通过协作节点传输的方式将电机设备特征参数传递至该跳的目的节点，具体为：
(1)源节点在其邻居节点中选择n个邻居节点作为协作节点，当源节点的邻居节点数目小于n时，选择全部邻居节点作为源节点的协作节点，其中，协作节点的数目按照下列公式确定：
当时，n＝1；
当时，
式中，N为网络中部署的传感器节点数量，U为所述监测区域的面积，dm为源节点到其目的节点的距离；
(2)源节点利用多元正交幅度调制的方式调制电机设备特征参数，然后将经调制的电机设备特征参数以广播的方式传递给它的各个协作节点；
(3)源节点及其各协作节点对电机设备特征参数进行压缩编码后，将压缩编码后的电机设备特征参数传递至目的节点。
其中，由簇头对压缩编码后的电机设备特征参数进行译码，以重构电机设备特征参数。
本实施例设定了单跳协作传输电机设备特征参数的具体方式，其中根据源节点到目的节点的距离，设定了协作节点的数目确定公式，从而源节点能够根据该公式确定单跳协作传输的具体参数。通过源节点和各协作节点对电机设备特征参数进行压缩编码再发送至目的节点，有益于节省电机设备特征参数收集能耗。
在一个实施例中，源节点在其邻居节点中选择n个邻居节点作为协作节点，包括：
(1)计算各邻居节点的权值：
式中，Wij表示源节点i的第j个邻居节点的权值，9表示源节点i的目的节点，dip为源节点i与其目的节点9的距离，djp为所述第j个邻居节点与目的节点p的距离，dij为源节点i与所述第j个邻居节点的距离，Ej为所述第j个邻居节点的当前剩余能量，Ej0为所述第j个邻居节点的初始能量，Ei0为源节点i的初始能量；λ1、λ2为预设的权重系数；f(djp，dip)为判断取值函数，当djp<dip时，f(djp，dip)＝1，当djp≥dip时，f(djp，dip)＝0；
(2)按照权值从大到小的顺序对各邻居节点进行排列，源节点选择前n个邻居节点作为协作节点。
本实施例设定了邻居节点的权值计算公式，由该计算公式可知，剩余能量越多、位置优势越大的邻居节点具有更大的权值。源节点按照权值从大到小的顺序对各邻居节点进行排列，并选择前n个邻居节点作为协作节点，使得筛选出的协作节点能够有效完成协作传输电机设备特征参数的任务，且有益于节省协作传输电机设备特征参数的能耗。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.电机设备健康管理***，其特征是，包括现场监测装置和数据处理装置，所述现场监测装置包括传感器节点、汇聚节点；所述传感器节点安装在电机设备上，网络拓扑构建时，多个传感器节点被分为多个簇，每个簇配置一个簇头；传感器节点采集电机设备特征参数，并将采集的电机设备特征参数传递给对应簇头；簇头汇聚所接收的电机设备特征参数并传递至汇聚节点；所述汇聚节点与数据处理装置连接，所述数据处理装置集中处理各个电机设备特征参数并且监测设备状态。
2.根据权利要求1所述的电机设备健康管理***，其特征是，所述传感器节点包括传感器单元、供电单元、射频单元、处理单元；
所述传感器单元用于监测的电机设备特征参数的采集和数据转换；所述处理单元为传感器节点的中央处理器，处理各个传感器采集数据的处理和控制，协调整个传感器节点各个单元的工作；所述射频单元用于与其他传感器节点以及汇聚节点通信；所述供电单元负责给整个传感器节点各个单元提供电源。
3.根据权利要求1所述的电机设备健康管理***，其特征是，所述数据处理装置集中处理各个电机设备特征参数并且监测设备状态，包括：
(1)整理电机故障状态信息，构建专家知识库；
(2)根据电机的工作手册和专家知识库以及所述各个电机设备特征参数，整理出电机发生故障时的特征信息，建立故障决策树模型，根据专家知识库计算决策树各个节点的概率；
(3)将决策树模型转换为决策树-贝叶斯网络模型；
(4)实时数据采集，通过专家知识库和工作手册判断电机故障类别；
(5)遍历建立的决策树-贝叶斯网络模型；
(6)检测决策树-贝叶斯网络的触底事件，若与实时故障类别相同则记录遍历过的节点；
(7)根据决策树-贝叶斯网络节点的概率形成故障原因诊断报告。
4.根据权利要求1所述的电机设备健康管理***，其特征是，定义在传感器节点传输范围内的其他传感器节点为其邻居节点；各传感器节点通过周期性地交换信息获取邻居节点标识及位置信息；传感器节点将采集的电机设备特征参数传递给对应簇头，包括：
(1)根据下列公式确定源节点到对应簇头的传输路径长度k，该源节点为需要向对应簇头发送所采集的电机设备特征参数的传感器节点：
式中，di，o为源节点i到对应簇头的距离，dmin为预设的距离下限，int为取整函数；int表示取整；
(2)若k≤1，源节点直接将电机设备特征参数传输至对应簇头；若k＞1，源节点在其邻居节点中选择一个邻居节点作为下一跳，即为该跳的目的节点，源节点采用直接传输方式或者通过协作节点传输的方式将所采集的电机设备特征参数发送至目的节点；
(3)将该跳的目的节点视为下一跳的源节点，令k＝k-1，该下一跳的源节点执行(2)，直至电机设备特征参数被传递至簇头。
5.根据权利要求4所述的电机设备健康管理***，其特征是，源节点采用直接传输方式或者通过协作节点传输的方式将所采集的电机设备特征参数发送至目的节点，包括：源节点在第一次发送电机设备特征参数给其目的节点时，通过协作节点传输的方式将电机设备特征参数传递至该跳的目的节点，并计算过程中的能量消耗，得到第一能量消耗；在第二次发送电机设备特征参数时，源节点直接将电机设备特征参数发送至该跳的目的节点，并计算过程中的能量消耗，得到第二能量消耗；源节点比较所述第一能量消耗和第二能量消耗，若所述第一能量消耗小于第二能量消耗，在后续的电机设备特征参数传输时，源节点均通过协作节点协作传输的方式将电机设备特征参数传递至该跳的目的节点；若所述第一能量消耗不小于第二能量消耗，在后续的电机设备特征参数传输时，源节点直接将电机设备特征参数发送至该跳的目的节点，其中每次发送的电机设备特征参数的数量相同。
6.根据权利要求4所述的电机设备健康管理***，其特征是，所述通过协作节点传输的方式将电机设备特征参数传递至该跳的目的节点，具体为：
(1)源节点在其邻居节点中选择n个邻居节点作为协作节点，当源节点的邻居节点数目小于n时，选择全部邻居节点作为源节点的协作节点，其中，协作节点的数目按照下列公式确定：
当时，n＝1；
当时，
式中，N为网络中部署的传感器节点数量，U为所述监测区域的面积，dm为源节点到其目的节点的距离；
(2)源节点利用多元正交幅度调制的方式调制电机设备特征参数，然后将经调制的电机设备特征参数以广播的方式传递给它的各个协作节点；
(3)源节点及其各协作节点对电机设备特征参数进行压缩编码后，将压缩编码后的电机设备特征参数传递至目的节点。
CN201811094790.9A 2018-09-19 2018-09-19 电机设备健康管理*** Pending CN109407002A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811094790.9A CN109407002A (zh) 2018-09-19 2018-09-19 电机设备健康管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811094790.9A CN109407002A (zh) 2018-09-19 2018-09-19 电机设备健康管理***

Publications (1)

Publication Number Publication Date
CN109407002A true CN109407002A (zh) 2019-03-01

Family

ID=65465705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811094790.9A Pending CN109407002A (zh) 2018-09-19 2018-09-19 电机设备健康管理***

Country Status (1)

Country Link
CN (1) CN109407002A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2806854A1 (en) * 2010-06-24 2011-12-29 Brian Pepin Flat-hierarchy system for condition-based monitoring of distributed equipment
CN103686855A (zh) * 2013-11-18 2014-03-26 中国科学院上海微***与信息技术研究所 一种无线传感器网络数据汇聚方法
CN106851768A (zh) * 2016-12-30 2017-06-13 北京航空航天大学 服务质量保证的自适应跨层多址接入方法及***
CN107818669A (zh) * 2017-11-06 2018-03-20 潘柏霖 一种风电机组无线监测及预警***
CN108345723A (zh) * 2018-01-24 2018-07-31 江苏新中天塑业有限公司 一种基于决策树和贝叶斯网络的电机故障诊断***及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2806854A1 (en) * 2010-06-24 2011-12-29 Brian Pepin Flat-hierarchy system for condition-based monitoring of distributed equipment
CN103686855A (zh) * 2013-11-18 2014-03-26 中国科学院上海微***与信息技术研究所 一种无线传感器网络数据汇聚方法
CN106851768A (zh) * 2016-12-30 2017-06-13 北京航空航天大学 服务质量保证的自适应跨层多址接入方法及***
CN107818669A (zh) * 2017-11-06 2018-03-20 潘柏霖 一种风电机组无线监测及预警***
CN108345723A (zh) * 2018-01-24 2018-07-31 江苏新中天塑业有限公司 一种基于决策树和贝叶斯网络的电机故障诊断***及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李志华: "《网络拓扑结构控制算法与仿真》", 31 December 2015, 江西人民出版社 *

Similar Documents

Publication Publication Date Title
US9432248B2 (en) Dynamically computing fate sharing in computer networks using learning machines
CN111682639A (zh) 基于无线多跳网络的配电房全感知监测运维***及方法
CN106993059A (zh) 一种基于NB‑IoT的农情监控***
CN103416041B (zh) 远程缝合的有向非循环图
CN109547966A (zh) 输电线路无线传感器网络的路由规划及故障诊断备份方法
CN105790990B (zh) 一种监管配用电通信业务的方法及其***
CN103999510A (zh) 用于简约连接对象网络的辅助智能路由
CN107317706A (zh) 一种输电线路智能监测***
CN109005519A (zh) 电机设备故障智能监测***
CN109313841A (zh) 用于在传感器网络中实现自适应聚类的方法和***
CN104735741A (zh) 一种企业配用电安全无线传感网
Sarao Machine learning and deep learning techniques on wireless networks
Diaz et al. A review on self-healing and self-organizing techniques for wireless sensor networks
CN108377261A (zh) 一种基于工业无线传感网络的电机故障诊断***及方法
Carrabs et al. Extending lifetime through partial coverage and roles allocation in connectivity-constrained sensor networks
CN109278793A (zh) 列车轨道状态智能检测***
CN109219009A (zh) 电机设备健康管理***
CN104950840A (zh) 一种电池组监控传输***及方法
CN109040996A (zh) 加油站智能******
CN109278794A (zh) 列车轨道异常检测***
CN109407002A (zh) 电机设备健康管理***
CN107450343A (zh) 一种智能家居无线控制***
Rountos et al. Energy efficient routing in wireless sensor networks: A comparative study on leach protocol and its successors
Kang et al. ZigBee wireless network for transformer load monitoring and temperature sensitivity analysis
CN109040216A (zh) 输电线路无线智能监测***

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301

RJ01 Rejection of invention patent application after publication