CN109564426A - 振动机的状态监测***的操作方法及状态监测*** - Google Patents
振动机的状态监测***的操作方法及状态监测*** Download PDFInfo
- Publication number
- CN109564426A CN109564426A CN201780050596.8A CN201780050596A CN109564426A CN 109564426 A CN109564426 A CN 109564426A CN 201780050596 A CN201780050596 A CN 201780050596A CN 109564426 A CN109564426 A CN 109564426A
- Authority
- CN
- China
- Prior art keywords
- data
- bobbing machine
- monitoring system
- condition monitoring
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G27/00—Jigging conveyors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Filamentary Materials, Packages, And Safety Devices Therefor (AREA)
Abstract
本发明涉及用于操作呈振动输送机或振动筛形式的振动机(1、1a、1b、1c)的状态监测***(2、2a、2b、2c)的方法。根据所述方法,状态监测***(2、2a、2b、2c)包括用于运动检测和/或加速检测的至少一个传感器(12),至少一个传感器(12)安装于振动机(1、1a、1b、1c),a)传感器(12)生成测量数据,测量数据在与传感器(12)相关联的处理单元(13)中被进一步处理成特征值,b)特征值作为一个数据组或多个数据组被储存,c)数据组和/或被扩展为包括元数据的数据组被传递到数据储存器(6)并且储存于数据储存器(6),d)在考虑到由数据组的提供的信息的情况下和/或基于理论模型生成用于专家***(10)的知识库(8),e)在专家***(10)参与的情况下,在这个或其它振动机(1、1a、1b、1c)的处理单元(13)中分析数据组,f)处理单元(13)产生和/或显示振动机的状态中的诊断和/或异常预报、振动机的维护措施的建议或振动机的失效时间的指示。本发明还涉及用于振动机(1、1a、1b、1c)的状态监测***(2、2a、2b、2c),状态监测***(2、2a、2b、2c)具有用于测量数值的采集的至少一个传感器(12)和用于数据采集和/或数据存档和/或数据分析的一个处理单元(13),其中状态监测***(2、2a、2b、2c)包括显示装置,显示装置被设置为指示振动机(1、1a、1b、1c)的基于数据分析的异常诊断、振动机(1、1a、1b、1c)的维护措施的建议或振动机的失效时间的指示,其中在状态监测***(2、2a、2b、2c)的处理单元(13)与用于基于被传递的数据和/或理论模型生成专家***(10)的外部中央数据储存器(6)之间设置连接,从而产生基于来自专家***(10)的信息/数据的诊断、建议或指示。
Description
技术领域
本发明涉及根据技术方案1的前序部分的用于操作振动机的状态监测***的方法以及根据技术方案7的前序部分的状态监测***。
背景技术
振动机的状态监测在多个方面具有意义。由于振动机承受动态恒定载荷,所以这些机器的多数部件承受高磨损。由于机器部件或整个振动机的失效导致生产损失和收益损失,所以振动机的制造商期望为它们的客户提供尽可能准确的关于何时应当更换磨损部件或何时应当完成维护工作以防止较大的损坏或停机的信息。
从WO 2015/150267 A1已知一种例如能够检测振动或振子的其它参数并且以下述方式分析检测到的振动和振子的其它参数的振动测试***:能够基于检测到的值和振子的预定整体寿命显示振动测试***的剩余寿命。根据DIN 13306,这被称为基于时间的维护,其最终基于经验,该经验是基于时间或基于载荷的。
另外,从WO 2015/117750 A1已知一种包括用于状态监测的装置的振动机,借助于该装置,能够在操作期间计量地检测和分析振动机的振动行为。在该已知的状态监测装置的帮助下,可以确定振动机是否以期望的方式振动并且由此符合其规范。另外,能够发现已经发生的对部件的损坏以及由此引起的从理想振动行为的偏离。就此而论,能够参照基于状态的维护。
然而,对于专家来说,对于由振动行为导致的损坏的解释或者关于必须更换哪个部件或必须执行哪种措施以消除振动行为中的错误的决定仍然是问题。基于专家的经验,他们必须从振动行为的计量地检测的数据推断可能的故障和失效,并且做出适当的决定,或组织有序的处理、维护工作等。
发明内容
在这样的背景下,本发明的目的是进一步发展已知的用于操作振动机的状态监测***的方法并且发展状态监测***。
该目的通过具有技术方案1的特征的用于操作振动机的状态监测***的方法并通过具有技术方案7的特征的状态监测***来实现。
从属技术方案提出了有利的实施方式。
本发明的基本构思是提供一种用于操作振动机的状态监测***的方法,振动机特别是振动筛或振动输送机,其中状态监测***包括:固定到振动机的至少一个传感器,该至少一个传感器被设计为获取测量数据、运动检测和/或加速检测。状态监测被理解为用于以特定的间隔测量单元的实际状态的特征和参数的手动或自动进行的动作。
因此,状态监测***是用于自动执行状态监测的***。
在根据本发明的方法中,在第一步骤a)中,传感器检测在连接到传感器的处理单元中被进一步处理为特征值的信号。由此,通过传感器形式的测量***记录特定操作参数和特定机器参数,其中依据传感器的类型,待测量的物理量被转换成电量。与处理单元的连接可以作为无线连接、无线电连接、数据传送或作为线缆连接而存在。可选地,传感器可以集成在处理单元中或作为处理单元的一部分。
在第二步骤b)中,这些特征作为一个数据组或多个数据组被储存。在第三步骤c)中,计量地检测的数据组可以被扩展为包括元数据,元数据包括关于振动机的现状的信息。在下一个步骤中,随后分析特征值和所储存的数据组。
评估或分析用于以下述方式转换电信号、特征值和数据组:电信号、特征值和数据组与被监测的操作状态和机器状态直接相关。
另外,作为频率分析或轨道分析(orbit analysis)而进行通过转换测量数据而确定的测量数据的评估或分析。
在本发明中,数据组和被扩展为包括元数据的数据组被传递到外部中央数据储存器并且储存于外部中央数据储存器。此外,通过链接由数据组成的信息和关联的语义而生成知识,这也被称为“数据挖掘”。该生成的知识的储存转而被认为是所谓的知识库。然而,可以从两个来源供给知识库,第一,通过使用前述的“数据挖掘”从数据储存器供给知识库,第二,从理论模型供给知识库。
另外,从知识库生成专家***(知识库可以基于上述数据挖掘和基于理论模型)。专家***被理解为意味着这样的软件:其可以通过从知识库取得实用的建议来支持人像专家一样解决复杂的问题。专家***包括知识获取部件和问题解决部件,其中知识获取部件是创建和改善知识库的能力,问题解决部件用于处理在知识库中收集的信息。
在振动机的状态监测中,需要专业知识来解释信号。振动机被认为是行为像刚体并且自由度为六。因此,振动机可以沿x轴线、y轴线和z轴线方向以及围绕这些轴线进行任意复杂度的不同运动模式。
关于分析的结果,特别是状态变量、光谱、轨道等,一方面需要状态监测***的全面的知识,另一方面需要被监测的振动机的因果关系(cause-effect relationships)。该知识对于能够产生诊断并且能够将获得的测量结果对应至具体的损害起因是必要的。在没有该专业知识的情况下,不可能例如为横向加速的持续增大而纵向加速的相位持续减小总结原因。
另外,关于这些状态变量/特征值可能怎样继续随时间发展和机器可能在何时实际上失效(预报)的原因也需要基于类似的、过去的损害模式的经验的全面基础。因此,在振动机的情况下,例如载荷、驱动过程或磨损过程的多种影响因素作用于多种状态变量。在考虑相关的多个状态变量的时间进程(temporal course)以达到充分可靠的诊断和预测的情况下,相关的多个状态变量的挑战对人类比对处理单元提出了更大的问题。这涉及知识的获取以及问题的解决两者。最终,所获取的专家***/人工智能必须能够基于测量数据对一种损坏情况与另一种损坏情况进行区分(诸如区分过载与断裂)。同时,专家***/人工智能必须能够对例如载荷状态、驱动速度、外界温度等的自然且无害的波动与实际损坏状态进行区分。如果充分肯定地作出诊断,则专家***/人工智能必须提供关于直到何时、应进行哪种维护措施(例如更换中空横梁、优化材料进给)以确保优化的预测性维护的支持。这意味着获得的专家***可以被转移回振动机的状态监测***以自动地解释状态监测***处的实时数据组,其中用于专家***的知识库的数据来源于振动机的状态监测***。此外,专家***还可以被转移到其它振动机的状态监测***。
有利地,由处理单元处理的特征值/状态变量涉及来自下述群组的至少一个参数:振幅、振动频率、主振动方向的角度、从标准振动方向的偏离、振动的振动谐度和相位。
因此,可以将特征值的评估或分析作为趋势分析或极限值分析来进行。这里,例如,可以考虑最大值、RMS值或例如频率。根据本发明,以下述方式进行分析:基于特征值和/或处理单元的储存的数据组,振动机的状态中的异常诊断、错误类型、振动机的失效时间的指示和/或维护措施的建议在专家***的参与下被创建和/或显示。在现有的状态监测***仅包括用于测量和分析的处理步骤时,根据本发明的方法对特征值或测量数据进行自动分析和解释,其中分析被限制为将特征值和预定的极限值进行比较。这显著地帮助提高维护的效率和有效性。就此而论,通常参照状态监测专家***或CMES。为了生成状态监测专家***CMES,有利的是上述步骤a)至b)或a)至c)随意重复。
根据本发明的方法超越由人类专家执行解释的方法的优点在于由于自动化和数字信号处理而提供的速度。另外,该方法可以通过积累大量的特征值和数据组来持续发展和/或改进。
另外,可以自由地重现处理步骤和结果。分析后的特征值和数据组结果是数字化的、因而可以被容易地通信和存档。
该方法还提供了:使计量地获取的数据组扩展的元数据包含关于以下的信息:振动机的类别、实际观察到的机器状态、振动机的附加信息、操作信息、环境温度、操作小时数、操作周期、载荷、速度、停机时间和/或已经进行的维护措施。
根据该方法的可选实施方式,可以借助于手动输入或借助于数字数据采集将元数据分配给数据组。
另外,被扩展到包括元数据的数据组也可以被储存、因而可以用于较多使用者或操作者。
可以有利地进行状态监测专家***的知识生成,这是因为特征值的生成、数据组的生成、特征值、被储存的数据组和/或被扩展到包括元数据的数据组的分析是基于经验模型和/或理论模型。
本发明还提供了一种用于振动机的状态监测***,该状态监测***具有被设计成用于采集测量数据的至少一个传感器和被设计成用于数据采集和/或数据存档和/或数据分析的一个处理单元。根据本发明,该状态监测***还包括显示装置,该显示装置被设置为指定基于这个或另外的振动机的数据分析或异常预报的诊断、维护措施的建议或者这个或另外的振动机的失效时间的指示。在状态监测***的处理单元与外部中央数据储存器(或用于以被传送的数据组和/或理论模型为基础生成专家***的外部中央处理单元)之间设置双向连接。由此,可以基于来自专家***的信息/数据对状态监测***进行诊断、建议或规范。
用于振动机的状态监测***的可选实施方式提供了配置于手持装置、便携式装置或在线装置(online device)的传感器和/或处理单元。
虽然手持装置是具有简单操作的十分紧凑的实施方式,但是便携式装置在测量技术方面更全面并且需要在振动机上的更复杂的安装。
相比之下,在线装置被理解成以监测为目的而无限期地安装于机器的永久安装的***。
在该情况下,被证明为特别有利的是,状态监测***具有足够数量的测量通道或传感器,使得可以记录反映振动机的操作状态和/或磨损程度的任何物理参数、特征值。
有利地,状态监测***关于测量通道和传感器被设计为模块化,使得***可以适用于各种振动机类型和***。
附图说明
下面使用流程图进一步详细说明根据本发明的方法,其中进一步公开了本发明的其它特征和优点。
在附图中:
图1是示出根据本发明的一系列方法步骤的流程图。
图2是示出根据本发明的方法的另一实施方式。
图3是示出根据本发明的方法的用于操作状态监测***的过程的示意图。
具体实施方式
核心过程在振动机1的部位3处开始,用于***地产生和处理特征值、数据、信息或知识并且用于将这些特征值、数据、信息和知识集成到状态监测***2中。用于数据采集5的输入变量由振动机的部位3处的信息、振动机1上的信息提供,或者由状态监测***2中包括的一个或多个传感器提供。然而,来自状态监测***2的信息被称为特征值或数据,术语元数据用于来自该部位或振动机自身的信息。从该信息形成特征值、数据、元数据、一个数据组4或更多数据组,然后所述的特征值、数据、元数据、一个数据组4或更多数据组被储存在数据储存器6并且由此可用于数据分析7。数据分析7被理解为意味着通过使用数据挖掘方法将数据或信息转换成知识。为了生成知识,经验学习方法(“数据挖掘”,“机器学习”)通常辅以理论方法。这意味着也能够由数据专家或机器专家基于经验、文献或者基于仿真模型来执行知识的产生。
因此,能够人工地或自动地完成所谓的知识库8的产生或扩展。
知识库8中收集的知识转而流入通常为软件的状态监测专家***10,使得处理单元将基于状态监测专家***10而显示关于被监测的振动机的状态诊断、维护建议和失效预报。
一方面能够由处理单元或者处于振动机1的部位3的远程位置的控制中心来显示这些建议或细节,或者另一方面能够使这些建议或细节可用并直接实施于振动机1。
此外,这些特征值、数据、信息和建议或者知识库8的内容还可以如图2所示地使用和实施,以用于振动机的其它部位或可选部位11。
图2示出了本发明的经验方法的扩展。这里,知识库8被扩展为包括经由数学模型或仿真模型9发展的信息。用于仿真模型的输入通常由外部机器专家提供,外部机器专家从专业文献、特定机器文档或处理振动机的实践经验取得他们的知识。形成用于基于状态的诊断的基础的知识库8的内容包括例如数学和逻辑规则、业务流程、条件概率、神经网络和贝叶斯网络。
图3示意性地示出了根据本发明的利用呈振动筛方式的一个或多个振动机1a、1b、1c操作状态监测***的方法。在振动机1的侧壁,安装至少两个传感器12,传感器12与状态监测***2a、2b、2c的处理单元13数据连接。能够经由无线电连接、有线连接或者经由永久连接或临时连接进行在附图中以虚线示出的数据连接。由传感器12提供的测量数据在处理单元13中被处理成特征值并且储存为数据组。状态监测***2b、2c的处理单元13转而与能够储存一个或多个***监测***2b、2c的数据组的数据储存器6连接。此外,包含计量地检测的特征值的数据组能够被扩展到包括元数据,元数据包含振动机1的实际状态或其它操作信息。从储存的数据组或被扩展到包括元数据的数据组获得信息并且链接信息使得能够生成知识库8。从两个来源供给知识库8,第一,从计量地获取的数据组和被扩展到包括元数据的数据组的数据挖掘供给知识库8,第二,从理论模型或仿真模型9供给知识库8。
储存在知识库8中的知识被传递给能够被称为专家***10的软件。专家***10最终能够被传递给状态监测***2a、2b、2c以在本地(locally)解释测量数据或者从测量数据获得的特征值。从专家***10得出的实用的建议可以转而被“显示于状态监测***2a、2b、2c”。
这样产生的优势是根据本发明的状态监测***2a、2b、2c在解释计量地检测的数据时不再需要人类专家,尽管如此仍确保了基于状态的维护和/或预测性的维护。
附图标记列表
1 振动机
2 状态监测***
3 振动机部位
4 数据组
5 数据采集
6 数据储存器
7 数据分析
8 知识库
9 仿真模型
10 专家***集成软件
11 振动机的可选部位
12 传感器
13 处理单元
Claims (8)
1.一种用于操作振动机(1、1a、1b、1c)的状态监测***(2、2a、2b、2c)的方法,所述振动机呈振动输送机或振动筛的形式,
其中,所述状态监测***(2、2a、2b、2c)包括被设计为用于运动检测和/或加速检测的至少一个传感器(12),所述至少一个传感器(12)安装于所述振动机(1、1a、1b、1c),
a)所述传感器(12)提供测量数据,所述测量数据在与所述传感器(12)连接的处理单元(13)中被进一步处理成特征值,
b)所述特征值作为一个数据组或多个数据组被储存,
c)在考虑到由所述数据组提供的信息的情况下和/或基于理论模型生成用于专家***(10)的知识库(8),
d)在所述专家***(10)参与的情况下,在这个或其它振动机(1、1a、1b、1c)的所述处理单元(13)中分析所述数据组,
e)所述处理单元(13)产生和/或显示所述振动机的状态中的诊断和/或异常预报、所述振动机的维护措施的建议或所述振动机的失效时间的指示。
2.根据权利要求1所述的方法,其特征在于,所述特征值包括来自以下组群的至少一个参数:振幅、振动频率、主振动方向的角度、从标准振动方向的偏离、振动的振动谐度和振动的相位。
3.根据权利要求1或2所述的方法,其特征在于,为了生成用于产生所述专家***(10)的所述知识库(8),每当有需要时重复步骤a)和b)。
4.根据权利要求1至3中任一项所述的方法,其特征在于,包含计量地检测的所述特征值的所述数据组被扩展为包括元数据,所述元数据包含与所述振动机的类别有关的信息、关于所述振动机的附加信息、所述状态监测***的测量参数、操作信息、环境温度、操作时间、操作周期、载荷、速度、停机时间和/或之前的维护措施。
5.根据前述权利要求中任一项所述的方法,其特征在于,借助于手动输入或数字数据采集将所述元数据分配到所述数据组。
6.根据前述权利要求中任一项所述的方法,其特征在于,所述特征值的生成、所述数据组的生成、所述特征值、储存的所述数据组和/或被扩展到包括所述元数据的所述数据组的分析以经验模型和/或理论模型为基础。
7.一种用于振动机(1、1a、1b、1c)的状态监测***(2、2a、2b、2c),所述状态监测***(2、2a、2b、2c)具有被设计为用于测量数值的至少一个传感器(12)和被设计为用于数据采集和/或数据存档和/或数据分析的一个处理单元(13),其中所述状态监测***(2、2a、2b、2c)包括显示装置,所述显示装置被设置为显示所述振动机(1、1a、1b、1c)的基于所述数据分析的异常诊断、所述振动机(1、1a、1b、1c)的维护措施的建议或所述振动机(1、1a、1b、1c)的失效时间的指示,其特征在于,在所述状态监测***(2、2a、2b、2c)的所述处理单元(13)与使用被传递的数据和/或理论模型生成专家***(10)的外部中央数据储存器(6)之间设置连接,从而产生基于来自所述专家***(10)的信息/数据的诊断、建议或指示。
8.一种用于振动机(1、1a、1b、1c)的状态监测***(2、2a、2b、2c),其特征在于,所述传感器(12)和/或所述处理单元(13)被配置于手持装置、便携式装置或在线装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016013406.2A DE102016013406B4 (de) | 2016-11-11 | 2016-11-11 | Verfahren zum Betrieb eines Zustandsüberwachungssystems einer Schwingmaschine und Zustandsüberwachungssystem |
DE102016013406.2 | 2016-11-11 | ||
PCT/EP2017/078933 WO2018087316A1 (de) | 2016-11-11 | 2017-11-10 | Verfahren zum betrieb eines zustandsüberwachungssystems einer schwingmaschine und zustandsüberwachungssystem |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109564426A true CN109564426A (zh) | 2019-04-02 |
Family
ID=60574530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780050596.8A Pending CN109564426A (zh) | 2016-11-11 | 2017-11-10 | 振动机的状态监测***的操作方法及状态监测*** |
Country Status (12)
Country | Link |
---|---|
US (1) | US11378945B2 (zh) |
EP (1) | EP3538963B1 (zh) |
CN (1) | CN109564426A (zh) |
AU (1) | AU2017359003B9 (zh) |
BR (1) | BR112019002721A2 (zh) |
CA (1) | CA3031151C (zh) |
CL (1) | CL2019000257A1 (zh) |
DE (1) | DE102016013406B4 (zh) |
DK (1) | DK3538963T3 (zh) |
RU (1) | RU2720753C1 (zh) |
WO (1) | WO2018087316A1 (zh) |
ZA (1) | ZA201808645B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363339A (zh) * | 2019-07-05 | 2019-10-22 | 南京简睿捷软件开发有限公司 | 一种基于电机参数进行预测性维护的方法与*** |
CN110926737A (zh) * | 2019-11-28 | 2020-03-27 | 上海大学 | 一种基于深度图像的筛板故障智能监测方法 |
CN113093624A (zh) * | 2021-04-09 | 2021-07-09 | 昆明理工大学 | 一种基于室内模拟放矿的微型振动出矿机的模拟放矿方法 |
CN115115165A (zh) * | 2021-03-18 | 2022-09-27 | 西克股份公司 | 具有至少一个设施***的*** |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018203814A1 (de) | 2018-03-13 | 2019-09-19 | Gebhardt Fördertechnik GmbH | Verfahren zur, vorzugsweise vorausschauenden, Instandhaltung eines automatisierten Fördersystems und entsprechendes Fördersystem |
US11899442B2 (en) | 2019-03-16 | 2024-02-13 | Livehooah Technologies Private Limited | System and method for structural health monitoring using internet of things and machine learning |
CA3134850A1 (en) | 2019-04-05 | 2020-10-08 | Blue Sky Ventures (Ontario) Inc. | Vibratory conveyor for conveying items and related filling machine and methods |
CH717336A2 (de) * | 2020-04-21 | 2021-10-29 | Kraemer Ag | Verfahren zur Überprüfung der Funktionsfähigkeit einer Schwingfördervorrichtung. |
CN116419896A (zh) * | 2020-09-25 | 2023-07-11 | 申克加工澳大利亚有限公司 | 估计振动机的累积损坏和疲劳强度的方法 |
CN113933635A (zh) * | 2021-10-25 | 2022-01-14 | 雷沃工程机械集团有限公司 | 一种电器元件电寿命试验***及利用该***试验的方法 |
CN115301552B (zh) * | 2022-09-29 | 2022-12-20 | 河南亿卓机械设备有限公司 | 一种智能分级选矸机智能控制方法及*** |
CN116713709B (zh) * | 2023-05-29 | 2023-12-19 | 苏州索力伊智能科技有限公司 | 一种连接器自动组装设备控制***及其方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1514209A (zh) * | 2003-08-01 | 2004-07-21 | 重庆大学 | 旋转机械故障智能诊断方法与装置 |
CN201302674Y (zh) * | 2008-11-11 | 2009-09-02 | 西安锦程振动科技有限责任公司 | 便携式振动筛测控仪 |
CN102156043A (zh) * | 2010-12-31 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 风力发电机组在线状态监测与故障诊断*** |
CN102509178A (zh) * | 2011-11-25 | 2012-06-20 | 江苏省电力公司淮安供电公司 | 配网设备状态评估*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
DE19542868A1 (de) | 1995-11-17 | 1997-05-22 | Stn Atlas Elektronik Gmbh | Überwachungsvorrichtung für einen im Herstellungsprozeß von Betonformteilen eingesetzten Rüttler |
US6298308B1 (en) * | 1999-05-20 | 2001-10-02 | Reid Asset Management Company | Diagnostic network with automated proactive local experts |
US6308822B1 (en) * | 1999-07-22 | 2001-10-30 | Key Technology, Inc. | Conveying apparatuses, indication assemblies, methods of indicating operation of a conveying apparatus, and methods of operating a conveying apparatus |
EP3527961A1 (en) | 2011-07-14 | 2019-08-21 | S.P.M. Instrument AB | A condition monitoring system |
US9541606B2 (en) * | 2012-12-17 | 2017-01-10 | General Electric Company | Fault detection system and associated method |
US9014945B2 (en) * | 2013-03-08 | 2015-04-21 | General Electric Company | Online enhancement for improved gas turbine performance |
DE102014001515A1 (de) | 2014-02-07 | 2015-08-13 | Schenck Process Gmbh | Schwingmaschine |
CN106461500B (zh) | 2014-04-03 | 2020-04-21 | 布鲁尔及克亚尔Vts有限公司 | 振动测试***及方法 |
CN108700873B (zh) * | 2016-03-09 | 2022-02-11 | 西门子股份公司 | 用于自动化***的现场设备的智能嵌入式控制*** |
-
2016
- 2016-11-11 DE DE102016013406.2A patent/DE102016013406B4/de not_active Expired - Fee Related
-
2017
- 2017-11-10 BR BR112019002721-1A patent/BR112019002721A2/pt unknown
- 2017-11-10 WO PCT/EP2017/078933 patent/WO2018087316A1/de unknown
- 2017-11-10 CA CA3031151A patent/CA3031151C/en active Active
- 2017-11-10 DK DK17808792.0T patent/DK3538963T3/da active
- 2017-11-10 RU RU2019107551A patent/RU2720753C1/ru active
- 2017-11-10 AU AU2017359003A patent/AU2017359003B9/en active Active
- 2017-11-10 CN CN201780050596.8A patent/CN109564426A/zh active Pending
- 2017-11-10 EP EP17808792.0A patent/EP3538963B1/de active Active
-
2018
- 2018-12-20 ZA ZA2018/08645A patent/ZA201808645B/en unknown
-
2019
- 2019-01-31 CL CL2019000257A patent/CL2019000257A1/es unknown
- 2019-05-13 US US16/410,707 patent/US11378945B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1514209A (zh) * | 2003-08-01 | 2004-07-21 | 重庆大学 | 旋转机械故障智能诊断方法与装置 |
CN201302674Y (zh) * | 2008-11-11 | 2009-09-02 | 西安锦程振动科技有限责任公司 | 便携式振动筛测控仪 |
CN102156043A (zh) * | 2010-12-31 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 风力发电机组在线状态监测与故障诊断*** |
CN102509178A (zh) * | 2011-11-25 | 2012-06-20 | 江苏省电力公司淮安供电公司 | 配网设备状态评估*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363339A (zh) * | 2019-07-05 | 2019-10-22 | 南京简睿捷软件开发有限公司 | 一种基于电机参数进行预测性维护的方法与*** |
CN110363339B (zh) * | 2019-07-05 | 2022-03-08 | 南京简睿捷软件开发有限公司 | 一种基于电机参数进行预测性维护的方法与*** |
CN110926737A (zh) * | 2019-11-28 | 2020-03-27 | 上海大学 | 一种基于深度图像的筛板故障智能监测方法 |
CN115115165A (zh) * | 2021-03-18 | 2022-09-27 | 西克股份公司 | 具有至少一个设施***的*** |
CN113093624A (zh) * | 2021-04-09 | 2021-07-09 | 昆明理工大学 | 一种基于室内模拟放矿的微型振动出矿机的模拟放矿方法 |
CN113093624B (zh) * | 2021-04-09 | 2022-05-06 | 昆明理工大学 | 一种基于室内模拟放矿的微型振动出矿机的模拟放矿方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102016013406B4 (de) | 2022-02-03 |
AU2017359003A1 (en) | 2018-08-23 |
CA3031151C (en) | 2021-06-22 |
BR112019002721A2 (pt) | 2019-05-21 |
EP3538963B1 (de) | 2020-12-30 |
WO2018087316A1 (de) | 2018-05-17 |
DE102016013406A1 (de) | 2018-05-17 |
US11378945B2 (en) | 2022-07-05 |
CA3031151A1 (en) | 2018-05-17 |
AU2017359003B9 (en) | 2019-05-23 |
RU2720753C1 (ru) | 2020-05-13 |
CL2019000257A1 (es) | 2019-04-26 |
AU2017359003B2 (en) | 2019-04-11 |
US20190265689A1 (en) | 2019-08-29 |
DK3538963T3 (da) | 2021-03-29 |
ZA201808645B (en) | 2024-05-30 |
EP3538963A1 (de) | 2019-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109564426A (zh) | 振动机的状态监测***的操作方法及状态监测*** | |
Niu | Data-driven technology for engineering systems health management | |
US9869993B2 (en) | System and method for monitoring and/or diagnosing operation of a production line of an industrial plant | |
US7809529B2 (en) | Remote monitoring and diagnostic system | |
CN110837448B (zh) | 远程监控在测试设备中执行的测试的方法和计算设备 | |
US9081883B2 (en) | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan | |
KR100887433B1 (ko) | 시스템-감시 모델들을 갱신하기 위한 시스템, 장치, 및방법들 | |
JP5369246B1 (ja) | 異常予兆診断装置及び異常予兆診断方法 | |
JP6602537B2 (ja) | 遠隔診断システム | |
CN109839915A (zh) | 诊断装置、诊断方法及存储介质 | |
CN110187672A (zh) | 故障诊断装置和机器学习装置 | |
RU2757436C9 (ru) | Устройство и способ контроля указаний на неисправность от транспортного средства, компьютерочитаемый носитель | |
Fredericks et al. | Towards run-time testing of dynamic adaptive systems | |
CN108965795A (zh) | 摄像装置、***以及方法 | |
CN108427374A (zh) | 诊断用数据取得***、诊断用***以及计算机可读介质 | |
EP3866177A1 (en) | Abnormal driving state determination device and method using neural network model | |
CN106662869B (zh) | 用于高级过程控制的***和方法 | |
JP6880560B2 (ja) | 故障予測装置、故障予測方法及び故障予測プログラム | |
KR20180011333A (ko) | 자산에서의 로컬 분석 | |
CN107269518A (zh) | 齿轮马达的故障诊断装置 | |
CN108463806A (zh) | 用于基于预测模型修改数据采集参数的计算机体系结构和方法 | |
JP2022059178A (ja) | 情報処理方法、情報処理装置、制御プログラム、記録媒体、物品の製造方法、学習用データの取得方法 | |
JP2022052351A (ja) | 情報処理方法、情報処理装置、制御プログラム、記録媒体、物品の製造方法、学習用データの取得方法 | |
RU2795745C1 (ru) | Независимая от датчика идентификация неисправности механического станка | |
CN113424115B (zh) | 控制***、可编程逻辑控制器、方法及记录介质 |
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 |