CN111609882A - 一种大型复合式干法分选机故障智能诊断***及方法 - Google Patents
一种大型复合式干法分选机故障智能诊断***及方法 Download PDFInfo
- Publication number
- CN111609882A CN111609882A CN202010412677.1A CN202010412677A CN111609882A CN 111609882 A CN111609882 A CN 111609882A CN 202010412677 A CN202010412677 A CN 202010412677A CN 111609882 A CN111609882 A CN 111609882A
- Authority
- CN
- China
- Prior art keywords
- fault
- separator
- vibration
- data
- motor
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种大型复合式干法分选机故障智能诊断***及方法,涉及选矿机械领域,所述***包括检测模块和分析诊断模块;所述检测模块用于检测复合式干法分选机轴承和电机温度、电机振幅及频率、梁的形变及分选机噪声分贝,并将检测数据传输至所述分析诊断模块;所述分析诊断模块用于分析检测数据和判断复合式干法分选机是否出现机械故障并存储故障波形,对故障类型进行预测及判断,发布故障建议解决方法并发送报警信息。本发明的复合式干法分选机故障智能诊断***及方法可以保证设备的安全运行、预防和减少事故的发生,提高生产效率,减少选煤厂的经济损失。
Description
技术领域
本发明涉及选矿机械领域,更具体地说,涉及一种大型复合式干法分选机故障智能诊断***及方法。
背景技术
我国煤炭资源丰富,但由于西部地区“富煤少水”特点,以及煤炭巨大的消费量、产量对于国民的生存环境和生态安全带来了严峻的挑战,需提高煤炭产品质量以及煤炭燃前的预处理提质。选煤是煤炭清洁利用的基础,高效的干法选煤技术的应用与推广对于煤炭资源的深加工起到重要作用,因此需推广节水环保的煤炭干法分选装置。复合式干法分选机不需水、工艺简单,能够用于分选褐煤等易泥化煤、高硫煤脱硫及炼焦煤预排矸,但由于其体积较大且属于振动装备,机械结构容易出现结构疲劳,导致梁等主体部件断裂,若不及时发现并排除故障,容易在振动的作用下导致整机大面积毁坏,同时激振装置是高速旋转部件,如果轴承、电动机等出现故障,若不及时排除故障,也容易引发更大面积的损坏,给生产带来损失。加强复合式干法分选机状态监测和故障诊断可以保证设备的安全运行、预防和减少事故的发生,提高生产效率,减少选煤厂的经济损失。因此发明针对复合式干法分选机的智能故障诊断方法是提高复合式干法分选机分选效率的关键。
发明内容
发明目的:针对大型复合式分选机容易发生结构疲劳及部件故障,在发生故障时停工检修耗时耗力,无法明确故障来源这一情况,本发明提出一种故障智能诊断***及方法,对复合式干法分选机的异常情况进行实时远程监测和预先故障诊断。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种大型复合式干法分选机故障智能诊断***及方法。
所述***包括检测模块和分析诊断模块;所述检测模块用于复合式干法分选机轴承和电机温度、电机振幅及频率、梁的形变及分选机噪声分贝,并将检测信息传输至所述分析诊断模块;所述分析诊断模块用于分析检测信息和判断复合式干法分选机是否出现机械故障并存储故障波形,对故障类型进行预测及判断,给出故障建议解决方法并发送报警信息。
所述检测模块包括温度传感器,应变传感器,振动传感器,噪声传感器。所述温度传感器用于检测轴承及振动电机温度情况,分别集成于电动机内部定子三相绕组、前轴及后轴处,由电机侧部接线箱引出传感器数据端口,用于监测电机及轴承温度。所述应变传感器用于检测分选机梁的变形情况,将应变变化转换为电阻变化,安装于分选机梁上。所述振动传感器用于检测振动电机振动频率及振幅,其内部利用压电效应制成的机电换能器,输出端产生与所承受的加速度成正比例的电荷或电压值,所述振动传感器分别安装于电动机驱动端盖、非驱动端盖及机侧中部振动监测点,用于监测电机处的振动状况。所述噪声传感器用于检测分选机发出的噪声分贝,将声信号转化为电信号,为了减弱分选机振动对噪声传感器的影响,将其安装于离分选机一定距离处的一个固定支架上,检测噪声信号的强度。
所述分析诊断模块包括数据采集器,数据管理服务器,故障监控平台及报警器。所述数据采集器用于将温度传感器,应变传感器,振动传感器和噪声传感器采集的模拟量信号转换为数字量信号存储在数据管理服务器内。所述数据管理服务器通过故障智能诊断方法对数据进行分析,深度挖掘信号中的异常,将监测波形及异常特征量发送给故障监控平台,同时对故障波形进行储存。
所述故障监控平台用于根据监测波形及异常特征量时做出相应处理,故障监控平台将数据管理服务器传输的监测波形及异常特征量发送给云端诊断子***,云端诊断子***与大数据库相连,大数据中存有不同故障类型及故障建议解决方法。通过检索大数据库中的储存波形及异常特征量与处理方案,对故障进行处理,并将对比结果进行显示并进行故障类型判断。当故障波形可在大数据库中检索到,云端诊断子***可将故障类型及大数据库中给出的处理方案发回到故障监控平台,并通过报警器进行声光报警。若无法在大数据库中检索到,则将故障发送给人工专家,同时搜索相似案例,并将相似案例的故障建议解决方法发送给故障监控平台,辅助解决故障,并通过报警器进行声光报警,故障监控平台可根据不同程度的故障传递给声光报警器不同信息。
所述报警器用于接收来自故障监控平台的信号,对针对不同程度的故障发出警报,所述报警器为声光报警器。若无故障发生,报警器显示绿灯。若故障可在大数据库中被检索,仅仅为温度及噪声异常,并无其他故障发生,报警器则仅亮黄灯;若云端诊断子***显示梁及轴承断裂,会对设备造成大面积损坏,则报警器亮红灯并发出警报声。若故障不能在数据库中被检索,则报警器亮红灯并闪烁。
本发明还提出了一种大型复合式干法分选机故障智能诊断方法,包括以下步骤:
步骤一:设置监测点,实时采集复合式干法分选机轴承和电机温度、电机振幅及频率、梁的形变及分选机噪声分贝数据;
步骤二:设定温度、应变、振动、噪声的上限和下限阈值以及数据异常容忍时间;对采集数据进行时域分析,提取每一时刻的温度、应变、振动、噪声波形特征量;
步骤三:将特征量与阈值逐个进行比较,若特征量超出上限阈值或低于下限阈值,则判定该特征量数值超界,数据异常;若数据异常连续存在时间超出设定的数据异常容忍时间,则判定相应监测点发生故障;
步骤四:将监测波形及异常特征量发送给云端,检索云端大数据库,与故障波形相对比,对故障类型进行初步判断,并发布大数据库中的故障建议解决方法。
有益效果:与现有技术相比,本发明的技术方案具有以下有益的技术效果:
本发明能对复合式干法分选机的异常情况进行实时远程监测和预先故障诊断,并能及时发现其故障所在给出故障建议解决方法。便于工作人员及时做出相应处理。克服了传统停电检修的不足灵敏度高,响应快,可靠性好,并避免了重大故障的产生,减少了生产损失。
附图说明
图1是大型复合式干法分选机故障智能诊断***结构图;
图2是大型复合式干法分选机故障智能诊断方法流程图。
具体实施方式
为了更好的解释本发明以便于理解,下面结合附图和实施例,对本发明作详细描述。
本发明所述的一种大型复合式干法分选机故障智能诊断***,包括检测模块和分析诊断模块;所述检测模块用于复合式干法分选机轴承和电机温度、电机振幅及频率、梁的形变及分选机噪声分贝,并将检测信息传输至所述分析诊断模块;所述分析诊断模块用于分析检测信息和判断复合式干法分选机是否出现机械故障并存储故障波形,对故障类型进行预测及判断,给出故障建议解决方法并发送报警信息。
如图1所示,所述检测模块包括温度传感器101,应变传感器102,振动传感器103,噪声传感器104;所述分析诊断模块包括数据采集器105,数据管理服务器106,故障监控平台107及报警器108。
所述温度传感器101用于检测振动电机与轴承温度情况,分别集成于电动机内部定子三相绕组、前轴及后轴处,由电机侧部接线箱引出传感器数据端口,用于监测电机与轴承温度。
所述应变传感器102用于检测分选机梁的应变情况,将床层应变变化转换为电阻变化,安装于分选机侧梁及底梁上。
所述振动传感器103用于检测振动电机频率及振幅,内部利用压电效应制成的机电换能器,输出端产生与所承受的加速度成正比例的电荷或电压值。振动传感器分别安装于电动机驱动端盖、非驱动端盖及机侧中部振动监测点,用于监测电机处的振动状况。
所述噪声传感器104用于检测分选机发出的噪声分贝,将声信号转化为电信号,安装于离分选机一定距离处的一个固定支架上,检测噪声信号的强度。
所述数据采集器105将温度传感器101,应变传感器102,振动传感器103和噪声传感器104采集的模拟量信号转换为数字量信号存储在数据管理服务器106内,数据管理服务器106对信号进行分析,并将分析后的信号发送给故障监控平台107。
所述故障监控平台107根据接收到的信号及时做出相应处理。故障监控平台107将数据管理服务器106传输的监测波形及异常特征量发送给云端诊断子***,云端诊断子***与大数据库相连,大数据中存有不同故障类型及故障建议解决方法,通过检索大数据库中的储存波形及异常特征量与处理方案,对故障进行处理,并将对比结果进行显示并进行故障类型判断。当故障监控平台107与云端诊断子***检测出故障发生时,报警器108发出警报,同时云端诊断子***通过搜索大数据库给出故障建议解决方法并发送回故障监控平台107,若大数据库中检索不到故障信息时,则检索相似案例,并将相似案例与故障建议解决方法发送回故障监控平台。
所述报警器108对超过阈值的检测信号发出警报,所述报警器108为声光报警器。若无故障发生,报警器108显示绿灯。若故障可在大数据库中被检索,仅仅为温度及噪声异常,并无其他故障发生,报警器108则仅亮黄灯,并将故障建议解决方法并发送回故障监控平台;若云端诊断子***显示梁及轴承断裂,会对设备造成大面积损坏,则报警器108亮红灯并发出警报声,通过云诊断进行快速辅助诊断后,将故障建议解决方法发送回故障监控平台的同时发送给人工专家109。若故障不能在数据库中被检索,则报警器108亮红灯并闪烁,同时搜索较为相似案例,将相似案例及障建议解决方法发送回故障监控平台,并发送给人工专家109,辅助解决故障。
本发明所述的一种大型复合式干法分选机故障智能诊断方法,流程如图2所示,包括以下步骤:
S01,设置监测点,实时采集复合式干法分选机轴承和电机温度、电机振幅及频率、梁的形变及分选机噪声分贝数据;
S02,设定温度、应变、振动、噪声的上限和下限阈值以及数据异常容忍时间;对采集数据进行时域分析,提取每一时刻的温度、应变、振动、噪声波形特征量;
S03,将特征量与阈值逐个进行比较,若特征量超出上限阈值或低于下限阈值,则判定该特征量数值超界,数据异常;若数据异常连续存在时间超出设定的数据异常容忍时间,则判定相应监测点发生故障;
S04,将监测波形及异常特征量发送给云端,检索云端大数据库,与故障波形相对比,对故障类型进行初步判断,并发布大数据库中的故障建议解决方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种大型复合式干法分选机故障智能诊断***,其特征在于:包括检测模块和分析诊断模块;所述检测模块包括温度传感器,应变传感器,振动传感器,噪声传感器;所述分析诊断模块包括数据采集器,数据管理服务器,故障监控平台及报警器;
所述温度传感器,用于检测轴承及振动电机温度,分别集成于电动机内部定子三相绕组、前轴及后轴处,由电机侧部接线箱引出传感器数据端口;所述应变传感器,用于检测分选机梁的变形情况,安装于分选机梁上;所述振动传感器,用于检测振动电机振动频率及振幅,分别安装于电动机驱动端盖、非驱动端盖及机侧中部振动监测点,用于监测电机处的振动状况;所述噪声传感器,用于检测分选机发出的噪声分贝,安装于离分选机一定距离处的一个固定支架上;
所述数据采集器,用于将所述检测模块采集的模拟量信号转换为数字量信号并发送到数据管理服务器进行数据分析与存储;所述数据管理服务器,用于分析数据采集器传输的数字量信号中的异常,将监测波形及异常特征量发送给故障监控平台,同时对故障波形进行储存;
所述故障监控平台,用于根据数据管理服务器发送的监测波形及异常特征量,将实时故障诊断结果与云端诊断子***的故障诊断结果进行对比并显示对比结果,根据对比结果对故障类型进行预判,结合云端诊断子***发布故障建议解决方法,同时发送给人工专家,并通过报警器进行报警;所述报警器,用于对超过阈值的检测信号发出警报,针对不同程度的故障发出不同警报,所述报警器为声光报警器。
2.一种大型复合式干法分选机故障智能诊断方法,其特征在于:包括以下步骤:
步骤一:设置监测点,实时采集复合式干法分选机轴承和电机温度、电机振幅及频率、梁的形变及分选机噪声分贝数据;
步骤二:设定温度、应变、振动、噪声的上限和下限阈值以及数据异常容忍时间;对采集数据进行时域分析,提取每一时刻的温度、应变、振动、噪声波形特征量;
步骤三:将特征量与阈值逐个进行比较,若特征量超出上限阈值或低于下限阈值,则判定该特征量数值超界,数据异常;若数据异常连续存在时间超出设定的数据异常容忍时间,则判定相应监测点发生故障;
步骤四:将监测波形及异常特征量发送给云端,检索云端大数据库,与故障波形相对比,对故障类型进行初步判断,并发布大数据库中的故障建议解决方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010412677.1A CN111609882A (zh) | 2020-05-15 | 2020-05-15 | 一种大型复合式干法分选机故障智能诊断***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010412677.1A CN111609882A (zh) | 2020-05-15 | 2020-05-15 | 一种大型复合式干法分选机故障智能诊断***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111609882A true CN111609882A (zh) | 2020-09-01 |
Family
ID=72194662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010412677.1A Pending CN111609882A (zh) | 2020-05-15 | 2020-05-15 | 一种大型复合式干法分选机故障智能诊断***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111609882A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112865020A (zh) * | 2020-12-22 | 2021-05-28 | 赣州好朋友科技有限公司 | 振动斗工作保护电路和选矿机 |
CN114001890A (zh) * | 2021-10-25 | 2022-02-01 | 河北白沙烟草有限责任公司 | 一种基于振动与噪声数据分析的卷接设备状况监控方法、***、终端及存储介质 |
CN117346842A (zh) * | 2023-11-14 | 2024-01-05 | 广东材通实业有限公司 | 一种电机接线盒的故障检测方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838637A (zh) * | 2014-03-03 | 2014-06-04 | 江苏智联天地科技有限公司 | 基于数据挖掘的终端自主故障诊断与恢复方法 |
CN103913193A (zh) * | 2012-12-28 | 2014-07-09 | 中国科学院沈阳自动化研究所 | 一种基于工业无线技术的设备故障预维护方法 |
CN105807743A (zh) * | 2016-03-15 | 2016-07-27 | 国网江苏省电力公司电力科学研究院 | 变电站设备故障缺陷分析远程支撑*** |
CN107132063A (zh) * | 2017-04-12 | 2017-09-05 | 柳州易农科技有限公司 | 一种农业机械故障识别*** |
CN108270866A (zh) * | 2018-01-23 | 2018-07-10 | 临沂矿业集团有限责任公司 | 一种采煤机健康度监测和故障诊断*** |
CN108872853A (zh) * | 2018-05-07 | 2018-11-23 | 苏州热工研究院有限公司 | 一种大型汽轮发电机转子振动高的故障诊断方法 |
CN110782190A (zh) * | 2019-12-04 | 2020-02-11 | 江苏方天电力技术有限公司 | 基于泛在电力物联网技术的调相机远程诊断*** |
-
2020
- 2020-05-15 CN CN202010412677.1A patent/CN111609882A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913193A (zh) * | 2012-12-28 | 2014-07-09 | 中国科学院沈阳自动化研究所 | 一种基于工业无线技术的设备故障预维护方法 |
CN103838637A (zh) * | 2014-03-03 | 2014-06-04 | 江苏智联天地科技有限公司 | 基于数据挖掘的终端自主故障诊断与恢复方法 |
CN105807743A (zh) * | 2016-03-15 | 2016-07-27 | 国网江苏省电力公司电力科学研究院 | 变电站设备故障缺陷分析远程支撑*** |
CN107132063A (zh) * | 2017-04-12 | 2017-09-05 | 柳州易农科技有限公司 | 一种农业机械故障识别*** |
CN108270866A (zh) * | 2018-01-23 | 2018-07-10 | 临沂矿业集团有限责任公司 | 一种采煤机健康度监测和故障诊断*** |
CN108872853A (zh) * | 2018-05-07 | 2018-11-23 | 苏州热工研究院有限公司 | 一种大型汽轮发电机转子振动高的故障诊断方法 |
CN110782190A (zh) * | 2019-12-04 | 2020-02-11 | 江苏方天电力技术有限公司 | 基于泛在电力物联网技术的调相机远程诊断*** |
Non-Patent Citations (2)
Title |
---|
BAIHUAMEI: "fgx型系列复合式干法选煤***技术培训教材", 《原创力文库》 * |
朱亚坤 等: "选煤厂大型设备状态监测与故障诊断***", 《煤炭技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112865020A (zh) * | 2020-12-22 | 2021-05-28 | 赣州好朋友科技有限公司 | 振动斗工作保护电路和选矿机 |
CN112865020B (zh) * | 2020-12-22 | 2021-11-19 | 赣州好朋友科技有限公司 | 振动斗工作保护电路和选矿机 |
CN114001890A (zh) * | 2021-10-25 | 2022-02-01 | 河北白沙烟草有限责任公司 | 一种基于振动与噪声数据分析的卷接设备状况监控方法、***、终端及存储介质 |
CN117346842A (zh) * | 2023-11-14 | 2024-01-05 | 广东材通实业有限公司 | 一种电机接线盒的故障检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111609882A (zh) | 一种大型复合式干法分选机故障智能诊断***及方法 | |
CN107238416B (zh) | 一种盾构/tbm在线状态监测*** | |
CN103343728A (zh) | 风力发电机组远程在线多模式健康状态监测与故障诊断*** | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断*** | |
CN102620807A (zh) | 风力发电机状态监测***及方法 | |
CN104564542B (zh) | 一种基于大数据技术的故障诊断***及其诊断方法 | |
CN201666248U (zh) | 一种天然气压缩机状态检测及故障预报*** | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
CN102103036A (zh) | 基于振动和音频信息的汽车发动机故障诊断*** | |
CN203965033U (zh) | 一种悬臂式掘进机主轴振动运行状态监测装置 | |
CN111594396A (zh) | 一种风电机组状态监控*** | |
CN111710329A (zh) | 基于深度学习的船舶发动机声纹故障判别方法及*** | |
CN115064183A (zh) | 一种基于人工智能算法的风力发电机组运行状态监测方法和*** | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
CN110905736A (zh) | 一种风机运行监控*** | |
CN101846547A (zh) | 风力发电机振动检测装置 | |
CN203452792U (zh) | 电牵引采煤机健康度实时监测及智能评价*** | |
CN206017062U (zh) | 一种用于风电机组的声发射检测装置 | |
CN106442735A (zh) | 基于声发射的螺栓断裂信号检测方法 | |
CN116840631A (zh) | 基于联合诊断模型的变压器局部放电监测与定位方法 | |
CN202091172U (zh) | 气体压缩机状态监测和可靠性分析装置 | |
CN110866556A (zh) | 基于堆栈式支持向量机的杆塔螺栓状态监测方法及装置 | |
CN105631435A (zh) | 一种用于焦炭塔全自动远程除焦的模式识别方法及装置 | |
CN104215321A (zh) | 基于光纤传感器的断路器振动监测***及监测方法 | |
CN115062781A (zh) | 一种基于状态信息的天线故障监测方法 |
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 |