CN113697424A - 一种基于云技术的带式输送机监测与故障诊断***及方法 - Google Patents

Abstract

本发明公开了一种基于云技术的带式输送机监测与故障诊断***及方法，包括现场诊断分析***，客户端监测***和云端诊断***；所述现场诊断分析***与客户端监测***连接，对带式输送机的数据进行故障检测并传输至客户端监测***进行监测及故障预诊断；所述客户端监测***与云端诊断***进行连接，将预诊断结果传输至云端诊断***，进行故障诊断以及远程维修。本方案利用云计算技术将带式输送机煤矿用户、生产商、带式输送机故障诊断在云平台联系起来，并且通过诊断***，形成完整的带式输送机故障诊断的解决方案，实现远程处理故障问题。保障带式输送机健康状态，提高矿井运输***的效率和可靠性，保证矿山安全高效生产。

Description

一种基于云技术的带式输送机监测与故障诊断***及方法

技术领域

本发明涉及计算机应用技术领域，具体涉及一种基于云技术的带式输送机监测与故障诊断***及方法。

背景技术

煤炭是十八世纪以来人类世界使用的主要能源之一，进入二十一世纪以来，虽然煤炭的价值大不如从前，但目前和未来很长的一段时间之内还是我们人类的生产生活必不可缺的能量来源之一。目前，我国是世界上最大的煤炭生产国和消费国，随着采煤工业的发展和科技水平的进步，为满足高产高效智能安全化矿井的生产需求，多种形式，多种功能的矿井机械设备被开发利用。

矿用带式输送机具有运量大、工作环境复杂、承载能力强、以及运输距离较长等特点，是煤矿产业采掘、生产、转运加工过程中不可缺少的重要运输设备。矿用带式输送机工作环境比较复杂恶劣，长时间工作可能会产生故障现象，主要传动部位轴承、齿轮一旦出现故障将使整个带式输送机停止运转，不仅会降低带式输送机使用寿命，而且会影响生产，降低矿井经济效益，所以对矿用带式输送机运行实现实时监测分析与故障类型诊断预判，并提出解决方案，具有重要意义。

由此可见，现急需提供一种能够对矿用带式输送机运行实现实时监测分析与故障类型诊断预判的***为本领域需解决的问题。

发明内容

针对于现有矿用带式输送机运行时可靠性低的技术问题，本发明的目的在于提供一种基于云技术的带式输送机监测与故障诊断***，其利用云计算技术与诊断***相结合，形成完整的带式输送机故障诊断的解决方案，实现远程处理故障问题；在此基础上，还提供监测与故障诊断的方法，大大提高矿井运输***的可靠性，很好地克服了现有技术所存在的问题。

为了达到上述目的，本发明提供的一种基于云技术的带式输送机监测与故障诊断***，包括现场诊断分析***，客户端监测***和云端诊断***；所述现场诊断分析***与客户端监测***进行数据交互，对带式输送机的数据进行故障检测并传输至客户端监测***进行监测及故障预诊断；所述客户端监测***与云端诊断***进行数据交互，将预诊断结果传输至云端诊断***，进行故障诊断以及远程维修。

进一步地，所述现场诊断分析***包括若干传感器，信号监测分析仪和矿用***；所述若干传感器设置于带式输送机的传动组件上并与信号监测分析仪进行信号交互，将检测数据传输给信号监测分析仪；所述信号监测分析仪与矿用***进行数据交互；所述信号监测分析仪将检测数据进行数据处理后通过矿用***传输给客户端监测***。

进一步地，所述信号监测分析仪包括智能检测诊断单元；所述智能检测诊断单元包括故障智能诊断模块；所述智能诊断模块包括预处理子模块，特征提取子模块，特征量化子模块和故障诊断分析子模块；所述将传感器信号先通过预处理模块进行噪声消除，再对消音后的信号通过特征提取子模块对其进行特征提取，通过特征量化子模块对特征提取后的信号进行故障特征量化的提取，最后通过故障诊断分析子模块进行故障位置、类型以及故障程度的诊断。

进一步地，所述现场诊断分析***通过井下环网将检测后的故障数据传输至客户端监测***。

进一步地，所述客户端监测***包括显示单元，诊断单元，报警单元，历史查询单元和数据管理单元；所述显示单元实时显示带式输送机的数据信息；若出现异常时，报警单元则实时报警，诊断单元对故障进行分析和预诊断；所述数据管理单元可将诊断和报警后的数据存储至数据库，并对数据库进行相应的管理与维护，并通过历史查询单元可查询数据库内的历史记录。

进一步地，所述云端诊断***包括***故障分析模块，数据处理模块以及数据共享模块；所述***故障分析模块分别与客户端监测***进行数据交互，用于接收客户端监测***的故障数据，并对其进行故障诊断；所述***故障分析模块与数据处理模块进行数据交互，将诊断后的故障数据进行数据处理；所述数据处理模块用于数据共享模块进行数据交互，将处理后的数据对外进行信息共享。

为了达到上述目的，本发明提供的一种基于云技术的带式输送机监测与故障诊断***的监测及故障诊断方法，包括：

通过对带式输送机的传动***运行时的状态数据进行采集并通过分析仪对采集的数据进行现场的故障预检测；

将预检测的带式输送机传动***的故障数据传输至云端诊断***；

云端诊断***对预检测后的数据进行故障诊断并给出故障修复意见；

将诊断结果和故障修复意见再传输至客户端监测***，供用户查询。

进一步地，通过传感器对带式输送机传动***的运行状态进行采集并对采集后的数据通过分析仪进行故障预检测。

进一步地，通过分析仪对采集后的数据进行预处理，将信号特征指标分解为包括时域指标、频域指标、复杂度指标，并进行特征提取和特征量化，最后给出诊断结果。

进一步地，预检测后的故障数据通过传输介质传输至云端诊断***；云端诊断***将诊断结果和修复意见通过传输介质至客户端监测***。

本方案提供的基于云技术的带式输送机监测与故障诊断***，其利用云计算技术与诊断***相结合，形成完整的带式输送机故障诊断的解决方案，实现远程处理故障问题；在此基础上，还提供监测与故障诊断的方法，大大提高矿井运输***的可靠性。

附图说明

以下结合附图和具体实施方式来进一步说明本发明。

图1为本基于云技术的带式输送机监测与故障诊断***的总体架构图；

图2为带式输送机客户端监测***的总体架构图；

图3为带式输送机云端诊断***的总体架构图；

图4为本基于云技术的带式输送机监测与故障诊断***的工作流程示意图。

下面为附图中的部件标注说明：

100.现场诊断分析***200.客户端监测***300.云端诊断***110.带式输送机120.信号监测分析仪130.矿用***210.井下环网220.地面综合数据***121.参数设置单元122.智能监测诊断单元123.***帮助单元

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

本方案提供的基于云技术的带式输送机检测与故障诊断***，解决矿用带式输送机运行状态监测、振动信号数据采集处理，带式输送机故障诊断困难的问题；利用云计算技术将带式输送机煤矿用户、生产商、带式输送机故障诊断在云平台联系起来，并且通过诊断***，形成完整的带式输送机故障诊断的解决方案，实现远程处理故障问题。保障带式输送机健康状态，提高矿井运输***的效率和可靠性，保证矿山安全高效生产。

参见图1，基于云技术的带式输送机检测与故障诊断***包括现场诊断分析***100，客户端监测***200和云端诊断***300三大***；通过现场诊断分析***100实时监测带式输送机110的状态，并对带式输送机110进行故障检测后传输至客户端监测***200，通过客户端监测***200对故障进行监测和预诊断，再经过云端诊断***300进行故障诊断分析和维护建议，实现远程的诊断及维修。

进一步地，现场诊断分析***100包括***传感器，信号监测分析仪120和矿用***130。

其中，***传感器包括振动传感器，温度传感器和转速传感器；振动传感器，温度传感器和转速传感器安装在矿用带式输送机110轴承，齿轮等传动部位，用于对带式输送机110运行的振动参数、温度参数和转速参数进行采集，实现对带式输送机110健康状态的感知。

***传感器将采集到的带式输送机110的参数值通过电信号发送至信号监测分析仪120。

本方案采用的是通过相关***设备的硬件及驱动程序，最终形成融合信号采集，存储，智能诊断分析，传输及兼容现有带式输送机保护***的信号监测分析仪120。

信号监测分析仪120具体工作为：

(1)编制带式输送机智能诊断分析***与客户端平台接口驱动组件；

(2)编制组态工程，根据矿上要求，具体进行***组态、显示组态和WEB发布工作。

进一步地，***组态：将第(1)步设计好的驱动组件，添加到组态***中，将***信息实时数据库集中起来；

显示组态：设计显示界面，除方便美观之外，根据要求实现带式输送机温度，转速，电压，电流及故障和报警信息的显示，存储和查找等功能。

WEB发布：最后通过网络将组态工程发布至客户端监测***，共有关用户监控和观看。

具体的，参见图2，信号监测分析仪120用于对采集的数据进行故障检测；其包括参数设置单元121，智能监测诊断单元122和***帮助单元123。

其中智能检测诊断单元122包括监测模块，故障智能诊断模块，诊断分析模块，查询模块，报警模块。

数据通过监测模块进行实时监测，若采集数据出现异常时，报警模块则实时报警通知，诊断单元对故障进行分析和检测，提出排出故障建议。

进一步地，信号监测分析仪通过故障智能诊断模块和诊断分析模块对各传感器信号进行故障检测；并且能通过特有故障诊断，通过预处理-特征提取-特征量化-故障诊断分析对振动信号进行检测，实现胶带输送机运行状态实时检测。

具体的，采用解调滤波，双数复小波降噪或奇异值分解降噪等技术，消除带式输送机工况噪声干扰，对振动信号进行预处理。

接着，对振动信号进行特征提取：采用VMD等频分析手段，实现非平稳信号的准确分解，消除非平稳特性。采用非线性特征量化方法，如熵特征，盒维数等，实现故障特征量化提取。

最后采用多传感器特征融合、升级网络、欧式距离判别等算法，最终实现带式输送机故障位置、类型以及故障程度的准确诊断。

诊断后结合历史数据趋势进行分析，对可能出现的故障做出预测，并提出维护意见，避免事故发生；同时结合设备的故障信息形成诊断报告并可以打印。

其次，在给定时间范围内所发生的故障报警可以查询历史记录。

另外，参数设置单元121可进行轴承参数设置和测点参数设置；***帮助单元123可进行知识库在线帮助。

这里的信号监测分析仪120是基于DSP芯片开发的信号检测仪，选用高性能AD转换芯片AD7606-8，采样率高达200k，开发信号告诉同步采集硬件和程序，将上述所确定的故障智能诊断算法转化成DSP嵌入式模块，实现带式输送机故障位置，类型以及故障程度的本地实时准确诊断，诊断结果和报警后的数据发送到数据库进行存储。

信号监测分析仪120依次通过矿用***130和井下环网210将各传感器的信号数据发送至客户端监测***200。

采用矿用***130一方面可以实现远距离传输，另一方面其可以传输多种类型的信号，进一步提高本***的适用性和可靠性。

井下环网210为数据传输提供了传输途径；井下环网包括防爆计算机，若干交换机和控制端。

其中，防爆计算机与矿用***130进行连接，用于接收信号监测仪120所收集的传感器数据。

防爆计算机与若干交换机进行连接；若干交换机依次连接构成环形网络拓扑结构并依次与地面综合数据***220和客户端监测***200进行连接；防爆计算机将传感器数据通过交换机的TCP/IP协议，地面综合数据***220传输至客户端监测***200；这里采用环网结构可以大大提高数据传输***的稳定性。

参见图2，客户端监测***200包括显示单元，诊断单元，报警单元，历史查询单元和数据管理单元。

进一步地，客户端监测***200以图形或者表格的形成，通过显示单元实时显示带式输送机的振动，温度，转速等信号，监测设备的运行状态情况。

若出现异常时，报警单元则实时报警，诊断单元对故障进行分析和预诊断，

诊断单元采用基于VMD混合特征和ANFIS的两种滚动轴承故障诊断方法，用于处理滚动轴承产生的非平稳振动信号，将故障激发的特征信息自适应的分解到一系列本征模态函数中。然后，从不同物理角度出发，结合信息熵和均方根构建每个IMF的混合特征向量，实现滚动轴承故障特征信息提取量化；最后，结合ANFIS实现了滚动轴承故障类型的准确识别，识别结果达到94.2％。

其次，客户端监测***200通过数据管理单元可将识别后的数据存储至数据库，并对数据库进行相应的管理与维护；同时可通过历史查询单元查询数据库内的历史记录。

云端诊断***300与客户端监测***200连接，客户端监测***200将传感器信号和故障数据的预诊断报告传输至云端诊断***300，云端诊断***300用于对带式输送机状态监测，故障诊断以及优化***。

云端诊断***300由云服务提供运营，为最终用户提供从应用程序到物理基础设施等各种各样的IT资源，为本方案提供安全可信的云上环境，来部署云端带式输送机***数据库330，并可以通过本地客户机的通讯请求来建立实时数据通讯，访问云端数据库有两种方式，一种是通过webservice间接访问，第二种是通过共有IP直接访问云端数据库。

参见图3，其中访问端能够对云端诊断***300的诊断数据进行管理和存储，操作人员可通过控制端对数据进行实时监测，也可通过智能诊断模块发送指令启动云端诊断***300，也可查看维修建议以及对故障数据进行管理。

云端诊断***300包括故障FTF模糊逻辑分析模块310和故障智能推理模块320。

其中，FTF模糊逻辑分析模块310以带式输送机各类传感器信号及其故障特征为基础，基于粗糙集理论得到最具分类能力的特征及其权重值，结合基于实例的推理方法，获得与当前故障最为匹配的故障模式实例集。

其次，针对基础故障模式分析模块无法获得满意的故障分析实例集的情况，启用故障FTF模糊逻辑分析模块310，按逻辑关系进行推理分析，进而产生多种处理方法或处理方案，供操作人员选择；然后，调用故障模式智能推理模块320进一步确定最优解决方案，根据不同类型的问题，提出基于规则的推理利用专家经验与知识产生的规则进行推理，用于简单子***的故障问题处理；最后，基于神经网络的推理规则，通过特定的学习算法对样本进行学习而获取知识，用于无法建模的复杂***故障问题推理求解，综合基于规则的推理方法和遗传神经网络算法获得的运行结果，形成完整的带式输送机故障诊断的解决方案。

最后将诊断结果进行数据管理以及数据存储，并进行数据共享，可以供访问端能够实时查看和数据查询。

以下举例说明一下本方案在使用时的工作过程；这里需要说明下述内容只是本方案的一种具体应用示例，并不对本方案构成限定。

参见图4，首先经过***自动检查连接是否正常；其次通过设置在带式输送机110上的振动传感器，温度传感器以及转速传感器对带式输送机110的振动，温度以及转速进行采集，并将采集的数据传输至信号监测分析仪120对数据进行故障的分析和预检测。

将预检测后的故障数据通过一次通过矿用***130，井下环网140和地面数据***220传输至客户端监测***200；客户端监测***200对预检测的故障数据进行显示，存储以及进行故障预诊断。

客户端监测***200将预诊断后的故障数据传输至云端诊断***300，云端诊断***通过故障FTF模糊逻辑分析模块310和故障模式智能推理模块320对故障进行分析和诊断；诊断后的数据通过云端诊断***内部的数据处理模块进行数据处理；将诊断后的数据及维护意见通过数据共享模块能够分享给用户或制造厂商，并可远程可以对输送机进行故障维护。

由上述方案构成的基于云技术的带式输送机监测与故障诊断***，其针对被监测带式输送机轴承、齿轮等传动部件故障智能诊断所需要的振动、温度、转速等传感器信号进行分析和处理，判别故障并提出解方案，可实时监测带式输送机运行健康状态，同时对可能出现的故障做出预测，避免事故发生。

利用云计算技术将带式输送机用户、制造厂商、故障诊断专家在同一平台上联系起来，构建全矿井带式输送机状态监测、故障诊断、智能优化***。***具有带式输送机故障数据库，开发出带式输送机***故障数据库和规则库。能够实现带式输送机智能诊断分析、客户端监测、远程云端专家服务等功能。同时解决了矿山带式输送机故障诊断技术人员缺乏的问题。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于云技术的带式输送机监测与故障诊断***，其特征在于，包括现场诊断分析***，客户端监测***和云端诊断***；所述现场诊断分析***与客户端监测***进行数据交互，对带式输送机的数据进行故障检测并传输至客户端监测***进行监测及故障预诊断；所述客户端监测***与云端诊断***进行数据交互，将预诊断结果传输至云端诊断***，进行故障诊断以及远程维修。

2.根据权利要求1所述的一种基于云技术的带式输送机监测与故障诊断***，其特征在于，所述现场诊断分析***包括若干传感器，信号监测分析仪和矿用***；所述若干传感器设置于带式输送机的传动组件上并与信号监测分析仪进行信号交互，将检测数据传输给信号监测分析仪；所述信号监测分析仪与矿用***进行数据交互；所述信号监测分析仪将检测数据进行数据处理后通过矿用***传输给客户端监测***。

3.根据权利要求2所述的一种基于云技术的带式输送机监测与故障诊断***，其特征在于，所述信号监测分析仪包括智能检测诊断单元；所述智能检测诊断单元包括故障智能诊断模块；所述智能诊断模块包括预处理子模块，特征提取子模块，特征量化子模块和故障诊断分析子模块；所述将传感器信号先通过预处理模块进行噪声消除，再对消音后的信号通过特征提取子模块对其进行特征提取，通过特征量化子模块对特征提取后的信号进行故障特征量化的提取，最后通过故障诊断分析子模块进行故障位置、类型以及故障程度的诊断。

4.根据权利要求2所述的一种基于云技术的带式输送机监测与故障诊断***，其特征在于，所述现场诊断分析***通过井下环网将检测后的故障数据传输至客户端监测***。

5.根据权利要求1所述的一种基于云技术的带式输送机监测与故障诊断***，其特征在于，所述客户端监测***包括显示单元，诊断单元，报警单元，历史查询单元和数据管理单元；所述显示单元实时显示带式输送机的数据信息；若出现异常时，报警单元则实时报警，诊断单元对故障进行分析和预诊断；所述数据管理单元可将诊断和报警后的数据存储至数据库，并对数据库进行相应的管理与维护，并通过历史查询单元可查询数据库内的历史记录。

6.根据权利要求1所述的一种基于云技术的带式输送机监测与故障诊断***，其特征在于，所述云端诊断***包括***故障分析模块，数据处理模块以及数据共享模块；所述***故障分析模块分别与客户端监测***进行数据交互，用于接收客户端监测***的故障数据，并对其进行故障诊断；所述***故障分析模块与数据处理模块进行数据交互，将诊断后的故障数据进行数据处理；所述数据处理模块用于数据共享模块进行数据交互，将处理后的数据对外进行信息共享。

7.一种基于云技术的带式输送机监测与故障诊断***的监测及故障诊断方法，其特征在于，包括：

通过对带式输送机的传动***运行时的状态数据进行采集并通过分析仪对采集的数据进行现场的故障预检测；

将预检测的带式输送机传动***的故障数据传输至云端诊断***；

云端诊断***对预检测后的数据进行故障诊断并给出故障修复意见；

将诊断结果和故障修复意见再传输至客户端监测***，供用户查询。

8.根据权利要求7所述的一种基于云技术的带式输送机监测与故障诊断***的监测及故障诊断方法，其特征在于，通过传感器对带式输送机传动***的运行状态进行采集并对采集后的数据通过分析仪进行故障预检测。

9.根据权利要求7所述的一种基于云技术的带式输送机监测与故障诊断***的监测及故障诊断方法，其特征在于，通过分析仪对采集后的数据进行预处理，将信号特征指标分解为包括时域指标、频域指标、复杂度指标，并进行特征提取和特征量化，最后给出诊断结果。

10.根据权利要求7所述的一种基于云技术的带式输送机监测与故障诊断***的监测及故障诊断方法，其特征在于，预检测后的故障数据通过传输介质传输至云端诊断***；云端诊断***将诊断结果和修复意见通过传输介质至客户端监测***。

Images