CN113820109A - 一种电厂辅机旋转设备巡检装置、方法、设备及介质 - Google Patents
一种电厂辅机旋转设备巡检装置、方法、设备及介质 Download PDFInfo
- Publication number
- CN113820109A CN113820109A CN202110970660.2A CN202110970660A CN113820109A CN 113820109 A CN113820109 A CN 113820109A CN 202110970660 A CN202110970660 A CN 202110970660A CN 113820109 A CN113820109 A CN 113820109A
- Authority
- CN
- China
- Prior art keywords
- detected
- power plant
- equipment
- sound
- rotating equipment
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 238000000354 decomposition reaction Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000010355 oscillation Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000010892 electric spark Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及电机设备巡检技术领域,尤其涉及一种电厂辅机旋转设备巡检装置、方法、设备及介质,本发明通过轮式机器人以及安装在辅机旋转设备上的振动传感器代替人工故障检测识别,实现了对多种故障的快速识别检测,从而大大降低人力消耗和成本,提高效率和准确率;同时,本发明通过转子碰摩故障检测模块对所述振动信号进行去噪、小波包分解以及小波包重构,得到重构信号,并对所述重构信号进行特征能量提取,得到待测特征能量,将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障,实现了对旋转设备转子碰摩故障的精确定位,具有安全性、可靠性、高效的特点。
Description
技术领域
本发明涉及电机设备巡检技术领域,尤其涉及一种电厂辅机旋转设备巡检装置、方法、设备及介质。
背景技术
目前,发电厂大型旋转设备,例如发电机、电动机、引风机、送风机、给水泵、循环水泵等,都有完善的状态监测***,发电厂通过监测***实时监测旋转设备运行状态并记录相关数据,相关数据包括振动相位、振动幅值、振动频谱及其时域波形等;然而,电厂辅机旋转设备例如闭式水泵、工艺水泵、空预器减速箱等却没有受到足够重视,产生的数据更是“无人问津”,一旦辅机旋转设备发生故障不仅直接影响到被驱动设备及相关***的正常运行,甚至可能导致停机、停炉和设备损坏等事故,因此,提高辅机旋转设备巡检的质量,尽早发现运行中电动机的事故隐患,具有重要的现实意义。
目前,电厂辅机旋转设备巡检主要依靠“眼观、耳听、鼻嗅、手动”来完成,即用眼观察电动机的外观有无异常、电动机的引线接头处是否有发黑变色的痕迹、运行中的电动机内部是否有火花产生;用耳听运行中的电动机轴承及电动机本体内有无异常声音;用鼻嗅电动机内部有无异常气味;用测量仪器对电动机的各项运行参数进行测量,这种巡检方式不仅需要巡检人员具备大量实践经验,而且不具有实时性,无法满足现代电厂运行的需要,同时也无法针对旋转设备转子碰摩故障进行精准定位。
发明内容
本发明提供一种电厂辅机旋转设备巡检装置、方法、设备及介质,解决的技术问题是,现有的电厂辅机旋转设备的检测不仅需要专业的巡检人员进行检测,效率低,而且无法针对旋转设备转子碰摩故障进行精准定位。
为解决以上技术问题,本发明提供了一种电厂辅机旋转设备巡检装置、方法、设备及介质。
第一方面,本发明提供了一种电厂辅机旋转设备巡检装置,包括:轮式机器人以及安装在辅机旋转设备上的振动传感器;
所述轮式机器人包括四驱底盘、固定架、可见光摄像头、红外成像仪、拾音器、导航模块以及转子碰摩故障检测模块,所述固定架一端设置在所述四驱底盘的一侧端,所述固定架另一端的两侧分别设有所述可见光摄像头与所述红外成像仪,所述拾音器和导航模块均设置于所述四驱底盘上;
所述导航模块,用于控制轮式机器人移动至目标区域;
所述转子碰摩故障检测模块,用于接收所述振动传感器采集到的待测振动信号,并对所述待测振动信号依次进行去噪、小波包分解以及小波包重构,得到重构信号,对所述重构信号进行特征能量提取,得到待测特征能量,将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障。
在进一步的实施方案中,所述小波包分解的公式为:
式中,j表示尺度因子,n表示调制参数或振荡参数,dl(j,n)表示第j层第n个子频带的小波系数,k表示平移量,l表示函数变量,ak-2l、bk-2l分别表示小波分解低通共轭滤波器和高通共轭滤波器的系数。
所述小波包重构的公式为:
式中,pl-2k、ql-2k表示小波重构共轭滤波器系数。
在进一步的实施方案中,所述巡检装置还包括:
与所述可见光摄像头配合的可视故障检测模块,用于对所述可见光摄像头采集到的目标图像进行处理、识别,得到目标图像特征,将所述目标图像特征与标准图像特征进行对比,判断是否存在可视故障,并进行报警提醒;
与所述红外成像仪配合的温度检测模块,用于接收所述红外成像仪检测到的待检测设备温度,并将所述待检测设备温度与预设温度进行对比,根据温度对比结果进行报警提醒;
与所述拾音器配合的声音检测模块,用于将所述拾音器采集到的设备运转声音与预设声音进行对比,判断是否存在声音异常;
其中,所述可视故障包括表计读数、电缆接头故障以及电火花故障。
所述轮式机器人还包括自动充电模块,所述自动充电模块用于自动检测轮式机器人的电池电量,当检测到电池电量低于预设电量值时,自主通过充电站进行充电。
在进一步的实施方案中,所述导航模块为3D激光导航。
第二方面,本发明提供了一种电厂辅机旋转设备巡检方法,所述方法包括以下步骤:
通过振动传感器实时采集电厂辅机旋转设备上的振动信号,得到待测振动信号;
对所述待测振动信号依次进行去噪、小波包分解以及小波包重构,得到重构信号;
对所述重构信号进行特征能量提取,得到待测特征能量;
将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障。
在进一步的实施方案中,所述对所述待测振动信号进行小波包分解的公式为:
式中,j表示尺度因子,n表示调制参数或振荡参数,dl(j,n)表示第j层第n个子频带的小波系数,k表示平移量,l表示函数变量,ak-2l、bk-2l分别表示小波分解低通共轭滤波器和高通共轭滤波器的系数。
所述小波包重构的公式为:
式中,pl-2k、ql-2k表示小波重构共轭滤波器系数。
在进一步的实施方案中,所述方法还包括以下步骤:
控制轮式机器人移动至目标区域,并根据输入的巡检任务,利用可见光摄像头、红外成像仪以及拾音器采集目标图像、温度以及设备运转声音;
通过可视故障检测模块对所述可见光摄像头采集到的目标图像进行处理、识别,得到目标图像特征,将所述目标图像特征与标准图像特征进行对比,判断是否存在可视故障,并进行报警提醒;
通过温度检测模块将所述红外成像仪采集到的待检测设备温度与预设温度进行对比,并根据温度对比结果进行报警提醒;
通过声音检测模块将所述拾音器采集到的设备运转声音与预设声音进行对比,判断是否存在声音异常;
通过自动充电模块自动检测轮式机器人的电池电量,当检测到电池电量低于预设电量值时,自主通过充电站进行充电。
第三方面,本发明还提供了一种计算机设备,包括处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述计算机设备执行实现上述方法的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供了一种电厂辅机旋转设备巡检装置、方法、设备及介质,通过采用轮式巡检机器人和振动传感器组合的方式,实现了多故障多智能体协同监测作业模式。与现有技术相比,本发明通过对振动信号进行去噪、小波包分解以及小波包重构的方法,得到重构信号,并对重构信号提取特征能量,从而根据特征能量实现对旋转设备转子碰摩问题的精准定位;同时,本发明通过可见光摄像头、红外成像仪、拾音器以及导航模块等实现了多种故障类型的检测,提高了***的检测效率,节省了时间和人力成本。
附图说明
图1是本发明实施例提供的轮式机器人示意图;
图2是本发明实施例提供的振动传感器位置示意图;
图3是本发明实施例提供的转子碰摩故障检测模块检测示意图;
图4是本发明实施例提供的一种电厂辅机旋转设备巡检方法流程示意图;
图5是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,实施例的给出仅仅是为了说明目的,并不能理解为对本发明的限定,包括附图仅供参考和说明使用,不构成对本发明专利保护范围的限制,因为在不脱离本发明精神和范围基础上,可以对本发明进行许多改变。
如图1、2所示,本发明实施例提供了一种电厂辅机旋转设备巡检装置,该装置包括:轮式机器人11以及安装在辅机旋转设备上的振动传感器12;
所述轮式机器人11包括四驱底盘111、固定架112、可见光摄像头113、红外成像仪114、拾音器115、导航模块116以及转子碰摩故障检测模块,所述固定架112一端设置在所述四驱底盘111的一侧端,所述固定架112另一端的两侧分别设有所述可见光摄像头113与所述红外成像仪114,所述拾音器115和导航模块116均设置于所述四驱底盘111上。
在一个实施例中,如图2所示,所述振动传感器12用于实时采集电厂辅机旋转设备上的振动信号,得到待测振动信号,并将所述待测振动信号传送至所述转子碰摩故障检测模块。
在本实施例中,由于转子碰摩故障的高频与低频部分都含有自身的故障信息,但是现有技术中的小波分析只分析低频部分的缺陷,因此,本发明实施例通过小波包分解和小波包重构保留低频与高频部分,从而确定辅机旋转设备是否发生转子碰摩故障。
在一个实施例中,如图3所示,所述转子碰摩故障检测模块用于接收所述振动传感器实时采集到的待测振动信号,并对所述待测振动信号进行去噪。
在一个实施例中,本实施例对所述待测振动信号进行硬阈值去噪,其中,所述硬阈值函数为:
式中,Y表示阈值处理后的小波系数,x表示噪声图像的小波系数,t表示阈值。
在一个实施例中,所述阈值t的计算公式为:
式中,σ表示噪声图像的标准差,用于度量噪声的强弱;N表示噪声图像信号长度,即小波变换系数个数。
在一个实施例中,所述转子碰摩故障检测模块对去噪后的所述待测振动信号进行小波包分解、小波包重构和特征能量提取,得到待测特征能量;在本实施例中,所述小波包分解是将去噪后的待测振动信号通过一个高通滤波器和一个低通滤波器进行滤波,得到一组低频信号和一组高频信号;需要说明的是,每次分解得到的低频信号和高频信号长度都是原信号长度的一半,即两者长度之和等于原信号的长度,这相当于在滤波后进行了隔点采样,这种分解既无冗余,也不损失原信号的任何信息。
在一个实施例中,本实施例通过小波包分解算法对去噪后的所述待测振动信号进行N层小波包分解,其中,所述小波包分解算法为:
式中,j表示尺度因子,n表示调制参数或振荡参数,dl(j,n)表示第j层第n个子频带的小波系数,k表示平移量,l表示函数变量,ak-2l、bk-2l分别表示小波分解低通共轭滤波器和高通共轭滤波器的系数。
在一个实施例中,本实施例对最后一层分解系数进行小波包重构,所述小波包重构算法为:
式中,pl-2k、ql-2k表示小波重构共轭滤波器系数。
在一个实施例中,本实施例利用小波系数的平方计算小波包分解第j层分解水平上第k个子频带上的特征能量,具体为:
式中,E(j,k)表示第j层分解水平上第k个子频带上的特征能量,dl(j,k)表示小波包变换系数,N表示所述子频带树的子频带数。
在一个实施例中,所述转子碰摩故障检测模块将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障;在本实施例中,当检测到所述待测特征能量与预先获取的正常特征能量的能量差值小于能量阈值时,判断未发生转子碰摩故障,继续检测辅机旋转设备;否则,判断发生转子碰摩故障并报警提醒工作人员,本实施例优先将能量阈值设置为0.01。
本实施例预先通过振动传感器采集辅机旋转设备正常运行时的振动信号,得到正常振动信号,并通过转子碰摩故障检测模块,得到正常特征能量。
本实施例通过将振动信号去噪后,利用小波包分解和重构保留低频与高频部分,然后提取其特征能量,通过将待测信号特征能量与正常信号特征能量进行对比,可精准确定是否发生转子碰摩故障。
需要说明的是,在本实施例中,如表1所示的特征能量表,通过小波分解到第五级即可将特征能量完全提取,而非分解级数越多效果越好,表1如下所示:
表1
在一个实施例中,所述导航模块用于用户输入的巡检任务,控制轮式机器人移动至目标区域;在本实施例中,所述导航模块为3D激光导航,本实施例采用的3D激光导航对地形和动态环境适应能力强,能够克服现场复杂环境变化的影响,增强其环境适应性。
在一个实施例中,一种电厂辅机旋转设备巡检装置还包括:与所述可见光摄像头配合的可视故障检测模块,用于对所述可见光摄像头采集到的目标图像进行处理、识别,得到目标图像特征,将所述目标图像特征与标准图像特征进行对比,判断是否存在可视故障,并进行报警提醒;其中,所述可视故障包括表计读数、电缆接头故障以及电火花故障。
在本实施例中,轮式机器人通过搭载高清视频分辨率1920×1080、且具备低亮度环境下可视功能的可见光摄像机对可视故障进行数据采集,所述可见光摄像机利用热红外成像技术将温差转换成实时视频图像显示出来,本实施例采用的可见光摄像机能够探测极微小温差。
在本实施例中,当进行表计读数检测时,可视故障检测模块首先对可见光摄像头采集到的表计原始图像进行粗定位,以确定表计的位置;然后,对表计进行放大,提取目标图像;接着,将目标图像编译、压缩为可调用图像数据库,识别得到目标图像特征,并将所述目标图像特征与预先得到的标准图像特征进行对比,确定表计是否故障,若检测到表计故障,则报警提醒工作人员。
本实施例通过可视故障检测模块实现了对有读数的表计进行数据读取,自动记录和判断,并提出报警,读数的误差小于5%;同时,通过可视故障检测模块实现了对旋转设备电缆接头因发热而烧焦的故障的检测,对运行中的电动机内部产生电火花等故障的检测,有效提高了设备故障诊断的效率。
在一个实施例中,一种电厂辅机旋转设备巡检装置还包括:
与所述红外成像仪配合的温度检测模块,用于接收所述红外成像仪检测到的待检测设备温度,并将所述待检测设备温度与预设温度进行对比,根据温度对比结果进行报警提醒;
与所述拾音器配合的声音检测模块,用于将所述拾音器采集到的设备运转声音与预设声音进行对比,判断是否存在声音异常;
自动充电模块,用于自动检测轮式机器人的电池电量,当检测到电池电量低于预设电量值时,通过充电站进行充电。
在本实施例中,所述自动充电模块通过自动检测电路实时检测轮式机器人的电池电量,若检测到电池电量低于预设电量值时,自动停止当前巡检任务,发出警报,并自主运行到充电站并完成与充电座的对接工作进行充电,在本实施例中,所述机器人的续航能力不小于8h。
本实施例通过采用轮式机器人和在电厂辅机旋转设备上配置振动传感器的方式,形成多故障多智能体协同监测作业模式,本实施例通过轮式机器人取代人工进行定时巡检,实现无人化巡检,本实施例采用的轮式机器人能够对旋转设备作业现场设备温度和声音异常、旋转设备产生电火花、电缆接头因发热而烧焦、检查设备上表计是否正确等故障进行检测并报警,避免了因设备故障发生安全事故,影响安全生产,极大程度上降低工人的劳动强度。
需要说明的是,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一个实施例中,如图4所示,提供了一种电厂辅机旋转设备巡检方法,包括以下步骤:
S1.通过振动传感器实时采集电厂辅机旋转设备上的振动信号,得到待测振动信号;
S2.对所述待测振动信号依次进行去噪、小波包分解以及小波包重构,得到重构信号;
S3.对所述重构信号进行特征能量提取,得到待测特征能量;
S4.将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障。
在一个实施例中,所述对所述振动信号进行小波包分解的公式为:
式中,j表示尺度因子,n表示调制参数或振荡参数,dl(j,n)表示第j层第n个子频带的小波系数,k表示平移量,l表示函数变量,ak-2l、bk-2l分别表示小波分解低通共轭滤波器和高通共轭滤波器的系数。
所述小波包重构的公式为:
式中,pl-2k、ql-2k表示小波重构共轭滤波器系数。
在一个实施例中,该方法还包括以下步骤:
控制轮式机器人移动至目标区域,并根据输入的巡检任务,利用可见光摄像头、红外成像仪以及拾音器采集目标图像、温度以及设备运转声音;
通过可视故障检测模块对所述可见光摄像头采集到的目标图像进行处理、识别,得到目标图像特征,将所述目标图像特征与标准图像特征进行对比,判断是否存在可视故障,并进行报警提醒;
通过温度检测模块将所述红外成像仪采集到的待检测设备温度与预设温度进行对比,并根据温度对比结果进行报警提醒;
通过声音检测模块将所述拾音器采集到的设备运转声音与预设声音进行对比,判断是否存在声音异常;
通过自动充电模块自动检测轮式机器人的电池电量,当检测到电池电量低于预设电量值时,通过充电站进行充电。
关于一种电厂辅机旋转设备巡检方法的具体限定可以参见上述对于一种电厂辅机旋转设备巡检装置的限定,此处不再赘述。本领域普通技术人员可以意识到,结合本申请所公开的实施例描述的各个模块和步骤,能够以硬件、软件或者两者结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
与现有技术相比,本申请通过在电厂辅机旋转设备上安装振动传感器,从而获得振动信号,然后对振动信号进行分析并检测故障原因,本实施例针对旋转设备转子碰摩问题,采用去噪、小波包分解和小波包重构的方法,实现对转子碰摩精准定位。
图5是本发明实施例提供的一种计算机设备,包括存储器、处理器和收发器,它们之间通过总线连接;存储器用于存储一组计算机程序指令和数据,并可以将存储的数据传输给处理器,处理器可以执行存储器存储的程序指令,以执行上述方法的步骤。
其中,存储器可以包括易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者;处理器可以是中央处理器、微处理器、特定应用集成电路、可编程逻辑器件或其组合。通过示例性但不是限制性说明,上述可编程逻辑器件可以是复杂可编程逻辑器件、现场可编程逻辑门阵列、通用阵列逻辑或其任意组合。
另外,存储器可以是物理上独立的单元,也可以与处理器集成在一起。
本领域普通技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有相同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例提供的一种电厂辅机旋转设备巡检装置、方法、设备及介质,其一种电厂辅机旋转设备巡检装置通过采用轮式巡检机器人和振动传感器组合的方式,代替人工故障检测识别,解决了现有的电厂辅机旋转设备的检测不仅需要专业的巡检人员进行检测,效率低,而且无法针对旋转设备转子碰摩故障进行精准定位的技术问题,实现了对多种故障的快速识别检测,从而大大降低了检测人员劳动强度,提高变电站供电安全,同时也提高了检测的工作效率,与现有技术相比,本实施例通过小波包分解以及小波包重构保留低频与高频部分故障信息,从而实现了对旋转设备转子碰摩故障的精准定位。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如SSD)等。
本领域技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
以上所述实施例仅表达了本申请的几种优选实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,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替换,这些改进和替换也应视为本申请的保护范围。因此,本申请专利的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种电厂辅机旋转设备巡检装置,其特征在于,包括:轮式机器人以及安装在辅机旋转设备上的振动传感器;
所述轮式机器人包括四驱底盘、固定架、可见光摄像头、红外成像仪、拾音器、导航模块以及转子碰摩故障检测模块,所述固定架一端设置在所述四驱底盘的一侧端,所述固定架另一端的两侧分别设有所述可见光摄像头与所述红外成像仪,所述拾音器和导航模块均设置于所述四驱底盘上;
所述导航模块,用于控制轮式机器人移动至目标区域;
所述转子碰摩故障检测模块,用于接收所述振动传感器采集到的待测振动信号,并对所述待测振动信号依次进行去噪、小波包分解以及小波包重构,得到重构信号,对所述重构信号进行特征能量提取,得到待测特征能量,将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障。
3.如权利要求1所述的一种电厂辅机旋转设备巡检装置,其特征在于,还包括:
与所述可见光摄像头配合的可视故障检测模块,用于对所述可见光摄像头采集到的目标图像进行处理、识别,得到目标图像特征,将所述目标图像特征与标准图像特征进行对比,判断是否存在可视故障,并进行报警提醒;
与所述红外成像仪配合的温度检测模块,用于接收所述红外成像仪检测到的待检测设备温度,并将所述待检测设备温度与预设温度进行对比,根据温度对比结果进行报警提醒;
与所述拾音器配合的声音检测模块,用于将所述拾音器采集到的设备运转声音与预设声音进行对比,判断是否存在声音异常;
其中,所述可视故障包括表计读数、电缆接头故障以及电火花故障。
4.如权利要求1所述的一种电厂辅机旋转设备巡检装置,其特征在于:所述轮式机器人还包括自动充电模块,所述自动充电模块用于自动检测轮式机器人的电池电量,当检测到电池电量低于预设电量值时,自主通过充电站进行充电。
5.如权利要求1所述的一种电厂辅机旋转设备巡检装置,其特征在于:所述导航模块为3D激光导航。
6.一种电厂辅机旋转设备巡检方法,其特征在于,包括以下步骤:
通过振动传感器实时采集电厂辅机旋转设备上的振动信号,得到待测振动信号;
对所述待测振动信号依次进行去噪、小波包分解以及小波包重构,得到重构信号;
对所述重构信号进行特征能量提取,得到待测特征能量;
将所述待测特征能量与预先获取的正常特征能量进行对比,以判断是否发生转子碰摩故障。
8.如权利要求6所述的一种电厂辅机旋转设备巡检方法,其特征在于,该方法还包括以下步骤:
控制轮式机器人移动至目标区域,并根据输入的巡检任务,利用可见光摄像头、红外成像仪以及拾音器采集目标图像、温度以及设备运转声音;
通过可视故障检测模块对所述可见光摄像头采集到的目标图像进行处理、识别,得到目标图像特征,将所述目标图像特征与标准图像特征进行对比,判断是否存在可视故障,并进行报警提醒;
通过温度检测模块将所述红外成像仪采集到的待检测设备温度与预设温度进行对比,并根据温度对比结果进行报警提醒;
通过声音检测模块将所述拾音器采集到的设备运转声音与预设声音进行对比,判断是否存在声音异常;
通过自动充电模块自动检测轮式机器人的电池电量,当检测到电池电量低于预设电量值时,自主通过充电站进行充电。
9.一种计算机设备,其特征在于:包括处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述计算机设备执行如权利要求6至8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被运行时,实现如权利要求6至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110970660.2A CN113820109A (zh) | 2021-08-23 | 2021-08-23 | 一种电厂辅机旋转设备巡检装置、方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110970660.2A CN113820109A (zh) | 2021-08-23 | 2021-08-23 | 一种电厂辅机旋转设备巡检装置、方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113820109A true CN113820109A (zh) | 2021-12-21 |
Family
ID=78913447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110970660.2A Pending CN113820109A (zh) | 2021-08-23 | 2021-08-23 | 一种电厂辅机旋转设备巡检装置、方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113820109A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116878855A (zh) * | 2023-09-06 | 2023-10-13 | 南方电网调峰调频发电有限公司储能科研院 | 一种基于多传感器数据融合的孪生电厂智能检测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN108537913A (zh) * | 2018-06-15 | 2018-09-14 | 浙江国自机器人技术有限公司 | 一种巡检*** |
CN109079740A (zh) * | 2018-09-04 | 2018-12-25 | 南京理工大学 | 一种变电站巡检机器人 |
CN209007567U (zh) * | 2018-11-02 | 2019-06-21 | 西安安森智能仪器股份有限公司 | 一种防爆型巡检机器人 |
WO2021077567A1 (zh) * | 2019-10-24 | 2021-04-29 | 广东美的白色家电技术创新中心有限公司 | 设备故障检测方法、设备故障检测装置及计算机存储介质 |
-
2021
- 2021-08-23 CN CN202110970660.2A patent/CN113820109A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN108537913A (zh) * | 2018-06-15 | 2018-09-14 | 浙江国自机器人技术有限公司 | 一种巡检*** |
CN109079740A (zh) * | 2018-09-04 | 2018-12-25 | 南京理工大学 | 一种变电站巡检机器人 |
CN209007567U (zh) * | 2018-11-02 | 2019-06-21 | 西安安森智能仪器股份有限公司 | 一种防爆型巡检机器人 |
WO2021077567A1 (zh) * | 2019-10-24 | 2021-04-29 | 广东美的白色家电技术创新中心有限公司 | 设备故障检测方法、设备故障检测装置及计算机存储介质 |
Non-Patent Citations (4)
Title |
---|
"《华南理工大学:2007-2009年大学生创新能力培养基地建设成果选编》", 31 March 2010, 华南理工大学出版社, pages: 403 - 405 * |
周伟恒: "基于遗传算法的机械设备故障检测机器人设计", 计算机测量与控制, 25 February 2020 (2020-02-25), pages 53 - 57 * |
撒承贤: "《竞新集:宁夏职业技术学院、宁夏广播电视大学教科研论文精选》", 31 January 2013, 阳光出版社, pages: 163 * |
杨奕 等: "转子早期碰摩故障特征的小波包分析", 汽轮机技术, 25 August 2008 (2008-08-25) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116878855A (zh) * | 2023-09-06 | 2023-10-13 | 南方电网调峰调频发电有限公司储能科研院 | 一种基于多传感器数据融合的孪生电厂智能检测装置 |
CN116878855B (zh) * | 2023-09-06 | 2023-12-08 | 南方电网调峰调频发电有限公司储能科研院 | 一种基于多传感器数据融合的孪生电厂智能检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108956640B (zh) | 适用于配电线路巡检的车载检测装置及检测方法 | |
CN103901882A (zh) | 一种列车动力***在线监控故障诊断的***及其方法 | |
DE102013216801A1 (de) | Messung eines Hochspannungswiderstandswerts und einer Y-Kapazität einer Isolierung zwischen Bus und Fahrwerk | |
CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
CN112098088B (zh) | 一种基于kica-分形理论的滚动轴承故障诊断方法 | |
CN113820109A (zh) | 一种电厂辅机旋转设备巡检装置、方法、设备及介质 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断***及故障诊断方法 | |
CN116717437A (zh) | 一种风电机组故障监测方法及*** | |
CN116089813A (zh) | 一种基于机器学习的风电机组传动链故障诊断方法 | |
CN214151955U (zh) | 一种变压器主变漏油分析和异常漏油图像预警的装置 | |
CN105783997B (zh) | 一种桥梁箱梁内部自动检测装置及检测方法 | |
CN116147632B (zh) | 新增电力设备动态巡检路径规划方法及其*** | |
CN105203937A (zh) | 一种变压器内部放电模式识别方法及故障诊断*** | |
CN116168019B (zh) | 基于机器视觉技术的电网故障检测方法及*** | |
CN117350377A (zh) | 一种基于知识图谱驱动的设备故障诊断方法及装置 | |
CN111251187A (zh) | 一种叶片磨削烧伤信息融合与特征提取方法及装置 | |
CN112304364A (zh) | 一种耗能换流阀的全景巡检方法及耗能换流阀的监视装置 | |
CN206019968U (zh) | 一种测量汽车四门两盖静刚度的测量*** | |
CN113516023B (zh) | 设备振动异常诊断方法和*** | |
CN109633512B (zh) | 一种全光纤电流互感器故障诊断方法及装置 | |
CN108627242B (zh) | 基于盲源分离单边检测法的环冷机漏风率检测方法 | |
CN104155966A (zh) | 汽车cdc数据采集分析装置 | |
CN210221296U (zh) | 一种变电站现场管控预警装置 | |
CN113311060A (zh) | 一种电梯包覆带缺陷在线检测及标记装置与*** | |
CN114200350B (zh) | 基于振动信息的三相电力变压器故障诊断与定位方法及装置 |
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 |