CN113996409A - 一种基于设备状态的涡旋破碎机的远程控制方法及设备 - Google Patents

Abstract

本申请公开了一种基于设备状态的涡旋破碎机的远程控制方法及设备，用以解决现有的涡旋破碎机需要人为监测，监测精度低且存在故障反馈不及时的技术问题。涡旋破碎机包括叶轮、管道，方法包括：获取涡旋破碎机的实时运行数据；其中，实时运行数据至少包括：叶轮振动信号、管道厚度数据；按照预设时间间隔，从获取的涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据；根据当前时间段的当前运行数据，确定当前时间段内叶轮的叶轮运行状态以及管道的管道运行状态；基于叶轮运行状态以及管道运行状态，确定涡旋破碎机的故障级别；根据涡旋破碎机的故障级别，控制涡旋破碎机的运行。通过上述方法实现了对涡旋破碎机的实时监测。

Description

一种基于设备状态的涡旋破碎机的远程控制方法及设备

技术领域

本申请涉及涡流破碎机技术领域，尤其涉及一种基于设备状态的涡旋破碎机的远程控制方法及设备。

背景技术

在开采矿石、煤矿等行业中，涡旋破碎机常用于粉碎大块物料，方便后续的运输和加工。涡旋破碎机内存在叶轮与粉碎通道，粉碎通道内可通入气体，物料由进料口输入至粉碎管道后，由于物料自身的碰撞及其与管道的碰撞，可将大块物料粉碎。叶轮高速旋转，形式涡流效应，使被粉碎的物料顺畅地转移至出料口。

为了保证涡旋破碎机的正常使用，对涡旋破碎机进行监测和维护就变得至关重要。目前的涡旋破碎机往往需要设备操作人员进行现场看护，以便及时发现并处理设备故障。但是这种方式一方面，需要专业工作人员实时监控，可能出现漏检、错记的问题；另一方面，涡旋破碎机不能集中化管理，故障发现不及时，生产成本增加，生产效率降低。

发明内容

本申请实施例提供了一种基于设备状态的涡旋破碎机的远程控制方法及设备，用以解决现有的涡旋破碎机需要人为监测，监测精度低且存在故障反馈不及时的技术问题。

一方面，本申请实施例提供了一种基于设备状态的涡旋破碎机的远程控制方法，涡旋破碎机包括叶轮、管道，方法包括：服务器获取涡旋破碎机的实时运行数据；其中，实时运行数据至少包括：叶轮振动信号、管道厚度数据；服务器按照预设时间间隔，从获取的涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据；服务器根据当前时间段的当前运行数据，确定当前时间段内叶轮的叶轮运行状态以及管道的管道运行状态；服务器基于叶轮运行状态以及管道运行状态，确定涡旋破碎机的故障级别；服务器根据涡旋破碎机的故障级别，控制涡旋破碎机的运行。

在本申请的一种实现方式中，涡旋破碎机还包括安装叶轮的叶轮轴，叶轮振动信号为振动传感器采集得到的，且振动传感器嵌设于涡旋破碎机的叶轮轴内；管道厚度数据由至少一个超声波测厚仪测量得到；其中，各超声波测厚仪按照预设间隔设置于所述管道外侧。

在本申请的一种实现方式中，服务器根据当前时间段的当前运行数据，确定当前时间段内叶轮的叶轮运行状态，具体包括：服务器从当前时间段所对应的当前运行数据中，确定当前时间段对应的叶轮振动信号；服务器根据当前时间段对应的叶轮振动信号，生成当前时间段对应的振动信号曲线；基于当前时间段对应的振动信号曲线，确定当前时间段内叶轮的叶轮运行状态；其中，叶轮运行状态包括正常运行状态、异常运行状态；异常运行状态至少包括以下任意一项：大颗粒碰撞、叶轮破损。

在本申请的一种实现方式中，服务器根据当前时间段的当前运行数据，确定当前时间段内管道的管道运行状态，具体包括：服务器从当前时间段的当前运行数据中，获取当前时间段的管道厚度数据；在至少有一项管道厚度数据小于或等于相应的预设阈值的情况下，确定管道运行状态为待更换状态；在管道厚度数据均大于相应的预设阈值的情况下，确定管道厚度数据中最小的管道厚度数据，并确定最小的管道厚度数据所对应的检测点，作为预测点；基于预测点的管道厚度数据，确定预测点对应的剩余使用时长。

在本申请的一种实现方式中，基于当前时间段对应的振动信号曲线，确定当前时间段内叶轮的叶轮运行状态，具体包括：确定当前时间段对应的振动信号曲线的最大波峰值与最小波谷值；在最大波峰值小于或等于第一预设值，且最小波谷值大于或等于第二预设值的情况下，确定当前时间段内叶轮为正常运行状态；在振动信号曲线中存在大于第一预设值的波峰值，或者存在小于第二预设值的波谷值的情况下，确定当前时间段内叶轮为异常运行状态。

在本申请的一种实现方式中，在振动信号曲线中存在大于第一预设值的波峰值，或者存在小于第二预设值的波谷值的情况下，确定当前时间段内叶轮为异常运行状态，具体包括：确定在当前时间段对应的振动信号曲线中，相邻波峰之间的差值，作为波峰差值，或相邻波谷之间的差值，作为波谷差值；确定是否存在大于第三预设值的波峰差值或波谷差值；在存在大于第三预设值的波峰差值或者波谷差值的情况下，确定叶轮的运行状态为大颗粒碰击；在不存在大于第三预设值的波峰差值或者波谷差值的情况下，计算当前时间段的振动信号曲线的第一波峰平均值或者第一波谷平均值；以及获取上一时间段的振动信号曲线，并计算上一时间段的振动信号曲线的第二波峰平均值或者第二波谷平均值；在第一波峰平均值与第二波峰平均值的差值大于第四预设值的情况下，确定叶轮的运行状态为叶轮破损；或在第一波谷平均值与第二波谷平均值的差值小于第五预设值的情况下，确定叶轮的运行状态为叶轮破损。

在本申请的一种实现方式中，方法还包括：分别确定管道在初始状态和待更换状态对应的管道厚度数据；根据预测点对应的管道厚度数据和累计使用时长，及管道在初始状态对应的管道厚度数据，计算管道的磨损速度；计算预测点的管道厚度数据和待更换状态对应的管道厚度数据之间的差值，并根据差值，确定预测点对应的剩余使用时长；根据所述剩余使用时长、累计使用时长和不同状态下的管道厚度数据，训练神经网络模型，以得到用于预测管道剩余使用时长的管道时长预测模型。

在本申请的一种实现方式中，服务器基于叶轮运行状态以及管道运行状态，确定涡旋破碎机的故障级别，具体包括：在叶轮运行状态为异常运行状态和/或管道运行状态为待更换状态的情况下，确定涡旋破碎机的故障级别为一级；在叶轮运行状态为正常运行状态以及管道运行状态为磨损状态的情况下，确定涡旋破碎机的故障级别为二级；其中，在管道厚度数据均大于相应的预设阈值的情况下，管道运行状态为磨损状态。

在本申请的一种实现方式中，在服务器按照预设时间间隔，从获取的涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据之前，方法还包括：获取预设的声音传感器采集的涡旋破碎机运行时的噪声数据；声音传感器设置于靠近涡旋破碎机的位置；并根据噪声数据生成实时噪声曲线；根据实时噪声曲线，确定是否发生噪声突变；在确定发生噪声突变的情况下，服务器直接从获取的涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据。

另一方面，本申请实施例还提供了一种基于设备状态的涡旋破碎机的远程控制设备，设备包括：处理器；及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述的一种基于设备状态的涡旋破碎机的远程控制方法。

本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制方法及***，至少具备以下有益效果：

通过在涡旋破碎机运行过程中获取其实时运行数据，并据此确定易损坏部件如叶轮、管道的运行状态，实现了对涡旋破碎机的实时监测；通过叶轮、管道的运行状态进一步确定故障级别，判断当前异常是属于正常磨损还是严重损坏，以便根据故障级别对涡旋破碎机采取不同的处理方式，提高了检测的精确度，还有利于针对各类型故障制定不同的应对措施，保障了涡旋破碎机的正常运行；

振动传感器嵌设于叶轮轴内，避免了直接设置于叶片上，影响叶轮的工作效率，并且振动传感器能在叶轮转动时获取到相应的振动信号，将振动信号转化为振动曲线，可根据曲线中波形的变化判断当前时间段内叶轮的运行状况，以控制涡旋破碎机的运行，更加直观；

当叶轮异常运行时，通过分析振动曲线中的波峰值和波谷值可进一步确定异常原因，实现了故障的精确定位，在确定故障原因后便可采取相应的应对措施，避免了人为二次检测，提高了检测效率，同时，在集中式的设备管理中，自动检测的方式也降低了漏检的可能；

通过测量管道厚度，确定当前时间段内管道的运行状态，有效避免了因管道过度磨损造成的涡旋破碎机异常运行，并且，对暂未需要进行更换的预测点出的管道厚度，预测其剩余使用时长，以便于在使用期限内及时更换管道，避免因数据监测不及时造成运行异常；

通过监控非计算时间段的噪声数据，可在噪声突变的第一时间直接去分析当前运行数据，据此确定涡旋破碎机的实际运行状况，避免了漏检。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制方法流程图；

图2为本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制设备结构示意图；

图3为本申请实施例提供的一种叶轮处于大颗粒碰撞状态对应的振动信号曲线图；

图4为本申请实施例提供的一种叶轮处于破损状态对应的振动信号曲线图；

图5为本申请实施例提供的一种涡旋破碎机的结构示意图；

图6为本申请实施例提供的一种涡旋破碎机的剖视图；

图7为本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面通过附图对本申请实施例提出的技术方案进行详细的说明。

图1为本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制方法流程图。如图1所示，本申请实施例提供的基于设备状态的涡旋破碎机的远程控制方法主要包括以下步骤：

S101、服务器获取涡旋破碎机的实时运行数据；其中，实时运行数据至少包括：叶轮振动信号、管道厚度数据。

在本申请实施例中，服务器获取涡旋破碎机的实时运行数据，以据此判断涡旋破碎机的运行状态。其中，实时运行数据至少包括：叶轮振动信号、管道厚度数据。

具体地，涡旋破碎机包括叶轮和用于粉碎物料的管道，在管道内通入气体，当物料由进料口输入至管道后，物料由于气流作用自身发生碰撞并与管道发生碰撞粉碎。叶轮高速旋转形成涡流效应，使得粉碎后的物料可由出料口移出。涡旋破碎机的叶轮对应的叶轮轴内嵌设有振动传感器，当电机驱动叶轮轴转动后，叶轮轴可带动叶轮转动，设于其中的振动传感器可采集叶轮转动过程中产生的的振动信号。管道外按照预设间隔设有多个超声波测厚仪，管道厚度数据由其中的至少一个超声波测厚仪测量得到。获取到的叶片振动信号和管道厚度数据反馈给服务器，以通过服务器对其进行后续的分析，判断涡旋破碎机的运行状态。

S102、服务器按照预设时间间隔，从获取的涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据。

在本申请实施例中，服务器接收到涡旋破碎机的实时运行数据后，按照预设的时间间隔获取运行数据，这样，每间隔一段时间再对获取到的实时运行数据进行分析，可降低数据处理压力。例如，服务器可每间隔t秒获取一次运行数据。

S103、服务器根据当前时间段的当前运行数据，确定当前时间段内叶轮的叶轮运行状态以及管道的管道运行状态。

在本申请实施例中，服务器对当前时间段的设备运行数据进行分析，以确定该时间段内叶轮和管道的运行状态，实现对涡旋破碎机的实时监测。

在一个实施例中，服务器从获取的当前运行数据中，确定对应的叶轮振动信号。为更直观的分析叶轮状态，服务器将振动信号转换为对应的振动曲线。图2为本申请实施例提供的一种叶轮正常运行状态对应的振动信号曲线图。由图2可知，振动信号曲线所在的坐标轴中，横坐标为时间，纵坐标为振动信号曲线对应的幅值。通过振动信号曲线图，可根据不同时刻对应的叶轮的振动幅值的大小，确定叶轮振动状况，进而确定叶轮当前的运行状态是正常或异常。其中，叶轮的异常状态包括大颗粒碰撞、叶轮破损。

具体地，振动曲线包括多个波峰和波谷，根据波峰和波谷的振动幅度可判断当前时间段内的叶轮振动状况。若振动幅度较为平稳，则说明叶轮正常运行；若存在突变的曲线段，即波峰或波谷数值发生较大波动，此时叶轮可能是由于受到了大颗粒物料的碰撞，或是发生破裂造成了异常运行。

进一步地，服务器根据当前时间段的振动曲线确定其最大波峰值和最小波谷值。之后，将最大波峰值和最小波谷值分别与第一预设值和第二预设值进行对比，第一预设值和第二预设值表示叶轮正常运行状态下对应的最大波动值，如果最大波峰值小于或等于第一预设值，且最小波谷值大于或等于第二预设值，则说明书振动曲线的波动未超出正常运行范围，此时叶轮为正常运行状态。如果该振动曲线中存在大于第一预设值的波峰值，或存在小于第二预设值的波谷值，则说明当前时间段内叶轮为异常运行状态。

例如，如图2所示的一种叶轮正常运行状态对应的振动信号曲线图。图2中的振动信号曲线中的波峰值与波谷值较为平稳，且相邻波峰值与波谷值之间的差值较小，此时叶轮在运行过程中振动较为微弱，运行较为平稳。

在一个实施例中，服务器在确定叶轮异常运行后，会进一步根据振动曲线确定具体的异常原因，以便于采取合适的措施处理当前故障。

具体地，服务器确定在当前时间段对应的振动信号曲线中，相邻波峰之间的差值，作为波峰差值，或相邻波谷之间的差值，作为波谷差值。判断是否存在大于第三预设值的波峰差值或波谷差值，在存在大于第三预设值的波峰差值或者波谷差值的情况下，确定叶轮的运行状态为大颗粒碰击。

图3为本申请实施例提供的一种叶轮处于大颗粒碰撞状态对应的振动信号曲线图。由图3可以看出，图中横坐标为振动时间，纵坐标为振动幅值。图3中存在相邻两个波峰值差值较大的情况下，将波峰值差值与预设第三预设值进行比较，在波峰值大于第三预设值的情况下，确定叶轮当前为大颗粒碰撞状态。

在不存在大于第三预设值的波峰差值或者波谷差值的情况下，服务器计算当前时间段的振动信号曲线的第一波峰平均值或者第一波谷平均值。以及获取上一时间段的振动信号曲线，并计算上一时间段的振动信号曲线的第二波峰平均值或者第二波谷平均值。

进一步地，服务器在第一波峰平均值与第二波峰平均值的差值大于第四预设值的情况下，确定叶轮的运行状态为叶轮破损。或服务器在第一波谷平均值与第二波谷平均值的差值小于第四预设值的情况下，确定叶轮的运行状态为叶轮破损。

具体地，服务器将当前时间段对应的平均波峰值，与上一时间段对应的平均波峰值进行差值计算，在差值较大，且该差值大于第四预设值的情况下，确定叶轮为叶轮破损状态。其中，第四预设值的情况下为叶轮正常运行状态下，相邻两个时间段对应的波峰平均值差值的最大值。或者，服务器将当前时间段对应的平均波谷值，与上一时间段对应的平均波谷值进行差值计算，在差值为负数，且该差值小于第五预设值的情况下，确定叶轮为叶轮破损状态。

例如，图4为本申请实施例提供的一种叶轮处于破损状态对应的振动信号曲线图。如图4所示，图中横坐标为振动时间，纵坐标为振动幅值。图4中波峰值都较大，且其波谷值都较小，相邻波峰值与波谷值之间的差值较大，说明当前叶轮振动较为剧烈。

在一个实施例中，当叶轮处于大颗粒碰撞状态时，说明当前对物料的粉粹程度没有达到要求。物料破碎后产生的大颗粒会不断碰击叶轮，致使叶轮产生损坏。此外，产生的大颗粒难以被输送出出料口，被堆积在叶轮前方，影响叶轮运行效果。因此，当叶轮处于大颗粒碰撞状态的次数较多的情况下，可以适当提高涡旋破碎机进风口出的风速，加大物料在物料传输通道中的碰撞挤压，以提高物料的破损度。

在一个实施例中，服务器从当前时间段的运行数据中，确定出测得的多个管道厚度数据，用于反映当前时间段内管道的运行状态。若至少有一个管道厚度数据小于或等于预设阈值，说明该厚度数据对应的检测点处的管道位置厚度较薄，此时的管道处于待更换状态，且需要及时进行更换。若当前时间段的管道厚度数据均大于预设阈值，从全部厚度数据中确定出最小的厚度数据，并将其对应的检测点作为预测点。

进一步地，服务器根据预测点处的管道厚度数据，预测管道的剩余使用时长，以便在使用期限内及时更换管道，避免因厚度数据监测的不及时引起其破损，降低生产效率。

具体地，初始状态的管道为未使用的管道，待更换状态的管道为需要进行更换的管道。服务器分别确定管道在初始状态和待更换状态时的管道厚度数据，并根据预测点对应的管道厚度数据、管道在初始状态时的厚度和管道的累计使用时长，通过厚度差和使用时长来计算管道的磨损速度。

进一步地，计算预测点的管道厚度数据和待更换状态对应的管道厚度数据之间的差值，之后，根据该差值，确定预测点运行至待更换状态对应的剩余使用时长。

更进一步地，根据剩余使用时长、累计使用时长和不同状态下的管道厚度数据，训练神经网络模型，以得到用于预测管道剩余使用时长的管道时长预测模型。

在一个实施例中，在测得管道厚度数据且确定管道暂不需更换后，可将管道厚度输入训练好的管道时长预测模型。通过管道时长预测模型，预测管道从此时到必须进行更换时的时长，以在剩余时长内及时更换管道。

预测点处的管道厚度虽暂时未达到必须更换的程度，但是由于后续使用会造成管道的进一步磨损，因此对管道的使用时长进行监测，便于把控管道更换的确切时间，防止了因数据反馈不及时造成管道磨损过度，影响生产效率。

S104、服务器基于叶轮运行状态以及管道运行状态，确定涡旋破碎机的故障级别。

在本申请实施例中，服务器根据叶轮及管道的运行状态，确定涡旋破碎机的故障级别，以根据不同的级别采取不同的响应措施。

具体地，当叶轮为异常运行状态和/或管道为异常运行状态时，此时涡旋破碎机的故障级别为一级。当叶轮为正常运行状态且管道为磨损状态时，涡旋破碎机的故障级别为二级。其中，只要叶轮的振动曲线较为平稳，波峰值和波谷值不存在突变，或者相邻波峰值与波谷值之间的差值较小，即使叶轮存在一定程度的磨损也属于正常运行状态。只要测得的管道厚度数据均大于预设阈值，管道便为磨损状态。

S105、服务器根据涡旋破碎机的故障级别，控制涡旋破碎机的运行。

在本申请实施例中，服务器根据不同的故障级别，控制涡旋破碎机的运行。当故障级别为一级时，由于故障级别较高，涡旋破碎机立即停止运行，需及时进行检修或更换。当故障级别为二级时，此时涡旋破碎机大多是存在轻微磨损等故障，并不影响其运行，涡旋破碎机可正常运行。

在一个实施例中，服务器每间隔一段时间对获取到的实时运行数据进行计算分析，以确定当前时间段的涡旋破碎机运行状态。在未对运行数据进行分析的时间段内，可通过监测噪声来推测涡旋破碎机是否处于异常状态。

具体地，靠近涡旋破碎机的位置设有声音传感器，在涡旋破碎机运行过程中，声音传感器可采集其噪声数据，并根据噪声数据生成相应的噪声曲线。通过观察噪声曲线中波形的变化，可确定出对应时间段内噪声是否发生突变。涡旋破碎机处于正常运行状态时，其产生的噪声应较为稳定，相应的噪声曲线也应当是比较平稳，不会存在很大的波动。若噪声曲线波形变化较大，波谷值和波峰值均不在正常运行范围内，或相邻波峰值和相邻波谷值之间的差值较大，则说明声音传感器采集的当前时间段的噪声发生突变。一旦噪声发生突变，即使当前不在分析运行数据的时间段内，服务器也会直接从获取到的实时运行数据中确定当前时间段的运行数据，并据此确定涡旋破碎机的当前运行状态。

设置时间间隔对获取到的实时运行数据进行计算分析，可降低数据处理压力，但是对非计算时间段内发生的异常状况却无法第一时间监测到，易造成安全隐患。因此，通过监控非计算时间段的噪声数据，服务器可在噪声突变的第一时间直接去分析当前运行数据，据此确定涡旋破碎机的实际运行状况，避免了漏检。

本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制方法，通过在涡旋破碎机运行过程中获取其实时运行数据，并据此确定易损坏部件如叶轮、管道的运行状态，实现了对涡旋破碎机的实时监测；通过叶轮、管道的运行状态进一步确定故障级别，判断当前异常是属于正常磨损还是严重损坏，以便根据故障级别对涡旋破碎机采取不同的处理方式，提高了检测的精确度，还有利于针对各类型故障制定不同的应对措施，保障了涡旋破碎机的正常运行

图5为本申请实施例提供的一种涡旋破碎机的结构示意图。图6为本申请实施例提供的一种涡旋破碎机的剖视图。如图5与图6所示，涡旋破碎机包括：

1管道，2电机，3出料口，4进风口，5进料口，6出料通道，7叶轮，8叶轮轴套，9叶轮轴。

物料通过涡旋破碎机的进料口5，输送至管道1，通过进风口4向管道1内吹风，使物料向叶轮7端移动。叶轮轴9与叶轮7相连接，电机2驱动叶轮轴9转动，使得叶轮轴9带动叶轮7旋转。叶轮7高速旋转，形式涡流效应，使物料在管道1内由于互相碰撞粉碎，并将被粉碎的物料顺畅地转移至出料口3。被粉碎的物料通过出料通道1输送出涡旋破碎机。

图7为本申请实施例提供的一种基于设备状态的涡旋破碎机的远程控制设备结构示意图。如图7所示，设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取涡旋破碎机的实时运行数据；其中，实时运行数据至少包括：叶轮振动信号、管道厚度数据；按照预设时间间隔，从获取的涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据；根据当前时间段的当前运行数据，确定当前时间段内叶轮的叶轮运行状态以及管道的管道运行状态；基于叶轮运行状态以及管道运行状态，确定涡旋破碎机的故障级别；根据涡旋破碎机的故障级别，控制涡旋破碎机的运行。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于设备状态的涡旋破碎机的远程控制方法，所述涡旋破碎机包括叶轮、管道，其特征在于，所述方法包括：

服务器获取所述涡旋破碎机的实时运行数据；其中，所述实时运行数据至少包括：叶轮振动信号、管道厚度数据；

服务器按照预设时间间隔，从获取的所述涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据；

服务器根据所述当前时间段的当前运行数据，确定所述当前时间段内所述叶轮的叶轮运行状态以及所述管道的管道运行状态；

服务器基于所述叶轮运行状态以及所述管道运行状态，确定所述涡旋破碎机的故障级别；

服务器根据所述涡旋破碎机的故障级别，控制所述涡旋破碎机的运行。

2.根据权利要求1所述的一种基于设备状态的涡旋破碎机的远程控制方法，所述涡旋破碎机还包括安装叶轮的叶轮轴，其特征在于，

所述叶轮振动信号为振动传感器采集得到的，且所述振动传感器嵌设于所述涡旋破碎机的叶轮轴内；

所述管道厚度数据由至少一个超声波测厚仪测量得到；其中，各所述超声波测厚仪按照预设间隔设置于所述管道外侧。

3.根据权利要求1所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，所述服务器根据所述当前时间段的当前运行数据，确定所述当前时间段内所述叶轮的叶轮运行状态，具体包括：

服务器从所述当前时间段所对应的当前运行数据中，确定当前时间段对应的叶轮振动信号；

服务器根据当前时间段对应的叶轮振动信号，生成当前时间段对应的振动信号曲线；

基于所述当前时间段对应的振动信号曲线，确定当前时间段内所述叶轮的叶轮运行状态；

其中，所述叶轮运行状态包括正常运行状态、异常运行状态；所述异常运行状态至少包括以下任意一项：大颗粒碰撞、叶轮破损。

4.根据权利要求1所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，所述服务器根据所述当前时间段的当前运行数据，确定所述当前时间段内所述管道的管道运行状态，具体包括：

服务器从所述当前时间段的当前运行数据中，获取所述当前时间段的管道厚度数据；

在至少有一项所述管道厚度数据小于或等于相应的预设阈值的情况下，确定所述管道运行状态为待更换状态；

在所述管道厚度数据均大于所述相应的预设阈值的情况下，确定所述管道厚度数据中最小的管道厚度数据，并确定所述最小的管道厚度数据所对应的检测点，作为预测点；

基于所述预测点的管道厚度数据，确定所述预测点对应的剩余使用时长。

5.根据权利要求3所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，基于所述当前时间段对应的振动信号曲线，确定当前时间段内所述叶轮的叶轮运行状态，具体包括：

确定当前时间段对应的振动信号曲线的最大波峰值与最小波谷值；

在所述最大波峰值小于或等于第一预设值，且最小波谷值大于或等于第二预设值的情况下，确定当前时间段内所述叶轮为正常运行状态；

在所述振动信号曲线中存在大于所述第一预设值的波峰值，或者存在小于所述第二预设值的波谷值的情况下，确定当前时间段内所述叶轮为异常运行状态。

6.根据权利要求5所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，在所述振动信号曲线中存在大于所述第一预设值的波峰值，或者存在小于所述第二预设值的波谷值的情况下，确定当前时间段内所述叶轮为异常运行状态，具体包括：

确定在所述当前时间段对应的振动信号曲线中，相邻波峰之间的差值，作为波峰差值，或相邻波谷之间的差值，作为波谷差值；

确定是否存在大于第三预设值的波峰差值或波谷差值；

在存在大于所述第三预设值的波峰差值或者波谷差值的情况下，确定所述叶轮的运行状态为大颗粒碰击；

在不存在大于所述第三预设值的波峰差值或者波谷差值的情况下，计算所述当前时间段的振动信号曲线的第一波峰平均值或者第一波谷平均值；以及

获取上一时间段的振动信号曲线，并计算所述上一时间段的振动信号曲线的第二波峰平均值或者第二波谷平均值；

在所述第一波峰平均值与所述第二波峰平均值的差值大于第四预设值的情况下，确定所述叶轮的运行状态为叶轮破损；或

在所述第一波谷平均值与所述第二波谷平均值的差值小于第五预设值的情况下，确定所述叶轮的运行状态为叶轮破损。

7.根据权利要求4所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，所述方法还包括：

分别确定所述管道在初始状态和待更换状态对应的管道厚度数据；

根据所述预测点对应的管道厚度数据和累计使用时长，及所述管道在初始状态对应的管道厚度数据，计算所述管道的磨损速度；

计算所述预测点的管道厚度数据和待更换状态对应的管道厚度数据之间的差值，并根据所述差值，确定所述预测点对应的剩余使用时长；

根据所述剩余使用时长、所述累计使用时长和不同状态下的所述管道厚度数据，训练神经网络模型，以得到用于预测管道剩余使用时长的管道时长预测模型。

8.根据权利要求4或5所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，服务器基于所述叶轮运行状态以及所述管道运行状态，确定所述涡旋破碎机的故障级别，具体包括：

在所述叶轮运行状态为异常运行状态和/或所述管道运行状态为待更换状态的情况下，确定所述涡旋破碎机的故障级别为一级；

在所述叶轮运行状态为正常运行状态以及所述管道运行状态为磨损状态的情况下，确定所述涡旋破碎机的故障级别为二级；

其中，在所述管道厚度数据均大于所述相应的预设阈值的情况下，所述管道运行状态为磨损状态。

9.根据权利要求1所述的一种基于设备状态的涡旋破碎机的远程控制方法，其特征在于，在服务器按照预设时间间隔，从获取的所述涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据之前，所述方法还包括：

获取预设的声音传感器采集的所述涡旋破碎机运行时的噪声数据；所述声音传感器设置于靠近所述涡旋破碎机的位置；

并根据所述噪声数据生成实时噪声曲线；

根据所述实时噪声曲线，确定是否发生噪声突变；

在确定发生噪声突变的情况下，服务器直接从获取的所述涡旋破碎机的实时运行数据中，确定当前时间段所对应的当前运行数据。

10.一种基于设备状态的涡旋破碎机的远程控制设备，其特征在于，所述设备包括：

处理器；

及存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-9任一项所述的一种基于设备状态的涡旋破碎机的远程控制方法。

Images