CN115684349B - 一种基于振动信号的管路磨穿实时预警方法 - Google Patents
一种基于振动信号的管路磨穿实时预警方法 Download PDFInfo
- Publication number
- CN115684349B CN115684349B CN202211335680.3A CN202211335680A CN115684349B CN 115684349 B CN115684349 B CN 115684349B CN 202211335680 A CN202211335680 A CN 202211335680A CN 115684349 B CN115684349 B CN 115684349B
- Authority
- CN
- China
- Prior art keywords
- pipeline
- vibration
- early warning
- real
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005299 abrasion Methods 0.000 claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 239000004575 stone Substances 0.000 claims abstract description 11
- 239000002893 slag Substances 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 230000035515 penetration Effects 0.000 claims description 12
- 230000015556 catabolic process Effects 0.000 claims description 10
- 238000006731 degradation reaction Methods 0.000 claims description 10
- 230000036541 health Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 239000002002 slurry Substances 0.000 abstract description 13
- 238000010276 construction Methods 0.000 abstract description 7
- 239000000463 material Substances 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000003595 spectral effect Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 230000005284 excitation Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及泥水盾构施工技术领域,且公开了一种基于振动信号的管路磨穿实时预警方法,包括管路a,强力磁铁基座b,振动传感器c,振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据。本发明通过该道路磨穿实时预警方法提供了判断管路磨损状态的新思路,克服了超声波测厚仪人工测量危险性高、浪费人力物力的缺点,实现了安全高效自动化,实现了管路磨损状态实时监测,可在管路磨穿前发出预警,可成为泥水盾构智能化施工的重要组成部分。
Description
技术领域
本发明涉及泥水盾构施工技术领域,具体为一种基于振动信号的管路磨穿实时预警方法。
背景技术
泥水盾构在大粒径砂卵石、全断面硬岩及断层破碎带等地层掘进时,大粒径卵石、岩渣等在泥浆流场作用下在排将管路中运移,对排浆管路造成严重磨损,大大降低了排浆管路使用寿命,更换管路将导致盾构停机,且管路磨穿漏浆将导致隧道内泥浆堆积,浪费大量人力物力清理,且严重影响盾构施工效益。
现有对管路磨损的监测通常采用超声波测厚仪人工测量,该方法虽然可以精确获得管路磨损量,但无法做到实时监测,无法在管路磨穿之前发出预警,且隧道内环境恶劣,测量管路厚度存在一定安全隐患。管路振动信号对管路磨损具有较强的敏感性,因此,有必要提出一种基于振动信号的管路磨穿实时预警方法,在管路磨穿之前发出预警,及时采取措施避免泥浆泄露。
发明内容
本发明的目的在于提供了一种基于振动信号的管路磨穿实时预警方法,达到提供了判断管路磨损状态的新思路,克服了超声波测厚仪人工测量危险性高、浪费人力物力的缺点,实现了安全高效自动化,实现了管路磨损状态实时监测,可在管路磨穿前发出预警,可成为泥水盾构智能化施工的重要组成部分。
为实现上述目的,本发明提供如下技术方案:
一种基于振动信号的管路磨穿实时预警方法,包括管路a,强力磁铁基座b,振动传感器c,所述振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据;振动分析***f,用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,包括如下步骤:
振动传感器c,所述振动传感器c用于获取管路磨损点的振动信号,并根据设置的道路定值长度和深度依次放置多个振动传感器c。
信号采集器e,所述信号采集器e用于接收、储存和实时上传振动传感器c采集到的数据,接收到的数据根据不同时间段进行记录和存储,并将得到的数据进行整理,将不正常的数值进行去除。
振动分析***f,所述振动分析***f用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警。
数据整理,将不同时间段的数据统一输入到计算机程序中,对数据进行统一规划,得出不同时间段相对应的正峰值、负峰值、峰峰值、平均值、均方根值、标准差、峰值、整流平均值、歪度、峰度、裕度、波形因子、峰值因子和脉冲因子具体数据,并通过表格的形式展示,数学分析模型是通过后台服务器根据振动分析***f中得到机械链接件的振动信息,并对机械链接件的性能退化进行分析,性能退化分析通过振动分析***f中得到的数据来判断,因此通过数学分析模型获得振动信号的形态梯度谱熵,形态梯度谱熵反映振动信号的形态特征和组成变化,使得对机械链接件的实际运行状态的判断更为准确,并可利用后台服务器对机械链接件的健康状况进行综合判断,给出预警信息,实现了对机械链接件的实时在线监控和评估。
机械链接件的形态梯度谱熵,根据振动信号中得到的振动模态来计算出模态分量的数据,并与原始振动信息的相关系数进行比对,来判断机械链接件的性能,当形态梯度谱熵的偏差值小于偏差阈值时,判定所述机械链接件处于正常状态,当形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定机械链接件处于松动状态,形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息,依据模糊推理机制,对机械链接件的实际运行状态构建模糊规则库,进行模糊评判,从而实现对机架链接件的健康诊断。
机械设备故障预警***,根据相同时间段,得到的数值之间是否有差数,判断机械设备之间的链接件是否为松动状态,并通过差数的大小,当数值过大时,机械链接件的松动程度过大,反之数值较小时,机械链接件的松动程度较小,便可判断松动的程度,且将得到的数值及时上传至服务器中,及时提供给技术人员,并给出警示信息,机械链接件的松动程度直接影响管道的振动幅度大小,对管道的磨损程度产生直接的影响。
优选的,所述振动传感器c底部安装有强力磁铁基座b,使其可以方便快捷的固定在管路最底部,安装时确保振动传感器c的X方向与管路径向一致。
优选的,所述振动传感器c在固定时间间隔内自动采集一次管路振动信号,通过无线连接传输到信号采集器e,振动分析***f实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线。
优选的,所述依据X方向振动信号中频域曲线的响应频率判断管路磨损状态,若在25~75Hz内存在峰值响应频率,则管路磨损不严重,管路壁厚大于3mm,可继续工作,若25~75Hz内不存在峰值响应频率,则管路磨损严重,壁厚小于3mm,发出管路磨穿预警。
优选的,所述根据不同长度和深度放置的振动传感器c可得到不同数值的振动频率,并将不同时间段得到的正负峰值进行记录和对比,可根据不同长度放置的振动传感器c得到振动的数值,可更加准确判断道路的磨损程度,并通过不同深度可精准了解道路的磨穿程度,以此提高判断对道路磨穿的准确度。
优选的,所述不同时间段振动得到的数值和链接件之间松动数值成正比,根据振动数值和松动数值进行对比,可得到链接件的松动程度,并判断振动数值是否准确。
本发明提供了一种基于振动信号的管路磨穿实时预警方法,具备以下有益效果:
本发明通过设置的管路a,强力磁铁基座b,振动传感器c,振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据;振动分析***f,用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,提供了判断管路磨损状态的新思路,克服了超声波测厚仪人工测量危险性高、浪费人力物力的缺点,实现了安全高效自动化,实现了管路磨损状态实时监测,可在管路磨穿前发出预警,可成为泥水盾构智能化施工的重要组成部分。
附图说明
图1是本发明的振动信号实时监测分析***示意图;
图2是本发明的未严重磨损时的频域曲线示意图;
图3是本发明的严重磨损时的频域曲线示意图。
图中:a、管路;b、强力磁铁基座;c、振动传感器;d、大粒径渣石;e、信号采集器;f、振动分析***。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1所示,本发明提供以下技术方案:
实施例一:
一种基于振动信号的管路磨穿实时预警方法,包括管路a,强力磁铁基座b,振动传感器c,振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据;振动分析***f,用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,振动传感器c底部安装有强力磁铁基座b,使其可以方便快捷的固定在管路最底部,安装时确保振动传感器c的X方向与管路径向一致,包括如下步骤:
振动传感器c,振动传感器c用于获取管路磨损点的振动信号,并根据设置的道路定值长度和深度依次放置多个振动传感器c,振动传感器c在固定时间间隔内自动采集一次管路振动信号,通过无线连接传输到信号采集器e,振动分析***f实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲,根据不同长度和深度放置的振动传感器c可得到不同数值的振动频率,并将不同时间段得到的正负峰值进行记录和对比,可根据不同长度放置的振动传感器c得到振动的数值,可更加准确判断道路的磨损程度,并通过不同深度可精准了解道路的磨穿程度,以此提高判断对道路磨穿的准确度。
信号采集器e,信号采集器e用于接收、储存和实时上传振动传感器c采集到的数据,接收到的数据根据不同时间段进行记录和存储,并将得到的数据进行整理,将不正常的数值进行去除。
振动分析***f,振动分析***f用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,依据X方向振动信号中频域曲线的响应频率判断管路磨损状态,若在25~75Hz内存在峰值响应频率,则管路磨损不严重,管路壁厚大于3mm,可继续工作,若25~75Hz内不存在峰值响应频率,则管路磨损严重,壁厚小于3mm,发出管路磨穿预警。
数据整理,将不同时间段的数据统一输入到计算机程序中,对数据进行统一规划,得出不同时间段相对应的正峰值、负峰值、峰峰值、平均值、均方根值、标准差、峰值、整流平均值、歪度、峰度、裕度、波形因子、峰值因子和脉冲因子具体数据,并通过表格的形式展示,数学分析模型是通过后台服务器根据振动分析***f中得到机械链接件的振动信息,并对机械链接件的性能退化进行分析,性能退化分析通过振动分析***f中得到的数据来判断,因此通过数学分析模型获得振动信号的形态梯度谱熵,形态梯度谱熵反映振动信号的形态特征和组成变化,使得对机械链接件的实际运行状态的判断更为准确,并可利用后台服务器对机械链接件的健康状况进行综合判断,给出预警信息,实现了对机械链接件的实时在线监控和评估。
机械链接件的形态梯度谱熵,根据振动信号中得到的振动模态来计算出模态分量的数据,并与原始振动信息的相关系数进行比对,来判断机械链接件的性能,当形态梯度谱熵的偏差值小于偏差阈值时,判定所述机械链接件处于正常状态,当形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定机械链接件处于松动状态,形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息,依据模糊推理机制,对机械链接件的实际运行状态构建模糊规则库,进行模糊评判,从而实现对机架链接件的健康诊断。
机械设备故障预警***,根据相同时间段,得到的数值之间是否有差数,判断机械设备之间的链接件是否为松动状态,并通过差数的大小,当数值过大时,机械链接件的松动程度过大,反之数值较小时,机械链接件的松动程度较小,便可判断松动的程度,且将得到的数值及时上传至服务器中,及时提供给技术人员,并给出警示信息,机械链接件的松动程度直接影响管道的振动幅度大小,对管道的磨损程度产生直接的影响。
通过振动分析***f判定管路异常,发出管路磨穿预警。
如图2所示,本发明提供以下技术方案
实施例二:
一种基于振动信号的管路磨穿实时预警方法,包括管路a,强力磁铁基座b,振动传感器c,振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据;振动分析***f,用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,振动传感器c底部安装有强力磁铁基座b,使其可以方便快捷的固定在管路最底部,安装时确保振动传感器c的X方向与管路径向一致,包括如下步骤:
振动传感器c,振动传感器c用于获取管路磨损点的振动信号,并根据设置的道路定值长度和深度依次放置多个振动传感器c,振动传感器c在固定时间间隔内自动采集一次管路振动信号,通过无线连接传输到信号采集器e,振动分析***f实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲,根据不同长度和深度放置的振动传感器c可得到不同数值的振动频率,并将不同时间段得到的正负峰值进行记录和对比,可根据不同长度放置的振动传感器c得到振动的数值,可更加准确判断道路的磨损程度,并通过不同深度可精准了解道路的磨穿程度,以此提高判断对道路磨穿的准确度。
信号采集器e,信号采集器e用于接收、储存和实时上传振动传感器c采集到的数据,接收到的数据根据不同时间段进行记录和存储,并将得到的数据进行整理,将不正常的数值进行去除。
振动分析***f,振动分析***f用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,依据X方向振动信号中频域曲线的响应频率判断管路磨损状态,若在25~75Hz内存在峰值响应频率,则管路磨损不严重,管路壁厚大于3mm,可继续工作,若25~75Hz内不存在峰值响应频率,则管路磨损严重,壁厚小于3mm,发出管路磨穿预警。
数据整理,将不同时间段的数据统一输入到计算机程序中,对数据进行统一规划,得出不同时间段相对应的正峰值、负峰值、峰峰值、平均值、均方根值、标准差、峰值、整流平均值、歪度、峰度、裕度、波形因子、峰值因子和脉冲因子具体数据,并通过表格的形式展示,数学分析模型是通过后台服务器根据振动分析***f中得到机械链接件的振动信息,并对机械链接件的性能退化进行分析,性能退化分析通过振动分析***f中得到的数据来判断,因此通过数学分析模型获得振动信号的形态梯度谱熵,形态梯度谱熵反映振动信号的形态特征和组成变化,使得对机械链接件的实际运行状态的判断更为准确,并可利用后台服务器对机械链接件的健康状况进行综合判断,给出预警信息,实现了对机械链接件的实时在线监控和评估。
机械链接件的形态梯度谱熵,根据振动信号中得到的振动模态来计算出模态分量的数据,并与原始振动信息的相关系数进行比对,来判断机械链接件的性能,当形态梯度谱熵的偏差值小于偏差阈值时,判定所述机械链接件处于正常状态,当形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定机械链接件处于松动状态,形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息,依据模糊推理机制,对机械链接件的实际运行状态构建模糊规则库,进行模糊评判,从而实现对机架链接件的健康诊断。
机械设备故障预警***,根据相同时间段,得到的数值之间是否有差数,判断机械设备之间的链接件是否为松动状态,并通过差数的大小,当数值过大时,机械链接件的松动程度过大,反之数值较小时,机械链接件的松动程度较小,便可判断松动的程度,且将得到的数值及时上传至服务器中,及时提供给技术人员,并给出警示信息,机械链接件的松动程度直接影响管道的振动幅度大小,对管道的磨损程度产生直接的影响。
通过提供的管路厚度为5.88mm,未严重磨损时管路X方向频域曲线,从图2可以看出,在大粒径渣石和湍流的激励下,管路在25~75Hz内存在明显的峰值响应频率,管路未严重磨损,仍可正常工作,振动分析***f判定管路异常,发出管路磨穿预警。
如图3所示,本发明提供以下技术方案
实施例三:
一种基于振动信号的管路磨穿实时预警方法,包括管路a,强力磁铁基座b,振动传感器c,振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据;振动分析***f,用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,振动传感器c底部安装有强力磁铁基座b,使其可以方便快捷的固定在管路最底部,安装时确保振动传感器c的X方向与管路径向一致,包括如下步骤:
振动传感器c,振动传感器c用于获取管路磨损点的振动信号,并根据设置的道路定值长度和深度依次放置多个振动传感器c,振动传感器c在固定时间间隔内自动采集一次管路振动信号,通过无线连接传输到信号采集器e,振动分析***f实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲,根据不同长度和深度放置的振动传感器c可得到不同数值的振动频率,并将不同时间段得到的正负峰值进行记录和对比,可根据不同长度放置的振动传感器c得到振动的数值,可更加准确判断道路的磨损程度,并通过不同深度可精准了解道路的磨穿程度,以此提高判断对道路磨穿的准确度。
信号采集器e,信号采集器e用于接收、储存和实时上传振动传感器c采集到的数据,接收到的数据根据不同时间段进行记录和存储,并将得到的数据进行整理,将不正常的数值进行去除。
振动分析***f,振动分析***f用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,依据X方向振动信号中频域曲线的响应频率判断管路磨损状态,若在25~75Hz内存在峰值响应频率,则管路磨损不严重,管路壁厚大于3mm,可继续工作,若25~75Hz内不存在峰值响应频率,则管路磨损严重,壁厚小于3mm,发出管路磨穿预警。
数据整理,将不同时间段的数据统一输入到计算机程序中,对数据进行统一规划,得出不同时间段相对应的正峰值、负峰值、峰峰值、平均值、均方根值、标准差、峰值、整流平均值、歪度、峰度、裕度、波形因子、峰值因子和脉冲因子具体数据,并通过表格的形式展示,数学分析模型是通过后台服务器根据振动分析***f中得到机械链接件的振动信息,并对机械链接件的性能退化进行分析,性能退化分析通过振动分析***f中得到的数据来判断,因此通过数学分析模型获得振动信号的形态梯度谱熵,形态梯度谱熵反映振动信号的形态特征和组成变化,使得对机械链接件的实际运行状态的判断更为准确,并可利用后台服务器对机械链接件的健康状况进行综合判断,给出预警信息,实现了对机械链接件的实时在线监控和评估。
机械链接件的形态梯度谱熵,根据振动信号中得到的振动模态来计算出模态分量的数据,并与原始振动信息的相关系数进行比对,来判断机械链接件的性能,当形态梯度谱熵的偏差值小于偏差阈值时,判定所述机械链接件处于正常状态,当形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定机械链接件处于松动状态,形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息,依据模糊推理机制,对机械链接件的实际运行状态构建模糊规则库,进行模糊评判,从而实现对机架链接件的健康诊断。
机械设备故障预警***,根据相同时间段,得到的数值之间是否有差数,判断机械设备之间的链接件是否为松动状态,并通过差数的大小,当数值过大时,机械链接件的松动程度过大,反之数值较小时,机械链接件的松动程度较小,便可判断松动的程度,且将得到的数值及时上传至服务器中,及时提供给技术人员,并给出警示信息,机械链接件的松动程度直接影响管道的振动幅度大小,对管道的磨损程度产生直接的影响。
通过提供的管路厚度为2.55mm,严重磨损时管路X方向频域曲线,从图3可以看出,在大粒径渣石和湍流的激励下,管路在25~75Hz无峰值响应频率,响应频率集中在2~25Hz内,振动分析***f判定管路异常,发出管路磨穿预警。
综上可得,使用时,本发明通过设置的管路a,强力磁铁基座b,振动传感器c,振动传感器c通过强力磁铁基座b吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石d,是管路振动的主要激振源;信号采集器e,用于接收、储存和实时上传振动传感器c采集到的数据;振动分析***f,用于实时自动处理信号采集器e中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,提供了判断管路磨损状态的新思路,克服了超声波测厚仪人工测量危险性高、浪费人力物力的缺点,实现了安全高效自动化,实现了管路磨损状态实时监测,可在管路磨穿前发出预警,可成为泥水盾构智能化施工的重要组成部分。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
Claims (6)
1.一种基于振动信号的管路磨穿实时预警方法,其特征在于,包括管路(a),强力磁铁基座(b),振动传感器(c),所述振动传感器(c)通过强力磁铁基座(b)吸附在管路底部,用于获取管路振动信号,其中X方向为竖直向下;管道内运输的大粒径渣石(d),是管路振动的主要激振源;信号采集器(e),用于接收、储存和实时上传振动传感器(c)采集到的数据;振动分析***(f),用于实时自动处理信号采集器(e)中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警,包括如下步骤:
振动传感器(c),所述振动传感器(c)用于获取管路磨损点的振动信号,并根据设置的道路定值长度和深度依次放置多个振动传感器(c);
信号采集器(e),所述信号采集器(e)用于接收、储存和实时上传振动传感器(c)采集到的数据,接收到的数据根据不同时间段进行记录和存储,并将得到的数据进行整理,将不正常的数值进行去除;
振动分析***(f),所述振动分析***(f)用于实时自动处理信号采集器(e)中的振动信号数据,得到振动信号的时域和频域曲线,最终判断管路磨损状态,发出管路磨穿预警;
数据整理,将不同时间段的数据统一输入到计算机程序中,对数据进行统一规划,得出不同时间段相对应的正峰值、负峰值、峰峰值、平均值、均方根值、标准差、峰值、整流平均值、歪度、峰度、裕度、波形因子、峰值因子和脉冲因子具体数据,并通过表格的形式展示,数学分析模型是通过后台服务器根据振动分析***(f)中得到机械链接件的振动信息,并对机械链接件的性能退化进行分析,性能退化分析通过振动分析***(f)中得到的数据来判断,因此通过数学分析模型获得振动信号的形态梯度谱熵,形态梯度谱熵反映振动信号的形态特征和组成变化,使得对机械链接件的实际运行状态的判断更为准确,并可利用后台服务器对机械链接件的健康状况进行综合判断,给出预警信息,实现了对机械链接件的实时在线监控和评估;
机械链接件的形态梯度谱熵,根据振动信号中得到的振动模态来计算出模态分量的数据,并与原始振动信息的相关系数进行比对,来判断机械链接件的性能,当形态梯度谱熵的偏差值小于偏差阈值时,判定所述机械链接件处于正常状态,当形态梯度谱熵的偏差值大于或等于所述偏差阈值时,判定机械链接件处于松动状态,形态梯度谱熵进行多信息融合,依据模糊算法进行综合判断,多信息包含速度信息、加速度信息、频率信息、幅度信息和各阶分量信息,依据模糊推理机制,对机械链接件的实际运行状态构建模糊规则库,进行模糊评判,从而实现对机架链接件的健康诊断;
机械设备故障预警***,根据相同时间段,得到的数值之间是否有差数,判断机械设备之间的链接件是否为松动状态,并通过差数的大小,当数值过大时,机械链接件的松动程度过大,反之数值较小时,机械链接件的松动程度较小,便可判断松动的程度,且将得到的数值及时上传至服务器中,及时提供给技术人员,并给出警示信息,机械链接件的松动程度直接影响管道的振动幅度大小,对管道的磨损程度产生直接的影响。
2.根据权利要求1所述的一种基于振动信号的管路磨穿实时预警方法,其特征在于:所述振动传感器(c)底部安装有强力磁铁基座(b),使其可以方便快捷的固定在管路最底部,安装时确保振动传感器(c)的X方向与管路径向一致。
3.根据权利要求1所述的一种基于振动信号的管路磨穿实时预警方法,其特征在于:所述振动传感器(c)在固定时间间隔内自动采集一次管路振动信号,通过无线连接传输到信号采集器(e),振动分析***(f)实时自动处理信号采集器(e)中的振动信号数据,得到振动信号的时域和频域曲线。
4.根据权利要求1所述的一种基于振动信号的管路磨穿实时预警方法,其特征在于:依据所述X方向振动信号中频域曲线的响应频率判断管路磨损状态,若在25~75Hz内存在峰值响应频率,则管路磨损不严重,管路壁厚大于3mm,可继续工作,若25~75Hz内不存在峰值响应频率,则管路磨损严重,壁厚小于3mm,发出管路磨穿预警。
5.根据权利要求1所述的一种基于振动信号的管路磨穿实时预警方法,其特征在于:所述根据不同长度和深度放置的振动传感器(c)可得到不同数值的振动频率,并将不同时间段得到的正负峰值进行记录和对比。
6.根据权利要求1所述的一种基于振动信号的管路磨穿实时预警方法,其特征在于:所述不同时间段振动得到的数值和链接件之间松动数值成正比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211335680.3A CN115684349B (zh) | 2022-10-28 | 2022-10-28 | 一种基于振动信号的管路磨穿实时预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211335680.3A CN115684349B (zh) | 2022-10-28 | 2022-10-28 | 一种基于振动信号的管路磨穿实时预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115684349A CN115684349A (zh) | 2023-02-03 |
CN115684349B true CN115684349B (zh) | 2024-04-19 |
Family
ID=85045377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211335680.3A Active CN115684349B (zh) | 2022-10-28 | 2022-10-28 | 一种基于振动信号的管路磨穿实时预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115684349B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699175B (zh) * | 2023-08-10 | 2023-11-21 | 山东利恩斯智能科技有限公司 | 一种周向加速度传感器、冲击定位方法及应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943634A (en) * | 1996-05-14 | 1999-08-24 | Csi Technology, Inc. | Vibration data analysis based on time waveform parameters |
CN108106846A (zh) * | 2017-12-21 | 2018-06-01 | 大连交通大学 | 一种滚动轴承故障损伤程度识别方法 |
CN108332955A (zh) * | 2017-12-22 | 2018-07-27 | 江苏新道格自控科技有限公司 | 一种基于振动信号的机械链接松动检测与预警方法 |
CN110443968A (zh) * | 2019-08-01 | 2019-11-12 | 国网江苏省电力有限公司电力科学研究院 | 一种基于振动信号监测的电缆外力破坏预警诊断装置 |
CN212513308U (zh) * | 2020-04-14 | 2021-02-09 | 镇江赛尔尼柯自动化有限公司 | 一种水上运输工具振动报警装置 |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8346385B2 (en) * | 2010-06-14 | 2013-01-01 | Delta Electronics, Inc. | Early-warning apparatus for health detection of servo motor and method for operating the same |
-
2022
- 2022-10-28 CN CN202211335680.3A patent/CN115684349B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943634A (en) * | 1996-05-14 | 1999-08-24 | Csi Technology, Inc. | Vibration data analysis based on time waveform parameters |
CN108106846A (zh) * | 2017-12-21 | 2018-06-01 | 大连交通大学 | 一种滚动轴承故障损伤程度识别方法 |
CN108332955A (zh) * | 2017-12-22 | 2018-07-27 | 江苏新道格自控科技有限公司 | 一种基于振动信号的机械链接松动检测与预警方法 |
CN110443968A (zh) * | 2019-08-01 | 2019-11-12 | 国网江苏省电力有限公司电力科学研究院 | 一种基于振动信号监测的电缆外力破坏预警诊断装置 |
CN212513308U (zh) * | 2020-04-14 | 2021-02-09 | 镇江赛尔尼柯自动化有限公司 | 一种水上运输工具振动报警装置 |
CN113551927A (zh) * | 2021-07-07 | 2021-10-26 | 广州赛意信息科技股份有限公司 | 一种基于振动信号的机械设备故障预警方法和*** |
Non-Patent Citations (2)
Title |
---|
Fault Diagnosis of Rolling-Element Bearing Using Multiscale Pattern Gradient Spectrum Entropy Coupled with Laplacian Score;Xiaoan Yan et al.;《Hindawi》;20200217;第1-29页 * |
基于冗余2代小波局部梯度谱熵的轴承故障诊断;张园 等;《制造技术与机床》;20151231(第6期);第105-108页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115684349A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111307031B (zh) | 一种埋地管道安全状态监测与预警方法 | |
DK181190B1 (en) | Improved liner assembly for ore grinding mill | |
RU2577080C2 (ru) | Тестирование прочности на основе акустической эмиссии для pdc, pcbn или других твердых или сверхтвердых материалов | |
CN115684349B (zh) | 一种基于振动信号的管路磨穿实时预警方法 | |
CN116306031B (zh) | 一种基于大数据自动采集的隧道大机监测分析方法 | |
CN110576335B (zh) | 一种基于切削力的刀具磨损在线监测方法 | |
RU2562139C2 (ru) | Испытания на вязкость вкладышей из поликристаллического алмазного композита (pdc), поликристаллического кубического нитрида бора (pcbn), или других твердых или сверхтвердых материалов с использованием акустической эмиссии | |
CN113390458B (zh) | 一种***区围岩损伤程度的判定方法 | |
CN110778363B (zh) | 一种多参量随钻测量确定煤体应力高峰区并预警的方法 | |
CN102445396B (zh) | 一种基于起重机钢丝绳载荷测量的在线检测使用强度和疲劳预报的装置及方法 | |
CN110439558A (zh) | 一种悬臂掘进机截齿磨损状态检测***及方法 | |
CN111476420B (zh) | 一种微震监测冲击地压预警指标优化方法 | |
CN104503361B (zh) | 基于多模式融合的齿轮加工过程换刀决策方法 | |
CN110725347A (zh) | 混凝土灌注桩施工过程中断桩的实时检测方法及*** | |
KR100360114B1 (ko) | 전기기기의 절연열화 진단시스템 | |
CN116894610A (zh) | 一种基于混凝土激光整平机的路面整平质量分析管理*** | |
CN117591838B (zh) | 溶洞区域地铁暗挖隧道减震***用安全预警***及方法 | |
CA2820101A1 (en) | Detector system of slickline irregularities | |
CN112131530B (zh) | 一种基于大数据的土压盾构出渣量的计算和预警方法 | |
CN205981152U (zh) | 一种便于监测刀具磨损量的盾构机滚刀 | |
CN108037274A (zh) | 一种混凝土结构实时监测装置以及方法 | |
CN114002321B (zh) | 全尺寸齿形滚刀破岩试验装置及破岩试验过程中岩石损伤监测与分析方法 | |
CN112228093B (zh) | 一种盾构机刀盘损伤的判断方法 | |
CN114062509A (zh) | 一种路基压实度实时无损检测方法及*** | |
US12037908B1 (en) | Method for monitoring and analyzing large tunnel machines based on automatic collection of big data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |