CN116044802A - 一种矿用通风机状态故障监测诊断*** - Google Patents
一种矿用通风机状态故障监测诊断*** Download PDFInfo
- Publication number
- CN116044802A CN116044802A CN202310237973.6A CN202310237973A CN116044802A CN 116044802 A CN116044802 A CN 116044802A CN 202310237973 A CN202310237973 A CN 202310237973A CN 116044802 A CN116044802 A CN 116044802A
- Authority
- CN
- China
- Prior art keywords
- value
- abnormal
- vibration
- fan
- current
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000009423 ventilation Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 15
- 238000003745 diagnosis Methods 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 258
- 238000004804 winding Methods 0.000 claims description 65
- 238000005520 cutting process Methods 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 42
- 230000035484 reaction time Effects 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000002347 injection Methods 0.000 claims description 13
- 239000007924 injection Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 1
- 230000007935 neutral effect Effects 0.000 claims 1
- 238000012795 verification Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 230000005856 abnormality Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000003921 oil Substances 0.000 description 12
- 239000010687 lubricating oil Substances 0.000 description 8
- 239000007788 liquid Substances 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明公开了一种矿用通风机状态故障监测诊断***,涉及通风机诊断技术领域,用于解决现有的矿用通风故障预警技术无法快速分析通风异常并采取相应的措施,导致不能及时准确发现和处理故障,造成安全隐患和损失的问题;包括数据采集模块、存储库、诊断模块和预警模块;通过对通风机的振动和工作状态下的音频进行监测诊断并采取对应的调节措施,得到振动信号组和调节信号组,并将两者进行综合分析并预警,实现对通风机不同的诊断采取对应的措施,和采取的措施之后的效果进行跟踪判断和通风机的故障的及时预警,降低通风机的故障概率,提高统通风机的工作安全可靠性。
Description
技术领域
本发明涉及通风机诊断技术领域,具体为一种矿用通风机状态故障监测诊断***。
背景技术
矿用通风机作为煤矿安全生产的主要技术装备,是矿井通风***的重要组成部分,是矿井安全生产和灾害防治的基础。矿用风机产品质量的优劣,运行安全稳定与否,检测和调节、控制方法是否可信可靠,都至关重要。
现有的矿用通风故障预警技术无法快速分析通风异常并采取相应的措施,导致不能及时准确发现和处理故障,造成安全隐患和损失的问题;
为了解决上述缺陷,现提供一种矿用通风机状态故障监测诊断***。
发明内容
本发明的目的在于为了解决现有的矿用通风故障预警技术无法快速分析通风异常并采取相应的措施,导致不能及时准确发现和处理故障,造成安全隐患和损失的问题,而提出一种矿用通风机状态故障监测诊断***。
本发明的目的可以通过以下技术方案实现:一种矿用通风机状态故障监测诊断***,包括数据采集模块和存储库,数据采集模块采集风机振动值、工作音频和风机运行参数,并将其发送至存储库进行存储;还包括诊断模块和预警模块;
诊断模块通过对通风机的风机振动值进行监测诊断得到振动信号组,其中振动信号组包括振动轻微信号、振动中度信号和振动重度信号;同时对通风机工作状态下的音频进行分析诊断得到异常波动风机并触发风机运行参数深化分析;依据风机运行参数深化分析得到异常轴温值、异常绕温值和异常电流值,并将三者进行综合数值化分析得到切机值,并据此进行切机操作或分别分析异常轴温值、异常绕温值和异常电流值并进行对应的切机操作、注油操作和降温操作的调节措施;
切机操作具体步骤为:
步骤一:将所有的备用风机进行联机,当备用风机的所有设备处于联机状态时,则将备用风机标记为初选通风机;
步骤二:将所有的初选风机进行点动并获取点动的风机转速、电流和噪声,并将其分别标记为点动转速、点动电流和点动噪声;将点动转速与预设标准转速做差值计算得到转速偏差值prl,将点动电流与预设标准电流做差值计算得到电流偏差值pil,将点动噪声与预设标准噪声做差值计算得到噪声值pzl,将转速偏差值、电流偏差值和噪声值通过预设模型得到聚合值JHZ,其中g1、g2和g3分别为预设权重系数;将偏离值最大的初选通风机标记为目标通风机;
步骤三:关闭目标通风机的地面进风门,获取当前通风机的井下进风门的开度、当前风机的负压和当前风机频率,并将其分别标记为rekd、refy和repl;将当前负压和当前风机频率作比值计算负压率,预设每个负压率均对应一个进风门开度,将当前负压率与所有的预设负压率进行匹配得到风门开度,将匹配得到的风门开度与当前风门开度做差值计算得到目标通风机的风门开度,并将其标记为交换度;操作指令值为切机值和异常电流值,预设每个切机值和异常电流值分别均对应一个转化指令值,将切机值和异常电流值分别与所有预设切机值和异常电流值进行匹配得到对应的转化指令值进行处理得到转化指令值,转化指令值乘以预设频率系数得到交换频次,并将交换频次和交换度标记为交换参数,按照交换参数进行当前通风机和目标通风机的切换;其中交换频次指的是当前通风机和目标通风机每进行一次风门开度交换的时间;交换度是指当前通风机的风门关闭的量值和目标通风机的风门开打开的量值;
依据调节措施的反应时长得到调节信号组,其中调节信号组包括调节严滞信号、 调节中滞信号和调节低滞信号;并将振动信号组和调节信号组发送至预警模块;
预警模块用于接收振动信号组和调节信号组,并将其进行综合分析并预警处理。
作为本发明的一种优选实施方式,风机振动值的监测诊断,具体为:
获取单位时间的风机振动值,其中单位时间为一分钟或两分钟或五分钟或者10分钟,振动值为风机的风叶转动时发出的振动;将振动值和时间的折线图进行实时更新并得到振动值和时间的折线图;将实时振动值和时间的折线图发送至存储库进行存储和显示;
预设规范值,将大于预设规范值的振动值标记为分析振动值,将振动值对应的时刻标记为分析时刻;将所有的分析振动值与对应的分析时刻按照时间顺序排列,将相邻分析时刻的分析振动值,进行差值计算得到振动差值,将对应的相邻分析振动时刻进行时间差值计算得到间隔时长;
将振动差值ch和间隔时长sh通过预设模型得到振动值ZD,其中e1和e2分别为预设权重系数;由公式可知,当振动差值越大,间隔时长越短,振动异常值越大,表示当越短的时间间隔内振动的差值越大,风机的风叶振动异常的可能性越大;预设振动异常区间Z1,当振动值小于预设振动异常区间Z1内的最小值时,表示风机的风叶的振动存在异常趋势,则将振动值标记为轻微异常振动值;当振动异常值处于预设振动异常区间Z1之内时,则振动值标记中度异常振动值,当振动异常值大于预设振动异常区间Z1之中的最大值时,则将振动值标记为重度异常振动值;
分别统计标记为轻微异常振动值、中度异常振动值和重度异常振动值的数量,并将其标记为mu1、mu2和mu3;将标记为轻微异常振动值、中度异常振动值和重度异常振动值的数量进行均值操作得到数量均值,并将其标记为mu0;当mu1>mu0且mu1为mu1、mu2和mu3中的最大值时;表示当前风机风叶处于轻微异常振动状态,则将风机风叶振动状态标记为振动轻微信号;当mu2>mu0且mu2为mu1、mu2和mu3中的最大值时;表示当前风机风叶处于中度异常振动栋状态,则将风机风叶振动状态标记为振动中度信号;当mu3>mu0且mu1为mu1、mu2和mu3中的最大值时;表示当前风机风叶处于重度异常振动状态,则将风机风叶振动状态标记为振动重度信号。
作为本发明的一种优选实施方式,对风机工作状态下的音频进行监测诊断,具体为:
获取风机运行时的工作音频,将工作音频进行识别操作得到风机运行时的音频谱图;将相邻的波峰和波谷进行差值计算得到波动值,统计当前时间的近7天的风机的波动值,获取当前时间的近7天的风机负压,预设风压正常区间,当负压处于预设风压正常区间之内时,则表示当前风压正常,此时风机运行状态的波动值属于正常波动,则调取对应时间段的波动值,将其进行求均值操作得到波动正常均值;将当前波动值和波动正常均值进行差值计算得到波动偏差,预设标准偏差,当波动偏差大于标准偏差时,则将该偏差标记为异常偏差,将偏差对应的波动值标记为异常波动值;将所有异常偏差进行累计求和操作得到异常偏差总值,并统计所有异常偏差的数量;将异常偏差总值Pc和异常偏差的数量nu1通过预设公式得到都波动异常值POZ,其中f1和f2分别为预设权重系数;预设异常波动值,当波动异常值大于预设波动异常值时,表示风机存在异常波动,则将风机标记为异常波动风机并触发运行参数深化分析。
作为本发明的一种优选实施方式,风机运行参数深化分析具体为:
获取标记为异常波动风机的轴承温度;预设标准轴承温度区间,当轴承温度大于预设轴承温度区间中的最大值时,表示此时轴承温度超过正常温度范围,存在轴承电机超负荷使用,则将该轴承温度标记为异常轴承温度,并将异常轴承温度对应的时刻标记为异常轴温时刻;将异常轴承温度进行求和操作得到异常轴温总和,并将其标记为Zw,统计异常轴温时刻的数量,并将其标记为nu2,将异常轴温总和Zw和异常轴温时刻的数量nu2通过预设模型ZWZ=a1×Zw+a2×nu2得到异常轴温值ZWZ,其中a1和a2分别为预设权重系数;
获取标记为异常波动风机的绕组温度,将绕组温度进行方差计算,当方差大于预设方差值时,表示当前异常波动风机的绕组温度处于离散程度较大的状态;预设标准绕组温度区,将大于预设标准绕组温度区间的绕组温度进行求和操作得到异常绕组温度和,预设每个异常绕组温度和对应一个异常绕温值,将异常绕组温度和与所有预设异常绕组温度和进行匹配得到对应的异常绕温值,并将其标记为RWZ;
获取标记为异常波动风机的电流值,预设标准电流区间,当电流值不处于预设标准电流区间时,表示此刻的电流值存在异常;则将电流对应的时刻标记为异常电流时刻,并将电流值与预设标准电流区间中的最大值作差值计算得到异常电流偏差值;将所有异常电流时刻对应的异常电流偏差值进行求和操作得到异常电流偏差总值,将异常电流偏差总值乘以预设异常电流偏差转换值得到异常电流值DLZ;
将异常轴温值ZWZ、异常绕温值RWZ和异常电流值DLZ通过预设公式QJZ=d1×ZWZ+d2×RWZ+d3×DLZ得到切机值QJZ,其中d1、d2和d3分别为预设权重系数;当切机值大于预设切机值时,则触发通风切机操作,反之则分别异常轴温值、异常绕温值和异常电流值进行判断:当异常轴温值大于预设轴温值时,则触发注油操作;当异常饶温值大于预设饶温值时,则触发降温操作,当异常电流值大于预设电流值时,则触发切机操作;
将注油操作和降温操作的执行时间标记为操作时刻,获取操作时刻之后,轴承温度第一次降低至预设轴承温度区间的最大值和绕组温度第一次降低至预设绕组温度之下的时刻,并将该时刻标记为作用时刻;将操作时刻和作用时刻进行时间差值计算得到反应时长;
预设标准反应时长区间V,当反应时长大于预设标准反应时长区间V中的最大值时,则生成调节严滞信号;当反应时长处于预设标准反应时长区间V之内时,则生成调节中滞信号;当反应时长小于预设标准反应时长区间V中的最小值时,则生成调节低滞信号。
作为本发明的一种优选实施方式,预警模块用于接收振动信号组和调节信号组,并将其进行综合分析并预警,具体为:
将振动信号组的振动轻微信号、振动中度信号和振动重度信号分别用符号L*、L**和L***标记,将调节信号组信号的调节严滞信号、调节中滞信号和调节低滞信号分别用符号J*、J**和J***标记;
当接收到L***和J***时,则生成风机严重故障信号,并以“风机严重故障,急需维修处理”文字显示,当接收到L*和J*时,则生成风机轻度故障信号,并以“风机轻度故障,需要维修”文字显示;其他情况则生成风机中度故障信号,并以“风机中度故障,急需维修”文字显示。
与现有技术相比,本发明的有益效果是:
1、通过对通风机工作状态下的振动进行数值化分析,得到振动信号组,实现对通风机工作状态下的振动监督和振动程度的量化,快速反映出通风机工作时的振动状态。
2、通过对通风机工作状态下的音频进行分析并判断是否存在音频异常,将异常的音频进行通风机运行参数深化分析并输出异常轴温值、异常绕温值和异常电流值,并将三者进行归一化数值分析得到切机值,当切机值大于预设切机值时则触发切机操作,实现对通风机的运行参数的综合分析并根据综合分析的结果进行切机操作,降低安全隐患。
3、当切机值小于预设切机值时,则分别对输出的异常轴温值、异常绕温值和异常电流值进行分析诊断,并分别触发对应的调节操作;同时根据调节操作之后达到要求的效果的时长进行分析并生成调节信号组;实现对通风机不同的诊断采取对应的措施,有效减少安全隐患和损失,同时对采取措施之后的效果进行跟踪判断。
4、通过将振动信号组和调节信号组进行整合分析,生成通风机故障信号,实现对通风机的故障的及时预警,降低通风机的故障概率,提高统通风机的工作安全可靠性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的***总框图;
图2为本发明的通风运行参数监测流程。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-2所示,一种矿用通风机状态故障监测诊断***,包括数据采集模块、存储库、诊断模块、预警模块和输出模块;
数据采集模块采集风机振动值、工作音频和风机运行参数,其中风机运行参数包括风机负压、轴承温度、绕组温度、电流值、轴承润滑油液位、风机转速、噪声和风门开度并将其发送至存储库进行存储;
风机的风叶振动的监测诊断,具体为:
获取单位时间的风机振动值,其中单位时间为一分钟或两分钟或五分钟或者10分钟,振动值为风机的风叶转动时发出的振动;将振动值和时间的折线图进行实时更新并得到振动值和时间的折线图;将实时振动值和时间的折线图发送至存储库进行存储和显示;
预设规范值,将大于预设规范值的振动值标记为分析振动值,将振动值对应的时刻标记为分析时刻;将所有的分析振动值与对应的分析时刻按照时间顺序排列,将相邻分析时刻的分析振动值,进行差值计算得到振动差值,将对应的相邻分析振动时刻进行时间差值计算得到间隔时长;
将振动差值ch和间隔时长sh通过预设模型得到振动值ZD,其中e1和e2分别为预设权重系数;由公式可知,当振动差值越大,间隔时长越短,振动异常值越大,表示当越短的时间间隔内振动的差值越大,风机的风叶振动异常的可能性越大;预设振动异常区间Z1,当振动值小于预设振动异常区间Z1内的最小值时,表示风机的风叶的振动存在异常趋势,则将振动值标记为轻微异常振动值;当振动异常值处于预设振动异常区间Z1之内时,则振动值标记中度异常振动值,当振动异常值大于预设振动异常区间Z1之中的最大值时,则将振动值标记为重度异常振动值;
分别统计标记为轻微异常振动值、中度异常振动值和重度异常振动值的数量,并将其标记为mu1、mu2和mu3;将标记为轻微异常振动值、中度异常振动值和重度异常振动值的数量进行均值操作得到数量均值,并将其标记为mu0;当mu1>mu0且mu1为mu1、mu2和mu3中的最大值时;表示当前风机风叶处于轻微异常振动状态,则将风机风叶振动状态标记为振动轻微信号;当mu2>mu0且mu2为mu1、mu2和mu3中的最大值时;表示当前风机风叶处于中度异常振动栋状态,则将风机风叶振动状态标记为振动中度信号;当mu3>mu0且mu1为mu1、mu2和mu3中的最大值时;表示当前风机风叶处于重度异常振动状态,则将风机风叶振动状态标记为振动重度信号;
将生成的振动轻微信号、振动中度信号和振动重度信号标记为振动信号组,并将振动信号组发送至预警处理模块。
对风机运行状态进行监测诊断,具体为:
获取风机运行时的工作音频,将工作音频进行识别操作得到风机运行时的音频谱图;将相邻的波峰和波谷进行差值计算得到波动值,统计当前时间的近7天的风机的波动值,获取当前时间的近7天的风机负压,预设风压正常区间,当负压处于预设风压正常区间之内时,则表示当前风压正常,此时风机运行状态的波动值属于正常波动,则调取对应时间段的波动值,将其进行求均值操作得到波动正常均值;将当前波动值和波动正常均值进行差值计算得到波动偏差,预设标准偏差,当波动偏差大于标准偏差时,则将该偏差标记为异常偏差,将偏差对应的波动值标记为异常波动值;将所有异常偏差进行累计求和操作得到异常偏差总值,并统计所有异常偏差的数量;将异常偏差总值Pc和异常偏差的数量nu1通过预设公式得到都波动异常值POZ,其中f1和f2分别为预设权重系数;预设异常波动值,当波动异常值大于预设波动异常值时,表示风机存在异常波动,则将风机标记为异常波动风机并触发运行参数深化分析;
运行参数深化分析:同时对风机的轴承温度、绕组温度和电流进行监控和分析,具体为:
获取标记为异常波动风机的轴承温度;预设标准轴承温度区间,当轴承温度大于预设轴承温度区间中的最大值时,表示此时轴承温度超过正常温度范围,存在轴承电机超负荷使用,则将该轴承温度标记为异常轴承温度,并将异常轴承温度对应的时刻标记为异常轴温时刻;将异常轴承温度进行求和操作得到异常轴温总和,并将其标记为Zw,统计异常轴温时刻的数量,并将其标记为nu2,将异常轴温总和Zw和异常轴温时刻的数量nu2通过预设模型ZWZ=a1×Zw+a2×nu2得到异常轴温值ZWZ,其中a1和a2分别为预设权重系数;
获取标记为异常波动风机的绕组温度,将绕组温度进行方差计算,当方差大于预设方差值时,表示当前异常波动风机的绕组温度处于离散程度较大的状态;预设标准绕组温度区,将大于预设标准绕组温度区间的绕组温度进行求和操作得到异常绕组温度和,预设每个异常绕组温度和对应一个异常绕温值,将异常绕组温度和与所有预设异常绕组温度和进行匹配得到对应的异常绕温值,并将其标记为RWZ;
获取标记为异常波动风机的电流值,预设标准电流区间,当电流值不处于预设标准电流区间时,表示此刻的电流值存在异常;则将电流对应的时刻标记为异常电流时刻,并将电流值与预设标准电流区间中的最大值作差值计算得到异常电流偏差值;将所有异常电流时刻对应的异常电流偏差值进行求和操作得到异常电流偏差总值,将异常电流偏差总值乘以预设异常电流偏差转换值得到异常电流值DLZ;
将异常轴温值ZWZ、异常绕温值RWZ和异常电流值DLZ通过预设公式QJZ=d1×ZWZ+d2×RWZ+d3×DLZ得到切机值QJZ,其中d1、d2和d3分别为预设权重系数;当切机值大于预设切机值时,则触发通风切机操作,反之则分别异常轴温值、异常绕温值和异常电流值进行判断:当异常轴温值大于预设轴温值时,则触发注油操作;当异常饶温值大于预设饶温值时,则触发降温操作,当异常电流值大于预设电流值时,则触发切机操作;
切机操作具体步骤为:
步骤一:将所有的备用风机进行联机,当备用风机的所有设备处于联机状态时,则将备用风机标记为初选通风机;
步骤二:将所有的初选风机进行点动并获取点动的风机转速、电流和噪声,并将其分别标记为点动转速、点动电流和点动噪声;将点动转速与预设标准转速做差值计算得到转速偏差值prl,将点动电流与预设标准电流做差值计算得到电流偏差值pil,将点动噪声与预设标准噪声做差值计算得到噪声值pzl,将转速偏差值、电流偏差值和噪声值通过预设模型得到聚合值JHZ,其中g1、g2和g3分别为预设权重系数;将偏离值最大的初选通风机标记为目标通风机;
步骤三:关闭目标通风机的地面进风门,获取当前通风机的井下进风门的开度、当前风机的负压和当前风机频率,并将其分别标记为rekd、refy和repl;将当前负压和当前风机频率作比值计算负压率,预设每个负压率均对应一个进风门开度,将当前负压率与所有的预设负压率进行匹配得到风门开度,将匹配得到的风门开度与当前风门开度做差值计算得到目标通风机的风门开度,并将其标记为交换度;操作指令值为切机值和异常电流值,预设每个切机值和异常电流值分别均对应一个转化指令值,将切机值和异常电流值分别与所有预设切机值和异常电流值进行匹配得到对应的转化指令值进行处理得到转化指令值,转化指令值乘以预设频率系数得到交换频次,并将交换频次和交换度标记为交换参数,按照交换参数进行当前通风机和目标通风机的切换;其中交换频次指的是当前通风机和目标通风机每进行一次风门开度交换的时间;交换度是指当前通风机的风门关闭的量值和目标通风机的风门开打开的量值;
注油操作具体步骤为:获取轴承润滑油液位和轴承温度,预设每个轴承温度均对应一个标准轴承润滑油液位,将当前轴承温度和所有预设轴承温度进行匹配得到对应的标准轴承润滑油液位,将轴承润滑油液位与标准轴承润滑油液位进行差值计算得到液位差,将液位差乘以预设注油系数得到注油量;预设每个注油量均对应一个注油参数,将注油量与所有预设注油量进行匹配得到对应注油参数,注油参数包括注油速度和注油时长,并控制润滑泵和阀门按照注油参数进行注油操作;
需要说明的是,切机操作指的是将现在的风机切换成备用风机;注油操作是指向轴承注入润滑油,进而冷却轴承,降低轴承温度;降温操作是指将绕组的降温风机的功率增大,穿过绕组空隙带走更多热量,降低绕组温度,均为通风机的调节措施;
将注油操作和降温操作的执行时间标记为操作时刻,获取操作时刻之后,轴承温度第一次降低至预设轴承温度区间的最大值和绕组温度第一次降低至预设绕组温度之下的时刻,并将该时刻标记为作用时刻;将操作时刻和作用时刻进行时间差值计算得到反应时长;
预设标准反应时长区间V,当反应时长大于预设标准反应时长区间V中的最大值时,则生成调节严滞信号;当反应时长处于预设标准反应时长区间V之内时,则生成调节中滞信号;当反应时长小于预设标准反应时长区间V中的最小值时,则生成调节低滞信号;将生成的调节严滞信号、调节中滞信号和调节低滞信号标记为调节信号组,并将其发送至预警模块;
预警模块用于接收振动信号组和调节信号组,并将其进行综合分析处理,具体为:
将振动信号组的振动轻微信号、振动中度信号和振动重度信号分别用符号L*、L**和L***标记,将调节信号组信号的调节严滞信号、调节中滞信号和调节低滞信号分别用符号J*、J**和J***标记;
当接收到L***和J***时,则生成风机严重故障信号,并以“风机严重故障,急需维修处理”文字显示,当接收到L*和J*时,则生成风机轻度故障信号,并以“风机轻度故障,需要维修”文字显示;其他情况则生成风机中度故障信号,并以“风机中度故障,急需维修”文字显示。
本发明在使用时,通过对通风机工作状态下的振动进行数值化分析,得到振动信号组,实现对通风机工作状态下的振动监督和振动程度的量化,快速反映出通风机工作时的振动状态;通过对通风机工作状态下的音频进行分析并判断是否存在音频异常,将异常的音频进行通风机运行参数深化分析并输出异常轴温值、异常绕温值和异常电流值,并将三者进行归一化数值分析得到切机值,当切机值大于预设切机值时则触发切机操作,实现对通风机的运行参数的综合分析并根据综合分析的结果进行切机操作,减低安全隐患;当切机值小于预设切机值时,则分别对输出的异常轴温值、异常绕温值和异常电流值进行分析诊断,并分别触发对应的调节操作;同时根据调节操作之后达到要求的效果的时长进行分析并生成调节信号组;实现对通风机不同的诊断采取对应的措施,有效减少安全隐患和损失,同时对采取措施之后的效果进行跟踪判断;通过将振动信号组和调节信号组进行整合分析,生成通风机故障信号,实现对通风机的故障的及时预警,降低通风机的故障概率,提高统通风机的工作安全可靠性。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.一种矿用通风机状态故障监测诊断***,包括数据采集模块和存储库,数据采集模块采集风机振动值、工作音频和风机运行参数,并将其发送至存储库;其特征在于,还包括诊断模块和预警模块;
诊断模块通过对通风机的风机振动值进行监测诊断得到振动信号组,其中振动信号组包括振动轻微信号、振动中度信号和振动重度信号;同时对通风机工作状态下的音频进行分析诊断得到异常波动风机并触发风机运行参数深化分析;依据风机运行参数深化分析得到异常轴温值、异常绕温值和异常电流值,并将三者进行综合数值化分析得到切机值,并据此进行切机操作或分别分析异常轴温值、异常绕温值和异常电流值并进行对应的切机操作、注油操作和降温操作的调节措施;
其中切机操作的具体步骤为:
步骤一:将所有备选风机进行联机验证,当备用风机的所有设备属于联机状态时,则将备用风机标记为初选风机;
步骤二:将初选风机进行点动并获取初选风机点动时的风机转速、电流和噪声,将风机转速进行处理得到转速偏差值,将电流经过处理得到电流偏差值,将噪声经过处理得到噪声值,将转速偏差值、电流偏差值和噪声值三者进行归一化处理得到聚合值,将聚合值最大的初选通风机标记为目标通风机;
步骤三:关闭目标通风机的地面进风门,获取当前通风机的井下进风门的开度、当前风机的负压和当前风机频率;通过数据分析处理得到当前通风机和目前通风机的交换频次和交换度,并将交换频次和交换度标记为交换参数,按照交换参数进行当前通风机和目标通风机的切换;
依据调节措施的反应时长得到调节信号组,其中调节信号组包括调节严滞信号、调节中滞信号和调节低滞信号;并将振动信号组和调节信号组发送至预警模块;
预警模块用于接收振动信号组和调节信号组,并将其进行综合分析并预警处理。
2.根据权利要求1所述的一种矿用通风机状态故障监测诊断***,其特征在于,风机振动值的监测诊断,具体为:
获取单位时间的风机振动值,将振动值和时间的折线图进行实时更新并得到振动值和时间的折线图;将实时振动值和时间的折线图发送至存储库进行存储和显示;
预设规范值,将大于预设规范值的振动值标记为分析振动值,将振动值对应的时刻标记为分析时刻;将所有的分析振动值与对应的分析时刻按照时间顺序排列,将相邻分析时刻的分析振动值,进行差值计算得到振动差值,将对应的相邻分析振动时刻进行时间差值计算得到间隔时长;
将振动差值和间隔时长通过数据处理得到振动值,预设振动异常区间Z1,当振动值小于预设振动异常区间Z1内的最小值时,则将振动值标记为轻微异常振动值;当振动异常值处于预设振动异常区间Z1之内时,则振动值标记中度异常振动值,当振动异常值大于预设振动异常区间Z1之中的最大值时,则将振动值标记为重度异常振动值;
分别统计标记为轻微异常振动值、中度异常振动值和重度异常振动值的数量,并将其标记为mu1、mu2和mu3;将标记为轻微异常振动值、中度异常振动值和重度异常振动值的数量进行均值操作得到数量均值,并将其标记为mu0;当mu1>mu0且mu1为mu1、mu2和mu3中的最大值时,则将风机振动状态标记为振动轻微信号;当mu2>mu0且mu2为mu1、mu2和mu3中的最大值时,则将风机振动状态标记为振动中度信号;当mu3>mu0且mu1为mu1、mu2和mu3中的最大值;表示当前风机风叶处于重度异常振动状态,则将风机振动状态标记为振动重度信号。
3.根据权利要求1所述的一种矿用通风机状态故障监测诊断***,其特征在于,对风机工作状态下的音频进行监测诊断,具体为:
获取风机运行时的工作音频,将工作音频进行识别操作得到风机运行时的音频谱图;将相邻的波峰和波谷进行差值计算得到波动值,统计当前时间的预设天数的风机的波动值,获取当前时间的预设天数的风机负压,预设风压正常区间,当负压处于预设风压正常区间之内时,则调取对应时间段的波动值,将其进行求均值操作得到波动正常均值;将当前波动值和波动正常均值进行差值计算得到波动偏差,预设标准偏差,当波动偏差大于标准偏差时,则将该偏差标记为异常偏差,将偏差对应的波动值标记为异常波动值;将所有异常偏差进行累计求和操作得到异常偏差总值,并统计所有异常偏差的数量;将异常偏差总值和异常偏差的数量通过数据处理得到波动异常值;预设异常波动值,当波动异常值大于预设波动异常值时,则将风机标记为异常波动风机并触发运行参数深化分析。
4.根据权利要求3所述的一种矿用通风机状态故障监测诊断***,其特征在于,风机运行参数深化分析具体为:
获取标记为异常波动风机的轴承温度;预设标准轴承温度区间,当轴承温度大于预设轴承温度区间中的最大值时,则将该轴承温度标记为异常轴承温度,并将异常轴承温度对应的时刻标记为异常轴温时刻;将异常轴承温度进行求和操作得到异常轴温总和,统计异常轴温时刻的数量,将异常轴温总和和异常轴温时刻的数量通过数据处理得到异常轴温值;
获取标记为异常波动风机的绕组温度,将绕组温度进行方差计算,当方差大于预设方差值时,则将大于预设标准绕组温度区间的绕组温度进行求和操作得到异常绕组温度和,预设每个异常绕组温度和对应一个异常绕温值,将异常绕组温度和与所有预设异常绕组温度和进行匹配得到对应的异常绕温值;
获取标记为异常波动风机的电流值,预设标准电流区间,当电流值不处于预设标准电流区间时,则将电流对应的时刻标记为异常电流时刻,并将电流值与预设标准电流区间中的最大值作差值计算得到异常电流偏差值;将所有异常电流时刻对应的异常电流偏差值进行求和操作得到异常电流偏差总值,将异常电流偏差总值乘以预设异常电流偏差转换值得到异常电流值;
将异常轴温值、异常绕温值和异常电流值通过数据处理得到切机值,当切机值大于预设切机值时,则触发通风切机操作,反之则分别异常轴温值、异常绕温值和异常电流值进行判断:当异常轴温值大于预设轴温值时,则触发注油操作;当异常饶温值大于预设饶温值时,则触发降温操作,当异常电流值大于预设电流值时,则触发切机操作;
将注油操作和降温操作的执行时间标记为操作时刻,获取操作时刻之后,轴承温度第一次降低至预设轴承温度区间的最大值和绕组温度第一次降低至预设绕组温度之下的时刻,并将该时刻标记为作用时刻;将操作时刻和作用时刻进行时间差值计算得到反应时长;
预设标准反应时长区间V,当反应时长大于预设标准反应时长区间V中的最大值时,则生成调节严滞信号;当反应时长处于预设标准反应时长区间V之内时,则生成调节中滞信号;当反应时长小于预设标准反应时长区间V中的最小值时,则生成调节低滞信号。
5.根据权利要求1所述的一种矿用通风机状态故障监测诊断***,其特征在于,预警模块用于接收振动信号组和调节信号组,并将其进行综合分析并预警,具体为:
将振动信号组的振动轻微信号、振动中度信号和振动重度信号分别用符号L*、L**和L***标记,将调节信号组信号的调节严滞信号、调节中滞信号和调节低滞信号分别用符号J*、J**和J***标记;
当接收到L***和J***时,则生成风机严重故障信号,并以“风机严重故障,急需维修处理”文字显示,当接收到L*和J*时,则生成风机轻度故障信号,并以“风机轻度故障,需要维修”文字显示;其他情况则生成风机中度故障信号,并以“风机中度故障,急需维修”文字显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237973.6A CN116044802B (zh) | 2023-03-08 | 2023-03-08 | 一种矿用通风机状态故障监测诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237973.6A CN116044802B (zh) | 2023-03-08 | 2023-03-08 | 一种矿用通风机状态故障监测诊断*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116044802A true CN116044802A (zh) | 2023-05-02 |
CN116044802B CN116044802B (zh) | 2024-02-27 |
Family
ID=86114879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310237973.6A Active CN116044802B (zh) | 2023-03-08 | 2023-03-08 | 一种矿用通风机状态故障监测诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116044802B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577656A (zh) * | 2023-07-12 | 2023-08-11 | 深圳盈特创智能科技有限公司 | 一种低延时的高速风筒过零检测*** |
CN116596267A (zh) * | 2023-05-31 | 2023-08-15 | 上海秦望环保材料有限公司 | 一种垃圾焚烧炉渣综合处理管理*** |
CN117662510A (zh) * | 2024-01-02 | 2024-03-08 | 徐州中矿科光机电新技术有限公司 | 一种风机故障诊断***及其方法 |
CN117872024A (zh) * | 2024-03-11 | 2024-04-12 | 国网黑龙江省电力有限公司绥化供电公司 | 一种电力供配电***的故障诊断方法 |
CN117967405A (zh) * | 2024-03-28 | 2024-05-03 | 山东金恒力建工有限公司 | 一种基于煤矿充填智能化监视及控制*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070065755A (ko) * | 2005-12-20 | 2007-06-25 | 여천엔씨씨 주식회사 | 기계 설비 진동 관리 시스템 및 방법 |
CN105003453A (zh) * | 2014-07-18 | 2015-10-28 | 河北联合大学 | 一种矿井风机在线监测与故障诊断*** |
CN105137233A (zh) * | 2015-08-26 | 2015-12-09 | 西安科技大学 | 一种矿用主通风机安全隐患监测预警***及方法 |
CN108154166A (zh) * | 2017-11-30 | 2018-06-12 | 辽宁科技大学 | 一种风机智能故障诊断***及方法 |
WO2021035638A1 (zh) * | 2019-08-29 | 2021-03-04 | 亿可能源科技(上海)有限公司 | 旋转机械设备故障诊断方法、***及存储介质 |
CN112731889A (zh) * | 2021-01-18 | 2021-04-30 | 太原理工大学 | 一种智能调风管理***及其调控方法 |
-
2023
- 2023-03-08 CN CN202310237973.6A patent/CN116044802B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070065755A (ko) * | 2005-12-20 | 2007-06-25 | 여천엔씨씨 주식회사 | 기계 설비 진동 관리 시스템 및 방법 |
CN105003453A (zh) * | 2014-07-18 | 2015-10-28 | 河北联合大学 | 一种矿井风机在线监测与故障诊断*** |
CN105137233A (zh) * | 2015-08-26 | 2015-12-09 | 西安科技大学 | 一种矿用主通风机安全隐患监测预警***及方法 |
CN108154166A (zh) * | 2017-11-30 | 2018-06-12 | 辽宁科技大学 | 一种风机智能故障诊断***及方法 |
WO2021035638A1 (zh) * | 2019-08-29 | 2021-03-04 | 亿可能源科技(上海)有限公司 | 旋转机械设备故障诊断方法、***及存储介质 |
CN112731889A (zh) * | 2021-01-18 | 2021-04-30 | 太原理工大学 | 一种智能调风管理***及其调控方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596267A (zh) * | 2023-05-31 | 2023-08-15 | 上海秦望环保材料有限公司 | 一种垃圾焚烧炉渣综合处理管理*** |
CN116596267B (zh) * | 2023-05-31 | 2023-11-21 | 上海秦望环保材料有限公司 | 一种垃圾焚烧炉渣综合处理管理*** |
CN116577656A (zh) * | 2023-07-12 | 2023-08-11 | 深圳盈特创智能科技有限公司 | 一种低延时的高速风筒过零检测*** |
CN116577656B (zh) * | 2023-07-12 | 2023-09-15 | 深圳盈特创智能科技有限公司 | 一种低延时的高速风筒过零检测*** |
CN117662510A (zh) * | 2024-01-02 | 2024-03-08 | 徐州中矿科光机电新技术有限公司 | 一种风机故障诊断***及其方法 |
CN117662510B (zh) * | 2024-01-02 | 2024-06-07 | 徐州中矿科光机电新技术有限公司 | 一种风机故障诊断***及其方法 |
CN117872024A (zh) * | 2024-03-11 | 2024-04-12 | 国网黑龙江省电力有限公司绥化供电公司 | 一种电力供配电***的故障诊断方法 |
CN117872024B (zh) * | 2024-03-11 | 2024-05-31 | 国网黑龙江省电力有限公司绥化供电公司 | 一种电力供配电***的故障诊断方法 |
CN117967405A (zh) * | 2024-03-28 | 2024-05-03 | 山东金恒力建工有限公司 | 一种基于煤矿充填智能化监视及控制*** |
CN117967405B (zh) * | 2024-03-28 | 2024-06-07 | 山东金恒力建工有限公司 | 一种基于煤矿充填智能化监视及控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN116044802B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116044802B (zh) | 一种矿用通风机状态故障监测诊断*** | |
US11092951B2 (en) | Method and system for predicting failure of mining machine crowd system | |
CN212643100U (zh) | 一种水泵状态检修管理*** | |
CN112727702A (zh) | 风电机组健康管理及故障预警方法 | |
CN110552832A (zh) | 水轮机组故障诊断及健康状态评估方法 | |
CN116351313B (zh) | 一种基于计算机控制的食品搅拌机智能控制*** | |
CN115657631B (zh) | 一种工控设备运行现场环境智能监控*** | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和*** | |
CN113176081B (zh) | 一种基于历史数据的汽轮机叶片磨损监测方法 | |
CN115131946B (zh) | 一种考虑工况波动的自适应设备报警方法和*** | |
CN114135477B (zh) | 一种机泵设备状态监测动态阈值预警方法 | |
CN114235423A (zh) | 一种燃气轮机滑油供给***故障的检测方法 | |
CN114323665A (zh) | 一种燃气轮机燃料供给***故障的检测方法 | |
CN117291582A (zh) | 一种基于数据分析的工业生产互联监控*** | |
CN115657541A (zh) | 一种基于数字孪生精细化建模的空压机监管***及方法 | |
CN114252216A (zh) | 一种燃气轮机滑油泄漏的检测方法 | |
CN109779938B (zh) | 一种离心压缩机组智能联锁保护方法 | |
CN114186421A (zh) | 一种燃气轮机滑油冷却器故障的检测方法 | |
CN117119783B (zh) | 一种模块待机功耗的控制方法 | |
CN116608136A (zh) | 潜油电泵中压变频控制*** | |
US11579042B2 (en) | Monitoring method for plate billet crank flying shear process | |
CN112577739A (zh) | 风电机组发动机驱动端轴承超温故障诊断及预警方法 | |
AU2015200309B2 (en) | Predicting failure of a mining machine | |
CN117167547B (zh) | 一种基于无线传输的智能拍门监测调控*** | |
CN219452845U (zh) | 一种风机齿轮箱油液在线监测故障预警装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |