CN116448236A - 边缘端振动监测***及方法、计算机可读存储介质 - Google Patents
边缘端振动监测***及方法、计算机可读存储介质 Download PDFInfo
- Publication number
- CN116448236A CN116448236A CN202310729174.0A CN202310729174A CN116448236A CN 116448236 A CN116448236 A CN 116448236A CN 202310729174 A CN202310729174 A CN 202310729174A CN 116448236 A CN116448236 A CN 116448236A
- Authority
- CN
- China
- Prior art keywords
- data
- order
- frequency
- spectrum
- frequency domain
- 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 88
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims abstract description 260
- 238000004364 calculation method Methods 0.000 claims abstract description 83
- 238000004422 calculation algorithm Methods 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 14
- 230000005540 biological transmission Effects 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
Classifications
-
- 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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请提供一种边缘端振动监测***及方法、计算机可读存储介质。其中,边缘端振动监测***包括上位机以及边缘计算采集***;边缘计算采集***采集机械动设备产生的振动信号的时域波形数据,根据时域波形数据计算第一频域类数据,确定位于第一频域类数据中的部分频段内的第二频域类数据,并向上位机发送第二频域类数据;第一频域类数据包括振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,频谱包括幅度谱和/或功率谱;上位机根据第二频域类数据监测机械动设备的故障情况。该***基于频域类数据进行振动监测,有利于降低监测过程中数据的计算量、存储、上传压力,缓解上位机压力。
Description
技术领域
本申请涉及振动监测技术领域,具体而言,涉及一种边缘端振动监测***及方法、计算机可读存储介质。
背景技术
机械动设备的振动监测主要是利用边缘端的数据采集***采集到的振动、温度等状态量数据,以智能报警***以及人工判断方式结合来形成设备看护体系,设置于边缘端的数据采集***则为看护体系提供了关键的数据基础。
随着边缘计算发展,对波形数据长度要求越来越长,频次也越来越高。且波形数据本身带有完整的故障数据信息,但更长的波形数据将对监测***的数据存储、上传、计算等要求也会越来越高。另外指标数据相比较波形数据,可用来记录一定关键性的数据信息,同时降低波形数据上传等压力,但指标也存在部分信息的丢失。
发明内容
本申请实施例的目的在于提供一种边缘端振动监测***及方法、计算机可读存储介质,用以改善上述技术问题。具体技术方案如下:
第一方面,本申请实施例提供一种边缘端振动监测***,包括:上位机以及边缘计算采集***;所述边缘计算采集***用于采集机械动设备产生的振动信号的时域波形数据,根据所述时域波形数据计算第一频域类数据,确定位于所述第一频域类数据中的部分频段内的第二频域类数据,并向所述上位机发送所述第二频域类数据;其中,所述第一频域类数据包括所述振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,所述频谱包括幅度谱和/或功率谱;所述上位机用于根据所述第二频域类数据监测所述机械动设备的故障情况。
在上述方案中,上位机根据边缘计算采集***发送的部分频段的频域类数据进行振动监测,一方面,由于频域类数据包含了时域波形数据中大部分和故障分析关键的信息,信息丢失较少,因此基于频域类数据可以很好地进行与振动监测相关的二次指标计算、二次报警策略应用、算法迭代等操作;另一方面,由于频域类数据的数据量小于对应时域波形数据,并且该方案还只传输频域类数据的一部分,因此有利于降低边缘计算采集***向上位机所发送的数据量,降低数据存储压力,或者便于进行高密度数据传输;另一方面,若上位机在振动监测的过程中需要基于边缘计算采集***发送的数据进行二次计算,则基于频域类数据的计算可以避免快速傅里叶变换FFT等计算量较高的操作,因此有效缓解了上位机的计算压力。
可见,选择第二频域类数据上传给上位机,兼顾了故障监测对数据本身的需求,也有效降低了监测***的数据处理的压力。
在第一方面的一种实现方式中,所述振动信号包括速度信号和/或加速度信号。边缘端振动监测***可以通过速度信号和/或加速度信号进行振动监测,使得上述边缘端振动监测***能够适用于更多的应用场景,提高了上述边缘端振动监测***的适用性。
在第一方面的一种实现方式中,若所述机械动设备为变速设备,则所述第一频域类数据包括所述阶次谱和/或所述阶次包络谱。发明人研究发现,对于变速设备而言,频谱易呈堆状结构,不利于故障分析和指标提取计算,采用谱线清晰的阶次谱和/或阶次包络谱效果更好。
在第一方面的一种实现方式中,所述边缘计算采集***用于在所述第一频域类数据包括所述频谱时,将所述频谱位于第一低频段内的部分确定为与所述频谱对应的第二频域类数据;其中,所述第一低频段的频率范围从W1Hz到W2Hz,W1和W2为可配置值,W1>0,5000≥W2>W1;以及,用于在所述第一频域类数据包括所述包络谱时,将所述包络谱位于第二低频段内的部分确定为与所述包络谱对应的第二频域类数据;其中,所述第二低频段的频率范围从W3Hz到W4Hz,W3和W4为可配置值,W3>0,5000≥W4>W3。在上述方案中,边缘计算采集***仅将第一低频段内的频谱数据以及第二低频段内的包络谱数据发送至上位机,一方面降低了数据传输量和计算量,另一方面也是由于频谱的第一低频段和包络谱的第二低频段内已经包含了绝大部分的故障特征信息。
在第一方面的一种实现方式中,W2和W4的取值均为以下值之一:100、500、1000、2000以及5000。
在第一方面的一种实现方式中,若所述第一频域类数据包括所述包络谱,则所述边缘计算采集***用于通过以下步骤计算所述包络谱:根据所述时域波形数据计算所述频谱;确定目标解调频段的各个子频段;其中,所述目标解调频段的频率范围可配置,若所述子频段的数量为一个,则所述子频段为所述目标解调频段,若所述子频段的数量为多个,则各个子频段是由所述目标解调频段划分产生的,且各个子频段的频率范围可配置;分别对各个子频段内的频谱进行包络解调,得到各个子频段内的包络谱。上述方案中的目标解调频段可以自由配置,从而实现按需获取包络谱。
在第一方面的一种实现方式中,所述目标解调频段的频率范围从1000Hz到20000Hz,所述目标解调频段的子频段包括从0.1Hz到100Hz、100到1000Hz、1000Hz到5000Hz的频段、从5000Hz到10000Hz的频段、从10000Hz到15000Hz的频段以及从15000Hz到20000Hz的频段。
在第一方面的一种实现方式中,若所述第一频域类数据包括所述频谱和所述包络谱,且所述频谱对应的第二频域类数据为所述频谱位于第一低频段内的部分,且所述第一低频段的频率范围从W1Hz到W2Hz,W1和W2为可配置值,W1>0,5000≥W2>W1,则所述目标解调频段的频率范围从W2Hz到W5Hz,W5为可配置值,W5>W2。上述方案实现了低频传频谱、高频传包络谱的组合,有利于改善多数机械动设备的故障监测效果。
在第一方面的一种实现方式中,所述边缘计算采集***用于在所述第一频域类数据包括所述阶次谱时,将所述阶次谱位于第一低阶次段内的部分确定为与所述阶次谱对应的第二频域类数据;其中,所述第一低阶次段的阶次范围从M1阶到M2阶,M1和M2为可配置值,M1>0,5000/参考频率≥M2>M1,所述参考频率为所述阶次谱中1阶对应的频率;以及,用于在所述第一频域类数据包括所述阶次包络谱时,将所述阶次包络谱位于第二低阶次段内的部分确定为与所述阶次包络谱对应的第二频域类数据;其中,所述第二低阶次段的阶次范围从M3阶到M4阶,M3和M4为可配置值,M3>0,5000/参考频率≥M4>M3。在上述方案中,边缘计算采集***仅将第一低阶次内的阶次谱数据以及第二低阶次段内的阶次包络谱数据发送至上位机,一方面降低了数据传输量和计算量,另一方面也是由于阶次谱的第一低阶次段和阶次包络谱的第二低阶次段内已经包含了绝大部分的故障特征信息。
在第一方面的一种实现方式中,M2和M4的取值均为以下值之一:100/参考频率、500/参考频率、1000/参考频率、2000/参考频率以及5000/参考频率。
在第一方面的一种实现方式中,若所述第一频域类数据包括所述阶次包络谱,则所述边缘计算采集***用于通过以下步骤计算所述阶次包络谱:根据所述时域波形数据计算所述频谱;根据所述频谱以及所述机械动设备的转速时标数据计算所述阶次谱;确定目标解调阶次段的各个子阶次段;其中,所述目标解调阶次段的阶次范围可配置,若所述子阶次段的数量为一个,则所述子阶次段为所述目标解调阶次段,若所述子阶次段的数量为多个,则各个子阶次段是由所述目标解调阶次段划分产生的,且各个子阶次段的阶次范围可配置;分别对各个子阶次段内的阶次谱进行包络解调,得到各个子阶次段内的阶次包络谱。上述方案中的目标解调阶次段可以自由配置,从而实现按需获取阶次包络谱。
在第一方面的一种实现方式中,所述目标解调阶次段的阶次范围从(1000/fc)阶到(20000/fc)阶,所述目标解调阶次段的子阶次段包括从(1000/fc)阶到(5000/fc)阶的阶次段、从(5000/fc)阶到(10000/fc)阶的阶次段、从(10000/fc)阶到(15000/fc)阶的阶次段以及从(15000/fc)阶到(20000/fc)阶的阶次段,fc为参考频率,所述参考频率为所述阶次谱中1阶对应的频率。
在第一方面的一种实现方式中,若所述第一频域类数据包括所述阶次谱和所述阶次包络谱,且所述阶次谱对应的第二频域类数据为所述阶次谱位于第一低阶次段内的部分,且所述第一低阶次段的阶次范围从M1阶到M2阶,M1和M2为可配置值,M1>0,5000/参考频率≥M2>M1,则所述目标解调阶次段的阶次范围从M2阶到M5阶,M5为可配置值,M5>M2,所述参考频率为所述阶次谱中1阶对应的频率。上述方案实现了低阶次传阶次谱、高阶次传阶次包络谱的组合,有利于改善多数机械动设备(特别是变速设备)的故障监测效果。
在第一方面的一种实现方式中,所述边缘计算采集***还用于向所述上位机发送所述时域波形数据;所述上位机用于根据所述时域波形数据、所述第二频域类数据监测所述机械动设备的故障情况;其中,所述边缘计算采集***向所述上位机发送所述第二频域类数据的周期小于向所述上位机发送所述时域波形数据的周期。上述方案还通过时域波形数据监测设备故障,时域波形数据是采集的最原始数据,包含最为丰富的信息,有时可以改善监测效果,但由于时域波形数据量较大,所以可以按照较低频度上传,而第二频域类数据由于数据量较小,所以可以按照较高频度上传。
在第一方面的一种实现方式中,所述边缘计算采集***向所述上位机发送所述第二频域类数据的周期为m分钟,m为可配置值,120≥m≥1。
在第一方面的一种实现方式中,m的取值为以下值之一:5、10、15、20、25、30、60、120。
在第一方面的一种实现方式中,所述边缘计算采集***还用于根据所述时域波形数据计算第一指标类数据,并向所述上位机发送所述第一指标类数据;其中,所述第一指标类数据包括第一单类指标和/或第一综合类指标;以及,用于根据所述第一指标类数据和边缘端报警策略判断是否需要进行所述机械动设备的故障报警,若需要进行故障报警,则向所述上位机发送相应的报警结果;所述上位机用于在接收到所述第一指标类数据时,根据所述第一指标类数据和所述第二频域类数据监测所述机械动设备的故障情况;或者,用于在接收到所述第一指标类数据和所述报警结果时,根据所述第一指标类数据、所述报警结果和所述第二频域类数据监测所述机械动设备的故障情况。相较于相关技术中仅计算综合类指标的方式,边缘计算采集***所计算的第一指标类数据可以包括第一单类指标和/或第一综合类指标,便于在上位机根据第一单类指标自由进行组合计算,而且还降低了边缘计算采集***的计算量。
在第一方面的一种实现方式中,所述上位机用于根据所述第二频域类数据计算第二指标类数据,根据所述第二指标类数据和上位机报警策略判断是否需要进行所述机械动设备的故障报警;其中,所述第二指标类数据包括第二单类指标和/或第二综合类指标。上述方案中的上位机设置有上位机报警策略,并根据上位机所计算出的第二指标数据和上位机报警策略判断是否需要进行机械动设备的故障报警,缓解了边缘计算采集***的计算压力,并且由于第二频域类数据本身就包含了时域波形数据中的大部分信息,因此这样的指标计算能够得到很好地支持。
在第一方面的一种实现方式中,所述上位机用于根据所述第一单类指标组合计算第三综合类指标,根据所述第三综合类指标和上位机报警策略判断是否需要进行所述机械动设备的故障报警。上述方案中上位机可以根据第一单类指标自由进行组合计算,进行二次故障报警,更准确地监测设备故障情况。
在第一方面的一种实现方式中,所述边缘计算采集***为有线采集***或无线采集***。上述方案中的边缘端振动监测***,其实施不受限于边缘计算采集***的数据采集方式,具有较宽的适用范围。
在第一方面的一种实现方式中,若所述边缘计算采集***为无线采集***,则所述边缘计算采集***包括通讯站以及安装在所述机械动设备上的无线振动传感器;所述无线振动传感器用于采集所述时域波形数据,以及通过无线通信的方式和所述通讯站进行数据交互,所述通讯站用于和所述上位机进行数据交互,振动监测过程中的边缘计算由所述无线振动传感器独立执行,或者由所述通讯站独立执行,或者由所述通讯站和所述无线振动传感器分担执行。在上述方案中,边缘计算可以按需在通讯站和无线振动传感器之间进行分配,具有较大的灵活性。
在第一方面的一种实现方式中,所述上位机用于执行以下操作中的至少一项:基于所述第二频域类数据进行数据展示,根据所述第二频域类数据进行信号分析,以及根据所述第二频域类数据进行信号确认;其中,数据展示操作包括展示以下内容中的至少一项:所述第二频域类数据,所述第二频域类数据对应的频段信息,所述第二频域类数据对应的包络段信息以及指标类数据与所述第二频域类数据的关联关系。在上述方案中,上位机可以基于第二频域类数据进行一系列监测操作,具有较为完善的监测功能。
在第一方面的一种实现方式中,所述***还包括算法平台;所述上位机还用于向所述算法平台发送所述第二频域类数据;所述算法平台用于根据所述第二频域类数据对所述边缘计算采集***使用的模型和/或算法进行迭代;其中,所述边缘计算采集***使用的模型包括所述机械动设备的设备模型,所述边缘计算采集***使用的算法包括指标类数据计算算法、数据采集策略、边缘端报警策略、数据上传策略中的至少一项。上述方案中的算法平台根据第二频域类数据对模型和/或算法进行迭代,使得模型和/或算法的迭代速度和迭代质量均有较好的提升,促进指标类数据计算算法标准化以及数据采集策略、边缘端报警策略和数据上传策略的完善。
第二方面,本申请实施例提供一种边缘端振动监测方法,包括:
边缘计算采集***采集机械动设备产生的振动信号的时域波形数据;
所述边缘计算采集***根据所述时域波形数据计算第一频域类数据;其中,所述第一频域类数据包括所述振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,所述频谱包括幅度谱和/或功率谱;
所述边缘计算采集***确定位于所述第一频域类数据中的部分频段内的第二频域类数据,并向上位机发送所述第二频域类数据;
所述上位机根据所述第二频域类数据监测所述机械动设备的故障情况。
第三方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行第一方面或第一方面的任意一种可能的实现方式提供的方法。
第四方面,本申请实施例还提供了一种计算机程序产品,包括计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行第一方面或第一方面的任意一种可能的实现方式提供的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的边缘端振动监测***的结构示意图;
图2为本申请实施例提供的边缘端振动监测方法的流程示意图。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。
在本申请实施例的描述中,技术术语“第一”“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本申请实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
机械动设备是指由驱动机带动的转动设备,亦即有能源消耗的设备,例如泵、压缩机、风机等,其所消耗的能源可以是电动力、气动力、蒸汽动力等。一般可以分为流体输送机械类、非均相分离机械类、搅拌与混合机械类、冷冻机械类、结晶与干燥设备等。与机械动设备所对应的为静设备,静设备是指没有驱动机带动的非转动或移动的设备,例如化学反应器、塔器、换热设备、分离设备、储存设备等种类的设备。
目前,相关技术在对机械动设备进行振动监测时,一般采用上位机配合边缘计算设备的方式,其中边缘计算设备用于为上位机的振动监测提供时域波形数据,上位机则根据边缘计算设备所提供的时域波形数据进行振动监测。上位机根据时域波形数据或者指标数据进行振动监测均存在不足,时域波形数据对***的监测***的数据存储、上传、计算等要求较高,指标数据由于只是关键性数据,因此可能存在数据丢失,导致故障漏报等问题。
基于此,本申请实施例提供一种边缘端振动监测***,该***中的边缘计算采集***根据所采集到的振动信号的时域波形数据计算第一频域类数据,并将第二频域类数据中部分频段的频域类数据发送给上位机,从而使得上位机可以根据第二频域类数据监测机械动设备的故障情况,由于频域类数据的数据量本身就小于时域波形数据,并且本申请实施例只是将第二频域类数据中部分频段的频域类数据发送给上位机,因此有利于降低边缘计算采集***向上位机所发送的数据量,便于进行高密度数据传输。
另外,本申请实施例中的上位机若在振动监测过程中需要基于边缘计算采集***发送的数据进行二次计算,则基于第二频域类数据的计算可以避免快速傅里叶变换FFT等计算量较高的操作,使得上位机的计算压力得到缓解;并且,由于第二频域类数据包含了时域波形数据中大部分和故障分析关键的信息,信息丢失较少,因此基于频域类数据可以很好地进行与振动监测相关的二次指标计算、二次报警策略应用、算法迭代等操作。在介绍本申请实施例所提供的边缘端振动监测***的具体内容之前,先对本申请实施例所涉及的相关名词进行解释:
数据密度:可以理解为数据采集频度或周期,例如几个小时或者几分钟采集一条数据;
数据分辨率:是针对单条数据而言的,指的是单条数据的精细度,例如一条数据连续采集若干秒,秒数越多则所包含的信息越多,则数据分辨率就越高;
时域和频域:时域和频域是信号处理中的两种概念,它们分别描述了信号在时间轴和频率轴上的特征,其中,时域信号可以采用波形图等来表示,频域信号可以采用频谱图等来表示,时域信号可以直观地反映信号的周期性、幅值、相位等特征,频域信号的频谱图可以直观地反映信号的频率分布、幅度谱、相位谱等特征,时域信号可以通过傅里叶变换等方法转换为频域信号。
请参见图1,本申请实施例提供一种边缘端振动监测***100,该***包括:上位机110以及边缘计算采集***120,其中:
如图1所示,边缘计算采集***120用于采集机械动设备产生的振动信号的时域波形数据,根据时域波形数据计算第一频域类数据,确定位于第一频域类数据中的部分频段内的第二频域类数据,并向上位机110发送第二频域类数据;其中,第一频域类数据包括振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,频谱包括幅度谱和/或功率谱;
上位机110用于根据第二频域类数据监测机械动设备的故障情况。
可以理解的是,机械动设备所产生的振动信号可以被设置在机械动设备壳体上的振动传感器(例如压电式振动加速度传感器)采集,该振动传感器属于边缘计算采集***120的一部分。振动传感器所采集的振动信号在信号形式上可以为电流和/或电压信号。
可选地,振动信号包括速度信号和/或加速度信号。
由于加速度信号积分可获得速度信号,速度信号积分可获得位移信号,因此在一种可选方案中,第一频域类数据以及第二频域类数据可以只包括加速度信号的相关频域类数据,如加速度信号的频谱,在上位机110获得加速度信号的频谱后,对其进行积分即可获得速度信号的频谱。如此可减少边缘计算采集***120需传输的数据量。
频谱、包络谱、阶次谱、阶次包络谱的可能获取方法会分别在后文内容中描述。简单来说,频谱可基于时域波形数据利用傅里叶变换计算,包络谱和阶次谱可基于频谱计算,阶次包络谱可基于阶次谱计算。另外需要注意的是,边缘计算采集***120所采集的时域波形数据中,可能只有部分会被用于计算第一频域类数据,另一部分在可选方案中,会被上传给上位机110。
上述边缘计算采集***120可以定时采集机械动设备产生的振动信号的时域波形数据,也可以采用工况触发的方式来采集机械动设备产生的振动信号的时域波形数据。采用工况触发的方式来采集机械动设备产生的振动信号例如:机械动设备的某种或者某些故障只在某个转速工况条件下出现,则可以在机械动设备上安装转速传感器,获取其转速,并可以预先设置某些转速阈值,当设备转速到达这些阈值时则进行时域波形数据的采集。
可以理解的是,第一频域类数据为振动信号在不同频率上的数据,而第二频域类数据为第一频域类数据中的部分频段的数据,即可以认为第二频域类数据是从第一频域类数据中截取部分频段所形成的,这里的部分频段可以是低频段、中频段、高频段或者其他根据需求所确定的一个或多个频段。其中,部分频段可能的选取方法会在下述内容中描述。
可以理解的是,上位机110可以采用数据库存储数据,如图1所示。上位机110根据第二频域类数据监测机械动设备的故障情况可以包括:数据展示以及报警结果展示和推送等一项或多项操作,其中数据展示是对存储于数据库中的数据进行展示,报警结果展示和推送可以为边缘计算采集***120根据边缘端报警策略进行一次报警的报警结果,也可以为上位机110根据上位机报警策略进行二次报警的报警结果(关于报警结果的获得,详见后文阐述)。
请参见图1,上述上位机110还用于向边缘计算采集***120下达其配置好的模型和/或算法,边缘计算采集***120可以利用这些算法和/或模型进行数据采集、指标计算、故障报警、数据上传等一系列操作,关于模型和算法的描述见下述内容中有关算法平台130的描述。
上述边缘端振动监测***100所能实现的技术效果至少包括以下方面:
第一,第二频域类数据保留了时域波形数据中大部分故障分析关键信息,信息丢失较少,因此在上位机110乃至于算法平台130上,基于第二频域类数据可以很好地进行与振动监测相关的二次指标计算、二次报警策略应用和算法、模型迭代等操作,还可以改善由于指标设计不完善、时域波形数据密度太低(时域波形数据密度如果太高的话,上位机110无法处理)导致的遗漏故障信息的问题。
第二,由于频域类数据的数据量小于时域波形数据的数据量,并且本申请实施例中的技术方案只传输第一频域类数据中的部分频段的数据,因此有利于降低边缘计算采集***120向上位机110所发送的数据量,便于进行高密度数据传输。
第三,若上位机110在振动监测的过程中需要基于边缘计算采集***120发送的数据进行二次计算,则基于频域类数据的计算可以避免快速傅里叶变换FFT等计算量较高的操作,因此有效缓解了上位机110的计算压力。综合以上三点可知,本申请的方案选择第二频域类数据上传给上位机110,兼顾了故障监测对数据本身的需求,也有效降低了监测***的数据处理的压力。
可选地,边缘计算采集***120用于在第一频域类数据包括频谱时(此时第一频域类数据还可能包含其他数据),将频谱位于第一低频段内的部分确定为与频谱对应的第二频域类数据;其中,第一低频段的频率范围从W1Hz到W2Hz,W1和W2为可配置值(例如,可以在上位机110上进行配置),W1>0,5000≥W2>W1;以及,用于在第一频域类数据包括包络谱时(此时第一频域类数据还可能包含其他数据),将包络谱位于第二低频段内的部分确定为与包络谱对应的第二频域类数据;其中,第二低频段的频率范围从W3Hz到W4Hz,W3和W4为可配置值(例如,可以在上位机110上进行配置),W3>0,5000≥W4>W3。
发明人研究发现,一般机械故障往往在频谱和/或包络谱的中低频区域体现,因此本申请实施例中的边缘计算采集***120可以仅将频谱和包络谱中最能够体现机械故障特征的部分发送给上位机110,一方面降低边缘计算采集***120与上位机110之间的通信开销,另一方面降低上位机110进行振动监测的计算量,提高振动监测效率。
以加速度谱为例,加速度谱选择低频段上传,包括以下原因:一是低频段一般是谱线较为清晰的频段,而非堆状噪声,在此频段上易识别故障频率特征。二是低频加速度关联的故障类型如齿轮类、轴承类、松动类关联度高,三是根据加速度低频频谱积分出的速度频谱,在此频段内,也对工频故障基本全覆盖。综上,加速度低频段的频谱,对故障类型的覆盖度高,故障频率识别也较为清晰,易于算法识别和人工分析。
另外,上述频谱除第一低频段外,还包括其他频段数据,而边缘计算采集***120仅是将频谱中第一低频段内的部分确定为与频谱所对应的第二频域类数据。同理,包络谱除第二低频段外,也包括其他频段数据,而边缘计算采集***120仅是将包络谱中第二低频段内的部分确定为与包络谱所对应的第二频域类数据。
可以理解的是,第一低频段和第二低频段的频率范围可以配置为相同的,也可以配置为不同的。并且,如果存在多个包络谱(如何产生多个包络谱见后文阐述),每个包络谱对应的第二低频段也可能是相同的或不同的。
可选地,W2和W4的取值均为以下值之一:100、500、1000、2000以及5000。
该实施方式例如:可以将第一低频段的频率范围配置为0.1~100Hz 、0.1~500Hz、0.1~1000Hz、0.1~2000Hz、0.1~5000Hz、2~100Hz 、2~500Hz、2~1000Hz、2~2000Hz、2~5000Hz、10~100Hz、10~500Hz、10~1000Hz、10~2000Hz或者10~5000Hz,等等;可以将第二低频段的频率范围配置为0.1~100Hz 、0.1~500Hz、0.1~1000Hz、0.1~2000Hz、0.1~5000Hz、2~100Hz 、2~500Hz、2~1000Hz、2~2000Hz、2~5000Hz、10~100Hz、10~500Hz、10~1000Hz、10~2000Hz或者10~5000Hz,等等。
可选地,若第一频域类数据包括包络谱,则边缘计算采集***120用于通过以下步骤计算包络谱:
首先,根据时域波形数据计算频谱;
其次,确定目标解调频段的各个子频段;其中,目标解调频段的频率范围可配置(例如,可以在上位机110上进行配置),若子频段的数量为一个,则子频段为目标解调频段,若子频段的数量为多个,则各个子频段是由目标解调频段划分产生的,且各个子频段的频率范围可配置(例如,可以在上位机110上进行配置);
最后,分别对各个子频段内的频谱进行包络解调,得到各个子频段内的包络谱(包络谱的数量和子频段的数量相同)。
可以理解的是,可以通过快速傅里叶变换FFT算法根据时域波形数据计算频谱,目标解调频段可以为低频段、中频段、高频段或者其他根据需求所确定的频段,总之,目标解调频段的频率范围可以自由配置。目标解调频段中子频段的数量可以为一个,也可以为多个,当子频段的数量为一个时,子频段即为目标解调频段,当子频段的数量为多个时,子频段由目标解调频段根据配置划分获得。
例如,若目标解调频段的频率范围为1000~20000Hz,则目标解调频段的子频段可以包括1000~5000Hz的频段、5000~10000Hz的频段、10000~15000Hz的频段以及15000~20000Hz的频段。
可以理解的是,上述目标解调频段和各个子频段的频率范围都是可以自由配置的,例如,若目标解调频段的频率范围为1000~20000Hz,则目标解调频段的子频段可以包括1000~3000Hz的频段、3000~5000Hz的频段、5000~8000Hz的频段、8000~11000Hz的频段、11000~14000Hz的频段、14000~17000Hz的频段、17000~20000Hz的频段。
可选地,若第一频域类数据包括频谱和包络谱,且频谱对应的第二频域类数据为频谱位于第一低频段内的部分,且第一低频段的频率范围从W1Hz到W2Hz,则上述目标解调频段的频率范围从W2Hz到W5Hz,W5为可配置值(例如,可以在上位机110上进行配置),W5>W2。
可以理解的是,上述第一低频段和目标解调频段为衔接在一起的频段,第一低频段的频率范围从W1Hz到W2Hz,而目标解调频段的频率范围为从W2Hz到W5Hz。
可以理解的是,上述目标解调频段对应频谱中的高频段(相对于第一低频段而言),因此此时可以简称为低频段上传频谱、高频段上传包络谱,因为发明人发现,对于大部分机械动设备而言,频谱的高频段部分存在比较严重的噪声,若用于识别故障难度较大,而进行包络解调以后可以滤除高频噪声,得到比较清晰的谱线(特别是在包络谱的第二低频段内),即保留了大部分故障相关特征,从而低频段上传频谱、高频段上传包络谱的组合方式有利于上位机110监测机械动设备的故障情况。
不过需要指出的是,目标解调频段也可以根据需求设置为其他频段,例如包含齿轮的低转速设备,其故障特征主要集中在低频段,此时如果要上传包络谱,也可以将目标解调频段设置在低频段。
以加速度谱为例,首先,首先2000hz(也可能为其他值)以上的加速度频谱基本谱线无显著清晰谱线,甚至基本以噪声为主,故在该频段精确识别故障频率一般不易识别,高频的频谱在精确识别上可使用性不高,故不宜上传高频段的加速度频谱。
其次使用包络解调可将高频噪音滤除,获取和故障相关的清晰谱线,因此在轴承、保持架等故障上基本使用包络解调(即将目标解调频段设置为高频段)。而这些故障关联的频率也都不高,如轴承故障频率一般偏高,即使是谐波特征(倍频)也基本在2000Hz以下,而包络解调出的2000Hz以上的包络谱基本无显著特征频率。所以包络谱比较有价值的频段也是在低频段,故可以选择第二低频段内的包络谱上传。
进一步的,2000~20000Hz频段较宽(目标解调频段),如果只使用这一个频段进行包络解调,获取的特征信息将损失很多,因为选择这个频段意味着从中获取的是所有高频内找出相对最显著频率特征,而这些特征实际上在不同的包络段,频率特征的显著度是不同的,显著度不同将影响故障的定位、程度等,所以可将目标解调频段划分为若干子频段分别进行包络解调。
例如,选择2000~2000Hz的频段获取的包络谱特征主要为转频特征,轴承特征频率微弱。
如果选择将2000~20000Hz分三个包络段时,获取的特征将有差别。
2000~8000Hz,包络谱的主要特征为转频,轴承特征不可见;
8000~14000Hz,包络谱解调主要特征为轴承特征频率,转频不可见;
14000~20000Hz,包络解调主要是转频,轴承特征频率不可见;
如上对比,就会发现,对2000~2000Hz的频段分频段保罗解调,将能对轴承特征识别出来,否则,轴承特征可能会因为在转频占主导的情况下,特征的显著度上被抑制。
进一步的,发明人研究发现,对于机械动设备为变速设备(转速会变化的设备,相对于稳态设备而言)的情况,其频谱呈堆状结构,由于谱线不清楚,导致中心频率等定位困难,在计算指标时的准确率较低,也不利于故障分析,而阶次谱可以视为一种特殊的频谱,其谱线较为清晰,有利于故障分析和指标计算。因此针对变速设备,边缘计算采集***120所采集的第一频域类数据可以包括振动信号的阶次谱和/或阶次包络谱(但也不排除包括振动信号的频谱和/或包络谱)。当然,对于稳态设备,也不排除在第一频域类数据中包含振动信号的阶次谱和/或阶次包络谱。
可选地,边缘计算采集***120用于在第一频域类数据包括阶次谱时(此时第一频域类数据还可能包含其他数据),将阶次谱位于第一低阶次段内的部分确定为与阶次谱对应的第二频域类数据;其中,第一低阶次段的阶次范围从M1阶到M2阶,M1和M2为可配置值(例如,可以在上位机110上进行配置),M1>0,5000/参考频率≥M2>M1,参考频率为阶次谱中1阶对应的频率;以及,用于在第一频域类数据包括阶次包络谱时(此时第一频域类数据还可能包含其他数据),将阶次包络谱位于第二低阶次段内的部分确定为与阶次包络谱对应的第二频域类数据;其中,第二低阶次段的阶次范围从M3阶到M4阶,M3和M4为可配置值(例如,可以在上位机110上进行配置),M3>0,5000/参考频率≥M4>M3(参考频率的定义和阶次谱相同,因为阶次包络谱本来就要基于阶次谱计算)。
可选地,上述参考频率可参***某个轴的转频或其他频率,由于阶次和频率之间具有线性的换算关系,因此阶次范围可参考频率范围来设置(例如,M1可以、但不一定参考W1设置,M2可以、但不一定参考W2设置)。
可以理解的是,第一低阶次段和第二低阶次段的阶次范围可以配置为相同的,也可以配置为不同的。并且,如果存在多个阶次包络谱(如何产生多个阶次包络谱见后文阐述),每个阶次包络谱对应的第二低阶次段也可能是相同的或不同的。
可选地,M2和M4的取值均为以下值之一:100/参考频率、500/参考频率、1000/参考频率、2000/参考频率以及5000/参考频率。若参考频率为50Hz,则M2和M4的取值均为以下值之一:2、10、20、40以及100。
该实施方式例如:可以将第一低阶次段的阶次范围配置为0.002~2阶、0.002~10阶、0.002~20阶、0.002~40阶、0.002~100阶、0.04~2阶、0.04~10阶、0.04~20阶、0.04~40阶、0.04~100阶、0.2~2阶、0.2~10阶、0.2~20阶、0.2~40阶或者0.2~100阶,等等;可以将第二低阶次段的阶次范围配置为0.002~2阶、0.002~10阶、0.002~20阶、0.002~40阶、0.002~100阶、0.04~2阶、0.04~10阶、0.04~20阶、0.04~40阶、0.04~100阶、0.2~2阶、0.2~10阶、0.2~20阶、0.2~40阶或者0.2~100阶,等等。
可选地,若第一频域类数据包括阶次包络谱,则边缘计算采集***120用于通过以下步骤计算阶次包络谱:
首先,根据时域波形数据计算频谱;
其次,根据频谱以及机械动设备的转速时标数据计算阶次谱;
再者,确定目标解调阶次段的各个子阶次段;其中,目标解调阶次段的阶次范围可配置(例如,可以在上位机110上进行配置),若子阶次段的数量为一个,则子阶次段为目标解调阶次段,若子阶次段的数量为多个,则各个子阶次段是由目标解调阶次段划分产生的,且各个子阶次段的阶次范围可配置(例如,可以在上位机110上进行配置);
最后,分别对各个子阶次段内的阶次谱进行包络解调,得到各个子阶次段内的阶次包络谱。
可以理解的是,目标解调阶次段可以为低阶次段、中阶次段、高阶次段或者其他根据需求所确定的阶次段,总之,目标解调阶次段的阶次范围可以自由配置。目标解调阶次段中子阶次段的数量可以为一个,也可以为多个,当子阶次段的数量为一个时,子阶次段即为目标解调阶次段,当子阶次段的数量为多个时,子阶次段由目标解调阶次段根据配置划分获得。
例如,若目标解调阶次段的阶次范围从(1000/fc)阶到(20000/fc)阶,则目标解调阶次段的子阶次段可以包括从(1000/fc)阶到(5000/fc)阶的阶次段、从(5000/fc)阶到(10000/fc)阶的阶次段、从(10000/fc)阶到(150000/fc)阶的阶次段以及从(150000/fc)阶到(20000/fc)阶的阶次段,fc为参考频率。可以理解的是,上述目标解调阶次段和各个子阶次段的阶次范围都是可以自由配置的,不限于例子中配置的值。
可选的,若第一频域类数据包括阶次谱和阶次包络谱,且阶次谱对应的第二频域类数据为阶次谱位于第一低阶次段内的部分,且第一低阶次段的阶次范围从M1阶到M2阶,则上述目标解调阶次段的阶次范围从M2阶到M5阶,M5为可配置值(例如,可以在上位机110上进行配置),M5>M2。
可以理解的是,上述第一低阶次段和目标解调阶次段为衔接在一起的阶次段,第一低阶次段的阶次范围从M1阶到M2阶,而目标解调阶次段的阶次范围从M2阶到M5阶。
可以理解的是,上述目标解调阶次段对应阶次谱中的高阶次段(相对于第一低阶次段而言),因此此时可以简称为低阶次段上传阶次谱、高阶次段上传阶次包络谱,因为发明人发现,阶次谱的高阶次段部分存在比较严重的噪声,若用于识别故障难度较大,而进行包络解调以后可以滤除高频噪声,得到比较清晰的谱线(特别是在阶次包络谱的第二低阶次段内),即保留了大部分故障相关特征,从而低阶次段上传阶次谱、高阶次段上传阶次包络谱的组合方式有利于上位机110监测机械动设备的故障情况。不过需要指出的是,目标解调阶次段也可以根据需求设置为其他阶次段。
对于阶次谱选择低阶次段上传,高阶次段通过分子阶次段进行包络解调获得阶次包络谱,阶次包络谱也选择低频段上传等问题,可以参照前文加速度谱的例子,不再重复分析。
可选地,请参见图1,边缘计算采集***120还用于向上位机110发送时域波形数据;上位机110用于至少根据时域波形数据以及第二频域类数据监测机械动设备的故障情况,监测的形式可以包括数据展示、分析、报警等。
可以理解的是,上述时域波形数据可以为边缘计算采集***120向上位机110由于工况触发所采集的,或者定时采集的时域波形数据,该时域波形数据可以在边缘计算采集***120报警或未报警的情况下发送。需要注意的是,并不是边缘计算采集***120所采集的时域波形数据就一定会发送,也可能只有部分被发送,部分则只用于在边缘计算采集***120进行边缘计算,并不发送给上位机110。
在上述方案中,上位机110还可以通过时域波形数据监测设备故障情况,由于时域波形数据是采集的最原始数据,包含有最为丰富的信息,有利于改善监测效果。
可选地,边缘计算采集***120向上位机110发送第二频域类数据的周期小于向上位机110发送时域波形数据的周期。
可以理解的是,由于时域波形数据的数据量较大,所以边缘计算采集***120可以按照较低频度上传,而第二频域数据由于数据量较小,所以边缘计算采集***120可以按照较高频度上传,也即第二频域类数据的周期可以小于向上位机110发送时域波形数据的周期。一方面,时域波形数据如果以较低频度上传,则数据量并不会太大,第二频域类数据虽然以较高频度上传,但由于第二频域类数据本身数据量不大,所以仍然是可接受的。并且,由于第二频域类数据在很多方面可以代替时域波形数据实现故障监测,所以时域波形数据的上传周期还可以进一步增大,例如,原来(不上传第二频域类数据时)的周期为2小时,现在(上传第二频域类数据时)的周期为4小时。
可选地,边缘计算采集***120向上位机发送第二频域类数据的周期为m分钟,m为可配置值,120≥m≥1。m的取值为以下值之一:5、10、15、20、25、30、60、120。
相关技术中的机械动设备监测***中的边缘计算设备会计算一些指标数据,并基于报警策略和这些指标数据进行报警,但边缘计算设备所计算的指标数据仅是一些简单的总值指标,或者组合后产生的总和指标,这些指标无法被拆解,从而上位机110并不能够对这些指标进行加工,并且算法平台130也不能利用这些指标进行指标的迭代。
请参见图1,基于此,可选地,本申请实施例提供的边缘端振动监测***100中,边缘计算采集***120还用于根据时域波形数据计算第一指标类数据,并向上位机110发送第一指标类数据;其中,第一指标类数据包括第一单类指标和/或第一综合类指标;以及,用于根据第一指标类数据和边缘端报警策略判断是否需要进行机械动设备的故障报警,若需要进行故障报警,则向上位机110发送相应的报警结果。
上位机110用于在接收到第一指标类数据时(未发送报警结果),根据第一指标类数据和第二频域类数据监测机械动设备的故障情况;或者,用于在接收到第一指标类数据和报警结果时,根据第一指标类数据、报警结果和第二频域类数据监测机械动设备的故障情况。
上述第一指标类数据例如:1倍频、2倍频等频谱类指标;包络谱轴承外圈能量、包络谱保持架能量等包络谱类指标;齿轮啮合转频边带能量、转频谐波能量等阶次谱类指标;峭度,歪度,相位等波形类指标。第一单类指标可以是原始的未经组合计算的指标,第一综合类指标可以是多个单类指标进行组合计算得到的指标。
可以理解的是,边缘计算采集***120设置有边缘端报警策略(即一些报警规则),通过计算出的第一指标类数据配合边缘端报警策略对机械动设备进行故障报警,若边缘计算采集***120判断需要进行故障报警,则将第一指标类数据、第二频域类数据和报警结果发送给上位机110,此时,上位机110根据第一指标类数据、第二频域类数据和报警结果对机械动设备的故障情况进行监测。若边缘计算采集***120判断无需进行故障报警,则将第一指标类数据和第二频域类数据发送给上位机110,此时上位机110根据第一指标类数据和第二频域类数据对机械动设备的故障情况进行监测。
在上述方案中,边缘计算采集***120可以将单类指标上传至上位机110,一方面缓解了边缘计算采集***120的计算压力(因为这些单类指标不用在边缘计算采集***120上进行组合计算),另一方面,上位机110可以按需对接收到的单类指标进行组合计算、二次报警等,以便更准确地监测设备故障情况,并且还有利于将边缘计算的压力在边缘计算采集***120和上位机110之间灵活分配,避免出现边缘计算采集***120过于繁忙、而上位机110过于清闲等情况。
例如:针对1倍频能量、2倍频能量和3倍频能量三个单类指标,相关技术是在边缘计算设备中直接将1倍频能量、2倍频能量和3倍频能量进行求和,然后再将求和后的指标传输给上位机,而本申请实施例中的边缘计算采集***120是将1倍频能量、2倍频能量和3倍频能量三个单类指标全部传输至上位机110,而上位机110可以根据需求对三个指标进行求和或者对其中的任意两个指标进行求和。
相关技术中的机械动设备监测***中的指标计算任务均是由边缘计算设备承担,而上位机仅是对指标数据进行简单的加减操作甚至不操作,导致上位机与边缘计算设备之间的计算压力不均衡;同时,为了在指标复杂度、硬件性能之间取平衡,有时还需要对指标数据进行一定程度上的限制甚至直接删除,从而影响故障报警的准确性。
请参见图1,基于此,上位机110可以根据第二频域类数据直接进行指标计算,以获取第二指标类数据;其中,第二指标类数据包括第二单类指标和/或第二综合类指标,其含义可以分别参考第一单类指标和第一综合类指标。可选地,上位机110还可以根据第二指标类数据和上位机报警策略判断是否需要进行机械动设备的故障报警。
上述方案中的第二指标数据由于是在上位机110上计算的,因此缓解了边缘计算采集***120的指标计算压力,有利于将边缘计算的压力在边缘计算采集***120和上位机110之间灵活分配。并且由于第二频域类数据本身就包含了时域波形数据中的大部分信息,因此这样的指标计算能够得到很好地支持,其计算出的指标也有利于实施故障报警。并且由于第二频域类数据本身就是经过傅里叶变换的数据,因为计算指标时上位机110承担的计算压力并不大。
可选地,上位机110也可以直接对第一指标类数据进行加工,例如将第一指标类数据中的第一单类数据进行组合计算获取综合类指标,该综合类指标称为第三综合类指标,根据第三综合类指标和上位机报警策略可以判断是否需要进行机械动设备的故障报警。
可以理解的是,相较于相关技术中上位机直接使用边缘计算设备报警结果的方案,本申请实施例中的上位机110可以设置上位机报警策略,并根据第二指标类数据和/或第三综合类指标、以及上位机报警策略判断是否需要进行机械动设备的故障报警,这种二次报警的做法有利于改善故障报警的准确性。并且,上位机110按需计算第二指标类数据和/或第三综合类指标,利于指标覆盖率以及复杂度的完善。
可选地,边缘计算采集***120为有线采集***或无线采集***,即该方案的实施不受限于边缘计算采集***120的数据采集方式。
若边缘计算采集***120为有线采集***,则边缘计算采集***120包括有线振动传感器和数据采集器,其中,有线振动传感器用于采集时域波形数据并通过有线的方式将其发送给数据采集器,数据采集器用于与上位机110进行数据交互。振动监测过程中的边缘计算可以由数据采集器独立执行。这里的边缘计算例如指标数据的计算、报警判断、频域类数据的计算等等。
若边缘计算采集***120为无线采集***,则边缘计算采集***120包括通讯站以及安装在机械动设备上的无线振动传感器;无线振动传感器用于采集时域波形数据,以及通过无线通信(例如,Zigbee、NB-IoT)的方式和通讯站进行数据交互,通讯站用于和上位机110进行数据交互,振动监测过程中的边缘计算由无线振动传感器独立执行,或者由通讯站独立执行,或者由通讯站和无线振动传感器分担执行。
需要指出的是,上述通讯站与无线振动传感器分担执行边缘计算或者由无线振动传感器独立执行边缘计算的原因一方面是数据进行无线传输时需要占用较多带宽,若无线振动传感器的传输带宽有限,则可以在本地多进行边缘计算,只传输边缘计算结果,减少传输原始的、数据量较大的时域波形数据,从而减少带宽占用;另一方面,无线振动传感器可能是由电池供电的,而并非是采用供电线供电,由于无线传输的功耗较大,从而可以在本地多进行边缘计算,只传输边缘计算结果,减少传输原始的、数据量较大的时域波形数据,从而减少功耗。总之,在上述方案中,边缘计算的位置非常灵活,可以根据需要进行分配。
可选地,上位机110用于执行以下操作中的至少一项以实现对机械动设备的故障情况的监测:基于第二频域类数据进行数据展示,根据第二频域类数据进行信号分析,以及根据第二频域类数据进行信号确认。
其中,数据展示操作包括展示以下内容中的至少一项:第二频域类数据,第二频域类数据对应的频段信息,第二频域类数据对应的包络段信息以及指标类数据与第二频域类数据的关联关系。上述频段信息例如第一低频段从W1Hz到W2Hz、第二低频段从W3Hz到W4Hz等。包络段信息例如目标解调频段的子频段信息以及目标解调阶次段的子阶次段信息。
上述信号分析可以是人工分析或者利用工具进行分析。
上述信号确认是为了对误信号进行判断,即确认上位机110接收到的数据是否来源于正确的信号,若数据来源于误信号,则基于这样的数据监测故障没有意义。信号确认可以通过第二频域类数据进行,也可以基于第二频域类数据所计算出的第二指标类数据进行。
在上述方案中,上位机110可以基于第二频域类数据进行数据展示,信号分析以及信号确认等一系列监测操作,有利于完善上述边缘振动监测***的监测功能。
相关技术中的算法平台在进行算法迭代时采用的是时域波形数据和/或指标类数据,其在密度和精度上制约了算法和/或模型的迭代质量,具体体现在:
首先,在数据密度上,受制于上传以及存储压力,时域波形数据由于数据量较大,因此上传周期较长,导致其数据量较少,从而导致高质量数据的比例较低;
其次,低密度的时域波形数据不符合实际进行边缘计算报警的数据密度环境(边缘计算报警例如几分钟就要进行一次,而时域波形数据可能几小时才上传一次),从而迭代产生的算法和/或模型对实际场景的适应性较差;
最后,现有的时域波形数据的数据精度是以满足人工分析的要求为主的,数据精度较低。
基于此,请参见图1,可选地,***还包括算法平台130;上位机110还用于向算法平台130发送第二频域类数据;算法平台130用于根据第二频域类数据对边缘计算采集***120使用的模型和/或算法进行迭代;其中,边缘计算采集***120使用的模型包括机械动设备的设备模型,边缘计算采集***120使用的算法包括指标类数据计算算法、数据采集策略、边缘端报警策略、数据上传策略中的至少一项。
当然,若上位机110还向算法平台130发送了其他数据,例如图1中的时域波形数据、第一指标类数据、第二指标类数据以及第三综合类指标,算法平台130可以根据这些对边缘计算采集***120使用的模型和/或算法进行迭代。可以理解的是,上述机械动设备的设备模型用于对机械动设备进行描述,其可以包括设备类型(例如同步电机、异步电机、风机、泵等)、设备属性(例如变速电机、稳态电机等)以及设备的一些参数(例如转速),等等。
另外,若上位机110也要进行指标计算、报警,则算法平台130还可以基于第二频域类数据以及其他必要的数据对上位机110使用的算法和/或模型进行迭代。
可以理解的是,上述第二频域类数据可以为高密度和高分辨率的数据,并且包含大量时域波形数据中的原始信息,算法平台130可以采用高密度和高分辨率的第二频域类数据模拟真实的密度环境(例如,边缘计算报警的数据密度环境),从而根据所模拟出的真实的密度环境进行上位机110和边缘计算采集***120中的设备模型、上位机110和边缘计算采集***120中指标类数据计算算法、边缘计算采集***120中数据采集策略、边缘计算采集***120中边缘端报警策略、边缘计算采集***120中数据上传策略、上位机110中上位机报警策略等算法和/或模型的迭代。
在上述方案中,算法平台130根据第二频谱类数据对模型和/或算法进行迭代,使有利于提升模型和/算法的迭代速度和迭代质量,促进指标类数据计算算法标准化以及数据采集策略、边缘端报警策略、数据上传策略、上位机报警策略的完善。
请参见图2,本申请实施例还提供一种边缘端振动监测方法,该方法包括:
步骤S210:边缘计算采集***采集机械动设备产生的振动信号的时域波形数据;
步骤S220:所述边缘计算采集***根据所述时域波形数据计算第一频域类数据;其中,所述第一频域类数据包括所述振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,所述频谱包括幅度谱和/或功率谱;
步骤S230:所述边缘计算采集***确定位于所述第一频域类数据中的部分频段内的第二频域类数据,并向上位机发送所述第二频域类数据;
步骤S240:所述上位机根据所述第二频域类数据监测所述机械动设备的故障情况。
本申请实施例提供的边缘端振动监测方法可以由本申请实施例提供的边缘端振动监测***执行,其实现原理及产生的技术效果在前述***实施例中已经介绍,为简要描述,方法实施例部分未提及之处,可参考前述任意一个***实施例中相应内容。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被计算机的处理器读取并运行时,执行本申请实施例提供的边缘端振动监测方法。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行本申请实施例提供的边缘端振动监测方法。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (25)
1.一种边缘端振动监测***,其特征在于,包括:上位机以及边缘计算采集***;
所述边缘计算采集***用于采集机械动设备产生的振动信号的时域波形数据,根据所述时域波形数据计算第一频域类数据,确定位于所述第一频域类数据中的部分频段内的第二频域类数据,并向所述上位机发送所述第二频域类数据;其中,所述第一频域类数据包括所述振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,所述频谱包括幅度谱和/或功率谱;
所述上位机用于根据所述第二频域类数据监测所述机械动设备的故障情况。
2.根据权利要求1所述的边缘端振动监测***,其特征在于,所述振动信号包括速度信号和/或加速度信号。
3.根据权利要求1所述的边缘端振动监测***,其特征在于,若所述机械动设备为变速设备,则所述第一频域类数据包括所述阶次谱和/或所述阶次包络谱。
4.根据权利要求1所述的边缘端振动监测***,其特征在于,所述边缘计算采集***用于在所述第一频域类数据包括所述频谱时,将所述频谱位于第一低频段内的部分确定为与所述频谱对应的第二频域类数据;其中,所述第一低频段的频率范围从W1Hz到W2Hz,W1和W2为可配置值,W1>0,5000≥W2>W1;
以及,用于在所述第一频域类数据包括所述包络谱时,将所述包络谱位于第二低频段内的部分确定为与所述包络谱对应的第二频域类数据;其中,所述第二低频段的频率范围从W3Hz到W4Hz,W3和W4为可配置值,W3>0,5000≥W4>W3。
5.根据权利要求4所述的边缘端振动监测***,其特征在于,W2和W4的取值均为以下值之一:100、500、1000、2000以及5000。
6.根据权利要求1所述的边缘端振动监测***,其特征在于,若所述第一频域类数据包括所述包络谱,则所述边缘计算采集***用于通过以下步骤计算所述包络谱:
根据所述时域波形数据计算所述频谱;
确定目标解调频段的各个子频段;其中,所述目标解调频段的频率范围可配置,若所述子频段的数量为一个,则所述子频段为所述目标解调频段,若所述子频段的数量为多个,则各个子频段是由所述目标解调频段划分产生的,且各个子频段的频率范围可配置;
分别对各个子频段内的频谱进行包络解调,得到各个子频段内的包络谱。
7.根据权利要求6所述的边缘端振动监测***,其特征在于,所述目标解调频段的频率范围从1000Hz到20000Hz,所述目标解调频段的子频段包括从1000Hz到5000Hz的频段、从5000Hz到10000Hz的频段、从10000Hz到15000Hz的频段以及从15000Hz到20000Hz的频段。
8.根据权利要求6所述的边缘端振动监测***,其特征在于,若所述第一频域类数据包括所述频谱和所述包络谱,且所述频谱对应的第二频域类数据为所述频谱位于第一低频段内的部分,且所述第一低频段的频率范围从W1Hz到W2Hz,W1和W2为可配置值,W1>0,5000≥W2>W1,则所述目标解调频段的频率范围从W2Hz到W5Hz,W5为可配置值,W5>W2。
9.根据权利要求1所述的边缘端振动监测***,其特征在于,所述边缘计算采集***用于在所述第一频域类数据包括所述阶次谱时,将所述阶次谱位于第一低阶次段内的部分确定为与所述阶次谱对应的第二频域类数据;其中,所述第一低阶次段的阶次范围从M1阶到M2阶,M1和M2为可配置值,M1>0,5000/参考频率≥M2>M1,所述参考频率为所述阶次谱中1阶对应的频率;
以及,用于在所述第一频域类数据包括所述阶次包络谱时,将所述阶次包络谱位于第二低阶次段内的部分确定为与所述阶次包络谱对应的第二频域类数据;其中,所述第二低阶次段的阶次范围从M3阶到M4阶,M3和M4为可配置值,M3>0,5000/参考频率≥M4>M3。
10.根据权利要求9所述的边缘端振动监测***,其特征在于,M2和M4的取值均为以下值之一:100/参考频率、500/参考频率、1000/参考频率、2000/参考频率以及5000/参考频率。
11.根据权利要求1所述的边缘端振动监测***,其特征在于,若所述第一频域类数据包括所述阶次包络谱,则所述边缘计算采集***用于通过以下步骤计算所述阶次包络谱:
根据所述时域波形数据计算所述频谱;
根据所述频谱以及所述机械动设备的转速时标数据计算所述阶次谱;
确定目标解调阶次段的各个子阶次段;其中,所述目标解调阶次段的阶次范围可配置,若所述子阶次段的数量为一个,则所述子阶次段为所述目标解调阶次段,若所述子阶次段的数量为多个,则各个子阶次段是由所述目标解调阶次段划分产生的,且各个子阶次段的阶次范围可配置;
分别对各个子阶次段内的阶次谱进行包络解调,得到各个子阶次段内的阶次包络谱。
12.根据权利要求11所述的边缘端振动监测***,其特征在于,所述目标解调阶次段的阶次范围从1000/fc阶到20000/fc阶,所述目标解调阶次段的子阶次段包括从1000/fc阶到5000/fc阶的阶次段、从5000/fc阶到10000/fc阶的阶次段、从10000/fc阶到15000/fc阶的阶次段以及从15000/fc阶到20000/fc阶的阶次段,fc为参考频率,所述参考频率为所述阶次谱中1阶对应的频率。
13.根据权利要求11所述的边缘端振动监测***,其特征在于,若所述第一频域类数据包括所述阶次谱和所述阶次包络谱,且所述阶次谱对应的第二频域类数据为所述阶次谱位于第一低阶次段内的部分,且所述第一低阶次段的阶次范围从M1阶到M2阶,M1和M2为可配置值,M1>0,5000/参考频率≥M2>M1,则所述目标解调阶次段的阶次范围从M2阶到M5阶,M5为可配置值,M5>M2,所述参考频率为所述阶次谱中1阶对应的频率。
14.根据权利要求1所述的边缘端振动监测***,其特征在于,所述边缘计算采集***还用于向所述上位机发送所述时域波形数据;
所述上位机用于根据所述时域波形数据以及所述第二频域类数据监测所述机械动设备的故障情况;其中,所述边缘计算采集***向所述上位机发送所述第二频域类数据的周期小于向所述上位机发送所述时域波形数据的周期。
15.根据权利要求1所述的边缘端振动监测***,其特征在于,所述边缘计算采集***向所述上位机发送所述第二频域类数据的周期为m分钟,m为可配置值,120≥m≥1。
16.根据权利要求15所述的边缘端振动监测***,其特征在于,m的取值为以下值之一:5、10、15、20、25、30、60、120。
17.根据权利要求1所述的边缘端振动监测***,其特征在于,所述边缘计算采集***还用于根据所述时域波形数据计算第一指标类数据,并向所述上位机发送所述第一指标类数据;其中,所述第一指标类数据包括第一单类指标和/或第一综合类指标;
以及,用于根据所述第一指标类数据和边缘端报警策略判断是否需要进行所述机械动设备的故障报警,若需要进行故障报警,则向所述上位机发送相应的报警结果;
所述上位机用于在接收到所述第一指标类数据时,根据所述第一指标类数据和所述第二频域类数据监测所述机械动设备的故障情况;或者,用于在接收到所述第一指标类数据和所述报警结果时,根据所述第一指标类数据、所述报警结果和所述第二频域类数据监测所述机械动设备的故障情况。
18.根据权利要求1所述的边缘端振动监测***,其特征在于,所述上位机用于根据所述第二频域类数据计算第二指标类数据,根据所述第二指标类数据和上位机报警策略判断是否需要进行所述机械动设备的故障报警;其中,所述第二指标类数据包括第二单类指标和/或第二综合类指标。
19.根据权利要求17所述的边缘端振动监测***,其特征在于,所述上位机用于根据所述第一单类指标组合计算第三综合类指标,根据所述第三综合类指标和上位机报警策略判断是否需要进行所述机械动设备的故障报警。
20.根据权利要求1-19中任一项所述的边缘端振动监测***,其特征在于,所述边缘计算采集***为有线采集***或无线采集***。
21.根据权利要求20所述的边缘端振动监测***,其特征在于,若所述边缘计算采集***为无线采集***,则所述边缘计算采集***包括通讯站以及安装在所述机械动设备上的无线振动传感器;
所述无线振动传感器用于采集所述时域波形数据,以及通过无线通信的方式和所述通讯站进行数据交互,所述通讯站用于和所述上位机进行数据交互,振动监测过程中的边缘计算由所述无线振动传感器独立执行,或者由所述通讯站独立执行,或者由所述通讯站和所述无线振动传感器分担执行。
22.根据权利要求1-19中任一项所述的边缘端振动监测***,其特征在于,所述上位机用于执行以下操作中的至少一项:基于所述第二频域类数据进行数据展示,根据所述第二频域类数据进行信号分析,以及根据所述第二频域类数据进行信号确认;
其中,数据展示操作包括展示以下内容中的至少一项:所述第二频域类数据,所述第二频域类数据对应的频段信息,所述第二频域类数据对应的包络段信息以及指标类数据与所述第二频域类数据的关联关系。
23.根据权利要求1-19中任一项所述的边缘端振动监测***,其特征在于,所述***还包括算法平台;
所述上位机还用于向所述算法平台发送所述第二频域类数据;
所述算法平台用于根据所述第二频域类数据对所述边缘计算采集***使用的模型和/或算法进行迭代;其中,所述边缘计算采集***使用的模型包括所述机械动设备的设备模型,所述边缘计算采集***使用的算法包括指标类数据计算算法、数据采集策略、边缘端报警策略、数据上传策略中的至少一项。
24.一种边缘端振动监测方法,其特征在于,包括:
边缘计算采集***采集机械动设备产生的振动信号的时域波形数据;
所述边缘计算采集***根据所述时域波形数据计算第一频域类数据;其中,所述第一频域类数据包括所述振动信号的频谱、包络谱、阶次谱以及阶次包络谱中的至少一项,所述频谱包括幅度谱和/或功率谱;
所述边缘计算采集***确定位于所述第一频域类数据中的部分频段内的第二频域类数据,并向上位机发送所述第二频域类数据;
所述上位机根据所述第二频域类数据监测所述机械动设备的故障情况。
25.一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上存储有计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行如权利要求24所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729174.0A CN116448236B (zh) | 2023-06-20 | 2023-06-20 | 边缘端振动监测***及方法、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729174.0A CN116448236B (zh) | 2023-06-20 | 2023-06-20 | 边缘端振动监测***及方法、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116448236A true CN116448236A (zh) | 2023-07-18 |
CN116448236B CN116448236B (zh) | 2023-09-12 |
Family
ID=87120608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310729174.0A Active CN116448236B (zh) | 2023-06-20 | 2023-06-20 | 边缘端振动监测***及方法、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116448236B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117473235A (zh) * | 2023-12-28 | 2024-01-30 | 圣名科技(广州)有限责任公司 | 一种轧机设备的振动数据采集方法、装置、设备及介质 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6026348A (en) * | 1997-10-14 | 2000-02-15 | Bently Nevada Corporation | Apparatus and method for compressing measurement data correlative to machine status |
CN101430247A (zh) * | 2008-11-28 | 2009-05-13 | 华北电力大学 | 汽轮发电机组随机振动故障实时诊断方法 |
CN101949774A (zh) * | 2010-08-30 | 2011-01-19 | 杨彦利 | 一种风力发电多机组远程实时状态监测方法 |
CN102183366A (zh) * | 2011-03-08 | 2011-09-14 | 上海大学 | 滚动轴承振动测量和故障分析装置及方法 |
US20110290024A1 (en) * | 2010-05-28 | 2011-12-01 | Lefler Kenneth A | System and method of mechanical fault detection based on signature detection |
CN102435436A (zh) * | 2011-11-24 | 2012-05-02 | 电子科技大学 | 风扇轴承状态退化评估方法 |
US20120253694A1 (en) * | 2011-03-28 | 2012-10-04 | Hong-Tsu Young | Method and apparatus for judging status of mechanical system |
CN108364449A (zh) * | 2018-02-24 | 2018-08-03 | 南方电网调峰调频发电有限公司 | 一种水电机组稳定性监测数据远程实时传输方法 |
CN110793622A (zh) * | 2019-11-15 | 2020-02-14 | 北京天泽智云科技有限公司 | 一种振动数据电磁干扰的异常检测方法 |
CN112163472A (zh) * | 2020-09-15 | 2021-01-01 | 东南大学 | 一种基于多视角特征融合的滚动轴承诊断方法 |
CN112197973A (zh) * | 2020-08-17 | 2021-01-08 | 中国船舶重工集团公司第七0四研究所 | 柴油发电机组健康诊断方法 |
CN112462137A (zh) * | 2020-09-18 | 2021-03-09 | 国网辽宁省电力有限公司电力科学研究院 | 基于小波包和Hilbert包络谱分析的设备故障特征提取方法 |
CN113720438A (zh) * | 2021-07-23 | 2021-11-30 | 鹏城实验室 | 一种构件裂缝信息监测方法、装置、终端设备及存储介质 |
CN113776794A (zh) * | 2021-08-13 | 2021-12-10 | 昆明理工大学 | 一种嵌入式边缘计算的故障诊断方法、装置和*** |
CN115438688A (zh) * | 2022-08-09 | 2022-12-06 | 衡阳镭目科技有限责任公司 | 关键设备的故障检测方法、装置、电子设备及存储介质 |
CN115683617A (zh) * | 2022-09-28 | 2023-02-03 | 航天智控(北京)监测技术有限公司 | 一种改进的变工况故障诊断方法及*** |
CN115795295A (zh) * | 2022-11-25 | 2023-03-14 | 浙江大学 | 一种基于最优加权包络谱的旋转机械特征频率增强提取方法 |
CN115856621A (zh) * | 2022-12-05 | 2023-03-28 | 郑州恩普特科技股份有限公司 | 一种异步电机转子断条故障诊断方法及*** |
CN116242610A (zh) * | 2022-12-22 | 2023-06-09 | 重庆中烟工业有限责任公司 | 轴承故障检测方法、装置及电子设备 |
-
2023
- 2023-06-20 CN CN202310729174.0A patent/CN116448236B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6026348A (en) * | 1997-10-14 | 2000-02-15 | Bently Nevada Corporation | Apparatus and method for compressing measurement data correlative to machine status |
CN101430247A (zh) * | 2008-11-28 | 2009-05-13 | 华北电力大学 | 汽轮发电机组随机振动故障实时诊断方法 |
US20110290024A1 (en) * | 2010-05-28 | 2011-12-01 | Lefler Kenneth A | System and method of mechanical fault detection based on signature detection |
CN101949774A (zh) * | 2010-08-30 | 2011-01-19 | 杨彦利 | 一种风力发电多机组远程实时状态监测方法 |
CN102183366A (zh) * | 2011-03-08 | 2011-09-14 | 上海大学 | 滚动轴承振动测量和故障分析装置及方法 |
US20120253694A1 (en) * | 2011-03-28 | 2012-10-04 | Hong-Tsu Young | Method and apparatus for judging status of mechanical system |
CN102435436A (zh) * | 2011-11-24 | 2012-05-02 | 电子科技大学 | 风扇轴承状态退化评估方法 |
CN108364449A (zh) * | 2018-02-24 | 2018-08-03 | 南方电网调峰调频发电有限公司 | 一种水电机组稳定性监测数据远程实时传输方法 |
CN110793622A (zh) * | 2019-11-15 | 2020-02-14 | 北京天泽智云科技有限公司 | 一种振动数据电磁干扰的异常检测方法 |
CN112197973A (zh) * | 2020-08-17 | 2021-01-08 | 中国船舶重工集团公司第七0四研究所 | 柴油发电机组健康诊断方法 |
CN112163472A (zh) * | 2020-09-15 | 2021-01-01 | 东南大学 | 一种基于多视角特征融合的滚动轴承诊断方法 |
CN112462137A (zh) * | 2020-09-18 | 2021-03-09 | 国网辽宁省电力有限公司电力科学研究院 | 基于小波包和Hilbert包络谱分析的设备故障特征提取方法 |
CN113720438A (zh) * | 2021-07-23 | 2021-11-30 | 鹏城实验室 | 一种构件裂缝信息监测方法、装置、终端设备及存储介质 |
CN113776794A (zh) * | 2021-08-13 | 2021-12-10 | 昆明理工大学 | 一种嵌入式边缘计算的故障诊断方法、装置和*** |
CN115438688A (zh) * | 2022-08-09 | 2022-12-06 | 衡阳镭目科技有限责任公司 | 关键设备的故障检测方法、装置、电子设备及存储介质 |
CN115683617A (zh) * | 2022-09-28 | 2023-02-03 | 航天智控(北京)监测技术有限公司 | 一种改进的变工况故障诊断方法及*** |
CN115795295A (zh) * | 2022-11-25 | 2023-03-14 | 浙江大学 | 一种基于最优加权包络谱的旋转机械特征频率增强提取方法 |
CN115856621A (zh) * | 2022-12-05 | 2023-03-28 | 郑州恩普特科技股份有限公司 | 一种异步电机转子断条故障诊断方法及*** |
CN116242610A (zh) * | 2022-12-22 | 2023-06-09 | 重庆中烟工业有限责任公司 | 轴承故障检测方法、装置及电子设备 |
Non-Patent Citations (5)
Title |
---|
康海英等: "基于阶次包络谱的轴承故障诊断研究", 振动与冲击, vol. 25, no. 05, pages 166 - 167 * |
王旭等: "含裂纹故障的齿轮***动力学特性研究及其故障特征分析", 振动与冲击, vol. 36, no. 9, pages 74 - 79 * |
程宝安等: "基于NeighCoeff和Hilbert的行星齿轮箱太阳轮故障诊断", 振动与冲击, vol. 37, no. 22, pages 151 - 157 * |
赵克钦: "变转速滚动轴承故障诊断的最优解调频带识别方法研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 2, pages 8 - 17 * |
黄玉婧: "基于分数阶傅里叶变换的变转速滚动轴承故障诊断方法研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 3, pages 137 - 139 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117473235A (zh) * | 2023-12-28 | 2024-01-30 | 圣名科技(广州)有限责任公司 | 一种轧机设备的振动数据采集方法、装置、设备及介质 |
CN117473235B (zh) * | 2023-12-28 | 2024-03-26 | 圣名科技(广州)有限责任公司 | 一种轧机设备的振动数据采集方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116448236B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2875071C (en) | Method and system for testing operational integrity of a drilling rig | |
EP3431952B1 (en) | Condition monitoring system and wind turbine generation apparatus | |
CN116448236B (zh) | 边缘端振动监测***及方法、计算机可读存储介质 | |
Saidi et al. | Wind turbine high-speed shaft bearings health prognosis through a spectral Kurtosis-derived indices and SVR | |
JP5985099B1 (ja) | 回転機械系の異常検知方法、その異常検知方法を用いた回転機械系の異常監視方法、及びその異常監視方法を用いた回転機械系の異常監視装置 | |
US8174402B2 (en) | Machine condition indication system | |
US7194383B2 (en) | Vibration analysis system and method for a machine | |
CN110469462B (zh) | 一种基于多模板的风电机组智能状态监测*** | |
KR101874472B1 (ko) | 진동신호의 주파수 에너지를 이용한 회전체 고장 예측 시스템 및 방법 | |
KR101345598B1 (ko) | 풍력발전기 상태 모니터링 방법 및 시스템 | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
DE102011052894A1 (de) | Verfahren und System zum Überwachen einer Windturbine | |
KR101829134B1 (ko) | 진동을 이용한 회전체 고장 예측 시스템 및 방법 | |
CN110174281B (zh) | 一种机电设备故障诊断方法及*** | |
EP2345894B1 (en) | Trending of vibration data taking into account torque effect | |
CN110530507A (zh) | 用于旋转设备监测的边缘计算方法、介质及*** | |
KR102226971B1 (ko) | 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치 | |
JP7460545B2 (ja) | 電気機械的マシンの調子を監視して故障を予測するシステム及び方法 | |
CN117150740A (zh) | 一种基于电机电流分析的机车电机故障预测方法 | |
WO2019065736A1 (ja) | 状態監視装置および状態監視方法 | |
CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
CN112083077A (zh) | 周期运动叶片音频故障检测*** | |
US20220365524A1 (en) | Device for fault detection and failure prediction by monitoring vibrations of objects in particular industrial assets | |
CN103323102A (zh) | 大型汽轮发电机组低频振动预测优化方法 | |
US20220213872A1 (en) | Condition monitoring system and wind power generation system including the same |
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 |