CN208969502U - 焦炉车辆故障智能化诊断装置 - Google Patents
焦炉车辆故障智能化诊断装置 Download PDFInfo
- Publication number
- CN208969502U CN208969502U CN201821976691.9U CN201821976691U CN208969502U CN 208969502 U CN208969502 U CN 208969502U CN 201821976691 U CN201821976691 U CN 201821976691U CN 208969502 U CN208969502 U CN 208969502U
- Authority
- CN
- China
- Prior art keywords
- wireless
- signal
- model
- information
- signal wire
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本实用新型涉及炼焦设备的控制领域,具体为一种焦炉车辆故障智能化诊断装置。一种焦炉车辆故障智能化诊断装置,其特征是:包括监控传感装置(1)、信息汇集器(2)、无线发射器(31)、无线接收器(32)、采集服务器(41)、集中监控终端(51)、无线信号塔(6),监控传感装置(1)都通过信号线连接信息汇集器(2),信息汇集器(2)通过信号线连接无线发射器(31),无线接收器(32)通过信号线连接采集服务器(41),采集服务器(41)、数据服务器(42)、集中监控终端(51)和无线信号塔(6)都通过信号线连接通信网(71)。本实用新型反应迅速,控制准确。
Description
技术领域
本实用新型涉及炼焦设备的控制领域,具体为一种焦炉车辆故障智能化诊断装置。
背景技术
焦炉四大车***作为焦炉生产的关键性***,其故障智能化诊断方法的相关技术研究目前在国内并没有得到重视,国内外也没有相关详细的报道,随着焦炉四大车无人化运行模式的推进,其安全运行的保障措施就显得十分重要。
故障诊断技术的研究大部分仍然停留在具有应用背景、计算机仿真或实验阶段,对于复杂工业过程与生俱来的非线性、动态、多模态、多时段、高维度、间歇等特性,使得传统的基于过程机理模型的过程监控方法很难适应实际工业过程的复杂程度。
实用新型内容
为了克服现有技术的缺陷,提供一种控制及时准确、安全可靠的炼焦控制设备,本实用新型公开了一种焦炉车辆故障智能化诊断装置。
本实用新型通过如下技术方案达到发明目的:
一种焦炉车辆故障智能化诊断装置,其特征是:包括监控传感装置、信息汇集器、无线发射器、无线接收器、采集服务器、集中监控终端、无线信号塔,
监控传感装置包括温/湿度传感器、电压传感器、电流传感器、电弧传感器、超声波传感器和行程开关,焦炉生产区域的推焦车、导焦车、装煤车和电车这四者上各设一个监控传感装置,监控传感装置都通过信号线连接信息汇集器的信号输入端,信息汇集器的信号输出端通过信号线连接无线发射器的信号输入端,无线接收器的信号输出端通过信号线连接采集服务器,采集服务器、数据服务器、集中监控终端和无线信号塔都通过信号线连接通信网。
所述的焦炉车辆故障智能化诊断装置,其特征是:还包括远程监控终端,远程监控终端通过互联网连接通信网。
所述的焦炉车辆故障智能化诊断装置的使用方法,其特征是:按如下步骤依次实施:
监控传感装置将温/湿度传感器、电压传感器、电流传感器、电弧传感器、超声波传感器和行程开关所采集到的焦炉生产区域的推焦车、导焦车、装煤车和电车这四者的温/湿度信息、电压信息、电流信息、电弧信息、间距信息、位置信息都传输至信息汇集器,信息汇集器将接收到的信息转换成数字信号后输入无线发射器,无线发射器将接收到的数字信号转换成无线信号后通过发射天线对外发射,无线接收器将接收到无线信号转换成数字信号后输入采集服务器,数据服务器通过通信网获得数字信号;
数据服务器内置基于四车运行知识的智能故障诊断模型、基于无线传感器网络的设备状态监测***、设备运行状态与故障征兆之间的本体映射算法、基于本体的故障诊断网络、设备维护群组决策方法,
应用基于四车运行知识的智能故障诊断(即Intelligent Fault DiagnosisModel,简称IFDM)模型,IFDM模型以诊断维护车辆本体为基础,结合不确定性知识管理和传感器网络技术,实现四车故障诊断维护知识的集成与推理,形成以诊断维护过程为中心的智能维护模式;
采用基于无线传感器网络的设备状态监测***原型,设计基于超低功耗微控制单元的智能传感器网络节点;
设备运行状态与故障征兆之间的本体映射算法根据征兆空间到故障案例空间的映射关系进行实例匹配,完成静态维护知识与动态诊断过程的统一;
针对纳入监测诊断的故障点信息与相关设备建立故障数据库;
建立故障智能诊断模型,利用模型将监控传感装置采集的故障信号与故障数据库对比分析,计算、分析、排查出具体哪个设备故障导致出现故障信号,即通过故障反馈智能排查出故障设备信息,以指引设备维修人员找到引起设备故障的根本原因。
所述的焦炉车辆故障智能化诊断装置的使用方法,其特征是:构建基于本体的故障诊断网络,给出基于最大可能解释(即Most Probable Explanation,简称MPE)的故障概率推理算法,根据运行工况、故障征兆和证据信息推理获得故障诊断解释;
设备维护群组决策方法,在多源异构的制造过程知识集成与建模基础上,进行诊断推理与故障成因分析,结合诊断专家的经验知识给出优化的维护决策方案。
本实用新型主要通过具有安全保障功能的车载单元装置实现的,相关的安全装置具有自主感知和仿人智能功能,能够协助无人驾驶的设备采取合理的故障自诊断处理与驾驶操作措施,以避免车辆发生行车危险与故障停车。
本实用新型建立涵盖知识表示、故障评估、诊断推理及维护决策的智能故障诊断模型,采用智能故障严重度与故障概率评估方法,建立基于不确定性知识与贝叶斯网络的智能诊断推理体系,给出优化的智能诊断维护群组决策方案,结合焦炉四大车的设备维护与故障诊断需求,设计出的面向知识模型的智能故障诊断与控制***,具体如下所述:
1. 结合诊断维护知识资源管理的需求,提出了基于四车运行知识的智能故障诊断(即Intelligent Fault Diagnosis Model,简称IFDM)模型。IFDM模型以诊断维护车辆本体为基础,结合不确定性知识管理和传感器网络技术,实现四车故障诊断维护知识的集成与推理,形成以诊断维护过程为中心的智能维护模式。对模型进行形式化定义,辨识模型的组成要素;探讨模型的内涵、特征和应用;从工程实践的角度设计模型的体系结构和支撑***。
2. 针对现有的四大车设备状态监测***应用中存在的集成度不高、适应性差和状态数据利用率低等问题,研究并建立基于无线传感器网络的设备状态监测***原型,核心是设计基于超低功耗微控制单元的智能传感器网络节点;利用嵌入式处理器的信号分析能力进行状态数据的本地化处理和数据融合,实现数据采集与信号处理相结合的分布式状态监测,形成具有自我分析诊断能力的状态维护传感器网络。
3. 引入了诊断维护知识的本体语义表示方法。通过对设备结构信息、维护经验知识以及诊断行为过程建模,建立了本体驱动的故障诊断推理模型。提出设备运行状态与故障征兆之间的本体映射算法,并根据征兆空间到故障案例空间的映射关系进行实例匹配,完成静态维护知识与动态诊断过程的统一,从而为实现自动化、智能化的故障诊断与维护决策奠定基础。
4. 提出一种本体语义表示故障概率推理框架,构建基于本体的故障诊断网络,给出基于最大可能解释(即Most Probable Explanation,简称MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。
5. 由于故障诊断与维护决策过程存在着大量的不确定性,针对这些不确定性提出一种设备维护群组决策方法,在多源异构的制造过程知识集成与建模基础上,进行诊断推理与故障成因分析,结合诊断专家的经验知识给出优化的维护决策方案。
6. 为使IFDM模型具有实践指导意义,结合四大车的设备维护与故障诊断需求,设计开发基于IFDM模型的原型***,并进行验证;结合背景企业的智能故障诊断应用,探讨IFDM模型的实施方法。希望在实际***中得到应用,证明IFDM模型在四大车运行中的有效性与可行性。
附图说明
图1是本实用新型的结构示意图,
图2是本实用新型的面向知识的智能故障诊断模型框架图,
图3是本实用新型的面向知识的智能故障诊断模型功能层次图,
图4是本实用新型的智能故障诊断模型的体系结构图。
具体实施方式
以下通过具体实施例进一步说明本实用新型。
实施例1
一种焦炉车辆故障智能化诊断装置,括监控传感装置1、信息汇集器2、无线发射器31、无线接收器32、采集服务器41、集中监控终端51、无线信号塔6,如图1所示,具体结构是:
监控传感装置1包括温/湿度传感器、电压传感器、电流传感器、电弧传感器、超声波传感器和行程开关,焦炉生产区域的推焦车、导焦车、装煤车和电车这四者上各设一个监控传感装置1,监控传感装置1都通过信号线连接信息汇集器2的信号输入端,信息汇集器2的信号输出端通过信号线连接无线发射器31的信号输入端,无线接收器32的信号输出端通过信号线连接采集服务器41,采集服务器41、数据服务器42、集中监控终端51和无线信号塔6都通过信号线连接通信网71。
本实施例还包括远程监控终端52,远程监控终端52通过互联网72连接通信网71。
本实施例使用时,按如下步骤依次实施:
监控传感装置1将温/湿度传感器、电压传感器、电流传感器、电弧传感器、超声波传感器和行程开关所采集到的焦炉生产区域的推焦车、导焦车、装煤车和电车这四者的温/湿度信息、电压信息、电流信息、电弧信息、间距信息、位置信息都传输至信息汇集器2,信息汇集器2将接收到的信息转换成数字信号后输入无线发射器31,无线发射器31将接收到的数字信号转换成无线信号后通过发射天线对外发射,无线接收器32将接收到无线信号转换成数字信号后输入采集服务器41,数据服务器41通过通信网71获得数字信号;
数据服务器41内置基于四车运行知识的智能故障诊断模型、基于无线传感器网络的设备状态监测***、设备运行状态与故障征兆之间的本体映射算法、基于本体的故障诊断网络、设备维护群组决策方法,
面向知识的智能故障诊断模型框架图如图2所示,面向知识的智能故障诊断模型功能层次图如图3所示,智能故障诊断模型的体系结构图如图4所示。
应用基于四车运行知识的智能故障诊断(即Intelligent Fault DiagnosisModel,简称IFDM)模型,IFDM模型以诊断维护车辆本体为基础,结合不确定性知识管理和传感器网络技术,实现四车故障诊断维护知识的集成与推理,形成以诊断维护过程为中心的智能维护模式;
采用基于无线传感器网络的设备状态监测***原型,设计基于超低功耗微控制单元的智能传感器网络节点;
设备运行状态与故障征兆之间的本体映射算法根据征兆空间到故障案例空间的映射关系进行实例匹配,完成静态维护知识与动态诊断过程的统一;
针对纳入监测诊断的故障点信息与相关设备建立故障数据库;
建立故障智能诊断模型,利用模型将监控传感装置1采集的故障信号与故障数据库对比分析,计算、分析、排查出具体哪个设备故障导致出现故障信号,即通过故障反馈智能排查出故障设备信息,以指引设备维修人员找到引起设备故障的根本原因。
本实施例使用时,给出基于最大可能解释(即Most Probable Explanation,简称MPE)的故障概率推理算法,根据运行工况、故障征兆和证据信息推理获得故障诊断解释;
设备维护群组决策方法,在多源异构的制造过程知识集成与建模基础上,进行诊断推理与故障成因分析,结合诊断专家的经验知识给出优化的维护决策方案。
具体来说:
1. 现场故障数据采集、测定、建模、诊断、决策与控制及维护指导:
焦炉故障信息的统计对焦炉周边环境故障数据、装煤车运行故障数据、推焦车运行故障数据、导焦车运行故障数据、电车运行故障数据的采集、焦炉地下室(煤气供给管道层)故障数据的采集信息共计约260个信息点,1500多种故障信息,信息类型主要为开关量、模拟量、数字量、图像、激光和超短波等。
对采集的260个信息点的实时数据进行特征提取,获得诊断推理过程所需的重要特征信息。特征信息以特征量或条件指标的形式从数据集合中抽取出来,并作为诊断推理算法的输入,其目的是对设备失效或异常状态做出初步判断。
构建维护诊断维护核心本体,将设备结构信息、状态监测数据以及诊断维护经验转换为诊断语义知识。建立四大车IFDM智能故障诊断模型,构建IFDM模型使用本体编辑工具Protégé和OWL本体语言图形化构建诊断维护本体。
依据IFDM建立四大车故障诊断推理模块组件,该组件将数据采集与维护决策支持组件连接起来,通过四大车故障的定位与识别为维护方案的科学决策提供依据。
通过建立的IFDM,确立四大车的诊断推理模块,实现对四大车诊断知识资源的概率推理。根据诊断本体库中的知识语义描述与概率信息,结合诊断贝叶斯网络实现焦炉不确定性诊断知识的精确推理,最后形成初步的诊断结论或估计。
依据获得的故障初步的诊断结论或估计,建立决策支持模块,以***服务的形式提供监测设备异常状况下的故障诊断和正常运行状态下的趋势预测分析,并在此基础上为设备管理人员提供科学准确的维护决策支持。
结合焦炉四大车的监控与信息***,应用支持模块提供与知识应用相关活动的创建、配置等服务,为诊断维护过程的知识供应提供支持,在软件平台Microsoft.Net下进行构建,完成组态设置、数据存储、数据交换和业务集成等,使运行和维护人员能够很方便地获得四大车设备运行状态与相关信息,同时提供针对焦炉特定设备的故障诊断预警提示,进行连续实时的事件监测和信号分析,实现IFDC。
2. 面向知识的智能故障诊断与控制技术方案:
硬件结构见图1。
3. 现场试验与测试:
具备的基本条件:焦炉现场设施、试验设施、试验环境、实验人员及安保设施等。
1) 现场检控试验与故障测试:
煤车、推焦车、电车、导焦车故障试验与测试;
通过诊断知识资源的概率推理和维护决策支持***推算出影响设备运行的故障度参数γ,γ∈(0,1),γ≥0.5为重大故障,γ∈(0.2,0.5)范围内为重要故障,γ≤0.2为轻型故障等,共计分为赤橙黄绿青蓝紫七个对应等级。
(1) 煤车试验测试项目:
(2) 推焦车试验测试项目:
(3) 电车试验测试项目:
(4) 导焦车试验测试项目:
2) 故障模型试验与测试:
(1) 激光定位模型试验与测试:
激光定位主要是测试推焦机器人等需要精准定位的焦炉设备故障,故障测试实验主要包括炉门镜面、内壁、底端和淌焦板。
(2) 运行故障处理模型与算法试验结果:
以煤车传动运行***为例,其传动基频幅值变化与先验概率见下表。
还可以看出,当新监测到的证据 E (振动幅值为8.9μm)时,根据故障征兆特征判决函数E应视为基频幅值增速异常征兆。
诊断对象的异常征兆判定之后,正常工况状态和故障征兆以先验概率值的形式与设备故障联系起来,结合诊断对象常见故障的先验概率就可以进行故障概率推理计算。
Claims (2)
1.一种焦炉车辆故障智能化诊断装置,其特征是:包括监控传感装置(1)、信息汇集器(2)、无线发射器(31)、无线接收器(32)、采集服务器(41)、集中监控终端(51)、无线信号塔(6),
监控传感装置(1)包括温/湿度传感器、电压传感器、电流传感器、电弧传感器、超声波传感器和行程开关,焦炉生产区域的推焦车、导焦车、装煤车和电车这四者上各设一个监控传感装置(1),监控传感装置(1)都通过信号线连接信息汇集器(2)的信号输入端,信息汇集器(2)的信号输出端通过信号线连接无线发射器(31)的信号输入端,无线接收器(32)的信号输出端通过信号线连接采集服务器(41),采集服务器(41)、数据服务器(42)、集中监控终端(51)和无线信号塔(6)都通过信号线连接通信网(71)。
2.如权利要求1所述的焦炉车辆故障智能化诊断装置,其特征是:还包括远程监控终端(52),远程监控终端(52)通过互联网(72)连接通信网(71)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201821976691.9U CN208969502U (zh) | 2018-11-28 | 2018-11-28 | 焦炉车辆故障智能化诊断装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201821976691.9U CN208969502U (zh) | 2018-11-28 | 2018-11-28 | 焦炉车辆故障智能化诊断装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN208969502U true CN208969502U (zh) | 2019-06-11 |
Family
ID=66765908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201821976691.9U Active CN208969502U (zh) | 2018-11-28 | 2018-11-28 | 焦炉车辆故障智能化诊断装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN208969502U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110426997A (zh) * | 2019-07-13 | 2019-11-08 | 华北理工大学 | 推焦车状态远程监测*** |
CN111121871A (zh) * | 2019-12-26 | 2020-05-08 | 大连华锐重工焦炉车辆设备有限公司 | 一种推焦设备故障诊断*** |
CN111240299A (zh) * | 2018-11-28 | 2020-06-05 | 宝钢工程技术集团有限公司 | 焦炉车辆故障智能化诊断装置及其使用方法 |
-
2018
- 2018-11-28 CN CN201821976691.9U patent/CN208969502U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240299A (zh) * | 2018-11-28 | 2020-06-05 | 宝钢工程技术集团有限公司 | 焦炉车辆故障智能化诊断装置及其使用方法 |
CN110426997A (zh) * | 2019-07-13 | 2019-11-08 | 华北理工大学 | 推焦车状态远程监测*** |
CN111121871A (zh) * | 2019-12-26 | 2020-05-08 | 大连华锐重工焦炉车辆设备有限公司 | 一种推焦设备故障诊断*** |
CN111121871B (zh) * | 2019-12-26 | 2023-07-14 | 大连华锐重工焦炉车辆设备有限公司 | 一种推焦设备故障诊断*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766277B (zh) | 用于核工业现场的健康评估及诊断***和移动终端 | |
CN208969502U (zh) | 焦炉车辆故障智能化诊断装置 | |
CN106066184B (zh) | 用于检测交通工具***故障的***和方法 | |
CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
CN102880115B (zh) | 一种基于物联网的数控机床远程协作诊断*** | |
CN108931972B (zh) | 一种基于模型驱动的变电站二次设备状态智能诊断方法 | |
CN1991652B (zh) | 可编程逻辑控制器和中央单元之间通信的通信方法及自动远程监控和诊断*** | |
CN100442063C (zh) | 分布式智能电机监测*** | |
RU2557771C1 (ru) | Способ технического контроля и диагностирования бортовых систем беспилотного летательного аппарата с поддержкой принятия решений и комплекс контрольно-проверочной аппаратуры с интеллектуальной системой поддержки принятия решений для его осуществления | |
CN102023100A (zh) | 设备故障预警***及方法 | |
CN105758661B (zh) | 一种锅炉受热面寿命评估***和方法 | |
CN104615121B (zh) | 一种列车故障诊断方法及*** | |
CN116723211B (zh) | 大空间环境电力设备远程巡检装置 | |
CN109459659A (zh) | 一种用于预测电力***故障的***及方法 | |
CN107656518A (zh) | 一种***故障推理方法 | |
CN101093239A (zh) | 自动化电站在线检测与远程诊断*** | |
CN111240299A (zh) | 焦炉车辆故障智能化诊断装置及其使用方法 | |
CN110264585A (zh) | 公交售后诊断*** | |
Zhao et al. | Remote intelligent expert system for operation state of marine gas turbine engine | |
Zeng et al. | Research on indexes and verification technology of airborne PHM system | |
CN114063601A (zh) | 一种基于人工智能的设备状态诊断***及方法 | |
Novilla et al. | The use of fuzzy logic for online monitoring of manufacturing machine: An intelligent system | |
CN113625676B (zh) | 工程机械故障诊断方法和***、现场诊断装置和存储介质 | |
Chen et al. | Architecture analysis for avionics prognostics and health management system | |
Zhang et al. | Radar health management system based on multi-agent |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |