[发明专利]设备故障预警系统及方法

说明书

技术领域

本发明属于在机械设备运转发生事故前，提前对设备故障发出预警，防止突发事故发生，减员增效保证安全生产之领域。

背景技术

众所周知，机械设备在运转过程中都会表现出三类基本特征，一类是功能特征，比如水泵或风机在运转过程中被输送介质的压力、流量、速度等；第二类是设备运转过程中表现出的表象特征，如轴承温升、机体振动、产生的噪声等；第三类是设备的电气特征，如电动机的电流、电压变化等。运用不同的传感器可以对设备的各种特征参数进行测量。

任何事件的发生都有一个从量变到质变的过程，机械设备故障的发生也不例外。设备故障点的故障有一个由轻微到严重的过程，开始时一个轻微的故障点如不及时处理也可能产生多个故障点，故障程度逐步加重，直至设备损坏。设备在发生损坏前相当长一段时间，由于故障点的存在，其功能特征参数、表象特征参数和电气参数都可能产生异常，如电流增大、噪声和振动增大或频谱发生变化、出口压力变小等，本发明的设备故障预警系统及方法通过对设备三类特征参数的在线全方位监测，运用传感技术、数据采集技术、数据传输技术、数据分析技术、智能自学习专家库技术，实现设备故障预警。

 本发明的设备故障预警系统及方法可达到以下目的： 

1、提前预知设备故障，杜绝突发事故发生；

2、为设备无人值守提供技术保障，减少操作人员，降低工人劳动强度；

3、革新设备检修体制，提高设备使用效率； 

4、为建立备品备件与设备状况联动机制创造条件，降低备品备件库存量。 

发明内容

 本发明所要解决的技术问题是提供一种运行可靠、性价比高、界面直观、可提前发出设备故障准确预警信号、具备故障类型自学习功能的设备故障预警系统及方法。 

本发明的设备故障预警方法是：针对设备的故障机理，在合适的部位安装适当类型的传感器采集设备诸如轴承温度、压力、机体振动波形、电流变化波形等参数，采用低速、高速两种数据采集模块将传感器采集的信号数字化，对于轴承温度、压力等变化缓慢的参数采用低速数据采集模块，对于机体振动波形、电流变化波形等快速变化的参数采用高速数据采集模块，以降低系统造价。模数转换后的数据根据现场情况和传输速率支持总线、无线、工业以太网传输。开发专门的计算机软件对采集的各类数据进行处理、存储和分析，软件运用傅里叶变换、Wigner—Ville分布、希尔伯特黄变换、小波分析等数学方法，实现振动、电流等波形的适时时域频域变换和分析，运用建立档案的得分法对检测的各类参数进行评价，发现并诊断设备早期异常，进而实现对设备故障的预警。

本发明的设备故障预警系统采用模块化架构，由传感器模块、数据采集模块、数据处理模块、自学习智能预警平台四大模块组成，各模块间由数据传输网络连接起来。系统架构示意图见图1。检测方式可采用在线监测和便携式点检二种方式。

1、传感器模块

针对不同的设备类型，本发明选配工业级电流、温度、压力、流量、速度、加速度、位移等传感器，采集设备三类特征参数，采集的数据由数据采集模块读取。

2、数据采集模块

数据采集模块的功能是将传感器模块采集到的设备各种特征参数进行数模转换，将模拟量信号转换成数字量信号，通过数据传输网络将数据传送到数据处理模块。其另一个功能是实现设备特殊特征参数的同步采集。

3、数据处理模块

传感器采集到的特征参数是以时间为横坐标的变量。对于诸如轴承温度、压力、流量等变化缓慢的变量，数据处理模块每间隔一段时间对变量进行采样，得出时域变量值，当温升、压力、流量等数值与基准值超出设定的偏差范围时，可自动增加采样频率，数据处理模块对这类变化缓慢变量的处理结果见图2。对于诸如设备振动速度或加速度、电流等随时间快速变化的变量，当设备某个部位发生早期异常时，其时域波形并没有明显变化，但其频域波形在某些特定的频率范围会产生明显的变化，例如当滑动轴承发生油膜震荡时，其0.43倍至0.48倍基频频率范围的振幅会明显增大，当旋转部件发生摩擦时，除了1倍频外，还会产生2倍频、3倍频高次谐波以及1/2倍频、1/3倍频低次谐波，在频域波形上表现为削头波形。由此可发现设备的早期异常并判断异常部位、类型及异常原因。数据处理模块内含多种数学分析函数，可实现诸如数字滤波、傅里叶变换、Wigner—Ville分布、希尔伯特黄变换、小波分析、短时傅里叶变换、时频联合分析、矢谱分析等多种数据处理功能。如某激振器时域频域变换见图3。原始数据及处理过的数据都存储在数据库里，方便调用和查询。

4、自学习智能预警平台