[发明专利]一种面向钢铁连铸设备的故障预测方法及装置有效
申请号: | 201010531458.1 | 申请日: | 2010-11-04 |
公开(公告)号: | CN102072829A | 公开(公告)日: | 2011-05-25 |
发明(设计)人: | 刘敏;严隽薇;尹九波 | 申请(专利权)人: | 同济大学 |
主分类号: | G01M99/00 | 分类号: | G01M99/00;G06F19/00 |
代理公司: | 上海正旦专利代理有限公司 31200 | 代理人: | 张磊 |
地址: | 200092*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 钢铁 设备 故障 预测 方法 装置 | ||
1.一种面向钢铁连铸设备的故障预测方法,其特征在于具体步骤如下:
(1)进行点检时,通过手持点检设备唤醒安装于设备监测点的数据采集节点,通过设置数据采集通道开始采集数据;
(2)数据采集节点前端传感器采集的设备状态数据,经隔离、变换及滤波处理之后,得到对应的电压信号;
(3)电压信号在数据采集节点经采样和模数转换,得到对应的数字信号;
(4)数字信号在数据采集节点中进行编码打包,然后通过无线射频发送出去;
(5)手持点检设备接收数据采集节点发送的编码数据,自动进行解码和存储;
(6)通过手持点检设备的功能菜单选择对采集数据的操作,进行故障分析和寿命预测,同时发送指令改变采集通道或停止采集使数据采集节点休眠;
(7)预测的结果显示在手持点检设备的显示模块上。
2.根据权利要求1所述的面向钢铁连铸设备的故障预测方法,其特征在于步骤(6)中故障分析使用小波包分解技术进行特征提取、SVDD分类器驯化和设备退化曲线的获取,具体步骤如下:
(1)利用原始信号x(t)的均值μ和标准差σ规范化x(t),得
(2)利用小波包分解对规范化后的信号x(t)′进行j层分解,得到2j个不同频带的重构信号fi(t)(i=1,...,2j);
(3)计算各频带重构信号fi(t)的能量,采用归一化方法对各频带重构信号进行处理,即用各频带重构信号的能量占信号总能量的分数来表示,得到各重构信号的相对能量i=1,2,...,2j,有
(4)利用归一化后的各频带重构信号的相对能量Ej(i)作为参数,构造特征向量T=[Ej(1),Ej(2),...,Ej(2j)];
(5)以1000组良好设备的状态数据为样本,利用步骤(4)中所构造的特征向量作为学习样本,训练SVDD单值分类器,得到决策函数χ(z)中与样本对应的参数αi的值和最小超球面半径R的值;
(6)将设备全生命周期的采样数据代人Г=χ(z)-R,如果Г≤0,则健康指标HI=0;否则HI=Г;
(7)用得到的设备全生命周期的健康指标HI绘制设备性能退化曲线;
(8)故障分析与寿命预测:将点检过程中采集的数据代人(6)步进行判断,得到当次点检的健康指标HI,将此指标值与得到的设备退化曲线进行对比,得到预测的设备剩余寿命。
3.一种如权利要求1所述的一种面向钢铁连铸设备故障预测的装置,由数据采集节点主板(2)和手持点检设备(3)组成,其特征在于数据采集节点主板(2)由传感器(1)、信号调理电路(4)、放大滤波电路(5)、单片机(6)、天线电路(7)和第一电源模块(8)组成,传感器(1)与信号调理电路(4)之间通过工业电缆连接,信号调理电路(4)连接放大滤波电路(5),放大滤波电路(4)与单片机(6)的数据口连接,电源模块(8)分别连接传感器(1)、信号调理电路(4)、放大滤波电路(5)、单片机(6)和天线电路(7);手持点检设备(3)由键盘(9)、无线通讯模块(10)、第二电源模块(11)、通信接口(12)、接口模块(13)、显示模块(14)和ARM最小系统(15)组成,键盘9、无线通讯模块(10)、第二电源模块(11)、通信接口(12)和显示模块(14)分别与接口模块(13)连接,接口模块(13)的另一端与ARM最小系统(15)的数据口连接。
4.根据权利要求1所述的一种面向钢铁连铸设备故障预测的装置,其特征在于所述传感器(1)为温度传感器、振动传感器、压力传感器、电磁传感器或涡流电流感应器中一至多种,温度传感器将温度信号转换为相应的电压信号,振动传感器将振动加速度信号转换为电压信号、压力传感器将压力信号转换为电压信号,电磁流量传感器将流量信号转换为电压信号。各传感器安装于在线设备的监测点,并且通过电缆于数据采集节点的主板相连。不同的传感器与对应信号调理电路相连,每个经过调理的信号作为多路开关的输入,多路开关的输出经信号调理电路(2)输出端与单片机(6)相连。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201010531458.1/1.html,转载请声明来源钻瓜专利网。