[发明专利]工业电动机的故障诊断及预测性维护方法

说明书

一种工业电动机的故障诊断及预测性维护方法，包括：步骤1、数据收集：通过电动机控制单元，以及使用与电动机相关联的传感器获得关于电动机性能数据；步骤2、数据分析：接收来自于数据收集中心的可分析数据，得出电机的故障诊断及状态预测结论；步骤3、维护：自动生成预测性维护计划，用户基于维护计划开展线下维护工作。本发明的优点是：将这个数学方法融入一个实用的工具需要巨大的努力，包括通过对数百万个电机的检测，对诊断的准确性和可重复性进行验证。建立在状态监测基础上的预测性维护避免了维修的盲目性，是防止设备事故和计划外停机的有效手段，维修成本相对最低，是设备维修方式发展的必然方向。

技术领域

本发明涉及一种工业电动机的故障诊断及预测性维护方法，用于工业电动机的故障诊断及维护。

背景技术

设备维修是企业的一项重要工作，其中设备维护方式经历了事后维修、预防式维护和预测性维护的变革，状态监测与故障诊断技术的应用推动了维修方式的革新。预测性维护（PredictiveMaintenance,PdM），又称预知维修或视情维修，是指设备依据监测诊断需要维修时才进行的维修。预测性维护是以状态监测与故障诊断为基础，以设备的实际运行状态为依据，综合生产需要来制定维修计划，按预定计划进行维修。优点有：维修成本相对最低；减少、乃至避免灾难性事故；减少停机次数及时间，降低停产损失；延长检修周期，增加产品产量；免除过剩维修，延长设备及配件寿命；保证设备安全及性能，确保产品质量；合理配置和使用维修人员；降低备件库存及消耗；提高工厂安全，改善环境影响；确保生产计划，维护市场形象。

在预测性维护系统中，物联网终端的任务是采集数据与传输，不再承担故障诊断、报警及预测功能，这些任务承担由工业物联网云平台承担。维护过程中的设备状态数据采集属于工业监测领域，即对设备状态的实时数据进行采集，之后根据设备的状态判断设备是否有故障，并决定设备维护的时间与内容。

工业互联网试图在大数据量传输与可靠性方面取得平衡，但由于需要改造互联网的协议，开发成本与市场需求都不能得到保证，无线网络的高速发展基本上取代了工业物联网的进一步发展。

传统的预测性维护技术依赖于观察许多关键的测量值随时间的变化趋势，通过仔细分析监测结果，熟练的分析人员可以找到对分析有意义的波动而且能够知道导致这些波动出现的设备上故障。分析人员经常困惑于因更改操作而不是故障导致的测量结果上的变化，比如转速或者负载的变化。建立系统和分析监测结果的花费让很多潜在的用户望而却步。

状态监测与故障诊断技术的应用和发展，与十分可观的故障损失和设备维修费密切相关。多年来，企业追求未来更大的经济效益，生产规模不断扩大，生产装置向着大型化、自动化、连续化、单系列化方向发展。装置中的关键设备由于价格昂贵均无备机，一旦发生故障停机，将导致整个装置停产，经济损失十分巨大。设备维修费在成本的比重很大，是一个相当可观的数字。

发明内容

本发明的目的就是提供一种工业电动机的故障诊断及预测性维护方法，以解决现有技术存在的“依赖于观察许多关键的测量值随时间的变化趋势，通过仔细分析监测结果，熟练的分析人员可以找到对分析有意义的波动而且能够知道导致这些波动出现的设备上故障。分析人员经常困惑于因更改操作而不是故障导致的测量结果上的变化，比如转速或者负载的变化。建立系统和分析监测结果的花费让很多潜在的用户望而却步”的问题。

为实现上述目的，本发明所采取的技术方案是：一种工业电动机的故障诊断及预测性维护方法，其特征在于，包括以下步骤：

步骤1、数据收集：通过电动机控制单元，以及使用与电动机相关联的传感器获得关于电动机性能数据；

步骤2、数据分析：接收来自于数据收集中心的可分析数据，得出电机的故障诊断及状态预测结论；

步骤3、维护：自动生成预测性维护计划，用户基于维护计划开展线下维护工作。