[发明专利]一种工业设备异常振动检测装置在审

专利信息
申请号: 202011256728.2 申请日: 2020-11-11
公开(公告)号: CN112697267A 公开(公告)日: 2021-04-23
发明(设计)人: 孙广宇;罗国杰;韩平;孙康睿;张波;李亚军;曹玉龙;李加敏 申请(专利权)人: 杭州未名信科科技有限公司;浙江省北大信息技术高等研究院
主分类号: G01H17/00 分类号: G01H17/00;G06N3/04;G06N3/08;H04W4/38
代理公司: 北京辰权知识产权代理有限公司 11619 代理人: 刘广达
地址: 311200 浙江省杭州市萧*** 国省代码: 浙江;33
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 工业 设备 异常 振动 检测 装置
【权利要求书】:

1.一种工业设备异常振动检测装置,其特征在于,所述装置包括:

工业设备、物联网节点模块、智能边缘计算平台;其中,

所述工业设备和所述物联网节点模块连接,所述智能边缘计算平台与所述物联网节点模块通信连接,其中,

所述物联网节点模块检测所述工业设备的振动数据并进行分析,以判断所述工业设备的振动是否异常。

2.根据权利要求1所述的一种工业设备异常振动检测装置,其特征在于

所述物联网节点模块包括嵌入式软核,所述嵌入式软核中内置神经网络与自学习算法,采用所述自学习算法实现所述神经网络的无监督在线训练。

3.根据权利要求1或2所述的一种工业设备异常振动检测装置,其特征在于,

所述物联网节点模块包括振动传感器、数模转换器、加速单元以及无线通信单元;其中,所述振动传感器、数模转换器、加速单元以及无线通信单元依次电连接;其中,

所述振动传感器和所述工业设备连接;

所述无线通信单元和所述智能边缘计算平台通信连接。

4.根据权利要求3所述的一种工业设备异常振动检测装置,其特征在于,

所述加速单元包括FPGA子单元;

所述无线通信单元包括集成无线功能的微控制器;其中,

所述FPGA子单元包括嵌入式软核和神经网络;其中,

所述数模转换器通过集成电路总线和所述FPGA子单元连接;所述FPGA子单元通过队列串行外设接口和所述集成无线功能的微控制器连接。

5.根据权利要求1所述的一种工业设备异常振动检测装置,其特征在于,所述装置还包括:

报警终端;其中,所述报警终端和所述智能边缘计算平台通信连接。

6.根据权利要求4所述的一种工业设备异常振动检测装置,其特征在于,

振动传感器用于实时采集待检测工业设备的振动信息发送至数模转换器;

数模转换器用于将所述振动信息的模拟信息转换为数字信号通过集成线路总线发送至加速单元中的FPGA子单元;

FPGA子单元中嵌入式软核用于基于预先训练的神经网络进行计算后生成计算结果并将所述计算结果通过队列串行外设接口发送至无线通信单元中的集成无线功能的微控制器;

集成无线功能的微控制器用于通过均方误差法处理所述计算结果,生成处理结果,并基于所述处理结果确定所述待检测工业设备是否出现异常。

7.根据权利要求6所述的一种工业设备异常振动检测装置,其特征在于,

当所述处理结果大于等于预设阈值时,集成无线功能的微控制器确定所述待检测工业设备出现异常;以及当所述处理结果小于预设值时,集成无线功能的微控制器确定所述待检测工业设备未出现异常。

8.根据权利要求7所述的一种工业设备异常振动检测装置,其特征在于,

当出现异常时所述集成无线功能的微控制器生成预警信息,将所述预警信息通过无线通信单元发送至智能边缘计算平台;

智能边缘计算平台对所述预警信息进行数据处理和统计,生成报警信息,并将所述报警信息发送至报警终端。

9.根据权利要求6所述的一种工业设备异常振动检测装置,其特征在于,所述嵌入式软核按照下述方法生成预先训练的神经网络,包括:

通过自学习算法创建模型训练组件;

采集多个工业设备运行正常的训练数据样本,并基于所述模型训练组件将所述训练数据样本输入所述神经网络中进行无监督在线训练,训练结束后生成预先训练的神经网络。

10.根据权利要求9所述的一种工业设备异常振动检测装置,其特征在于,所述嵌入式软核训练结束后生成预先训练的神经网络之后,还包括:

嵌入式软核下载所述预先训练的神经网络的权重文件,并将所述权重文件写入到嵌入式软核中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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杭州未名信科科技有限公司;浙江省北大信息技术高等研究院,未经杭州未名信科科技有限公司;浙江省北大信息技术高等研究院许可,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/202011256728.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top