[实用新型]旋转机械设备故障预测平台有效

专利信息
申请号: 202120252581.3 申请日: 2021-01-28
公开(公告)号: CN214096573U 公开(公告)日: 2021-08-31
发明(设计)人: 万烂军;龚坤;张根;李长云;张潇云 申请(专利权)人: 湖南工业大学
主分类号: G01M13/00 分类号: G01M13/00;G01D21/02
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 杨千寻;杜梅花
地址: 412000 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 旋转 机械设备 故障 预测 平台
【说明书】:

本实用新型涉及工程机械健康管理技术领域,公开一种旋转机械设备故障预测平台,包括多个设于单台旋转机械设备上的数据采集设备,数据采集设备用于获取旋转机械设备零件运转数据,还包括用于接收多台旋转机械设备零件运转数据进行处理的一个或多个工业网关、汇总所有零件运转数据的数据中心;数据中心与工业网关单向连接;数据中心包括多个大数据处理服务器,大数据处理服务器包括数据预处理模块和故障预测模块,数据预处理模块将零件运转数据转换为特征向量,故障预测模块为基于机器学习或基于深度学习的故障预测模型。由大数据处理服务器对零件运转数据进行处理和分析,减少了数据处理时间,对零件运转数据进行了有效故障预测。

技术领域

本实用新型涉及工程机械健康管理技术领域,具体地,涉及一种旋转机械设备故障预测平台。

背景技术

旋转机械设备的健康管理是制造业中保证设备安全生产、经济运行的重要手段,健康管理的基本流程如下:基于传感器对旋转机械设备的运转情况进行监测,并根据该监测数据通过行业专家或人工智能技术对设备的运行状况进行评估和预测,从而针对性地预防设备故障并提前做好预案,避免因设备故障而产生的经济损失和生产事故。

但旋转机械设备具有结构复杂,使用环境恶劣,监测数据量大,数据来源多的特点,其故障具有多并发、不确定性、非线性等特征,采用行业专家处理的方法具有主观性强、人才培养慢、可处理数据量小的缺点,传统人工智能技术在有着结果可靠性高、泛化性能好和自动化的优点的同时,还存在数据处理速度慢的缺点,且传统旋转机械健康管理平台经验证存在数据存储可靠性差、数据统计难的缺点。

发明内容

本实用新型解决的技术问题在于克服现有技术的缺陷,提供一种同时监测多个旋转机械设备运转情况、快速出具运转情况分析结果的旋转机械设备故障预测平台。

本实用新型的目的通过以下技术方案实现:

一种旋转机械设备故障预测平台,服务于多台旋转机械设备,包括多个设于单台旋转机械设备上的数据采集设备,数据采集设备用于获取旋转机械设备零件运转数据,还包括用于接收多台旋转机械设备零件运转数据进行处理的工业网关、汇总所有零件运转数据的数据中心;数据中心与工业网关单向连接;数据中心包括多个大数据处理服务器,大数据处理服务器包括数据预处理模块和故障预测模块,数据预处理模块将零件运转数据转换为特征向量,故障预测模块为基于机器学习或基于深度学习的故障预测模型。

进一步地,数据采集设备包括用于采集零件运转时扭矩信号的扭矩传感器和振动加速度信号的振动传感器。

进一步地,工业网关包括信号处理模块和数据转发模块,信号处理模块用于对采集到的零件运转数据加上相应的设备信息和零件信息,数据转发模块用于将经信号处理模块处理的信息通过网络转发给数据中心。

进一步地,数据预处理模块包括对零件运转数据进行数据清洗子模块、样本划分子模块和特征提取子模块。

进一步地,数据中心还包括由多个NAS网络存储器组成的分布式文件存储平台,大数据处理服务器与分布式文件存储平台双向连接,分布式文件存储平台用于将由工业网关传输来的零件运转数据分为多个副本存到不同的NAS网络存储器上及对大数据处理服务器输出的零件故障预测结果进行存储。

进一步地,还包括用于实时读取和展示零件故障预测结果的信息发布装置。

更进一步地,信息发布装置包括计算机设备和显示屏。

与现有技术相比,本实用新型具有以下有益效果:

通过工业网关对多台旋转机械设备的零件运转数据进行快捷同步采集,由具有基于机器学习或基于深度学习的故障预测模块的大数据处理服务器对零件运转数据进行处理和分析,在减少数据处理时间的同时对零件运转数据进行有效的故障预测,加快了旋转机械设备故障预测速度;

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湖南工业大学,未经湖南工业大学许可,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/202120252581.3/2.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