一种设备故障的检测装置及检测方法制造方法及图纸

本发明专利技术公开了一种设备故障的检测装置及检测方法，属于故障检测相关技术领域，具体步骤为：采集数据：采集设备各个采集点的各项信号数据；数据分析：根据故障类型对信号数据的频谱进行分析，获得特征分量；计算输出：将特征分量作为神经网络的输入计算神经网络的输出值；故障判断：根据输出值判断设备的状态。本发明专利技术通过对选煤设备的全面感知，利用先进的信号处理和人工智能技术，实现了设备日常巡检的智能化，提高了分析诊断的准确性，保证了设备的安全运行。且通过选用嵌入式微处理器，用电池作为供电电源，使设备故障的检测装置进一步微型化、轻便化，减轻了巡检人员的劳动强度，提高了设备巡检的效率。了设备巡检的效率。了设备巡检的效率。

【技术实现步骤摘要】
一种设备故障的检测装置及检测方法


[0001]本专利技术涉及故障检测相关
，更具体的说是涉及一种设备故障的检测装置及检测方法。

技术介绍

[0002]选煤厂设备安全对选煤生产至关重要，而对设备的日常巡检是保证其正常运行必不可少的一个环节，但选煤过程是高度自动化的过程，其设备种类多、数量大，目前以人工巡检为主，对发现的问题进行手工记录，不仅工作量大容易出错，且通过人的感官所能获取的信息十分有限，明显的故障才可以看或者感觉出来，对于不明显的或微弱的故障无法巡检出来得到早期的预防。另外，巡检的物理量也不能有效的进行记录、分析和保存。因此研发出一种由携带方便，智能化程度高的检测装置是本领域技术人员亟需解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种设备故障的检测装置及检测方法。
[0004]为了实现上述目的，本专利技术提供如下技术方案：
[0005]一种设备故障的检测方法，具体步骤为：
[0006]采集数据：采集设备各个采集点的各项信号数据；
[0007]数据分析：根据故障类型对信号数据的频谱进行分析，获得特征分量；
[0008]计算输出：将特征分量作为神经网络的输入计算神经网络的输出值；
[0009]故障判断：根据输出值判断设备的状态。
[0010]优选的，采集数据前需对检测装置进行自检。
[0011]优选的，所述故障类型包括转子断条故障、定子铁心和定子线圈松动故障、气隙动态偏心故障、滚动轴承滚动体直径不一致故障、轴承非线性振动故障、气隙偏心故障。
[0012]优选的，转子断条故障在定子线电流信号频谱中的特征分量的频率为：
[0013]f
b
＝(1
±
2ks)f1ꢀꢀꢀꢀꢀꢀ
(1)；
[0014]式中：f
b
为转子断条故障在定子线电流信号频谱中的特征频率；f1为电源频率；s为转差率；k为正整数。
[0015]优选的，转子断条故障在振动信号频谱中的特征分量的频率为：
[0016][0017]式中：f
bz
为转子断条故障在振动信号频谱中的特征频率；f1为电源频率；s为转差率；r＝
±
1,
±
2,
±3…±
n；p为极对数。
[0018]优选的，偏心故障在定子电流信号频谱中的特征分量的频率为：
[0019]f
ec
＝f1±
f
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)；
[0020]式中，是电机转速频率；s为转差率；p为极对数。
[0021]优选的，偏心故障在振动信号频谱中的特征为：产生以1/2sf1周期脉动的电磁振动。
[0022]优选的，轴承非线性振动故障中振动信号特征频率是旋转频率的整数倍或分数倍。
[0023]一种设备故障的检测装置，包括：嵌入式微机、振动和电流采集装置、声音采集装置、测温装置、环境温湿度采集装置，所述声音采集装置、所述测温装置及所述环境温湿度采集装置均与所述嵌入式微机连接；所述振动和电流采集装置通过采集卡与所述嵌入式微机连接。
[0024]优选的还包括电池数据采集装置，所述电池数据采集装置与所述嵌入式微机连接。
[0025]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种设备故障的检测装置及检测方法，通过对选煤设备的全面感知，利用先进的信号处理和人工智能技术，实现了设备日常巡检的智能化，提高了分析诊断的准确性，保证了设备的安全运行。且通过选用嵌入式微处理器，用电池作为供电电源，使设备故障的检测装置进一步微型化、轻便化，减轻了巡检人员的劳动强度，提高了设备巡检的效率。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0027]图1为本专利技术的步骤流程示意图；
[0028]图2为本专利技术的结构示意图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]本专利技术实施例公开了一种设备故障的检测装置及检测方法，如图1所示，具体包括设备故障的检测装置和设备故障的检测方法，在选煤厂中，大型设备主要包括异步电动机、振动筛等，本实施例基于数据驱动的方法，分别采集设备的振动、电流、声音、温度以及环境温湿度等数据信号，由于温度、湿度是变化缓慢的信号，由此只获取实时值即可，振动、电流、声音是高频信号，需要通过频谱分析才能给出设备的运行状况，由此振动、电流、声音信号的处理方法为：
[0031]采集信息：扫描设备码，然后依次将传感器接触设备的采集点(即标注在设备上的关键点)，通过微机的后台程序将信息读回。
[0032]数据分析：对设备不同点的振动、电流信号进行小波包分析，获取特征分量，具体为：
[0033]对电流信号进行9层小波包分解，选取S3(29Hz
‑
39Hz)、S4(39Hz
‑
49Hz)、S5(49Hz
‑
59Hz)、S6(59Hz
‑
68Hz)、S
10
(98Hz
‑
108Hz)、S
15
(147Hz
‑
157Hz)、S
16
(157Hz
‑
166Hz)、S
17
(166Hz
‑
176Hz)、S
22
(215Hz
‑
225Hz)、S
34
(333Hz
‑
342Hz)作为判断鼠笼断条故障的小波包能量特征值；选取电机定子电流基频的5倍、7倍、11倍、13倍这4个频段的小波包能量，即：S
25
(245Hz
‑
254Hz)、S
35
(342Hz
‑
352Hz)、S
56
(548Hz
‑
558Hz)、S
66
(646Hz
‑
656Hz)，作为电机气隙偏心故障特征值；选取S4(39Hz
‑
49Hz)、S9(88Hz
‑
98Hz)、S
10
(98Hz
‑
108Hz)、S
16
(157Hz
‑
166Hz)作为电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备故障的检测方法，其特征在于，具体步骤为：采集数据：采集设备各个采集点的各项信号数据；数据分析：根据故障类型对信号数据的频谱进行分析，获得特征分量；计算输出：将特征分量作为神经网络的输入计算神经网络的输出值；故障判断：根据输出值判断设备的状态。2.根据权利要求1所述的一种设备故障的检测方法，其特征在于，采集数据前需对检测装置进行自检。3.根据权利要求1所述的一种设备故障的检测方法，其特征在于，所述故障类型包括转子断条故障、定子铁心和定子线圈松动故障、气隙动态偏心故障、滚动轴承滚动体直径不一致故障、轴承非线性振动故障、气隙偏心故障。4.根据权利要求3所述的一种设备故障的检测方法，其特征在于，转子断条故障在定子线电流信号频谱中的特征分量的频率为：f
b
＝(1
±
2ks)f1ꢀꢀꢀꢀ
(1)；式中：f
b
为转子断条故障在定子线电流信号频谱中的特征频率；f1为电源频率；s为转差率；k为正整数。5.根据权利要求3所述的一种设备故障的检测方法，其特征在于，转子断条故障在振动信号频谱中的特征分量的频率为：式中：f
bz
为转子断条故障在振动信号频谱中的特征频率；f...

【专利技术属性】
技术研发人员：陈威宁，苏俭博，洪永生，武晓举，刘文飞，陈其伟，秦小龙，田慕琴，
申请(专利权)人：山西华控伟业科技有限公司，
类型：发明
国别省市：