【技术实现步骤摘要】
本专利技术属于监测，具体涉及振动筛监测方法、装置和系统。
技术介绍
1、振动筛是用于筛分固体颗粒的设备，通常应用于物料筛分砂石骨料生产中。目前，振动筛的故障通常通过人员观察振动的频率和振幅来进行判断。
2、但是，实际应用中，往往需要经验丰富的相关专业人员才能通过观察振动筛的振动频率和振幅，从而实现对振动筛的故障进行初步判断，对工作人员的专业要求较高，且通过人员预测误差较大，检测精度低，同时还需要工作人员现场实时观察方可，如工作人员不在现场时，当振动筛发生异常，无法及时发现问题，导致出现批量质量事故或引起设备重大故障，从而造成巨大的生产损失。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供振动筛监测方法、装置和系统，以解决现有技术中的问题。
2、本专利技术其中一个实施例提供了一种振动筛监测方法，包括以下步骤：
3、采集振动筛的振力数据集；其中，所述振力数据集包括历史振力数据和当前振力数据，所述振力数据包括振动频率和振动幅度；
4、判断所述当前振力数据是否处于安全工作状态的范围内；
5、若所述当前振力数据不处于安全工作状态的范围内时，生成所述当前振力数据对应的维修方案，并基于所述维修方案控制所述振动筛执行不同的维护策略；其中，所述维护策略包括暂停待检和断电维修；
6、若所述当前振力数据处于安全工作状态的范围内时，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，并从所分析的变化趋势中提取出关
7、根据所述振动筛与用户的关联关系对所述故障预测结果和维修方案执行不同的展示策略。
8、在本实施例中，通过采集振动筛的振力数据集，并对当前振力数据进行判断，从而确定振动筛的工作状态，在当前振力数据不处于安全工作状态的范围内时，生成对应的维修方案，以便于维护人员对振动筛进行维护，并根据维修方案对振动筛进行应急处理，防止出现异常时，振动筛依然进行执行工作，从而导致出现批量质量事故或引起设备重大故障，从而造成巨大的生产损失；在当前振力数据处于安全工作状态的范围内时，根据振力数据集对振动筛的振动频率和振动振幅的变化趋势进行分析，以从分析结果中提取关键特征，并根据历史振力数据和关键特征建立故障预测模型，从而实现对当前振动数据进行预测，以便于工作人员进行维护，预防振动筛出现损坏或故障，延长使用寿命，提高工作稳定性；通过根据所述振动筛与用户的关联关系对所述故障预测结果和维修方案执行不同的展示策略，以便实现不同的展示效果，保证针对性进行相应的画面展示效果。
9、在其中一个实施例中，生成所述当前振力数据对应的维修方案，包括：
10、获取历史振力数据中的异常数据，所述异常数据对应设置有故障类型标签；所述故障类型标签根据对所述异常数据进行维护得到；
11、基于所述当前振力数据对应的异常数据并基于所述当前振力数据和所述异常数据的分析结果，确定所述当前振力数据对应的故障类型标签；
12、基于所述故障类型标签生成所述当前振力数据对应的维修方案。
13、在本实施例中，能够。
14、在其中一个实施例中，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，包括：
15、在时域上绘制所述振力数据集中振动频率和振动振幅随时间的曲线图；
16、根据所述曲线图获取所述振动频率和振动振幅对应的波形数据，以根据所述波形数据提取得到所述关键特征；其中，所述波形数据包括振动的幅值、周期性和波形形态。
17、在其中一个实施例中，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，还包括：
18、将时域的振力数据集进行傅立叶变换，将其转换为频域数据；
19、基于傅立叶变换的结果，生成频谱图，以根据所述频谱图提取得到所述关键特征；其中，所述频谱图中的横轴表示频率，所述频谱图中的纵轴表示振幅或功率密度，所述频谱图上还展示有各频率成分的幅值，以对所述频谱图上各频率成分的幅值和特征检查。
20、在其中一个实施例中，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，还包括：
21、根据所述振动频率和振动振幅的时间序列数据进行移动平均和指数平滑计算；
22、根据计算结果得到移动平均图和指数平滑图，所述移动平均图和指数平滑图上存在有对应的趋势状态，以根据所述趋势状态提取得到所述关键特征；其中，所述趋势状态包括上升趋势状态、稳定趋势状态和下降趋势状态，所述上升趋势状态表示振动频率或振动振幅呈现上升的长期趋势；所述稳定趋势状态表示振动频率或振动振幅处于下降的长期趋势；所述稳定趋势状态表示振动频率或振动振幅呈现稳定趋势。
23、在其中一个实施例中，基于所述历史振力数据和所述关键特征建立故障预测模型，包括：根据所述振力数据和所述关键特征对随机森林模型训练得到所述故障预测模型。
24、在其中一个实施例中，根据所述振力数据和所述关键特征对随机森林模型训练得到所述故障预测模型，包括：
25、将所述振力数据集分割为训练集和测试集，并按时间顺序划分；其中，所述训练集为历史数据，所述测试集为未来数据；
26、使用所述训练集和所述关键特征对随机森林模型进行训练；
27、使用所述测试集对训练后的模型进行优化，得到所述故障预测模型。
28、在其中一个实施例中，根据所述振动筛与用户的关联关系对所述当前振力数据、所述故障预测结果和维修方案执行不同的展示策略，包括：
29、获取用户的生物特征信息，并根据所述生物特征信息确定用户的身份信息；
30、根据所述用户的身份信息，判断身份信息对应的用户是否为所述振动筛的维护人员或管理人员；其中，所述管理人员为所述维护人员的上级领导；
31、在所述身份信息对应的用户不是所述振动筛的维护人员和管理人员时，对所述当前振力数据进行参数化动态更新；
32、在所述身份信息对应的用户为所述振动筛的维护人员时，根据所述当前振力数据与所述安全工作状态的范围之间的关系，对所述当前振力数据、所述故障预测结果和所述维修方案进行相应调控展示；
33、在所述身份信息对应的用户为所述振动筛的管理人员时，获取所有振动筛的当前振力数据对应的维修方案或故障预测结果，根据优先级依序对所述维修方案和故障预测结果对应的当前振力数据进行参数化动态更新，得到第一界面区；并在所述维护人员超出预设时间未执行所述故障预测结果和维修方案对应的维护操作时，对所述故障预测结果和维修方案以及对应的维护人员进行标记关联，得到第二界面区；其中，当所述第二界面区出现时，所述第一界本文档来自技高网...
【技术保护点】
1.一种振动筛监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的振动筛监测方法，其特征在于，生成所述当前振力数据对应的维修方案，包括：
3.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，包括：
4.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，还包括：
5.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，还包括：
6.如权利要求2所述的振动筛监测方法，其特征在于，基于所述历史振力数据和所述关键特征建立故障预测模型，包括：根据所述振力数据和所述关键特征对随机森林模型训练得到所述故障预测模型。
7.如权利要求6所述的振动筛监测方法，其特征在于，根据所述振力数据和所述关键特征对随机森林模型训练得到所述故障预测模型，包括：
8.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振动筛与用户的关联关系对所述
9.一种振动筛监测装置，其特征在于，包括：
10.一种振动筛监测系统，其特征在于，包括：
...【技术特征摘要】
1.一种振动筛监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的振动筛监测方法，其特征在于，生成所述当前振力数据对应的维修方案，包括：
3.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，包括：
4.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，还包括：
5.如权利要求1所述的振动筛监测方法，其特征在于，根据所述振力数据集分析所述振动筛的振动频率和振动振幅的变化趋势，还包括：
6.如权利要...
【专利技术属性】
技术研发人员：李红轩，李志标，
申请(专利权)人：华南机械制造有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。