一种港口起重设备健康监测方法及系统与流程

[0001]
本申请涉及港口起重设备技术领域，特别是涉及一种港口起重设备健康监测方法及系统。


背景技术：

[0002]
本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。
[0003]
在港口起重设备领域，设备的安全性至关重要，一旦发生突然故障，很可能造成巨大的财产损失甚至人员伤亡。而设备的损坏多表现于机构轴承的损坏，寻找一种方法对轴承寿命以及故障部位进行精准预测具有很大的研究价值。
[0004]
发明人发现，对于轴承寿命预测，目前多使用支持向量机和神经网络，这两种方法需要大量数据进行寿命模型训练，然后进行寿命预测，受轴承型号与工况影响大，复杂且通用性较低，适用于轴承型号单一且工况变化不大的场合，不适用于港口起重设备领域。


技术实现要素：

[0005]
为了解决现有技术的不足，本申请提供了一种港口起重设备健康监测方法及系统；能在精准预测轴承寿命的同时，也能检测出轴承的故障部位，进而监测设备整体的健康状况，受轴承型号以及工况影响小，适用于港口起重设备领域。
[0006]
第一方面，本申请提供了一种港口起重设备健康监测方法；
[0007]
一种港口起重设备健康监测方法，包括：
[0008]
获取港口起重设备的实时振动数据；实时振动数据包括电机振动速度、电机振动位移、减速器振动速度和减速器的振动位移；
[0009]
对实时振动数据进行预处理，获取实时振动数据的速度均方根值与振动速度峰峰值；
[0010]
将实时振动数据的速度均方根值与峰峰值，分别与各自对应的阈值进行比较，判断港口起重设备是否发生故障。
[0011]
第二方面，本申请提供了一种港口起重设备健康监测系统；
[0012]
一种港口起重设备健康监测系统，包括：
[0013]
获取模块，其被配置为：获取港口起重设备的实时振动数据；实时振动数据包括电机振动速度、电机振动位移、减速器振动速度和减速器的振动位移；
[0014]
预处理模块，其被配置为：对实时振动数据进行预处理，获取实时振动数据的速度均方根值与振动速度峰峰值；
[0015]
故障检测模块，其被配置为：将实时振动数据的速度均方根值与峰峰值，分别与各自对应的阈值进行比较，判断港口起重设备是否发生故障。
[0016]
第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计
算机程序，以使电子设备执行上述第一方面所述的方法。
[0017]
第四方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0018]
第五方面，本申请还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
[0019]
与现有技术相比，本申请的有益效果是：
[0020]
(1)通过传感器收集机构运行时的振动速度与振动位移数据，进行处理后与设定阈值比较判断设备损坏情况，进而求解寿命预估函数，对设备剩余寿命进行实时计算，并对振动信号进行时频分析与解调，判断损坏部位。
[0021]
(2)适应性强，支持多型号、多工况轴承寿命判断，相较支持向量机与神经网络，不需要大量数据储备。
[0022]
(3)判断准确，引入均值序列判断，受周围环境影响小，可有效过滤噪声信号。
附图说明
[0023]
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0024]
图1是起升机构各传感器安装位置；
[0025]
图2是小车驱动机构各传感器安装位置；
[0026]
图3是俯仰机构各传感器安装位置；
[0027]
图4是数据直接监测诊断方法的流程图；
[0028]
图5是历史数据比对及寿命预估方法的流程图；
[0029]
图6是故障部位检测方法的流程图。
具体实施方式
[0030]
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
[0031]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0032]
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0033]
实施例一
[0034]
本实施例提供了一种港口起重设备健康监测方法；
[0035]
如图4所示，一种港口起重设备健康监测方法，包括：
[0036]
s101：获取港口起重设备的实时振动数据；实时振动数据包括减速器振动速度和减速器的振动位移；
[0037]
s102：对实时振动数据进行预处理，获取实时振动数据的速度均方根值与振动速度峰峰值；
[0038]
s103：将实时振动数据的速度均方根值与峰峰值，分别与各自对应的阈值进行比较，判断港口起重设备是否发生故障。
[0039]
示例性的，所述s101：获取港口起重设备的实时振动数据；是利用传感器获取港口起重设备的实时振动数据。
[0040]
示例性的，如图1、图2和图3所示，所述传感器的安装位置包括以下几种形式：
[0041]
所述传感器安装在起升机构的电机上和减速器上；
[0042]
所述传感器安装在小车驱动机构的电机上和减速器上；
[0043]
所述传感器安装在俯仰机构的电机上和减速器上。
[0044]
示例性的，所述s101：获取港口起重设备的实时振动数据；是读取设备振动信号并对信号进行分类记录。
[0045]
信号从传感器中读取，各机构数据独立储存运算，当机构电机启动之后，每秒读取记录信号值，直到该机构电机停止运行，只取启动之后3秒至停止之前3秒的数据作为有效数据。
[0046]
示例性的，所述s102：对实时振动数据进行预处理，获取实时振动数据的速度均方根值；具体实现方式包括：
[0047]
每隔一定时间，分别计算各组数据速度均方根值，形成速度均方根值序列，计算公式如下：
[0048][0049]
其中，n1……
n
i
为实时振动数据，i为振动数据个数。
[0050]
示例性的，所述s102：对实时振动数据进行预处理，获取实时振动数据的振动速度峰峰值；具体实现方式包括：
[0051]
每隔一定时间，分别计算各组数据峰峰值，形成峰峰值序列，计算公式如下：
[0052]
v
pp
＝v
max-v
min
[0053]
其中，v
max
为一个周期内的振动速度最大值，v
min
为一个周期内的振动速度最小值。
[0054]
示例性的，s103：将实时振动数据的速度均方根值与振动速度峰峰值，分别与各自对应的阈值进行比较，判断港口起重设备是否发生故障；具体实现方式为：
[0055]
当实时振动数据的速度均方根值，超过设定阈值时，发出警报；
[0056]
当振动速度峰峰值，超过设定阈值时，发出警报。
[0057]
如图5所示，作为一个或多个实施例，所述方法还包括：
[0058]
s104：对港口起重设备的历史振动数据进行预处理，获取若干个速度均方根值；进而获取若干个速度均方根值的平均值；将若干个速度均方根值的平均值，作为历史判定值；所述历史判定值用于表征当前港口起重设备各个机构正常运行状态下的振动平均值；
[0059]
s105：对预处理后的速度均方根值，利用移动平均法进行处理，获得新的均值序列；所述新的均值序列，用于表征港口起重设备实时运行状态；
[0060]
s106：判断新的均值序列，是否超过历史判定值；如果超过，则直接进行警报，同时开始进行寿命预算。
[0061]
应理解的，历史振动数据指当设备脱离磨合期后，收集至少一个月的平稳振动数据，表征设备平稳运行时的振动状态，这组数据通过后续处理得出历史判定值，历史判定值不变，作为寿命预测程序启动的判定值。
[0062]
示例性的，所述s104：对港口起重设备的历史振动数据进行预处理，获取若干个速度均方根值；进而获取若干个速度均方根值的平均值；将若干个速度均方根值的平均值，作为历史判定值；所述历史判定值用于表征港口起重设备正常运行状态下的振动平均值；具体实现形式包括：
[0063]
求取振动信号的速度均方根值序列；
[0064]
当速度均方根值序列达到设定阈值，求取多个均方根值的平均值形成历史判定值，该判定值表征该机构正常运行状态下的振动平均值，收集时间控制在一个月以上。
[0065]
示例性的，所述s105：对预处理后的速度均方根值，利用移动平均法进行处理，获得新的均值序列；所述新的均值序列，用于表征港口起重设备实时运行状态；具体实现形式为：
[0066]
利用移动平均法处理速度均方根序列，每计算出一个均方根信号，获得一个均方根的平均值，将求出的平均值组成新的平均值序列，该序列表征设备的平稳振动状态，可将振动噪声有效过滤，大大降低外部环境对设备运行的干扰。
[0067]
作为一个或多个实施例，所述s106进行寿命预算的具体步骤包括：
[0068]
s1061：通过隔点取样法，从新的均值序列中选取若干个坐标点；
[0069]
s1062：创建寿命预估函数；
[0070]
s1063：利用函数拟合法，将选取的若干个坐标点，拟合为寿命预估函数；
[0071]
s1064：将设定轴承失效阈值代入寿命预估函数，得到轴承寿命终止时间；将轴承寿命终止时间与当前时间进行比较，得到轴承剩余寿命；
[0072]
s1065：重复s1061-s1064，得到每个速度均方根值对应的轴承剩余寿命；对所有的轴承剩余寿命取平均，获得平均剩余寿命。
[0073]
示例性的，所述s1061：通过隔点取样法，从新的均值序列中选取若干个坐标点；具体实施方式为：
[0074]
通过隔点取样法从均值序列选取多个坐标点，选取的点数控制在1000个以上，间隔时间控制在0.1小时以上。
[0075]
示例性的，s1062：创建寿命预估函数；具体实施方式为：
[0076][0077]
其中，a1、b1、c1、a2、b2、c2为寿命系数，通过拟合计算得到；f(t)为函数值(y值)；t为时间自变量；e为自然底数。
[0078]
如图6所示，作为一个或多个实施例，所述方法还包括：
[0079]
s107：计算对应轴承型号的故障频率；所述故障频率，包括：轴承内圈故障频率、轴承外圈故障频率、轴承保持架故障频率和轴承滚动体故障频率；
[0080]
s108：对实时振动数据进行小波包分析，获得振动信号的多频段频域特征；
[0081]
s109：通过比对各个频段特征能量大小，选取能量集中频段信号频域特征；
[0082]
s110：对能量集中频段信号频域特征进行包络解调，获得最原始的振动频率；
[0083]
s111：通过比对最原始的振动频率与故障频率，判断故障位置。
[0084]
其中，轴承外圈故障频率，计算公式如下：
[0085][0086]
其中，r为轴承转速，单位：转/分钟；n为轴承滚动体个数；d为滚动体直径；d为轴承节径；a为滚动体接触角。
[0087]
轴承内圈故障频率，计算公式如下：
[0088][0089]
其中，r为轴承转速，单位：转/分钟；n为轴承滚动体个数；d为滚动体直径；d为轴承节径；a为滚动体接触角。
[0090]
轴承滚动体故障频率，计算公式如下：
[0091][0092]
其中，r为轴承转速，单位：转/分钟；n为轴承滚动体个数；d为滚动体直径；d为轴承节径；a为滚动体接触角。
[0093]
轴承保持架故障频率，计算公式如下：
[0094][0095]
其中，r为轴承转速，单位：转/分钟；n为轴承滚动体个数；d为滚动体直径；d为轴承节径；a为滚动体接触角。
[0096]
示例性的，所述s108：对实时振动数据进行小波包分析，获得振动信号的多频段频域特征；具体实现方式包括：
[0097]
对原始数据进行小波包分解，小波包递推公式如下：
[0098][0099][0100]
其中，x
j,m
(n)为尺度j上的分解系数。
[0101]
经过小波包分解后，信号分为2
n
个频率段，每段频率不同。
[0102]
示例性的，所述s109：通过比对各个频段特征能量大小，选取能量集中频段信号频域特征；具体实现方式包括：
[0103]
计算每个频率段能量占比，即计算每一段频率幅值总和占所有频率幅值总和的比例；选择能量最集中频率段作为能量集中频段信号频域特征。
[0104]
示例性的，所述s110：对能量集中频段信号频域特征进行包络解调，获得最原始的振动频率；具体实现方式包括：
[0105]
故障频率存在时，会使信号发生调制现象，产生高频杂乱信号，严重影响故障判断，现采用包络分析对信号进行解调，还原原始信号频率。
[0106]
采用希尔伯特变换方法，公式如下：
[0107][0108]
h(t)的解析信号z(t)就变成：
[0109]
z(t)＝h(t)+jh(t)＝a(t)e
jθ(t)
[0110]
包络信号a(t)就变成：
[0111][0112]
包络后的信号为原始频率，可以明显表征故障频率。
[0113]
示例性的，所述s111：通过比对最原始的振动频率与故障频率，判断故障位置；具体步骤包括：
[0114]
包络后的信号与故障信号比对，若出现包络信号序列中对应故障频率的信号幅值远超其他信号幅值时，可以判断故障部位。
[0115]
实施例二
[0116]
本实施例提供了一种港口起重设备健康监测系统；
[0117]
一种港口起重设备健康监测系统，包括：
[0118]
获取模块，其被配置为：获取港口起重设备的实时振动数据；实时振动数据包括电机振动速度、电机振动位移、减速器振动速度和减速器的振动位移；
[0119]
预处理模块，其被配置为：对实时振动数据进行预处理，获取实时振动数据的速度均方根值与振动速度峰峰值；
[0120]
故障检测模块，其被配置为：将实时振动数据的速度均方根值与峰峰值，分别与各自对应的阈值进行比较，判断港口起重设备是否发生故障。
[0121]
此处需要说明的是，上述获取模块、预处理模块和故障检测模块对应于实施例一中的步骤s101至s103，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
[0122]
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
[0123]
所提出的系统，可以通过其他的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
[0124]
实施例三
[0125]
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
[0126]
应理解，本实施例中，处理器可以是中央处理单元cpu，处理器还可以是其他通用处理器、数字信号处理器dsp、专用集成电路asic，现成可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者
该处理器也可以是任何常规的处理器等。
[0127]
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
[0128]
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
[0129]
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
[0130]
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0131]
实施例四
[0132]
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
[0133]
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。