CN111457958A - 港机设备态势监控方法、装置、计算机设备及存储介质 - Google Patents
港机设备态势监控方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111457958A CN111457958A CN202010160301.6A CN202010160301A CN111457958A CN 111457958 A CN111457958 A CN 111457958A CN 202010160301 A CN202010160301 A CN 202010160301A CN 111457958 A CN111457958 A CN 111457958A
- Authority
- CN
- China
- Prior art keywords
- mechanical component
- monitoring
- situation
- port
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 90
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 29
- 230000007547 defect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 238000004092 self-diagnosis Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000012423 maintenance Methods 0.000 description 14
- 230000007246 mechanism Effects 0.000 description 4
- 230000003449 preventive effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例公开了一种港机设备态势监控方法，通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；获取各个机械构件的预设指标数据，根据指标数据和监控数据判断各个机械构件的运行状态，运行状态分为异常状态或者正常状态；对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定机械构件的异常信息；根据异常信息建立态势图，将态势图推送到监控显示设备上。该方法能够实时跟踪港机设备运行状态，提高港机设备的监控效率，且能够避免港机设备安全事故和非计划性长时间停机，提高了港机设备的操作和运行效率。此外，还提出了一种港机设备态势监控装置、计算机设备及存储介质。
Description
技术领域
本发明涉及计算机数据处理技术领域，尤其涉及一种港机设备态势监控方法、装置、计算机设备及存储介质。
背景技术
随着码头营运环境的变化(劳动力越来越少、人工成本的增加、作业效率的提高，维修时间的减少、设备自动化程度的提高，如：远程操控和全自动化码头)，客观要求由原来的被动维修模式向预防性维修和主动维修模式的转变，以降低维修成本，提高维修效益。传统的维修模式是根据设备运行周期定期进行设备检查，检查的形式一般是维修人员到现场以目测或借助相关工具进行检查。这样的检查和维修的效率较低并且不能在设备存在故障时及时进行维护。
也就是说，用户越来越重视对重要机械零部件的监控，避免这些零部件失效带来长时间的停机和对操作的不利影响，预防性维修的实现就需要采用科学、准确可靠的手段对重要机械零部件进行实时在线监测，及时掌握设备运行状态，因此，亟需提供一种港机设备态势监控方案，以保证港机设备的正常操作，提高港机运行效率。
发明内容
基于此，有必要针对上述问题，提出一种能够提高港机运行效率的港机设备态势监控方法、装置、计算机设备及存储介质。
一种港机设备态势监控方法，其特征在于，所述方法包括：
通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
一种港机设备态势监控装置，所述装置包括：
第一获取模块，用于通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
判断模块，用于获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
分析模块，用于对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
显示模块，用于根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
上述港机设备态势监控方法、装置、计算机设备及存储介质，上述港机设备态势监控方法，通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；获取各个机械构件的预设指标数据，根据指标数据和监控数据判断各个机械构件的运行状态，运行状态分为异常状态或者正常状态；对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定机械构件的异常信息；根据异常信息建立态势图，将态势图推送到监控显示设备上。该方法能够实时跟踪港机设备运行状态，提高港机设备的监控效率，且能够避免港机设备安全事故和非计划性长时间停机，提高了港机设备的操作和运行效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中港机设备态势监控方法的流程图；
图2为一个实施例中各个机械构件的运行状态判断方法的流程图；
图3为一个实施例中机械构件的异常信息确定方法的流程图；
图4为另一个实施例中港机设备态势监控方法的流程图；
图5为又一个实施例中港机设备态势监控方法的流程图；
图6为再一个实施例中港机设备态势监控方法的流程图；
图7为一个实施例中港机设备的故障趋势预测方法的流程图；
图8为一个实施例中港机设备态势监控装置的结构框图；
图9为一个实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，在一个实施例中，提供了一种港机设备态势监控方法，该港机设备态势监控方法应用于港口设备。该港机设备态势监控方法具体包括以下步骤：
步骤102，通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据。
其中，港机设备是指码头或者港口重要机械设备，这些机械设备包括多个机械构件，如起升机构、小车机构、俯仰机构、大车机构等。监控数据是指机械构件在运作时的信号数据，如振动、转速、温度等信号。具体地，可以通过预设的传感器实时采集各个机械构件的监测数据，其中的预设的传感器可以是加速度传感器、速度传感器和位移传感器等。
步骤104，获取各个机械构件的预设指标数据，根据指标数据和监控数据判断各个机械构件的运行状态，运行状态分为异常状态或者正常状态。
其中，预设的指标数据是指相应的机械构件正常工作时较佳监测数据，用于作为衡量机械构件运行状态正常与否的依据。具体地，根据各个机械构件的型号和参数，配置对应的指标数据，并存储在数据库中，因此，港机系统预设指标数据可以从数据库中查找，将监控数据与相应的机械构件的指标数据进行比较，根据比较结果判断各个机械构件的运行状态。进一步地，本实施例中的指标数据还支持更新，其具体实现方式为：根据一段时间内的机械构件的运行状态和监控数据的变化情况，同时利用系统导入导出功能，对指标数据进行更新，以适应机械机构随着工作时长变化，其监控数据和运行状态会发生变化的情况，进而提高对机械构件运行状态判断的准确度。
步骤106，对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定机械构件的异常信息。
其中，异常信息是指机械构件的故障类型、故障位置、和故障严重程度等。具体地，为了保证港机设备的装成操作，需要对异常运行状态的机械构件进行分析，即对实时采集的监控数据进行变换处理后，通过时域波形、频谱、包络解调等相关工具进行数据分析，根据分析结果确定异常信息，从而确定港机设备的具体故障、部位、原因等信息，以便后续根据异常信息进行诊断或者报警处理，提高港机设备的运行效率。
步骤108，根据异常信息建立态势图，将态势图推送到监控显示设备上。
其中，态势图是一种用于展示各个机械构件异常状态变化趋势的图形，用于实现对港机设备监控的可视化，提高了对港机设备的监控的便利性。具体地，通过对各个机械构件的异常信息进行分析统计，形成态势图，将态势图通过网络协议的方式推送到监控显示设备(如显示屏)上。可以理解地，通过建立态势图，可以直观展示港机设备的异常信息，实时跟踪港机设备运行状态，提高港机设备的监控效率。进一步地，还可以根据态势图的变化趋势预判预知故障故障信息，以便维护人员提前制定预防性维修策略，避免港机设备安全事故和非计划性长时间停机，提高了港机设备的操作和运行效率。
上述港机设备态势监控方法，通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；获取各个机械构件的预设指标数据，根据指标数据和监控数据判断各个机械构件的运行状态，运行状态分为异常状态或者正常状态；对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定机械构件的异常信息；根据异常信息建立态势图，将态势图推送到监控显示设备上。该方法能够实时跟踪港机设备运行状态，提高港机设备的监控效率，且能够避免港机设备安全事故和非计划性长时间停机，提高了港机设备的操作和运行效率。
如图2所示，在一个实施例中，获取各个机械构件的指标数据，根据指标数据和监控数据判断各个机械构件的运行状态，包括：
步骤104A，分别对每个机械构件对应的监控数据进行波形变换处理，确定每个机械构件的振动特征值；
步骤104B，分别计算每个机械构件的振动特征值与相应的预设指标数据的差值；
步骤104C，当差值在预设阈值范围内，判定相应的机械构件的运行状态为正常状态；
步骤104D，当差值不在预设阈值范围内，判定相应的机械构件的运行状态为异常状态。
其中，波形变换处理是一种将信号数据转换为振动波形图的处理方式，根据振动波形图可以确定相应机械构件的振动特征值，振动特征值可以反应振动信号的特征，其中的振动特征值可以包括是振动波形图对应的波形特征值、脉冲特征值、峭度特征值、歪度特征值和/或裕度特征值。然后分别计算每个机械构件的振动特征值与相应的预设指标数据的差值；接着，比较差值与预设阈值范围，根据比较结果判断机械构件的运行状态。可以理解地，本实施例中，通过将监控数据转换为振动特征值，从而更好地体现了机械构件的信号特征，由于该信号特征能够反映机械构件的运行信息，基于信号特征进行分析，提高了对运行状态判断的准确性。
如图3所示，在一个实施例中，对运行状态为异常状态对应的监控数据进行分析，确定机械构件的异常信息，包括：
步骤106A，获取运行状态为异常状态的机械构件的振动特征值；
步骤106B，根据振动特征值计算对应机械构件的缺陷特征频率；
步骤106C，根据缺陷特征频率确定机械构件所存在的故障类型以及对应的故障位置作为异常信息。
其中，缺陷特征频率是指机械构件在存在故障时工作频率。故障位置可以包括如电机测点、齿轮箱测点、卷筒测点、滑轮测点等，故障位置可以根据信号所采集自的设备位置以及对应的波形特征值判断出来。机械构件的故障类型可以是：轴承故障、松动(如基础松动、轴承松动、联轴器故障)、定子故障(如定子绕组松动)、转子故障(如转子偏心、转子笼条松动、转子笼条破损)、不平衡(转子不平衡)以及不对中、齿轮故障(如存在的断齿、齿面磨损及剥落)或轴承故障(如由轴承外圈、内圈、滚动体或保持架损坏引起的)、卷筒故障(如卷筒变形)或轴承故障。具体地，对振动特征值进行傅里叶变换，提取变换后得到的基频，根据基频分量幅值确定缺陷特征频率，根据缺陷特征频率对应的机械构件异常信息与缺陷特征频率的映射表即可确定机械构件的异常信息。
如图4所示，在一个实施例中，在根据异常信息建立态势图，将态势图推送到监控显示设备上之后，还包括：
步骤110，从态势图中提取各个机械构件的故障类型以及对应的故障位置；
步骤112，根据故障类型以及对应的故障位置，从数据库中获取对应的故障程度等级表；
步骤114，根据差值的大小和故障程度等级表确定机械构件的故障程度等级。
在这个实施例中，首先，从态势图提取各个机械构件的故障类型以及对应的故障位置，然后根据步骤114中计算得到的差值与数据库中获取对应的故障程度等级的映射关系，确定出机械构件的故障程度等级，也即机械构件的故障严重程度，以便后续对不同故障程度等级的机械构件制定相应的维修策略，保证港机设备的正常运行。
如图5所示，在一个实施例中，在根据差值的大小和故障程度等级表确定机械构件的故障程度等级之后，还包括：
步骤116，根据缺陷特征频率和故障程度等级，确定机械构件的诊断频率；
步骤118，将机械构件的频率调整为诊断频率进行自诊断处理。
其中，诊断频率是指能够保证机械构件正常运行时的振动频率。具体地，根据故障程度等级，确定缺陷特征频率的调整方向(增大或者减小)和调整幅度，得到诊断频率，将机械构件的频率调整为诊断频率，从而达到了自诊断处理的目的。本实施例通过将机械构件的频率调整为诊断频率进行自诊断处理，提高了对港机设备维护的智能化程度。
如图6所示，在一个实施例中，在根据异常信息建立态势图，将态势图推送到监控显示设备上之后，还包括：
步骤120，获取预设时间段内的多个态势图；
步骤122，将多个态势图按照时间顺序合并为一个整体态势图；
步骤124，对整体态势图进行分析，预测港机设备的故障趋势。
在这个实施例中，首先多个时间段内的态势图，根据时间顺序将态势图进行拼接，形成一个整体态势图，根据整体态势图的变化趋势，预测港机设备的故障趋。可以理解地，通过统计不同时段的态势图，可以确定港机设备的工作规律，根据工作规律对港机设备的故障趋势进行预判，实现了港机设备的预测，以便后续制定预防性维修策略，减少长时间停机影响作业的情况。
如图7所示，在一个实施例中，对整体态势图进行分析，预测港机设备的故障趋势，包括：
步骤124A，根据整体态势图确定曲线变化趋势和变化速度；
步骤124B，根据曲线变化趋势和变化速度进行曲线拟合，生成故障趋势曲线图；
步骤124C，根据故障趋势曲线图预测港机设备的故障趋势。
在这个实施例中，由于整体态势图描述了一个时间段内的港机设备的异常信息，因此能够客观反映港机设备的运行状态变化趋势，根据整体态势图的曲线变化趋势和变化速度进行曲线拟合，也即根据态势图的变化规律，并结合港机设备自身的变化规律，进行曲线分析和预测，得到的故障趋势曲线图，对港机设备的故障趋势的预测具有较高参考价值，并且能够提前获取港机设备故障部件的趋势，进而提前制定应对措施，有利于提高港机设备的运行效率。
如图8所示，在一个实施例中，提出了一种港机设备态势监控装置，所述装置包括：
获取模块802，用于通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
判断模块804，用于获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
分析模块806，用于对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
显示模块808，用于根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
在一个实施例中，判断模块包括：
变换单元，用于分别对每个机械构件对应的监控数据进行波形变换处理，确定每个机械构件的振动特征值；
第一计算单元，用于分别计算每个机械构件的振动特征值与相应的所述预设指标数据的差值；
第一判定单元，用于当所述差值在预设阈值范围内，判定相应的所述机械构件的运行状态为正常状态；
第二判定单元，用于当所述差值不在预设阈值范围内，判定相应的所述机械构件的运行状态为异常状态。
在一个实施例中，分析模块包括：
获取单元，用于获取运行状态为异常状态的机械构件的振动特征值；
第二计算单元，用于根据所述振动特征值计算对应机械构件的缺陷特征频率；
第一确定单元，用于根据所述缺陷特征频率确定机械构件所存在的故障类型以及对应的故障位置作为所述异常信息。
在一个实施例中，该港机设备态势监控装置还包括：
提取模块，用于从所述态势图中提取各个机械构件的所述故障类型以及对应的故障位置；
查找模块，用于根据所述故障类型以及对应的故障位置，从数据库中获取对应的故障程度等级表；
确定模块，用于根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级。
在一个实施例中，该港机设备态势监控装置还包括：
检测模块，用于根据所述缺陷特征频率和所述故障程度，确定所述机械构件的诊断频率；
自诊断模块，用于将所述机械构件的频率调整为所述诊断频率进行自诊断处理。
在一个实施例中，该港机设备态势监控装置还包括：
第二获取模块，用于获取预设时间段内的多个态势图；
组合模块，用于将所述多个态势图按照时间顺序合并为一个整体态势图；
预测模块，用于对所述整体态势图进行分析，预测港机设备的故障趋势。
在一个实施例中，预测模块包括：
第二确定单元，用于根据所述整体态势图确定曲线变化趋势和变化速度；
拟合单元，用于根据所述曲线变化趋势和变化速度进行曲线拟合，生成故障趋势曲线图；
预测单元，用于根据所述故障趋势曲线图预测港机设备的故障趋势。
图9示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器，所述服务器包括但不限于高性能计算机和高性能计算机集群。如图9所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现港机设备态势监控方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行港机设备态势监控方法。本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的港机设备态势监控方法可以实现为一种计算机程序的形式，计算机程序可在如图9所示的计算机设备上运行。计算机设备的存储器中可存储组成港机设备态势监控装置的各个程序模板。比如，第一获取模块802，判断模块804，分析模块806，显示模块808。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
在一个实施例中，获取各个机械构件的指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，包括：分别对每个机械构件对应的监控数据进行波形变换处理，确定每个机械构件的振动特征值；分别计算每个机械构件的振动特征值与相应的所述预设指标数据的差值；当所述差值在预设阈值范围内，判定相应的所述机械构件的运行状态为正常状态；当所述差值不在预设阈值范围内，判定相应的所述机械构件的运行状态为异常状态。
在一个实施例中，所述对运行状态为异常状态对应的监控数据进行分析，确定机械构件的异常信息，包括：获取运行状态为异常状态的机械构件的振动特征值；根据所述振动特征值计算对应机械构件的缺陷特征频率；根据所述缺陷特征频率确定机械构件所存在的故障类型以及对应的故障位置作为所述异常信息。
在一个实施例中，在所述根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上之后，还包括：从所述态势图中提取各个机械构件的所述故障类型以及对应的故障位置；根据所述故障类型以及对应的故障位置，从数据库中获取对应的故障程度等级表；根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级。
在一个实施例中，在所述根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级之后，还包括：根据所述缺陷特征频率和所述故障程度，确定所述机械构件的诊断频率；将所述机械构件的频率调整为所述诊断频率进行自诊断处理。
在一个实施例中，在所述根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上之后，还包括：获取预设时间段内的多个态势图；将所述多个态势图按照时间顺序合并为一个整体态势图；对所述整体态势图进行分析，预测港机设备的故障趋势。
在一个实施例中，对所述整体态势图进行分析，预测港机设备的故障趋势，包括：根据所述整体态势图确定曲线变化趋势和变化速度；根据所述曲线变化趋势和变化速度进行曲线拟合，生成故障趋势曲线图；根据所述故障趋势曲线图预测港机设备的故障趋势。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下步骤：通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
在一个实施例中，获取各个机械构件的指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，包括：分别对每个机械构件对应的监控数据进行波形变换处理，确定每个机械构件的振动特征值；分别计算每个机械构件的振动特征值与相应的所述预设指标数据的差值；当所述差值在预设阈值范围内，判定相应的所述机械构件的运行状态为正常状态；当所述差值不在预设阈值范围内，判定相应的所述机械构件的运行状态为异常状态。
在一个实施例中，所述对运行状态为异常状态对应的监控数据进行分析，确定机械构件的异常信息，包括：获取运行状态为异常状态的机械构件的振动特征值；根据所述振动特征值计算对应机械构件的缺陷特征频率；根据所述缺陷特征频率确定机械构件所存在的故障类型以及对应的故障位置作为所述异常信息。
在一个实施例中，在所述根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上之后，还包括：从所述态势图中提取各个机械构件的所述故障类型以及对应的故障位置；根据所述故障类型以及对应的故障位置，从数据库中获取对应的故障程度等级表；根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级。
在一个实施例中，在所述根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级之后，还包括：根据所述缺陷特征频率和所述故障程度，确定所述机械构件的诊断频率；将所述机械构件的频率调整为所述诊断频率进行自诊断处理。
在一个实施例中，在所述根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上之后，还包括：获取预设时间段内的多个态势图；将所述多个态势图按照时间顺序合并为一个整体态势图；对所述整体态势图进行分析，预测港机设备的故障趋势。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种港机设备态势监控方法，其特征在于，包括：
通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
2.根据权利要求1所述的港机设备态势监控方法，其特征在于，所述获取各个机械构件的指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，包括：
分别对每个机械构件对应的监控数据进行波形变换处理，确定每个机械构件的振动特征值；
分别计算每个机械构件的振动特征值与相应的所述预设指标数据的差值；
当所述差值在预设阈值范围内，判定相应的所述机械构件的运行状态为正常状态；
当所述差值不在预设阈值范围内，判定相应的所述机械构件的运行状态为异常状态。
3.根据权利要求2所述的港机设备态势监控方法，所述对运行状态为异常状态对应的监控数据进行分析，确定机械构件的异常信息，包括：
获取运行状态为异常状态的机械构件的振动特征值；
根据所述振动特征值计算对应机械构件的缺陷特征频率；
根据所述缺陷特征频率确定机械构件所存在的故障类型以及对应的故障位置作为所述异常信息。
4.根据权利要求1所述的港机设备态势监控方法，其特征在于，在所述根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上之后，还包括：
从所述态势图中提取各个机械构件的所述故障类型以及对应的故障位置；
根据所述故障类型以及对应的故障位置，从数据库中获取对应的故障程度等级表；
根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级。
5.根据权利要求3所述的港机设备态势监控方法，其特征在于，在所述根据所述差值的大小和所述故障程度等级表确定所述机械构件的故障程度等级之后，还包括：
根据所述缺陷特征频率和所述故障程度，确定所述机械构件的诊断频率；
将所述机械构件的频率调整为所述诊断频率进行自诊断处理。
6.根据权利要求1所述的港机设备态势监控方法，其特征在于，在所述根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上之后，还包括：
获取预设时间段内的多个态势图；
将所述多个态势图按照时间顺序合并为一个整体态势图；
对所述整体态势图进行分析，预测港机设备的故障趋势。
7.根据权利要求6所述的港机设备态势监控方法，其特征在于，所述对所述整体态势图进行分析，预测港机设备的故障趋势，包括：
根据所述整体态势图确定曲线变化趋势和变化速度；
根据所述曲线变化趋势和变化速度进行曲线拟合，生成故障趋势曲线图；
根据所述故障趋势曲线图预测港机设备的故障趋势。
8.一种港机设备态势监控装置，其特征在于，所述港机设备态势监控装置包括：
第一获取模块，用于通过预设的传感器实时获取港机设备中各个机械构件对应的监控数据；
判断模块，用于获取各个机械构件的预设指标数据，根据所述指标数据和所述监控数据判断所述各个机械构件的运行状态，所述运行状态分为异常状态或者正常状态；
分析模块，用于对运行状态为异常状态的机械构件所对应的监控数据进行分析，确定所述机械构件的异常信息；
显示模块，用于根据所述异常信息建立态势图，将所述态势图推送到监控显示设备上。
9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述港机设备态势监控方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述港机设备态势监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010160301.6A CN111457958A (zh) | 2020-03-10 | 2020-03-10 | 港机设备态势监控方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010160301.6A CN111457958A (zh) | 2020-03-10 | 2020-03-10 | 港机设备态势监控方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111457958A true CN111457958A (zh) | 2020-07-28 |
Family
ID=71677611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010160301.6A Pending CN111457958A (zh) | 2020-03-10 | 2020-03-10 | 港机设备态势监控方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111457958A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112577456A (zh) * | 2020-12-14 | 2021-03-30 | 欣旺达电子股份有限公司 | 测量设备点检方法及运行控制装置、计算机可读存储介质 |
| CN112665710A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
| CN113146341A (zh) * | 2021-05-20 | 2021-07-23 | 山东威达重工股份有限公司 | 机床进给轴联轴器松动预测诊断装置及其诊断方法 |
| CN114116845A (zh) * | 2021-11-26 | 2022-03-01 | 观为监测技术无锡股份有限公司 | 一种故障报告的生成方法、装置及存储介质 |
| CN115479788A (zh) * | 2021-05-31 | 2022-12-16 | 深圳富桂精密工业有限公司 | 冲压设备异常检测方法及电子装置 |
| CN116888649A (zh) * | 2021-03-23 | 2023-10-13 | 富士通先端科技株式会社 | 纸币处理装置和故障确定方法 |
| CN117342424A (zh) * | 2023-12-05 | 2024-01-05 | 利维智能（深圳）有限公司 | 港机设备监测方法、装置、计算机设备和存储介质 |
| WO2024036948A1 (zh) * | 2022-08-15 | 2024-02-22 | 江苏苏港智能装备产业创新中心有限公司 | 一种起升机构非稳态负载下振动监测分析方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106992518A (zh) * | 2017-05-02 | 2017-07-28 | 华北电力大学 | 基于态势感知的电网智能控制方法及监控终端系统 |
| JP2019063884A (ja) * | 2017-09-28 | 2019-04-25 | 株式会社デンソーウェーブ | 異常診断装置 |
| JP2019070570A (ja) * | 2017-10-10 | 2019-05-09 | 日本精工株式会社 | 転がり軸受の異常診断装置 |
| CN209543097U (zh) * | 2019-04-19 | 2019-10-25 | 利维智能（深圳）有限公司 | 数据采集系统 |
| CN110458713A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
| CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能（深圳）有限公司 | 故障诊断方法、装置、设备及可读介质 |
-
2020
- 2020-03-10 CN CN202010160301.6A patent/CN111457958A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106992518A (zh) * | 2017-05-02 | 2017-07-28 | 华北电力大学 | 基于态势感知的电网智能控制方法及监控终端系统 |
| JP2019063884A (ja) * | 2017-09-28 | 2019-04-25 | 株式会社デンソーウェーブ | 異常診断装置 |
| JP2019070570A (ja) * | 2017-10-10 | 2019-05-09 | 日本精工株式会社 | 転がり軸受の異常診断装置 |
| CN209543097U (zh) * | 2019-04-19 | 2019-10-25 | 利维智能（深圳）有限公司 | 数据采集系统 |
| CN110458713A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
| CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能（深圳）有限公司 | 故障诊断方法、装置、设备及可读介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112577456A (zh) * | 2020-12-14 | 2021-03-30 | 欣旺达电子股份有限公司 | 测量设备点检方法及运行控制装置、计算机可读存储介质 |
| CN112577456B (zh) * | 2020-12-14 | 2022-05-24 | 欣旺达电子股份有限公司 | 测量设备点检方法及运行控制装置、计算机可读存储介质 |
| CN112665710A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
| CN116888649A (zh) * | 2021-03-23 | 2023-10-13 | 富士通先端科技株式会社 | 纸币处理装置和故障确定方法 |
| CN113146341A (zh) * | 2021-05-20 | 2021-07-23 | 山东威达重工股份有限公司 | 机床进给轴联轴器松动预测诊断装置及其诊断方法 |
| CN115479788A (zh) * | 2021-05-31 | 2022-12-16 | 深圳富桂精密工业有限公司 | 冲压设备异常检测方法及电子装置 |
| CN114116845A (zh) * | 2021-11-26 | 2022-03-01 | 观为监测技术无锡股份有限公司 | 一种故障报告的生成方法、装置及存储介质 |
| WO2024036948A1 (zh) * | 2022-08-15 | 2024-02-22 | 江苏苏港智能装备产业创新中心有限公司 | 一种起升机构非稳态负载下振动监测分析方法、装置、设备及存储介质 |
| CN117342424A (zh) * | 2023-12-05 | 2024-01-05 | 利维智能（深圳）有限公司 | 港机设备监测方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111457958A (zh) | 港机设备态势监控方法、装置、计算机设备及存储介质 | |
| CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| US9996405B2 (en) | Embedded prognostics on PLC platforms for equipment condition monitoring, diagnosis and time-to-failure/service prediction | |
| CN110687896A (zh) | 故障诊断方法、装置、设备及可读介质 | |
| CN114689298A (zh) | 采煤机行走部的故障检测方法及装置 | |
| WO2022248004A1 (en) | Establishing health indicator of a rotating component | |
| KR20190081933A (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
| CN119226861A (zh) | 基于多模态数据融合的电力故障诊断方法及系统 | |
| US20240053225A1 (en) | Method and Apparatus for Identifying an Abnormality in Mechanical Apparatus or Mechanical Component | |
| CN117591839A (zh) | 燃气轮机的故障预警方法、系统、电子设备和存储介质 | |
| CN117705430A (zh) | 动设备故障监测方法、装置、电子设备及存储介质 | |
| CN117662491A (zh) | 基于主成分和深度学习算法的主泵故障诊断方法及系统 | |
| CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
| CN113516023B (zh) | 设备振动异常诊断方法和系统 | |
| CN117451347A (zh) | 一种基于故障特征模型的门机减速箱智能健康监测系统 | |
| CN117786461A (zh) | 水泵的故障诊断方法、控制设备及其存储介质 | |
| US11463032B2 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation | |
| Yang et al. | Adaptive early initial degradation point detection and outlier correction for bearings | |
| Daems et al. | Fleet-wide analytics on field data targeting condition and lifetime aspects of wind turbine drivetrains | |
| JP3103193B2 (ja) | 回転機械の診断装置 | |
| CN116537965B (zh) | 一种柴油机在线监测和故障诊断装置 | |
| CN117571347B (zh) | 设备健康状态监测评估方法、装置及电子设备 | |
| CN119122755A (zh) | 一种风电行业设备状态在线监测系统及故障分析方法 | |
| CN116415185B (zh) | 一种基于工业互联网的滚动轴承监测方法、设备及介质 | |
| JP7441811B2 (ja) | 診断装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |