基于工业以太网的电气设备运行状态监测与故障诊断系统

电气设备运行状态监测系统,采用基于工业以太网的分布式测量方案,通过ADAM5000/TCP数据采集模块实时采集电气设备运行状态信号,并对运行状态进行分析和处理,实现了电气设备运行状态的监测和故障诊断.     

Hadoop环境下分布式物联网设备状态分析处理系统

设备故障可能会引起严重的生产事故,对企业、社会和人身安全造成严重威胁.因此,对物联网设备状态分析并进行合理的处理具有重要意义.针对物联网设备数据量大且复杂的特性,本文提出了一种针对物联网设备的海量数据处理架构,同时结合Dask分布式计算框架,设计了基于Hadoop环境的分布式物联网设备状态分析处理系统.本系统主要包括数据服务、数据分析和数据存储3个模块,并通过合理的节点调度方案保证了算法的高效运行和分布式计算的稳定性.系统运行表明能有效的处理大批量数据并实时准确预测设备状态,满足工业智能制造过程中的实际应用.     

一种基于海量数据挖掘的设备状态预测算法

提出了一种基于海量数据挖掘的设备状态预警算法。工业设备有大量的历史运行数据,并且实时采样的数据维度多,数据量大,算法首先对设备良好运行状态下的大量历史数据进行自适应聚类分析,建立设备的数学模型,并根据此类模型和设备运行的实时状态值对设备的运行状态进行预测。该算法充分考虑工业应用的实际需求,自动确定聚类的数目,解决了传统聚类算法处理海量历史数据时的开销大和效率低的问题,并且保证了回归预测过程的高效性。仿真实验表明,该算法能够有效地处理海量数据,并且能够实时得到预测值,实现对设备的实时监控预测。     

基于EtherCAT和LabVIEW的风洞安全联锁及状态监测系统设计

安全联锁与状态监控系统是保障风洞运行安全的重要系统,基于EtherCAT环网实现了风洞联锁和监控信号的实时、可靠采集,构建了多网络融合的联锁与状态监控系统。介绍了系统的硬件组成和软件总体功能,利用TwinCAT2设计下位机安全联锁软件,实现了吹风前和吹风过程中的联锁策略,保障了风洞运行安全;基于LabVIEW开发了状态监测软件,通过TCP/IP、OPC等多种通信协议实现了多网络数据利用,利用LabVIEW DSC多个子模块实现了数据存储与查询功能,利于数据溯源。应用结果表面,系统具有良好的实时性和可靠性,功能完备、界面友好,在使用过程中有效保证了风洞及设备安全,并为设备性能分析提供有效分析手段。     

Android的空压机监控系统设计与实现

为了便于中小企业实时掌握空压机的运行状态和及时反馈存在的问题,本文设计了一套基于Android的空压机监控系统.它可通过移动设备的Android程序方便快捷地监控并及时提交空压机的实时状态,能够利用Web Services技术的特点实现监控系统与其它系统的数据共享、对接和集成.     

基于两级网络的远程设备监控系统

本文在实验室设备的基础上,研究基于两级网络控制的远程设备监控系统。上层网络是基于以太网的监控系统,通过工业组态软件WinCC监控工业现场设备状况,下层网络采用Profibus-DP通讯,PLC主站或从站利用Profibus-DP通讯控制现场设备,并实时采集现场设备的运行状态数据。论文首先分析了实验系统组成和工作原理,然后介绍了WinCC与PLC的通讯过程及软件组态,完成上位机的监控功能。在分析系统通讯原理的基础上,通过具体的程序设计实现下位机对现场设备的控制与数据采集。     

风力发电机组状态监测系统研究

针对风力发电系统的运行要求,提出一种先进的状态监测与故障诊断系统,该系统以风力发电机组齿轮箱等设备的振动信号等实际测量信号作为信号源,利用自主研发的嵌入式微处理器对采样数据进行信号分析,并可通过远程计算机对机组运行状态进行在线监测;同时嵌入了视频、音频实时监控,可以实现工作人员对机组运行状态的全面、实时远程监控.该系统已在某风电场投入使用,其有效性和准确性得到了验证.     

基于两级网络的远程设备监控系统

本文在实验室设备的基础上,研究基于两级网络控制的远程设备监控系统.上层网络是基于以太网的监控系统,通过工业组态软件WinCC监控工业现场设备状况,下层网络采用Profibus-DP通讯,PLC主站或从站利用Profibus-DP通讯控制现场设备,并实时采集现场设备的运行状态数据.论文首先分析了实验系统组成和工作原理,然后介绍了WinCC与PLC的通讯过程及软件组态,完成上位机的监控功能.在分析系统通讯原理的基础上,通过具体的程序设计实现下位机对现场设备的控制与数据采集.     

基于InTouch的风洞自主式维修保障系统监控软件设计

信息技术的发展促进了组态软件的成熟与完善,在工业控制、轨道交通、水电供给乃至武器装备运行控制等领域得到广泛应用。为了配合风洞自主式维修保障系统,提升风洞的维修保障能力与实时的在线监测能力,通过InTouch组态软件设计并应用了可靠、稳定的数据接口;搭建了运行流畅、信息丰富、实时性好的监控软件;为风洞提供了良好的装备状态监测平台。其满足风洞自主式维修保障系统对信息监控及表达的一体化、自动化和可视化的要求,并成功应用在某型风洞中。     

某型复杂装备车载状态监测系统设计

某型复杂装备现有设备监测数据达不到对全车的故障诊断与健康状态评估所需数据的要求,通过分析其整车电气信号,为满足复杂装备对整车数据的监测需求,设计了车载状态监测系统;给出了车载监测系统的总体架构,对综合控制处理电路、实时数据采集处理电路、总线数据监控电路和车载显示系统硬件进行了设计,设计了车载采集与报警系统和显示系统软件,最后对系统进行了车载测试,表明系统能够对复杂装备的实时运行状态进行监测,完成基本的故障诊断功能,为早期发现故障缺陷,提出处置措施,开展系统健康管理提供了条件.     

基于视情维修的电子装备PHM体系结构分析

为推行自主式保障理念,提高电子装备的综合保障能力,提出了一种基于视情维修的电子装备预测与健康管理(Prognostics and Health Management,PHM)构建方案。在分析PHM内涵和功能的基础上,从数据信息维、模型维和生命周期维3个维度研究了PHM系统结构,采用开放式PHM架构方式,建立了基于视情维修的电子装备PHM体系结构,并对其系统实现技术进行了探讨。通过对某型装备模拟训练与仿真测试系统PHM策略的设计,验证了所提方案的有效性。     

基于知识图谱的设备缺陷闭环管理

本文针对传统的火力发电企业设备缺陷管理方法存在的诸多问题,如处理效率低、准确性差、历史经验及数据未得到有效利用等提出一种基于知识图谱技术的系统化解决方案。通过构建一种基于知识图谱的设备全寿命周期管理系统,可以在设备缺陷闭环管理中,有效实现设备维修辅助决策,通过设备维修历史、缺陷记录的自动分析,为运维人员提供优化的检修策略。本文首先简单介绍了整体技术方案及背景,接着对系统的整体设计及架构和功能进行了阐述,然后对系统的整体实现进行了详细说明,最后总结本文的工作,并讨论了存在的问题及未来的优化方向。希望本文能为国内火电企业建设类似系统提供一定的参考借鉴。     

基于物联网的机电设备综合巡检系统设计

针对目前煤矿机电设备维护过程中存在漏检、误检以及检查不够客观全面的问题,设计了一种基于物联网的机电设备综合巡检系统。该系统通过建立机电设备基础属性库,将机电设备的离线巡检与在线监测相结合,将人为经验检测的结果融于客观监测的信息进行综合判断,提高了对机电设备故障诊断的准确率。应用结果表明,该系统可为煤矿机电设备维修提供准确、可靠的依据,提高了煤矿设备管理水平。     

基于电力大数据的3D智能运检平台的应用与研究

电力大数据时代下,电力设备状态监测、运检管理、调度运行、环境气象等数据逐步实现互通共享,大数据技术为电力设备状态评估和智能运检方面提供了全新的解决思路和技术手段,如何尽可能的收集电力运行大数据,如何充分利用起电力运行数据,无疑具有十分重大的意义。本文结合当下大数据技术及数据挖掘分析方法在电力设备状态评估中应用的现状,重点介绍了一款已投入实际应用的基于电力运行大数据的3D智能运检平台的基本构成原理、电力运行大数据分析的内涵和3D智能运检平台的一些实际典型应用案例,探讨了大数据技术在电力设备状态监测、异常分析、故障预测、智能诊断等典型运检场景中应用的方法和效果,并展望了电力运行大数据应用需要克服的几个难题和面对的发展机遇。     

武器装备基于状态的维修系统设计

为了减少武器装备的故障以及维修时间,提高武器装备的可用度和重要部件的使用寿命,采用基于状态的维修技术与方法已成为当前维修领域研究与应用的热点.从武器装备的维修需求与技术出发,分析了现行装备维修的主要方式及其优缺点,总结了当前基于状态的维修(CBM)研究与应用现状,在此基础上提出了武器装备基于案例的CBM系统框架,给出了CBM适用的条件,并对CBM系统的核心模块进行了分析,给出了CBM系统工作的流程.最后,结合某装备中一齿轮箱的状态检测信息,进行了基于声音的装备故障诊断与案例分析与决策.分析结果表明:基于案例的CBM系统简单实用,能够满足装备维修需求.     

A novel diagnostic and prognostic framework for incipient fault detection and remaining service life prediction with application to industrial rotating machines

Data-driven machine health monitoring systems (MHMS) have been widely investigated and applied in the field of machine diagnostics and prognostics with the aim of realizing predictive maintenance. It involves using data to identify early warnings that indicate potential system malfunctioning, predict when system failure might occur, and pre-emptively service equipment to avoid unscheduled downtime. One of the most critical aspects of data-driven MHMS is the provision of incipient fault diagnosis and prognosis regarding the system’s future working conditions. In this work, a novel diagnostic and prognostic framework is proposed to detect incipient faults and estimate remaining service life (RSL) of rotating machinery. In the proposed framework, a novel canonical variate analysis (CVA)-based monitoring index, which takes into account the distinctions between past and future canonical variables, is employed for carrying out incipient fault diagnosis. By incorporating the exponentially weighted moving average (EWMA) technique, a novel fault identification approach based on Pearson correlation analysis is presented and utilized to identify the influential variables that are most likely associated with the fault. Moreover, an enhanced metabolism grey forecasting model (MGFM) approach is developed for RSL prediction. Particle filter (PF) is employed to modify the traditional grey forecasting model for improving its prediction performance. The enhanced MGFM approach is designed to address two generic issues namely dealing with scarce data and quantifying the uncertainty of RSL in a probabilistic form, which are often encountered in the prognostics of safety-critical and complex assets. The proposed CVA-based index is validated on slowly evolving faults in a continuous stirred tank reactor (CSTR) system, and the effectiveness of the proposed integrated diagnostic and prognostic method for the monitoring of rotating machinery is demonstrated for slow involving faults in two case studies of an operational industrial centrifugal pump and one case study of an operational centrifugal compressor.     

基于数字孪生的变电设备运维系统及其构建

针对变电设备周期状态管控难、运检效率低等问题,基于数字孪生理论,构建基于真实变电设备运维的数字化模型及系统。首先,在信息层建立能反映变电设备换流变、调相机、GIS（Gas Insulated Substation）这3类设备真实状态的数字孪生体;其次,基于换流变、调相机、GIS历史大数据,通过数字孪生体的变电站设备进行统计分析,并根据采集的实时数据、运维数据来预测变电站设备下一时刻的状态,使变电设备实现实际变电站内物理层与信息层数据的融合;最后,以变电站设备运维为对象,采用信息物理融合系统进行运维数据的集成和同步,形成最终变电设备运维数字孪生框架系统。相关研究表明,运用数字孪生技术可以对变电设备运维系统运行效率的提升和对变电站整体智能化提供强有力的技术支撑。     

基于视频监控的变电站智能巡检系统研究

变电站巡检工作是保证变电站安全稳定运行的关键工作之一,随着视频监控及数据分析技术的发展,利用视频数据分析技术实现变电站巡检的集中化、智能化,成为变电站巡检的趋势。文中首先分析了变电站巡检工作的现状及应用的局限性,然后介绍了基于视频监控的变电站自动巡检系统。系统通过电网统一视频监控平台（ SG-UVP）获取变电站监控视频数据,利用视频对变电站关键设备运行状态的智能识别和判断,实现巡检的集中化、智能化、可视化,同时介绍了相应的建设案例。实践证明该系统对变电站运行维护工作效率提升具有显著的经济与社会效益,具备推广价值。     

企业离散式智能设备预测性维护综述

针对智能设备的大量使用且缺乏根据监测大数据进行故障自动分析、判断与处理的问题,研究了基于物联网技术、大数据技术、边云协同技术的智能设备预测性维护框架和模式.提出针对非智能设备安装传感器实现设备智能化的方法.指出边缘计算负责设备工况数据的实时采集、分析,可快速甄别设备故障并实时报警;云计算聚焦同类设备运行海量历史数据的挖掘和分析,形成故障自动预测分析和诊断模式并下载至智能边缘设备.在研究了模型驱动、数据驱动、概率统计驱动、数字孪生和概率数字孪生驱动等故障预测模式后,提出了采用数据驱动的多层级数据融合模式,为制定企业性智能设备维保方案提供借鉴作用.     

基于建康管理技术的机载计算机智能故障诊断方法

为了满足飞机机载电子设备以状态监控为基础的视情维修保障策略,提升设备可维护性,提出了一种基于在线检测、故障预测、辅助决策的健康监控管理故障诊断方法,支持对机载电子设备的健康状态进行预测和评估。通过划分机载电子设备子功能的敏感威胁区域,对这些区域设计专门的威胁预警监控电路,进行功能危害监控,建立推理监控模型对监控电路故障进行预警监控,结合辅助决策的方式对预警到的故障进行定位,实现对电子设备的智能故障诊断。通过FMEA的分析与故障注入测试验证,该预警电路、推理模型和辅助决策能有效的预测故障及定位,具有较高的故障预测覆盖率,可提高机载计算机的维修性、降低维修时间,在电子设备视情维修策略上具备工程应用价值。