基于多层架构的电机在线监测与故障前兆诊断系统及方法技术方案

本发明专利技术公开了一种基于多层架构的电机在线监测与故障前兆诊断系统及方法。本发明专利技术的基于多层架构的电机在线监测与故障前兆诊断系统及方法，通过构建多级诊断服务层，利用分层筛选、逐级分析诊断的方式对电机运行状态进行故障前兆判识，随着架构层级的不断升高，所采用的诊断算法也更加高级，数据库更加丰富完备，诊断结果准确率更高，在确保诊断准确率的同时，大幅度提高了诊断效率。并且，用户还可以综合考虑诊断效率和诊断准确率，选择合适的诊断架构来进行电机故障前兆诊断分析，适用性更强。

On-line motor monitoring and fault precursor diagnosis system and method based on multi-tier architecture

【技术实现步骤摘要】
基于多层架构的电机在线监测与故障前兆诊断系统及方法
本专利技术涉及电机诊断
，特别地，涉及一种基于多层架构的电机在线监测与故障前兆诊断系统及方法。
技术介绍
随着科学技术的进步和社会经济的不断发展，电机在生产和日常生活中发挥着越来越重的作用。电机作为现代化工业生产最主要的原动力和驱动装置，一旦发生突发故障，不仅会造成生产流程的中断和重大的经济损失，而且还有可能引起人员伤亡。在很多重要应用方面，一台电机故障导致的非计划停车造成的损失往往远远高于电机本身的价值。现有的对电机进行诊断的处理方式都是将数据在本地计算机完成诊断分析，或者将数据上传至云服务器进行统一诊断分析。但是，现有的本地诊断分析方式都是将诊断算法和数据存储部署在本地数据层，电机故障诊断的关键是诊断分析算法和数据库比对，由于本机计算机数据库中的数据量有限，导致本地诊断分析方式的准确率很低。现有的云服务器诊断方式是统一在云服务器中集中对数据进行分析处理，云端服务器数据库存储数据量较大，数据比对繁琐，若每一次诊断服务都采用全方位的诊断分析及完备的数据库比对，则会导致分析诊断分析效率较低。因此，现有的电机诊断处理方式无法兼顾诊断效率和诊断准确率的问题。
技术实现思路
本专利技术提供了一种基于多层架构的电机在线监测与故障前兆诊断系统及方法，以解决现有的电机诊断处理方式存在的无法兼顾诊断效率和诊断准确率的技术问题。根据本专利技术的一个方面，提供一种基于多层架构的电机在线监测与故障前兆诊断系统，包括数据采集设备层、本地数据采集层、厂区云端数据中心层、区域云端数据中心层和中央云端数据中心层，所述本地数据采集层分别与数据采集设备层和厂区云端数据中心层连接，所述区域云端数据中心层分别与厂区云端数据中心层和中央云端数据中心层连接；所述数据采集设备层用于采集电机的原始波形数据；所述本地数据采集层用于获取电机的原始波形数据并对电机运行状态进行初级故障判识，将原始波形数据和初级故障判识得到的初级特征数据、故障前兆预警信息上传至厂区云端数据中心层；所述厂区云端数据中心层用于进行电机运行状态的中级故障判识，并将可疑波形数据和中级故障判识得到的中级特征数据、故障前兆预警信息上传至区域云端数据中心层；所述区域云端数据中心层用于基于厂区云端数据中心层上传的可疑波形数据进行电机运行状态的中高级故障判识，并将可疑波形数据和中高级故障判识得到的中高级特征数据、故障前兆预警信息上传至中央云端数据中心层；所述中央云端数据中心层用于基于区域云端数据中心层上传的可疑波形数据进行电机运行状态的高级故障判识。进一步地，所述本地数据采集层通过时域特征值分析、历史数据趋势分析和历史数据比对分析对电机运行状态进行初级故障判识。进一步地，所述厂区云端数据中心层通过快速傅里叶分析、谐波分析和频谱趋势化分析进行电机运行状态的中级故障判识。进一步地，所述区域云端数据中心层先提高信号的信噪比，再通过多方位诊断分析对电机运行状态进行中高级故障判识。进一步地，所述区域云端数据中心层通过数字信号前处理、数字信号滤波和小波阈值去噪提高信号的信噪比。进一步地，所述数字信号前处理通过去直流项、去非线性趋势项消除传感器漂移以及测量干扰，所述数字信号滤波和小波阈值去噪用于消除低频或高频干扰信号以及噪声信号。进一步地，所述区域云端数据中心层通过快速傅里叶分析、谐波分析、倒频谱分析、功率谱分析、瀑布图分析、共振解调分析和小波分析实现多方位诊断分析。进一步地，所述中央云端数据中心层包括用于供专家介入进行判识的人机交互模块。进一步地，所述厂区云端数据中心层、区域云端数据中心层和中央云端数据中心层还用于通过Web服务器发布故障前兆预警信息。本专利技术还提供一种基于多层架构的电机在线监测与故障前兆诊断方法，采用如上所述的电机在线监测与故障前兆诊断系统，包括以下步骤：步骤S1：通过数据采集设备层采集电机的原始波形数据；步骤S2：利用本地数据采集层获取电机的原始波形数据并对电机运行状态进行初级故障判识，将原始波形数据和初级故障判识得到的初级特征数据、故障前兆预警信息上传至厂区云端数据中心层；步骤S3：利用厂区云端数据中心层对电机运行状态进行中级故障判识，并将可疑波形数据和中级故障判识得到的中级特征数据、故障前兆预警信息上传至区域云端数据中心层；步骤S4：利用区域云端数据中心层基于厂区云端数据中心层上传的可疑波形数据对电机运行状态进行中高级故障判识，并将可疑波形数据和中高级故障判识得到的中高级特征数据、故障前兆预警信息上传至中央云端数据中心层；步骤S5：利用中央云端数据中心层基于区域云端数据中心层上传的可疑波形数据对电机运行状态进行高级故障判识。本专利技术具有以下有益效果：本专利技术的基于多层架构的电机在线监测与故障前兆诊断系统，通过构建本地数据采集层、厂区云端数据中心层、区域云端数据中心层和中央云端数据中心层进行分层诊断，利用分层筛选、逐级分析诊断的方式对电机运行状态进行故障前兆判识，随着架构层级的不断升高，所采用的诊断算法也更加高级，数据库越丰富完备，诊断结果准确率更高，并且考虑到本地数据采集层采用的诊断算法较为简单，初级故障判识结果准确率可能较低，因此在本地数据采集层和厂区云端数据中心层之间上传了原始波形数据，利用厂区云端数据中心层中较为高级的算法对原始波形数据再次进行分析诊断，提高了诊断判识的准确率，而为了提高诊断效率，区域云端数据中心层只对厂区云端数据中心层上传的可疑波形数据进行分析，中央云端数据中心层只对区域云端数据中心层上传的可疑波形数据进行分析，在确保诊断准确率的同时，大幅度提高了诊断效率。并且，用户还可以综合考虑诊断效率和诊断准确率，选择合适的诊断架构来进行电机故障前兆诊断分析，适用性更强。本专利技术的基于多层架构的电机在线监测与故障前兆诊断系统，通过低层级的诊断分析，保证系统高效运行，当无法确诊时，向上一层级请求更高一级诊断服务，保证诊断分析准确性。另外，本专利技术的基于多层架构的电机在线监测与故障前兆诊断方法同样具有上述优点。除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例的基于多层架构的电机在线监测与故障前兆诊断系统的结构示意图。图2是本专利技术另一实施例的基于多层架构的电机在线监测与故障前兆诊断方法的流程示意图。附图标记说明11、数据采集设备层；12、本地数据采集层；13、厂区云端数据中心层；14、区域云端数据中心层；15、中央云端数据中心层；151、人机交互模块；20、电机设备层。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由下述所限定和覆盖的多种不同方式实施。如图1所示，本专利技术的优选实施例提供一种基于多层架构的电机在线监测与故障前兆诊断系统，通过构建多级诊断服务层，利用分层筛选、逐级分析诊断的方式对电机运行状态进行故障前兆判识，具有很高的诊断效率和诊断准确率。所述基于多层架构的电机在线监测与故障前兆诊断系统包括数据采集设备层11、本地数据采集层12、厂区云端数据中心层13、区域云端数据本文档来自技高网...

【技术保护点】
1.一种基于多层架构的电机在线监测与故障前兆诊断系统，其特征在于，包括数据采集设备层(11)、本地数据采集层(12)、厂区云端数据中心层(13)、区域云端数据中心层(14)和中央云端数据中心层(15)，所述本地数据采集层(12)分别与数据采集设备层(11)和厂区云端数据中心层(13)连接，所述区域云端数据中心层(14)分别与厂区云端数据中心层(13)和中央云端数据中心层(15)连接；所述数据采集设备层(11)用于采集电机的原始波形数据；所述本地数据采集层(12)用于获取电机的原始波形数据并对电机运行状态进行初级故障判识，将原始波形数据和初级故障判识得到的初级特征数据、故障前兆预警信息上传至厂区云端数据中心层(13)；所述厂区云端数据中心层(13)用于进行电机运行状态的中级故障判识，并将可疑波形数据和中级故障判识得到的中级特征数据、故障前兆预警信息上传至区域云端数据中心层(14)；所述区域云端数据中心层(14)用于基于厂区云端数据中心层(13)上传的可疑波形数据进行电机运行状态的中高级故障判识，并将可疑波形数据和中高级故障判识得到的中高级特征数据、故障前兆预警信息上传至中央云端数据中心层(15)；所述中央云端数据中心层(15)用于基于区域云端数据中心层(14)上传的可疑波形数据进行电机运行状态的高级故障判识。...

【技术特征摘要】
1.一种基于多层架构的电机在线监测与故障前兆诊断系统，其特征在于，包括数据采集设备层(11)、本地数据采集层(12)、厂区云端数据中心层(13)、区域云端数据中心层(14)和中央云端数据中心层(15)，所述本地数据采集层(12)分别与数据采集设备层(11)和厂区云端数据中心层(13)连接，所述区域云端数据中心层(14)分别与厂区云端数据中心层(13)和中央云端数据中心层(15)连接；所述数据采集设备层(11)用于采集电机的原始波形数据；所述本地数据采集层(12)用于获取电机的原始波形数据并对电机运行状态进行初级故障判识，将原始波形数据和初级故障判识得到的初级特征数据、故障前兆预警信息上传至厂区云端数据中心层(13)；所述厂区云端数据中心层(13)用于进行电机运行状态的中级故障判识，并将可疑波形数据和中级故障判识得到的中级特征数据、故障前兆预警信息上传至区域云端数据中心层(14)；所述区域云端数据中心层(14)用于基于厂区云端数据中心层(13)上传的可疑波形数据进行电机运行状态的中高级故障判识，并将可疑波形数据和中高级故障判识得到的中高级特征数据、故障前兆预警信息上传至中央云端数据中心层(15)；所述中央云端数据中心层(15)用于基于区域云端数据中心层(14)上传的可疑波形数据进行电机运行状态的高级故障判识。2.如权利要求1所述的电机在线监测与故障前兆诊断系统，其特征在于，所述本地数据采集层(12)通过时域特征值分析、历史数据趋势分析以及历史数据比对分析对电机运行状态进行初级故障判识。3.如权利要求1所述的电机在线监测与故障前兆诊断系统，其特征在于，所述厂区云端数据中心层(13)通过快速傅里叶分析、谐波分析和频谱趋势化分析进行电机运行状态的中级故障判识。4.如权利要求1所述的电机在线监测与故障前兆诊断系统，其特征在于，所述区域云端数据中心层(14)先提高信号的信噪比，再通过多方位诊断分析对电机运行状态进行中高级故障判识。5.如权利要求4所述的电机在线监测与故障前兆诊断系统...

【专利技术属性】
技术研发人员：袁凯南，崔壮平，汪攀，罗建平，罗华，罗志斌，
申请(专利权)人：中机国际工程设计研究院有限责任公司，
类型：发明
国别省市：湖南,43