【技术实现步骤摘要】
一种设备故障精确定位方法
本专利技术涉及设备检测领域,具体涉及一种设备故障精确定位方法。
技术介绍
现有机械设备故障检测主流方式为PHM(故障预测与健康管理技术),PHM主要利用1)基于模型的故障预测技术;2)基于数据驱动的故障预测技术;3)基于统计可靠性的故障预测技术。在发电站领域中,主要应用于风力发电,利用超声波检测发电机组振动状态,再通过振动异常值,推断设备故障。但是在水力发电领域,由于水力发电机组复杂程度远高于风力发电机组,再加上水流噪音过大,使得水力发电机组无法使用相同技术进行设备检测,更无法对设备故障进行定位。现有水力发电机组故障检修,还是只有靠将整个设备拆卸,人工检查修理,不仅会花费大量时间与检修费用,也会因长时间停机导致电量供应减少而带来的隐性巨额经济损失。
技术实现思路
本专利技术所要解决的技术问题是提供一种设备故障精确定位方法,对机组状态进行监测,并对设备故障进行定位与原因分析。本专利技术解决上述技术问题的技术方案如下:一种设备故障精确定位方法,包括以下步骤:S1、获取设备检测数据,根据所述设备检测数据计算得到设备监测值,将所述设备监测值与设备正常运行数据进行对比,判断设备运行状态,并记录异常数据;S2、识别异常数据所属部件,将异常数据与所属部件的故障数据库对比,识别故障;S3、将识别故障推送给监测人员,从维修数据库中提取相应的维修建议一并推送给监测人员;S4、检修完毕后判断识别是否正确,若正确则进入步骤S5,否则进入步骤S6;S5、将故障数据录入故障数据库中并标注为识别正确,并作为机器学习的参考数据,定位结束;S6、将故障数据录入故障数据 ...
【技术保护点】
一种设备故障精确定位方法,其特征在于,包括以下步骤:S1、获取设备检测数据,根据所述设备检测数据计算得到设备监测值,将所述设备监测值与设备正常运行数据进行对比,判断设备运行状态,并记录异常数据;S2、识别异常数据所属部件,将异常数据与所属部件的故障数据库对比,识别故障;S3、将识别故障推送给监测人员,从维修数据库中提取相应的维修建议一并推送给监测人员;S4、检修完毕后判断识别是否正确,若正确则进入步骤S5,否则进入步骤S6;S5、将故障数据录入故障数据库中并标注为识别正确,并作为机器学习的参考数据,定位结束;S6、将故障数据录入故障数据库中并标注为识别错误,并作为机器学习的参考数据,定位结束。
【技术特征摘要】
1.一种设备故障精确定位方法,其特征在于,包括以下步骤:S1、获取设备检测数据,根据所述设备检测数据计算得到设备监测值,将所述设备监测值与设备正常运行数据进行对比,判断设备运行状态,并记录异常数据;S2、识别异常数据所属部件,将异常数据与所属部件的故障数据库对比,识别故障;S3、将识别故障推送给监测人员,从维修数据库中提取相应的维修建议一并推送给监测人员;S4、检修完毕后判断识别是否正确,若正确则进入步骤S5,否则进入步骤S6;S5、将故障数据录入故障数据库中并标注为识别正确,并作为机器学习的参考数据,定位结束;S6、将故障数据录入故障数据库中并标注为识别错误,并作为机器学习的参考数据,定位结束。2.根据权利要求1所述的设备故障精确定位方法,其特征在于,所述检测数据包括振动检测数据、温度检测数据和压力检测数据,所述监测值包括振动监测值、温度监测值和压力监测值。3.根据权利要求2所述的设备故障精确定位方法,其特征在于,所述步骤S1具体包括以下分步骤:S11、根据公式(1),利用振动检测数据计算得到振动监测值f(x...
【专利技术属性】
技术研发人员:高胜,贺进,
申请(专利权)人:成都大汇物联科技有限公司,
类型:发明
国别省市:四川,51
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。