一种港口起重机传动部件大数据监控系统及监控方法技术方案

本发明专利技术公开了一种港口起重机传动部件大数据监控系统及监控方法，监控系统包括多个起重机单机监测系统、交换机及码头数据中心，所述码头数据中心包括数据中心交换机、可视化平台、数据处理模块，起重机单机监测系统用于获取起重机传动部件的工作数据，数据中心交换机与交换机数据互联，用于传送起重机传动部件的工作数据，数据处理模块与数据中心交换机数据互联，用于接收起重机传动部件工作数据、筛选核心工作数据以及形成深度学习模型，可视化平台与数据中心交换机数据互联，用于展示深度学习模型和起重机传动部件的实时工作数据。本发明专利技术可对港口起重机传动部件的状态进行实时监控并精确预警，实现港口设备集中化、集成化与智能化的管理。

A big data monitoring system and method for driving parts of port crane

【技术实现步骤摘要】
一种港口起重机传动部件大数据监控系统及监控方法
本专利技术涉及港口装卸设备监测领域，特别涉及一种港口起重机传动部件大数据监控系统及监控方法。
技术介绍
岸桥、轮胎吊、轨道吊等集装箱装卸设备大量融合了拥有数字化技术、现代控制技术、通讯技术的机、电、液一体化设备，其复杂程度越来越高，出现突发故障后，现场维修难度大，维修周期长，给码头带来不可预估的损失。且近年来随着自动化码头的发展，码头作业环境急剧变化，如现场操作及维保人员减少，设备作业效率的提升及时间的延长，设备智能化程度的提高，对设备可靠性要求也越来越严苛。另外，码头设备多且分散，传统的计划性巡检与故障后维修方式有显著的局限性，耗时、耗人工且突出故障难以及时有效发现，技术资料也比较分散，从根源就无法实现港口设备运行状态的监控与管理。因此，亟需设计一套性价比高、实用性强、完成可解决现场需求的港口设备运行状态大数据监控系统，用于实现港口设备传动结构的全寿命评估与管控。从1993年开始世界范围内陆续建设自动化码头以来，自动化码头技术日趋成熟，现已升级发展至第四代。国内外也成功建设了一批先进的自动化码头，如荷兰鹿特丹港，青岛港、洋山港等。未来自动化码头建设的重点将基于新一代智能传感、物联网、大数据及人工智能等技术，来实现码头信息流的智能化，包括智能生产、决策和自动流程处理等，即其未来发展方向将从自动化向智能化转移。码头发展更注重的生产和经济效益，故当前自动化码头技术发展均是以提高生产效率为前提，包括TOS系统，IGV技术与ECS系统的使用等。但对于起重设备自身健康状态的监测与管理存在严重不足，其巡检、维修及保养仍然以传统人工管理为主，利用Excel电子表格进行辅助管理。目前设备管理的现状，不能及时实时了解设备的运行情况，设备全寿命周期的资料分散，日常维修保养等工作无法实现自动管理。从2012年开始，部分码头开始小批量引入设备状态检测系统，但前期各厂家均借助其它行业经验(如风电、石化)，对起重设备设计参数、工作状况及关键部位的差异性不够了解；且前期由于物联网通信技术的制约，分散在各个设备上的大量数据无法有效上传至服务器，无法发现这些设备深层次的共同故障特征，进而无法进行大数据深入挖掘分析，系统持续更新发展能力不足，实际运用效果与期待值存在巨大的差异性，设备存在误报、漏报等问题。
技术实现思路
针对以上不足，本专利技术旨在提供一种港口起重机传动部件大数据监控系统及监控方法，所述系统基于智能采集、物联网、大数据等技术，对设备传动部件异常状态进行实时监控并精确预警，解决用户对起重设备运行机构的健康状况把控不够，无法避免突发性故障带来生产损失等问题；同时实现港口设备集中化、集成化与智能化的管理，实现港口高效、智能化运转。为实现上述目的，本专利技术提供如下技术方案：一种港口起重机传动部件大数据监控系统，包括多个起重机单机监测系统、交换机及码头数据中心，所述码头数据中心包括数据中心交换机、可视化平台、数据处理模块，起重机单机监测系统用于获取起重机传动部件的工作数据，数据中心交换机与交换机数据互联，用于传送起重机传动部件的工作数据，数据处理模块与数据中心交换机数据互联，用于接收起重机传动部件工作数据、筛选核心工作数据以及形成深度学习模型，可视化平台与数据中心交换机数据互联，用于展示深度学习模型和起重机传动部件的实时工作数据。作为一种优选的技术方案，所述起重机单机监测系统包括多个传感器、多个单机监测采集器，所述多个传感器分别安装在起重机的电机驱动端、齿轮箱输入端、齿轮箱中间轴端、齿轮箱输出端和卷筒的自由端，各传感器与单机监测采集器数据互联，多个单机监测采集器分别设置在各起重机上，并与起重机的控制中心进行通讯连接，起重机单机监测采集器获取起重机传动部件的工作状态参数，包括转速、负载、小车位置等信息。起重机的单机群及其不同工况下采集的数据构成大数据的来源和应用对象。作为一种优选的技术方案，所述传感器包括振动传感器和温度传感器。作为一种优选的技术方案，所述数据处理模块包括依次与数据中心交换机互联的原始数据库、实时监测数据库、机器学习数据库，原始数据库用于接收并保存来自数据中心交换机传送的起重机传动部件工作数据，实时监测数据库用于筛选起重机传动部件的核心工作数据和提取多尺度故障特征，机器学习数据库用于形成深度学习模型和识别故障。作为一种优选的技术方案，所述实时监测数据库包括数据清理模块，所述数据清理模块与各起重机单机监测系统的单机监测采集器数据互联，用于筛选核心监测数据。作为一种优选的技术方案，所述码头数据中心还包括用户端，所述用户端通过浏览器与数据中心交换机进行数据交互。作为一种优选的技术方案，所述码头数据中心还包括WEB服务器、管理员工作站，所述WEB服务器、管理员工作站依次与所述数据处理模块数据互联。本专利技术还提供一种港口起重机传动部件大数据监控方法，包括以下步骤：(1)获取起重机传动部件的工作状态参数，包括转速、负载、小车位置等信息，并筛选出影响起重机振动水平的关键性参数；(2)将关键性参数作为触发条件，对关键性参数进行清洗与标记，只保留与起重机故障时相关的状态参数；(3)提取多尺度故障特征，构建深度学习模型，利用深度学习模型对故障模式进行快速识别、分类；(4)将深度学习模型和与起重机故障时相关的状态参数进行可视化展示。作为一种优选的技术方案，提取多尺度故障特征包括：(1)一维时序通过频谱分析和滤波方法，将参数信号中的无用信息和噪声信号进行过滤并保持一维结构，进行标准化后作为长短时记忆网络的输入；(2)二维图谱用小波变换和维纳滤波将一维时序信号变成二维时频图谱，增加频率信息，经过处理后用于卷积神经网络的输入；(3)高维特征用经验模态分解和局部模态分解方法将时序信号分解成不同成分，分别提取包括均值、方差、峭度、熵等统计特征，组成高维特征，并用稀疏变换、成分分析的方法对高维特征进行选择，最终组成特征向量，输入到深度学习模型中进行辅助训练。作为一种优选的技术方案，构建深度学习模型以及利用深度学习模型对故障模式快速识别、分类包括：(1)数据集准备通过滤波和信号分解处理手段将原始信号中的噪声及无用信号去除，再通过时频变换、数据归一化方法，将原始信号变换成神经网络能够处理的纯净信号；(2)深度学习模型构建以卷积神经网络和长短时记忆网络为基础，构建能够处理一、二维数据的耦合神经网络模型；(3)故障特征的自适应学习在深度学习模型前端嵌入特征提取选择算法；(4)深度学习模型参数学习分为离线环节和在线环节，离线环节采用高性能的计算集群对构建的深度学习模型进行训练，固定神经网络参数；在线环节使用学习好的参数对故障模式进行快速识别、分类。本专利技术的有益效果在于：1、针对集装箱码头这类离散大系统提供一种大数据智能清洗方式；集装箱码头存在多种类设备(岸边集装箱起重机和RTG/RMG本文档来自技高网...

【技术保护点】
1.一种港口起重机传动部件大数据监控系统,其特征在于,包括多个起重机单机监测系统、交换机及码头数据中心，所述码头数据中心包括数据中心交换机、可视化平台、数据处理模块，起重机单机监测系统用于获取起重机传动部件的工作数据，数据中心交换机与交换机数据互联，用于传送起重机传动部件的工作数据，数据处理模块与数据中心交换机数据互联，用于接收起重机传动部件工作数据、筛选核心工作数据以及形成深度学习模型，可视化平台与数据中心交换机数据互联，用于展示深度学习模型和起重机传动部件的实时工作数据。/n

【技术特征摘要】
1.一种港口起重机传动部件大数据监控系统,其特征在于,包括多个起重机单机监测系统、交换机及码头数据中心，所述码头数据中心包括数据中心交换机、可视化平台、数据处理模块，起重机单机监测系统用于获取起重机传动部件的工作数据，数据中心交换机与交换机数据互联，用于传送起重机传动部件的工作数据，数据处理模块与数据中心交换机数据互联，用于接收起重机传动部件工作数据、筛选核心工作数据以及形成深度学习模型，可视化平台与数据中心交换机数据互联，用于展示深度学习模型和起重机传动部件的实时工作数据。


2.根据权利要求1所述的港口起重机传动部件大数据监控系统，其特征在于，所述起重机单机监测系统包括多个传感器、多个单机监测采集器，所述多个传感器分别安装在起重机的电机驱动端、齿轮箱输入端、齿轮箱中间轴端、齿轮箱输出端和卷筒的自由端，各传感器与单机监测采集器数据互联，多个单机监测采集器分别设置在各起重机上，并与起重机的控制中心进行通讯连接，单机监测采集器获取起重机传动部件的工作状态参数，包括转速、负载、小车位置等信息。


3.根据权利要求2所述的港口起重机传动部件大数据监控系统，其特征在于，所述传感器包括振动传感器和温度传感器。


4.根据权利要求1所述的港口起重机传动部件大数据监控系统，其特征在于，所述数据处理模块包括依次与数据中心交换机互联的原始数据库、实时监测数据库、机器学习数据库，原始数据库用于接收并保存来自数据中心交换机传送的起重机传动部件工作数据，实时监测数据库用于筛选起重机传动部件的核心工作数据和提取多尺度故障特征，机器学习数据库用于形成深度学习模型和识别故障。


5.根据权利要求4所述的港口起重机传动部件大数据监控系统，其特征在于，所述实时监测数据库包括数据清理模块，所述数据清理模块与各起重机单机监测系统的单机监测采集器数据互联，用于筛选核心监测数据。


6.根据权利要求1所述的港口起重机传动部件大数据监控系统，其特征在于，所述码头数据中心还包括用户端，所述用户端通过浏览器与数据中心交换机进行数据交互。


7.根据权利要求1所述的港口起重机传动部件大数据监控系统，其特征在于，所述码头数据中心还包括WEB服务...

【专利技术属性】
技术研发人员：李益波，陈宏伟，肖炳林，苏兴旺，汪德贵，庞颖威，齐永志，王运，何威誉，周雄，
申请(专利权)人：广州港集团有限公司，广州港股份有限公司，广州港股份有限公司南沙集装箱码头分公司，北京泛泰克斯仪器有限公司，
类型：发明
国别省市：广东;44