【技术实现步骤摘要】
旋转机械设备故障预测平台
本技术涉及工程机械健康管理
,具体地,涉及一种旋转机械设备故障预测平台。
技术介绍
旋转机械设备的健康管理是制造业中保证设备安全生产、经济运行的重要手段,健康管理的基本流程如下:基于传感器对旋转机械设备的运转情况进行监测,并根据该监测数据通过行业专家或人工智能技术对设备的运行状况进行评估和预测,从而针对性地预防设备故障并提前做好预案,避免因设备故障而产生的经济损失和生产事故。但旋转机械设备具有结构复杂,使用环境恶劣,监测数据量大,数据来源多的特点,其故障具有多并发、不确定性、非线性等特征,采用行业专家处理的方法具有主观性强、人才培养慢、可处理数据量小的缺点,传统人工智能技术在有着结果可靠性高、泛化性能好和自动化的优点的同时,还存在数据处理速度慢的缺点,且传统旋转机械健康管理平台经验证存在数据存储可靠性差、数据统计难的缺点。
技术实现思路
本技术解决的技术问题在于克服现有技术的缺陷,提供一种同时监测多个旋转机械设备运转情况、快速出具运转情况分析结果的旋转机械设备故障预 ...
【技术保护点】
1.一种旋转机械设备故障预测平台,服务于多台旋转机械设备,其特征在于,包括多个设于旋转机械设备上的数据采集设备,数据采集设备用于获取旋转机械设备零件运转数据,还包括用于接收零件运转数据进行处理的工业网关、汇总所有零件运转数据的数据中心;数据中心与工业网关单向连接;数据中心包括多个大数据处理服务器,大数据处理服务器包括数据预处理模块和故障预测模块,数据预处理模块将零件运转数据转换为特征向量,故障预测模块为基于机器学习或基于深度学习的故障预测模型。/n
【技术特征摘要】
1.一种旋转机械设备故障预测平台,服务于多台旋转机械设备,其特征在于,包括多个设于旋转机械设备上的数据采集设备,数据采集设备用于获取旋转机械设备零件运转数据,还包括用于接收零件运转数据进行处理的工业网关、汇总所有零件运转数据的数据中心;数据中心与工业网关单向连接;数据中心包括多个大数据处理服务器,大数据处理服务器包括数据预处理模块和故障预测模块,数据预处理模块将零件运转数据转换为特征向量,故障预测模块为基于机器学习或基于深度学习的故障预测模型。
2.根据权利要求1所述的旋转机械设备故障预测平台,其特征在于,数据采集设备包括用于采集零件运转时扭矩信号的扭矩传感器和振动加速度信号的振动传感器。
3.根据权利要求1所述的旋转机械设备故障预测平台,其特征在于,工业网关包括信号处理模块和数据转发模块,信号处理模块用于对采集到的零件运转数据加上相应的设备信息和零件信息,数据转发模块用...
【专利技术属性】
技术研发人员:万烂军,龚坤,张根,李长云,张潇云,
申请(专利权)人:湖南工业大学,
类型:新型
国别省市:湖南;43
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。