一种机械装备在线监测装置及其数据分析方法制造方法及图纸

本发明专利技术属于故障诊断领域，公开一种机械装备在线监测装置及其数据分析方法，包括信号采集端、信号处理端和服务端，信号采集端包括温度采集装置、压力采集模块、风力采集模块、噪声采集模块、振动(加速度)采集模块以及应变采集模块；信号处理端包括接入LoRa/ZigBee无线通讯模块的Raspberry微处理器；服务端包括接入5G与光纤通讯模块的云服务器；通过信号采集端采集信号，通过LoRa/ZigBee无线通讯模块进行信号采集端与Raspberry微处理器之间的信号传输，基于ARM架构的Raspberry微处理器进行信号处理，通过解释型语言Python建立大数据分析软件系统，基于深度学习算法进行特征提取、模式识别以及故障预测，具有边缘计算功能，实现机械装备的在线监测。械装备的在线监测。械装备的在线监测。

【技术实现步骤摘要】
一种机械装备在线监测装置及其数据分析方法


[0001]本专利技术属于故障诊断领域，具体涉及一种机械装备在线监测装置及其数据分析方法。

技术介绍

[0002]在线监测技术是在被测设备处于运行的条件下，自动对设备的状况进行连续或定时的监测。
[0003]现有技术存在以下不足：
[0004]1、监测信号的单一性。传统的仪器通常只能使用一种传感器，采集一种信号，当需要采集多模态多源信号时，则需同时使用多台仪器。
[0005]2、数据处理功能较弱。现有检测仪器采集的信号后，在仪器端只能显示相应信号的数值，或以曲线的形式可视化显示，但无法进行深度处理，需要将数据移植到电脑端进行处理。
[0006]3、缺少大数据分析模块。机械装备的故障识别基于大数据样本，通过人工智能算法进行特征提取、模式识别才能形成可靠的故障诊断模型，但现有检测仪器只能存取采样数据，缺少人工智能分析模型，缺少大数据分析模块。

技术实现思路

[0007]针对现有技术的不足，本专利技术的目的在于提供一种机械装备在线监测装置及其数据分析方法，解决了上述背景中提出的问题。
[0008]本专利技术的目的可以通过以下技术方案实现：
[0009]一种机械装备在线监测装置，包括信号采集端、信号处理端，其特征在于，所述信号采集端包括温度采集模块、压力采集模块、风力采集模块、噪声采集模块、振动(加速度)采集模块以及应变采集模块；所述信号处理端包括接入LoRa/ZigBee无线通讯模块的Raspberry微处理器；所述LoRa/ZigBee无线通讯模块包括LoRa/ZigBee发射模块和LoRa/ZigBee接收模块。
[0010]所述LoRa/ZigBee发射模块与所述信号采集端各采集模块信号连接，所述LoRa/ZigBee接收模块与所述Raspberry微处理器信号连接，所述信号采集端各采集模块将采集的信号数据传输给所述LoRa/ZigBee发射模块，再由所述LoRa/ZigBee发射模块将信号数据无线传输给所述LoRa/ZigBee接收模块后，再将信号数据传输给所述Raspberry微处理器进行信号数据处理。
[0011]所述温度采集模块用于采集被测目标的温度或者被测所处环境的温度，所述压力采集模块用于采集被测目标所受的压力或者被测目标所处环境的压力，所述风力采集模块采集被测环境下风量风速风力的大小，所述噪声采集模块采集环境及运动零部件的噪声，所述振动(加速度)采集模块采集测定结构的振动特性，所述应变采集模块采集动态运动部件的应力以及受力结构件的应变状态。
[0012]进一步地，所述温度采集装置包括光纤光栅温度在线监测装置和红外广角扫查装置。
[0013]进一步地，所述风力采集装置包括风速仪装置。
[0014]进一步地，所述噪声采集装置包括声强传感器装置。
[0015]进一步地，所述振动(加速度)采集装置包括惯性式或压电式加速度传感器装置。
[0016]进一步地，所述应变采集装置包括无线电阻应变片和嵌入式光纤光栅电阻应变片，所述无线电阻应变片能够监测动态运动部件的应力，所述嵌入式光纤光栅电阻应变片监测主要受力结构件的应变状态。
[0017]一种机械装备在线监测装置的数据分析方法，包括基于ARM架构的Raspberry微处理器进行信号处理，通过解释型语言Python建立大数据分析软件系统，在所述Raspberry微处理器端运行所开发的所述软件系统，对采集模块采集的一定周期内的信息特征提取、模式识别，形成初步的故障预测，在信号采集边缘侧发出预警信息，实现边缘计算功能，同时将数据传输至云服务平台，综合历史数据开展云计算，修正边缘计算结果，形成更为精确的故障预测分析结果；其中特征提取是小波包与样本熵算法提取均值、均方根、最大频率、中位数频率、中位数概率密度、香农熵等时频域特征参数；模式识别是基于深度学习算法对提取的特征参数进行识别，通过有监督或半监督的方式对有故障与无故障的数据样本加注标签，形成训练样本和测试样本，采用大量的数据分析和深度学习多循环的自学习，完成有故障与无故障数据的二分类识别，进而实现故障预测功能。
[0018]本专利技术的有益效果：
[0019]1、具有多模态信号的在线监测功能，监测功能不再是简单的单一性。
[0020]2、基于深度学习的故障识别与预测功能，增加大数据分析模块、人工智能分析模型，数据处理功能变强。
[0021]3、装置体积小、重量轻，具有便携性。
[0022]本专利技术提出的一种机械装备在线监测装置及其数据分析方法，融合了多模态传感器信号，基于深度学习算法可实现故障识别与预测。该装置具有广泛的应用场景，在起重机械、压力容器、管道、锅炉、储油罐、钢质桥梁等行业具有大量的市场需求，不仅可以创造显著的经济效益，同时可以降低事故发生率，对保证人民生命财产安全，维护社会稳定有重要意义，具有良好的社会效益。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是本专利技术实施例的在线监测架构图；
[0025]图2是本专利技术实施例的系统工作流程图；
[0026]图3是本专利技术实施例的软件平台功能模块图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0028]在本专利技术的描述中，需要理解的是、，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0029]如图1
‑
3所示，本专利技术提供的一种实施例，一种机械装备在线监测装置及其数据分析方法，包括信号采集端、信号处理端和服务端，信号采集端包括温度采集模块、压力采集模块、风力采集模块、噪声采集模块、振动(加速度)采集模块以及应变采集模块；信号处理端包括接入LoRa/ZigBee无线通讯模块的Raspberry微处理器；服务端包括接入5G与光纤通讯模块的云服务器；通过温度采集模块、压力采集模块、风力采集模块、噪声采集模块、振动(加速度)采集模块以及应变采集模块采集信号，通过LoRa/ZigBee无线通讯方式进行信号采集端与Raspberry微处理器之间的信号传输，基于ARM架构的Raspberry微处理器进行信号处理，通过解释型语言Python建立大数据分析软件系统，基于深度学习算法进行特征提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械装备在线监测装置，包括信号采集端、信号处理端，其特征在于，所述信号采集端包括温度采集模块、压力采集模块、风力采集模块、噪声采集模块、振动(加速度)采集模块以及应变采集模块；所述信号处理端包括接入LoRa/ZigBee无线通讯模块的Raspberry微处理器；所述LoRa/ZigBee无线通讯模块包括LoRa/ZigBee发射模块和LoRa/ZigBee接收模块；所述LoRa/ZigBee发射模块与所述信号采集端各采集模块信号连接，所述LoRa/ZigBee接收模块与所述Raspberry微处理器信号连接，所述信号采集端各采集模块将采集的信号数据传输给所述LoRa/ZigBee发射模块，再由所述LoRa/ZigBee发射模块将信号数据无线传输给所述LoRa/ZigBee接收模块后，再将信号数据传输给所述Raspberry微处理器进行信号数据处理；所述温度采集模块用于采集被测目标的温度或者被测所处环境的温度，所述压力采集模块用于采集被测目标所受的压力或者被测目标所处环境的压力，所述风力采集模块采集被测环境下风量风速风力的大小，所述噪声采集模块采集环境及运动零部件的噪声，所述振动(加速度)采集模块采集测定结构的振动特性，所述应变采集模块采集动态运动部件的应力以及受力结构件的应变状态。2.根据权利要求1所述的一种机械装备在线监测装置，其特征在于，所述温度采集模块包括光纤光栅温度在线监测传感器和红外广角扫查传感器。3.根据权利要求1所述的一种机械装备在线监测装置，其特...

【专利技术属性】
技术研发人员：谈文龙，徐彬，陈龙，郑建勇，
申请(专利权)人：方和瑞智能科技苏州有限公司，
类型：发明
国别省市：