机电装置智能监测方法及系统制造方法及图纸

本发明专利技术公开了机电装置智能监测方法及系统，包括机电装置参数测量终端、现场监控端；机电装置参数测量终端负责采集被检测机电装置参数信息，在现场监控端中有机电装置智能监测子系统，通过网关节点实现机电装置参数测量终端、现场监控端、机电装置参数云平台和机电装置监测手机APP的双向通信，实现被检测环境参数采集和环境质量安全等级的分类，其中机电装置参数测量终端、现场监控端加载有实现机电装置智能监测方法的计算机程序步骤。本发明专利技术针对机电装置状态监测现状，利用网络技术传感器技术、计算机技术、智能控制技术和大数据技术，对机电装置运行状态进行实时在线监测和信息化管理，该系统集状态监测和信息管理于一体，保证了机电装置的安全稳定运行，具有很好的实际应用价值。应用价值。应用价值。

【技术实现步骤摘要】
机电装置智能监测方法及系统


[0001]本专利技术涉及机电装置监测
，具体涉及一种机电装置智能监测方法及系统。

技术介绍

[0002]在机电装置状态监测上，当前尚未完全实现机电装置状态的在线监测，很多设备运行状态需要专职人员进行现场查看。为此，需设计一套机电装置状态监测及信息化管理系统，以实时监测站内机电装置运行情况，在出现异常时，第一时间获取信息，及时采取措施，保证机电装置安全稳定运行。通过对机电装置状态监测及信息化管理系统的，实现机电装置的实时在线监测，保证设备安全稳定运行的同时，实现机电装置的智能化管理。机电装置的运行状态智能监测系统对状态检测数据进行特征提取的检测过程，掌握机电装置的潜在运行状态情况，进行智能状态监测评估。我国机电装置运行智能状态检测监控系统因其同时具有准确、安全和抗干扰等三大特性，使它能很好地实时反映机电装置的运行状态，有利于机电装置潜在故障运行情况的分析诊断和潜在安全风险的分析判断，是机电装置运行状态监测评估和事后检修的有效检测方法。机电装置监控系统可以实时监控机电装置的运行状态，及时发现隐患、排除隐患，查找故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.机电装置智能监测方法，其特征在于，包括以下步骤：步骤1、构建参数检测模块参数检测模块由粒子群优化自适应小波神经网络
‑
NARX神经网络模型、TDL按拍延迟线A、小波分解模型、降噪自编码神经网络
‑
NARX神经网络模型、LSTM神经网络
‑
NARX神经网络模型、TDL按拍延迟线B、TDL按拍延迟线C、TDL按拍延迟线D和区间犹豫模糊数的BAM神经网络
‑
AANN自联想神经网络模型组成；步骤2、构建机电装置智能监测子系统机电装置智能监测子系统由多个降噪自编码神经网络
‑
NARX神经网络模型、自适应AP聚类器、多个粒子群优化自适应小波神经网络、ESN神经网络模型、TDL按拍延迟线A、新陈代谢GM(1，1)趋势模型、NARX神经网络模型A、NARX神经网络模型B、参数检测模块、TDL按拍延迟线B、TDL按拍延迟线C、TDL按拍延迟线D、TDL按拍延迟线E和区间数的BAM神经网络
‑
NARX神经网络模型组成；步骤3、电流传感器、电压传感器和温度传感器组的输出和烟雾传感器的输出作为机电装置智能监测子系统的输入，机电装置智能监测子系统输出被监测的机电装置安全状况类型。2.根据权利要求1所述的机电装置智能监测方法，其特征在于，所述步骤1中，多个参数传感器输出作为粒子群优化自适应小波神经网络
‑
NARX神经网络模型的对应输入，粒子群优化自适应小波神经网络
‑
NARX神经网络模型输出作为TDL按拍延迟线A的输入，TDL按拍延迟线A的输出作为小波分解模型输入，小波分解模型输出的低频趋势部分和多个高频波动部分分别作为LSTM神经网络
‑
NARX神经网络模型和降噪自编码神经网络
‑
NARX神经网络模型的输入，LSTM神经网络
‑
NARX神经网络模型和降噪自编码神经网络
‑
NARX神经网络模型的输出分别作为TDL按拍延迟线B和TDL按拍延迟线C的输入，TDL按拍延迟线B、TDL按拍延迟线C和TDL按拍延迟线D的输出分别作为区间犹豫模糊数的BAM神经网络
‑
AANN自联想神经网络模型的对应输入，区间犹豫模糊数的BAM神经网络
‑
AANN自联想神经网络模型输出的4个参数分别为a、b、c、d作为TDL按拍延迟线D的输入，区间犹豫模糊数的BAM神经网络
‑
AANN自联想神经网络模型输出作为参数检测模块的输出。3.根据权利要求2所述的机电装置智能监测方法，其特征在于，a和b组成区...

【专利技术属性】
技术研发人员：王宇新，宗佳文，钱崇雨，刘家辉，马从国，陈帅，周恒瑞，李志强，李亚洲，柏小颖，秦小芹，金德飞，王建国，马海波，丁晓红，王苏琪，黄凤芝，夏奥运，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：