一种智慧码头用故障检测系统及搭建方法技术方案

本发明专利技术涉及故障检测技术领域，特别是涉及一种智慧码头用故障检测系统及搭建方法，所述故障检测系统包括：数据采集模块，用于采集港口设备的振动信号；处理模块，用于对所述振动信号进行信号处理，判断信号处理过的所述振动信号是否为故障数据；提取模块，用于根据深度学习方法提取所述故障数据的故障特征，根据所述故障特征判断港口设备的故障类型；维修模块，用于根据所述故障类型对所述港口设备进行维修，并将维修过的所述故障数据更改为正常数据。本发明专利技术解决了现有技术中港口设备故障发现不及时，对设备和人身安全造成影响或事故的问题。题。题。

【技术实现步骤摘要】
一种智慧码头用故障检测系统及搭建方法


[0001]本专利技术涉及故障检测
，特别是涉及一种智慧码头用故障检测系统及搭建方法。

技术介绍

[0002]作为港口机械设备上关键的主驱动设备和配套设备是港口机械设备安全、高效、稳定运行的关键重要部分。如果这些主驱动设备或配套设备出现问题，将直接导致港口机械设备整机的故障、停机、甚至安全事故。在现有的港口中，设立监控中心对机械进行统一监管是一种普遍的做法。虽然这种做法已经能够基本实现港口机械的互联互通，但在港口机械故障数据的采集、保存和分析技术方面却还存在明显的缺陷。
[0003]现有港口机械设备均是故障停机或设备损坏后才进行维修，并且对港口机械设备的维保是按照维护保养手册中规定的时间进行定期维保，无类似维保预警方法。现有的这种故障检测方法，发现问题晚，发现问题时通常港口机械设备已经对码头运营和生产，甚至设备和人身安全造成影响或事故。因此，如何提供一种智慧码头用故障检测系统及搭建方法，是目前有待解决的技术问题。

技术实现思路

[0004]针对上述现有技术存在的问题，本专利技术的目的是提供一种智慧码头用故障检测系统及搭建方法，本专利技术通过平台构建完善的传感器网络，采集港口设备监测数据，并通过信号处理方法快速判断是否发生了故障，通过深度学习方法进一步提取故障特征，对设备故障类型做出准确判断；并根据故障类型和故障等级给出港口设备的维护建议，解决了现有技术中港口设备故障发现不及时，对设备和人身安全造成影响或事故的问题。
[0005]为了实现上述目的，本专利技术提供了一种智慧码头用故障检测系统及搭建方法，所述故障检测系统包括：
[0006]数据采集模块，用于采集港口设备的振动信号；
[0007]处理模块，用于对所述振动信号进行信号处理，判断信号处理过的所述振动信号是否为故障数据；
[0008]提取模块，用于根据深度学习方法提取所述故障数据的故障特征，根据所述故障特征判断港口设备的故障类型；
[0009]维修模块，用于根据所述故障类型对所述港口设备进行维修，并将维修过的所述故障数据更改为正常数据。
[0010]其中，所述港口设备的振动信号为电机和齿轮箱轴承的振动信号。
[0011]在本申请的一些实施例中，所述对所述振动信号进行信号处理时，包括：
[0012]采集预设平稳时段t1
‑
t2的所述振动信号；
[0013]将所述振动信号进行短时傅里叶变换得到第一时频谱图，并确定所述第一时频谱图中的第一幅值a1和对应所述第一幅值a1的第一频率值a2。
[0014]在本申请的一些实施例中，所述判断信号处理过的所述振动信号是否为故障数据前，包括：
[0015]获取历史运行数据中的预设正常振动信号，并根据所述预设正常振动信号进行信号处理，获得第二时频谱图，并确定所述第二时频谱图中的第二幅值b1和对应所述第二幅值b1的第二频率值b2；
[0016]计算所述第一频率值a2和所述第二频率值b2的差值H，根据所述差值H判断所述振动信号是否为故障数据。
[0017]在本申请的一些实施例中，根据所述差值判断所述振动信号是否为故障数据时，包括：
[0018]设定有预设频率差值标准值矩阵W和预设运行状况矩阵C，对于所述预设频率差值标准值矩阵W，设定W(W1，W2，W3，W4)，其中，W1为第一预设频率差值标准值，W2为第二预设频率差值标准值，W3为第三预设频率差值标准值，W4为第四预设频率差值标准值，且W1＜W2＜W3＜W4；
[0019]对于所述预设运行状况矩阵C，设定C(C1，C2，C3，C4)，其中，C1为第一预设运行状况，C2为第二预设运行状况，C3为第三运行状况，C4为第四预设运行状况；
[0020]根据差值H与所述预设频率差值标准值矩阵W之间的关系选定设备相应的运行状态；
[0021]当H＜W1时，选定所述第一预设运行状况C1作为当前港口设备的运行状况，其中，所述第一预设运行状况表明设备运行状况良好，继续正常监测；
[0022]当W1≤H＜W2，选定所述第二预设运行状况C2作为当前港口设备的运行状况，其中，所述第二预设运行状况表明设备初期损伤，需加强监测；
[0023]当W2≤H＜W3，选定所述第三预设运行状况C3作为当前港口设备的运行状况，其中，所述第三预设运行状况表明设备中期损伤，需定期检查和更换；
[0024]当W3≤H＜W4，选定所述第四预设运行状况C4作为当前港口设备的运行状况，其中，所述第四预设运行状况表明设备晚期损伤，需立刻停机检查和更换；
[0025]当W3≤H＜W4时，说明对应的所述振动信号为故障数据。
[0026]在本申请的一些实施例中，所述根据深度学习模型提取所述故障数据的故障特征时，包括：
[0027]构建第一卷积神经网络，并将历史数据库中的振动信号经短时傅里叶变换得到时频谱图集；
[0028]将所述时频谱图集分为训练集和测试集，根据所述训练集对所述第一卷积神经网络进行训练，得到第二卷积神经网络，所述第二卷积神经网络对所述测试集进行识别，得到所述港口设备的运行状况；
[0029]所述第二卷积神经网络提取所述故障数据的故障特征，并对所述故障特征进行特征分类，根据所述故障特征判断所述故障类型。
[0030]在本申请的一些实施例中，所述根据所述故障特征判断港口设备的故障类型时，包括：
[0031]设定有预设故障特征矩阵D和预设故障类型矩阵Q，对于所述预设故障特征矩阵D，设定D(D1，D2，D3，D4)，其中，D1为第一预设故障特征，D2为第一预设故障特征，D3为第二预
设故障特征，D4为第四预设故障特征；
[0032]对于所述预设故障类型矩阵Q，设定Q(Q1，Q2，Q3，Q4)，其中，Q1为第一预设故障类型，Q2为第二预设故障类型，Q3为第三预设故障类型，Q4为第四预设故障类型；
[0033]当所述港口设备的故障特征为所述第一预设故障特征D1时，判断所述港口设备的故障类型为第一预设故障类型Q1；
[0034]当所述港口设备的故障特征为所述第二预设故障特征D2时，判断所述港口设备的故障类型为第二预设故障类型Q2；
[0035]当所述港口设备的故障特征为所述第三预设故障特征D3时，判断所述港口设备的故障类型为第三预设故障类型Q3；
[0036]当所述港口设备的故障特征为所述第四预设故障特征D4时，判断所述港口设备的故障类型为第四预设故障类型Q4。
[0037]在本申请的一些实施例中，所述故障检测系统还包括：
[0038]设定有预设报警信号矩阵F，对于所述预设报警信号矩阵F，设定F(F1，F2，F3，F4)，其中，F1为第一预设报警信号，F2为第二预设报警信号，F3为第三预设报警信号，F4为第四预设报警信号，且F1＜F2＜F3＜F4；
[0039]根据所述故障类型选定相应的报警信号；
[0040]若当前港本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧码头用故障检测系统，其特征在于，包括：数据采集模块，用于采集港口设备的振动信号；处理模块，用于对所述振动信号进行信号处理，判断信号处理过的所述振动信号是否为故障数据；提取模块，用于根据深度学习方法提取所述故障数据的故障特征，根据所述故障特征判断港口设备的故障类型；维修模块，用于根据所述故障类型对所述港口设备进行维修，并将维修过的所述故障数据更改为正常数据。其中，所述港口设备的振动信号为电机和齿轮箱轴承的振动信号。2.根据权利要求1所述的智慧码头用故障检测系统，其特征在于，所述对所述振动信号进行信号处理时，包括：采集预设平稳时段t1
‑
t2的所述振动信号；将所述振动信号进行短时傅里叶变换得到第一时频谱图，并确定所述第一时频谱图中的第一幅值a1和对应所述第一幅值a1的第一频率值a2。3.根据权利要求2所述的智慧码头用故障检测系统，其特征在于，所述判断信号处理过的所述振动信号是否为故障数据前，包括：获取历史运行数据中的预设正常振动信号，并根据所述预设正常振动信号进行信号处理，获得第二时频谱图，并确定所述第二时频谱图中的第二幅值b1和对应所述第二幅值b1的第二频率值b2；计算所述第一频率值a2和所述第二频率值b2的差值H，根据所述差值H判断所述振动信号是否为故障数据。4.根据权利要求3所述的智慧码头用故障检测系统，其特征在于，根据所述差值判断所述振动信号是否为故障数据时，包括：设定有预设频率差值标准值矩阵W和预设运行状况矩阵C，对于所述预设频率差值标准值矩阵W，设定W(W1，W2，W3，W4)，其中，W1为第一预设频率差值标准值，W2为第二预设频率差值标准值，W3为第三预设频率差值标准值，W4为第四预设频率差值标准值，且W1＜W2＜W3＜W4；对于所述预设运行状况矩阵C，设定C(C1，C2，C3，C4)，其中，C1为第一预设运行状况，C2为第二预设运行状况，C3为第三运行状况，C4为第四预设运行状况；根据差值H与所述预设频率差值标准值矩阵W之间的关系选定设备相应的运行状态；当H＜W1时，选定所述第一预设运行状况C1作为当前港口设备的运行状况，其中，所述第一预设运行状况表明设备运行状况良好，继续正常监测；当W1≤H＜W2，选定所述第二预设运行状况C2作为当前港口设备的运行状况，其中，所述第二预设运行状况表明设备初期损伤，需加强监测；当W2≤H＜W3，选定所述第三预设运行状况C3作为当前港口设备的运行状况，其中，所述第三预设运行状况表明设备中期损伤，需定期检查和更换；当W3≤H＜W4，选定所述第四预设运行状况C4作为当前港口设备的运行状况，其中，所述第四预设运行状况表明设备晚期损伤，需立刻停机检查和更换；当W3≤H＜W4时，说明对应的所述振动信号为故障数据。
5.根据权利要求1所述的智慧码头用故障检测系统，其特征在于，所述根据深度学习模型提取所述故障数据的故障特征时，包括：构建第一卷积神经网络，并将历史数据库中的振动信号经短时傅里叶变换得到时频谱图集；将所述时频谱图集分为训练集和测试集，根据所述训练集对所述第一卷积神经网络进行训练，得到第二卷积神经网络，所述第二卷积神经网络对所述测试集进行识别，得到所述港口设备...

【专利技术属性】
技术研发人员：程延光，施凯，徐俊健，韩旭，李海旭，马健，
申请(专利权)人：华能南京金陵发电有限公司，
类型：发明
国别省市：