【技术实现步骤摘要】
本专利技术主要涉及机器设备故障监测相关，具体是机器多参数融合健康诊断和故障预测方法、仪器及系统。
技术介绍
1、对于矿山、煤矿、火电、交通、风电、化工、水泥、钢铁、军工等行业的齿轮箱驱动系统、涡轮机系统等润滑系统可以通过对其运行数据的分析诊断机器设备的故障及对故障进行预警。
2、现有用于机器健康诊断的方法及相应设备状况如下：
3、1)单独使用在线油液传感器，检测金属磨损颗粒、油质、污染。油液传感器可以较早发现设备中使用油液润滑部件的磨损故障，但是很难定位具体故障点；对于和油液润滑不相关的故障，比如：不对中、基础松动、不平衡、电气故障等，油液传感器不可能发现这些故障。
4、2)单独使用在线振动传感器，振动传感器对不对中，基础松动、不平衡、电气故障等非常敏感；可以发现需要润滑的部件磨损及松动故障：比如轴承、齿轮、轴系等；但是在发现需要润滑部件的故障时相对油液磨损传感器滞后。
5、3)也有使用手持式离线振动分析系统和离线油液分析系统来综合诊断机器故障的技术。离线油液分析需要有人取样，把样品送到实验室检测，周期长，无法自动化。
6、现有一些技术把目标放在确诊故障上，没有研究哪些参数是潜在的造成机器故障的原因(间接故障原因)，即发现那些参数的变化，采取措施可以避免故障的发生。
技术实现思路
1、为解决目前技术的不足，本专利技术结合现有技术，从实际应用出发，提供一种机器多参数融合健康诊断和故障预测方法、仪器及系统，通过多个关键运行参数
2、本专利技术的技术方案如下：
3、根据本专利技术的一个专利技术，提供一种机器多参数融合健康诊断和故障预测方法，包括如下步骤：获取机器内故障原因参数，故障原因参数包括在线油液参数、在线振动参数、在线温度参数以及电气信号参数，将故障原因参数数据处理后作为输入与数据库中对应数据比对，基于比对结果输出机器的故障诊断报告、故障预测报告，同时基于报告结果生成机器运行和维保建议。
4、进一步，所述在线油液参数包括油液的磨损值、污染度、运动粘度、水分、老化度，所述在线振动参数包括机器的不对中、松动、跳动、啮合度、轴承故障频率以及振动强度，所述在线温度参数包括机器的运行温度，所述电气信号参数包括机器的电压、电流、转矩以及功率。
5、进一步，还包括基于故障原因参数对机器的影响程度，将故障原因参数分为直接故障原因参数以及间接故障原因参数，基于直接原因故障参数实现机器的故障诊断，基于间接故障原因参数实现机器的故障预测。
6、进一步，数据库中，每一个直接故障原因参数包含正常、警告、严重警告、停机检查四个等级的故障状态限值，将采集的直接原因故障参数和四种故障状态限值进行比对，然后给出相应参数对应的故障状态警告，根据采集的间接故障原因参数出现的频率给出相应的故障预测报告。
7、进一步，所述直接原因故障参数包括在线油液参数的磨损值、在线振动参数、电气信号参数，所述间接原因故障参数包括在线油液参数的污染度、运动粘度、水分、老化度以及在线温度参数。
8、根据本专利技术的另一方面，提供一种机器多参数融合健康诊断和故障预测仪器，用于实施上述的机器多参数融合健康诊断和故障预测方法，包括：在线油液传感器、在线振动传感器、在线温度传感器、电气信号传感器以及工控机；
9、所述在线油液传感器用于采集机器的在线油液参数，在线油液传感器采集的数据通过控制器处理后进入工控机；
10、所述在线振动传感器用于采集机器的在线振动参数，在线振动传感器采集的数据通过振动信号采集卡处理后进入工控机，
11、所述在线温度传感器用于采集机器的在线温度参数，在线温度传感器采集的数据通过温度信号采集卡处理后进入工控机；
12、所述电气信号传感器用于采集机器的电气信号参数，电气信号传感器采集的数据通过电气信号采集卡处理后进入工控机；
13、所述工控机基于上传的数据进行处理并与其内置的数据库中数据比对，基于比对结果输出机器的故障诊断报告、故障预测报告，同时基于报告结果生成机器运行和维保建议。
14、进一步，所述在线油液传感器包括铁磁性颗粒传感器和/或金属颗粒传感器、运动粘度传感器、污染度传感器、水分传感器、油质传感器；
15、在线振动传感器包括位移传感器、速度传感器、加速度传感器；
16、电气信号传感器包括电压互感器、电流互感器。
17、进一步，所述在线振动传感器以及在线温度传感器采用一体式集成结构或分体式结构。
18、根据本专利技术的再一方面，提供一种机器多参数融合健康诊断和故障预测系统，用于实施上述的机器多参数融合健康诊断和故障预测方法，包括：
19、采集模块，配置用于获取机器内故障原因参数，故障原因参数包括在线油液参数、在线振动参数、在线温度参数以及电气信号参数；
20、传输模块，配置用于将采集模块采集的故障原因参数发送至处理终端；
21、处理终端，配置用于将传输模块上传的故障原因参数进行数据处理，并与其内置的数据库中对应数据比对，基于比对结果输出机器的故障诊断报告、故障预测报告，同时基于报告结果生成机器运行和维保建议。
22、进一步，还包括云服务器以及用户移动终端，所述云服务器与处理终端实现数据交互，所述用户移动终端与云服务器实现数据交互。
23、本专利技术的有益效果：
24、1、本专利技术通过在线油液传感器、在线振动传感器、温度传感器和电气信号传感多参数融合诊断机器健康状态，可以提供机器健康状态诊断和预测故障，提高了分析速度和精准度，在线实现了自动化，能够更精准的评判机器健康状态、更早的预警机器故障、给出机器运行操作和维保的优化方案，降低故障率或避免故障发生，能够降低机器磨损，延长机器寿命。可以提前1-3个月预警和判定机器故障。
25、2、本专利技术中，通过采集的数据与数据库中预存的数据进行比对分析，能够更加准确的对机器健康状态和故障进行诊断及预警，同时还可通过采集的数据不断优化数据库，从而进一步提高诊断及预测精度。
26、3、本专利技术中，通过对多个参数的合理分类，将参数分为直接故障原因参数以及间接故障原因参数，在机器故障诊断以及预测方面能够更加精准、快捷。
本文档来自技高网...【技术保护点】
1.机器多参数融合健康诊断和故障预测方法，其特征在于，包括如下步骤：获取机器内故障原因参数，故障原因参数包括在线油液参数、在线振动参数、在线温度参数以及电气信号参数，将故障原因参数数据处理后作为输入与数据库中对应数据比对，基于比对结果输出机器的故障诊断报告、故障预测报告，同时基于报告结果生成机器运行和维保建议。
2.根据权利要求1所述的机器多参数融合健康诊断和故障预测方法，其特征在于，所述在线油液参数包括油液的磨损值、污染度、运动粘度、水分、老化度，所述在线振动参数包括机器的不对中、松动、跳动、啮合度、轴承故障频率以及振动强度，所述在线温度参数包括机器的运行温度，所述电气信号参数包括机器的电压、电流、转矩以及功率。
3.根据权利要求1或2所述的机器多参数融合健康诊断和故障预测方法，其特征在于，还包括基于故障原因参数对机器的影响程度，将故障原因参数分为直接故障原因参数以及间接故障原因参数，基于直接原因故障参数实现机器的故障诊断，基于间接故障原因参数实现机器的故障预测。
4.根据权利要求3所述的机器多参数融合健康诊断和故障预测方法，其特征在于，数据
5.根据权利要求4所述的机器多参数融合健康诊断和故障预测方法，其特征在于，所述直接原因故障参数包括在线油液参数的磨损值、在线振动参数、电气信号参数，所述间接原因故障参数包括在线油液参数的污染度、运动粘度、水分、老化度以及在线温度参数。
6.机器多参数融合健康诊断和故障预测仪器，用于实施权利要求1-5任一项所述的机器多参数融合健康诊断和故障预测方法，其特征在于，包括：在线油液传感器、在线振动传感器、在线温度传感器、电气信号传感器以及工控机；
7.根据权利要求6所述的机器多参数融合健康诊断和故障预测仪器，其特征在于，所述在线油液传感器包括铁磁性颗粒传感器和/或金属颗粒传感器、运动粘度传感器、污染度传感器、水分传感器、油质传感器；
8.根据权利要求6所述的机器多参数融合健康诊断和故障预测仪器，其特征在于，所述在线振动传感器以及在线温度传感器采用一体式集成结构或分体式结构。
9.机器多参数融合健康诊断和故障预测系统，用于实施权利要求1-5任一项所述的机器多参数融合健康诊断和故障预测方法，其特征在于，包括：
10.根据权利要求9所述的机器多参数融合健康诊断和故障预测系统，其特征在于，还包括云服务器以及用户移动终端，所述云服务器与处理终端实现数据交互，所述用户移动终端与云服务器实现数据交互。
...【技术特征摘要】
1.机器多参数融合健康诊断和故障预测方法，其特征在于，包括如下步骤：获取机器内故障原因参数，故障原因参数包括在线油液参数、在线振动参数、在线温度参数以及电气信号参数，将故障原因参数数据处理后作为输入与数据库中对应数据比对，基于比对结果输出机器的故障诊断报告、故障预测报告，同时基于报告结果生成机器运行和维保建议。
2.根据权利要求1所述的机器多参数融合健康诊断和故障预测方法，其特征在于，所述在线油液参数包括油液的磨损值、污染度、运动粘度、水分、老化度，所述在线振动参数包括机器的不对中、松动、跳动、啮合度、轴承故障频率以及振动强度，所述在线温度参数包括机器的运行温度，所述电气信号参数包括机器的电压、电流、转矩以及功率。
3.根据权利要求1或2所述的机器多参数融合健康诊断和故障预测方法，其特征在于，还包括基于故障原因参数对机器的影响程度，将故障原因参数分为直接故障原因参数以及间接故障原因参数，基于直接原因故障参数实现机器的故障诊断，基于间接故障原因参数实现机器的故障预测。
4.根据权利要求3所述的机器多参数融合健康诊断和故障预测方法，其特征在于，数据库中，每一个直接故障原因参数包含正常、警告、严重警告、停机检查四个等级的故障状态限值，将采集的直接原因故障参数和四种故障状态限值进行比对，然后给出相应参数对应的故障状态警告，根据采集的间接故障原因参数出现的...
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。