[发明专利]工业电动机的故障诊断及预测性维护方法

说明书

本发明公开了工业电动机的故障诊断及预测性维护方法，属于工业电动机技术领域，通过动机关联的传感器、电动机关联的组件获取电动机相关性能数据，在AI智能机器人基于回归算法和神经网络算法下分别进行初步学习和深度学习，使得初始状态对电动机一无所知的AI智能机器人锐变呈电动机技术领域的诊断专家，同时AI智能机器人来源的数据是基于云端服务器的，这是现有发展的必经之势，从而建立起电动机数据模型库，进行相应的故障诊断及预测性维护结论，同时在分析的过程中AI智能机器人还会基于神经网络算法进行深度学习，不断完善电动机数据模型库。

技术领域

本发明涉及工业电动机技术领域，更具体地说，涉及工业电动机的故障诊断及预测性维护方法。

背景技术

设备维修是企业的一项重要工作，其中设备维护方式经历了事后维修、预防式维护和预测性维护的变革，状态监测与故障诊断技术的应用推动了维修方式的革新，预测性维护，又称预知维修或视情维修，是指设备依据监测诊断需要维修时才进行的维修，预测性维护是以状态监测与故障诊断为基础，以设备的实际运行状态为依据，综合生产需要来制定维修计划，按预定计划进行维修，优点有：维修成本相对最低；减少、乃至避免灾难性事故；减少停机次数及时间，降低停产损失；延长检修周期，增加产品产量；免除过剩维修，延长设备及配件寿命；保证设备安全及性能，确保产品质量；合理配置和使用维修人员；降低备件库存及消耗；提高工厂安全，改善环境影响；确保生产计划，维护市场形象。

在预测性维护系统中，物联网终端的任务是采集数据与传输，不再承担故障诊断、报警及预测功能，这些任务承担由工业物联网云平台承担，维护过程中的设备状态数据采集属于工业监测领域，即对设备状态的实时数据进行采集，之后根据设备的状态判断设备是否有故障，并决定设备维护的时间与内容，工业互联网试图在大数据量传输与可靠性方面取得平衡，但由于需要改造互联网的协议，开发成本与市场需求都不能得到保证，无线网络的高速发展基本上取代了工业物联网的进一步发展。

传统的预测性维护技术依赖于观察许多关键的测量值随时间的变化趋势，通过仔细分析监测结果，熟练的分析人员可以找到对分析有意义的波动而且能够知道导致这些波动出现的设备上故障，分析人员经常困惑于因更改操作而不是故障导致的测量结果上的变化，比如转速或者负载的变化，建立系统和分析监测结果的花费让很多潜在的用户望而却步。

状态监测与故障诊断技术的应用和发展，与十分可观的故障损失和设备维修费密切相关，多年来，企业追求未来更大的经济效益，生产规模不断扩大，生产装置向着大型化、自动化、连续化、单系列化方向发展，装置中的关键设备由于价格昂贵均无备机，一旦发生故障停机，将导致整个装置停产，经济损失十分巨大，设备维修费在成本的比重很大，是一个相当可观的数字。

发明内容

1．要解决的技术问题

针对现有技术中存在的问题，本发明的目的在于提供工业电动机的故障诊断及预测性维护方法。

2．技术方案

为解决上述问题，本发明采用如下的技术方案：

工业电动机的故障诊断及预测性维护方法，包括以下步骤：

S1、电机数据采集：通过电动机关联的传感器、电动机关联的组件获取电动机相关性能数据；

S2、数据分析：将电动机相关性能数据传输至AI智能机器人，获得电动机的故障诊断及预测性维护结论；

S3、维护：自动生成预测性维护计划，用户基于维护计划开展线下维护工作。

作为本发明的一种优选方案，所述电动机性能数据包括电动机电压信号数据、电动机电流信号数据、电动机内部湿度数据、电动机内部温度数据、电动机振动数据和电动机其他运行数据。

作为本发明的一种优选方案，所示电动机关联的传感器包括电压传感器、电流传感器、温度传感器、湿度传感器和振动传感器。