[发明专利]一种机械设备的预测性维护方法和维护系统

权利要求书

1.一种机械设备的预测性维护方法，其特征在于，包括：

采集数据步骤，其通过采集器获取待测设备的原始振动加速度数据和所述待测设备的原始温度数据，并将所述原始振动加速度数据和所述原始温度数据进行传输；

数据预处理步骤，其通过智能网关将所述原始振动加速度数据进行预处理，得到带有时间戳的振动加速度振幅数据，然后将所述振动加速度振幅数据和所述原始温度数据进行传输；

数据对应并储存步骤，其利用云平台处理所述振动加速度振幅数据和所述原始温度数据与所述待测设备的对应关系，并将所述振动加速度振幅数据、所述原始温度数据和所述对应关系存储在数据库中，然后将所述振动加速度振幅数据进行传输；

故障特征提取步骤，其通过人工智能引擎对所述振动加速度振幅数据进行分析处理得到有标签的故障特征，并将所述有标签的故障特征反馈给所述云平台，其中标签包括所述待测设备的运行情况，故障发生的时间和相应的故障类型；

APP或Web显示步骤，其利用所述云平台将所述有标签的故障特征和所述原始温度数据进行传输给所述APP或Web，所述APP或Web显示所述有标签的故障特征和所述原始温度数据；以及

设备维护步骤，其根据所述有标签的故障特征或所述原始温度数据对所述待测设备进行维护，记录操作日志，并将所述有标签的故障特征或所述原始温度数据和所述操作日志存储在所述云平台中，其中

所述分析处理的过程包括，将所述振动加速度振幅数据进行计算处理得到所述待测设备的转速、振动速度或振动位移，然后将所述转速、所述振动速度或所述振动位移进行无监督学习算法实现对故障特征的聚类分析，最后经过模式识别的方式得到所述有标签的故障特征。

2.根据权利要求1所述的机械设备的预测性维护方法，其特征在于，所述采集器包括振动传感器和温度传感器。

3.根据权利要求1所述的机械设备的预测性维护方法，其特征在于，所述预处理的过程包括，先将所述原始振动加速度数据进行规范化处理，改变振幅，再进行格式化、过滤噪声数据、添加时间戳。

4.根据权利要求1所述的机械设备的预测性维护方法，其特征在于，所述故障类型包括“轻微”，“警告”，“严重”，“损坏”四个阶段，所述四个阶段分别对应有相应的阈值、游标值和触发值。

5.一种机械设备的预测性维护系统，其特征在于，包括：

采集器，其获取待测设备的原始振动加速度数据和原始温度数据，并将所述原始振动加速度数据和所述原始温度数据进行传输；

智能网关，其将所述原始振动加速度数据进行预处理得到带有时间戳的振动加速度振幅数据，然后将所述振动加速度振幅数据和所述原始温度数据进行传输；

云平台，其处理所述振动加速度振幅数据和所述原始温度数据与所述待测设备的对应关系，并将所述振动加速度振幅数据、所述原始温度数据和所述对应关系存储在数据库中，然后将所述振动加速度振幅数据进行传输；

人工智能引擎，其对所述振动加速度振幅数据进行分析处理得到有标签的故障特征，其中标签包括所述待测设备的运行情况，故障发生的时间和相应的故障类型；

所述云平台，其接收所述有标签的故障特征，并将所述有标签的故障特征和所述原始温度数据进行传输；

APP或Web，其将所述有标签的故障特征和所述原始温度数据显示在界面上，以及

用户，其根据所述有标签的故障特征或所述原始温度数据对所述待测设备进行维护，记录操作日志，并将所述有标签的故障特征或所述原始温度数据和所述操作日志存储在所述云平台中，其中

所述分析处理的过程包括，将所述振动加速度振幅数据进行计算处理得到所述待测设备的转速、振动速度或振动位移，然后将所述转速、所述振动速度或所述振动位移进行无监督学习算法实现对故障特征的聚类分析，最后经过模式识别的方式得到所述有标签的故障特征。

6.根据权利要求5所述的机械设备的预测性维护系统，其特征在于，所述采集器包括振动传感器和温度传感器。