[发明专利]一种机械设备的预测性维护方法和维护系统

说明书

本发明公开了一种机械设备的预测性维护方法和维护系统，属于工业信息的采集与分析技术领域。本发明的机械设备的预测性维护方法包括：采集器获取待测设备的原始振动加速度数据和原始温度数据；智能网关将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；云平台处理振动加速度振幅数据和原始温度数据与待测设备的对应关系并存储；人工智能引擎对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；云平台将有标签的故障特征和原始温度数据发送；APP或Web显示；根据有标签的故障特征或原始温度数据对待测设备进行维护。在本发明中实现机械设备的预测性维护，避免无效人工作业，利于自动化操作。

技术领域

本发明涉及工业信息的采集与分析技术领域，特别涉及一种机械设备的预测性维护方法和维护系统。

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（PredictiveMaintenance,PdM），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。

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

本发明所要解决的技术问题是：提供一种机械设备的预测性维护方法和维护系统，以通过机械设备运转时的振动加速度，振动速度或振动位移，来检测机械设备的健康状况，实现对机械设备进行预测性维护，避免重大财产损失。

为了实现上述目的，本发明采用的第一个技术方案是：提供一种机械设备的预测性维护方法，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待测设备的原始温度数据，并将原始振动加速度数据和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，然后将振动加速度振幅数据和原始温度数据进行传输；数据对应并储存步骤，其利用云平台处理振动加速度振幅数据和原始温度数据与待测设备的对应关系，并将振动加速度振幅数据、原始温度数据和对应关系存储在数据库中，然后将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，并将有标签的故障特征反馈给云平台，其中标签包括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，其利用云平台将有标签的故障特征和原始温度数据进行传输给APP或Web，APP或Web显示有标签的故障特征和原始温度数据；以及设备维护步骤，其根据有标签的故障特征或原始温度数据对待测设备进行维护，记录操作日志，并将有标签的故障特征或原始温度数据和操作日志存储在云平台中。