[发明专利]基于工业物联网的复杂传动链预测性维护系统及方法

权利要求书

1.一种基于工业物联网的复杂传动链预测性维护系统，其特征在于包括硬件设备和云端；

所述硬件设备包括高频传感器网络、高频信号处理装置、智能硬件，高频传感器网络用于实时或周期性采集复杂传动链机构的工作信号，并将采集到的工作信号传输至高频信号处理装置；高频信号处理装置用于对工作信号进行预处理，并将预处理后的工作信号传输至智能硬件；智能硬件用于剔除工作信号中的异常数据，并利用小波特性提取算法对剔除完成后的工作信号进行特征提取，同时将所提取的特征数据进行时序数据队列化；所述智能硬件还设有数据边缘侧到云端的传输接口；

所述云端包括验证与存储模块、分析模块及模型训练模块，验证与存储模块用于对数据进行准确性验证，同时将数据存储在云端；分析模块利用带特征提取的智能算法，对验证与存储后的数据进行分析，同时输出相应的故障特征状态；模型训练模块用于对所述智能硬件所用的小波特性提取算法、所述分析模块所用的带特征提取的智能算法进行训练，并将训练好的特征值下发到智能硬件、分析模块。

2.根据权利要求1所述的一种基于工业物联网的复杂传动链预测性维护系统，其特征在于高频传感器网络包括霍尔类传感器、振动位移类传感器、温度传感器。

3.根据权利要求2所述的一种基于工业物联网的复杂传动链预测性维护系统，其特征在于高频信号处理装置包括电压电流类信号采集处理装置、振动类位移信号采集处理装置。

4.根据权利要求1所述的一种基于工业物联网的复杂传动链预测性维护系统，其特征在于智能硬件为但不限于基于Linux的PLC、智能网关设备中的一种。

5.根据权利要求1所述的一种基于工业物联网的复杂传动链预测性维护系统，其特征在于带特征提取的智能算法采用机器学习类算法，例如BP神经网络算法。

6.一种基于工业物联网的复杂传动链预测性维护方法，其特征在于包括本地端数据处理部分、云端数据处理部分；

本地端数据处理部分的实现步骤为：

(1)针对复杂传动链机构部署霍尔类传感器、振动位移类传感器、温度传感器以构成传感器网络，利用霍尔类传感器、振动位移类传感器、温度传感器分别实时或周期性采集复杂传动链机构的高频电压电流信号、高频振动信号、温度信号；

(2)利用云平台中的大数据，训练本地端的智能硬件所用的小波特性提取算法以及云端的分析模块所用的带特征提取的智能算法，并将训练得到的特征值下发到智能硬件以及分析模块；

(3)利用电压电流类信号采集处理装置对高频电压电流信号进行预处理，完成电压电流类周期信号的复频域变换；利用振动类位移信号采集处理装置对高频振动信号进行预处理，完成振动类信号的小波算法的准备；

(4)将预处理后的高频电压电流信号及高频振动信号、温度信号传送至智能硬件进行处理，剔除各类信号中异常的数据，剔除完成后的数据利用小波特性提取算法进行特征提取，所提取的特征数据进行时序数据队列化；

(5)利用数据边缘侧到云端的传输接口将处理后的高频电压电流数据、高频振动数据及温度数据传送至云端；

云端数据处理部分的实现步骤为：

(1)对到达云端服务器的各类数据分别进行准确性验证，同时将数据存储在云端；

(2)利用带特征提取的智能算法进行数据分析，得出相应的故障特征状态。