[發明專利]一種基于云平臺的風機故障預測與健康管理系統、方法

有效

• 申請號: 201810348793.4
• 申請日: 2018-04-18
• 公開（公告）號: CN108591104B
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 肖利亮;梁衡;柳樹林;吳芳基
• 申請（專利權）人: 廣東寰球智能科技有限公司
• 主分類號: F04D27/00
• 分類號: F04D27/00
• 代理公司: 佛山市禾才知識產權代理有限公司 44379
• 代理人: 資凱亮;單蘊倩

1.一種基于云平臺的風機故障預測與健康管理系統，其特征在于：所述系統包括遠程數據采集模塊、云平臺、地鐵控制中心和客戶端；

所述遠程數據采集模塊用于采集風機數據并將采集到的數據上傳至所述云平臺，所述遠程數據采集模塊包括分布式數據采集系統和邊緣數據采集設備；

所述云平臺用于對所述遠程數據采集模塊上傳的數據進行分析，根據數據分析結果對風機進行管理，所述云平臺包括預測性維護管理模塊、信息管理與存儲中心和應用服務器，所述預測性維護管理模塊包括數據轉換模塊和數據診斷分析模塊；

地鐵控制中心用于接收來自應用服務器的實時數據與歷史數據，同時接收數據轉換模塊的狀態報警數據；

所述客戶端用于工作人員監控地鐵風機運行參數、健康狀況；

所述數據轉換模塊對所述邊緣數據采集設備上傳的原始數據進行數據預處理和特征提取，所述數據預處理包括濾波處理、解調處理、分解處理和重構處理，恢復信號的原貌并獲取有用數據，所述特征提取包括利用特征提取算法對時域信號和頻域信號特征數據的分析，所述特征數據的分析包括分析波形指標、脈沖指標、峭度指標、裕度指標、峰峰值、重心頻率、均方頻率、頻率方差和頻率標準差，所述特征提取算法包括小波包分解、主成分分析、經驗模態分解，對融合多種信息源的實時特征值進行判別。

2.根據權利要求1所述一種基于云平臺的風機故障預測與健康管理系統，其特征在于：

所述遠程數據采集模塊設置分布式數據采集系統和邊緣數據采集設備，所述分布式數據采集系統包括傳感器，所述傳感器包括三向振動傳感器、溫度傳感器、電流傳感器、電壓傳感器和轉速傳感器，實時采集地鐵風機運行過程中的狀態數據，所述狀態數據包括軸承三向振動、軸承座溫度、電機轉速、電機電流和電機電壓數據，所述邊緣數據采集設備采集地鐵隧道各種工況數據、環境數據和維修工單數據；

所述邊緣數據采集設備收集所述分布式數據采集系統上傳的各種原始數據并對這些數據進行邊緣計算，然后將邊緣計算之后的原始數據上傳所述云平臺，供云平臺的預測性維護管理模塊進行數據分析和處理，把采集上來的維護工單數據供信息管理模塊進行分類管理。

3.根據權利要求1所述一種基于云平臺的風機故障預測與健康管理系統，其特征在于：

所述數據診斷分析模塊用于對特征數據進行信號處理，包括健康評估、故障診斷和衰退預測，分析出地鐵風機實時的健康狀態，預測地鐵風機剩余使用壽命和預測健康度的發展趨勢。

4.根據權利要求1所述一種基于云平臺的風機故障預測與健康管理系統，其特征在于：

所述云平臺還包括信息管理與存儲中心，所述信息管理與存儲中心包括信息管理模塊和歷史數據存儲模塊，所述信息管理模塊用于對含有多種信息源的數據進行分類管理，并根據信息的類型分為特征數據、維護工單數據、基礎數據和狀態數據，實現對地鐵風機全生命周期的數據進行分類和管理；

所述信息管理模塊匯總每臺風機實際生產過程中的信息，實際生產過程中的信息包括特征數據、維護工單數據、基礎數據和狀態數據，同時結合風機當前的工作的工況、零部件和維護人員情況，自動生成風機維修排程計劃，風機維修排程計劃涵括風機工單號、優先級、設備名稱、維修任務、故障來源、當前狀態和負責人。

5.根據權利要求4所述一種基于云平臺的風機故障預測與健康管理系統，其特征在于：

所述歷史數據存儲模塊用于存儲地鐵風機全生命周期的數據，存儲的數據作為歷史數據被所述數據診斷分析模塊調用或者直接發送到所述應用服務器。

6.根據權利要求1所述一種基于云平臺的風機故障預測與健康管理系統，其特征在于：

所述云平臺還包括應用服務器，所述應用服務器用于接收所述數據診斷分析模塊的實時數據和歷史數據存儲模塊的歷史數據，然后通過網絡傳輸協議把地鐵風機各種數據推送給所述地鐵控制中心和所述客戶端。