CN114215779A - 一种工业风扇的故障预知诊断方法和装置 - Google Patents
一种工业风扇的故障预知诊断方法和装置 Download PDFInfo
- Publication number
- CN114215779A CN114215779A CN202111435878.4A CN202111435878A CN114215779A CN 114215779 A CN114215779 A CN 114215779A CN 202111435878 A CN202111435878 A CN 202111435878A CN 114215779 A CN114215779 A CN 114215779A
- Authority
- CN
- China
- Prior art keywords
- data
- industrial fan
- data set
- scrap iron
- diagnosis result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 123
- 229910052742 iron Inorganic materials 0.000 claims abstract description 61
- 238000003745 diagnosis Methods 0.000 claims abstract description 41
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 11
- 239000010687 lubricating oil Substances 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 6
- 239000003638 chemical reducing agent Substances 0.000 claims description 5
- 239000003921 oil Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 238000005299 abrasion Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种工业风扇的故障预知诊断方法和装置，所述方法包括：获取工业风扇数据；将获取的震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；根据所述第一数据集、工业风扇的温度数据和铁屑含量数据，结合预设数据集进行比对和诊断，获得诊断结果；将所述第一数据集所述诊断结果发送至WIFI串口服务器，以使所述WIFI串口服务器将所述第一数据集和所述诊断结果发送至中控信息系统。相对于现有技术，可以实现在工业风扇运作过程中的实时检测；获取的数据具有全面性，维护人员能及时知晓工业风扇的工作状态，减少维护人员在诊断工业风扇上耗费的时间，及时预知并诊断故障，达到节省维护成本并减少工业风扇的报废率的目的。
Description
技术领域
本发明涉及故障预知诊断领域，尤其涉及一种工业风扇的故障预知诊断方法和装置。
背景技术
超大工业风扇现已被广泛应用于各生产车间及仓库。超大工业风扇的安装方式通常是悬吊式，安装于厂房的顶部，距离地面高度在十米以上，超大工业风扇的下方为作业区域。这类风扇平时主要依赖于一年一次的滑油更换等来进行维保，但是根据近年来的维保数据，每年有大量的超大工业风扇主机故障导致报废，经过分析，故障基本是由以下原因构成的：齿轮磨损后铁屑沉淀到底部轴承，使轴承磨损，之后发生偏摆，进一步加剧齿轮磨损；电机轴承进入灰尘及铁屑加剧磨损后，由于没有及时发现，轴承磨损愈发严重，最后保持架碎裂电机轴偏摆导致电机损毁。
目前避免故障的方法是定期更换随行电缆线以及在维修保养中更换主机减速箱内的滑油、检查紧固部位是否松动、扇叶是否有磕碰以及清理积灰等。但是由于保养时需要使用到登高车作业，登高车升到主机位置时要穿过扇叶的间隙，所以无法进行运行状态下检查，而一些故障的检测或者保养无法完成或被忽略，从而难以对风扇存在的问题对症下药，技术人员或管理人员容易错过本来应该发现的故障征兆。
发明内容
本发明提供了一种工业风扇的故障预知诊断方法和装置，以解决在工业风扇运行状态下对故障进行自动预知和诊断的技术问题。
为了解决上述技术问题，本发明实施例提供了一种工业风扇的故障预知诊断方法，包括：
获取工业风扇的减速箱中预设时间内的铁屑含量数据、所述工业风扇的震动数据和所述工业风扇的温度数据；
将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；
根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果；
将所述第一数据集和所述诊断结果发送至WIFI串口服务器，以使所述WIFI 串口服务器将所述第一数据集和所述诊断结果发送至中控信息系统。
进一步的，所述将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集，具体为：
将获取到的所述震动数据进行快速傅里叶变换获得在预设时段内对应的频谱数据，将所述频谱数据进行积分得到对应的第一数据集。
进一步的，所述根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果，具体为：
将所述第一数据集与所述预设数据集进行实时比对，判断所述第一数据集是否有非正常波峰；
当所述第一数据集中没有出现非正常波峰，则确认无故障；当所述第一数据集中出现非正常波峰，则根据非正常波峰的类型，确认对应的故障类型；
将所述铁屑含量数据、所述温度数据与所述预设数据集进行实时比对，根据比对结果得到所述工业风扇的温度状态以及所述工业风扇的减速箱的通断状态。
进一步的，所述获取工业风扇的减速箱中预设时间内的铁屑含量数据、所述工业风扇的震动数据和所述工业风扇的温度数据，具体为：
通过滑油铁屑传感器获取工业风扇的减速箱中预设时间内的铁屑含量数据、通过声电换能器获取所述工业风扇的震动数据以及通过温度传感器获取所述工业风扇的温度数据。
进一步的，所述通过滑油铁屑传感器获取工业风扇的减速箱中预设时间内的铁屑含量数据，具体为：
通过所述滑油铁屑传感器的感应部位检测所述减速箱中预设时间内的铁屑含量，获得所述铁屑含量数据；其中，所述滑油铁屑传感器通过油封的形式安装在所述工业风扇的主机减速箱上。
进一步的，所述声电换能器的感应面和所述温度传感器的感应面均与所述工业风扇的主机电机贴合安装。
进一步的，在所述获得诊断结果之后，还包括：每隔第一预设时间发送心跳指令发送至所述WIFI串口服务器，以使所述WIFI串口服务器每隔所述第一预设时间发送心跳包至所述中控信息系统。
相应的，本发明实施例还提供了一种工业风扇的故障预知诊断装置，包括信号采集分析系统和中控信息系统；其中，所述信号采集分析系统包括滑油铁屑传感器、声电换能传感器、温度传感器、嵌入式计算机和WIFI串口服务器；
所述滑油铁屑传感器用于获取工业风扇的减速箱中预设时间内的铁屑含量数据，并将所述铁屑含量数据发送至嵌入式计算机；
所述声电换能传感器用于实时获取所述工业风扇的震动数据，并将所述震动数据发送至嵌入式计算机；
所述温度传感器用于实时获取所述工业风扇的温度数据，并将所述温度数据发送至嵌入式计算机；
所述嵌入式计算机用于将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果；并将所述第一数据集和所述诊断结果发送至所述WIFI串口服务器，以及每隔预设时间发送心跳指令发送至所述WIFI串口服务器；
所述WIFI串口服务器用于将所述第一数据集和所述诊断结果发送至中控信息系统，并每隔所述第一预设时间发送心跳包至所述中控信息系统。
进一步的，所述中控信息系统包括塔式服务器、显示器、键盘、鼠标和无线交换机；其中，
所述无线交换机用于为所述信号采集分析系统提供网络接入；
所述塔式服务器用于将所述第一数据集存储进数据库；
所述显示器用于展示所述工业风扇的信息；
所述键盘和所述鼠标用于与管理员进行信息交互。
进一步的，所述显示器用于展示所述工业风扇的信息，具体为：所述显示器用于展示所述第一数据集、所述诊断结果、所述工业风扇在车间厂房的分布信息、运行状态、运行时间、实时健康状况、历史维修保养记录和下次保养时间。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种工业风扇的故障预知诊断方法和装置，所述方法包括：获取工业风扇数据；将获取的震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；根据所述第一数据集、工业风扇的温度数据和铁屑含量数据，结合预设数据集进行比对和诊断，获得诊断结果；将所述第一数据集所述诊断结果发送至WIFI串口服务器，以使所述WIFI串口服务器将所述第一数据集和所述诊断结果发送至中控信息系统。相对于现有技术，可以实现在工业风扇运作过程中的实时检测；获取的数据包括铁屑含量数据、震动数据和温度数据，具有全面性，维护人员能知晓工业风扇的工作状态，减少维护人员在诊断工业风扇上耗费的时间，及时预知并诊断故障，达到节省维护成本并减少工业风扇的报废率的目的。
附图说明
图1为本发明基于工业风扇的故障预知诊断方法提供的一种实施例的流程示意图。
图2为本发明基于工业风扇的故障预知诊断装置提供的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
请参照图1，图1为本发明实施例提供的一种工业风扇的故障预知诊断方法，包括步骤S1至步骤S4，其中，
步骤S1，获取工业风扇的减速箱中预设时间内的铁屑含量数据、所述工业风扇的震动数据和所述工业风扇的温度数据。
在本实施例中，获取工业风扇的减速箱中预设时间内的铁屑含量数据、所述工业风扇的震动数据和所述工业风扇的温度数据，具体为：
通过滑油铁屑传感器获取工业风扇的减速箱中预设时间内的铁屑含量数据、通过声电换能器获取所述工业风扇的震动数据以及通过温度传感器获取所述工业风扇的温度数据。
具体地，将所述滑油铁屑传感器通过油封的形式安装在所述工业风扇的主机减速箱上。所述声电换能器的感应面和所述温度传感器的感应面均与所述工业风扇的主机电机贴合安装。
通过所述滑油铁屑传感器的感应部位检测所述主机减速箱内的滑油中的铁屑含量(在齿轮发生磨损时，会产生铁屑)，获得所述铁屑含量数据，这些铁屑含量的数据反映了工业风扇主机的减速箱的通断状态。
步骤S2，将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集。
具体地，在本实施例中，将获取到的所述震动数据进行快速傅里叶变换获得在预设时段内对应的频谱数据，将所述频谱数据进行积分得到对应的第一数据集。
步骤S3，根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果。
具体地，将所述第一数据集与所述预设数据集进行实时比对，判断所述第一数据集是否有非正常波峰或非正常频率；当所述第一数据集中没有出现非正常波峰，则确认无故障；当所述第一数据集中出现非正常波峰，则根据非正常波峰的类型，确认对应的故障类型；计算机可根据预设数据中该频域代表的故障类型(例如轴承磨损、润滑不足、扇叶动平衡异常等)可获得相应的结果，并根据该频率波峰值大小与预设的相应的故障容忍度表中数值比对，进而计算出该故障发生概率。
将所述铁屑含量数据、所述温度数据与所述预设数据集进行实时比对，根据比对结果得到所述工业风扇温度状态以及所述工业风扇的减速箱的通断状态。
当工业风扇的减速箱中轮出现磨，铁屑会进入到减速箱的滑油中，滑油铁屑传感器导通，计算机可直接判断该信号的故障类型为齿轮磨损。相应的，温度传感器采集的温度数值超过预设的最高正常温度，计算机判断故障类型为过热。
步骤S4，将所述第一数据集和所述诊断结果发送至WIFI串口服务器，以使所述WIFI串口服务器将所述第一数据集和所述诊断结果发送至中控信息系统。
同时，在本实施例中，所述故障预知诊断方法在获取了诊断结果之后，还会每隔一段预设的时间发送心跳指令至所述WIFI串口服务器，以使所述WIFI 串口服务器每隔所述第一预设时间发送心跳包至所述中控信息系统。
相应的参照图2，本发明实施例还提供了一种工业风扇的故障预知诊断装置，包括信号采集分析系统101和中控信息系统102；其中，所述信号采集分析系统包括滑油铁屑传感器1011、声电换能传感器1012、温度传感器1013、嵌入式计算机1014和WIFI串口服务器1015；
所述滑油铁屑传感器1011用于获取工业风扇的减速箱中预设时间内的铁屑含量数据，并将所述铁屑含量数据发送至嵌入式计算机1014；
所述声电换能传感器1012用于实时获取所述工业风扇的震动数据，并将所述震动数据发送至嵌入式计算机1014；
所述温度传感器1013用于实时获取所述工业风扇的温度数据，并将所述温度数据发送至嵌入式计算机1014；
所述嵌入式计算机1014用于将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果；并将所述第一数据集和所述诊断结果发送至所述WIFI串口服务器1015，以及每隔预设时间发送心跳指令发送至所述WIFI串口服务器1015；本实施例的所述嵌入式计算机1014是一个拥有自主学习功能的微型计算机电路。
所述WIFI串口服务器1015用于将所述第一数据集和所述诊断结果发送至中控信息系统102，并每隔所述第一预设时间发送心跳包至所述中控信息系统。
进一步的，所述中控信息系统包括塔式服务器、显示器、键盘、鼠标和无线交换机；其中，
所述无线交换机用于为所述信号采集分析系统提供网络接入；
所述塔式服务器用于将所述第一数据集存储进数据库；同时安装对应的智能管理软件。
所述显示器用于展示所述工业风扇的信息；
所述键盘和所述鼠标用于与管理员进行信息交互。管理员可通过显示器的人机界面查询到所有工业风扇的信息，同时可以访问到Web数据信息访问界面。
进一步的，所述显示器用于展示所述工业风扇的信息供管理员访问，具体为：所述显示器用于展示所述第一数据集、所述诊断结果、所述工业风扇在车间厂房的分布信息、运行状态、运行时间、实时健康状况、历史维修保养记录和下次保养时间。管理员也可以使用同一网络的办公室电脑登录中控信息系统 102的Web界面查询以上信息。
本实施例的故障预知诊断装置，安装简单，通用性强，投入成本低廉，不需要人工登高到达主机位置就可以对其进行运行状态的检测，检测时也不需要停止工业风扇的运行，无需等待停线或与生产交叉作业，能不简单地对辖区内的所有工业风扇进行持续检测，简化了检测流程，节省了人力资源和物力资源。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种工业风扇的故障预知诊断方法和装置，所述方法包括：获取工业风扇数据；将获取的震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；根据所述第一数据集、工业风扇的温度数据和铁屑含量数据，结合预设数据集进行比对和诊断，获得诊断结果；将所述第一数据集所述诊断结果发送至WIFI串口服务器，以使所述WIFI串口服务器将所述第一数据集和所述诊断结果发送至中控信息系统。相对于现有技术，可以实现在工业风扇运作过程中的实时检测；获取的数据包括铁屑含量数据、震动数据和温度数据，具有全面性，维护人员能知晓工业风扇的工作状态，减少维护人员在诊断工业风扇上耗费的时间，及时预知并诊断故障，达到节省维护成本并减少工业风扇的报废率的目的。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种工业风扇的故障预知诊断方法，其特征在于，包括：
获取工业风扇的减速箱中预设时间内的铁屑含量数据、所述工业风扇的震动数据和所述工业风扇的温度数据；
将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；
根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果；
将所述第一数据集和所述诊断结果发送至WIFI串口服务器，以使所述WIFI串口服务器将所述第一数据集和所述诊断结果发送至中控信息系统。
2.如权利要求1所述的一种工业风扇的故障预知诊断方法，其特征在于，所述将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集，具体为：
将获取到的所述震动数据进行快速傅里叶变换获得在预设时段内对应的频谱数据，将所述频谱数据进行积分得到对应的第一数据集。
3.如权利要求1所述的一种工业风扇的故障预知诊断方法，其特征在于，所述根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果，具体为：
将所述第一数据集与所述预设数据集进行实时比对，判断所述第一数据集是否有非正常波峰；
当所述第一数据集中没有出现非正常波峰，则确认无故障；当所述第一数据集中出现非正常波峰，则根据非正常波峰的类型，确认对应的故障类型；
将所述铁屑含量数据、所述温度数据与所述预设数据集进行实时比对，根据比对结果得到所述工业风扇的温度状态以及所述工业风扇的减速箱的通断状态。
4.如权利要求1所述的一种工业风扇的故障预知诊断方法，其特征在于，所述获取工业风扇的减速箱中预设时间内的铁屑含量数据、所述工业风扇的震动数据和所述工业风扇的温度数据，具体为：
通过滑油铁屑传感器获取工业风扇的减速箱中预设时间内的铁屑含量数据、通过声电换能器获取所述工业风扇的震动数据以及通过温度传感器获取所述工业风扇的温度数据。
5.如权利要求4所述的一种工业风扇的故障预知诊断方法，其特征在于，所述通过滑油铁屑传感器获取工业风扇的减速箱中预设时间内的铁屑含量数据，具体为：
通过所述滑油铁屑传感器的感应部位检测所述减速箱中预设时间内的铁屑含量，获得所述铁屑含量数据；其中，所述滑油铁屑传感器通过油封的形式安装在所述工业风扇的主机减速箱上。
6.如权利要求4所述的一种工业风扇的故障预知诊断方法，其特征在于，所述声电换能器的感应面和所述温度传感器的感应面均与所述工业风扇的主机电机贴合安装。
7.如权利要求1所述的一种工业风扇的故障预知诊断方法，其特征在于，在所述获得诊断结果之后，还包括：每隔第一预设时间发送心跳指令发送至所述WIFI串口服务器，以使所述WIFI串口服务器每隔所述第一预设时间发送心跳包至所述中控信息系统。
8.一种工业风扇的故障预知诊断装置，其特征在于，包括信号采集分析系统和中控信息系统；其中，所述信号采集分析系统包括滑油铁屑传感器、声电换能传感器、温度传感器、嵌入式计算机和WIFI串口服务器；
所述滑油铁屑传感器用于获取工业风扇的减速箱中预设时间内的铁屑含量数据，并将所述铁屑含量数据发送至嵌入式计算机；
所述声电换能传感器用于实时获取所述工业风扇的震动数据，并将所述震动数据发送至嵌入式计算机；
所述温度传感器用于实时获取所述工业风扇的温度数据，并将所述温度数据发送至嵌入式计算机；
所述嵌入式计算机用于将获取到的所述震动数据进行快速傅里叶变换并进行频谱分析，获得第一数据集；根据所述第一数据集、所述铁屑含量数据和所述温度数据，与预设数据集进行比对并诊断所述工业风扇的状态，获得诊断结果；并将所述第一数据集和所述诊断结果发送至所述WIFI串口服务器，以及每隔预设时间发送心跳指令发送至所述WIFI串口服务器；
所述WIFI串口服务器用于将所述第一数据集和所述诊断结果发送至中控信息系统，并每隔所述第一预设时间发送心跳包至所述中控信息系统。
9.如权利要求8所述的一种工业风扇的故障预知诊断装置，其特征在于，所述中控信息系统包括塔式服务器、显示器、键盘、鼠标和无线交换机；其中，
所述无线交换机用于为所述信号采集分析系统提供网络接入；
所述塔式服务器用于将所述第一数据集存储进数据库；
所述显示器用于展示所述工业风扇的信息；
所述键盘和所述鼠标用于与管理员进行信息交互。
10.如权利要求9所述的一种工业风扇的故障预知诊断装置，其特征在于，所述显示器用于展示所述工业风扇的信息，具体为：所述显示器用于展示所述第一数据集、所述诊断结果、所述工业风扇在车间厂房的分布信息、运行状态、运行时间、实时健康状况、历史维修保养记录和下次保养时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111435878.4A CN114215779A (zh) | 2021-11-29 | 2021-11-29 | 一种工业风扇的故障预知诊断方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111435878.4A CN114215779A (zh) | 2021-11-29 | 2021-11-29 | 一种工业风扇的故障预知诊断方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114215779A true CN114215779A (zh) | 2022-03-22 |
Family
ID=80698832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111435878.4A Withdrawn CN114215779A (zh) | 2021-11-29 | 2021-11-29 | 一种工业风扇的故障预知诊断方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114215779A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1080347A1 (en) * | 1998-05-20 | 2001-03-07 | Reid Asset Management Company | Diagnostic vibration data collector and analyzer |
| WO2002046744A2 (de) * | 2000-12-05 | 2002-06-13 | Zf Friedrichshafen Ag | Verfahren und einrichtung zur maschinendiagnose und insbesondere zur getriebediagnose |
| CN103809556A (zh) * | 2013-12-12 | 2014-05-21 | 神华集团有限责任公司 | 风机状态监控系统和方法 |
| CN103940608A (zh) * | 2014-04-29 | 2014-07-23 | 中能电力科技开发有限公司 | 一种提高风电机组齿轮箱故障等级判断精度的方法 |
| CN109580217A (zh) * | 2018-09-27 | 2019-04-05 | 中北大学 | 一种风电齿轮箱的故障监测方法 |
| US20190310164A1 (en) * | 2018-04-06 | 2019-10-10 | United Technologies Corporation | Integrated vibe/odm fusion and trending analysis for prognostic health management of engine bearing |
| CN112665856A (zh) * | 2020-12-16 | 2021-04-16 | 华东交通大学 | 一种齿轮箱在线监测系统 |
-
2021
- 2021-11-29 CN CN202111435878.4A patent/CN114215779A/zh not_active Withdrawn
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1080347A1 (en) * | 1998-05-20 | 2001-03-07 | Reid Asset Management Company | Diagnostic vibration data collector and analyzer |
| WO2002046744A2 (de) * | 2000-12-05 | 2002-06-13 | Zf Friedrichshafen Ag | Verfahren und einrichtung zur maschinendiagnose und insbesondere zur getriebediagnose |
| CN103809556A (zh) * | 2013-12-12 | 2014-05-21 | 神华集团有限责任公司 | 风机状态监控系统和方法 |
| CN103940608A (zh) * | 2014-04-29 | 2014-07-23 | 中能电力科技开发有限公司 | 一种提高风电机组齿轮箱故障等级判断精度的方法 |
| US20190310164A1 (en) * | 2018-04-06 | 2019-10-10 | United Technologies Corporation | Integrated vibe/odm fusion and trending analysis for prognostic health management of engine bearing |
| CN109580217A (zh) * | 2018-09-27 | 2019-04-05 | 中北大学 | 一种风电齿轮箱的故障监测方法 |
| CN112665856A (zh) * | 2020-12-16 | 2021-04-16 | 华东交通大学 | 一种齿轮箱在线监测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 吴昊;余小辉;: "大功率立磨减速机远程在线状态智能监测装置及系统设计", 智能制造, no. 04 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110937489B (zh) | 自动扶梯的在线故障监控预警方法及系统 | |
| JP5460160B2 (ja) | 設備機器の診断装置 | |
| CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
| JP2018179986A (ja) | 異常診断装置およびプログラム | |
| KR102068077B1 (ko) | 복합 신호를 이용한 회전기계설비 진단장치 | |
| CN112014048B (zh) | 盾构机刀盘检测及修复方法 | |
| CN114487361A (zh) | 一种油液在线监测系统 | |
| CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
| CN113030443A (zh) | 一种基于动态自适应趋势分析的地铁车辆油液智能监测方法及判断模型 | |
| CN110989498A (zh) | 一种数控机床监控系统 | |
| CN110303592B (zh) | 基于震动信息的混凝土生产设备在线故障检测方法及系统 | |
| KR20130045589A (ko) | 진동센서를 이용한 진단시스템 | |
| CN115931335A (zh) | 一种汽轮机主轴设备故障诊断方法 | |
| KR102714173B1 (ko) | 진공펌프의 고장 진단 시스템 | |
| CN114215779A (zh) | 一种工业风扇的故障预知诊断方法和装置 | |
| CN110208027B (zh) | 混凝土生产设备在线故障检测方法及检测系统 | |
| JP3568939B2 (ja) | 回転機械の軸振動解析による状態診断方法及び装置 | |
| CN106586841A (zh) | 起重装备减速机运行状态监测方法及系统 | |
| CN112945374A (zh) | 基于噪音分贝的混凝土生产设备在线故障检测方法及系统 | |
| CN103807308A (zh) | 核电站在线对滚动轴承进行降温的方法 | |
| Mahalungkar et al. | Online and manual (offline) vibration monitoring of equipment for reliability centered maintenance | |
| CN114298334A (zh) | 机床主轴预测性维护系统及方法 | |
| CN114897386A (zh) | 一种基于元动作理论的fmeca分析方法 | |
| CN108792872B (zh) | 一种基于LoRa的超远程电梯维护监控方法 | |
| KIM et al. | A Study on the Equipment Data Collection and Developing Next Generation Integrated PHM System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220322 |
|
| WW01 | Invention patent application withdrawn after publication |