基于无线监测的工业设备故障诊断系统的研发与产业化
186
完成单位:山东科大机电科技股份有限公司
登记编号:ZSCX-D4-J-2-343
登记年份:2020
发布时间:2020-09-21
立项背景:
大型机电设备是工业企业的重要资产,其性能不仅决定了企业的生产效率,还决定了企业的生产安全。但这些机电设备的日常维护还是停留在“人工巡检、定期保养”的状态,这不仅会产生过保养和欠保养的弊端,增加维修成本,还对设备的安全运行产生很大的影响。这些设备一旦突然出现不可预测的故障,会严重影响企业的连续安全生产。
主要内容:
本项目“基于无线监测的工业设备故障诊断系统的研发与产业化”,采用智能传感、无线通信、云边协同计算以及大数据等技术,对工业设备运行状态进行在线监测和安全可靠性管理,为用户安全生产,提质增效以及智能化运行提供保障。本系统通过高速采集无线设备状态监测器和边缘计算数据传输单元,将设备工作参数以及关键部位的状态数据传输至云端服务器,利用系统开发的大型机电设备故障模型和专家系统进行分析,实现对工业备的健康状态评估、故障预测、故障诊断、智能点巡检以及远程运维等,从而提高生产安全风险预警能力、提高管理决策效率和降低运维成本。
研究方法:
1.采用高精度压电陶瓷加速度芯体和高速、高精度A/D模块研发无线设备状态监测器,满足低功耗、高精度、高速采集的技术要求。
2.大型无线传感网络的节点数较多,单个节点发送的数据量大,每次数据传输帧数较多,发生数据碰撞的概率很大。开发相应算法和数据管理机制,采用网关与传感器节点之间的时钟管理,数据分级,分包压缩上传,网关调度管理等机制确保数据完整和可靠上传。
3.系统采用B/S架构,运行在远程服务器上或本地服务器,在大型机电设备的关键部位安装传感器,通过4G/WIFI/以太网将数据传输到后台服务器。由后台的各个功能模块进行分析、处理、预警发布和处理,达到快速预警和快速决策。
4.通过频谱分析技术、设备(以及零部件)数学模型、大量运行历史数据以及系统自学习能力等建立设备多维度诊断故障模型。
效益对比:
本项目已经在淄博矿业集团某矿主通风系统、山东能源某矿主井提升系统、淮北矿业集团某矿地面所有大型设备、内蒙巴彦高勒矿井洗煤系统、龙口矿业集团等智慧矿山项目中进行应用,并于神华集团、中石化胜利油田等大型集团签订了合作项目,正在实施阶段。通过预测性维修,大大减少了计划外停机时间,减少停产损失,及时发现处于萌芽状态的设备故障,以检定修,避免设备的严重损坏,减少设备维修费,同时提高了管理效率,减少检修人员支出费用。2018年7月至今已累计形成销售收入1730万元。
本项目采用了“设备管理+互联网”的模式,整合产品全生命周期数据,形成面向生产组织全过程决策服务信息,为工业系统提供数据支撑,为设备用户和设备制造商提供系统(或设备)健康管理解决方案,包括系统健康状况体检,故障预判,故障分析和诊断,可以实现用户资产价值最大化,提高资产运行效率。
未来以设备作为服务对象的信息服务业将具有非常巨大的市场空间,通过获取数据,并不断发掘数据价值,为整个工业领域提高资源利用效率,延续资产价值,为传统工业转型升级做出贡献。