本發(fā)明涉及智能化監(jiān)控，具體涉及一種低溫流體裝卸臂用快速拼接方法。

背景技術：

1、低溫流體裝卸臂在工業(yè)生產過程中承擔著重要的物料輸送任務，其安全性和可靠性直接影響到整個生產系統(tǒng)的穩(wěn)定運行，隨著工業(yè)自動化水平的不斷提高，如何有效地對裝卸臂進行實時監(jiān)測和故障預警成為了一個亟待解決的技術難題，傳統(tǒng)的監(jiān)測手段往往依賴于人工定期巡檢，不僅效率低下，而且容易錯過潛在的安全隱患，近年來，隨著傳感器技術和數據分析方法的發(fā)展，基于振動信號的智能監(jiān)測技術逐漸成為了研究熱點。

2、目前市面上常見的低溫流體裝卸臂監(jiān)測系統(tǒng)主要采用以下幾種技術方案：一是基于振動信號的直接監(jiān)測，通過安裝在裝卸臂關鍵部位的振動傳感器實時采集振動數據，然后利用簡單的閾值判斷來識別設備是否處于異常狀態(tài)，這種方案的優(yōu)點在于實現簡單，但缺點是誤報率較高，難以精確識別具體故障類型；二是基于機器學習的預測性維護，結合歷史數據訓練模型，通過模型預測未來可能出現的故障，雖然能夠提高預警準確性，但對于數據的質量和數量要求較高，且模型訓練周期較長；三是頻譜分析法，利用快速傅里葉變換(fft)將時域信號轉換為頻域信號，通過分析頻譜特征來診斷故障，這種方法能夠有效識別特定頻率下的異常情況，但在復雜工況下，頻譜特征可能不夠明顯，導致診斷困難。

3、針對現有技術存在的不足，本發(fā)明提出了一種新型的低溫流體裝卸臂用快速拼接方法，該方法不僅結合了振動信號時域分析和頻域分析的優(yōu)點，還引入了綜合評分機制和多級預警體系，能夠在第一時間準確地定位故障源，并及時發(fā)出警告信號；相較于傳統(tǒng)方法，本發(fā)明具有精準度高的特點，通過對振動信號的多種時域特征進行綜合評估，能夠更全面地反映設備的運行狀態(tài)；同時具備響應速度快的優(yōu)勢，采用快速傅里葉變換技術，能在短時間內完成從信號采集到故障診斷的全過程；此外，本發(fā)明的適用性強，適用于各種不同類型和工況下的低溫流體裝卸臂，具有廣泛的實用價值。

技術實現思路

1、本發(fā)明的目的在于提供一種低溫流體裝卸臂用快速拼接方法，本發(fā)明的技術方案如下：首先，將監(jiān)測周期劃分為多個等長的時間子單元，并進一步將每個時間子單元細分成等長的時間小單元，在每個時間小單元的中間時刻，采集設備的振動信號值，然后整合所有采集到的振動信號值，提取振動信號的時域特征；接著，基于提取到的時域特征，計算設備的振動分數，并據此生成設備狀態(tài)信號，對于異常信號，進一步分析其時域特征，生成預警信號；隨后，將所有振動信號轉換為頻域信號，構建頻譜圖，并識別頻譜圖中的特征頻率及其對應的異常峰值；最后，根據不同類型的機械故障對應的特有頻譜特征，通過匹配分析，準確判斷出故障發(fā)生的部位，并發(fā)出相應的警告信號。

2、本發(fā)明的目的可以通過以下技術方案實現：

3、一種低溫流體裝卸臂用快速拼接方法，包括以下步驟：

4、采集裝卸臂設備的振動信號值，得到振動信號的時域特征；

5、其中，振動信號的時域特征包括振動峰值、平均值、標準差和峭度；

6、對振動信號的時域特征進行處理，得到設備的振動分數，生成設備狀態(tài)信號；

7、其中，設備狀態(tài)信號包括設備異常信號和設備正常信號；

8、基于設備異常信號，對振動信號的時域特征進行單獨分析，生成相應預警信號；

9、基于預警信號，整合所有振動信號，構建頻譜圖；

10、對頻譜圖進行特征頻率識別，得到存在異常高振幅的異常峰值；

11、根據不同類型的機械故障對應特有的頻譜特征，通過匹配分析，得到故障發(fā)生的部位，同時發(fā)出對應的警告信號。

12、作為本發(fā)明進一步的方案：振動信號的時域特征獲得過程為：

13、將監(jiān)測周期劃分為若干個等長的時間子單元，將時間子單元劃分為若干個等長的時間小單元，采集時間小單元處于中間時刻時，設備的振動信號值；

14、將時間子單元內所有的振動信號值整合為振動序列，提取振動序列中絕對值最大的振動信號值，記為單元振動峰值；

15、按照均值計算公式對時間子單元內的振動信號進行處理，得到時間子單元內振動信號的平均數據；

16、按照標準差計算公式對時間子單元內的振動信號進行處理，得到時間子單元內振動信號的標準差；

17、基于時間子單元內振動信號的標準差，計算得到時間子單元內振動信號的峭度ek。

18、作為本發(fā)明進一步的方案：對振動信號的時域特征進行處理的過程為：

19、對監(jiān)測周期內所有的單元振動峰值進行處理，得到最大振動峰值和最小振動峰值；

20、將單元振動峰值和最小振動峰值之間的差值與最大振動峰值和最小振動峰值之間的差值進行比值計算，得到時間子單元內振動信號的振動峰值比；

21、同上，得到時間子單元內振動信號的均值比、時間子單元內振動信號的標準差比和時間子單元內振動信號的峭度比。

22、作為本發(fā)明進一步的方案：基于時間子單元內振動信號的振動峰值比、均值比、標準差比和峭度比，計算得到設備的振動分數；

23、作為本發(fā)明進一步的方案：基于設備的振動分數，將設備的振動分數與設備的振動分數閾值進行比較；

24、若設備的振動分數大于等于設備的振動分數閾值，生成設備異常信號；

25、若設備的振動分數小于設備的振動分數閾值，生成設備正常信號。

26、作為本發(fā)明進一步的方案：基于設備異常信號，將監(jiān)測周期內所有的振動峰值進行整合，得到振動峰值組；

27、按照均值計算公式對振動峰值組進行處理，得到振動峰值均值；

28、按照標準差計算公式對振動峰值組進行處理，得到振動峰值的標準差；

29、將時間子單元內振動信號的振動峰值和振動峰值均值之間的差值與振動峰值標準差進行比值計算，得到振動峰值的統(tǒng)計值；

30、同理，得到平均數據的統(tǒng)計值、標準差的統(tǒng)計值和峭度的統(tǒng)計值。

31、作為本發(fā)明進一步的方案：將時間子單元內振動信號的振動峰值的統(tǒng)計值的絕對值與振動峰值的統(tǒng)計值閾值進行比較；

32、若統(tǒng)計值的絕對值大于等于振動峰值的統(tǒng)計值閾值，生成設備軸承損壞和齒輪嚙合預警信號；

33、將時間子單元內振動信號的平均數據的統(tǒng)計值與平均數據的統(tǒng)計值閾值進行比較；

34、若平均數據的統(tǒng)計值大于等于平均數據的統(tǒng)計值閾值，生成設備不平衡和不對中預警信號；

35、將時間子單元內振動信號的標準差的統(tǒng)計值與標準差的統(tǒng)計值閾值進行比較；

36、若標準差的統(tǒng)計值大于等于標準差的統(tǒng)計值閾值，生成設備內部磨損預警信號；

37、將時間子單元內振動信號的峭度的統(tǒng)計值與峭度的統(tǒng)計值閾值進行比較；

38、若峭度的統(tǒng)計值大于等于峭度的統(tǒng)計值閾值，生成設備局部故障預警信號。

39、作為本發(fā)明進一步的方案：對頻譜圖進行特征頻率識別，得到存在異常高振幅的異常峰值的過程為：

40、基于頻譜圖，獲取設備的電機轉速，得到設備的基頻，通過遍歷頻譜圖，得到頻譜圖中與基頻相同的頻率峰值，記為基頻峰值；

41、識別頻譜圖中為基頻整數倍的頻率峰值，記為設備的諧波頻率。

42、作為本發(fā)明進一步的方案：基于設備不平衡和不對中預警信號，將基頻峰值與基頻峰值閾值進行比較，若基頻峰值大于等于基頻峰值閾值，生成設備不平衡報警信號；

43、將基頻和二倍基頻處的峰值同時與基頻峰值閾值進行比較，若基頻和二倍基頻處的峰值皆大于等于基頻峰值閾值，生成設備不對中報警信號；

44、基于設備軸承損壞和齒輪嚙合預警信號，獲取設備軸承內滾動體的數量和直徑以及軸承內滾道的直徑，得到軸承特征頻率；

45、基于軸承特征頻率，若頻譜圖中出現與軸承特征頻率相對應的異常峰值，生成軸承損壞報警信號；

46、獲取設備齒輪箱中主動齒輪的齒數和轉速，得到齒輪嚙合頻率；

47、基于齒輪嚙合頻率，若頻譜圖中出現與齒輪嚙合頻率相對應的異常峰值，生成齒輪損壞報警信號；

48、基于設備內部磨損預警信號，得到齒輪旋轉頻率；

49、若頻譜圖中出現與齒輪旋轉頻率相對應的異常峰值，生成齒輪磨損報警信號；

50、基于設備軸承內滾動體的數量和直徑以及軸承內滾道的直徑，得到保持架旋轉頻率；

51、若頻譜圖中出現與保持架旋轉頻率相對應的異常峰值，生成軸承磨損報警信號；

52、基于設備局部故障預警信號，獲取設備電源頻率，若頻譜圖中出現與設備電源頻率相對應的異常峰值，生成電機故障報警信號；

53、基于設備為液壓或氣動系統(tǒng)，獲取泵或壓縮機的工作頻率，若頻譜圖中出現與泵或壓縮機工作頻率相對應的異常峰值，生成泵或壓縮機故障信號；

54、獲取控制流體流動的閥門的工作頻率，若頻譜圖中出現與閥門的工作頻率相對應的異常峰值，生成閥門故障信號。

55、作為本發(fā)明進一步的方案：基于權利要求9所述各類問題，根據實際情況生成對應的報警信號，并向管理人員發(fā)送對應的報警提醒。

56、本發(fā)明的有益效果：

57、(1)本發(fā)明通過采集裝卸臂設備的振動信號值，并提取其時域特征(包括振動峰值、平均值、標準差和峭度)，實現了對設備運行狀態(tài)的精細化監(jiān)控，具體而言，通過計算各時間子單元內振動信號的時域特征，并與監(jiān)測周期內的最大值和最小值進行比值計算，生成一系列比值(如振動峰值比、均值比、標準差比和峭度比)。這一技術特征能夠準確反映設備在不同時間段內的振動特性變化，解決了傳統(tǒng)監(jiān)控手段無法實時捕捉設備微小變化的問題，使得故障預警更為及時有效，特別是通過引入振動分數的概念，并將其與預設閾值進行比較，能夠快速區(qū)分正常運行狀態(tài)與異常狀態(tài)，從而為設備維護提供了可靠的依據；

58、(2)本發(fā)明通過基于設備異常信號對振動信號的時域特征進行單獨分析，生成相應的預警信號，并進一步構建頻譜圖進行特征頻率識別，有效解決了現有技術中難以精確識別故障來源的問題，具體來說，通過對振動信號的時域特征進行統(tǒng)計分析，可以準確判斷設備是否出現軸承損壞、齒輪嚙合異常、不平衡或不對中等問題，例如，通過分析振動峰值的統(tǒng)計值，可以判斷設備軸承是否損壞或齒輪嚙合是否正常；通過對平均數據的統(tǒng)計值分析，可以識別設備是否存在不平衡或不對中的情況，這一技術特征不僅提高了故障診斷的準確性，還為維修人員提供了具體的故障定位信息，從而顯著提升了維護效率和設備運行的可靠性；

59、(3)本發(fā)明通過基于頻譜圖進行特征頻率識別，并通過匹配分析得到故障發(fā)生的部位，解決了傳統(tǒng)故障診斷中無法精確識別故障頻率成分的問題，具體實施時，通過快速傅里葉變換將振動信號轉換為頻域信號，從而顯示不同頻率成分的振幅，基于此，可以識別設備的基頻及其諧波頻率，并通過與預設閾值進行比較，判斷是否存在異常峰值，此外，還可以根據設備的具體結構參數，計算出特征頻率，并在頻譜圖中查找對應的異常峰值，從而準確判斷設備的故障類型，這一技術特征不僅提高了故障診斷的準確性和效率，還為制定預防性維護計劃提供了科學依據，從而保障了設備的長期穩(wěn)定運行。