本技術(shù)屬于設(shè)備監(jiān)控，具體地說，涉及一種加工廠化工設(shè)備狀態(tài)在線監(jiān)測系統(tǒng)。

背景技術(shù)：

1、隨著化工生產(chǎn)的日益現(xiàn)代化和安全生產(chǎn)意識的不斷提高，機(jī)械設(shè)備的安全運(yùn)行不僅是企業(yè)生產(chǎn)正常進(jìn)行的必要條件，也是避免生產(chǎn)事故的前提，特別在大型的流程型生產(chǎn)企業(yè)中，連續(xù)不間斷化工生產(chǎn)是必要條件，這就對保障設(shè)備安全的可靠性提出了更高要求。

2、設(shè)備的狀態(tài)監(jiān)測用于為工程技術(shù)人員提供詳細(xì)、全面的設(shè)備運(yùn)行狀態(tài)信息，提供設(shè)備的故障征兆信息，為設(shè)備的及時維修提供依據(jù)，但是現(xiàn)有的設(shè)備狀態(tài)監(jiān)測難以準(zhǔn)確地判斷出設(shè)備的運(yùn)轉(zhuǎn)狀態(tài)及剩余壽命，而且如果設(shè)備為新型設(shè)備，就難以建立監(jiān)測系統(tǒng)，設(shè)備的安全穩(wěn)定的運(yùn)行狀態(tài)也就無法得到保障，不能實(shí)現(xiàn)設(shè)備在其生命周期內(nèi)實(shí)現(xiàn)資產(chǎn)投資價值的最大化和運(yùn)行能效最優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問題和技術(shù)缺陷，本技術(shù)實(shí)施例采用如下的技術(shù)方案，一種加工廠化工設(shè)備狀態(tài)在線監(jiān)測系統(tǒng)，包括：

2、監(jiān)測傳感器，安裝在待監(jiān)測的生產(chǎn)設(shè)備上，獲取設(shè)備的溫度信號、振動信號和壓力信號；

3、在線監(jiān)測平臺，通過對設(shè)備數(shù)據(jù)的資源特點(diǎn)進(jìn)行分析，制定部署方式和平臺架構(gòu)，建立設(shè)備在線監(jiān)測平臺，用于進(jìn)行系統(tǒng)實(shí)時監(jiān)控和故障診斷分析。

4、優(yōu)選地，所述監(jiān)測傳感器在設(shè)備上的安裝監(jiān)測點(diǎn)為振動能量向彈性基礎(chǔ)或設(shè)備其他部分進(jìn)行傳遞處，所述監(jiān)測傳感器進(jìn)行信號采集時，根據(jù)香農(nóng)采樣定理信號采樣頻率大于目標(biāo)信號最高頻率的兩倍，采集周期大于等于十個周期信號。

5、進(jìn)一步地，所述監(jiān)測傳感器將監(jiān)測到的實(shí)時數(shù)據(jù)發(fā)送至數(shù)據(jù)采集單元，每個數(shù)據(jù)采集單元都與一個待監(jiān)測的生產(chǎn)設(shè)備一一對應(yīng)，數(shù)據(jù)采集單元通過無線信號發(fā)送至設(shè)備在線監(jiān)測平臺；

6、數(shù)據(jù)采集單元還通過電表從電氣柜中把設(shè)備的電壓、電流、功率、電量數(shù)據(jù)讀取發(fā)送到設(shè)備在線監(jiān)測平臺。

7、優(yōu)選地，所述設(shè)備在線監(jiān)測平臺使用springboot和springcloud技術(shù)對各個服務(wù)模塊進(jìn)行高內(nèi)聚低耦合，使用nacos生成注冊中心進(jìn)行元數(shù)據(jù)管理，使用nginx制作代理網(wǎng)站和發(fā)布，使用job-admin制作資源調(diào)度。

8、進(jìn)一步地，所述設(shè)備在線監(jiān)測平臺的部署方式采用物理設(shè)備和虛擬化的混合部署；

9、設(shè)備在線監(jiān)測平臺的平臺架構(gòu)是基于j2ee技術(shù)路線，通過soa模型、模塊化和構(gòu)件化制定架構(gòu)，平臺架構(gòu)共有六層，分別為數(shù)據(jù)源層、數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)處理層、數(shù)據(jù)分析層、應(yīng)用層；

10、數(shù)據(jù)源層包括點(diǎn)檢系統(tǒng)、在線系統(tǒng)、云庫和第三方系統(tǒng)接口；

11、數(shù)據(jù)采集層包括數(shù)據(jù)庫采集系統(tǒng)、消息中間件采集系統(tǒng)和日志采集系統(tǒng)；

12、數(shù)據(jù)存儲層包括hdfs系統(tǒng)、mysql數(shù)據(jù)庫管理系統(tǒng)、hbase數(shù)據(jù)庫和hive管理工具；

13、數(shù)據(jù)處理層包括批處理模塊、流處理模塊和混合處理模塊；

14、數(shù)據(jù)分析層組件包括sparksql模塊、flinksql模塊、elasticsearch模塊、mllib模塊應(yīng)用層包括包括在線監(jiān)測系統(tǒng)模塊和設(shè)備故障智能診斷模塊。

15、更進(jìn)一步地，所述在線監(jiān)測系統(tǒng)模塊內(nèi)的功能模塊包括：數(shù)據(jù)采集分析模塊、設(shè)備實(shí)時報警模塊、數(shù)據(jù)實(shí)時校準(zhǔn)模塊、轉(zhuǎn)速綁定模塊、數(shù)據(jù)推送模塊、數(shù)據(jù)存儲與管理模塊、圖譜對比分析模塊和圖譜聯(lián)動回放分析模塊；

16、數(shù)據(jù)采集分析模塊建立設(shè)備三維動態(tài)圖，將監(jiān)測傳感器作為監(jiān)測測點(diǎn)標(biāo)注至設(shè)備三維動態(tài)圖上，查看設(shè)備啟停狀態(tài)和數(shù)據(jù)監(jiān)測狀況，通過不同顏色對應(yīng)不同報警級別；

17、設(shè)備實(shí)時報警模塊利用大數(shù)據(jù)設(shè)定預(yù)知報警曲線和危險報警曲線，報警設(shè)置安全保障體系，建立多層防護(hù)體系，包括閾值報警和變工況報警，滿足不同場景需求；

18、數(shù)據(jù)實(shí)時校準(zhǔn)模塊進(jìn)行實(shí)時數(shù)據(jù)查詢，通過不同顏色對不同告警數(shù)據(jù)進(jìn)行標(biāo)注；

19、圖譜對比分析模塊能夠同時查看多類型圖譜，包括趨勢圖、時域圖、頻域圖、功率譜、功率譜密度、軸心軌跡、伯德圖、奈奎斯特圖、時間三維和轉(zhuǎn)速三維圖，對時域圖、頻域圖進(jìn)行包絡(luò)、tff、倒頻譜和濾波分析；

20、圖譜聯(lián)動回放分析模塊能夠進(jìn)行歷史數(shù)據(jù)分析，游標(biāo)選中歷史趨勢圖中目標(biāo)時間點(diǎn)的數(shù)據(jù)，展示目標(biāo)時間點(diǎn)對應(yīng)測點(diǎn)的各圖譜聯(lián)動，同步查看時域、頻域、功率譜圖、功率譜密度圖、軸心軌跡、轉(zhuǎn)速三維圖和時間三維圖，能夠?qū)Χ鄼C(jī)組、多測點(diǎn)進(jìn)行圖譜分析。

21、再進(jìn)一步地，閾值報警是通過將預(yù)設(shè)的報警閾值發(fā)送至數(shù)采器，系統(tǒng)根據(jù)報警閾值給出報警等級；

22、變工況報警是針對變工況設(shè)備在不同轉(zhuǎn)速或負(fù)荷的運(yùn)行工況設(shè)定相應(yīng)報警曲線，通過增加測點(diǎn)分頻，并對測點(diǎn)分頻進(jìn)行固定頻率、基于轉(zhuǎn)速、基于范圍的報警，增加報警的顆粒度，按具體工況對機(jī)組進(jìn)行報警和保護(hù)，以排除變工況對故障預(yù)測的影響。

23、優(yōu)選地，設(shè)備故障智能診斷模塊通過自動采集設(shè)備數(shù)據(jù)，根據(jù)模型對設(shè)備故障數(shù)據(jù)進(jìn)行自動診斷，能夠?qū)螚l振動數(shù)據(jù)進(jìn)行診斷，也能對整個設(shè)備的多個振動數(shù)據(jù)進(jìn)行聯(lián)合診斷，支持多維數(shù)據(jù)圖譜的聯(lián)動展示，能夠同步查看時域、頻域、功率譜圖、功率譜密度圖、軸心軌跡、轉(zhuǎn)速三維圖和時間三維圖，能夠?qū)γ總€頻率或頻段的振動數(shù)據(jù)進(jìn)行查找和聯(lián)動顯示，并利用多維數(shù)據(jù)融合診斷故障類型，以設(shè)備的部件為單位，將部件的振動值和溫度結(jié)合，由系統(tǒng)的權(quán)重比例將多個測點(diǎn)信息融合，判斷設(shè)備是否存在異常，設(shè)備故障智能診斷模塊內(nèi)包括：監(jiān)測機(jī)械故障種類數(shù)據(jù)庫、軸承資料庫、故障案例庫和設(shè)備診斷報告生成模塊。

24、進(jìn)一步地，設(shè)備診斷報告生成模塊生成的設(shè)備診斷報告中包含特征圖譜、故障診斷結(jié)論、故障危害、故障維修建議和案例解讀。

25、更進(jìn)一步地，所述通過自動采集設(shè)備數(shù)據(jù)，根據(jù)模型對設(shè)備故障數(shù)據(jù)進(jìn)行自動診斷的具體步驟如下：

26、通過在線系統(tǒng)收集設(shè)備資料和設(shè)備運(yùn)行數(shù)據(jù)，設(shè)備資料包括設(shè)計(jì)原始資料、制造加工單位資料、科研部門及高等院校的研究成果、安裝公司的數(shù)據(jù)以及同類設(shè)備在不同單位的使用資料；

27、對采集的設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行振動信號特征提取，對提取特征進(jìn)行統(tǒng)計(jì)參數(shù)的計(jì)算，通過計(jì)算機(jī)及智能技術(shù)、推理技術(shù)對設(shè)備維修的每一個環(huán)節(jié)作出可預(yù)知性決策；

28、根據(jù)設(shè)備的特征參數(shù)設(shè)立故障診斷規(guī)則庫，根據(jù)現(xiàn)場資料和設(shè)備運(yùn)行數(shù)據(jù)建立設(shè)備診斷模型；

29、設(shè)備診斷模型利用基于機(jī)理診斷、回歸算法分析被狀態(tài)監(jiān)測的生產(chǎn)設(shè)備劣化程度，得到設(shè)備的故障原因、故障危害及維修建議，最終形成診斷報告；

30、基于模糊故障診斷原理用當(dāng)前測量的故障信號、故障診斷規(guī)則庫、征兆事實(shí)庫進(jìn)行推理，得到可能的故障排查。

31、相比于現(xiàn)有技術(shù)，本技術(shù)實(shí)施例的有益效果為：

32、(1)本技術(shù)利用大數(shù)據(jù)尋找故障特征頻率，通過解決巨量波形、頻譜、相關(guān)分析等數(shù)據(jù)的深度挖掘，將診斷的數(shù)據(jù)分析工作智能化，利用數(shù)據(jù)驅(qū)動來做決策，對多個測點(diǎn)信息進(jìn)行融合，主要通過設(shè)備的部件為單位，將部件的振動值和溫度結(jié)合，由系統(tǒng)的權(quán)重比例將多個測點(diǎn)信息融合，判斷設(shè)備是否存在異常，優(yōu)化和提高設(shè)備利用率、提高設(shè)備生產(chǎn)能力、降低運(yùn)作成本，提高設(shè)備的能效利用和環(huán)境友好，并最終提高投資回報率；

33、(2)本技術(shù)利用大數(shù)據(jù)設(shè)定預(yù)知報警曲線和危險報警曲線。安全保障體系多級振動報警設(shè)置、分頻段報警，建立多層防護(hù)體系，增加在線保護(hù)系統(tǒng)緩沖性，及時發(fā)現(xiàn)設(shè)備故障并找到故障原因，為檢修方提供設(shè)備檢修指導(dǎo)，縮短檢修時間，減少檢修成本，通過設(shè)備故障診斷系統(tǒng)的實(shí)施，推進(jìn)預(yù)設(shè)性維護(hù)項(xiàng)目建設(shè)，充實(shí)已有的完整性管理和受控系統(tǒng)共同組成設(shè)備管理的多重防護(hù)體系；

34、(3)本技術(shù)利用數(shù)據(jù)挖掘軟件海量診斷分析對比。海量監(jiān)控界面同時顯示有效值、時域、相位、頻域、波峰因數(shù)、趨勢、三維圖、伯德圖；顯示一個測點(diǎn)多個頻率或頻段的時域、頻域、振幅、能量譜、趨勢，可直觀瞬時找出每個頻率或頻段的振動情況，認(rèn)清設(shè)備狀態(tài)，掌握設(shè)備狀態(tài)變化趨勢，實(shí)現(xiàn)設(shè)備關(guān)鍵部位的故障可預(yù)判，從而促進(jìn)達(dá)到預(yù)知維修的目標(biāo)。