【技術實現步驟摘要】
本申請屬于設備故障診斷，具體地說，涉及一種基于ai數據驅動的故障診斷系統。
技術介紹
1、設備狀態預知性監測是一種基于旋轉機械狀態評估的技術，能夠準確的判斷出設備的運轉狀態及剩余壽命。新型輔機設備狀態預知性監測系統,在建立故障模型基礎上，確定振動報警值，將故障模型、判定規則寫入監測系統，將各種故障與特征頻率和報警值一一對應，建立故障診斷庫，自動輸出診斷結果，達到了降低維修費用，提高生產效率的目的。
2、目前行業內的振動保護系統主要對機組提供被動式的停機保護，只能提供數值參數，無法通過此種方式進行譜圖分析，從而造成該監測點的大部分的監測功能荒置，同時在現有的關鍵機組在線保護系統應用中，大部分只起到監測報警值的作用，且報警值的設置因為是均值報警，面對復雜工況時經常會出現有警不報或無警誤報，使系統變成“雞肋”；在故障診斷時，由于大部分設備供貨廠家不具備專業的振動理論知識，無法建立故障診斷模型，因此不具有可使用的專家自診斷功能，只依靠專業人士進行分析、診斷。專業人員分析時由于軟件界面的設計操作復雜，分析功能不全，常常無法診斷出準確的故障原因。
技術實現思路
1、為解決上述問題和技術缺陷，本申請實施例采用如下的技術方案，一種基于ai數據驅動的故障診斷系統，包括：
2、感知模塊，用于安裝在目標設備上，對目標設備的運行信號數據進行采集，通過信號線纜將信號數據傳輸至監測站，監測站完成本地數據處理，再通過網線和光纖將數據傳輸至服務器中；
3、分析模塊，用于根據獲取
4、應用模塊，用于對所有監測設備進行遠程數據分析及故障診斷，遠程監測設備運行信號數據，數據可與大屏幕相連，實時顯示設備當前狀態和統計信息。
5、優選地，所述感知模塊內設有在線監測模塊，分析模塊內設有故障診斷模塊，應用模塊內設有登錄注冊模塊、系統設置模塊和數據查詢模塊；
6、在線監測模塊，用于進行監測點信號采集，根據監測點信號的時域、頻域、趨勢、相位、時間三維、轉速三維、軸心軌跡、伯德圖和奈奎斯特圖進行運行分析，獲取目標設備的運行狀態，同時根據不同轉速和功率設立相應的報警觸發閾值，根據不同的報警觸發閾值設置不同的報警狀態顏色標識；
7、故障診斷模塊，用于設立故障診斷規則庫、征兆事實庫和設備資料庫，對監測采集的設備信號進行故障推理診斷；
8、登錄注冊模塊，用于進行用戶的賬號注冊和登錄，使用戶通過客戶端建立與服務器的連接；
9、系統設置模塊，用于完成用戶管理、機構、部門、角色和職責定義，對用戶的查看權限、數據權限、操作權限進行定義管理；
10、數據查詢模塊，用于進行數據顯示，查詢設備狀態數據和異常數據，能夠數據總覽，支持數據導出。
11、進一步地，所述在線監測模塊是在目標設備上安裝監測傳感器，將監測傳感器作為監測點，監測點信號通過信號線上傳至主板，主板對采集的信號數據進行壓縮和濾波處理后，通過光纖將信號數據上傳至服務器，上位機系統建立設備及監測點三維模型，將上傳的信號數據進行一一綁定，設置報警觀察設備的運行數據，實現實時的監控設置運行狀態。
12、進一步地，所述故障診斷模塊是通過采集到的設備信號數據，后端通過按照預設的規則比對，進行核心算法推算，得到診斷的結果和可能值，再通過大數據量的匯總，通過機器學習，使得診斷的結果更解決準確值。
13、更進一步地，所述故障診斷規則庫是先獲取目標設備類型的特征參數，再根據特征參數設立；
14、征兆事實庫是根據歷史故障數據設立；
15、設備資料庫是根據設備結構、軸承類型、型號和轉速設立，同時在設備資料庫中預設診斷邏輯模式；
16、對監測采集的設備信號進行故障推理診斷是先根據目標設備的硬件信息確定診斷邏輯模式，再結合故障診斷規則庫和征兆事實庫并基于模糊故障診斷原理對監測獲取故障信號進行故障推理。
17、再進一步地，所述故障推理診斷的具體流程如下：
18、輸入特征參數，根據特征參數進行事例匹配，當事例匹配完全符合范圍時，輸出故障原因；
19、若是數據庫中沒有匹配的故障事例，則開始進行規則匹配，直至獲取最優的結果；
20、若是沒有匹配事例和規則，則記憶存儲本次故障事件，保存到數據庫中，輸出提示對話框，選擇進行人工診斷或ai智能診斷。
21、還進一步地，所述ai智能診斷的過程如下：
22、對目標設備組成的基本組件信息進行編輯；
23、選擇基本組件中的軸系組件，設置軸系基本參數；
24、根據設置的軸系基本參數，編輯對應的軸系診斷模型；
25、選擇與需要診斷的監測點對應的軸系診斷模型；
26、由軸系診斷模型對對應的監測信號進行ai智能診斷，得到對應的故障推理結論。
27、進一步地，所述登錄注冊模塊進行用戶登錄是通過調用獲取token的接口，將用戶名和密碼的摘要傳送至服務器，服務器比對數據庫中的用戶信息，匹配則返回綁定該用戶的token，在服務器端接口被調用時對發起請求的ip地址、user-agent信息作比對，實現多服務中的單點登錄，一個token訪問各個服務。
28、進一步地，所述系統設置模塊是采用基于角色的權限訪問控制策略，根據工作需求創建各種角色，將權限與角色相關聯，用戶則依據責任和資格被指派為對應的角色，使用戶成為目標角色的成員，得到對應的角色權限，角色能夠根據新的需求和系統的合并賦予新的權限，基于角色的權限訪問控制策略支持最小權限原則，責任分離原則和數據抽象原則。
29、更進一步地，所述數據查詢模塊是通過發送請求傳遞查詢條件，從數據庫查詢符合條件的數據，然后通過關聯裝配數據，響應到前端，完成數據的展示，搜索和查看，同時支持多樣化的模糊搜索匹配，按時間端匹配，關鍵字匹配搜索，通過添加數據庫查詢索引優化數據庫存儲結構。
30、相比于現有技術，本申請實施例的有益效果為：
31、本申請通過對設備運行工業數據的積累，利用大數據對設備進行劣化分析，建立故障模型，確定振動報警值，將故障模型、判定規則寫入監測系統，將各個部件的振動頻率和報警值等診斷信息寫入在線監測診斷系統，使此系統能夠實現自診斷，具有預警功能，從而建立可靠的預知性維修，使設備使用壽命最長，減少大修次數，延長大修周期，使過剩維修受到控制，從而減少了備件消耗和維修工作量，從而最終達到使維修費用最低，提高生產效率。
本文檔來自技高網...【技術保護點】
1.一種基于AI數據驅動的故障診斷系統，其特征在于，包括：
2.根據權利要求1所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述感知模塊內設有在線監測模塊，分析模塊內設有故障診斷模塊，應用模塊內設有登錄注冊模塊、系統設置模塊和數據查詢模塊；
3.根據權利要求2所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述在線監測模塊是在目標設備上安裝監測傳感器，將監測傳感器作為監測點，監測點信號通過信號線上傳至主板，主板對采集的信號數據進行壓縮和濾波處理后，通過光纖將信號數據上傳至服務器，上位機系統建立設備及監測點三維模型，將上傳的信號數據進行一一綁定，設置報警觀察設備的運行數據，實現實時的監控設置運行狀態。
4.根據權利要求2所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述故障診斷模塊是通過采集到的設備信號數據，后端通過按照預設的規則比對，進行核心算法推算，得到診斷的結果和可能值，再通過大數據量的匯總，通過機器學習，使得診斷的結果更解決準確值。
5.根據權利要求4所述的一種基于AI數據驅動的故障診斷系統，其特征在于，
6.根據權利要求5所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述故障推理診斷的具體流程如下：
7.根據權利要求6所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述AI智能診斷的過程如下：
8.根據權利要求2所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述登錄注冊模塊進行用戶登錄是通過調用獲取token的接口，將用戶名和密碼的摘要傳送至服務器，服務器比對數據庫中的用戶信息，匹配則返回綁定該用戶的token，在服務器端接口被調用時對發起請求的ip地址、user-agent信息作比對，實現多服務中的單點登錄，一個token訪問各個服務。
9.根據權利要求2所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述系統設置模塊是采用基于角色的權限訪問控制策略，根據工作需求創建各種角色，將權限與角色相關聯，用戶則依據責任和資格被指派為對應的角色，使用戶成為目標角色的成員，得到對應的角色權限，角色能夠根據新的需求和系統的合并賦予新的權限，基于角色的權限訪問控制策略支持最小權限原則，責任分離原則和數據抽象原則。
10.根據權利要求2所述的一種基于AI數據驅動的故障診斷系統，其特征在于，所述數據查詢模塊是通過發送請求傳遞查詢條件，從數據庫查詢符合條件的數據，然后通過關聯裝配數據，響應到前端，完成數據的展示，搜索和查看，同時支持多樣化的模糊搜索匹配，按時間端匹配，關鍵字匹配搜索，通過添加數據庫查詢索引優化數據庫存儲結構。
...【技術特征摘要】
1.一種基于ai數據驅動的故障診斷系統，其特征在于，包括：
2.根據權利要求1所述的一種基于ai數據驅動的故障診斷系統，其特征在于，所述感知模塊內設有在線監測模塊，分析模塊內設有故障診斷模塊，應用模塊內設有登錄注冊模塊、系統設置模塊和數據查詢模塊；
3.根據權利要求2所述的一種基于ai數據驅動的故障診斷系統，其特征在于，所述在線監測模塊是在目標設備上安裝監測傳感器，將監測傳感器作為監測點，監測點信號通過信號線上傳至主板，主板對采集的信號數據進行壓縮和濾波處理后，通過光纖將信號數據上傳至服務器，上位機系統建立設備及監測點三維模型，將上傳的信號數據進行一一綁定，設置報警觀察設備的運行數據，實現實時的監控設置運行狀態。
4.根據權利要求2所述的一種基于ai數據驅動的故障診斷系統，其特征在于，所述故障診斷模塊是通過采集到的設備信號數據，后端通過按照預設的規則比對，進行核心算法推算，得到診斷的結果和可能值，再通過大數據量的匯總，通過機器學習，使得診斷的結果更解決準確值。
5.根據權利要求4所述的一種基于ai數據驅動的故障診斷系統，其特征在于，所述故障診斷規則庫是先獲取目標設備類型的特征參數，再根據特征參數設立；
6.根據權利要求5所述的一種基于ai數據驅動的故障診斷系統，其特征在于，所述故障推理診斷的具體流程如下：
...【專利技術屬性】
技術研發人員：彭六保，胡勇，曾志生，邴奇，佟文杰，
申請(專利權)人：航天智控北京監測技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。