[发明专利]一种基于物联网技术的工业设备实时监测系统

说明书

一种基于物联网技术的工业设备实时监测系统。1)利用加速度传感器采集所监测设备的振动信号并通过通信模块上传至物联网云平台；2)利用基于云计算的数据存储技术对采集到的数据进行分类与整合；3)服务器从云平台中获取数据，并利用变分模态分解算法对数据进行模态分解，接着利用峭度和谐波因子指标筛选出敏感模态并重构；4)利用最大相关峭度解卷积算法对步骤3中重构模态进行滤波增强；5)利用希尔伯特包络解调对步骤4滤波后数据进行处理，结合故障特征频率进行判断，若判断出故障，则发出相应的报警，反之继续监测。本发明利用物联网技术对工业中的海量数据进行存储，并利用相关算法对数据进行特征提取。

技术领域

本发明涉及工业设备实时健康监测领域，特别是涉及一种基于物联网技术的工业设备实时监测系统。

背景技术

工业中旋转机械设备的检修方式为定期检修，这种检修方式容易造成过度检修和检修不及时，既增加了日常维护的工作量，又可能达不到预期目的，造成了人力、物力和财力的多重浪费，所以对旋转机械设备及系统进行状态监测以及可能出现的故障进行诊断具有非常重要的意义，是企业日常生产的重要保障。

一方面，工业物联网是将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。另一方面，针对选择工业设备的状态监测与故障诊断，其核心涉及到信号处理和深度学习两大方面，其中信号处理涉及非线性、非稳定的分解方法，这类分解方法有变分模态分解（VMD）、集合经验模态分解（EEMD）和经验小波变换（EWT），传统的方法有频谱分析、包络谱分析等，但传统的信号处理算法都存在一定的弊端，如VMD分解算法中如何有效的对分解得到的一系列模态进行准确的筛选是一大问题，同时工业数据中含有较大的噪声，如何消除噪声的影响也是一大难题。

国内涉及工业设备状态监测的国内专利有 “基于噪声和振动的动力机械设备故障和能耗分析方法”（申请号为CN202010935729.3），利用包括解耦分析，特征识别和频谱分析的数据分析方法对采集到的设备的噪声和振动信号进行特征分析，然后利用设备的噪声和振动信号反映其运行状态，包括设备不同负荷下的状态变化和不同的故障状态的特征变化，最终利用噪声和振动信号监测动力机械设备的故障和能耗状态。国家发明专利“一种机械设备的无线监测装置和监测系统”（申请号为CN201711376796.0），该方法包括：信号处理模块、处理器、WIFI通信模块和Zigbee通信模块，通过在机械设备上分布多个信号采集点，各信号采集点处设有传感器来采集设备监测信号，而后通过该系统对机械设备实现实时的状态监测。

发明内容

为解决上述问题，本发明在物联网技术，VMD算法和MCKD算法的基础上，提出了一种基于物联网技术的工业设备实时监测系统。首先，利用MYSQL和Hadoop分布式文件系统对采集的工业数据进行分类整合；而后针对传统VMD算法中分解模态筛选的难题，提出谐波因子周期性量化指标，并结合现有的峭度指标，实现了对分解模态准确的筛选；接着利用MCKD算法对重构信号进行进一步的滤波以增强故障特征；最后利用Hilbert解调对数据故障与否进行判断，实现了对工业设备的智能监测。为达此目的，本发明提供一种基于物联网技术的工业设备实时监测系统，具体步骤如下，其特征在于：

步骤1，设备数据采集与传输：利用加速度传感器采集所监测设备的振动信号并通过通信模块上传至物联网云平台；

步骤2，数据的分类整合：利用基于云计算的数据存储技术对采集到的数据进行分类与整合；

步骤3，模态分解与重构：服务器从云平台中获取数据，并利用变分模态分解算法对数据进行模态分解，接着利用峭度和谐波因子指标筛选出敏感模态并重构；

步骤3中采集数据的模态分解与重构的具体步骤为：

步骤3.1，构建VMD分解中分解模态函数uk(t) 的约束变分问题，其表达式如下：