[发明专利]云、雾、边缘端协同的轴承状态监测与管理方法及系统有效

专利信息
申请号: 202110639226.6 申请日: 2021-06-08
公开(公告)号: CN113465920B 公开(公告)日: 2022-04-22
发明(设计)人: 曹宏瑞;罗杨;彭城;陈雪峰 申请(专利权)人: 西安交通大学
主分类号: G01M13/04 分类号: G01M13/04;G01M13/045;G06F30/17
代理公司: 西安通大专利代理有限责任公司 61200 代理人: 王艾华
地址: 710049 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 边缘 协同 轴承 状态 监测 管理 方法 系统
【权利要求书】:

1.云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,包括以下步骤:

在雾端初始化轴承数字孪生模型,云端加载通用诊断预测模型;

获取轴承运行状态信号以及轴承工作环境状态信号;

根据得到的轴承运行状态信号以及轴承工作环境状态信号,边缘端对轴承运行状态信号以及轴承工作环境状态信号进行信号处理,计算得到轴承运行状态指标;

边缘端根据所述轴承运行状态指标,利用简单轴承故障诊断算法进行轴承故障识别,若某监测指标超出阈值则及时告警,若没有指标超出阈值则认为被监测轴承没有发生失效行为;

边缘端根据所述轴承运行状态指标,在满足设定条件时向雾端上传指标数据片段及其对应的轴承工作环境状态信号;

雾端根据边缘端上传的指标数据片段,对各轴承数字孪生体模型进行更新,并将指标数据片段和更新后的孪生体模型参数上传至云端;

雾端根据更新后的轴承数字孪生模型,融合轴承工作环境状态信号,利用云端的寿命预测模型和智能诊断模型,对轴承进行剩余寿命计算和早期损伤辨识;

云端根据雾端上传的指标数据片段和更新后的孪生体模型参数,索引该雾端的时空数据,结合通用诊断预测模型为该雾端训练针对性诊断预测模型并发送回该雾端;

云端根据各雾端上传的指标数据片段和更新后的孪生体模型参数更新时空索引,持续训练通用诊断预测模型,并计算服役条件对轴承寿命的主要影响因素,提供运维建议。

2.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,在雾端初始化轴承数字孪生模型,云端加载通用诊断预测模型时,在雾端依据轴承型号初始化轴承数字孪生模型,云端初始诊断预测模型为利用实验数据集训练得到的深度学习算法模型。

3.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,所述的轴承运行状态信号包括且不限于振动信号和温度信号,所述振动信号和温度信号至少来自于轴承安装座和轴承部件,所述振动信号通过传感器测得,为轴承的振动位移、速度以及加速度响应;轴承工作环境状态信号至少包括温度和湿度。

4.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,边缘端对轴承运行状态信号以及轴承工作环境状态信号进行信号处理时,所采用的信号处理方法采用时域分析、频域分析或小波分析,其处理结果为轴承运行状态指标。

5.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,所述设定条件为达到设定时间间隔或轴承发某项运行状态指标的变化量超过设定的阈值。

6.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,所述的数字孪生模型至少包括结构动力学模型、热力耦合模型、应力分析模型和损伤演化模型。

7.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,所述寿命预测与故障诊断模型采用机器学习方法。

8.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,所述早期损伤辨识至少包含剥落、点蚀和打滑的典型故障。

9.根据权利要求1所述的云、雾、边缘端协同的轴承状态监测与管理方法,其特征在于,对各轴承数字孪生体模型进行更新时,通过调整各轴承数字孪生体模型的内部参数实现,所述内部参数的调整更新方法采用扩展卡尔曼滤波算法;所述内部参数包括被监测轴承的工况/环境参数和模型参数。

10.云、雾、边缘端协同的轴承状态监测与管理系统,其特征在于,包括云端、雾端以及边缘端,云端、雾端以及边缘端之间相互通信连接,云端、雾端以及边缘端中均布置有计算服务器,所述计算服务器均包括处理器以及存储器,云端、雾端以及边缘端的存储器中均存储有计算机程序,雾端处理器运行所述计算机程序时能初始化轴承数字孪生模型,根据边缘端上传的指标数据片段,对各轴承数字孪生体模型进行更新,并将指标数据片段和更新后的孪生体模型参数上传至云端,并根据更新后的轴承数字孪生模型,融合轴承工作环境状态信号,利用云端的寿命预测模型和智能诊断模型,对轴承进行剩余寿命计算和早期损伤辨识;

云端处理器运行所述计算机程序时加载通用诊断预测模型,根据雾端上传的指标数据片段和更新后的孪生体模型参数,索引该雾端的时空数据,结合通用诊断预测模型为该雾端训练针对性诊断预测模型并发送回该雾端,同时根据各雾端上传的指标数据片段和更新后的孪生体模型参数更新时空索引,持续训练通用诊断预测模型,并计算服役条件对轴承寿命的主要影响因素,提供运维建议;

边缘端处理器运行所述计算机程序时根据得到的轴承运行状态信号以及轴承工作环境状态信号,对轴承运行状态信号以及轴承工作环境状态信号进行信号处理,计算得到轴承运行状态指标,同时根据所述轴承运行状态指标,利用简单轴承故障诊断算法进行轴承故障识别,若某监测指标严重超出阈值则及时告警,若没有指标超出阈值则认为被监测轴承没有发生失效行为;并根据所述轴承运行状态指标,在满足设定条件时向雾端上传指标数据片段和轴承工作环境状态信号。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110639226.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top