[发明专利]基于物联网技术的液压万能试验机设备协同故障诊断方法在审

专利信息
申请号: 202110760151.7 申请日: 2021-07-06
公开(公告)号: CN113484154A 公开(公告)日: 2021-10-08
发明(设计)人: 刘鹏;高大伟;高熙宇;张起勋;张世忠 申请(专利权)人: 吉林大学重庆研究院
主分类号: G01N3/12 分类号: G01N3/12;G01N3/06;G01N3/02
代理公司: 长春吉大专利代理有限责任公司 22201 代理人: 崔斌
地址: 401120 重庆*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 联网 技术 液压 万能 试验 设备 协同 故障诊断 方法
【说明书】:

发明属于物联网领域,具体的说是一种基于物联网技术的液压万能试验机设备协同故障诊断方法。包括以下步骤:步骤一、构建设备数据互通网络;步骤二、构建故障几何,收集设备历史数据;步骤三、构建协同模型,进行故障诊断和预测;步骤四、输出解决方案,更新数据库。本发明利用物联网数据平台构建设备相关性模型,并挖掘协同数据,在部分记录缺失的情况下仍能通过多项故障特征对设备故障类型及发生节点进行预测和诊断。

技术领域

本发明属于物联网领域,具体的说是一种基于物联网技术的液压万能试验机设备协同故障诊断方法。

背景技术

液压万能试验机时一种能够完成金属、复合材料及制品的拉伸的材料试验机。在研究院所和高校教学领域有着广泛的应用。而基于物联网技术,将多个液压万能试验机运行数据和故障记录在数字平台中整合,形成数据纽带,构成数字孪生模型。在物联网数字平台中,根据多个设备的故障共性,采用协同故障诊断的方法为新设备以及数据缺失设备提供故障预测和故障处理提示的功能。

发明内容

本发明提供了一种基于物联网技术的液压万能试验机设备协同故障诊断方法,该诊断方法利用物联网数据平台构建设备相关性模型,并挖掘协同数据,在部分记录缺失的情况下仍能通过多项故障特征对设备故障类型及发生节点进行预测和诊断。

本发明技术方案结合附图说明如下:

一种基于物联网技术的液压万能试验机设备协同故障诊断方法,包括以下步骤:

步骤一、构建设备数据互通网络;

步骤二、构建故障几何,收集设备历史数据;

步骤三、构建协同模型,进行故障诊断和预测;

步骤四、输出解决方案,更新数据库。

所述步骤一的具体方法如下:

构建物联网信息平台,整合液压万能试验机设备数据,每台设备对应唯一设备编号以及编号下的数据信息,数据信息存储在物联网平台中,在平台功能层实现调用,在设备间形成数据纽带。

所述步骤二的具体方法如下:

S2.1确定故障类型;

故障类型及对应解决方案具体如下:

油路系统漏油故障:检查油路系统接头处是否拧紧,如拧紧,检查是否需要更换垫圈;

变速箱故障:开箱检查零件,并更换损坏零件;

上下钳口不同心:加工检验棒,上下钳口拉紧后,以两根力柱为依据用百分表测量调试,直到符合要求;

油管破裂:观察送油阀,溢流阀活塞是否顶死或装反,更换强度更高的油管,再次检查;

钳口故障:检查钳口装夹是否放正,若为钳口损坏或钳口不同心,此时更换钳口;

S2.2故障命名;

以发生频次+故障类型的方式进行故障类型划分:第一次发生命名为“初次+故障类型”;第二次发生故障命名为“二次+故障类型”;三次及三次以上发生故障命名为“多次+故障类型”;

S2.3构建故障集合,形成数字孪生模型;

收集各设备的历史故障记录,将物联网平台关联设备中的故障记录以上述命名形式整合,整合后的故障类型名称、维修方案、时间节点三项属性构成该设备的故障特征,剔除缺失任一属性的特征数据信息,采用三维建模软件对各设备进行建模,绑定对应的故障特征,形成数字孪生体,提供可视化功能和数据存储功能。

所述步骤三的具体方法如下:

S3.1相关性计算;

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吉林大学重庆研究院,未经吉林大学重庆研究院许可,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/202110760151.7/2.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