一种减速机的监测保护方法及系统与流程

本技术涉及设备监测运维，尤其涉及一种减速机的监测保护方法及系统。

背景技术：

1、减速机广泛应用于各种工业设备中，如生产线、输送带、机械臂等，在这些场景中，减速机起到降低速度、增加扭矩的作用，从而满足设备的工作需求，由于减速机在运行过程中出现的故障前兆特征是隐性的，不易察觉和判断，一旦减速机发生故障，往往是恶性故障，将直接导致生产线或设备停产，造成生产中断和严重损失。

2、目前，现有减速机监测保护方法，由于故障预测的精准度较低，导致无法及时发现减速机潜在故障威胁以及精准预测故障发生节点，造成设备运行风险较大的技术问题。

技术实现思路

1、本技术的目的是提供一种减速机的监测保护方法及系统，用以解决现有减速机监测保护方法，由于故障预测的精准度较低，导致无法及时发现减速机潜在故障威胁以及精准预测故障发生节点，造成设备运行风险较大的技术问题。

2、鉴于上述问题，本技术提供了一种减速机的监测保护方法及系统。

3、第一方面，本技术提供了一种减速机的监测保护方法，所述方法通过一种减速机的监测保护系统实现，其中，所述方法包括：以目标减速机的属性信息和工作场景为约束，联网检索确定高频故障数据集，所述高频故障数据集包括多个高频故障类型，以及高频故障类型的故障关联特征集；基于所述故障关联特征集搭建传感监测矩阵，通过所述传感监测矩阵对所述目标减速机进行监测，获取实时监测数据流；通过减速机孪生模型同步接收所述实时监测数据流，比对确定异常监测数据集，并溯源所述异常监测数据集，确定异常数据趋势集；利用所述减速机孪生模型的孪生子模型，基于所述异常监测数据集和所述数据趋势集进行模拟故障预测，生成模拟故障预测信息；通过预定故障预测网络，基于所述异常监测数据集和所述数据趋势集进行网络故障预测，生成网络故障预测信息，所述预定故障预测网络基于bp神经网络搭建，利用寻优算法监督训练得到；基于预设融合策略对所述模拟故障预测信息和所述网络故障预测信息进行融合，得到故障预测信息，所述故障预测信息包括故障类型、故障强度以及故障预测节点；读取预设故障延缓方案，基于所述预设故障延缓方案对所述故障类型和所述故障强度进行延缓分析，确定预测延缓时间，并基于所述预测延缓时间对所述故障预测节点进行补偿，生成补偿预测节点；若所述补偿预测节点不满足预定节点，执行所述目标减速机的源设备停机，并根据所述故障类型和所述故障强度对所述目标减速机进行检修维护。

4、第二方面，本技术还提供了一种减速机的监测保护系统，用于执行如第一方面所述的一种减速机的监测保护方法，其中，所述系统包括：高频故障数据集确定模块，所述高频故障数据集确定模块用于以目标减速机的属性信息和工作场景为约束，联网检索确定高频故障数据集，所述高频故障数据集包括多个高频故障类型，以及高频故障类型的故障关联特征集；目标减速机监测模块，所述目标减速机监测模块用于基于所述故障关联特征集搭建传感监测矩阵，通过所述传感监测矩阵对所述目标减速机进行监测，获取实时监测数据流；异常数据趋势集确定模块，所述异常数据趋势集确定模块用于通过减速机孪生模型同步接收所述实时监测数据流，比对确定异常监测数据集，并溯源所述异常监测数据集，确定异常数据趋势集；模拟故障预测模块，所述模拟故障预测模块用于利用所述减速机孪生模型的孪生子模型，基于所述异常监测数据集和所述数据趋势集进行模拟故障预测，生成模拟故障预测信息；网络故障预测模块，所述网络故障预测模块用于通过预定故障预测网络，基于所述异常监测数据集和所述数据趋势集进行网络故障预测，生成网络故障预测信息，所述预定故障预测网络基于bp神经网络搭建，利用寻优算法监督训练得到；故障预测信息得到模块，所述故障预测信息得到模块用于基于预设融合策略对所述模拟故障预测信息和所述网络故障预测信息进行融合，得到故障预测信息，所述故障预测信息包括故障类型、故障强度以及故障预测节点；补偿预测节点生成模块，所述补偿预测节点生成模块用于读取预设故障延缓方案，基于所述预设故障延缓方案对所述故障类型和所述故障强度进行延缓分析，确定预测延缓时间，并基于所述预测延缓时间对所述故障预测节点进行补偿，生成补偿预测节点；减速机检修维护模块，所述减速机检修维护模块用于若所述补偿预测节点不满足预定节点，执行所述目标减速机的源设备停机，并根据所述故障类型和所述故障强度对所述目标减速机进行检修维护。

5、本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：

6、1.通过以目标减速机的属性信息和工作场景为约束，联网检索确定高频故障数据集，所述高频故障数据集包括多个高频故障类型，以及高频故障类型的故障关联特征集；基于所述故障关联特征集搭建传感监测矩阵，通过所述传感监测矩阵对所述目标减速机进行监测，获取实时监测数据流；通过减速机孪生模型同步接收所述实时监测数据流，比对确定异常监测数据集，并溯源所述异常监测数据集，确定异常数据趋势集；利用所述减速机孪生模型的孪生子模型，基于所述异常监测数据集和所述数据趋势集进行模拟故障预测，生成模拟故障预测信息；通过预定故障预测网络，基于所述异常监测数据集和所述数据趋势集进行网络故障预测，生成网络故障预测信息，所述预定故障预测网络基于bp神经网络搭建，利用寻优算法监督训练得到；基于预设融合策略对所述模拟故障预测信息和所述网络故障预测信息进行融合，得到故障预测信息，所述故障预测信息包括故障类型、故障强度以及故障预测节点；读取预设故障延缓方案，基于所述预设故障延缓方案对所述故障类型和所述故障强度进行延缓分析，确定预测延缓时间，并基于所述预测延缓时间对所述故障预测节点进行补偿，生成补偿预测节点；若所述补偿预测节点不满足预定节点，执行所述目标减速机的源设备停机，并根据所述故障类型和所述故障强度对所述目标减速机进行检修维护。也就是说，通过基于目标减速机的故障关联特征集搭建传感监测矩阵，对目标减速机进行实时监测，得到监测数据流；接着利用同步运行的减速机孪生模型识别所述监测数据流，确定异常监测数据，并溯源确定异常数据变化趋势；然后通过所述减速机孪生模型的孪生子模型，基于异常监测数据和异常数据变化趋势进行模拟故障预测，确定模拟故障预测信息；另一方面基于bp神经网络搭建预定故障预测网络，并通过寻优算法对预定故障预测网络的训练过程进行优化，通过优化后的预定故障预测网络进行网络故障预测，生成网络故障预测信息；进一步融合所述模拟故障预测信息和所述网络故障预测信息，得到故障预测信息，其中包括故障类型、故障强度以及故障预测节点；接着根据预设故障延缓方案对所述故障类型和所述故障强度进行延缓分析，生成预测延缓时间对所述故障预测节点进行补偿，生成补偿预测节点；最后判断所述补偿预测节点是否满足预定节点，若不满足，则执行所述目标减速机的源设备停机，并对目标减速机进行检修维护。可以提高减速机故障预测的精准度，及时发现减速机潜在故障威胁和精准预测故障发生节点，有效避免设备突然停机或出现重大故障引起的生产中断和损失，确保设备运行的可靠性和稳定性。

7、2.基于bp神经网络搭建减速机的故障预测网络，并利用寻优算法对故障预测网络的初始权重和初始偏置进行优化，可以显著提高故障预测网络的模型精度，从而进一步提高减速机网络故障预测的精度和准确性。

8、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其他特征将通过以下的说明书而变得容易理解。