一种隧道智能风机故障预测方法及其系统与流程

本发明涉及风机故障预测，具体为一种隧道智能风机故障预测方法及其系统。

背景技术：

1、现有隧道风机监控系统采用对风机加装各种传感器，如电流、振动、温度、风速、噪声传感器，并对这些传感器设置故障阈值的方式监测故障即当传感器的值超过阈值时判定风机故障，进而报警，属事后报警。这种方式只能在故障发生后发出报警，无法提前对风机故障进行预测以便提前采取措施维护或更换部件而造成经济损失。

技术实现思路

1、本发明的目的在于提供一种隧道智能风机故障预测方法及其系统。

2、为实现上述目的，本发明提供如下技术方案如下：

3、一方面，本发明提供了一种隧道智能风机故障预测方法，具体步骤为：

4、s10通过传感器监测风机运行时的电流、振动、温度、风速、噪声信号并将这些数据传给计算机记录；

5、所述信号数据为至少电流、振动、温度、风速、噪声信号数据的一种。

6、s20通过人工对风机故障进行检查并确认故障类型，并将故障类型输入计算机记录故障类型；

7、s30将计算机神经网络对风机故障发生前一段时间内的电流、振动、温度、风速、噪声信号数据以及由人工确认故障类型数据供计算机进行自学习，训练并优化故障预测神经网络模型；

8、s40将风机运行时的电流、振动、温度、风速、噪声信号的实时数据及前一段时间的历史数据输入训练好的故障预测神经网络模型，对风机故障进行预测；

9、s50判断某个类型故障发生概率是否超过预设的故障发生概率阈值，如超过，则进入第s60步；如没有超过则进入第s40步继续进行故障发生概率预测；

10、s60输出即将发生故障的类型，并通过报警装置进行预警。

11、另一方面，本发明提供了应用于上述隧道智能风机故障预测方法的系统，包括电流传感器、振动传感器、温度传感器、风速传感器、噪声传感器、计算机、风机控制装置、风机及报警装置，所述电流传感器、振动传感器、温度传感器、风速传感器、噪声传感器安装在所述风机上，并分别与所述计算机信号输入端信号连接，所述计算机信号输出端分别与所述风机控制装置、报警装置信号连接，所述风机控制装置与所述风机电性连接并控制所述风机运行，其中：所述电流传感器用于监测所述风机运行状态时的电流数据，所述振动传感器用于监测所述风机运行状态时的振动数据，所述温度传感器用于监测所述风机运行状态时的温度数据，所述风速传感器用于监测所述风机运行状态时的风速数据，所述噪声传感器用于监测所述风机运行状态时的噪声数据；将监测到的实时电流、振动、温度、风速、噪声数据及此刻前一段时间的历史数据输入所述计算机得到一个故障类型概率，从而提前预测风机故障类型并通过所述报警装置进行预警。

12、所述故障预测神经网络模型为将计算机神经网络故障发生前一段时间内传感器监测到的电流、振动、温度、风速、噪声数据以及人工确认的故障类型供计算机进行自学习、训练而得出的故障预测神经网络模型，通过不断学习、训练进而优化建立风机即将发生的故障预测神经网络模型并设置好数据故障概率阈值，当监测到的实时数据及此刻前一段时间的历史数据经过神经网络模型计算后得到的某类型故障概率超过预设的故障概率阈值时，则判定为某个故障类型即将发生。

13、与现有技术相比，本发明的隧道智能风机故障预测方法及其系统可以对风机故障进行预测和预警，以便及时采取措施进行维护或更换部件，防止故障升级，减少经济损失。

技术特征：

1.一种隧道智能风机故障预测方法，其特征在于，具体步骤为：

2.根据权利要求1所述的隧道智能风机故障预测方法，其特征在于，具体步骤s10中，所述信号数据为至少电流、振动、温度、风速、噪声信号数据中的一种。

3.一种应用于权利要求1所述隧道智能风机故障预测方法的系统，其特征在于，包括电流传感器、振动传感器、温度传感器、风速传感器、噪声传感器、计算机、风机控制装置、风机及报警装置，所述电流传感器、振动传感器、温度传感器、风速传感器、噪声传感器安装在所述风机上，并分别与所述计算机信号输入端信号连接，所述计算机信号输出端分别与所述风机控制装置、报警装置信号连接，所述风机控制装置与所述风机电性连接并控制所述风机运行，其中：所述电流传感器用于监测所述风机运行状态时的电流数据，所述振动传感器用于监测所述风机运行状态时的振动数据，所述温度传感器用于监测所述风机运行状态时的温度数据，所述风速传感器用于监测所述风机运行状态时的风速数据，所述噪声传感器用于监测所述风机运行状态时的噪声数据；将监测到的实时电流、振动、温度、风速、噪声数据及此刻前一段时间的历史数据输入所述计算机得到一个故障类型概率，从而提前预测风机故障类型并通过所述报警装置进行预警。

4.根据权利要求3所述的系统，其特征在于，所述故障预测神经网络模型为将计算机神经网络故障发生前一段时间内传感器监测到的电流、振动、温度、风速、噪声数据以及人工确认的故障类型供计算机进行自学习、训练而得出的故障预测神经网络模型，通过不断学习、训练进而优化建立风机即将发生的故障预测神经网络模型并设置好数据故障概率阈值，当监测到的实时数据及此刻前一段时间的历史数据经过神经网络模型计算后得到的某类型故障概率超过预设的故障概率阈值时，则判定为某个故障类型即将发生。

技术总结本发明涉及风机故障预测技术领域，公开了一种隧道智能风机故障预测方法及其系统，其故障预测方法，将监测到的电流、振动、温度、风速、噪声数据及此刻前一段时间的历史数据输入计算机得到一个故障类型概率，从而提前预测风机故障类型并通过报警装置进行预警；其系统包括电流传感器、振动传感器、温度传感器、风速传感器、噪声传感器、计算机、风机控制装置、风机及报警装置。本发明可以对风机故障进行预测和预警，减少经济损失。技术研发人员：高显,聂继方受保护的技术使用者：广东洛森通风设备制造有限公司技术研发日：技术公布日：2024/9/17