构建基于数据挖掘的风机远程监测与故障诊断平台-风机技术网.DOC

构建基于数据挖掘的风机远程监测与故障诊断平台* 侯澍旻 李友荣 刘光临/武汉科技大学 摘要：构建了一套基于INTERNET、数据库和数据挖掘技术的风机远程监测与诊断平台。通过该平台，授权用户可以方便快捷地获取和交换诊断维护信息。 关键词：风机 数据挖掘 故障诊断 中图分类号：TP273 文献标识码：B 文章编号：1006-8155（2006）-02-0031-04 Constructing the Long-distance Monitor and Trouble Diagnosis Platform of Fan Based on Data Exploiting Abstract: A long-distance monitoring and trouble diagnosis platform of fan that is based on INTERNET, data warehouse and data exploiting technology is constructed. With the platform, authorized user can acquire and exchange diagnosis maintenance information rapidly. Key words: Fan Data exploiting Trouble diagnosis 1 引言 大型风机（如引风机、送风机）等高速旋转关键设备的运行状态直接影响许多企业的生产。如何使这些设备在安全、可靠的状态下尽可能长时间地满负荷运行是企业永远关注的问题，在线监测成为一个普遍采用的手段。随着设备故障诊断技术和互联网的发展，通过网络对现场设备实施监测，并进行远程诊断也已成为现实。对于风机远程监测与故障诊断系统而言，许多分析方法必须以大量的历史数据为依托。因此，必须借助数据库和数据挖掘技术才能更好地进行故障诊断。根据以上分析，本文将数据挖掘技术引入远程故障诊断领域，构建了一套基于INTERNET、数据库和数据挖掘技术的风机远程监测与诊断平台。该平台为风机的安全运行提供了有力保障。 2 数据库和数据挖掘简介 数据库（DW）是一个用来更好地支持决策分析处理的，面向主题的、集成的、不可更改的、随时间不断变化的数据集合；是故障诊断系 统处理更复杂决策分析的较好途径。其主要实现过程是通过对数据的组织、抽取、清理和转换，建立若干个主题各异、格式统一的数据集市，存储现有的真实历史数据，从而尽可能降低物理上和语义上的不一致问题，实现数据应用于决策分析和管理的目的。从数据挖掘（DM）的角度看，数据库是数据挖掘实施的平台[1]。 数据挖掘是从数据中发现趋势或模式的高级过程，又称为数据库知识发现（KDD）。DM是一种分析和决策手段。主要根据人工智能、机器学习和统计学习原理，以数据库为基础，分析和挖掘历史数据[2]。DM技术在远程诊断领域的应用提高了数据分析的效率和深度，为智能化诊断，特别是故障预测提供了有力的手段，从而使设备享有专家级远程诊断。 3 风机远程监测与诊断平台的构建 3.1 监测对象 本系统监测对象为某烧结厂的2＃引风机，结合风机具体情况得到如下的监测项目： (1) 振动速度：同步电机输出轴轴承座和风机输入端轴承座水平和铅垂两个方向的振动速度信号，电机尾部轴承座（有止推轴瓦端）和风机非动力端轴承座水平、铅垂和轴向3个方向的振动速度信号，共10个速度信号。 (2) 振动位移：风机轴水平和垂直两个方向的振动位移信号，风机非动力输出端轴位移信号，共5个位移信号。 (3) 温度信号：电机和风机两端油膜轴承温度，共4个轴承温度信号；风机机壳温度，共4个信号。 (4) 转速及鉴相：1个鉴相信号。 (5) 工艺参数：流量；油温、油压；进、出口风压和风温；冷却水进、出口温度；电流、电压等。 机组测点布置如图1所示，电机尾部轴承座的水平、铅垂和轴向分别安装1＃、2＃和3＃振动速度传感器；电机输出端轴承座的水平和铅垂方向分别安装4＃和5＃振动速度传感器；风机输入端轴承座水平和铅垂两个方向分别安装6＃和7＃振动速度传感器；风机非动力端轴承座水平、铅垂和轴向分别安装8＃、9＃和10＃振动速度传感器。在风机非动力输出端安装轴位移信号（11＃）；在风机输入、输出轴处的水平和垂直两个方向各安装两个振动位移传感器（12＃、13＃和1 4＃、15＃）。在电机与风机的联轴器处安装接近开关，监测转子的相位变化并得到转速（16＃）。在电机与风机两端油膜轴承上安装温度传感器（17＃～20＃）。在风机机壳上安装4个温度传感器（21＃～24＃）。 图1 测点布置