客运索道工程-大秦索道安装施工-海南索道工程

齿轮及轴承旋转类机械的状态监测

轴承在索道减速器、驱动轮及回转轮的旋转运动中起到主要的支作用，其状态的好坏直接影响着旋转设备的工作性能及可靠性；此外，齿轮作为减速器的核心部件不仅传递运动还需传递负载力矩，其状态好坏直接影响系统正常运转。旋转机械其运行状态更多的反应在振动信号上，系统采用振动传感器监测各轴的振动信号并进行时域及频域分析，可实现轴承的内圈、外圈、滚动体、保持架等故障诊断，以及齿轮的轮面磨损、齿面点蚀、齿面疲劳、齿面断裂等故障诊断。液压站液压油的状态监测

液压站的作用是为紧急闸及张紧装置提供所需的压力。液压站主要包括油箱、液压泵、过滤器、供油管路、电磁阀、溢流阀、压力开关等元器件。主要故障有液压油污染、泄露、液压泵故障、电磁阀卡滞等。据资料统计，由于固体颗粒污染物引起的液压系统故障占液压系统故障的60%~70%，固体颗粒污染物可加速液压元件的磨损、堵塞元件的间隙和孔口，使控制元件动作失灵而引起系统故障。系统采用在线颗粒计数器进行清洁度检测，实现液压油的清洁度实时监测，并报告液压油污染等级。

设备的故障诊断及故障预测

前面介绍的索道(PLC)控制器可上传系统自诊断故障。为了补充索道系统的运行状态监及故障诊断范围，本系统针对关键部件设置外接传感器并配备具有数据处理及初步故障诊断能力的物联网终端，提高索道设备状态监测及故障诊断能力。

本系统将设备故障诊断分为边缘故障诊断和云端故障诊断两部分。

边缘故障诊断如下图所示，通过对传感器采集的原始数据进行初步计算和分析完成状态监测及预警，诊断主要依据设计指标及成熟的“*”经验设定的阈值与条件，其中“*”经验包括工程经验与终端的在线自学习产生的可靠诊断经验。

云端故障诊断如下图所示，通过对由物联网终端及DCS、PLC数据组成的云端数据中心进行特征挖掘、模型训练、深度学习等人工智能分析实现故障诊断、故障定位并不断发现新的诊断知识。

设备故障预测如下图所示，主要包括设备故障预测、剩余寿命预测及健康状态评估。预测分析数据源同样来自于由物联网终端及DCS、PLC数据组成的云端数据中心。在云端对历史数据进行挖掘，海南索道工程，挖掘出对故障及寿命有影响的关键特征，根据特征分布情况，选取接近的分布模型（如威布尔分布、正太分布、帕累托分布等）进行拟合，对设备的故障及生命周期内的健康状态进行分类，基于分布结果进行神经网络的训练学习，进而获取准确的预测分析模型；利用预测分析模型实现机组的故障预测、剩余寿命预测及健康状态评估。

设备健康管理业务

设备健康管理业务主要包括设备点检管理、保养管理、维修管理、备件管理。

1）点检管理实现设备点检计划、路线、工单、执行情况的管理，点检历史的记录及工单逾期报警等功能。

2）保养管理实现设备润滑、易损件更换、防锈处理、设备紧固处理等保养活动的计划、工单、执行的管理、保养历史的记录及工单逾期报警等功能。其中，保养工单分为由根据故障诊断及故障预测结果自动生成的工单及人工自建工单。

3)维修管理用来管理设备故障信息及维修工单，设备故障信息包括故障原因、分析报告、处理措施等信息，维修工单的来源包括日常点检报修、紧急故障报修及依据故障诊断及故障预测结果自动生成的工单。

4)备件管理实现备件的出入库管理、备件紧缺报警及库存优化功能。通过对备件的周转率及使用频率进行统计分析，不断优化备件库存结构及采购计划，实现满足检维修需求的库存。系统价值

客运索道健康管理系统可提高索道设备运维管理效率10%~20%、降低安全风险70%~80%、降低意外停机损失近20%~35%、降低设备运维成本30%~40%，为客户创造可观的安全**与经济收益。

房配置紧凑，索道工程安装，占地面积小，支架占地更少。可按实际地形随坡就势架设，索道工程索道设备，*修筑桥梁、涵洞，不需开挖大量土石方，对地形、地貌及自然环境的破坏小。

　　索道一般都用电力驱动，不污染环境。运行安全可靠，维护简单，容易实现机械化、自动化操作，劳动定员少，所产生的连带费用相对来说也比较少，所以索道这种交通工具所花费的费用较低，是比较划算的出行观光方式。也会少很多。