本发明属于故障诊断领域，具体是一种桥式起重机用故障诊断方法。
背景技术：
1、桥式起重机作为工业生产中不可或缺的大型起重设备，但由于长期承受重载、频繁启停及恶劣工作环境的影响，桥式起重机易出现电气系统故障、机械部件磨损、控制系统失灵等问题。传统的故障诊断方法多依赖于人工巡检和经验判断，存在效率低、准确性差、响应慢等不足，难以满足现代工业生产对设备维护管理的高要求。
2、现有技术(公开号为cn116281632a的发明申请)公开了一种工厂桥式起重机智能吊装控制系统，包括：传感器感知模块、通讯模块、控制模块与管理系统模块，所述管理系统模块包括控制中枢和云服务器，所述通讯模块用于实现传感器感知模块与边缘侧mcu的通讯、边缘侧mcu与控制中枢的通讯与控制中枢与云服务器的通讯。该发明申请基于工业ccd图像传感器、位移传感器、振动加速度传感器、噪声传感器、电流传感器所采集桥式起重机本体(主要是大车、小车、起升机构)、吊运物料和人员的多模态特征参数，利用物联网技术、半监督以及人工智能预测算法，有效实现桥式起重机故障预测，减轻工作人员脑力劳动，确保桥式起重机安全可靠作业。但现有技术没有考虑到环境因素，如环境温度、环境湿度和灰尘浓度也会影响桥式起重机的运行，从而导致起重机故障的问题。
3、因此，本发明提出一种桥式起重机用故障诊断方法，以解决上述问题。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种桥式起重机用故障诊断方法，用于解决现有技术没有考虑到环境因素，如环境温度、环境湿度和灰尘浓度也会影响桥式起重机的运行，从而导致起重机故障的技术问题。
2、为实现上述目的，本发明的第一方面提供了一种桥式起重机用故障诊断方法，包括：
3、步骤一：获取桥式起重机的运行数据以及周围的环境数据；
4、步骤二：基于环境数据计算得到环境预警评估系数；基于环境预警评估系数与预设环境阈值判断是否生成预警信息；是，则发送预警信息至用户端；否，则持续监测判断；其中，用户端包括：手机或电脑；
5、步骤三：基于历史运行数据和对应的环境数据训练人工智能模型，得到故障识别模型；
6、步骤四：基于故障识别模型对桥式起重机的运行数据以及环境数据对应的环境预警评估系数进行故障预测识别，得到识别结果。
7、优选的，所述获取桥式起重机的运行数据以及周围的环境数据，包括：
8、通过数据采集设备实时采集桥式起重机的运行数据以及周围的环境数据；其中，运行数据和环境数据对应同一采集时刻；运行数据包括：振动频率、噪声、电流、电压和位移；环境数据包括：环境温度、环境湿度和灰尘浓度。
9、需要说明的是，所述振动频率指的是起重机关键机械部件(如电机、轴承、齿轮箱、传动轴等)在运行过程中产生的振动；噪声传感器放置在产生异常声音的部件附近，如电机、齿轮箱等；电流和电压的采集是在电机、变频器、电源线路和控制电路等电气设备上进行；位移数据主要是起重机运动部件的实际位置和运动轨迹，包括小车在桥架上的横向位移、大车沿轨道的纵向位移，以及吊钩垂直方向上的升降位移。
10、优选的，所述基于环境数据计算得到环境预警评估系数，包括：
11、将环境温度标记为w，环境湿度标记为h，灰尘浓度标记为n；
12、通过环境预警评估系数公式：
13、p＝a×e^[(w-zw)^2/(zw)]+b×e^h/(e^h+1)+c×tanh(n)×ln(n)，计算得到环境预警评估系数；其中，p是环境预警评估系数，a、b、c是比例系数，tanh(*)是双曲正切函数，ln(*)是以自然数e为底的对数函数。
14、优选的，所述基于环境预警评估系数与预设环境阈值判断是否生成预警信息，包括：
15、判断环境预警评估系数是否大于预设环境阈值；是，则生成预警信息；否，则持续监测判断；其中，预设环境阈值是根据实际桥式起重机正常运行状态下的最适环境所设。
16、过高的温度会影响桥式起重机的保养和外层面的热度，从而影响其使用周期和起重性能；高温还可能使某些部件的材料性能发生变化，如塑料件老化、润滑油失效等；过低的温度可能使桥式起重机的表面硬化，导致其在行驶和起重时动作缓慢和笨重，影响工作效率；潮湿的环境容易使桥式起重机的金属部件发生锈蚀，影响其强度和稳定性。同时，潮湿还可能影响起重机的电子仪器仪表、电线、电器等部件的正常工作，严重时可能危及生命安全；过大的粉尘不仅可能进入起重机内部的机械设备部件，损害其应用效果，还可能加速设备的损坏，甚至导致机械设备破坏；
17、本发明通过采集桥式起重机周围的环境数据，基于环境数据计算得到环境预警评估系数，并基于环境预警评估系数与预设环境阈值判断是否生成预警信息，解决了现有技术没有考虑到环境因素也会影响桥式起重机的运行，从而导致起重机故障的问题。
18、优选的，所述基于历史运行数据和对应的环境数据训练人工智能模型，包括：
19、s1：基于历史运行数据对应采集时刻的环境数据通过环境预警评估系数公式计算得到历史环境预警评估系数；
20、s2：基于历史运行数据以及对应历史环境预警评估系数通过数据库匹配对应的故障类型；其中，数据库储存有现有已知的起重机故障类型；
21、s3：将历史运行数据以及对应历史环境预警评估系数整合为标准输入数据，将对应故障类型整合为标准输出数据；
22、s4：基于标准输入数据和标准输出数据训练人工智能模型，得到故障识别模型；其中，人工智能模型包括：卷积神经网络或深度置信网络。
23、需要说明的是，所述历史运行数据对应采集时刻的环境数据是指实时采集桥式起重机的运行数据以及周围环境数据的历史数据；所述故障类型包括：电机故障、元件过热、位移异常、轴承损坏和齿轮磨损等。
24、优选的，所述基于故障识别模型对桥式起重机的运行数据以及环境数据对应的环境预警评估系数进行故障预测识别，包括：
25、通过将桥式起重机的运行数据以及环境数据对应的环境预警评估系数输入故障识别模型，得到识别结果；其中，识别结果是指桥式起重机的故障类型。
26、与现有技术相比，本发明的有益效果是：
27、1.现有技术没有考虑到环境因素，如环境温度、环境湿度和灰尘浓度也会影响桥式起重机的运行，从而导致起重机故障的问题，本发明通过采集桥式起重机周围的环境数据，基于环境数据计算得到环境预警评估系数，并基于环境预警评估系数与预设环境阈值判断是否生成预警信息，解决了上述问题。
28、2.本发明通过基于历史运行数据对应采集时刻的环境数据通过环境预警评估系数公式计算得到历史环境预警评估系数；基于历史运行数据以及对应历史环境预警评估系数训练人工智能模型，得到故障识别模型；以及基于故障识别模型对桥式起重机的运行数据以及环境数据对应的环境预警评估系数进行故障预测识别，得到识别结果，解决了现有技术没有考虑到环境因素也会影响桥式起重机的运行，导致对起重机故障识别的准确率较低的问题。
1.一种桥式起重机用故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种桥式起重机用故障诊断方法，其特征在于，所述获取桥式起重机的运行数据以及周围的环境数据，包括：
3.根据权利要求1所述的一种桥式起重机用故障诊断方法，其特征在于，所述基于环境数据计算得到环境预警评估系数，包括：
4.根据权利要求1所述的一种桥式起重机用故障诊断方法，其特征在于，所述基于环境预警评估系数与预设环境阈值判断是否生成预警信息，包括：
5.根据权利要求1所述的一种桥式起重机用故障诊断方法，其特征在于，所述基于历史运行数据和对应的环境数据训练人工智能模型，包括：
6.根据权利要求1所述的一种桥式起重机用故障诊断方法，其特征在于，所述基于故障识别模型对桥式起重机的运行数据以及环境数据对应的环境预警评估系数进行故障预测识别，包括：
