港口设备管理和维护主要分为管、用、养、修四大核心业务模块，其中养是指对各类港口设备进行保养、维护管理。为了保障港口设备的平稳运行，避免设备非计划停机对生产造成的不良影响，传统的人工定期巡检监测方式已逐渐转变为由振动传感器自动采集监测信号，实现对机械关键部位振动数值的在线实时监测，及时掌握设备的运行状态，从而达到“降本增效”的目的。
一、港口门机的重要性
门式起重机在港口装卸作业中起着关键角色，它们具有强大的承载能力、广阔的工作范围和稳定的运行特点，港口门座起重机电气故障不仅影响到了起重机的使用,也给作业人员带来一定的安全隐患。
二、方案简述
系统拓扑图
本系统主要由数据采集层、数据传输层、应用层和云端服务器组成，具体包括以下部分：状态监测传感器、智能网关、智能传输单元、云端服务器。
（1）数据采集层：包含温度振动一体化传感器，传感器能够方便的安装、使用、维护、更换，具备采集数据精度高、可靠性高等特点。
（2）应用层：包含智能网关，数据传输层提供多种方式（LoRa、有线网络）完成监测数据的上报、传输以满足实际安装环境的要求，同时传送数据以满足分析、预警的需要。
（3）数据分析服务层：包含数据分析平台、应用服务层。通过数据分析对采集到的监测数据进行存储、建模、挖掘、分析，实现关键设备监测数据的历史分析、多维度分析、频谱分析、故障预报、预警等；
（4）终端服务层：针对终端用户提供多种服务接入方式，用户可以通过Web访问云平台系统，提高维护工作的便捷性及效率。
现场安装图
三、诊断分析和健康管理平台
（1）登录界面：打开Google Chrome浏览器，输入网址，输入用户名和密码进行登录。
（2）整体概况查询：在线监测界面，可以看到设备当前状态统计、测点当前状态统计及设备列表。
在线监测界面示例
（3）故障诊断概述：
趋势图：展示故障时的振动烈度峰值趋势，趋势图中黄线为预警线，红线为报警线；
包络图：展示故障时的包络谱，依据一倍损坏频率幅值和包络谱进行故障分析诊断；
故障自诊断：根据机理模型和AI自学习，自动生成诊断报告。
维护建议：针对不同故障给出维护建议。
诊断分析示例图
