刀具監(jiān)測主要采用人工檢測,、離線檢測和在線檢測三種策略。人工檢查是指工人在加工過程中可以憑經(jīng)驗檢查刀具的狀態(tài),;離線檢測是在加工前專門對刀具進行檢測,,預測其壽命,看是否能勝任當前的加工,;在線檢測又稱實時檢測,,是在加工過程中對刀具進行實時檢測,并根據(jù)檢測結(jié)果做出相應的處理,。目前刀具檢測的算法有很多,,有的是利用理論計算刀具上應力的變化來判斷刀具的損傷.有的是利用時間序列分析來檢測刀具,有的是利用神經(jīng)網(wǎng)絡(luò)技術(shù)來檢測刀具,。還有的是利用小波變換理論和神經(jīng)網(wǎng)絡(luò)技術(shù)來檢測刀具,但都是以理論為主??紤]到刀具的塑性損傷在數(shù)控加工中很少發(fā)生,,磨損對數(shù)控加工安全性影響很小,并且可以通過離線檢測進行加工,,通過在線檢測,,可...
遠程終端廣泛應用于工業(yè)互聯(lián)網(wǎng)、分布式數(shù)據(jù)采集,、設(shè)備狀態(tài)的在線監(jiān)測,,能夠進行前端數(shù)據(jù)清洗和邊緣計算,通過對歷史數(shù)據(jù)趨勢分析,、設(shè)備數(shù)據(jù)機理分析,、統(tǒng)計分析等大數(shù)據(jù)分析,對設(shè)備的狀態(tài)做出有效可靠的健康狀態(tài)評判,,從而切實有效的提高設(shè)備的維護能力,。遠程終端可實現(xiàn)對電源電壓、設(shè)備狀態(tài)的自檢,,分析計量故障等信息,,及時發(fā)現(xiàn)計量異常?,F(xiàn)場監(jiān)測箱開門,、斷電、設(shè)備運行等異常信息也能夠主動發(fā)送報警信息到監(jiān)測中心,,實現(xiàn)設(shè)備在線監(jiān)診的準確性,、完整性、及時性和可靠性,。設(shè)備狀態(tài)的監(jiān)診很有必要,。利用LabVIEW軟件構(gòu)建可視化監(jiān)測系統(tǒng),將電動機運行參數(shù)及狀態(tài)實時顯示在可視化界面中,完成在線智能監(jiān)測。嘉興狀態(tài)監(jiān)測設(shè)備針對刀具磨損狀...
任何設(shè)備在故障發(fā)生之前都會出現(xiàn)一些異常現(xiàn)象或癥狀,如振動偏大,,有異常噪音等。持續(xù)狀態(tài)監(jiān)測在預測性維護實踐中起著重要作用,,而關(guān)鍵的監(jiān)測參數(shù)是振動。設(shè)備振動揭示了對組件問題的重要見解,,這些問題可能會降低流程質(zhì)量并導致生產(chǎn)停工,。通過油溫升高可能是由于軸承運行狀態(tài)異常,也可能是室溫高,、散熱慢,、潤滑油枯度偏高或運行時間較長等原因,。因此,在判斷時可能出現(xiàn)兩類決策錯誤,;一是把實際處于異常狀態(tài)的機器誤認為正常狀態(tài),,二是把實際處于正常狀態(tài)的機器錯認為異常狀態(tài)。如果同時用幾個特征,,如油溫.潤滑油分析和噪聲來監(jiān)視機器主軸承的運行狀態(tài),,判斷就較為可靠。由此可見,,正確的識別理論是十分重要的,。遠程終端廣泛應用于工業(yè)互聯(lián)網(wǎng)...
工業(yè)設(shè)備的預測性維護的市場需求顯而易見。但是預防性維護想要產(chǎn)生業(yè)務價值,、真正大規(guī)模發(fā)展卻是遇到了兩個難題,。首先項目實施成本過高,硬件設(shè)備大多依賴進口,。比如數(shù)采傳感器,、設(shè)備等。這導致很多企業(yè)在考慮投入產(chǎn)出比時比較猶豫,。其次是技術(shù)需要突破,,目前大多數(shù)供應商只實現(xiàn)了設(shè)備狀態(tài)的監(jiān)視,真正能實現(xiàn)故障準確預測的落地案例寥寥無幾,。供應商技術(shù)和能力還需要不斷升級,。預防性維護要想實現(xiàn)更好的應用,要在以下方面實現(xiàn)突破,。實現(xiàn)基于預測的維護,,提升故障診斷及預測的準確率提高軟硬件產(chǎn)品國產(chǎn)化率,大幅度降低實施成本,。電機監(jiān)測和故障預判系統(tǒng)助力實現(xiàn)工業(yè)設(shè)備數(shù)智化管理和預測性維護,。南京專業(yè)監(jiān)測遠程終端廣泛應用于工業(yè)互聯(lián)網(wǎng)、分布...
低信噪比微弱信號特征早期故障的信號處理,。早期故障信息具有明顯的低信噪比微弱信號的特征,為實現(xiàn)早期故障有效分析,,涉及方法包括:多傳感系統(tǒng)檢測及信息融合,,非平穩(wěn)及非線性信號處理,故障征兆量和損傷征兆量信號分析,,噪聲規(guī)律與特點分析,,以及相關(guān)數(shù)據(jù)挖掘、粗糙集等方法,。故障預測模型構(gòu)建,。構(gòu)建基于智能信息系統(tǒng)的設(shè)備早期故障預測模型,這類模型大致有兩個途徑,,分別是物理信息預測模型以及數(shù)據(jù)信息預測模型,,或構(gòu)建這兩類預測模型相融合的預測模型。運行狀態(tài)劣化的相關(guān)評價參數(shù),、模式及準則,。如表征設(shè)備狀態(tài)發(fā)展的參數(shù)及特征模式,狀態(tài)發(fā)展評價準則及條件,,面向安全保障的決策理論方法,,穩(wěn)定性、可靠性及維修性評估依據(jù)及判據(jù)等,。物聯(lián)網(wǎng)...
電機抖動是指電機在運行過程中發(fā)生的不正常震動,,可能會導致機器故障和停機時間增加,進而影響生產(chǎn)效率和產(chǎn)品質(zhì)量,。常見的電機抖動原因包括軸承損壞,、不平衡、軸向偏移,、電機定子或轉(zhuǎn)子損傷等,。為了監(jiān)測大型電機設(shè)備的健康情況,可以采用以下方法:振動監(jiān)測:通過振動傳感器安裝在電機上,,實時監(jiān)測電機振動情況,,如果振動超過正常范圍,則可以發(fā)出警報并停機,。溫度監(jiān)測:通過溫度傳感器監(jiān)測電機內(nèi)部和外部的溫度變化,,如果發(fā)現(xiàn)異常的溫度升高,可能表明電機存在故障,。潤滑油監(jiān)測:通過監(jiān)測電機內(nèi)部的潤滑油質(zhì)量和油位,,及時發(fā)現(xiàn)油中雜質(zhì)和油位不足等問題,防止設(shè)備損壞,。電流監(jiān)測:通過電流傳感器監(jiān)測電機的電流變化,,可以檢測電機是否存在負載過...
從整體的網(wǎng)絡(luò)架構(gòu)來看,智能振動噪聲監(jiān)診子系統(tǒng)利用安裝在設(shè)備上的傳感器節(jié)點獲取設(shè)備的健康狀態(tài)監(jiān)測信號和運行參數(shù)數(shù)據(jù),,經(jīng)網(wǎng)絡(luò)層集中上傳至設(shè)備健康監(jiān)測物聯(lián)網(wǎng)綜合管理平臺,,實現(xiàn)數(shù)據(jù)傳輸。應用層實現(xiàn)監(jiān)測信號的分析?故障特征提取?故障診斷及預測功能,,實現(xiàn)智能化管理?應用和服務,。設(shè)備健康監(jiān)測物聯(lián)網(wǎng)綜合管理平臺具有強大的數(shù)據(jù)采集分析處理?數(shù)據(jù)可視?設(shè)備運維?故障診斷?故障報警等功能。通過實時監(jiān)測查看?統(tǒng)計?追溯,實現(xiàn)對其管轄設(shè)備的實時監(jiān)測和運行維護,,基于運行信息和檢修信息?自動生成設(shè)備管理報表,,實現(xiàn)設(shè)備可靠性?故障數(shù)據(jù)?更換備件等信息統(tǒng)計,為維修方案提供依據(jù),。監(jiān)測系統(tǒng)可以實現(xiàn)在任何運行條件下,,高精細地監(jiān)測多種...
傳統(tǒng)方法通常無法自適應提取特征, 同時需要一定的離線數(shù)據(jù)訓練得到檢測模型, 但目標對象在線場景下采集到的數(shù)據(jù)有限, 且其數(shù)據(jù)分布與訓練數(shù)據(jù)的分布可能因隨機噪聲、變工況等原因而存在差異, 導致離線訓練的模型并不完全適合于在線數(shù)據(jù), 容易降低檢測結(jié)果的準確性; 其次, 上述方法通常采用基于異常點的檢測算法, 未充分考慮樣本前后的時序關(guān)系, 容易因數(shù)據(jù)微小波動而產(chǎn)生誤報警, 降低檢測結(jié)果的魯棒性; 再次, 為降低誤報警, 這類方法需要反復調(diào)整報警閾值. 此外, 基于系統(tǒng)分析的故障診斷方法利用狀態(tài)空間描述建立機理模型, 可獲得理想的診斷和檢測結(jié)果, 但這類方法通常需要提前知道系統(tǒng)運動方程等信息, 對于...
為了避免發(fā)生災難性電機故障的可能性,,業(yè)界產(chǎn)生對開始退化的感應電機組件進行了早期狀態(tài)監(jiān)測和故障診斷的需求,。狀態(tài)監(jiān)測可在其整個使用壽命期間對感應電機的各種部件進行持續(xù)評估。感應電機故障的早期診斷,,對即將發(fā)生的故障提供足夠的警告,,為企業(yè)提供基于狀態(tài)的維護和**短停機時間建議。電機故障監(jiān)測系統(tǒng),,電機狀態(tài)檢測儀,。電機故障監(jiān)測系統(tǒng)是采用現(xiàn)代電子技術(shù)和傳感器技術(shù),對電動機運行過程中的各種參數(shù)進行實時在線檢測,、分析,、處理并作出相應報警或指示的裝置。其基本功能包括:1,、對電動機的絕緣電阻,、溫升等常規(guī)電氣參數(shù)和振動、噪聲等機械量進行測量,;2,、通過設(shè)定值比較法確定電機的實際工況;3,、根據(jù)設(shè)定的報警閾值或動作時間發(fā)出...
設(shè)備監(jiān)測是指對設(shè)備運行狀態(tài)進行實時或定期的監(jiān)測和檢測,,以獲取設(shè)備的關(guān)鍵性能指標、故障信息等數(shù)據(jù),,并對這些數(shù)據(jù)進行分析,、處理和解釋,以便及時發(fā)現(xiàn)設(shè)備的健康狀況,,并根據(jù)監(jiān)測結(jié)果制定相應的維護計劃和改進措施,。設(shè)備監(jiān)測通常通過傳感器、監(jiān)測系統(tǒng),、計算機軟件等技術(shù)手段進行實現(xiàn),,以提高設(shè)備的可靠性、可用性和效率,,降低設(shè)備故障率和維修成本,提高設(shè)備的生命周期價值,。設(shè)備監(jiān)測在制造業(yè),、能源,、交通、建筑,、環(huán)保等領(lǐng)域得到廣泛應用,。設(shè)備監(jiān)測一般分為以下步驟:①從設(shè)備上收集數(shù)據(jù);②將收集到的數(shù)據(jù)傳輸至平臺,,如PreMaint設(shè)備健康管理平臺,;③監(jiān)控和分析收集到的設(shè)備數(shù)據(jù)。監(jiān)測系統(tǒng)利用深度模型自動學習跨領(lǐng)域狀態(tài)監(jiān)測數(shù)據(jù)的可...
深度學習技術(shù)已在滾動軸承故障監(jiān)測和診斷領(lǐng)域取得了成功應用, 但面對不停機情況下的早期故障在線監(jiān)測問題, 仍存在著早期故障特征表示不充分,、誤報警率高等不足. 為解決上述問題, 本文從時序異常檢測的角度出發(fā), 提出了一種基于深度遷移學習的早期故障在線檢測方法. 首先, 提出一種面向多域遷移的深度自編碼網(wǎng)絡(luò), 通過構(gòu)建具有改進的比較大均值差異正則項和Laplace正則項的損失函數(shù), 在自適應提取不同域數(shù)據(jù)的公共特征表示同時, 提高正常狀態(tài)和早期故障狀態(tài)之間特征的差異性; 基于該特征表示, 提出一種基于時序異常模式的在線檢測模型, 利用離線軸承正常狀態(tài)的排列熵值構(gòu)建報警閾值, 實現(xiàn)在線數(shù)據(jù)中異常序列的...
電機等振動設(shè)備在運行中,,伴隨著一些安全問題,振動數(shù)據(jù)會發(fā)生變化,,如果不及時發(fā)現(xiàn),,容易導致起火或,造成大量的財產(chǎn)損失,,而這些問題具有突發(fā)性和不準確性,,難以預知,應對這種情況,,需要一種手段去解決,。無線振動傳感器直接讀取原始加速度數(shù)據(jù),準確可靠,,避免后期計算出現(xiàn)較大誤差,。本傳感器采用無線通訊方式,低功耗設(shè)計,,一次性鋰亞電池供電,,具有容量大、耐高溫,、不宜爆等特點,。工作原理:將傳感器分布式安裝在各類電機、風機,、振動平臺,、回轉(zhuǎn)窯、傳送設(shè)備等需要振動監(jiān)測的設(shè)備上實時采集振動數(shù)據(jù),,然后通過無線方式將數(shù)據(jù)發(fā)送給采集端,,采集端將數(shù)據(jù)解析、顯示或傳輸,。系統(tǒng)能實時在線監(jiān)測出設(shè)備異常,,避免事故發(fā)生。產(chǎn)品特點(1)實時性...
通過對電機部分放電、振動,、電流特征分析,、磁通量和磁芯完整性的在線監(jiān)測和離線檢測,為電機轉(zhuǎn)子和定子繞組的狀態(tài)維修提供信息,。通過監(jiān)測電機的電流,、電壓信號,在自身內(nèi)部建立數(shù)學模型,,對被監(jiān)電機進行自我學習,,完成學習后開始進行監(jiān)測。通過將測量電流與數(shù)學模型計算所得電流進行差分比較,,得到一組數(shù)值,,再將該數(shù)值通過傅里葉分析,得到一個功率譜密度圖,。功率頻譜圖中,,各頻率段的突加分量**不同的故障類型,**終給出報告,,告知維修團隊應該在接下來多久時間內(nèi)需對該故障進行處理,。維修團隊根據(jù)報告,按實際情況采購備件,、排產(chǎn),、計劃停機維修,比較低限度的減少了設(shè)備停機時間,,降低了非計劃性停機帶來的損失,。 新型的電機故障預測...
設(shè)備監(jiān)測是指對設(shè)備運行狀態(tài)進行實時或定期的監(jiān)測和檢測,以獲取設(shè)備的關(guān)鍵性能指標,、故障信息等數(shù)據(jù),,并對這些數(shù)據(jù)進行分析、處理和解釋,,以便及時發(fā)現(xiàn)設(shè)備的健康狀況,,并根據(jù)監(jiān)測結(jié)果制定相應的維護計劃和改進措施。設(shè)備監(jiān)測通常通過傳感器,、監(jiān)測系統(tǒng),、計算機軟件等技術(shù)手段進行實現(xiàn),以提高設(shè)備的可靠性,、可用性和效率,,降低設(shè)備故障率和維修成本,提高設(shè)備的生命周期價值,。設(shè)備監(jiān)測在制造業(yè),、能源,、交通、建筑,、環(huán)保等領(lǐng)域得到廣泛應用,。設(shè)備監(jiān)測一般分為以下步驟:①從設(shè)備上收集數(shù)據(jù);②將收集到的數(shù)據(jù)傳輸至平臺,,如PreMaint設(shè)備健康管理平臺;③監(jiān)控和分析收集到的設(shè)備數(shù)據(jù),。盈蓓德科技能為風機提供早期有效預知傳動鏈故障,、軸承...
智能振動噪聲監(jiān)診系統(tǒng),針對某型設(shè)備,,通過機理模型分析設(shè)計出相應的傳感策略,,獲取聲音、振動,、壓力等多模態(tài)多維信號,,隨后利用數(shù)據(jù)凈化、自適應分割等信號處理技術(shù),,完成有效數(shù)據(jù)轉(zhuǎn)換,。根據(jù)用戶定制需求和已有的**知識建立診斷知識庫,通過以太網(wǎng)將數(shù)據(jù)和知識庫傳遞給服務器完成深度學習,,實現(xiàn)異常檢測,、故障分類和異常定位,并給出設(shè)備的改進建議,;同時,,該產(chǎn)品也提供離線模式,可讓用戶利用既有的知識庫直接進行故障判斷,,快速解決共性問題,。該產(chǎn)品的技術(shù)特點是從機理模型出發(fā),有機結(jié)合深度學習的數(shù)據(jù)挖掘優(yōu)勢,,形成真正可依賴的人工智能,。盈蓓德科技能為風機提供早期有效預知傳動鏈故障、軸承損傷,、齒輪箱,、發(fā)電機等故障的狀態(tài)監(jiān)測解決方...
物聯(lián)網(wǎng)技術(shù)為設(shè)備狀態(tài)監(jiān)測診斷帶來了設(shè)備狀態(tài)無線監(jiān)測?高速數(shù)據(jù)傳輸?邊緣計算和精細化診斷分析等先進技術(shù)。本項目相關(guān)的狀態(tài)監(jiān)測技術(shù)是要解決海量終端(傳感器數(shù)據(jù))的聯(lián)接,、管理,、實時分析處理。關(guān)鍵技術(shù)包含海量數(shù)據(jù)的采集和傳輸技術(shù),、信號處理技術(shù)和邊緣計算技術(shù),。對設(shè)備進行診斷的目的,,是了解設(shè)備是否在正常狀態(tài)下運轉(zhuǎn),為此需測定有關(guān)設(shè)備的各種量,,即信號,。如果捕捉到的信號能直接反映設(shè)備的問題,如溫度的測值,,則與設(shè)備正常狀態(tài)偽規(guī)定值相比較即可,。但測到的聲波或振動信號一般都伴有雜音和其他干擾,放大多需濾波,?;剞D(zhuǎn)機械的振動和噪聲就是一例。一般測到的波形和數(shù)值沒有一定規(guī)則,,需要把表示信號特征的量提取出來,,以此數(shù)值和信號...
故障診斷可以使系統(tǒng)在一定工作環(huán)境下根據(jù)狀態(tài)監(jiān)測系統(tǒng)提供的信息來查明導致系統(tǒng)某種功能失調(diào)的原因或性質(zhì),判斷劣化發(fā)生的部位或部件,,以及預測狀態(tài)劣化的發(fā)展趨勢等,。電機故障診斷的基本方法主要有:1、電氣分析法,,通過頻譜等信號分析方法對負載電流的波形進行檢測從而診斷出電機設(shè)備故障的原因和程度,;檢測局部放電信號;對比外部施加脈沖信號的響應和標準響應等,;2,、絕緣診斷法,利用各種電氣試驗裝置和診斷技術(shù)對電機設(shè)備的絕緣結(jié)構(gòu)和參數(shù),、工作性能是否存在缺陷做出判斷,并對絕緣壽命做出預測,;3、溫度檢測方法,,采用各種溫度測量方法對電機設(shè)備各個部位的溫升進行監(jiān)測,電機的溫升與各種故障現(xiàn)象相關(guān),;4、振動與噪聲診斷法,,通過對電...
設(shè)備故障診斷首先要獲取設(shè)備運行中各種狀態(tài)信息,,如:振動、聲音,、變形,、位移、應力,、裂紋,、磨損、溫度,、壓力,、流量,、電流、轉(zhuǎn)速,、轉(zhuǎn)矩,、功率等各種參數(shù)。振動信號在線監(jiān)測診斷技術(shù)是設(shè)備狀態(tài)監(jiān)測與故障診斷的重要手段,。機械振動引起的設(shè)備損壞率很高,,振動大即是設(shè)備有故障的表現(xiàn)。對于設(shè)備的振動信號測試和分析,,可獲得機體,、轉(zhuǎn)子或其他零部件的振動幅值、頻率和相位三個基本要素,,經(jīng)過對信號的分析處理和識別,可能了解到機器的振動特點,、結(jié)構(gòu)強弱,、振動來源,故障部位和故障原因,,為診斷決策提供依據(jù),,因此,利用振動信號診斷故障的技術(shù)應用**為普遍,。振動信號中含有豐富的機械狀態(tài)信息量,,可反映設(shè)備設(shè)計是否合理、零部件是否存在缺陷,、材...
動力裝備全壽命周期監(jiān)測診斷方面:實現(xiàn)了支持物聯(lián)網(wǎng)的智能信息采集與管理,、全生命周期動態(tài)自適應監(jiān)測、早期非線性故障特征提取,。優(yōu)化重構(gòu)出綜合體現(xiàn)裝備運行工況及表現(xiàn)的新參數(shù),,提高異常狀態(tài)辨識的適應性與可靠性,基于運行過程信息反映裝備劣化趨勢與故障發(fā)展規(guī)律,,來提高故障早期辨識能力,。動力裝備全生命周期性能優(yōu)化服務方面:提供了轉(zhuǎn)子全息動平衡快速響應與服務支持、以全息譜為**的失衡故障確診,、動力裝備轉(zhuǎn)子和軸系平衡配重方案優(yōu)化,。基于物聯(lián)網(wǎng)和網(wǎng)絡(luò)化監(jiān)測診斷將產(chǎn)品監(jiān)測診斷與運行服務支持有機集成一體,,在應用中實現(xiàn)動力裝備常見故障診斷準確率達80%以上,。可應用于風力大電機,、空壓機,、氮壓機等大型動力裝備的集群化診斷領(lǐng)域,。...
傳統(tǒng)維護模式中的故障后維護與定期維護將影響生產(chǎn)效率與產(chǎn)品質(zhì)量,并大幅提高制造商的成本,。隨著物聯(lián)網(wǎng),、大數(shù)據(jù)、云計算,、機器學習與傳感器等技術(shù)的成熟,,預測性維護技術(shù)應運而生。 以各類如電機,、軸承等設(shè)備為例,,目前已發(fā)展到較為成熟的在線持續(xù)監(jiān)測階段,來實現(xiàn)查看設(shè)備是否需要維護,、怎么安排維護時間來減少計劃性停產(chǎn)等,,并能夠快速、有效的通過物聯(lián)網(wǎng)接入到整個網(wǎng)絡(luò),,將數(shù)據(jù)回傳至管理中心,,來實現(xiàn)電機設(shè)備的預測性維護。 以各類如電機,、軸承等設(shè)備為例,,目前已發(fā)展到較為成熟的在線持續(xù)監(jiān)測階段,來實現(xiàn)查看設(shè)備是否需要維護,、怎么安排維護時間來減少計劃性停產(chǎn)等,,并能夠快速、有效的通過物聯(lián)網(wǎng)接入到整個網(wǎng)絡(luò),,將數(shù)據(jù)...
隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展,,各類傳感器應運而生,通過給設(shè)備安裝傳感器,、采集器等裝置,,結(jié)合軟件采集,可以高效地實現(xiàn)設(shè)備狀態(tài)的自動采集,,精細反應設(shè)備真實運行情況?,F(xiàn)代設(shè)備大型化、高速化和自動化程度越來越高,,為進一步了解設(shè)備運行的細節(jié),,只監(jiān)測設(shè)備狀態(tài)就遠遠不夠,還需要監(jiān)測更多的設(shè)備運行參數(shù),。例如數(shù)控機床運行時的主軸負載,、主軸轉(zhuǎn)速、進給倍率等,,乃至主軸振動,、溫度等參數(shù),,以及報警信息等,如此才能***了解機床加工的細節(jié)情況,,對于加工質(zhì)量的保障,、設(shè)備維保等都具有重要的價值。數(shù)控機床一般通過數(shù)控系統(tǒng)進行控制,,各類數(shù)控系統(tǒng)具有完善的通訊協(xié)議,,通過軟件對接通訊協(xié)議,可以實現(xiàn)上述更多參數(shù)采集,。有效的刀具監(jiān)測系統(tǒng)可大幅度...
預測性維護應運而生,。其是以狀態(tài)為依據(jù)的維修,主要是對設(shè)備在運行中產(chǎn)生的二次效應(如振動,、噪聲,、沖擊脈沖、油樣成分,、溫度等)進行連續(xù)在線的狀態(tài)監(jiān)測及數(shù)據(jù)分析,,診斷并預測設(shè)備故障的發(fā)展趨勢,提前制定預測性維護計劃并實施檢維修的行為,。總體來看,,狀態(tài)監(jiān)測和故障診斷是判斷預測性維護是否合理的根本所在,,數(shù)據(jù)狀態(tài)的連續(xù)監(jiān)測和遠程傳輸上傳相對已經(jīng)比較成熟,而狀態(tài)預測和故障診斷主要還是依靠人工分析實現(xiàn),,診斷分析人員通過趨勢?波形?頻譜等專業(yè)分析工具,,結(jié)合傳動結(jié)構(gòu)?機械部件參數(shù)等信息,實現(xiàn)設(shè)備故障的精細定位,。其發(fā)展趨勢是將物聯(lián)網(wǎng)及人工智能技術(shù)引入狀態(tài)預測及故障的智能診斷,,從而降低誤判概率,大幅提升診斷效率和準確性...
設(shè)備狀態(tài)監(jiān)測和故障診斷技術(shù)是設(shè)備維護手段之一,。設(shè)備的故障監(jiān)測診斷技術(shù),,就是利用科學的檢測方法和現(xiàn)代化技術(shù)手段,對設(shè)備目前的運行狀態(tài)進行監(jiān)測和排查,,從而判斷出設(shè)備運行狀態(tài)的可靠性,,確認其局部或整機是否正常運行。煤礦用機電設(shè)備溫度振動監(jiān)測系統(tǒng)***用于煤礦主扇,、壓風機,、鋼絲繩牽引帶式輸送機、滾筒帶式輸送機,、排水泵和電動機,、提升機等,,有助于掌握設(shè)備運行工況中的溫度振動數(shù)據(jù)。 提升機,、鋼絲繩牽引,、滾筒帶式輸送機、皮帶機,、空壓機,、壓風機,、水泵等煤礦機電設(shè)備要求增加電動機及主要軸承溫度和振動監(jiān)測。裝置功能:1,、提升機,、水泵,、皮帶機等設(shè)備電動機主軸承溫度振動在線監(jiān)測2,、礦用高壓異步電動機軸承溫度振...
基于人工神經(jīng)網(wǎng)絡(luò)的診斷方法簡單處理單元***連接而成的復雜的非線性系統(tǒng),具有學習能力,自適應能力,非線性逼近能力等,。故障診斷的任務從映射角度看就是從征兆到故障類型的映射,。用ANN技術(shù)處理故障診斷問題,不僅能進行復雜故障診斷模式的識別,還能進行故障嚴重性評估和故障預測,由于ANN能自動獲取診斷知識,,使診斷系統(tǒng)具有自適應能力,。基于集成型智能系統(tǒng)的診斷方法隨著電機設(shè)備系統(tǒng)越來越復雜,,依靠單一的故障診斷技術(shù)已難滿足復雜電機設(shè)備的故障診斷要求,,因此上述各種診斷技術(shù)集成起來形成的集成智能診斷系統(tǒng)成為當前電機設(shè)備故障診斷研究的熱點。主要的集成技術(shù)有:基于規(guī)則的**系統(tǒng)與ANN的結(jié)合,,模糊邏輯與ANN的結(jié)合,,...
基于數(shù)據(jù)的故障檢測與診斷方法能夠?qū)A康墓I(yè)數(shù)據(jù)進行統(tǒng)計分析和特征提取,將系統(tǒng)的狀態(tài)分為正常運行狀態(tài)和故障狀態(tài),,可視為模式識別任務,。故障檢測是判斷系統(tǒng)是否處于預期的正常運行狀態(tài),判斷系統(tǒng)是否發(fā)生異常故障,,相當于一個二分類任務,。故障診斷是在確定發(fā)生故障的時候判斷系統(tǒng)處于哪一種故障狀態(tài),相當于一個多分類任務。因此,,故障檢測和診斷技術(shù)的研究類似于模式識別,分為4個的步驟:數(shù)據(jù)獲取,、特征提取,、特征選擇和特征分類,。1)數(shù)據(jù)獲取步驟是從過程系統(tǒng)收集可能影響過程狀態(tài)的信號,,包括溫度、流量等過程變量,;2)特征提取步驟是將采集的原始信號映射為有辨識度的系統(tǒng)狀態(tài)信息,;3)特征選擇步驟是將與狀態(tài)變化相關(guān)的變量提取出...
手機微電機在線自動分揀系統(tǒng)。該系統(tǒng)精細高效的采集微型馬達工作時的聲音信號,,然后通過聲音分析算法進行質(zhì)量特征值的提取,,能夠與現(xiàn)有的人工檢測進行比對和分析,將以往人工檢測形成的數(shù)據(jù)集標簽,,結(jié)合深度學習算法進行良品與次品的分類,。并且由于微電機每天的生產(chǎn)數(shù)量都在幾千萬臺,很適合使用深度學習等機器學習方法,,因此通過機器學習方法,,對大量電機特征數(shù)據(jù)(特別是故障電機)進行分析處理,對測試電機進行良品檢測和分類,,準確率達到95%以上,。新型電機故障監(jiān)測系統(tǒng)借用物聯(lián)網(wǎng)、人工智能,、邊緣計算等技術(shù),提前預判設(shè)備故障,。非標監(jiān)測數(shù)據(jù)現(xiàn)代電力系統(tǒng)中發(fā)電機的單機容量越大型發(fā)電機在電力生產(chǎn)中處于主力位置,,同時大型發(fā)電機由于造價...
刀具監(jiān)測主要采用人工檢測、離線檢測和在線檢測三種策略,。人工檢查是指工人在加工過程中可以憑經(jīng)驗檢查刀具的狀態(tài),;離線檢測是在加工前專門對刀具進行檢測,,預測其壽命,看是否能勝任當前的加工,;在線檢測又稱實時檢測,,是在加工過程中對刀具進行實時檢測,并根據(jù)檢測結(jié)果做出相應的處理。目前刀具檢測的算法有很多,,有的是利用理論計算刀具上應力的變化來判斷刀具的損傷.有的是利用時間序列分析來檢測刀具,有的是利用神經(jīng)網(wǎng)絡(luò)技術(shù)來檢測刀具。還有的是利用小波變換理論和神經(jīng)網(wǎng)絡(luò)技術(shù)來檢測刀具,但都是以理論為主,??紤]到刀具的塑性損傷在數(shù)控加工中很少發(fā)生,,磨損對數(shù)控加工的安全性影響很小,并且可以通過離線檢測進行加工,,通過在線檢測,,...
設(shè)備監(jiān)測是指對設(shè)備運行狀態(tài)進行實時或定期的監(jiān)測和檢測,以獲取設(shè)備的關(guān)鍵性能指標,、故障信息等數(shù)據(jù),并對這些數(shù)據(jù)進行分析,、處理和解釋,,以便及時發(fā)現(xiàn)設(shè)備的健康狀況,并根據(jù)監(jiān)測結(jié)果制定相應的維護計劃和改進措施,。設(shè)備監(jiān)測通常通過傳感器、監(jiān)測系統(tǒng),、計算機軟件等技術(shù)手段進行實現(xiàn),,以提高設(shè)備的可靠性、可用性和效率,,降低設(shè)備故障率和維修成本,提高設(shè)備的生命周期價值,。設(shè)備監(jiān)測在制造業(yè),、能源、交通,、建筑,、環(huán)保等領(lǐng)域得到廣泛應用,。設(shè)備監(jiān)測一般分為以下步驟:①從設(shè)備上收集數(shù)據(jù),;②將收集到的數(shù)據(jù)傳輸至平臺,如PreMaint設(shè)備健康管理平臺;③監(jiān)控和分析收集到的設(shè)備數(shù)據(jù),。人工智能和深度學習技術(shù)已在滾動軸承故障監(jiān)測和診斷領(lǐng)...
設(shè)備監(jiān)測是指對設(shè)備運行狀態(tài)進行實時或定期的監(jiān)測和檢測,,以獲取設(shè)備的關(guān)鍵性能指標、故障信息等數(shù)據(jù),,并對這些數(shù)據(jù)進行分析,、處理和解釋,,以便及時發(fā)現(xiàn)設(shè)備的健康狀況,并根據(jù)監(jiān)測結(jié)果制定相應的維護計劃和改進措施,。設(shè)備監(jiān)測通常通過傳感器,、監(jiān)測系統(tǒng)、計算機軟件等技術(shù)手段進行實現(xiàn),,以提高設(shè)備的可靠性、可用性和效率,,降低設(shè)備故障率和維修成本,,提高設(shè)備的生命周期價值。設(shè)備監(jiān)測在制造業(yè),、能源,、交通、建筑,、環(huán)保等領(lǐng)域得到廣泛應用,。設(shè)備監(jiān)測一般分為以下步驟:①從設(shè)備上收集數(shù)據(jù),;②將收集到的數(shù)據(jù)傳輸至平臺,如PreMaint設(shè)備健康管理平臺,;③監(jiān)控和分析收集到的設(shè)備數(shù)據(jù)。軸承的監(jiān)測和診斷方法主要是通過振動信號的時域和頻域...
在預防性維護的應用中,振動是大型旋轉(zhuǎn)等設(shè)備即將發(fā)生故障的重要指標,,一是由于在大型旋轉(zhuǎn)機械設(shè)備的所有故障中,振動問題出現(xiàn)的概率比較高;另一方面,,振動信號包含了豐富的機械及運行的狀態(tài)信息,;第三,振動信號易于拾取,,便于在不影響機械運行的情況下實行在線監(jiān)測和診斷,。旋轉(zhuǎn)類設(shè)備的預防性維護需要重點監(jiān)控振動量的變化,。其預測性診斷技術(shù)對于制造業(yè)、風電等的行業(yè)的運維具有非常重大的意義,。通過設(shè)備振動等狀態(tài)的預測性維護,,可以及時發(fā)現(xiàn)并解決系統(tǒng)及零部件存在問題。但是對于一些不是因為設(shè)備問題而存在的固有振動,,振動強度的不必要增加會對部件產(chǎn)生有害的力,,危及設(shè)備的使用壽命和質(zhì)量,。在這種情況下,,則需要采用振動隔離技術(shù)來解決和...