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(yīng)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(yīng)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(wù)方面：提供了轉(zhuǎn)子全息動平衡快速響應(yīng)與服務(wù)支持、以全息譜為失衡故障確診,、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(wù)支持有機集成一體,，在應(yīng)用中實現(xiàn)動力裝備常見故障診斷準(zhǔn)確率達(dá)80％以上,。可應(yīng)用于風(fēng)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。提供了基于物聯(lián)網(wǎng)的動力裝備全生命周期監(jiān)測與服務(wù)支持創(chuàng)新模式,，提供了其生命周期的遠(yuǎn)程監(jiān)測診斷與維護等專業(yè)化服務(wù),。設(shè)備狀態(tài)監(jiān)測診斷分析系統(tǒng)實現(xiàn)大型旋轉(zhuǎn)設(shè)備參數(shù)狀態(tài)監(jiān)測、統(tǒng)計分析,、預(yù)警報警,、多維診斷和智能巡檢等功能。紹興EOL監(jiān)測數(shù)據(jù)

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(fù)雜的非線性系統(tǒng),，具有學(xué)習(xí)能力,自適應(yīng)能力,非線性逼近能力等,。故障診斷的任務(wù)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(fù)雜故障診斷模式的識別,還能進行故障嚴(yán)重性評估和故障預(yù)測,，由于ANN能自動獲取診斷知識,，使診斷系統(tǒng)具有自適應(yīng)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(fù)雜,，依靠單一的故障診斷技術(shù)已難滿足復(fù)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(dāng)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)則的專業(yè)人員系統(tǒng)與ANN的結(jié)合,，模糊邏輯與ANN的結(jié)合,，混沌理論與ANN的結(jié)合，模糊神經(jīng)網(wǎng)絡(luò)與專業(yè)人員系統(tǒng)的結(jié)合,。南通研發(fā)監(jiān)測系統(tǒng)基于人工智能算法的新型的電機故障預(yù)測系統(tǒng)，適用范圍廣,，能在更多的工業(yè)場合應(yīng)用,。

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,、盲源分離,、粗糙集等方法。故障預(yù)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(yù)測模型,，這類模型大致有兩個途徑，分別是物理信息預(yù)測模型以及數(shù)據(jù)信息預(yù)測模型,，或構(gòu)建這兩類預(yù)測模型相融合的預(yù)測模型,。運行狀態(tài)劣化的相關(guān)評價參數(shù)、模式及準(zhǔn)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(zhǔn)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)聲學(xué)監(jiān)控系統(tǒng),，輔以其他設(shè)備參數(shù),，通過物聯(lián)網(wǎng)技術(shù)實現(xiàn)設(shè)備狀態(tài)的遠(yuǎn)程感知，基于AI神經(jīng)網(wǎng)絡(luò)技術(shù),，計算并提取設(shè)備音頻特征,，從而實現(xiàn)設(shè)備運行狀態(tài)的實時評估與故障的早期識別,。幫助企業(yè)用戶提升生產(chǎn)效率，保證生產(chǎn)安全,，優(yōu)化生產(chǎn)決策,。

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(yīng)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(yīng)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(wù)方面：提供了轉(zhuǎn)子全息動平衡快速響應(yīng)與服務(wù)支持,、以全息譜的失衡故障確診,、動力裝備轉(zhuǎn)子和軸系平衡配重方案優(yōu)化?；谖锫?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(wù)支持有機集成一體,，在應(yīng)用中實現(xiàn)動力裝備常見故障診斷準(zhǔn)確率達(dá)80％以上?？蓱?yīng)用于風(fēng)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,。提供了基于物聯(lián)網(wǎng)的動力裝備全生命周期監(jiān)測與服務(wù)支持創(chuàng)新模式,，提供了其生命周期的遠(yuǎn)程監(jiān)測診斷與維護等專業(yè)化服務(wù)。監(jiān)測系統(tǒng)可以實時采集旋轉(zhuǎn)設(shè)備的運行狀態(tài)數(shù)據(jù),上傳到云平臺進行直觀展示,、預(yù)警報警,、趨勢分析。

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,、盲源分離、粗糙集等方法,。故障預(yù)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(yù)測模型，這類模型大致有兩個途徑,，分別是物理信息預(yù)測模型以及數(shù)據(jù)信息預(yù)測模型,，或構(gòu)建這兩類預(yù)測模型相融合的預(yù)測模型,。運行狀態(tài)劣化的相關(guān)評價參數(shù)、模式及準(zhǔn)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(zhǔn)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)聲學(xué)監(jiān)控系統(tǒng)以音頻數(shù)據(jù),，輔以其他設(shè)備參數(shù),，通過物聯(lián)網(wǎng)技術(shù)實現(xiàn)設(shè)備狀態(tài)的遠(yuǎn)程感知，基于AI神經(jīng)網(wǎng)絡(luò)技術(shù),，計算并提取設(shè)備音頻特征,，從而實現(xiàn)設(shè)備運行狀態(tài)的實時評估與故障的早期識別。幫助企業(yè)用戶提升生產(chǎn)效率,，保證生產(chǎn)安全，優(yōu)化生產(chǎn)決策,。故障診斷可以根據(jù)狀態(tài)監(jiān)測系統(tǒng)提供信息來查明失調(diào)的原因或性質(zhì),，判斷劣化發(fā)生部位，以及預(yù)測狀態(tài)發(fā)展趨勢,。紹興電機監(jiān)測技術(shù)

電動機在運轉(zhuǎn)中常產(chǎn)生各種故障,為保證電動機運行安全,對電動機運行狀態(tài)進行在線監(jiān)測尤為重要,。紹興EOL監(jiān)測數(shù)據(jù)

現(xiàn)代化生產(chǎn)企業(yè)為了極大限度地提高生產(chǎn)水平和經(jīng)濟效益，不斷地向規(guī)?；透呒夹g(shù)技術(shù)含量發(fā)展,，因此生產(chǎn)裝置趨向大型化、高速高效化,、自動化和連續(xù)化,，人們對設(shè)備的要求不僅是性能好，效率高,，還要求在運行過程中少出故障,，否則因故障停機帶來的損失是十分巨大的。國內(nèi)外化工,、石化,、電力、鋼鐵和航空等部門,，從許多大型設(shè)備故障和事故中逐漸認(rèn)識到開展設(shè)備故障診斷的重要性,。管理好用好這些大型設(shè)備，使其安全,、可靠地運行,，成為設(shè)備管理中的突出任務(wù),。對于單機連續(xù)運行的生產(chǎn)設(shè)備，停機損失巨大的大型機組和重大設(shè)備,，不宜解體檢查的高精度設(shè)備以及發(fā)生故障后會引起公害的設(shè)備,。傳統(tǒng)的事后和定期維修帶來的過剩維修或失修，使維修費用在生產(chǎn)成本中所占比重很大,。狀態(tài)監(jiān)測維修是在設(shè)備運行時,，對它的各個主要部位產(chǎn)生的物理、化學(xué)信號進行狀態(tài)監(jiān)測,，掌握設(shè)備的技術(shù)狀態(tài),，對將要形成或已經(jīng)形成的故障進行分析診斷，判定設(shè)備的劣化程度和部位,，在故障產(chǎn)生前制訂預(yù)知性維修計劃,，確定設(shè)備維修的內(nèi)容和時間。因此狀態(tài)監(jiān)測維修既能經(jīng)常保持設(shè)備的完好狀態(tài),，又能充分利用零部位的使用壽命,，從而延長大修間隔，縮短大修時間,，減少故障停機損失,。紹興EOL監(jiān)測數(shù)據(jù)