傳統(tǒng)方法通常無法自適應(yīng)提取特征, 同時(shí)需要一定的離線數(shù)據(jù)訓(xùn)練得到檢測模型, 但目標(biāo)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(xùn)練數(shù)據(jù)的分布可能因隨機(jī)噪聲,、變工況等原因而存在差異, 導(dǎo)致離線訓(xùn)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(zhǔn)確性; 其次, 上述方法通常采用基于異常點(diǎn)的檢測算法, 未充分考慮樣本前后的時(shí)序關(guān)系, 容易因數(shù)據(jù)微小波動而產(chǎn)生誤報(bào)警, 降低檢測結(jié)果的魯棒性; 再次, 為降低誤報(bào)警, 這類方法需要反復(fù)調(diào)整報(bào)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(jī)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(yùn)動方程等信息, 對于軸承運(yùn)行來說, 這類信息通常不易獲知. 近年來, 深度神經(jīng)網(wǎng)絡(luò)已被成功應(yīng)用于早期故障特征的自動提取和識別, 可自適應(yīng)地提取信息豐富和判別能力強(qiáng)的深度特征, 因此具有較好的普適性. 但是, 這類方法一方面需要大量的輔助數(shù)據(jù)進(jìn)行模型訓(xùn)練, 而歷史采集的輔助數(shù)據(jù)與目標(biāo)對象數(shù)據(jù)可能存在較大不同, 直接訓(xùn)練并不能有效提升在線檢測的特征表示效果; 另一方面, 在訓(xùn)練過程中未能針對早期故障引發(fā)的狀態(tài)變化而有目的地強(qiáng)化相應(yīng)特征表示. 因此, 深度學(xué)習(xí)方法在早期故障在線監(jiān)測中的應(yīng)用仍存在較大的提升空間.監(jiān)測系統(tǒng)可以實(shí)時(shí)采集旋轉(zhuǎn)設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù),上傳到云平臺進(jìn)行直觀展示,、預(yù)警報(bào)警,、趨勢分析。南通汽車監(jiān)測方案

設(shè)備狀態(tài)監(jiān)測和故障診斷技術(shù)是設(shè)備維護(hù)手段之一,。設(shè)備的故障監(jiān)測診斷技術(shù),，就是利用科學(xué)的檢測方法和現(xiàn)代化技術(shù)手段，對設(shè)備目前的運(yùn)行狀態(tài)進(jìn)行監(jiān)測和排查,，從而判斷出設(shè)備運(yùn)行狀態(tài)的可靠性,，確認(rèn)其局部或整機(jī)是否正常運(yùn)行。煤礦用機(jī)電設(shè)備溫度振動監(jiān)測系統(tǒng)用于煤礦主扇,、壓風(fēng)機(jī),、鋼絲繩牽引帶式輸送機(jī)、滾筒帶式輸送機(jī),、排水泵和電動機(jī),、提升機(jī)等，有助于掌握設(shè)備運(yùn)行工況中的溫度振動數(shù)據(jù),。提升機(jī),、鋼絲繩牽引、滾筒帶式輸送機(jī),、皮帶機(jī),、空壓機(jī)、壓風(fēng)機(jī),、水泵等煤礦機(jī)電設(shè)備要求增加電動機(jī)及主要軸承溫度和振動監(jiān)測,。裝置功能：1、提升機(jī),、水泵,、皮帶機(jī)等設(shè)備電動機(jī)主軸承溫度振動在線監(jiān)測2、礦用高壓異步電動機(jī)軸承溫度振動檢測診斷3,、提升機(jī),、水泵、皮帶機(jī)等設(shè)備滾筒主軸承溫度振動在線監(jiān)測4、井下大型機(jī)電設(shè)備電動機(jī)及主要軸承溫度振動在線監(jiān)測5,、可以同時(shí)收集電機(jī)前后軸承溫度及電機(jī)振動量的數(shù)值,，對收到的信息分析處理6、系統(tǒng)提供網(wǎng)絡(luò)接口,，可直接與智能礦山網(wǎng)絡(luò)相連,，也可與其它網(wǎng)絡(luò)內(nèi)的系統(tǒng)連接；7,、在線系統(tǒng)軟件可實(shí)時(shí)監(jiān)測任意通道的頻譜,，時(shí)域波形、趨勢,、三維譜圖和坐標(biāo)圖,，還可通過互聯(lián)網(wǎng)進(jìn)行遠(yuǎn)程監(jiān)測。嘉興發(fā)動機(jī)監(jiān)測公司各種診斷技術(shù)集成起來形成的集成智能監(jiān)測診斷系統(tǒng)成為當(dāng)前電機(jī)設(shè)備故障診斷研究的熱點(diǎn),。

故障診斷可以根據(jù)狀態(tài)監(jiān)測系統(tǒng)提供的信息來查明導(dǎo)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(yù)測狀態(tài)劣化的發(fā)展趨勢等,。電機(jī)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(fù)載電流的波形進(jìn)行檢測從而診斷出電機(jī)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(yīng)和標(biāo)準(zhǔn)響應(yīng)等；2,、絕緣診斷法,，利用各種電氣試驗(yàn)裝置和診斷技術(shù)對電機(jī)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(yù)測,；3,、溫度檢測方法，采用各種溫度測量方法對電機(jī)設(shè)備各個(gè)部位的溫升進(jìn)行監(jiān)測,電機(jī)的溫升與各種故障現(xiàn)象相關(guān),；4,、振動與噪聲診斷法，通過對電機(jī)設(shè)備振動與噪聲的檢測,并對獲取的信號進(jìn)行處理,診斷出電機(jī)產(chǎn)生故障的原因和部位,尤其是對機(jī)械上的損壞診斷特別有效,。5,、化學(xué)診斷的方法，可以檢測到絕緣材料和潤滑油劣化后的分解物以及一些軸承,、密封件的磨損碎屑,，通過對比其中一些化學(xué)成分的含量，可以判斷相關(guān)部位元件的破壞程度,。

隨著電力電子技術(shù),、自動化控制技術(shù)的不斷發(fā)展,，電機(jī)在工業(yè)生產(chǎn)以及家用電器中得到了應(yīng)用，在市場競爭中正逐步顯示自己的優(yōu)勢,。傳統(tǒng)的電機(jī)在線監(jiān)測裝置多采用電流表,、電壓表、功率表等較為原始的儀表來進(jìn)行測量,，采用人工讀數(shù)的方式進(jìn)行數(shù)據(jù)的測量,、記錄和分析，這不僅硬件冗余,，系統(tǒng)雜亂,，而且操作極為不便，更有甚者,，讀數(shù)誤差大,，測試結(jié)果不準(zhǔn)確。有些場合需要進(jìn)行電機(jī)多種參數(shù)的監(jiān)測,，這樣就勢必會加大各種測量儀器的使用以及人力資源的投入,。傳統(tǒng)的監(jiān)測方法要求監(jiān)測人員具有較高的技能和水平，但是由于人為誤差的不可避免,，這種監(jiān)測方法無法做定量分析，無法更加準(zhǔn)確,、實(shí)時(shí)的掌握電機(jī)的運(yùn)行狀態(tài)和故障,。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提出了一種電機(jī)在線監(jiān)測裝置和方法，通過對扭矩,、轉(zhuǎn)速,、各相電流、電壓,、溫度,、輸入、輸出功率和效率進(jìn)行實(shí)時(shí)動態(tài)的監(jiān)測以及對過電壓,、過電流,、過熱進(jìn)行報(bào)警停機(jī)，解決現(xiàn)有技術(shù)中監(jiān)測參數(shù)不能定量分析以及無法更加準(zhǔn)確,、實(shí)時(shí)的掌握電機(jī)運(yùn)行狀態(tài)和故障的技術(shù)問題,。盈蓓德科技提供一種既滿足現(xiàn)場機(jī)械設(shè)備監(jiān)測要求，實(shí)現(xiàn)振動數(shù)據(jù)采集及分析,，性價(jià)比高的振動監(jiān)測系統(tǒng),。

傳統(tǒng)維護(hù)模式中的故障后維護(hù)與定期維護(hù)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(jì)算、機(jī)器學(xué)習(xí)與傳感器等技術(shù)的成熟,，預(yù)測性維護(hù)技術(shù)應(yīng)運(yùn)而生,。以各類如電機(jī)、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(shí)現(xiàn)查看設(shè)備是否需要維護(hù)、怎么安排維護(hù)時(shí)間來減少計(jì)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(gè)網(wǎng)絡(luò)，將數(shù)據(jù)回傳至管理中心,，來實(shí)現(xiàn)電機(jī)設(shè)備的預(yù)測性維護(hù),。電動機(jī)是機(jī)械加工中不可或缺的必備工具,電動機(jī)在運(yùn)轉(zhuǎn)中常產(chǎn)生各種故障,為保證電動機(jī)運(yùn)行安全,對電動機(jī)運(yùn)行狀態(tài)進(jìn)行在線監(jiān)測尤為重要。以三相異步電動機(jī)為研究對象,采用傳感器獲取電動機(jī)運(yùn)行中的重要參數(shù)(振動,、噪聲,、轉(zhuǎn)速及溫度等),由時(shí)/頻域分析及能量分析等方法提取電動機(jī)運(yùn)行特征量,構(gòu)成特征向量,采用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法建立狀態(tài)識別模型,通過BP神經(jīng)網(wǎng)絡(luò)模式識別方法,判斷電動機(jī)運(yùn)行的狀態(tài),在此基礎(chǔ)上,利用LabVIEW軟件構(gòu)建可視化監(jiān)測系統(tǒng),將電動機(jī)運(yùn)行參數(shù)及狀態(tài)實(shí)時(shí)顯示在可視化界面中,完成在線智能監(jiān)測。電機(jī)狀態(tài)監(jiān)測技術(shù)可幫助運(yùn)行維護(hù)人員擺脫被動檢修和不太理想的定期檢修的困境,，實(shí)現(xiàn)“預(yù)知”維修,。嘉興智能監(jiān)測特點(diǎn)

電機(jī)的監(jiān)測和故障預(yù)判系統(tǒng)助力實(shí)現(xiàn)工業(yè)設(shè)備數(shù)智化管理和預(yù)測性維護(hù)。南通汽車監(jiān)測方案

在預(yù)防性維護(hù)的應(yīng)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(biāo),，一是在大型旋轉(zhuǎn)機(jī)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(jī)械及運(yùn)行的狀態(tài)信息；第三,，振動信號易于拾取,，便于在不影響機(jī)械運(yùn)行的情況下實(shí)行在線監(jiān)測和診斷。旋轉(zhuǎn)類設(shè)備的預(yù)防性維護(hù)需要重點(diǎn)監(jiān)控振動量的變化,。其預(yù)測性診斷技術(shù)對于制造業(yè),、風(fēng)電等的行業(yè)的運(yùn)維具有非常重大的意義。通過設(shè)備振動等狀態(tài)的預(yù)測性維護(hù),，可以及時(shí)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?yàn)樵O(shè)備問題而存在的固有振動，振動強(qiáng)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)來解決和干預(yù),，有效抑制振動和噪聲的危害,，避免設(shè)備故障和流程關(guān)閉,。南通汽車監(jiān)測方案