針對刀具磨損狀態(tài)在實(shí)際生產(chǎn)加工過程中難以在線監(jiān)測這一問題,，提出一種通過通信技術(shù)獲取機(jī)床內(nèi)部數(shù)據(jù),，對當(dāng)前的刀具磨損狀態(tài)進(jìn)行識別的方法。通過采集機(jī)床內(nèi)部實(shí)時(shí)數(shù)據(jù)并將其與實(shí)際加工情景緊密結(jié)合,，能直接反映當(dāng)前加工狀態(tài),。將卷積神經(jīng)網(wǎng)絡(luò)用于構(gòu)建刀具磨損狀態(tài)識別模型,，直接將采集到的數(shù)據(jù)作為輸入，得到了和傳統(tǒng)方法精度近似的預(yù)測模型,，模型在訓(xùn)練集和在線驗(yàn)證試驗(yàn)中的表現(xiàn)都符合預(yù)期,。刀具磨損狀態(tài)識別的方法在投入使用時(shí)還有一些問題有待解決：①現(xiàn)有數(shù)據(jù)是在相同的加工條件下測得的，而實(shí)際加工過程中,，加工參數(shù)以及加工情景是不斷變化的,，因此需要在下一步的研究中，進(jìn)行變參數(shù)試驗(yàn),，考慮加工參數(shù)對于刀具磨損的影響,，并針對常用的一些加工場景，建立不同的模型庫,。變換加工場景時(shí),，通過獲取當(dāng)前場景，及時(shí)匹配相應(yīng)的預(yù)測模型即可,。②本研究中的模型是一個(gè)固定的模型,。今后需要根據(jù)實(shí)時(shí)的信號以及已知的磨損狀態(tài)，對模型進(jìn)行實(shí)時(shí)更新,，從而在實(shí)時(shí)監(jiān)測過程中實(shí)現(xiàn)自學(xué)習(xí),，不斷提升模型的精度和預(yù)測效果。電機(jī)監(jiān)測系統(tǒng)可以預(yù)判電機(jī)故障,，防止代價(jià)高昂的停機(jī)并提高設(shè)備性能,。上海旋轉(zhuǎn)機(jī)械監(jiān)測方案

電機(jī)馬達(dá)監(jiān)控系統(tǒng)適用于石油,、化工、電力,、煤炭,、冶金、造紙等行業(yè),，可以實(shí)時(shí)對低壓電動機(jī)的運(yùn)行狀態(tài)進(jìn)行監(jiān)測,，對電機(jī)各類故障進(jìn)行監(jiān)測并存儲故障信息，可以生成各類實(shí)時(shí)曲線（電壓曲線,、電流曲線等）,，為電機(jī)節(jié)能提供依據(jù)，并可實(shí)現(xiàn)電機(jī)節(jié)能管理,。系統(tǒng)特點(diǎn)：1,、實(shí)時(shí)監(jiān)測電機(jī)回路石化、電力,、水泥等電機(jī)用量大戶，需要對電機(jī)進(jìn)行實(shí)時(shí)監(jiān)測,，監(jiān)測內(nèi)容包括電機(jī)的電流,、電壓、電能,、頻率,、電機(jī)狀態(tài)（起動、停止,、報(bào)警,、故障）等。在要求較高的場所還要對工藝參數(shù)進(jìn)行監(jiān)測,，例如溫度,、壓力等。本系統(tǒng)不僅可以監(jiān)測電機(jī)電壓,、電流還能做能耗統(tǒng)計(jì),，工藝參數(shù)監(jiān)測，可以大幅提高企業(yè)自動化程度,。2,、集中監(jiān)控，利于節(jié)能馬達(dá)監(jiān)控系統(tǒng)對用電大戶電機(jī)進(jìn)行實(shí)時(shí)能耗監(jiān)測,，監(jiān)測到的數(shù)據(jù)可以作為節(jié)能依據(jù),，并可通過系統(tǒng)進(jìn)行節(jié)能控制，利于電機(jī)節(jié)能應(yīng)用,。3,、提高自動化水平.電機(jī)監(jiān)控系統(tǒng)是應(yīng)用電力自動化技術(shù),、計(jì)算機(jī)技術(shù)和信息傳輸技術(shù)，集保護(hù),、監(jiān)測,、控制、通信等功能于一體的綜合系統(tǒng),，上海旋轉(zhuǎn)機(jī)械監(jiān)測方案故障預(yù)測與健康管理是以工業(yè)監(jiān)測數(shù)據(jù)為基礎(chǔ),，實(shí)現(xiàn)產(chǎn)品和裝備的狀態(tài)監(jiān)測、故障診斷及壽命預(yù)測,。

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,、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。

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. 電機(jī)監(jiān)測系統(tǒng)可以提高預(yù)防性維護(hù)效率,，防止代價(jià)高昂的停機(jī)并提高設(shè)備性能。

故障預(yù)測與健康管理是以工業(yè)監(jiān)測數(shù)據(jù)為基礎(chǔ),，通過高等數(shù)學(xué),、數(shù)學(xué)優(yōu)化、統(tǒng)計(jì)概率,、信號處理,、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)等技術(shù)搭建模型算法，實(shí)現(xiàn)產(chǎn)品和裝備的狀態(tài)監(jiān)測,、故障診斷及壽命預(yù)測,，為產(chǎn)品和裝備的正常運(yùn)行保駕護(hù)航，從而提高其安全性和可靠性,。故障預(yù)測與健康管理是以工業(yè)監(jiān)測數(shù)據(jù)為基礎(chǔ),，通過高等數(shù)學(xué)、數(shù)學(xué)優(yōu)化,、統(tǒng)計(jì)概率,、信號處理、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)等技術(shù)搭建模型算法,，實(shí)現(xiàn)產(chǎn)品和裝備的狀態(tài)監(jiān)測、故障診斷及壽命預(yù)測,，為產(chǎn)品和裝備的正常運(yùn)行保駕護(hù)航,，從而提高其安全性和可靠性。近年來我們提出的標(biāo)準(zhǔn)化平方包絡(luò)和數(shù)學(xué)框架以及準(zhǔn)算數(shù)均值比數(shù)學(xué)框架指引了稀疏測度構(gòu)造的新方向,，同時(shí)發(fā)現(xiàn)了大量與基尼指數(shù),、峭度、香農(nóng)熵等具有等價(jià)性能的稀疏測度,?；跇?biāo)準(zhǔn)化平方包絡(luò)和數(shù)學(xué)框架以及凸優(yōu)化技術(shù)，提出了在線更新模型權(quán)重可解釋的機(jī)器學(xué)習(xí)算法,，可以利用模型權(quán)重來實(shí)時(shí)確認(rèn)故障特征頻率,，解決了狀態(tài)監(jiān)測與故障診斷領(lǐng)域傳統(tǒng)機(jī)器學(xué)習(xí)只能輸出狀態(tài)，而無法提供故障特征來確認(rèn)輸出狀態(tài)的難題,。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,。嘉興NVH監(jiān)測介紹

基于人工智能算法的新型的電機(jī)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。上海旋轉(zhuǎn)機(jī)械監(jiān)測方案

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。上海旋轉(zhuǎn)機(jī)械監(jiān)測方案