電力系統(tǒng)中發(fā)電機(jī)的單機(jī)容量越大型發(fā)電機(jī)在電力生產(chǎn)中處于主力位置,，同時(shí)大型發(fā)電機(jī)由于造價(jià)昂貴,，結(jié)構(gòu)復(fù)雜，一旦遭受損壞,，需要的檢修期長,，因此要求有極高的運(yùn)行可靠性,。就我國目前和今后很長一段時(shí)間內(nèi)的缺電、用電緊張的狀況而言,，發(fā)電機(jī)的年運(yùn)行小時(shí)數(shù)目和滿負(fù)荷率都較以往高出很多,，備用容量很少的情況下，其運(yùn)行可靠性顯得尤為重要和突出,。因此對大型機(jī)組進(jìn)行在線監(jiān)測與診斷,，做到早期預(yù)警以防止事故的發(fā)生或擴(kuò)大具有重要的現(xiàn)實(shí)意義。通常對發(fā)電機(jī)的“監(jiān)測”與“診斷”在內(nèi)容上并無明確的劃分界限,，可以說監(jiān)測的數(shù)據(jù)和結(jié)果即為診斷的依據(jù),。監(jiān)測利用各種傳感器在電機(jī)運(yùn)行時(shí)對電機(jī)的狀態(tài)提取相關(guān)數(shù)據(jù)。故障診斷使用計(jì)算機(jī)及其相應(yīng)智能軟件，根據(jù)傳感器提供的信息,，對故障進(jìn)行分類定位,，確定故障的嚴(yán)重程度并提出處理意見。因此狀態(tài)監(jiān)測和故障診斷是一項(xiàng)工作的兩個(gè)部分,，前者是后者的基礎(chǔ),，后者是前者的分析與綜合。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,，按照設(shè)備內(nèi)部實(shí)際的運(yùn)行狀況,，合理的安排檢修工作，實(shí)現(xiàn)所謂“預(yù)知”維修,。這樣既可避免由于設(shè)備突然損壞,，停止運(yùn)行帶來的損失，又可充分發(fā)揮設(shè)備的作用,。監(jiān)測工作需要關(guān)注消費(fèi)者的購買行為和偏好,，以提高銷售效果。溫州汽車監(jiān)測系統(tǒng)

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,。常州汽車監(jiān)測數(shù)據(jù)盈蓓德科技開發(fā)的電機(jī)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)。

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(jìn)行復(fù)雜故障診斷模式的識別,還能進(jìn)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,?；诩尚椭悄芟到y(tǒng)的診斷方法隨著電機(jī)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(jī)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(jī)設(shè)備故障診斷研究的熱點(diǎn),。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,，混沌理論與ANN的結(jié)合,，模糊神經(jīng)網(wǎng)絡(luò)與系統(tǒng)的結(jié)合。

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的應(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,。監(jiān)測工作需要關(guān)注消費(fèi)者的需求和反饋，以提高產(chǎn)品和服務(wù)的滿意度,。

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. 盈蓓德科技可以搭建造價(jià)低廉，性能穩(wěn)定,，安裝方便,，功能實(shí)用，使用簡單,，易維護(hù)的振動監(jiān)測系統(tǒng),。溫州汽車監(jiān)測公司

監(jiān)測工作需要專業(yè)的人員進(jìn)行，以確保數(shù)據(jù)的準(zhǔn)確性和可靠性,。溫州汽車監(jiān)測系統(tǒng)

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,。溫州汽車監(jiān)測系統(tǒng)