工業(yè)設(shè)備的預(yù)測(cè)性維護(hù)的市場(chǎng)需求顯而易見(jiàn)。但是預(yù)防性維護(hù)想要產(chǎn)生大的業(yè)務(wù)價(jià)值、真正大規(guī)模發(fā)展卻是遇到了兩個(gè)難題,。首先項(xiàng)目實(shí)施成本過(guò)高，硬件設(shè)備大多依賴(lài)進(jìn)口,。這導(dǎo)致很多企業(yè)在考慮投入產(chǎn)出比時(shí)比較猶豫,。其次是技術(shù)需要突破，目前大多數(shù)供應(yīng)商只實(shí)現(xiàn)了設(shè)備狀態(tài)的監(jiān)視,，真正能實(shí)現(xiàn)故障準(zhǔn)確預(yù)測(cè)的落地案例寥寥無(wú)幾,。供應(yīng)商技術(shù)和能力還需要不斷升級(jí)。預(yù)防性維護(hù)要想實(shí)現(xiàn)更好的應(yīng)用,，要在以下方面實(shí)現(xiàn)突破,。實(shí)現(xiàn)基于預(yù)測(cè)的維護(hù)，提升故障診斷及預(yù)測(cè)的準(zhǔn)確率提高軟硬件產(chǎn)品國(guó)產(chǎn)化率,，降低實(shí)施成本.電機(jī)監(jiān)測(cè)系統(tǒng)可以識(shí)別處于初期階段的機(jī)械和液壓故障,，從而制定更為合理的輔助維護(hù)計(jì)劃。南通發(fā)動(dòng)機(jī)監(jiān)測(cè)技術(shù)

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(cè)性維護(hù)技術(shù)應(yīng)運(yùn)而生,。以各類(lèi)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(xiàn)持續(xù)監(jiān)測(cè)階段,，來(lái)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(lái)減少計(jì)劃性停產(chǎn)等,，并能夠快速、有效的通過(guò)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(lái)實(shí)現(xiàn)電機(jī)設(shè)備的預(yù)測(cè)性維護(hù)。電動(dòng)機(jī)是機(jī)械加工中不可或缺的必備工具,電動(dòng)機(jī)在運(yùn)轉(zhuǎn)中常產(chǎn)生各種故障,為保證電動(dòng)機(jī)運(yùn)行安全,對(duì)電動(dòng)機(jī)運(yùn)行狀態(tài)進(jìn)行在線(xiàn)監(jiān)測(cè)尤為重要,。

以三相異步電動(dòng)機(jī)為研究對(duì)象,采用傳感器獲取電動(dòng)機(jī)運(yùn)行中的重要參數(shù)(振動(dòng),、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(dòng)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(shí)別模型,通過(guò)BP神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法,判斷電動(dòng)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(cè)系統(tǒng),將電動(dòng)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(xiàn)智能監(jiān)測(cè),。 上海設(shè)備監(jiān)測(cè)在監(jiān)測(cè)過(guò)程中,，我們需要密切關(guān)注數(shù)據(jù)的變化情況。

故障預(yù)測(cè)與健康管理是以工業(yè)監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ),，通過(guò)高等數(shù)學(xué),、數(shù)學(xué)優(yōu)化、統(tǒng)計(jì)概率,、信號(hào)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，**終實(shí)現(xiàn)產(chǎn)品和裝備的狀態(tài)監(jiān)測(cè),、故障診斷及壽命預(yù)測(cè),，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(cè)與健康管理是以工業(yè)監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ),，通過(guò)高等數(shù)學(xué)、數(shù)學(xué)優(yōu)化,、統(tǒng)計(jì)概率,、信號(hào)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(cè),、故障診斷及壽命預(yù)測(cè)，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(lái)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(cè)度構(gòu)造的新方向，同時(shí)發(fā)現(xiàn)了大量與基尼指數(shù),、峭度等具有等價(jià)性能的稀疏測(cè)度,。基于標(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(xiàn)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(lái)實(shí)時(shí)確認(rèn)故障特征頻率，解決了狀態(tài)監(jiān)測(cè)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(wú)法提供故障特征來(lái)確認(rèn)輸出狀態(tài)的難題,。

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(jì)效益,，不斷地向規(guī)模化和高技術(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(dòng)化和連續(xù)化,，人們對(duì)設(shè)備的要求不僅是性能好,，效率高，還要求在運(yùn)行過(guò)程中少出故障,，否則因故障停機(jī)帶來(lái)的損失是十分巨大的,。國(guó)內(nèi)外化工、石化,、電力,、鋼鐵和航空等部門(mén)，從許多大型設(shè)備故障和事故中逐漸認(rèn)識(shí)到開(kāi)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(yùn)行,，成為設(shè)備管理中的突出任務(wù)。對(duì)于單機(jī)連續(xù)運(yùn)行的生產(chǎn)設(shè)備,，停機(jī)損失巨大的大型機(jī)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(huì)引起公害的設(shè)備。傳統(tǒng)事后維修和定期維修帶來(lái)的過(guò)剩維修或失修,，使維修費(fèi)用在生產(chǎn)成本中所占比重很大,。狀態(tài)監(jiān)測(cè)維修是在設(shè)備運(yùn)行時(shí)，對(duì)它的各個(gè)主要部位產(chǎn)生的物理化學(xué)信號(hào)進(jìn)行狀態(tài)監(jiān)測(cè),，掌握設(shè)備的技術(shù)狀態(tài),，對(duì)將要形成或已經(jīng)形成的故障進(jìn)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(jì)劃,，確定設(shè)備維修的內(nèi)容和時(shí)間。因此狀態(tài)監(jiān)測(cè)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(zhǎng)大修間隔，縮短大修時(shí)間,，減少故障停機(jī)損失,。監(jiān)測(cè)工作需要關(guān)注市場(chǎng)的變化和趨勢(shì)，以及時(shí)調(diào)整經(jīng)營(yíng)策略,。

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(cè)系統(tǒng)提供的信息來(lái)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(cè)狀態(tài)劣化的發(fā)展趨勢(shì)等。

電機(jī)故障診斷的基本方法主要有：1,、電氣分析法,，通過(guò)頻譜等信號(hào)分析方法對(duì)負(fù)載電流的波形進(jìn)行檢測(cè)從而診斷出電機(jī)設(shè)備故障的原因和程度；檢測(cè)局部放電信號(hào),；對(duì)比外部施加脈沖信號(hào)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(duì)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(duì)絕緣壽命做出預(yù)測(cè)；3,、溫度檢測(cè)方法,，采用各種溫度測(cè)量方法對(duì)電機(jī)設(shè)備各個(gè)部位的溫升進(jìn)行監(jiān)測(cè),電機(jī)的溫升與各種故障現(xiàn)象相關(guān)；4,、振動(dòng)與噪聲診斷法,，通過(guò)對(duì)電機(jī)設(shè)備振動(dòng)與噪聲的檢測(cè),并對(duì)獲取的信號(hào)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(duì)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(cè)到絕緣材料和潤(rùn)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(guò)對(duì)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。 基于人工智能算法的新型的電機(jī)故障預(yù)測(cè)系統(tǒng),，適用范圍廣,，能在更多的工業(yè)場(chǎng)合應(yīng)用。研發(fā)監(jiān)測(cè)臺(tái)

監(jiān)測(cè)結(jié)果的對(duì)比可以幫助我們?cè)u(píng)估不同渠道的效果和效益,。南通發(fā)動(dòng)機(jī)監(jiān)測(cè)技術(shù)

基于交流電機(jī)的特征量：通過(guò)故障機(jī)理分析可知,，交流電機(jī)運(yùn)行過(guò)程中，其故障與否必然表現(xiàn)為一些特征參量的變化,，根據(jù)診斷需要,，選擇有代表性的特征參量為該設(shè)備在線(xiàn)監(jiān)測(cè)的被測(cè)信號(hào)，準(zhǔn)確地提取這些故障特征量,，這是故障診斷的關(guān)鍵,。故障特征量，特別是反映早期故障征兆的信號(hào)往往比較弱,，而相應(yīng)的背景噪聲比較弱,，常規(guī)的監(jiān)測(cè)方法，因受傳感器的準(zhǔn)確性、微處理器的速度,、A/D轉(zhuǎn)換的分辨率與轉(zhuǎn)換速度等硬件條件的限制,，以及一般的數(shù)據(jù)處理方式的不足，很難滿(mǎn)足提取這些特征量的要求,，需要采用一些特殊的電工測(cè)量手段與信號(hào)處理方法,。例如小波變換原理的應(yīng)用。電機(jī)故障的現(xiàn)代分析方法：基于信號(hào)變換的診斷方法電機(jī)設(shè)備的許多故障信息是以調(diào)制的形式存在于所監(jiān)測(cè)的電氣信號(hào)及振動(dòng)信號(hào)之中,，如果借助于某種變換對(duì)這些信號(hào)進(jìn)行解調(diào)處理,，就能方便地獲得故障特征信息，以確定電機(jī)設(shè)備所發(fā)生的故障類(lèi)型,。常用的信號(hào)變換方法有希爾伯特變換和小波變換等,。南通發(fā)動(dòng)機(jī)監(jiān)測(cè)技術(shù)