隨著科技發(fā)展, 各類工程設備的工作和運行環(huán)境變得越來越復雜. 作為機械設備的關鍵零部件, 滾動軸承在長期大載荷、強沖擊等復雜工況下, 極易產(chǎn)生各種故障, 導致機械工作狀況惡化. 針對軸承的故障預測與健康管理技術應運而生. 若能在故障發(fā)生初期即進行準確,、可靠的檢測和診斷, 則有助于進行及時維修, 避免嚴重事故的發(fā)生. 早期故障檢測已成為PHM的關鍵技術環(huán)節(jié)之一. 近年來, 隨著傳感技術和機器學習技術的快速發(fā)展, 數(shù)據(jù)驅動的智能化故障檢測和診斷技術受到關注. 如何利用歷史采集的狀態(tài)監(jiān)控數(shù)據(jù),、提高目標軸承早期故障檢測結果的準確性和穩(wěn)定性成為研究熱點和難點, 具有明確的學術價值和應用需求.本文關注的是不停機情況下的早期故障在線檢測問題. 這種方式有助于實時評估軸承工作狀態(tài), 避免因等待停機檢查而產(chǎn)生延誤、造成經(jīng)濟損失, 因此對早期故障的在線檢測越來越受到工業(yè)界的重視,。工業(yè)產(chǎn)品質量的監(jiān)測檢測是保證產(chǎn)品符合標準要求的重要手段,，可以提高產(chǎn)品的競爭力和市場信譽。杭州研發(fā)監(jiān)測臺

作為工業(yè)領域的一種關鍵旋轉設備,，對于終端用來說,，關于電機維護的主要是電氣班組的設備工程師、電機維護工程師,、電機檢修人員等；對于電機廠家以及電機經(jīng)銷商來說,，主要是電機售后服務工程師,、電機銷售人員，會涉及到電機的運行維護；險此之外,，還有第三方檢修人員等,。目前已經(jīng)有很多智能產(chǎn)品號稱可以實現(xiàn)電機的預測性維護，但問題也非常多,。1)傳感器安裝難,。設備狀態(tài)監(jiān)測需要振動、噪聲,、溫度傳感器,，通訊協(xié)議并不統(tǒng)一，自成體系,，安裝,、使用、維護成本高昂,。2)技術成本高,。工業(yè)場景設備類型多，運行工況復雜,，預測性維護算法涉及數(shù)據(jù)預處理,、工業(yè)機理、機器學習,，技術要求很高,。3)時間成本高。預測性維護要實現(xiàn),，前期需要大量歷史數(shù)據(jù)的支撐,，數(shù)據(jù)采集、歸納,、分析是一個漫長的過程,。電機智能運維，雖然被各大宣傳媒體提得很多,，但還遠遠未到落地很好乃至普及的程度,，不論是預測性維護的預測效果，還是電機的智能運維的市場推廣以及市場接受程度,，對于電機運維來說,，都還有很遠的一段距離！杭州動力設備監(jiān)測應用監(jiān)測結果的反饋可以幫助我們改進產(chǎn)品的包裝和宣傳策略,。

隨著電力電子技術,、自動化控制技術的不斷發(fā)展，電機在工業(yè)生產(chǎn)以及家用電器中得到了的應用,，在市場競爭中正逐步顯示自己的優(yōu)勢,。傳統(tǒng)的電機在線監(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行測量,，采用人工讀數(shù)的方式進行數(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,，測試結果不準確。有些場合需要進行電機多種參數(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,，無法更加準確、實時的掌握電機的運行狀態(tài)和故障,。技術實現(xiàn)要素：本發(fā)明提出了一種電機在線監(jiān)測裝置和方法,，通過對扭矩、轉速,、各相電流,、溫度、輸入,、輸出功率和效率進行實時動態(tài)的監(jiān)測以及對過電壓,、過電流、過熱進行報警停機,，解決現(xiàn)有技術中監(jiān)測參數(shù)不能定量分析以及無法更加準確,、實時的掌握電機運行狀態(tài)和故障的技術問題。

非標監(jiān)測是指對非標準化設備或系統(tǒng)進行監(jiān)測的過程,。與標準設備相比,，非標設備通常具有獨特的設計和功能,，因此需要專門的監(jiān)測方法和工具,。非標監(jiān)測的目的是確保非標設備的正常運行和安全性。通過監(jiān)測關鍵參數(shù)和性能指標,，可以及時發(fā)現(xiàn)潛在問題并采取相應的措施進行修復或調整,。非標監(jiān)測的步驟包括確定監(jiān)測目標、選擇監(jiān)測方法和工具,、制定監(jiān)測計劃,、實施監(jiān)測,、分析數(shù)據(jù)和結果，并根據(jù)需要進行維護和改進,。在非標監(jiān)測中，需要根據(jù)具體情況選擇合適的監(jiān)測方法和工具,。這可能涉及到使用傳感器,、儀器和軟件等技術手段來收集和分析數(shù)據(jù)。非標監(jiān)測的重要性在于提高設備的穩(wěn)定性和可靠性,，減少故障和停機時間,，提高生產(chǎn)效率和質量。同時,，它還可以降低維修和更換成本,，延長設備的使用壽命?？傊?，非標監(jiān)測是確保非標設備正常運行和安全性的重要手段，對于提高生產(chǎn)效率和質量具有重要意義,。監(jiān)測結果的比較可以幫助我們評估不同地區(qū)的市場需求和潛力,。

傳統(tǒng)方法通常無法自適應提取特征, 同時需要一定的離線數(shù)據(jù)訓練得到檢測模型, 但目標對象在線場景下采集到的數(shù)據(jù)有限, 且其數(shù)據(jù)分布與訓練數(shù)據(jù)的分布可能因隨機噪聲、變工況等原因而存在差異, 導致離線訓練的模型并不完全適合于在線數(shù)據(jù), 容易降低檢測結果的準確性; 其次, 上述方法通常采用基于異常點的檢測算法, 未充分考慮樣本前后的時序關系, 容易因數(shù)據(jù)微小波動而產(chǎn)生誤報警, 降低檢測結果的魯棒性; 再次, 為降低誤報警, 這類方法需要反復調整報警閾值. 此外, 基于系統(tǒng)分析的故障診斷方法利用狀態(tài)空間描述建立機理模型, 可獲得理想的診斷和檢測結果, 但這類方法通常需要提前知道系統(tǒng)運動方程等信息, 對于軸承運行來說, 這類信息通常不易獲知. 

近年來, 深度神經(jīng)網(wǎng)絡已被成功應用于早期故障特征的自動提取和識別, 可自適應地提取信息豐富和判別能力強的深度特征, 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)進行模型訓練, 而歷史采集的輔助數(shù)據(jù)與目標對象數(shù)據(jù)可能存在較大不同, 直接訓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)變化而有目的地強化相應特征表示. 因此, 深度學習方法在早期故障在線監(jiān)測中的應用仍存在較大的提升空間. 監(jiān)測結果的比較可以幫助我們評估不同銷售渠道的效果和效益,。杭州性能監(jiān)測

監(jiān)測結果的分析可以幫助我們預測未來的發(fā)展趨勢,。杭州研發(fā)監(jiān)測臺

在工業(yè)現(xiàn)場的預防性維護應用中，振動是大型旋轉等設備即將發(fā)生故障的重要指標,，一是在大型旋轉機械設備的所有故障中,，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械及運行的狀態(tài)信息,；第三，振動信號易于拾取,，便于在不影響機械運行的情況下實行在線監(jiān)測和診斷,。旋轉類設備的預防性維護需要重點監(jiān)控振動量的變化。其預測性診斷技術對于制造業(yè),、風電等的行業(yè)的運維具有非常重大的意義,。通過設備振動等狀態(tài)的預測性維護，可以及時發(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為設備問題而存在的固有振動,，振動強度的不必要增加會對部件產(chǎn)生有害的力，危及設備的使用壽命和質量,。在這種情況下,，則需要采用振動隔離技術來解決和干預,，有效抑制振動和噪聲的危害，避免設備故障和流程關閉,。杭州研發(fā)監(jiān)測臺