基于人工神經(jīng)網(wǎng)絡(luò)的診斷方法簡(jiǎn)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(shí)別,還能進(jìn)行故障嚴(yán)重性評(píng)估和故障預(yù)測(cè)，由于ANN能自動(dòng)獲取診斷知識(shí),，使診斷系統(tǒng)具有自適應(yīng)能力,。基于集成型智能系統(tǒng)的診斷方法隨著電機(jī)設(shè)備系統(tǒng)越來(lái)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(lái)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。監(jiān)測(cè)結(jié)果的準(zhǔn)確性對(duì)于決策的制定至關(guān)重要,。南京電力監(jiān)測(cè)應(yīng)用

隨著電力電子技術(shù),、自動(dòng)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(chǎng)競(jìng)爭(zhēng)中正逐步顯示自己的優(yōu)勢(shì),。傳統(tǒng)的電機(jī)在線監(jiān)測(cè)裝置多采用電流表、電壓表,、功率表等較為原始的儀表來(lái)進(jìn)行測(cè)量,，采用人工讀數(shù)的方式進(jìn)行數(shù)據(jù)的測(cè)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(cè)試結(jié)果不準(zhǔn)確,。有些場(chǎng)合需要進(jìn)行電機(jī)多種參數(shù)的監(jiān)測(cè),，這樣就勢(shì)必會(huì)加大各種測(cè)量?jī)x器的使用以及人力資源的投入。傳統(tǒng)的監(jiān)測(cè)方法要求監(jiān)測(cè)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(cè)方法無(wú)法做定量分析，無(wú)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(cè)裝置和方法，通過(guò)對(duì)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(dòng)態(tài)的監(jiān)測(cè)以及對(duì)過(guò)電壓,、過(guò)電流,、過(guò)熱進(jìn)行報(bào)警停機(jī)，解決現(xiàn)有技術(shù)中監(jiān)測(cè)參數(shù)不能定量分析以及無(wú)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,。 寧波汽車監(jiān)測(cè)技術(shù)監(jiān)測(cè)結(jié)果的分析可以幫助我們了解市場(chǎng)的趨勢(shì)和變化,。

    狀態(tài)監(jiān)測(cè)就是給機(jī)器體檢，故障診斷就是給機(jī)器看病,。醫(yī)生給病人看病,，首先是進(jìn)行體征檢查，例如先查體溫,，再進(jìn)行驗(yàn)血,、X光、心電圖,、B超、甚至CT等各種理化檢驗(yàn),，然后根據(jù)檢查結(jié)果和病史,，利用醫(yī)生的知識(shí)及經(jīng)驗(yàn)，對(duì)病情做出診斷,。對(duì)機(jī)器故障的診斷,，類似于醫(yī)生看病，首先對(duì)機(jī)器的狀態(tài)進(jìn)行監(jiān)測(cè),，例如先看振動(dòng)值,，再進(jìn)行頻譜、波形,、軸心軌跡,、趨勢(shì)、波德圖等各種檢測(cè)分析,，然后結(jié)合設(shè)備的原理,、結(jié)構(gòu)、歷史狀況等,，利用專業(yè)人員的知識(shí)及經(jīng)驗(yàn),，對(duì)故障進(jìn)行綜合分析判斷。1滾動(dòng)軸承故障振動(dòng)的診斷方法異步電動(dòng)機(jī)的常見故障主要可以分為定子故障,、轉(zhuǎn)子故障及軸承故障,。其中軸承故障占70%以上，如果我們有辦法對(duì)軸承情況能實(shí)時(shí)進(jìn)行監(jiān)測(cè),，那么異步電動(dòng)機(jī)故障率會(huì)**減低,。滾動(dòng)軸承狀態(tài)監(jiān)測(cè)和故障診斷的方法有多種，例如振動(dòng)分析法,、油液分析法（磁性法,、鐵譜法、光譜法）,、聲發(fā)射分析法,、光纖診斷法等,。各種方法都有自己的特點(diǎn)，其中振動(dòng)分析法以其實(shí)用和相對(duì)簡(jiǎn)單方便,，應(yīng)用*為**,，以下*介紹振動(dòng)信號(hào)分析法。滾動(dòng)軸承不同于其它機(jī)械零件,，其振動(dòng)信號(hào)的頻率范圍很寬,，信噪比很低，信號(hào)傳遞路途上的衰減量大,，因此,，提取它的振動(dòng)特征信息必須采用一些特殊的檢測(cè)技術(shù)和處理方法。

隨著電力電子技術(shù),、自動(dòng)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(chǎng)競(jìng)爭(zhēng)中正逐步顯示自己的優(yōu)勢(shì),。傳統(tǒng)的電機(jī)在線監(jiān)測(cè)裝置多采用電流表,、電壓表、功率表等較為原始的儀表來(lái)進(jìn)行測(cè)量,，采用人工讀數(shù)的方式進(jìn)行數(shù)據(jù)的測(cè)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(cè)試結(jié)果不準(zhǔn)確。有些場(chǎng)合需要進(jìn)行電機(jī)多種參數(shù)的監(jiān)測(cè),，這樣就勢(shì)必會(huì)加大各種測(cè)量?jī)x器的使用以及人力資源的投入,。傳統(tǒng)的監(jiān)測(cè)方法要求監(jiān)測(cè)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(cè)方法無(wú)法做定量分析,，無(wú)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(cè)裝置和方法,，通過(guò)對(duì)扭矩、轉(zhuǎn)速,、各相電流,、溫度、輸入,、輸出功率和效率進(jìn)行實(shí)時(shí)動(dòng)態(tài)的監(jiān)測(cè)以及對(duì)過(guò)電壓,、過(guò)電流,、過(guò)熱進(jìn)行報(bào)警停機(jī)，解決現(xiàn)有技術(shù)中監(jiān)測(cè)參數(shù)不能定量分析以及無(wú)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(cè)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,。

柴油機(jī)狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)是一個(gè)集數(shù)據(jù)采集與分析,、狀態(tài)監(jiān)測(cè)、故障診斷為一體的多任務(wù)處理系統(tǒng),可實(shí)現(xiàn)柴油機(jī)監(jiān)測(cè),、保護(hù),、分析、診斷等功能,。包括數(shù)據(jù)采集與工況監(jiān)測(cè),、活塞缸套磨損監(jiān)測(cè)分析、主軸承磨損狀態(tài)監(jiān)測(cè)分析,、氣閥間隙異常監(jiān)測(cè)分析和瞬時(shí)轉(zhuǎn)速監(jiān)測(cè)分析等各種功能,。信號(hào)分析,、特征提取及診斷原理是每個(gè)監(jiān)測(cè)診斷子功能部分,各子功能都有相應(yīng)的信號(hào)分析與特征提取方法,包括信號(hào)預(yù)處理,、時(shí)域、頻域分析,、小波分析等,自動(dòng)形成反映柴油機(jī)運(yùn)行狀態(tài)的特征量,為系統(tǒng)的診斷推理提供信息來(lái)源,。采用模糊聚類理論來(lái)檢驗(yàn)特征參量的有效性、建立故障標(biāo)準(zhǔn)征兆群,并運(yùn)用模糊貼近度來(lái)實(shí)施故障類型的診斷識(shí)別,?；谌斯ど窠?jīng)網(wǎng)絡(luò)的診斷方法簡(jiǎn)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(shí)別,還能進(jìn)行故障嚴(yán)重性評(píng)估和故障預(yù)測(cè)，由于ANN能自動(dòng)獲取診斷知識(shí),，使診斷系統(tǒng)具有自適應(yīng)能力,。公司始終保持對(duì)外敏銳且謙虛的態(tài)度，聽得進(jìn)意見,。常州專業(yè)監(jiān)測(cè)技術(shù)

工業(yè)產(chǎn)品質(zhì)量的監(jiān)測(cè)檢測(cè)是保證產(chǎn)品符合標(biāo)準(zhǔn)要求的重要手段,，可以提高產(chǎn)品的競(jìng)爭(zhēng)力和市場(chǎng)信譽(yù)。南京電力監(jiān)測(cè)應(yīng)用

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,?；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(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,。 南京電力監(jiān)測(cè)應(yīng)用