现代化生产企业为了极大限度地提高生产水平和经济效益,不断地向规模化和高技术技术含量发展,因此生产装置趋向大型化、高速高效化、自动化和连续化,人们对设备的要求不仅是性能好,效率高,还要求在运行过程中少出故障,否则因故障停机带来的损失是十分巨大的。国内外化工、石化、电力、钢铁和航空等部门,从许多大型设备故障和事故中逐渐认识到开展设备故障诊断的重要性。管理好用好这些大型设备,使其安全、可靠地运行,成为设备管理中的突出任务。对于单机连续运行的生产设备,停机损失巨大的大型机组和重大设备,不宜解体检查的高精度设备以及发生故障后会引起公害的设备。传统事后维修和定期维修带来的过剩维修或失修,使维修费用在生产成本中所占比重很大。状态监测维修是在设备运行时,对它的各个主要部位产生的物理化学信号进行状态监测,掌握设备的技术状态,对将要形成或已经形成的故障进行分析诊断,判定设备的劣化程度和部位,在故障产生前制订预知性维修计划,确定设备维修的内容和时间。因此状态监测维修既能经常保持设备的完好状态,又能充分利用零部位的使用寿命,从而延长大修间隔,缩短大修时间,减少故障停机损失。大型电机监测和故障预判系统助力实现工业设备智能化管理和预测性维护。杭州智能监测数据
基于人工神经网络的诊断方法简单处理单元连接而成的复杂的非线性系统,具有学习能力,自适应能力,非线性逼近能力等。故障诊断的任务从映射角度看就是从征兆到故障类型的映射。用ANN技术处理故障诊断问题,不仅能进行复杂故障诊断模式的识别,还能进行故障严重性评估和故障预测,由于ANN能自动获取诊断知识,使诊断系统具有自适应能力。基于集成型智能系统的诊断方法随着电机设备系统越来越复杂,依靠单一的故障诊断技术已难满足复杂电机设备的故障诊断要求,因此上述各种诊断技术集成起来形成的集成智能诊断系统成为当前电机设备故障诊断研究的热点。主要的集成技术有:基于规则的专业人员系统与ANN的结合,模糊逻辑与ANN的结合,混沌理论与ANN的结合,模糊神经网络与专业人员系统的结合。绍兴研发监测控制策略盈蓓德科技搭建了一套基于人人工智能算法的旋转类设备温度,振动状态监测、故障判断和预测性维护系统。
工业设备的预测性维护的市场需求显而易见,但是预防性维护想要产生业务、真正大规模发展却是遇到了两个难题。首先项目实施成本过高,硬件设备大多依赖进口。比如数采传感器、设备等。这导致很多企业在考虑投入产出比时比较犹豫。其次是技术需要突破,目前大多数供应商只实现了设备状态的监视,真正能实现故障准确预测的落地案例寥寥无几。供应商技术和能力还需要不断升级。预防性维护要想实现更好的应用,要在以下方面实现突破。实现基于预测的维护,提升故障诊断及预测的准确率提高软硬件产品国产化率,降低实施成本。远程终端广泛应用于工业互联网、分布式数据采集、设备状态的在线监测,能够进行前端数据清洗和边缘计算,通过对历史数据趋势分析、设备数据机理分析、统计分析等大数据分析,对设备的状态做出有效可靠的健康状态评判,从而切实有效的提高设备的维护能力。远程终端可实现对电源电压、设备状态的自检,分析计量故障等信息,及时发现计量异常。现场监测箱开门、断电、设备运行等异常信息也能够主动发送报警信息到监测中心,实现设备在线监诊的准确性、完整性、及时性和可靠性。设备状态的监诊很有必要。
基于交流电机的特征量:通过故障机理的分析可知,交流电机运行过程中,其故障与否必然表现为一些特征参量的变化,根据诊断需要,选择有代表性的特征参量为该设备在线监测的被测信号,准确地提取这些故障特征量,这是故障诊断的关键。故障特征量,特别是反映早期故障征兆的信号往往比较弱,而相应的背景噪声比较弱,常规的监测方法,因受传感器的准确性、微处理器的速度、A/D转换的分辨率与转换速度等硬件条件的限制,以及一般的数据处理方式的不足,很难满足提取这些特征量的要求,需要采用一些特殊的电工测量手段与信号处理方法。例如小波变换原理的应用。电机故障的现代分析方法:基于信号变换的诊断方法电机设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号之中,如果借助于某种变换对这些信号进行解调处理,就能方便地获得故障特征信息,以确定电机设备所发生的故障类型。常用的信号变换方法有希尔伯特变换和小波变换。β-Star监测系统是盈蓓德智能科技的产品,为大型电机提供数据监测和故障预判服务。
目前设备状态监测及故障预警若干关键技术可归纳如下:(1)揭示设备运行状态机械动态特性劣化演变规律。设备由非故障运行状态劣化为故障运行状态,其机械动态特性通常有一个发展演变过程。需揭示劣化过程及故障变化演变规律及发展特点,分析故障产生机理、发展原因和发展模式,构建劣化演变机械动态特性模型。(2)提取设备运行状态发展趋势特征。在役设备往往具有复杂运行状态,在长历程运行中工况和负载等非故障因素造成信号能量变化,故障趋势信息往往被非故障变化信息淹没,需较大程度上消除非故障变化造成的冗余信息,进而构建预测模型。若提取到敏感特征分量因子及模式,有望实现典型部件部位分析。设备振动情况信息量丰富,振动测试系统应用于设备状态监测,在设备预知维修中起到了重要的作用。南京电机监测台
时间域、频率域以及角度域的NVH分析方法,对汽车动力总成的各种故障进行实时识别、监测和诊断。杭州智能监测数据
常见的设备监测数据包含以下几类:1.运行数据:包括设备的运转时间、运转速度、负载情况、温度、压力等参数。这些数据可以反映设备的运行状态和性能表现,以便进行运行效率评估、健康状况评估以及预测维护等。2.电气数据:包括设备的电流、电压、功率、电阻等参数。这些数据可以反映设备的电气性能和电能消耗情况,以便进行能效评估、设备故障诊断等。3.振动数据:包括设备的振动幅值、频率、相位等参数。数据可以反映设备的振动情况,以便进行故障诊断和预测维护等。4.声音数据:包括设备的声音频率、声音强度、声音特征等参数。这些数据可以反映设备的声学性能,以便进行故障诊断和预测维护等。5.图像数据:包括设备的照片、视频、红外图像等。这些数据可以反映设备的外观、结构、热特性等信息,以便进行故障诊断、安全检查和维护计划制定等。6.环境数据:包括设备周围环境的温度、湿度、气压、光照等参数。这些数据可以反映设备所处的环境条件,以便进行设备健康评估、预测维护等。杭州智能监测数据