预测性维护是工业互联网中一个重要的应用场景。在预测性维护出现之前,设备维护的方式主要是被动故障维护以及定期以人工巡检的方式检测,预测性检测的出现可以降低设备的故障率,提高设备利用率,确保设备持续使用,提高企业生产效率,同时也可以减少设备维修费用。
预测性维护能够真正落地并且为客户创造价值,需要具备两大条件,其一是数据基础,第二是算法模型。声音是一种表达力很强的因素,我们可以透过声音来得到各种信息,或是开心或是难过等等;这并不仅是于人类自身,对于机器声音也是一样的,不同的声音代表着不同的状态,宣示着机器的工作状态。
噪声,作为机械运行时发出的一种固有信号噪声中必然携带者机械本身的结构信息和运行的状态信息。从理论上讲,完全可以用噪声信号来对设备的运行状态以及故障进行在线监测和预报。
目前,断路器故障诊断多将声音和振动结合起来组成声振联合诊断,这需要同时对声音、振动信号提取特征向量,从而导致特征向量数量过多,小样本工况下缺乏诊断信服力。其次,经验模态分解及其改进方法等声振联合方法计算量较大且在重复试验时结果存在一定分散性。此外,振动信号的加入意味着需要对断路器机构额外接触式安装传感器,增加了操作的复杂性。以上信息由专业从事异音检测仪的慧声智创于2024/7/4 12:38:30发布
转载请注明来源:http://ningbo.mf1288.com/nbhszc-2780612923.html
上一条:磨损监测机构服务介绍「慧声智创」