随着电力电子技术、自动化控制技术的不断发展,电机在工业生产以及家用电器中得到了应用,在市场竞争中正逐步显示自己的优势。传统的电机在线监测装置多采用电流表、电压表、功率表等较为原始的仪表来进行测量,采用人工读数的方式进行数据的测量、记录和分析,这不仅硬件冗余,系统杂乱,而且操作极为不便,更有甚者,读数误差大,测试结果不准确。有些场合需要进行电机多种参数的监测,这样就势必会加大各种测量仪器的使用以及人力资源的投入。传统的监测方法要求监测人员具有较高的技能和水平,但是由于人为误差的不可避免,这种监测方法无法做定量分析,无法更加准确、实时的掌握电机的运行状态和故障。技术实现要素:本发明提出了一种电机在线监测装置和方法,通过对扭矩、转速、各相电流、电压、温度、输入、输出功率和效率进行实时动态的监测以及对过电压、过电流、过热进行报警停机,解决现有技术中监测参数不能定量分析以及无法更加准确、实时的掌握电机运行状态和故障的技术问题。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。无锡状态监测设备
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。嘉兴产品质量监测介绍故障诊断可以根据状态监测系统提供信息来查明失调的原因或性质,判断劣化发生部位,以及预测状态发展趋势。
传统方法通常无法自适应提取特征, 同时需要一定的离线数据训练得到检测模型, 但目标对象在线场景下采集到的数据有限, 且其数据分布与训练数据的分布可能因随机噪声、变工况等原因而存在差异, 导致离线训练的模型并不完全适合于在线数据, 容易降低检测结果的准确性; 其次, 上述方法通常采用基于异常点的检测算法, 未充分考虑样本前后的时序关系, 容易因数据微小波动而产生误报警, 降低检测结果的鲁棒性; 再次, 为降低误报警, 这类方法需要反复调整报警阈值. 此外, 基于系统分析的故障诊断方法利用状态空间描述建立机理模型, 可获得理想的诊断和检测结果, 但这类方法通常需要提前知道系统运动方程等信息, 对于轴承运行来说, 这类信息通常不易获知. 近年来, 深度神经网络已被成功应用于早期故障特征的自动提取和识别, 可自适应地提取信息丰富和判别能力强的深度特征, 因此具有较好的普适性. 但是, 这类方法一方面需要大量的辅助数据进行模型训练, 而历史采集的辅助数据与目标对象数据可能存在较大不同, 直接训练并不能有效提升在线检测的特征表示效果; 另一方面, 在训练过程中未能针对早期故障引发的状态变化而有目的地强化相应特征表示. 因此, 深度学习方法在早期故障在线监测中的应用仍存在较大的提升空间.
传统维护模式中的故障后维护与定期维护将影响生产效率与产品质量,并大幅提高制造商的成本。随着物联网、大数据、云计算、机器学习与传感器等技术的成熟,预测性维护技术应运而生。以各类如电机、轴承等设备为例,目前已发展到较为成熟的在线持续监测阶段,来实现查看设备是否需要维护、怎么安排维护时间来减少计划性停产等,并能够快速、有效的通过物联网接入到整个网络,将数据回传至管理中心,来实现电机设备的预测性维护。电动机是机械加工中不可或缺的必备工具,电动机在运转中常产生各种故障,为保证电动机运行安全,对电动机运行状态进行在线监测尤为重要。以三相异步电动机为研究对象,采用传感器获取电动机运行中的重要参数(振动、噪声、转速及温度等),由时/频域分析及能量分析等方法提取电动机运行特征量,构成特征向量,采用BP神经网络训练的方法建立状态识别模型,通过BP神经网络模式识别方法,判断电动机运行的状态,在此基础上,利用LabVIEW软件构建可视化监测系统,将电动机运行参数及状态实时显示在可视化界面中,完成在线智能监测。盈蓓德科技开发的监测系统实现了对电动机(马达)等旋转设备关键参数实时监测,掌握设备运行状态。
作为工业领域的一种关键旋转设备,对于终端用来说,关于电机维护的主要是电气班组的设备工程师、电机维护工程师、电机检修人员等;对于电机厂家以及电机经销商来说,主要是电机售后服务工程师、电机销售人员,会涉及到电机的运行维护;险此之外,还有第三方检修人员等。目前已经有很多智能产品号称可以实现电机的预测性维护,但问题也非常多。1)传感器安装难。设备状态监测需要振动、噪声、温度传感器,通讯协议并不统一,自成体系,安装、使用、维护成本高昂。2)技术成本高。工业场景设备类型多,运行工况复杂,预测性维护算法涉及数据预处理、工业机理、机器学习,技术要求很高。3)时间成本高。预测性维护要实现,前期需要大量历史数据的支撑,数据采集、归纳、分析是一个漫长的过程。以电机预测性维护理念来对电机智能运维,虽然被各大宣传媒体提得很多,但还远远未到落地很好乃至普及的程度,不论是预测性维护的预测效果,还是电机的智能运维的市场推广以及市场接受程度,对于电机维护人员为**的电机运维来说,都还有很远的一段距离!电机监测系统帮助识别处于初期阶段的旋转类设备的机械和液压故障,从而制定更为合理的辅助维护计划。绍兴设备监测系统供应商
电机的监测和故障预判系统助力实现工业设备数智化管理和预测性维护。无锡状态监测设备
随着电力电子技术、自动化控制技术的不断发展,电机在工业生产以及家用电器中得到了***的应用,在市场竞争中正逐步显示自己的优势。传统的电机在线监测装置多采用电流表、电压表、功率表等较为原始的仪表来进行测量,采用人工读数的方式进行数据的测量、记录和分析,这不仅硬件冗余,系统杂乱,而且操作极为不便,更有甚者,读数误差大,测试结果不准确。有些场合需要进行电机多种参数的监测,这样就势必会加大各种测量仪器的使用以及人力资源的投入。传统的监测方法要求监测人员具有较高技能和水平,但是由于人为误差的不可避免,这种监测方法无法做定量分析,无法更加准确、实时的掌握电机的运行状态和故障。技术实现要素:本发明提出了一种电机在线监测装置和方法,通过对扭矩、转速、各相电流、电压、温度、输入、输出功率和效率进行实时动态的监测以及对过电压、过电流、过热进行报警停机,解决现有技术中监测参数不能定量分析以及无法更加准确、实时的掌握电机运行状态和故障的技术问题。无锡状态监测设备